2026 年 7 月 17 日，在上海世界人工智能大会（WAIC）的思想者论坛上，一位身着中式传统纹样衬衫的老人缓缓走上讲台。他是 Richard Sutton，强化学习领域的奠基人、2024 年图灵奖得主。在全行业都在追大模型、追 Agent 的当口，他说出的话显得格格不入，却又格外值得认真对待：大语言模型，本质上只是「人类已达成共识知识的容器」，而不是能创造新知识的科学家。
速览卡：这位大佬和他说了什么
| 项目 | 内容 |
|---|---|
| 大佬 | Richard S. Sutton（理查德·萨顿） |
| 身份 | 强化学习之父、2024 图灵奖得主、阿尔伯塔大学教授、Oak Lab 联合创始人 |
| 出处 | WAIC 2026 思想者论坛主旨演讲《The Bitter Lesson of AI Research》；Sequoia Capital 播客访谈 |
| 时间 | 2026 年 7 月 17 日（WAIC 演讲）；2026 年 8 月 18 日（Sequoia 播客） |
| 核心观点 | 基础模型是「人类共识知识的容器」而非知识创造者；合成数据是「巨大的错误」；真正的智能需要持续在线学习 |
Sutton 说了什么
要理解 Sutton 这次的判断，得先回到他那篇只有一页半、却在 AI 圈流传了七年、被引用了无数次的短文——《The Bitter Lesson》（《苦涩的教训》，2019 年）。他在 WAIC 演讲的开头，直接引用了这篇文章的最后一段作为整场发言的注脚。这篇文章的核心，是一个他观察了 70 年的历史规律：
不要被人类知识分散注意力，AI 传统上已经很多次被它带偏了。相反，应该专注于那些能够随计算规模扩展的方法——比如搜索和学习。只有依靠搜索和学习，AI 才能真正实现持续的规模化。
所谓「苦涩」，在于一个反复出现、让研究者心碎的模式：研究者总想把人类知识直接编码进智能体里，这种做法短期内往往有效，也符合直觉，所以很受欢迎；但从长期看，它终究会遇到瓶颈。真正带来突破的，永远是另一条更「笨拙」、却更依赖算力的路径——大规模搜索和学习。国际象棋如此，语音识别如此，计算机视觉如此，自然语言处理也是如此。每一次，人们精心设计的方法，最终都被一个「更笨但更大」的方案取代。
但 Sutton 这次在 WAIC 上想讨论的，是一个更尖锐的问题：这个延续了 70 年的规律，是否同样适用于今天的大语言模型、今天的基础模型？他的回答是——是，也不是。
大语言模型确实继承了「苦涩的教训」，找到了持续扩展计算规模的方法，这是它「对」的一面。但它最大的超能力——来自人类知识，也可能成为它最大的边界。因为它存储的是人类已经达成共识的知识，而不是尚未被发现的真理。
背景：一位 40 年判断从未随风飘移的人
Sutton 说这些话的分量，来自他近乎偏执的判断一致性。
1988 年，他的博士论文就在研究强化学习里的「时序信用分配」，那时这还是无人问津的冷门领域。他和 Andrew Barto 合著的《强化学习：导论》是全球从业者的标准教材。2024 年，他和 Barto 共同获得图灵奖，表彰他们对强化学习的奠基性贡献——这条研究线直接推动了 AlphaGo 和现代大规模强化学习系统的发展。
更难得的是，他 40 年的判断几乎没有随风飘移过：当业界信奉规则方法时，他研究统计学习；当所有人转向统计学习时，他坚持规模化通用方法；当全行业扑向大模型时，他继续追问「这条路的天花板在哪里」。这种一致性，让他的质疑比大多数「唱反调」的声音更有分量。
在 WAIC 演讲之前几天，他刚刚宣布创立 Oak Lab，离开了 John Carmack 的 Keen Technologies，选择在加拿大独立运作。Oak Lab 的创立声明里有一句很硬的话：当下的深度学习方法「弱且低效，需要根本性的新思路和彻底的重构」，而不是更多的调参。WAIC 是 Oak Lab 成立后的首次公开亮相——也就是说，Sutton 是在用自己的创业，为他的研究立场押注。
核心观点展开：三个环环相扣的论点
Sutton 在 WAIC 的演讲，围绕三个相互关联的论点展开。
