详情

首页手游攻略 OpenAI推理第一人创业了:要造“活到老学到老”的AI 先融它70个亿

OpenAI推理第一人创业了:要造“活到老学到老”的AI 先融它70个亿

佚名 2026-07-15 19:23:53

现在公司一成立,「难以开展」这四个字的指向,也算是彻底对上号了。(持续学习:这锅我不背!!!)

那这持续学习,为啥让Jerry这么看重呢?

先说一个最现实的原因:成本和效率。

大家要知道,现在主流大模型这套靠海量静态数据反复预训练的路子,已经是《越走越贵》了。

而持续学习的思路恰好相反!

其认为模型本身可以在真实世界的使用过程中不断吸收新经验,用更少的交互实现明显进步,对训练数据和算力的依赖也会随之降低。

从成本和效率的角度看,这条路确实更划算~

此外,整个行业里一直也有个共识:那就是如果真要实现AGI,模型必须具备「生物」应该具备的能力——

也就是能持续进化、能处理长时序任务、能支撑多模态代 理,甚至形成自我优化的循环,而「持续学习」,基本就是这套设想里的关键前提。

这也就不难理解,为啥Jerry哪怕不惜花重金也要去搞了。(是真有前景啊…

当然了,把目光投向持续学习这条路的,并不只有Jerry一个人。

大家熟悉的Ilya创办的SSI公司,走的也是相当接近的方向,而且Ilya本人一直都是持续学习的坚定支持者。

他之前在一次访谈中提到,真正的AGI不应该是那种一次训练就什么都会的静态模型,而是上线之后,能在真实世界里不断学习、持续积累经验的系统,这点和Jerry的理念也算是高度重合了。

不止创业公司,学术界和大厂这边也在同步推进。

比如Google Research,在持续学习方向上已经做出了一些新的尝试。

去年年底,他们提出了「Nested Learning」和「Titans」的新思路,把模型看作嵌套的优化过程,引入可学习的长期记忆模块,在推理时融入历史信息,来缓解遗忘问题,让模型具备更强的持续学习能力~

颇值得一提的是,DeepMind的强化学习研究员Ronak Malde前一阵也在社交平台上,针对持续学习的话题发表过一个相当炸裂的判断:

他认为,2026年,将是持续学习元年:

(我们小小期待一下吧)

不管怎么说,还是让我们祝福Jerry早日筹到那10亿美金。

毕竟能让AI“活到老学到老”这件事,确实挺值得大家打call的。(doge

相关资讯
点击查看更多
游戏推荐
推荐专题
热门阅读
推荐下载