前两天（8月18日），图灵奖得主、“强化学习之父"Richard Sutton 在红杉资本的播客上，说了一句挺重的话：AI 行业对合成数据的过度依赖，正在把整个行业带向错误的方向，这是一个"大错误”。微博
第二天，#图灵奖得主萨顿警告AI行业# 就上了微博热搜，知乎紧跟着冒出两个热门问题。评论区迅速分成两派：一派说"老爷子看得透"，另一派说"他又出来倚老卖老了"。
对关注强化学习的人来说，这件事值得认真对待——不是因为 Sutton 是祖师爷，而是因为他这次不只是说说而已。
先去噪：Sutton 到底说了什么
不少标题把这件事概括成"Sutton 反对合成数据"，其实不太准确。把他的原话拆开，大致是三层意思：
第一层，合成数据撑不起"继续扩展"。他的判断很直接：行业越来越依赖合成训练数据，这正在把整个行业带向错误的方向。
第二层，真实世界超越任何模拟。这是他反复讲的"大世界假说"（Big World Hypothesis）：现实世界的复杂性远超任何模拟系统，不存在能覆盖全部场景的静态数据集，智能体必须通过自主经验获取知识。哔哩哔哩
第三层，智能来自经验，而不是模仿。上个月在 WAIC 的采访里他说得更直白：如果把智能看作一个整体，语言能力也许只占其中四分之一左右。知乎今天的大模型也许有博士级别的知识，但知识不等于智能——说它们有博士级别的智能，是荒谬的。
这里有个容易误解的点要说清楚：Sutton 反对的不是"一切模拟经验"。WAIC 采访里他明确承认，AlphaGo、AlphaZero 已经证明 AI 可以通过经验——包括模拟经验——学到大量东西。他反对的是把"模型输出和人类文本"当主食、训练完就冻结权重的路线。两者区别是：一个是让智能体在环境里"活一遍"，一个是让它"读别人的日记"。
不是突然开炮：看看他这一个月的时间表
如果你觉得这只是老教授又一次口头批评，看看他今年干了什么：
4 月，战略白皮书《The Alberta Plan for AI Research》发布，用 12 个渐进步骤给出一份 5 到 10 年的路线图，目标是构建能在复杂环境中持续学习、基于模型计算的 AI 原型。知乎
7 月 17 日，上海 WAIC 主论坛演讲，直指当前大模型的底层软肋——“大模型不具备原生智能”。知乎他还提出了"经验时代"的概念：过去几年的 AI 产业处于"人类数据时代"，而静态标注数据的时代正在走向终点。
还是 7 月，他在多伦多正式创立 Oak Lab。36氪此前他刚离开 John Carmack 创办的 Keen Technologies，告别文里把第一句话留给了老东家、极尽赞美，但路线分歧是真的：他认为当前深度学习方法薄弱、低效，需要的不是修修补补，而是全新的基础思想与彻底重构。今日头条
Oak Lab 立的目标相当激进：万亿参数、能实时学习和规划、整机功耗只有 20 瓦的智能体——功耗刚好对标人脑。36氪训练方式上则彻底抛弃静态数据集，用单步流式的在线学习：每一次与环境交互，同时完成学习。
再往前，他和 Carmack 的 Keen Technologies 团队联合发布的 Physical Atari 论文已经出炉：一个总造价不到 1000 美元、能连续跑几个星期不坏的机器人玩家，直接在物理世界里做强化学习。知乎
把时间线连起来看，这是一套组合拳：先发白皮书，再公开演讲，然后开公司，最后对着整个行业开火。连融资他都不避讳——在 WAIC 期间的媒体采访里直说，Oak Lab 融资"进展相当顺利"。知乎
更有意思的是他周围的阵营。他最出名的学生 David Silver，也离开了待了 15 年的 DeepMind，创办 Ineffable Intelligence。36氪Silver 继续走自博弈路线，做聚焦数学与代码这类可验证领域的"超级学习者"。知乎LeCun 的 AMI Labs 则押注世界模型。这几位都站在"纯 LLM 路线不对"的一边，但打法完全不同：LeCun 攻视觉表征，Silver 做形式化领域的自验证，Sutton 则押低功耗的在线持续学习。反 LLM 联盟，其实各打各的仗。
