北大90后科学家张牧涵创业，要让大模型边用边学

大模型出厂后能否像人一样边用边学？行业共识是训练与推理分离，模型出厂即固化，只能靠拉长上下文和定期重训。中国创业公司无涯智远选择挑战这一共识，在前向传播中直接改动模型参数，让大模型实现边用边学。创始人张牧涵是北大90后AI科学家，图神经网络早期开拓者之一，提出SortPooling、SEAL等算法，发表论文百余篇，总引用超1.6万次，两次入选全球前2%顶尖科学家终身影响力榜单。他曾在Facebook将图深度学习带入大规模推荐系统，后放弃硅谷高薪回国加入北大，如今创业破解大模型持续学习范式。

无涯智远切入RSI中最核心的模型持续进化环节。张牧涵认为，AI能自主生成数据不等于模型能实时吸收转化为自身能力；仅靠Harness、外部检索或上下文管理是外部“借力”，若不能把经历转化为内部参数，模型永远只是被动工具。团队提出参数内学习（IPL），把“如何更新模型”训练成可泛化的元能力，通过超网络一次前向传播直接生成基座模型参数更新，使知识写入不必反复梯度下降，成本降至接近推理量级，为大模型装上掌控长期记忆的“海马体”。参数写入开销压缩至秒级后，企业只要部署得起推理设备，就能低成本训练专属模型。

目前，无涯智远已在实验室验证超网络的跨语言与跨领域泛化性，成果获ICML收录，并已开启大规模超网络训练。张牧涵认为，当参数更新门槛从百卡、千卡降至单机甚至端侧，定义参数的权利将回到企业与个人手中，每个人都能拥有在工作中不断进化、永不漂移的“专属智能”。团队汇聚清北尖子生、奥赛金牌选手、省高考状元与ICPC金牌得主，目标是把这条全球无人走过的路变成现实。