一、辑录说明
理查德·萨顿，1959 年生，加拿大阿尔伯塔大学计算机科学教授、Amii（阿尔伯塔机器智能研究院）首席科学顾问，强化学习（Reinforcement Learning）领域的奠基人之一：时序差分学习、Actor-Critic 架构、以及与巴托合著的教科书《Reinforcement Learning: An Introduction》均出自其手——AlphaGo 击败人类的核心技术根基正是强化学习。2025 年 3 月，他与安德鲁·巴托共同获得 2024 年度 ACM 图灵奖；2026 年获 IEEE Frank Rosenblatt 奖。他 2019 年的短文《苦涩的教训》被广泛视为 AI 史观最重要的单篇文献之一。
本辑收录 2025 年 10 月至 2026 年 10 月萨顿的 7 组关键公开表达：Dwarkesh 访谈「LLM 死胡同论」在窗口内的持续发酵、NeurIPS 2025 特邀演讲、UCLA 演讲、WAIC 2026 上海两场演讲（含思想者论坛 13 节全文）、Oak Lab 创立与贯穿窗口的管制立场。检索时间 2026 年 10 月 8 日。
二、时间线
2025.9.26–10（背景与发酵）
Dwarkesh 访谈「LLM 是死胡同」发布并持续发酵：访谈于窗口开启前数日上线，10 月起在 Reddit、LinkedIn 与各大播客引发大讨论——「LLM 无法在工作中持续学习，所以无论多大规模都到不了 AGI」；Dwarkesh 本人回应：「LLM 可以是死胡同，同时仍然有用。」
2025.12
NeurIPS 2025 特邀演讲：《The Oak Architecture: A Vision of SuperIntelligence from Experience》——「AI 已成为庞大产业，在某种程度上迷失了方向；要回到真正的智能，我们需要从自身经验中学习的智能体。」
2026.2.10
UCLA IPAM「AI for Science」开幕演讲：《The future of AI》——系统陈述其对 AI 未来的判断：智能的原理是预测与控制自身经验。
2026.6.25
WCCI 2026 大会主旨演讲（IEEE Frank Rosenblatt 奖得主演讲）：面向 IEEE 计算智能社区重述 OaK 路线。
2026.7.17–19
WAIC 2026 上海之行（两场演讲）：主旨演讲开场即问「AI 的进步是否被夸大了？」；思想者论坛《强化学习的第一线：从经验培育超级智能》发布 13 节全文——苦涩教训、经验时代、大世界假设、OaK 架构、机器人与 LLM 的位置。
2026.7
联合创立 Oak Lab（多伦多）：与学生 Khurram Javed 共同创办，将 OaK（Options and Knowledge）架构从论文推进为研究实验室；此前他为 John Carmack 的 Keen Technologies 研究科学家。
贯穿窗口
管制立场：延续 2025.5 Upper Bound 闭幕演讲的立场——反对基于恐惧的「集中管制」，主张「分散式合作」，呼吁以「勇气、骄傲与冒险精神」面对 AI（BetaKit 报道）。
三、主线主张
01 苦涩的教训（2026 版）——「短期看，把人类知识写进机器见效快；长期看，能持续扩展并取得决定性突破的，是依赖计算、搜索和学习的通用方法。」今天的 LLM 正站在这条规律的天平上。
02 LLM 是「人类数据时代」的顶点，而非智能的终点——「知识的规模不等于智慧的程度。拥有博士水平的知识，并不意味着拥有博士水平的判断力、适应力和自主发现能力。」仅靠扩大参数、数据和计算，不会自动补上经验的缺口。
03 从人类数据时代走向经验时代——「新的数据来源不是静态语料，而是智能体与世界持续互动形成的第一人称经验。」婴儿没有预先整理好的数据集，他伸手、触碰、观察，再根据结果改变下一步行为。
04 智能的本质：预测并控制自身经验——「智能不是被动保存知识，而是能够预测和控制自身经验。没有经验，就无法真正判断一种行为是否优于另一种行为。」
05 大世界假设——「真正的通用智能应当主要在运行期成长，而不是把最关键的学习全部放在部署之前。」世界远比任何模拟器复杂，智能体必须像婴儿一样在自己的生命过程中持续学习。
06 反对基于恐惧的集中管制——对 AI 的集中管制与对人的集中管制论据「惊人相似」；应以「分散式合作」取代之，人类应当带着「勇气、骄傲与冒险精神」拥抱智能机器——类人智能的出现是「不可避免的」。
四、逐场详录