论点一：苦涩教训在当下是否还成立？他先确认了大语言模型「对」的一面——它确实找到了一种能随算力扩展的方法，充分利用了今天的大规模计算资源和互联网产生的海量数据。从这个意义上说，大语言模型的成功本身就是「苦涩教训」的一次胜利。但「不是」的一面更关键：基础模型的能力归根结底建立在人类已有知识之上，它本质上还是在「吃人类积累的老本」。用他的话概括就是——规模化了，但规模化的对象可能错了。
论点二：大世界假说（Big World Hypothesis）。这是 Sutton 和学生 Khurram Javed 在 2024 年共同提出的理论：世界的规模和复杂度，永远超过任何单一智能体的认知上限，没有任何心智能完整掌握世界的全部知识。他用现场的听众举例：哪怕面对面交流，他也不可能完全知道每个听众脑海里在想什么——这种信息差是结构性的，是世界本身的属性，而不是技术问题。这个假说还带来一个意外副产品：它从底层消解了「超级 AI 全面超越人类」的恐慌——如果世界永远比任何智能体复杂，全知超心智这种存在本身就违背大世界假说。
论点三：基础模型的合理定位。基于前两点，Sutton 给出了他对「基础模型」的重新定义。他认为行业里大量从业者用这个词，却没想清楚它到底该是什么。他的定义是：基础模型是「当前所有已达成共识的人类知识的容器」，它的终极形态是一部「超级百科全书」——让知识更容易被获取，并根据不同用户的认知水平定制化呈现，边界清晰：存储与提供访问，而非生成新知识。Sutton 特别强调，当下大模型的幻觉问题，本质上是因为模型被赋予了超出这个定位的期待——让它去生成边界之外的内容。
行业内的讨论与不同声音
Sutton 的这套判断，在行业里激起的反应很值得记录，因为它戳中的恰恰是当下最敏感的两根神经：合成数据和持续学习。
在 2026 年 8 月的 Sequoia Capital 播客访谈里，Sutton 和 Khurram Javed 把话说得更直接。当被问到「合成数据能否突破数据瓶颈」时，Sutton 毫不含糊地回答：
不，那纯粹是一个巨大的错误（a big mistake）。
他的理由来自大世界假说：世界无限复杂，任何人类写的模拟器都只是「微观」的近似。一个小程序只能生成一个小世界，它和真实世界不匹配——错误的摩擦系数、不准确的机器人电机模型。更关键的是，世界里有无数其他智能体，它们的内在运作根本无法被生成为合成数据——「别人的脑子，我们没法生成合成数据」。此外还有人力瓶颈：谁来判定哪份合成数据好、哪份坏？按 Javed 的说法，这需要人类专家，于是整个方案又被「人类」卡住了脖子，无法真正扩展。
另一个被 Sutton 反复批评的点，是大模型「上线后就不学习了」：
我们在模型发布前做了太多预训练和后训练，但上线之后它就停止学习了。它们的权重根本没变过。如果你认为可以打造出一个拥有博士级专业能力、但此后却彻底不再学习的系统，那真正奇怪的是你们。
他用一个特别扎心的问题反问：「没有任何动物是靠监督学习长大的。」学校是一种非常特殊的机制，人类几百年前甚至还没有现代学校，它根本不是智能的本质。松鼠不去上学，也能学会生存。把监督学习当成学习的主要范式，是本末倒置。
面对满世界的质疑，这位经历过上一次 AI 寒冬、曾从癌症晚期死里逃生的老学者态度很坚决，说出了一句流传很广的话：
我没疯，是这个领域疯了。（I’m not weird. The field is weird.）
横向扩展：Oak Lab、持续学习与「苦涩教训」的下一章
Sutton 的批评如果只停留在「唱反调」，价值有限。真正让人重视的，是他连「解法」都一并给出了，而且正在用 Oak Lab 把它做出来。
Oak Lab 的架构核心是三个原则。第一是领域通用性：系统内不包含任何领域专用知识，完全通用。第二是经验学习：从运行时的经验中学习，而不是依赖设计时工程进去的静态知识。第三是开放式演进：在算力约束内无限提升，没有能力天花板。它的激进目标，是做一个「万亿参数、实时学习、能耗只有 20 瓦（接近人脑水平）」的智能体。
