高中辍学，就可以在OpenAI担任研究科学家了，K12教育是不是真的完蛋了？

大家好，欢迎收听老范讲故事的YouTube频道。

今天为什么要讲这样的一个故事呢？这两天在X上面，大家都在围绕李飞飞访谈中说“要革K12教育的命”的一些金句展开了讨论。今天呢，就给大家举这样的一个案例吧。

瑞典高中辍学生：OpenAI的研究科学家

这个人叫做加布里埃尔·彼得松（Gabriel Peterson），是一个瑞典人，瑞典高中辍学生，现在也就是23岁。他是OpenAI的研究科学家，2024年年底入职的，到现在依然还在OpenAI上班。他呢，是Sora团队的，也就是做视频的这个团队。

加布里埃尔呢，2025年11月28日参加了一次访谈。他在访谈里讲到了他具体是怎么学习的、怎么求职的。那这个过程中，到底有什么不一样的地方？有什么值得我们去思考的地方？

加布里埃尔的学习法：从任务出发的递归学习

首先是加布里埃尔说，我怎么学习的呢？是从任务出发的递归学习。大家记住，这个词是他给他的学习法起的名字，叫“从任务出发的递归学习”。这个名字是什么意思，咱们讲的过程中大家自己去领会。

现在他的学习呢，主要是通过ChatGPT；在没有ChatGPT之前呢，主要通过YouTube和谷歌进行学习。他是要带着目标学习。首先他说我要做一个什么事，从这开始，学习是自上而下的学习。我要做什么，怎么做，里边具体的细节搞不懂，那就再去ChatGPT里去问。

比如说我现在要去做大模型了，我没有数学基础，没有统计学基础，那我就到大模型里去问去。大模型告诉你，这是使用的哪些论文、哪些代码。论文不懂，我再接着去问。他是这样去工作的。问了半天还是看不懂怎么办？有些东西不是说一个没上过大学的人，你再怎么问你能看明白的。他会用这样的一个方式，说：“ChatGPT，给我按照12岁孩子能够听懂的方式再讲一遍。”那ChatGPT就会老老实实的给他再讲一遍。

但是当时他肯定已经不是12岁了，他当时可能已经20岁了。他就通过这样的方式，不断的去追问，不断的去刨根问底儿，然后要求ChatGPT去写代码。写完了以后呢，并不是直接用这些代码，他是要求ChatGPT去解释代码中的每一行。如果他懂了，他也就不要去解释了；如果哪一行不懂，他就要求ChatGPT给他解释，说这一行为什么这么写，到底是怎么回事。

在这里要专门注明一点，这位加布里埃尔，他是反对Web coding的。原因也很简单，Web coding很多人是不看代码的，你提出要求，那边生成代码，代码你是不看的，直接就去运行去了。行也是他，不行也是他，最后到底为什么不行，你也没办法，只能重新提要求，让AI重新给你去生成全新的代码。

加布里埃尔说这事是不对的，你去问了AI问题，AI给你的答案，你必须要自己理解，想透了你才能去应用，而不是说拿一个你自己都不知道是干什么用的东西，就接着往前走了。

写完代码以后呢，他会要求ChatGPT给他多个解决方案，不是一个解决方案。我原来也讲过，你每一次让AI给你一个解决方案的时候，它一定会给你一个四平八稳的，为什么统计概率最高的一个结果一定是最四平八稳的。他说你给我多几个方案，这个AI就会按照不同的方式、不同的评估体系，提出多套方案来，然后由他自己决定如何选择。

选择好方案以后，进行编码、执行和测试。编码呢，他还是自己去编码的，不是Web coding直接编完就完事了，而且一定是要把这个所有代码都搞明白。测试完了以后会有错误，再把错误截图扔给ChatGPT，说你再给我解释哪不对了，然后你再告诉我为什么，里头涉及哪些细节了。再不断的往下追问，不断的往下刨根问底儿，然后到什么样的程度呢？一直到一个“click”。他这里头讲的叫CLICK，实际上就是一个“Aha”一个状态，就是顿悟了。他突然觉得，原来是这么回事，我懂了。

