炒股如何用杠杆
这句话，出自全球AI领域最不该被忽视的那个人。
7月17日，2026世界人工智能大会（WAIC）主论坛，2024年图灵奖得主、"强化学习之父"理查德·萨顿登台发表主旨演讲。全场坐满了追捧大模型的从业者和投资人，而萨顿给这个热闹的房间浇了一盆冷水：当前的大模型，并不具备原生智能。它们能做的，本质上是在人类历史数据中进行模式匹配，和真正意义上的智能之间，还差着一道根本性的鸿沟。
这不是萨顿第一次发出这样的声音。早在2025年，他就与AlphaGo核心开发者大卫·西尔弗联合撰文，提出AI正在从"人类数据时代"走向"经验时代"。而此次WAIC的演讲，是他将这一判断带到全球最大AI盛会的正式宣告。
算力堆出来的，不是智能
萨顿的核心论点并不复杂，但在当前的产业氛围里，却显得格外刺耳。
他将当下的AI发展阶段定义为"人类数据时代"：大型语言模型的训练逻辑，是预测人类语言的下一个词，本质上是对海量人类书写记录的统计拟合。这套范式在过去几年里制造了令人震惊的能力涌现，GPT-4、Claude、Gemini们能写代码、能做分析、能聊天，看上去无所不能。
但萨顿指出，这里有一个根本性的上限：人类已有的数据是有限的。当模型把互联网上所有的文字、代码、图片都吃完之后，靠堆参数和算力来刷新性能的路，就走到头了。更深层的问题是，即使数据无限，这种"拟合历史记录"的学习方式也无法让AI自主发现人类从未探索过的新知识。一个靠模仿人类写作训练出来的模型，永远无法独立推导出广义相对论，除非人类已经把那些论文喂给了它。
这正是他所说的"大模型不具备原生智能"的实质含义。识别模式不等于产生思想，预测下一个词不等于理解世界。
向婴儿学习：经验时代的逻辑
萨顿提出的替代路径，是他毕生研究的方向：强化学习，以及以此为基础的"经验时代"。
他在演讲中多次提到，真正的智能应该像婴儿一样习得，而不是像学生一样被灌输。婴儿刚出生时，对世界一无所知，但他们通过与环境的持续互动，通过试错、反馈和修正，逐渐建立起对世界的理解和应对能力。这个过程中，没有人预先给他们贴好标签，告诉他们每一步该怎么做。
这正是强化学习的基本逻辑：AI智能体在环境中行动，根据行动的结果获得奖惩信号，并据此调整策略，这个过程循环往复，直到找到最优行为方式。AlphaGo和AlphaZero证明了这条路在特定领域可以产生超越人类的能力，而且这种能力并非来自模仿人类棋手，而是来自数以亿计次的自我对弈经验。
萨顿认为，AI真正的突破，将发生在智能体能够在开放世界中自主积累经验、自主发现规律的那一天。这一天尚未到来，但通往那里的路，是强化学习，而不是继续把更大的Transformer喂给更多的人类文字。
这个判断并非没有争议。当前大模型阵营并不认为两条路径是非此即彼的关系，不少研究者认为将语言模型与强化学习结合，正是通向更强AI的实际方向，DeepSeek-R1、OpenAI的o系列模型在推理能力上的突破，部分正是借助了强化学习的思路。
但萨顿要强调的，显然是一个更根本的方向性判断：如果不在智能体如何获取经验这个底层问题上实现突破，仅靠现有范式的迭代，AI将原地踏步。
在上海这个全球最热闹的AI展场炒股如何用杠杆，这句话听起来像是煞风景。但对于这个领域而言，这样的声音，恰恰是最需要的那种清醒。
文章为作者独立观点，不代表2026年的股票配资线上开户公司-线上杠杆配资股票融资平台-在线股票证券配资平台公司观点
