7月14日消息，2024 年图灵奖得主、强化学习奠基人 Richard Sutton 与其前博士生 Khurram Javed 在多伦多联合创立 Oak Lab。两人此前均在 John Carmack 的 AGI 研究公司 Keen Technologies 任职。Sutton 公开称当前深度学习方法"薄弱且低效"，认为实现真正的智能需要的不是对现有方法的微调，而是"全新的思路和彻底的重构"。Oak Lab 以强化学习为核心，目标是构建能从环境交互中持续学习的 AI Agent，而非依赖静态数据集一次性训练。公司的融资状况、团队规模和产品时间表均未公开。
两位创始人均出自 Carmack 的 AGI 研究团队
Richard Sutton 是强化学习领域最重要的学者之一。他与 Andrew Barto 从 1980 年代开始合作，构建了强化学习的概念框架和核心算法，包括时序差分学习（temporal-difference learning）和策略梯度方法（policy gradient），两人因此共同获得 2024 年图灵奖。Sutton 合著的教科书《Reinforcement Learning: An Introduction》被引用超过 18 万次，是该领域的标准读物。他现任阿尔伯塔大学计算科学教授、加拿大 CIFAR AI Chair，并担任 Alberta Machine Intelligence Institute（Amii）首席科学顾问。2017 年至 2023 年间，他曾在 DeepMind 担任杰出研究科学家。
联合创始人 Khurram Javed 是 Sutton 在阿尔伯塔大学指导的博士生，博士论文方向为真实环境中的实时强化学习。他曾在华为 HiSilicon 研究强化学习在芯片设计中的应用，在 Yoshua Bengio 的 MILA 实验室做过访问研究。Javed 的技术特长包括 C++ 和 CUDA 环境下的稀疏动态神经网络开发，这与 Oak Lab 追求低功耗实时学习的方向直接相关。
两人此前均在 John Carmack 创立的 Keen Technologies 任职。Keen 是一家 6 人规模的 AGI 研究团队，2022 年融资 2000 万美元，专注于终身强化学习，目前仍在运营。Carmack 在 2025 年的公开演讲中曾提到，他与 Sutton 在"Alberta 计划"上有强烈的理念共鸣。Sutton 和 Javed 离开 Keen 后创立 Oak Lab，延续了在 Keen 探索的持续学习方向，但以独立公司的形态推进。
Oak 架构：一个从经验中生长智能的技术蓝图
Oak Lab 的名称直接来自 Sutton 提出的 Oak 架构（Options and Knowledge）。这是一个基于模型的强化学习框架，Sutton 在 2025 年 12 月 NeurIPS 受邀演讲和 2026 年 5 月 MIT CSAIL Dertouzos 杰出讲座中做了系统阐述。
Oak 架构有三个核心设计。第一，所有组件持续学习，不存在"训练阶段"和"部署阶段"的割裂，Agent 在运行过程中不断更新自身。第二，每个学习权重配备独立的步长参数，通过在线交叉验证进行元学习，使系统能自适应调节学习速率。第三，Agent 通过一个名为 FC-STOMP 的五步循环持续构建抽象能力：发现新特征（Feature Construction）、基于特征提出子任务（SubTask）、学习解决子任务的策略（Option learning）、学习策略效果的世界模型（Model learning）、利用模型进行规划（Planning）。这个循环不断迭代，Agent 的知识复杂度在运行时持续增长。
Sutton 在 MIT 演讲中将追求概括为一句话："我的目标是设计一个通用的、领域无关的、不包含任何关于世界的特定知识的 Agent 心智，它从经验中学习。"他的长期技术目标是"一个拥有万亿参数、以 20 瓦功率实时学习和规划的 Agent"。
