OpenAI推理第一人创业了：要造“活到老学到老”的AI，先来融它70个亿

公司一成立，“难以开展”这个说法，算是彻底对上了号。（持续学习：这锅我不背！）

那Jerry为啥这么看重持续学习？

先说最现实的一个原因：成本和效率。

要知道，目前主流大模型那条路——靠海量静态数据反复预训练——已经越走越贵了。持续学习的思路则完全不同：模型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的进步，对训练数据和算力的依赖也会下降。从成本和效率的角度看，这条路确实更划算。

此外，行业里一直有个共识：如果要实现AGI，模型必须具备“生物”应该有的能力——能够持续进化、处理长时序任务、支撑多模态袋里，甚至形成自我优化的循环。而持续学习，基本就是这套设想的关键前提。

这样一来，就不难理解Jerry为啥不惜重金也要去搞了。（是真有前景……）

当然，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。Ilya本人一直是持续学习的坚定支持者。他之前在访谈中提到，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的理念高度重合。

不止创业公司，学术界和大厂也在同步推进。

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。

值得关注的是，DeepMind的强化学习研究员Ronak Malde，前一阵也在社交平台上就持续学习的话题发表过一个相当炸裂的判断：他认为，2026年将是持续学习的元年。

（小小期待一下）

不管怎么说，还是祝福Jerry早日筹到那10亿美金。

毕竟，让AI“活到老学到老”这件事，确实值得大家打call。(doge