这条路线有一个技术上的硬骨头：灾难性遗忘。Sutton 认为，真正的持续学习，就是「学习」本身——因为「所有学习都是持续的」，只不过现在的系统学新东西会把旧知识抹掉，所以才需要专门造一个「持续学习」的词来和「批量学习」区分。他的团队在 Nature 上发表的「Continual Backprop」（持续反向传播）方法，是解决这个问题的一条路径：为每个网络权重学习元学习步长，并持续引入新的特征单元，让网络在学新东西时不至于把旧的冲掉。
这套思路可以追溯到他的「Alberta Plan」。这个计划的第二步是「持续深度学习」——他认为这是解锁后面所有步骤的关键。最终目标，是让机器像人一样，在自己的生命过程中不断学习、不断成长，在自己所经历的那部分世界里逐渐形成专长。
把这几件事串起来，Sutton 的完整图景就清楚了：他认为大模型是「智能的四分之一」——一个了不起的科学突破，但只占智能的一小块。真正完整的智能，应该是一个能持续与环境交互、边行动边学习、自己构建并修正世界模型的动态系统，而不是一个训练完就冻结权重的静态模型。他特别强调一个当前领域的空白：
在我们的领域里，还没有「学习模型、然后用模型做规划」的先例——至少没有用自我发现的抽象来做这件事的先例。
这和强化学习的「模型基方法」（model-based RL）一脉相承，也和 LeCun 的世界模型主张、David Silver 近年对「从人类生成数据转向智能体-环境交互数据」的探索形成了共振——几位不同阵营的大佬，在「持续学习 + 世界模型」这个方向上，意外地走到了一起。
把《苦涩教训》读透：两个被大多数人忽略的细节
Sutton 在 WAIC 上引用了《苦涩教训》原文，但多数人其实没细读过这篇只有 1500 词、却极其精准的短文。它里面有两个细节，恰恰是理解 Sutton 整个思想体系的关键，也常常被二手解读丢掉。
第一个细节：算力成本在持续指数级下降，这改变了「最优解」的定义。研究者设计算法时，往往默认算力是固定的，于是用人类知识去弥补算力的不足。但历史的真相是：算力成本在持续指数级下降。这意味着，「今天在算力受限下的最优解」，迟早会被一个「更笨但更吃算力」的规模化通用方法取代。你花了多年打磨的精巧方法，被一个更笨、但能随算力扩展的方案彻底替换——这正是「苦涩」的来源。它不是「人类知识没用」，而是「人类知识撑不起长期的价值」，因为它的相对价格会随着算力变便宜而不断贬值。
第二个细节：心智的内容无法被简化，也不该被「设计进去」。Sutton 的原话指向一个根本性的判断：空间、物体、多个智能体——这些都是外部世界的属性，是任意复杂的，不应该被「设计进」系统里。真正该做的是构建「能自己发现这些复杂性的元方法」，而不是「把我们已发现的东西直接放进去」。他有一句特别值得记住的话：
我们想要的 AI 智能体，是能够像我们一样去发现，而不是装载了我们已经发现的东西。把我们的发现直接植入，只会让「如何去发现」这件事变得更难。
这两个细节合起来，就解释了为什么 Sutton 会对「把人类知识塞进模型」这件事如此警惕——不是因为人类知识没用，而是因为「植入知识」这个动作本身，会让系统错过「自己发现知识」的能力。这也正是他把基础模型定义为「共识知识的容器」、而非「知识创造者」的深层原因：容器装的是「已发现的东西」，而智能的本质，是「能去发现」。
这四个历史领域印证了这条规律的普适性：计算机象棋——早期基于棋理的专用方法，被大规模搜索加算力全面击败（1997 年击败卡斯帕罗夫的 Deep Blue 靠的是搜索而非棋理）；计算机围棋——AlphaGo 最终靠大规模强化学习和自我对弈取胜，而非围棋专家知识；语音识别——统计方法取代语音学规则，深度学习又取代统计方法，两轮迭代如出一辙；自然语言处理——从语言学规则到统计方法再到大规模机器学习，三轮迭代，每次都是通用规模化方法胜出。
Sutton 的完整思想图谱：从苦涩教训到 Oak Lab 的连贯主线
如果只看孤立的一次演讲，很容易把 Sutton 当成一个「唱反调的老人」。但把他的思想串起来，会发现这是一条贯穿 40 年、逻辑自洽的主线。
这条主线的起点是《苦涩教训》（2019）：长期看，只有随算力扩展的方法（搜索、学习）才能赢，依赖人类知识的方法会撞墙。接着是《大世界假说》（2024，与 Javed 合作）：世界永远比任何心智更复杂，所以「静态预训练」永远不够，必须在路上学。再到 2025 年和 David Silver 的合作方向：AI 应该从「人类生成数据」转向「智能体-环境交互数据」。最后到 2026 年的 Oak Lab：把这些理论变成一个「万亿参数、实时学习、20 瓦能耗」的持续心智系统。
