TL;DR： 作为强化学习的教父，理查德·萨顿正以69岁高龄投身创业，试图打破大语言模型对静态数据的依赖。他主张通过“经验驱动”的实时学习重构AI范式，并尖锐地挑战了当前工业界关于“对齐”的迷思。
在WAIC 2026的会场，当人群簇拥着那些谈论万亿参数和Token吞吐量的明星企业时，理查德·萨顿（Richard Sutton）显得有些格格不入。这位两鬓斑白、眼神却闪烁着某种倔强光芒的图灵奖得主，刚刚宣布了一项令行业侧目的决定：离开卡马克（John Carmack）的Keen Technologies，成立Oak Lab。
这不仅是一次简单的换帅。在不少人眼中，这是这位“强化学习之父”向当前主流的大语言模型（LLM）范式发起的公开挑战。
20瓦的执念：向生物智能回归
萨顿对当下AI进展的评价直率得近乎残酷——“有一定程度的失望”。在他看来，过去八年的AI进化路径，是在海量人类文本的温室里制造了一场精巧的幻觉，而非真正的智慧。
“人脑只用大约20瓦的功耗，就完成了我们所做的一切。”他在采访中多次强调这一参照系。在Oak Lab的蓝图中，他试图构建一个能够实时学习、实时规划、功耗仅为20瓦的万亿参数系统。这并非天方夜谭，而是基于他对“经验学习”的极致推崇。他认为，当前依赖数据预训练的架构在能耗和效率上是“天然浪费的”，而真正的智能体必须像婴儿一样，在与环境的交互中通过试错（Trial and Error）实现自我完善。
挑战“苦涩的教训”之后的范式
早在2019年，萨顿撰写的那篇《苦涩的教训》曾被视为LLM狂潮的理论基石。然而，当被问及对此的解读时，萨顿表现出了一种作为科学家的严谨与自嘲：“人们误解了我的意思。”他认为，AI界并未真正贯彻该文章的核心精神——即通过通用的学习机制随计算规模扩张，而是陷入了对人类既有数据知识的过度依赖。
为了修正这一偏差，萨顿提出了“OaK”（Options and Knowledge）架构。他希望智能体不再是一个被动的信息提取器，而是一个具备“能动性”（Agency）的实体，能够将经验拆解为“选项”（Options），在长时间轴上实现自主决策。
“对齐”：一种危险的人类把戏
在访谈中最具争议的时刻，萨顿否定了当前火热的“AI对齐”叙事。他直言，所谓的“对齐到人类价值观”本质上是一个伪命题，甚至是一种带有操纵色彩的“人类把戏”。
“这世界上根本不存在单一的‘人类价值观’。”萨顿指出，如果某种技术能够强行将AI与特定价值观对齐，那么谁拥有这项技术，谁就拥有了制造独裁的工具。他认为，人类社会之所以能维持多元和平，正是因为我们无法被完全对齐，而AI的发展也不应成为某种特定意志的延伸。
科学家的苦功
面对焦虑的年轻人，萨顿给出的建议极为朴素：回到第一性原理，准备一个笔记本，每天写一页想法。他承认，这是一场苦功，但在这信息爆炸的时代，这是构建个人“力量中心”的唯一途径。
即便已经步入古稀之年，萨顿依然保持着对未知的极度饥渴。他将自己定义为一个研究者，而非追逐流量的商人。对于未来，他给出了一个谨慎的预测：AGI的到来可能在2030年到2040年之间。他正在等待的，不仅仅是算力的又一次翻倍，而是那个属于“经验时代”的、真正的火花。