他的底气是什么：一篇绕不开的 Nature 论文
Sutton 的警告之所以能上热搜，不是靠名气，而是确实有硬证据托底。最核心的一篇，是"模型崩溃"（Model Collapse）研究。
2024 年，牛津、剑桥和帝国理工的研究者在 Nature 上发表研究：让大模型在 AI 自己生成的合成数据上反复训练，它们不会变得更好，而是不可逆地退化。知乎一代比一代更重复、更缺乏多样性、更偏离真实分布，到最后输出在统计意义上接近噪声。
一个流传很广的类比是复印机复印自己：第一次还能辨认，第二次开始模糊，到第十次只剩一张灰纸。
机制也不难懂：合成数据本质上是真实分布的"统计近似"，从近似里学习，每一代都会把尾部的细节和异常值再抹平一次；更麻烦的是，上一代的幻觉会被下一代当成知识学走，错误被逐代固化。
叠加的行业现实是：公开互联网上可用的高质量人类文本，已经被第一代大模型基本吃完了。有分析估算，当前头部实验室每年需要的训练数据增量，已经超过了全球人类每年产出的高质量公开文本总量。知乎也就是说，行业不是不知道合成数据有风险，而是骑虎难下。知乎上甚至有人直接把窗户纸捅破：AI 实验室一边大量使用合成数据一边警告模型崩溃，是否说明业界对合成数据可靠性其实心里没底？知乎
从这个角度看，Sutton 那句"大错误"，至少说中了一半。
但冷水也要泼：反方的论据同样不弱
社区里最有力的反驳，不是说 Sutton 错了，而是说就算他对了，行业也没得选。
知乎上一个高赞回答借用了 Wolfram 的"计算不可约"概念：自然是复杂混沌系统，不存在任何能加速它的算法或模拟器。知乎想知道结果，只能让 agent 到真实世界里把整个任务跑完。问题来了——如果只有自然真实数据能驱动模型，那 physical AI 可能不是三五年、甚至三五十年内的事。所以 sim-to-real 对机器人行业是生死问题：以前自动驾驶早就试过纯仿真训练，效果很糟，因为仿真里的微小扰动传到现实会被蝴蝶效应完全放大；但谁要是公开说"仿真搞不定"，等于砸了整个 physical AI 的饭碗。
Oak Lab 自己的路线也有三道坎，一个都没过：
一是灾难性遗忘，学新任务会覆盖旧任务的知识；二是可塑性丧失，网络训练久了会逐渐失去学新东西的能力，这是终身学习领域悬了几十年的难题；三是规模验证，他们的核心算法 NetworkIDBD 目前只在小规模网络上做过实验，万亿参数在线学习能不能稳定跑，没有任何先例。知乎而 20 瓦功耗也无法单纯靠软件算法实现，高度依赖神经拟态硬件的产业化进度——与其说是算法赌注，不如说同时押了一把硬件。
所以比较公允的判断是：Sutton 的诊断——靠模仿数据继续 scaling 有天花板——有相当扎实的证据支撑；但他的药方——全面转向经验学习——目前仍是高风险假说，离被验证还早。
值得盯的三个信号，和一个判断轴
对关注强化学习的人来说，这场路线之争比任何单条新闻都值得追。这里给三个具体的观察信号：
第一，看算法能不能放大。Oak Lab 的 NetworkIDBD 后续如果能在 Atari 仿真、机器人连续控制这类复杂环境里拿出扩展实验结果，才算真正迈过第一道坎；
第二，看师徒对垒。Sutton 的经验学习路线，对阵学生 David Silver 的自博弈超级学习者，两边都是 RL 正统，谁的成果先跑出来，会直接影响资本和人才往哪边流；
第三，看开源和硬件。Oak Lab 会不会开放可复现的 OaK 架构原型，会不会有神经拟态硬件厂商入伙。这两个如果一两年内都没动静，20 瓦的故事大概率只是故事。
另外一个更实用的东西，是一个判断轴：以后看到机器人、大模型、自动驾驶的新闻，可以先问一句——这个系统是在"模仿数据"，还是在"从经验中学习"？如果是前者，它的数据吃完了怎么办？未来三年，这个问题大概率会一直有效。
最后留一句谈资：这个夏天，OpenAI 刚因为安全问题暂停了前沿模型的 RL 训练。36氪而 RL 的奠基人转头就在说，大语言模型这条路不会成为通往超级智能的主要路径。知乎强化学习从来没有像今天这样站在 AI 叙事的正中央——只不过这种"正中央"，未必是它的支持者想象的那种方式。
