Rich Sutton 正式下場創業，等於把一個老問題重新丟回前沿 AI 競賽中央：如果今天最強的模型大多仍靠整理好的資料、離線訓練與巨量算力推進，那它們到底有沒有能力像動物或人一樣，在運行過程中持續從經驗裡學？Oak Lab 這家新公司給出的答案很直接。它不想先做另一個更會說話的 聊天機器人，而是要打造能在真實環境裡自己學、自己規劃、自己修正的代理。
目前公開資訊不多，但已足夠看出這不是一般「名人學者掛名創業」的案子。Oak Lab 由 2024 年圖靈獎得主、現代 強化學習 共同奠基者 Rich Sutton 與 Khurram Javed 在多倫多共同創立，兩人先前都待過 John Carmack 的 Keen Technologies。Sutton 對外說得也很重：現在主流 深度學習 方法「弱而低效」，不是小修小補就能撐起更雄心勃勃的 AI 目標，而是需要更根本的重做。Oak Lab 官網則把長期目標寫得非常具體，想做的是一個「一兆參數、能即時學習與規劃、功耗只有 20 瓦」的代理系統。
這個 20 瓦目標本身就帶著明顯宣戰意味。站內前幾天才寫到KAIST 量出 AI 代理單次查詢耗電最高達聊天機器人 136 倍後，代理熱潮撞上電網現實，說明今天大家看到的代理熱，不只是在比誰會調工具、誰能把工作流串更長，也是在比誰能把能耗與成本壓回商業上可接受的範圍。Oak Lab 如果真的把「即時學習」和「20 瓦」綁在一起，等於是在說：下一代代理若還是只能靠超高功耗雲端推論活著，那根本不算成熟技術路線。
Oak Lab 第一篇研究文，先拿主流訓練方法開刀
Oak Lab 發出的第一篇研究文章，沒有急著秀產品，而是先解釋它認為現有方法卡在哪。團隊把矛頭對準在整理好的資料集上表現極好的優化器與訓練流程，特別是 SGD、Adam、RMSProp 這一整套大家已經習慣的訓練邏輯。Oak Lab 的論點是，這些方法擅長從人類事先清理、標註、篩過的資料裡學出穩定模式，但一旦輸入變成帶雜訊、不可預期、連「哪些訊號值得學」都不明確的連續經驗流，模型就很容易把噪音也一起吃進去。
他們用一系列簡化實驗來說明這件事。當資料流中只有少部分訊號真能預測目標，其餘大多是雜訊時，主流優化方式會把誤差信用分散到太多沒用特徵上，最後學到的是一團被噪音污染的權重；Oak Lab 主張的 IDBD 與 NetworkIDBD 類方法，則更接近「只把信用給真正有預測力的訊號」。這聽起來像很學術的參數分配問題，但背後其實是在回答一個代理式 AI 的硬問題：系統如果要邊運作邊學，就不能每次都先靠人把世界整理乾淨，再重新離線訓練一次。
| 當前主流路線 | Oak Lab 想改寫的地方 |
|---|---|
| 先蒐集與整理資料，再大批次訓練 | 讓系統直接從連續經驗流中在線學習 |
| 依賴通用優化器壓低整體誤差 | 更重視信用分配，區分可學訊號與雜訊 |
| 模型升級多半靠更多資料、更多算力、更多 Token | 追求資料效率、能耗效率與長時自我更新 |
| 代理能力常建立在既有 大型語言模型 之上 | 直接把學習與規劃能力當成一級問題 |
這家公司想爭的，其實是「代理怎麼學」而不是「代理先做什麼」
這讓 Oak Lab 和近來主流的代理敘事非常不一樣。像站內之前寫過的OpenAI 把資源全押自動化研究員，AI 研究競賽開始比誰能自己跑更久，或者更近一點的GPT-5.6 Sol 用一句模糊指令替 Luna 做完後訓練：OpenAI 把遞迴自我改進從口號推進可驗證的內部基準，焦點多半是今天的模型如何靠更長工作流、更強工具使用或更好的後訓練，逐步逼近能自我迭代的代理。Oak Lab 則是在更底層的位置切入：如果學習機制本身不適合處理未整理、不中斷、會持續變動的真實經驗，那麼上層工作流再華麗，也只是把靜態模型包裝得更像代理。
這個切入角度也讓 Sutton 的創業顯得格外值得追。因為它不是在和 OpenAI、Google、Anthropic 爭「下一個最強通用模型」的榜單，而是在爭代理式 機器學習 的基礎範式。如果這條路成立，未來最值錢的能力不一定是誰擁有最大的預訓練資料庫，而可能是誰最能讓模型在極低能耗下，從雜訊很重的環境中持續選對訊號、修正世界模型、做出更好規劃。
但 Oak Lab 現在仍是一個方向明確、交付未明的新賭注
當然，Oak Lab 距離證明自己還早。公開頁面目前主打的是研究信念、理論路線與早期技術論文，尚未看到產品節奏、商業客戶、融資規模或可直接對標現有代理平台的 benchmark。這代表它現在更像一個對主流路線發起挑戰的研究型新創，而不是已經端出市場化答案的產品公司。
不過，正因為如此，這條新聞才值得寫。當前 AI 產業最不缺的是「再做一個更會用工具的代理」；真正稀缺的，是有人願意正面質疑資料集訓練這條主幹路線，並把焦點拉回信用分配、在線學習、能耗效率與世界互動。Sutton 把 Oak Lab 端上桌後，代理競賽至少多出一條清楚分岔：一條繼續把模型做大、把工作流串長，另一條則試圖讓系統真的在經驗裡長出能力。下一步要看的，不是 Oak Lab 能不能立刻做出爆款產品，而是它能不能先拿出讓產業無法忽視的實驗證據，證明「從經驗中學」不只是理想，而是比今天主流更能撐起長期代理的一條路。