世界人工智能大会在上海世博中心的主论坛上，迎来了它在二零二六盛夏最具反思色彩的一幕。 刚刚获得图灵奖的“强化学习之父”理查德·萨顿（Richard Sutton）缓步走上讲台，极其冷酷地戳破了目前笼罩在意气风发的硅谷上空的AGI幻象。

他直截了当地指出，当前全球人工智能的实际进步速度正在被资本与舆论层层夸大。 那些看似无所不知的大语言模型本质上只是一个极其庞大的“人类知识复读机”，根本谈不上拥有真正的智能。

这番极具批判性的言论，让原本充斥着发布会狂欢的会场瞬间陷入了极其深沉的安静之中。 萨顿认为，大模型在本质上是在“鹦鹉学舌”，它们只是在以极高的概率去重新排列组合人类已经创造出来的既有数据，而根本不具备“自己去发现全新知识”的主动能力。

正是这种底层逻辑的先天缺陷，导致当前火爆的AI系统依然表现出极强的不可靠性，并持续在严肃任务中产生大量荒诞的幻觉。 然而这位强化学习领域的终极教父并未一味沉溺于悲观，他随即将话锋一转，高声引用了维克多·雨果的名言，指出那种恰逢其时的思想往往具有势不可挡的磅礴力量。

他正式向全球科技界宣告，人类单纯依靠堆砌离线数据的浅表时代已经不可逆转地走到了尽头。 人工智能正在以一种由试错与感知驱动的全新姿态，跨过通往通用智能的门槛，正式迈入波澜壮阔的“经验时代”。

数据的穷途末路：为什么靠人类投喂养不出真正的神明

在深度剖析当前技术路线的瓶颈时，萨顿的批判直击目前以Transformer架构为核心的工业界痛点。 过去几年里，科技巨头们坚信只要不断扩大模型参数，并疯狂搜刮互联网上的每一行文本，就能大力出奇迹般地催生出真正的通用人工智能。

这种被奉为圭臬的“缩放定律”在二零二六年的今天，正在遭遇前所未有的数据墙撞击。 萨顿一针见血地指出，人类历史上产生的所有高质量文字与图像数据在体量上终究是有限的，目前已经被主流大模型几乎压榨消耗殆尽。

更致命的是，通过这种静态数据灌输养育出来的AI，其智力上限被死死锁死在了人类既有认知的平均水平之下。 它只能回答人类已经知道答案的问题，一旦面对未知的科学无人区，这种缺乏探索机制的“黑盒模型”便会瞬间暴露出其本质上的软弱与无能。

真正的智能不应当是博闻强识的背诵机器，而应该是一个能够像人类婴儿那样，在与真实物理或数字世界的深度交互中，自发通过“试错”来修正自身认知的演化有机体。 从静态的数据吞噬，转向动态的环境碰撞，这就是萨顿眼中AI告别伪智能的底层必经之路。

经验时代的智能重构：强化学习的自我进化与未来范式

理查德·萨顿在主论坛上描绘的“经验时代”，实际上正是他坚守了数十年的强化学习（RL）理论在AI最高殿堂的终极复归。 在这个即将开启的新范式中，AI将不再依赖人类提前标注好的标准答案，而是被赋予一个清晰的奖励机制。

它需要在复杂多变的环境中不知疲倦地进行自我尝试，通过每一次失败的惩罚与成功的奖励，自发地去归纳、总结并创造出连人类都不曾掌握的全新知识和生存策略。 这种通过自我经验进行迭代的智能，才具备在高度对抗和未知的环境中，实现真正泛化与自主决策的硬核韧性。

从实验室的流体模拟、天文学的星空搜索，到工业流水的全自动重组，这种由经验驱动的智能体正在各个垂直科学领域展露出其恐怖的加速度。 当AI开始拥有自主探索的电磁触角，那些曾经被硅谷巨头用资本围墙高高筑起的闭源大模型，或许很快就会在真正具备自我进化能力的“经验智能体”面前显得陈旧而笨重。

萨顿的这场上海演讲，无疑给二零二六年的全球AI热潮注入了一剂极其清醒的催化剂。 它在无情剥离掉资本泡沫的同时，也为整个人类科技界指明了一条超越静态数据枷锁、奔向真正大自然经验的智能觉醒新通途。