现在公司一成立，「难以开展」这四个字的指向，也算是彻底对上号了。（持续学习：这锅我不背！！！）

那这持续学习，为啥让Jerry这么看重呢？

先说一个最现实的原因：成本和效率。

大家要知道，现在主流大模型这套靠海量静态数据反复预训练的路子，已经是《越走越贵》了。

而持续学习的思路恰好相反！

其认为模型本身可以在真实世界的使用过程中不断吸收新经验，用更少的交互实现明显进步，对训练数据和算力的依赖也会随之降低。

从成本和效率的角度看，这条路确实更划算～

此外，整个行业里一直也有个共识：那就是如果真要实现AGI，模型必须具备「生物」应该具备的能力——

也就是能持续进化、能处理长时序任务、能支撑多模态代 理，甚至形成自我优化的循环，而「持续学习」，基本就是这套设想里的关键前提。

这也就不难理解，为啥Jerry哪怕不惜花重金也要去搞了。（是真有前景啊…

当然了，把目光投向持续学习这条路的，并不只有Jerry一个人。

大家熟悉的Ilya创办的SSI公司，走的也是相当接近的方向，而且Ilya本人一直都是持续学习的坚定支持者。

他之前在一次访谈中提到，真正的AGI不应该是那种一次训练就什么都会的静态模型，而是上线之后，能在真实世界里不断学习、持续积累经验的系统，这点和Jerry的理念也算是高度重合了。

不止创业公司，学术界和大厂这边也在同步推进。

比如Google Research，在持续学习方向上已经做出了一些新的尝试。

去年年底，他们提出了「Nested Learning」和「Titans」的新思路，把模型看作嵌套的优化过程，引入可学习的长期记忆模块，在推理时融入历史信息，来缓解遗忘问题，让模型具备更强的持续学习能力～

颇值得一提的是，DeepMind的强化学习研究员Ronak Malde前一阵也在社交平台上，针对持续学习的话题发表过一个相当炸裂的判断：

他认为，2026年，将是持续学习元年：

（我们小小期待一下吧）

不管怎么说，还是让我们祝福Jerry早日筹到那10亿美金。

毕竟能让AI“活到老学到老”这件事，确实挺值得大家打call的。(doge