從OpenAI離職不到一個月，被稱為“推理模型第一人”的Jerry Tworek已迅速投身創(chuàng)業(yè)浪潮。他創(chuàng)立的新公司Core Automation將目光聚焦于“持續(xù)學習”領域，并計劃籌集高達10億美元（約合人民幣70億元）的資金，試圖打造下一代具備動態(tài)學習能力的AI模型。

Jerry的學術背景與職業(yè)經(jīng)歷為其創(chuàng)業(yè)奠定了堅實基礎。這位出生于波蘭的科學家在華沙大學獲得數(shù)學碩士學位后，曾赴阿姆斯特丹從事量化研究，專注于優(yōu)化問題與噪聲數(shù)據(jù)處理。這段經(jīng)歷讓他對“在不確定環(huán)境中決策”產(chǎn)生濃厚興趣，并逐漸轉(zhuǎn)向強化學習領域。2019年加入OpenAI后，他主導了首個推理模型o1的研發(fā)，并深度參與GPT-4、ChatGPT等核心項目的構(gòu)建，成為推動大模型從“生成”向“推理”進化的關鍵人物。

此次創(chuàng)業(yè)，Jerry選擇挑戰(zhàn)OpenAI未完全解決的難題：如何讓模型擺脫“訓練即終點”的局限，實現(xiàn)持續(xù)學習。他指出，當前主流模型在部署后能力基本固化，難以適應真實世界中不斷變化的新場景。而Core Automation的目標是開發(fā)一種新型架構(gòu)，使模型能像人類一樣，從新數(shù)據(jù)、新任務中動態(tài)吸收知識，同時保留已有技能。這一設想若實現(xiàn)，將顯著降低模型對海量靜態(tài)數(shù)據(jù)和算力的依賴，提升學習效率。

Jerry的計劃包含兩大技術突破：一是構(gòu)建非Transformer架構(gòu)，二是將訓練流程整合為連續(xù)系統(tǒng)。他希望通過這種設計，讓模型在運行過程中完成自我更新，而非依賴離線預訓練。盡管新公司尚未推出具體產(chǎn)品，但其理念已引發(fā)行業(yè)關注。部分網(wǎng)友認為，Core Automation可能比同期成立的SSI和Thinky Machines更具潛力，原因在于其直接切入AI發(fā)展的核心瓶頸——持續(xù)學習能力。

持續(xù)學習并非新概念，但近年來因成本與效率問題重新成為焦點。傳統(tǒng)大模型依賴海量數(shù)據(jù)預訓練，成本隨規(guī)模指數(shù)級增長。而持續(xù)學習模型可通過真實交互逐步進化，用更少的資源實現(xiàn)能力躍升。行業(yè)普遍認為，實現(xiàn)通用人工智能（AGI）需模型具備持續(xù)進化、處理長時序任務等能力，持續(xù)學習正是這一目標的前提。例如，Ilya創(chuàng)辦的SSI公司同樣聚焦該領域，其理念與Jerry高度契合——真正的AGI不應是靜態(tài)模型，而應能在真實世界中不斷積累經(jīng)驗。

學術界與科技巨頭也已布局。谷歌去年提出“Nested Learning”與“Titans”架構(gòu)，通過引入長期記憶模塊緩解遺忘問題；DeepMind研究員Ronak Malde更預言，2026年將成為持續(xù)學習元年。盡管挑戰(zhàn)巨大，但Jerry的創(chuàng)業(yè)仍被視為行業(yè)重要信號：當主流模型陷入同質(zhì)化競爭時，動態(tài)學習能力或成為下一代AI的核心差異點。至于他能否籌得10億美元，答案或許取決于市場對“讓AI活到老、學到老”這一愿景的信心。