强化学习之父查德·萨顿，创办了 Oak Lab，要走一条完全不同的 AGI（通用人工智能）之路。

如果这波真让他做成了，现在的硅谷科技巨头们估计得连夜开会改 PPT。

现在以 OpenAI、Google 为首的路线，走的是标准的“大力出奇迹”（Scaling Laws）。

现在的现状是： 想要模型更聪明？那就堆显卡！万亿参数的模型，需要成千上万张英伟达 B200 显卡在数据中心轰鸣，动辄包下一座核电站的电量。

奥特曼天天在外面奔走呼吁搞能源，甚至投资核聚变，就是因为现有的计算架构快把地球的电给吃光了。

Sutton 的解法是： 打造一个万亿参数的 AI 智能体，但功耗掐死在 20瓦。

20瓦是什么概念？就是你家客厅里一个微弱的 LED 灯泡，或者你手里大屏手机刷个视频的功耗。巧的是，这刚好也是人类大脑运转的平均功耗。

这绝不是简单的省电，而是底层的算法和架构革命。这意味着 AI 不再需要依赖云端那台庞大、臃肿、吞噬能源的超级计算机，而是可能直接塞进你的手机、无人机或者具身智能机器人里。

还有一点：现在的 LLM（大语言模型），本质上都是“冷冻肉”。模型在数据中心经过几个月的“预训练”后，它的参数就被完全冻结了。

这就导致了一个很滑稽的现象：你今天教了它一个新词，在同一个对话框里它记得，但只要你把网页一刷新，它立马就成了“熟悉的陌生人”。

它想要学习新知识，必须等下一轮耗资千万美元的增量训练或微调。它在“出生”的那一刻，智商就已经固定了。

而 Sutton 提出的 “持续学习（Continual Learning）+ 世界模型（World Models）+ 强化学习（RL）”，是要做出一个“活的AI”：

它就像一个真正的人类员工，在日常工作中一边犯错，一边吸取教训，参数在实时更新。

它的“世界模型”能让它在脑海里进行实时规划和预演，不需要每一次都去撞南墙。

这种终身学习（Lifelong Learning）的能力，才是通往真正 AGI 的终极门票。

如果把现在的 AI 比作是一个靠疯狂吃高热量食物来维持体力的“巨无霸”；那么 Oak Lab 想做的，就是一个只需喝一口水，就能在荒野中不断进化、自主生存的“特种兵”。

单纯靠堆算力和堆数据的老路，可能很快就要撞上物理和能源的南墙了。萨顿老爷子在这个节骨眼上扯起 Oak Lab 的大旗，可以说是给狂热的 Scaling Laws 打了一剂清醒剂。

大家觉得，这种“只需20瓦、能一边工作一边自我进化”的万亿大模型，多久能走进现实？如果手机里能跑这样的AI，你最想让它帮你干啥？