Sutton 同时公开承认 Oak 架构尚未完全实现。他在演讲中指出，该架构依赖于能够稳定持续学习而不遗忘已有知识的深度学习算法，而这个基础目前仍然缺失。
Sutton 对大模型路线的系统性批评：学的是人类的产出，不是世界本身
理解 Oak Lab 需要理解 Sutton 对当前 AI 主流路线的判断。
2019 年，Sutton 发表了影响深远的短文《The Bitter Lesson》，核心论点是：在 AI 发展史上，利用大规模算力的通用方法最终总会胜过嵌入人类领域知识的专用方法。这篇文章被广泛引用，成为支撑大模型 scaling 路线的重要思想资源之一。
但 Sutton 本人认为大语言模型恰恰站在了 Bitter Lesson 的反面。2025 年 9 月，他在 Dwarkesh Patel 的播客中明确说："大语言模型是在从训练数据中学习，不是在从经验中学习。"他的论点并非否认 LLM 的实用价值，而是指出 LLM 本质上是在大规模编码人类知识——训练语料是人类写的文本、人类组织的信息、人类认知的产出物。模型学到的是"预测人类会说什么"，而不是"预测世界会发生什么"。前者是模仿，后者才是建模。
2026 年 6 月，Sutton 进一步指出，生成式 AI 擅长模仿但无法评估自身产出，因此无法实现真正的发现。在他的框架里，智能的核心能力不是生成答案，而是在环境中自主执行"变异、评估、选择"的循环——这恰好是 Oak 架构试图实现的能力。
信号不在这家公司本身，而在谁在做和他为什么现在做
Oak Lab 目前没有公开的融资、产品或时间表，从商业维度几乎没有可评估的基本面。这条新闻的信息增量不在于一家新公司的成立，而在于 Sutton 的身份和他选择用创业押注的时机。
Sutton 不是一个对大模型路线持异议的边缘学者。他是强化学习这个学科的缔造者之一，他的 Bitter Lesson 是大模型 scaling 信徒最常引用的思想资源。当这个人明确说"大语言模型从训练数据中学习，不是从经验中学习"，并用创业行动押注替代路线时，它的意义超出了"又一种技术观点"。这是该领域最有资格做出路径判断的人之一，认为当前主流方向存在根本性局限。
市场容易误读的方向有两个。第一是把 Oak Lab 理解为"又一家 AI Agent 创业公司"。Oak Lab 做的不是在大模型之上构建 Agent 工作流，而是从底层重新定义 Agent 应该如何获取知识和做出决策。这与当前主流 AI Agent 产品的技术栈完全不同。第二是把 Sutton 的批评理解为"大模型没有用"。Sutton 多次承认当前系统的实用性，他质疑的是路径方向——这条路是否通向通用智能，以及把全部资源押在这条路上是否明智。
Oak 架构的可行性和 Oak Lab 的资源配置是两个独立问题
Oak Lab 需要回答的问题分两层。
技术层面，Sutton 自己已经指出了关键瓶颈：可靠的持续深度学习。当前深度神经网络面临灾难性遗忘问题，学习新知识时会覆盖旧知识。这在 Oak 架构要求的"所有组件持续学习"前提下是根本性障碍。Sutton 在 NeurIPS 和 MIT 的演讲中将此定义为"缺失的基础"。Oak 架构能否从蓝图变为可运行的系统，首先取决于这个基础问题能否被解决。
资源层面，Oak Lab 的团队规模、资金和算力支撑尚不明朗。Sutton 和 Javed 从 Keen Technologies 带来了终身强化学习和低功耗系统的研究积累，但 Keen 本身只是一个 6 人团队。Oak Lab 是否已经或正在融资、计划招募多大的团队、是否有算力合作方，这些信息会直接影响对其执行能力的判断。在此之前，Oak Lab 更像一个将学术理念推向工程验证的载体，而非一家可以评估运营指标的公司。能否在接下来 12 到 18 个月内产出可复现的技术里程碑——即便是小规模的——将决定这条路线是停留在学术论述层面，还是进入可验证的工程阶段。
AI 速览