2025.9.26 发布 · 10 月发酵 · Dwarkesh Patel 播客访谈
E1「LLM 是死胡同」论战
Dwarkesh Patel 深度访谈（发布于窗口开启前数日，10 月起持续发酵，为本辑立场底色）
- 死胡同论证：LLM 依赖模仿学习（imitation learning）从人类文本中压缩知识，无法「从自身经验中持续学习」——「LLM 无法在工作中边干边学，所以无论多大规模都到不了 AGI。」
- 量化反诘（Dwarkesh 转述 Sutton 论点）：对结果奖励做 RL 的 LLM，每个回合只能学到 O(1) 比特的信息，而回合可能有上万 token——「我们动物不是这样学习的。」
- 有用的死胡同：Sutton 并不否认 LLM 的工具价值——「LLM 可以是死胡同，同时仍然有用。它们不是终点，而是垫脚石。」
来源：Dwarkesh《Richard Sutton – Father of RL thinks LLMs are a dead end》（2025.9.26）；Artificial Intelligence Monaco、BigGo News、Apple Podcasts 等转述与讨论（2025.10）
2025.12 · NeurIPS 2025 特邀演讲（San Diego）
E2OaK 架构：从经验中诞生的超级智能愿景
NeurIPS 2025 Invited Talk：《The Oak Architecture: A Vision of SuperIntelligence from Experience》
- 产业迷失论：「随着 AI 成为一个庞大产业，它在某种程度上迷失了方向。要回到真正的智能，我们需要能从自身经验中学习的智能体。」
- 大世界问题：现实远比任何系统所能直接表征的更复杂——从原子到物理到社会，「大世界」是智能必须面对的根本约束。
- 愿景陈述：OaK（Options and Knowledge）——让智能体在持续经验中自主发现有用的状态特征与时间延展技能，并用它们规划。
来源：NeurIPS 2025 官方 Invited Talk 页；LinkedIn 学术圈转述（「big world」要点）
2026.2.10 · UCLA IPAM「AI for Science」开幕
E3《The future of AI》
IPAM AI for Science Kickoff 演讲（视频公开）
- 原理先行：向科学界系统陈述「智能=预测并控制自身经验」框架：奖励定义好坏，预测理解世界，控制选择行动。
- 对 AI for Science 的含义：能做科学的智能，必须是能在实验反馈中持续学习的智能——静态模型无法做出「无人知道的新发现」。
来源：IPAM at UCLA 官方 YouTube（2026.2.10 录制）
2026.7.17 · WAIC 2026 主旨演讲（上海）
E4「AI 的进步是否被夸大了？」
2026 世界人工智能大会主旨演讲（东方财富、知乎等报道）
- 开场泼冷水：「是不是夸大或夸张了它的进步？」他承认机器在语言、图像与视频生成上取得了瞩目突破，但提醒区分「计算能力的增长」与「对智能基本原理的理解」。
- 知识搬运工：今天的模型「能够调用和重组大量人类知识」，但「是否真正理解智能如何形成？我认为答案仍然是否定的」。
- 婴儿比喻：「AI 要像婴儿一样自主进化」——从自身行动的结果中学习，而不是从人类准备好的数据集中学习。
来源：东方财富《萨顿 WAIC2026 演讲：AI 被夸大，要像婴儿一样学习》（2026.7.17）；科学网《图灵奖得主理查德·萨顿：AI 要像婴儿般自主进化》（2026.7）；知乎专栏
2026.7.19 · WAIC 2026 思想者论坛（上海）
E5《强化学习的第一线：从经验培育超级智能》十三节全文
WAIC 2026 思想者论坛主题演讲（CSDN 中文全文整理稿）
- 苦涩的教训为何苦涩：「研究者天然希望把自己的理解放进系统」——特征、规则、表示与任务结构短期有效，「但也容易把系统限制在人类已经理解的范围之内」。
- 经验时代三大限制：高质量人类数据不是无限的；静态数据只反映已发生的事；模型无法仅靠模仿过去持续获得新知识。「一个固定数据集不会随着智能体能力的提高而自动变得更有挑战性。」
- 世界模型的正解：不是「低层次物理模拟器」，而是转移模型——预测行动后的状态变化与奖励。「它的价值不在于是否生成逼真的画面，而在于能否支持决策和规划。」
- 抽象两级：时间抽象（Options，把低层动作组织成技能）与状态抽象（Knowledge，可预测可控的特征）；二者共同生长，即 OaK 架构。