这条主线里，最值得关注的是「从人类数据转向交互数据」这个转折。Sutton 和 Silver 的判断是：人类生成的数据（文本、标注）是有限的、有偏的、迟早会用完的；而智能体与环境交互产生的数据是无限的、可自我生成的。这是「持续学习」路线的数据基础——如果一个系统能自己产生自己的训练信号，它就不再依赖「喂给它的数据」了。这恰恰呼应了《苦涩教训》的核心：不要依赖人类提供的东西，要依赖能随规模扩展的东西。
在 Sequoia 的播客里，Sutton 还给出了一个非常具体的、关于「当前领域空白」的判断。他说，学习一个模型、然后用这个模型做规划，这在当前的 AI 里几乎没有先例——至少没有「用自我发现的抽象来做规划」的先例。这听起来有点反直觉（AlphaGo 不就是「学习 + 规划」吗？），但 Sutton 的精确意思是：AlphaGo 的「模型」和「规划」用的还是人类设计的抽象（棋盘、规则），而不是系统「自己发现」的抽象。真正的突破，需要机器自己形成新的抽象，并用这些抽象去规划、推理，而不是用人类手工设计的模型和监督信号。
把这个思想图谱放在 2026 年的时间点上，Sutton 的定位就非常清楚了：他不是反对大模型本身（他称之为「了不起的科学突破」），而是反对「把大模型当成智能的终点」。在他眼里，大模型是「智能的四分之一」，是通往真正智能的一块重要垫脚石，但绝不是终点。终点是一个能持续学习、能自己发现抽象、能用这些抽象做规划的动态系统。
总结与启示
Sutton 这次发言的价值，不在于他预言了「大模型的终结」，而在于他提出了一个被行业集体回避的根本问题：当 AI 的全部力量都建立在「人类已知的知识」之上时，那些尚未被发现的知识，又将从哪里诞生？
对从业者，这里有几个可以立刻吸收的启示。
其一，对「幻觉」有新的理解角度。按 Sutton 的框架，减少幻觉的正确思路，不是让模型「更聪明」，而是让它更清楚地知道自己的边界、拒绝回答边界外的问题。这对 RAG 设计、Prompt 工程都有直接的实践指导意义——你的系统应该是一个「准确的共识知识提供者」，而不是一个「无所不知的回答者」。
其二，对「大模型能做什么」保持清醒预期。把它定位成「超级百科全书」，而不是「万能员工」，能避免很多不切实际的投入。同时要看到，持续在线学习是被严重低估的方向——它才是解决「幻觉」和「知识过时」的根本路径之一。
其三，警惕合成数据的幻觉式扩展。当互联网数据不够用时，用算法生成合成数据看似是自然的下一步，但 Sutton 的提醒值得记在心里：合成数据的世界永远小于真实世界，它可能让你在「看似足够」的地方停下来，而真实世界的复杂度还在门外等着。
最后，Sutton 用一句话给这场发言留了开放式的结尾，也留给了整个行业：「地图可以画得越来越完整，却永远无法提前画出下一块大陆。」这既是对大模型的评价，也是对所有宣称「已经找到了通往 AGI 唯一道路」的人的一句提醒。
参考来源
- Richard Sutton《The Bitter Lesson》原文：http://www.incompleteideas.net/IncIdeas/BitterLesson.html
- WAIC 2026 思想者论坛主旨演讲《The Bitter Lesson of AI Research》（AI 科技评论实录）
- The Decoder《KI-Pioneer Sutton calls synthetic data a “big mistake” in the face of an infinitely complex world》
- Sequoia Capital 播客《Training Data – Rich Sutton & Khurram Javed: Why AI Models Stop Learning》
- Sutton & Javed《The Big World Hypothesis》2024
