核心内容总结
2026世界人工智能大会（WAIC）上，“强化学习之父”、2024图灵奖得主理查德·萨顿分享了他的创业逻辑、AI技术未来方向（从依赖人类数据转向“经验学习”）、具身智能的实践（机器人幼儿园项目），以及对年轻人的成长建议。他强调营利与非营利机构互补支撑科研，AI需回归“从经验中学习”的本质，机器人要像婴儿一样试错成长，年轻人要坚持独立思考。
一、创业逻辑：营利与非营利的“双轮驱动”
萨顿创办营利性公司Oak Lab，不是为了单纯赚钱，而是和他的非营利机构Openmind“互补干活”：
- 非营利的作用：Openmind负责开源知识、传播智能原理，让更多人用得上AI，还能降低技术被滥用的风险（比如不让少数人垄断核心技术）。
- 营利的价值：前沿AI研究需要烧钱（比如买算力、雇团队），营利公司可以通过短期专利变现，反哺科研。虽然技术最终会开源，但短期保护能让创新持续下去。
简单说，非营利管“普惠和安全”，营利管“钱袋子和持续研发”，两者缺一不可。
二、AI技术的“大转向”：告别人类数据，拥抱“经验学习”
现在的大语言模型（比如ChatGPT）靠“喂”大量人类数据（文章、视频、对话）训练，但萨顿认为这是“走偏了”：
- 问题在哪？ 传统模型太费电（比如训练一次要花几百万度电），而人类大脑仅用60瓦就能处理复杂任务。原因是现有计算机用“冯·诺依曼架构”，数据在存储和处理器之间来回跑，像你每次算题都要从抽屉拿书再放回去，浪费能量。
- 未来方向：学大脑的“并行架构”——让数据待在原地，不用来回传输，这样效率能提升N倍。更重要的是，AI要像AlphaGo那样“从经验中学习”：不是靠别人给的数据，而是自己在场景里试错（比如机器人自己学走路，摔几次就会了），哪怕样本很少也能快速调整。
萨顿说，过去8年行业沉迷“人类数据红利”，现在该回到“经验学习”的正途了，未来10年这会成主流。
三、具身智能的突破：让机器人像婴儿一样“试错成长”
萨顿参与的“机器人幼儿园”项目，解决了传统机器人的大痛点：
- 传统机器人的问题：只能按指令做事，一试错就坏（比如摔倒就报废），没法像婴儿那样摸爬滚打学技能。
- 项目怎么做？ 打造能“抗造”的机器人，让它们在专门空间里试错几个月（像婴儿学走路、抓玩具），通过强化学习积累底层技能。比如机器人自己尝试抓杯子，掉了就调整姿势，直到学会。
- 未来价值：等机器人能像人一样掌握基础技能，就能去照顾老人（帮拿东西、陪聊天）、当老师（辅导孩子），填补劳动力缺口（比如未来人口老龄化，缺护工）。
四、给年轻人的建议：独立思考比“追热点”更重要
萨顿对两类年轻人的建议很实在：
1. AI研究者：别盲从权威，用“第一性原理”思考（比如问“AI的本质是什么”，而不是跟着别人做大模型），每天写一页笔记梳理思路，坚持一年就能看到效果。
2. 普通年轻人：区分“计算”和“智能”——计算是工具（比如用电脑办公），但通用智能（像人一样思考）是颠覆。未来14年左右可能出现通用智能，所以要构建自己的“认知壁垒”（比如深耕一个领域，能独立拆解问题），别被AI淘汰。
他强调：“科学界没有绝对权威，你要对自己的思考负责，用事实验证观点，而不是听别人说什么。”
五、未来十年AI趋势：“经验时代”要来了
萨顿预测，未来10年“经验学习”会成为AI行业的核心方向：
- 资本已经在追这个赛道（比如杨立昆的公司也在做），他自己的Oak Lab融资进展顺利。
- 8年后，“经验学习”的地位会像现在的大语言模型一样重要——那时的AI不再靠人类数据“喂饭”，而是能自己在现实中学习、成长，变得更智能、更高效。
总的来说，萨顿的核心观点是：AI要回归“智能的本质”——从经验中学习，而不是依赖人类数据；同时，科研需要营利和非营利结合，才能走得更远。对年轻人来说，独立思考和深耕自己的领域，是应对AI变革的最好方式。