Q
从实验室“毕业”的 AI，进入真实世界之后，
怎么样了？
答案有点扎心：可能它就停在了“毕业”那一天。
大模型能写代码、能做研究、能回答各种问题 —— 但它的能力，在预训练结束那一刻就基本定型了。它能调取历史对话、能检索知识库，甚至能把失败写进“反思笔记”，但这些经验并没有从根本上重塑模型构建能力的机制。
换句话说，AI 能“翻旧账”，却未必真正“长本事”。
记住，却不等于学习。
当静态数据见顶，智能的新经验从哪来？面对没有现成答案的问题，模型能不能主动获得经验，并从中继续成长？
这正是赛砥英科选择进入的领域，也是这家刚刚入驻模速空间的新势力企业，试图用全栈 RL（强化学习）回答的问题——不是先训练出智能，再让智能去行动，让智能本身成为行动、预测、学习和规划不断循环产生的结果。
01
ONE
他们是谁？
赛砥英科的核心团队，源自阿尔伯塔大学 RLAI 实验室。该实验室由强化学习奠基人、图灵奖得主 Richard Sutton 创立，汇聚了前 DeepMind PI、AAAI Fellow 等学者，是全球 RL 理论的重要发源地 —— 诸多经典成果，奠定了现代 AI 决策范式的底层根基。
产业侧的力量同样扎实。核心团队中不乏多位拥有丰富RL产业经验的成员，有华为北美 AI Lab 的创立者、华为世界模型 RL 路线的早期核心奠基人，有主导过千万级用户游戏 AI 系统的技术负责人，也有主持国家重点专项的资深专家。从 AI 模型到自动驾驶、游戏终端设备，这支团队有一手的落地经验。
雄厚的学术和业界资源也是赛砥英科人才核心竞争力来源，团队依托清华大学及清华系企业生态：学术上有国家级高层次人才领衔，产业上有清华系企业的场景与渠道支持，资本上有头部 AI 生态基金加持 —— 从前沿科研、算力资源到产业落地，链路完整。这些资源构成了他们从实验室走向市场的真实底气。
02
TWO
智能上限的突破靠什么？
在赛砥英科看来，想让AI真正“长本事”，背后有三个仍待突破的边界。
第一，长程任务的组合爆炸
面对复杂长程任务，关键不仅是知道多少知识，更在于能否调动、关联和组合这些知识，构建跨越多个步骤的逻辑链，并保持推理与规划的一致性。任务越长，依赖越复杂，错误也越容易累积。
第二，开放世界的无限状态
真实环境中的问题、条件和约束不断变化，有限的训练数据难以覆盖所有可能。面对未知情境，智能不仅需要调用已有知识，还需要探索新的解决路径，并判断哪些尝试真正有效。
第三，经验的停滞
模型在复杂任务中，可以通过多次尝试、观察结果和利用反馈，不断修正推理，产生新的经验。但这些经验即使帮助它完成了当前任务，也未必会成为未来可复用的能力。经验的产生，不等于持久的学习。
这三个边界，共同勾勒出当前技术路线仍待突破的能力边界。
数据侧的信号，也在印证这个判断。Ilya Sutskever 在 NeurIPS 2024 的演讲中指出：“Pre-training as we know it will unquestionably end.”（我们所熟悉的预训练范式终将结束）。他把互联网中的训练数据比作 AI 的“化石燃料”：算力仍在增长，但可直接利用的高质量人类数据不能无限扩张。
问题不是预训练失去了价值，而是当静态数据的增长受限，智能需要新的学习来源。
03
THREE
一条路线：全栈 RL
数据见顶，智能的新来源在哪里？赛砥英科给出的答案，是 RL（强化学习）。
先澄清一个常见的误解：赛砥英科所说的 RL，并不只是训练末尾用来“对齐”行为的 RLHF（人类反馈强化学习，让模型更听话、更安全），而是让智能体在环境中行动、从反馈中学习，真正提升能力本身 —— 推理的深度，与复杂问题的求解能力。
这个方向有其理论脉络。2025 年，Richard Sutton 与David Silver 在《Welcome to the Era of Experience》中共同提出“体验时代”：未来 AI 的能力增长，将不再仅仅依赖人类积累的数据，而是越来越多地来自智能体与环境交互过程中产生的经验。Sutton 在 2026 年 WAIC 的演讲中，也再次强调了这一方向。
不是先训练出智能，再让智能去行动；而是智能本身，就是行动、预测、学习和规划不断循环产生的结果。
这背后，其实是一场“智能从哪来”的路线之争：
在赛砥英科看来，两者并非相互排斥 —— 但后者强调的持续学习，是进一步拓展当前能力边界的重要方向。
要让这种机制真正转化为稳定的能力提升，他们拆出了三层关键能力：
第一层：在可验证环境中学习。
选择从规则清晰、反馈明确的可验证环境入手 —— 让智能体在这样的环境里，通过与环境的持续交互，掌握自主学习的能力。
第二层：处理复杂长程任务。
当智能体学会了学习的方法，它就能高效处理那些今天最难自动化的复杂长程任务 —— 需要深度推理、需要多步规划、需要从失败中调整方向的任务。
第三层：泛化到更多真实场景。
我们真正相信的方向是：这套持续进化的能力，未来可以泛化到更多真实环境中，而不局限于某一个特定场景。
目前 AI 前沿正在涌现一批 RL 原生的 AI 实验室，但缺乏以 RL 为底层范式做自进化模型的新一代 AI 实验室。—— 这就是赛砥英科赋予自身的使命。
围绕这三层能力，赛砥英科的做法是“全栈”：将可验证环境、训练算法、模型架构、训练系统与推理部署协同设计，让经验的产生、验证与学习形成完整闭环，并持续研究更适合长程推理与持续学习的下一代网络架构。
在全栈之上，还有两个更进一步的探索：
递归自我改进（RSI）。让系统不仅训练更强的模型，还尝试自主发现能力短板、生成更有价值的训练任务、改进探索与验证方法，并通过评测筛选真正有效的改进 —— 不只是让模型学得更多，还要让学习的方法越来越有效。
专家能力融合（Ensemble RL）。不同领域的专家各有所长，让这些能力相互补充、迁移和协同，而不是简单叠加或彼此干扰 —— 让模型既保持专业深度，也逐步形成解决复杂问题的综合能力。
04
FOUR
落在哪里？
目前，这项技术正在游戏、机器人、自动驾驶、科学发现等高价值场景落地探索。
按赛砥英科的说法：这些场景只是起点，不是边界 —— 从可验证环境出发，一步步走向更复杂的真实世界。“模型决定一台 AI 从实验室‘毕业’时能做什么，而经验，决定它后来会成为什么。”这是赛砥英科写在公开分享里的一句话，也是他们选择这条路的理由。
智能的上界，是用来突破的。随着赛砥英科入驻模速空间，我们期待在这里，见证 RL 这条通往持续学习的路，走出更多真实进展。
如您想要了解赛砥英科的更多资讯，请点击阅读原文~
