从OpenAI离职不到一个月，被称为“推理模型第一人”的Jerry Tworek已迅速投身创业浪潮。他创立的新公司Core Automation将目光聚焦于“持续学习”领域，并计划筹集高达10亿美元（约合人民币70亿元）的资金，试图打造下一代具备动态学习能力的AI模型。
Jerry的学术背景与职业经历为其创业奠定了坚实基础。这位出生于波兰的科学家在华沙大学获得数学硕士学位后，曾赴阿姆斯特丹从事量化研究，专注于优化问题与噪声数据处理。这段经历让他对“在不确定环境中决策”产生浓厚兴趣，并逐渐转向强化学习领域。2019年加入OpenAI后，他主导了首个推理模型o1的研发，并深度参与GPT-4、ChatGPT等核心项目的构建，成为推动大模型从“生成”向“推理”进化的关键人物。
此次创业，Jerry选择挑战OpenAI未完全解决的难题：如何让模型摆脱“训练即终点”的局限，实现持续学习。他指出，当前主流模型在部署后能力基本固化，难以适应真实世界中不断变化的新场景。而Core Automation的目标是开发一种新型架构，使模型能像人类一样，从新数据、新任务中动态吸收知识，同时保留已有技能。这一设想若实现，将显著降低模型对海量静态数据和算力的依赖，提升学习效率。
Jerry的计划包含两大技术突破：一是构建非Transformer架构，二是将训练流程整合为连续系统。他希望通过这种设计，让模型在运行过程中完成自我更新，而非依赖离线预训练。尽管新公司尚未推出具体产品，但其理念已引发行业关注。部分网友认为，Core Automation可能比同期成立的SSI和Thinky Machines更具潜力，原因在于其直接切入AI发展的核心瓶颈——持续学习能力。
持续学习并非新概念，但近年来因成本与效率问题重新成为焦点。传统大模型依赖海量数据预训练，成本随规模指数级增长。而持续学习模型可通过真实交互逐步进化，用更少的资源实现能力跃升。行业普遍认为，实现通用人工智能（AGI）需模型具备持续进化、处理长时序任务等能力，持续学习正是这一目标的前提。例如，Ilya创办的SSI公司同样聚焦该领域，其理念与Jerry高度契合——真正的AGI不应是静态模型，而应能在真实世界中不断积累经验。
学术界与科技巨头也已布局。谷歌去年提出“Nested Learning”与“Titans”架构，通过引入长期记忆模块缓解遗忘问题；DeepMind研究员Ronak Malde更预言，2026年将成为持续学习元年。尽管挑战巨大，但Jerry的创业仍被视为行业重要信号：当主流模型陷入同质化竞争时，动态学习能力或成为下一代AI的核心差异点。至于他能否筹得10亿美元，答案或许取决于市场对“让AI活到老、学到老”这一愿景的信心。
