從OpenAI離職不到一個月，被稱為“推理模型第一人”的Jerry Tworek已迅速投身創業浪潮。他創立的新公司Core Automation將目光聚焦于“持續學習”領域，并計劃籌集高達10億美元（約合人民幣70億元）的資金，試圖打造下一代具備動態學習能力的AI模型。
Jerry的學術背景與職業經歷為其創業奠定了堅實基礎。這位出生于波蘭的科學家在華沙大學獲得數學碩士學位后，曾赴阿姆斯特丹從事量化研究，專注于優化問題與噪聲數據處理。這段經歷讓他對“在不確定環境中決策”產生濃厚興趣，并逐漸轉向強化學習領域。2019年加入OpenAI后，他主導了首個推理模型o1的研發，并深度參與GPT-4、ChatGPT等核心項目的構建，成為推動大模型從“生成”向“推理”進化的關鍵人物。
此次創業，Jerry選擇挑戰OpenAI未完全解決的難題：如何讓模型擺脫“訓練即終點”的局限，實現持續學習。他指出，當前主流模型在部署后能力基本固化，難以適應真實世界中不斷變化的新場景。而Core Automation的目標是開發一種新型架構，使模型能像人類一樣，從新數據、新任務中動態吸收知識，同時保留已有技能。這一設想若實現，將顯著降低模型對海量靜態數據和算力的依賴，提升學習效率。
Jerry的計劃包含兩大技術突破：一是構建非Transformer架構，二是將訓練流程整合為連續系統。他希望通過這種設計，讓模型在運行過程中完成自我更新，而非依賴離線預訓練。盡管新公司尚未推出具體產品，但其理念已引發行業關注。部分網友認為，Core Automation可能比同期成立的SSI和Thinky Machines更具潛力，原因在于其直接切入AI發展的核心瓶頸——持續學習能力。
持續學習并非新概念，但近年來因成本與效率問題重新成為焦點。傳統大模型依賴海量數據預訓練，成本隨規模指數級增長。而持續學習模型可通過真實交互逐步進化，用更少的資源實現能力躍升。行業普遍認為，實現通用人工智能（AGI）需模型具備持續進化、處理長時序任務等能力，持續學習正是這一目標的前提。例如，Ilya創辦的SSI公司同樣聚焦該領域，其理念與Jerry高度契合——真正的AGI不應是靜態模型，而應能在真實世界中不斷積累經驗。
學術界與科技巨頭也已布局。谷歌去年提出“Nested Learning”與“Titans”架構，通過引入長期記憶模塊緩解遺忘問題；DeepMind研究員Ronak Malde更預言，2026年將成為持續學習元年。盡管挑戰巨大，但Jerry的創業仍被視為行業重要信號：當主流模型陷入同質化競爭時，動態學習能力或成為下一代AI的核心差異點。至于他能否籌得10億美元，答案或許取決于市場對“讓AI活到老、學到老”這一愿景的信心。
