OpenAI o1推手Jerry Tworek创业：70亿豪赌持续学习AI新纪元

type

status

date

slug

summary

幕后英雄走向台前：Jerry Tworek是谁？

要理解Core Automation的含金量，首先得了解Jerry Tworek在OpenAI的历史地位。他是OpenAI内部推动“模型推理能力”从理论走向现实的关键人物。

出生于波兰的Jerry拥有深厚的数学背景。在进入AI领域之前，他曾在量化交易领域深耕，专门研究如何在充满噪声和不确定性的环境中提取有效信号并做出最优决策。这段经历为他后来在强化学习领域的研究奠定了独特的思维框架。

2019年加入OpenAI后，Jerry将这套方法论带入了LLM（大型语言模型）的研发中。他不仅主导了备受瞩目的首个推理模型o1的研发，还深度参与了o3、GPT-4、ChatGPT以及Codex等核心产品的构建。可以说，他是让大模型从单纯的“文本生成”进化到具备“逻辑推理”能力的功臣之一。如今，他带着对AI终极形态的理解，选择了一条更为艰难但也更具颠覆性的道路。

痛点与愿景：打破“训完即固化”的魔咒

Jerry Tworek此次创业的核心驱动力，源于他对当前主流大模型开发模式的反思。目前的人工智能模型，无论是OpenAI的GPT系列还是其他大厂的产品，大多遵循“预训练-微调-上线”的流程。

这种模式存在一个显著的弊端：模型一旦训练完成并部署，其知识库和能力边界基本就固定了。这就好比一个学生，虽然博览群书，但毕业后就停止了学习。然而，真实世界是动态变化的，模型每天都会遇到新的数据、新的任务和新的边缘情况。

Core Automation的目标，就是要打破这种静态模式，构建具备“持续学习”能力的新型AI。Jerry希望打造出的AI能够像人类一样“活到老学到老”——在运行过程中不断吸收新经验，逐步掌握新知识，同时还能有效克服“灾难性遗忘”（即学了新知识忘了旧知识）的问题。这被认为是通往AGI（通用人工智能）的必经之路。

技术路线：告别Transformer，拥抱新架构？

为了实现这一宏大的愿景，Jerry Tworek制定了相当激进的技术路线。据透露，Core Automation计划构建一套不完全依赖于传统Transformer的新架构。

目前的Transformer架构虽然在提示词（Prompt）处理和生成上表现优异，但在实时更新和长期记忆方面存在天然短板。Jerry的构想是将原本分散的训练和推理流程整合为一个连续的系统。这意味着：

降低成本：相比于昂贵的重复预训练，持续学习模型可以在使用过程中以更少的算力消耗实现能力提升。

自我进化：模型能通过与真实世界的交互，形成自我优化的循环，这对AI变现和商业落地应用具有巨大的吸引力。

动态适应：能够处理长时序任务，适应不断变化的业务需求，无需频繁重新部署。

这套理念如果能够落地，将极大地改变目前大模型依赖海量静态数据堆砌的现状，引领AI进入更高效、更智能的2.0时代。

行业共识：2026或将成为“持续学习元年”

Jerry Tworek并非孤独的先行者。事实上，“持续学习”正在成为全球顶级AI实验室和创业公司的下一个必争之地。

SSI与Ilya的构想：OpenAI前首席科学家Ilya Sutskever创办的SSI公司，同样致力于开发能够持续积累经验的系统。Ilya曾明确表示，真正的AGI不应是静态的，而应是动态进化的。

Google Research的探索：谷歌也在积极布局，去年提出的“Nested Learning”和“Titans”架构，试图通过引入长期记忆模块来缓解遗忘问题，增强模型的持续学习能力。

DeepMind的预测：研究员Ronak Malde甚至大胆预测，2026年将是持续学习技术的爆发元年。

这些迹象表明，行业风向正在从单纯追求参数规模，转向追求模型的动态适应能力和长期记忆能力。对于关注AI新闻和技术趋势的从业者来说，这是一个不可忽视的信号。

结语

Jerry Tworek的70亿融资计划虽然看似激进，但其背后代表的是对下一代AI基础范式的探索。如果Core Automation能够成功，我们或许将迎来一个不再需要频繁重训、能够自我进化的智能体时代。

在这个技术日新月异的时代，保持对前沿AI资讯的关注至关重要。无论是想要了解最新的大模型动态，还是寻找AI变现的机会，亦或是获取高质量的Prompt技巧，都需要一个专业的信息窗口。

想要紧跟AI时代的步伐，获取更多深度解读和最新资源，欢迎访问专业的AI门户：https://aigc.bar。在这里，您可以获取一手的AI日报，洞察AGI的未来发展，让技术为您所用。让我们共同期待Jerry Tworek和他的新公司能为AI领域带来怎样的惊喜。