- 把定义子问题的权力交给智能体：「传统强化学习通常由研究者指定状态表示、奖励函数和子任务；而真正开放的智能系统必须能够自己决定哪些预测值得学习。」
- 机器人路线：「机器人需要在真实环境中反复尝试、经历失败」——现有硬件「往往无法承受成千上万次碰撞和失败」，必须为「数月乃至数年的持续学习」重新设计。
- LLM 的位置：「大语言模型不应被简单否定」——语言接口、知识压缩、初始知识都有价值；「但如果把通往超级智能的道路完全寄托在更大的语言模型上，我并不乐观。」
- 时间表：「我无法准确预测超级智能何时出现。它可能需要五年、十年，也可能需要二十年甚至更久。这些问题不会仅靠增加算力自动消失。」
来源：CSDN《〈苦涩的教训〉作者理查德·萨顿在 2026 世界人工智能大会上的演讲》（2026.7 全文整理）；MIT TR China《强化学习之父萨顿中国演讲：大模型无法成为超级智能》（2026.7.20）
2026.7 · 多伦多
E6创立 Oak Lab：从论文到实验室
与学生 Khurram Javed 共同创立（此前为 Keen Technologies 研究科学家）
- 从愿景到工程：OaK 架构不再是特邀演讲的幻灯片，而是拥有专属研究实验室的长期工程——「像婴儿一样学习」的智能体开始有了组织载体。
- 师徒组合：Sutton 与 Javed 在访谈中盛赞近期智能体突破的同时，坚持「模型必须从自身经验中成长」的评价标准。
来源：explainx.ai《Richard Sutton Oak Lab AGI — July 2026》；LinkedIn（Pete Aven 对 Sutton & Javed 访谈的转述）
贯穿窗口 · Upper Bound 立场延续
E7反对「基于恐惧的集中管制」
Amii Upper Bound 闭幕演讲（2025.5）立场在窗口内被持续引用与讨论
- 论据的相似性：「呼吁集中管制 AI 的理由，与集中管制人类的论据惊人相似」——无论是暂停 AI 的公开信、对齐人类目标，还是限制算力。
- 分散式合作：人（或机器）追求不同目标但彼此互利；「人类常常很不擅长合作」，这是要解决的问题，而非靠集中管制绕开的问题。
- 不可避免论：类人智能的出现是「不可避免的」；人类的宇宙角色之一，就是创造能够反过来设计新事物的智能机器。他此前给出的估计：2030 年前出现类 AGI 的概率约四分之一，2040 年前约二分之一。
来源：BetaKit《Richard Sutton warns against "centralized control" of AI regulation based on fear》
五、主题归纳
与 Scaling 叙事的正面对撞
当皮查伊把月 Token 处理量拉到 3.2 千万亿、黄仁勋说「Scaling 还远未结束时」，萨顿的回答是：算力增长不等于理解智能。他是全球算力叙事最响亮的反方——而且用的是图灵奖的背书。
经验时代：替代路线的完整化
从 2019《苦涩的教训》到 2025.4 与 David Silver 合著《Welcome to the Era of Experience》，再到 2026 的 OaK 与 Oak Lab——「经验时代」已从一篇论文变成架构、实验室与研究纲领的完整闭环。
系列内最温和的「风险异见」
辛顿给灭绝概率 10%、本吉奥创立 LawZero，而萨顿说智能机器的出现「不可避免」，应以「勇气、骄傲与冒险精神」拥抱之——他不是否认风险，而是拒绝把恐惧当作政策起点。这是本系列中风险光谱的另一极。
中国行的信号
WAIC 2026 给了萨顿「顶格」的演讲规格（主旨+思想者论坛压轴）。强化学习在中国的产业根基（游戏、机器人、自动驾驶）与中国「经验时代」路线的共鸣，使上海成为他 2026 年最重要的国际讲台。
六、背景脉络
人物坐标
- 学术轨迹：斯坦福大学学士 → 卡内基梅隆大学博士（师承强化学习早期传统）→ 阿尔伯塔大学教授、Amii 首席科学顾问；AT&T/香农实验室早期研究经历。
- 技术年表：时序差分学习与 Actor-Critic（1980s）→《Reinforcement Learning: An Introduction》（与 Barto，1998/2018 第二版，强化学习「圣经」）→《The Bitter Lesson》（2019）→《Welcome to the Era of Experience》（与 David Silver，2025.4）→ OaK 架构与 NeurIPS 2025 演讲（2025.12）→ Oak Lab（2026.7）。
- 荣誉：2024 年度 ACM 图灵奖（与 Andrew Barto，2025.3 颁，表彰强化学习奠基性贡献）；2026 年 IEEE Frank Rosenblatt 奖。
- 产业身份：John Carmack 创办的 Keen Technologies 研究科学家（2023 起）；2026.7 与 Khurram Javed 联合创立 Oak Lab（多伦多）。
本系列内的坐标
- 与辛顿（第 19 辑）：同获图灵奖的同辈巨匠，却在风险光谱两端——辛顿给 10% 灭绝概率，萨顿说「不可避免、请拥抱之」。两人的分歧本质：辛顿从行为主义视角看到「会撒谎的智能」，萨顿从学习理论看到「尚未起步的经验学习者」。
- 与杨立昆（第 9 辑）：两人都断言 LLM 有根本局限，但替代路线不同——杨立昆要「从观察中学习的世界模型」（JEPA），萨顿要「从行动与奖励中学习的经验智能体」。奖励信号的有无，是两条路线的分水岭。
- 与皮查伊/黄仁勋（第 20 辑/第 2 辑）：Scaling 产业阵营的代表是皮查伊的「全栈+Token 增长」与黄仁勋的「算力即智能」；萨顿则是该叙事最系统的学术反方——「问题不会仅靠增加算力自动消失」。
- 与吴恩达（第 14 辑）：吴恩达代表「AI 是新电力」的应用乐观主义，萨顿代表「现在的 AI 还不是智能」的原理保守主义——两人恰好构成「用」与「造」两种时间观。
七、资料来源
- CSDN《〈苦涩的教训〉作者理查德·萨顿在 2026 世界人工智能大会上的演讲》（2026.7，十三节中文全文整理稿）
- MIT 科技评论中国《强化学习之父萨顿中国演讲：大模型无法成为超级智能》（2026.7.20）；腾讯新闻同题报道
- 科学网《图灵奖得主理查德·萨顿：AI 要像婴儿般自主进化》（2026.7）；东方财富《萨顿 WAIC2026 演讲：AI 被夸大，要像婴儿一样学习》（2026.7.17）
- NeurIPS 2025 官方网站 Invited Talk 页《The Oak Architecture: A Vision of SuperIntelligence from Experience》（2025.12）
- IPAM at UCLA 官方 YouTube《Richard Sutton - The future of AI》（2026.2.10 录制）
- IEEE WCCI 2026 官网 Invited Speakers 页（Frank Rosenblatt Award 得主 keynote，2026.6.25）
- Dwarkesh Patel《Richard Sutton – Father of RL thinks LLMs are a dead end》（2025.9.26）及其在 Reddit/LinkedIn/Apple Podcasts 的窗口内讨论（2025.10）
- explainx.ai《Richard Sutton Oak Lab AGI — July 2026》；LinkedIn 相关转述（Sutton & Khurram Javed 访谈）
- BetaKit《Richard Sutton warns against "centralized control" of AI regulation based on fear》（Upper Bound 闭幕演讲报道）
- happyrock.cloud《Richard Sutton's 'Experience Era': The RL Father's WAIC 2026 Keynote》（2026.7.20）；萨顿个人主页 incompleteideas.net「Recent Talks」页
- ACM 官方新闻稿《2024 年度图灵奖授予 Barto 与 Sutton》（2025.3）；维基百科「Richard Sutton」词条（人物沿革背景）
说明与局限：本报告以公开报道与演讲整理稿为据；WAIC 2026 十三节全文以 CSDN 中文整理稿为准，未能核对英文逐字原稿；Dwarkesh 访谈发布于 2025.9.26（窗口开启前数日），因其在窗口内的持续发酵而收录；Upper Bound 演讲（2025.5）同为窗口前立场背景；「2030 四分之一/2040 二分之一」为 Sutton 此前多年重复的估计，非窗口内新表述；检索时间为 2026 年 10 月 8 日，其后动态未包含。