这就是他的从任务出发的递归学习法。首先要有需求，然后不断的去刨根问底，不断的去进入细节，搞懂所有的细节，不断的向下递归。他不从大部头系统化的知识开始，像我们正常去学习，一定是从大部头开始的，先去学习一个基础知识，然后考试，考完试以后再提出我们的想法，我们想怎么去做这个实验，老师批准了我们再去做去。正常是这样的一个方式，但是人家不是，就开干。从具体需求开始。别人做AI视频，必须要是博士，要学数学、统计、Transformer编码，五六年了以后才可以去做这个AI视频，因为这哥们是在Sora团队里头，但是他只用了3天。从任务出发的递归学习，从问题开始倒推知识链条，一层一层填补空白，这是他的学习法。

求职策略：跳过HR，直接找老板

那他怎么去求职的呢？你说这样的一个人，是怎么被OpenAI发现了呢？是不是只要你是千里马，总会遇到伯乐的呢？别扯淡了。他呢，是直接向OpenAI的山姆·奥特曼这些顶层的管理人员去发求职信。

在这个里头要注意，直接跳过HR，千万不要去找HR，要去找老板。因为什么呢？公司本身要的并不是文凭，这哥们高中就辍学了，更别说上大学，这个公司不要这东西。但是为什么我们没有文凭还进不去呢？是因为HR要这东西。老板不需要，老板要的是什么？解决问题，要赚钱。

加布里埃尔的求职呢，是直接用成功项目去求职，说你看我做了什么什么东西，我有哪个开源项目，这开源项目在你们的系统里头可以帮助你们解决什么问题。而且会写出来，我是怎么怎么做这个项目的，这个项目谁用过，有什么样的效果。每一次呢投可能上百份的简历和申请去求职，总有一两个愿意跟他聊一聊，给他一个机会试一试的。如果没有的话，就再发100份。他是这样的一种求职方式。

关键在于做项目：从14岁到Sora团队

最重要的一部分，其实并不是学习和求职，而是什么呢？而是如何做项目。加布里埃尔从14岁开始就在做项目。

• 14岁：倒卖宝可梦卡
  当时他做的第一个项目，是倒卖宝可梦卡。宝可梦的这个卡大家买回来以后收藏，然后再去进行交易。但是交易的信息呢是零碎的，我想卖，你也想买，但是在这个过程中，怎么把这个交易撮合起来？所有的价格都搜集齐了以后，进行价格发现，这个实际上就是跟炒股票似的。所以这个孩子写了一个网络爬虫，把所有这些想去买卖宝可梦卡的这些信息都搜集起来，有人想用多少钱买，有人想用多少钱卖，然后呢他在这个里边去进行倒买倒卖。做了这样的第一个项目。当时呢还没有ChatGPT，它是在YouTube上和谷歌上找到相应的知识，把这个项目做成的，据说是赚了2万。
• 18岁：消毒剂比价网站
  到18岁的时候呢，这位小伙子遇到了新冠。你想他原来做过的项目是做什么的？做爬虫。所以呢他做了一个消毒剂交易的爬虫比价网站。继续往前走，赶上新冠疫情呢，一周就可以挣出2万来了。
• 云厨房CTO
  这个项目做完了以后，很快这小伙子就被瑞典最大的云厨房创业企业聘用为CTO了。什么叫云厨房呢？基本上你把它理解成预制菜就可以了。这样的一个企业做CTO，开发厨房管理系统。这个小伙子呢，也是自己从零开始招人，也有一定的项目管理经验了。把这个项目做完了以后离职了，觉得好像跟我想象的不太一样，估计整个的过程并没有那么愉快了。
• Midjourney交互框架
  再往后呢，还在Midjourney里边上班。2023年Midjourney横空出世，但是交互实在是不怎么样。因为Midjourney画图，你是要在DISCORD里边写提示词，然后画图，他的网站一直做的是比较烂的。于是呢，这小伙子自己就开发了一个开源的Midjourney的交互框架，然后呢去Midjourney求职，说你看我给你做这多多漂亮，提示词管理整个这套东西多好使。Midjourney说那行吧，你上我这来上班吧，你把这套系统上我这实施一遍。

在这上了一段时间班以后，发现Sora要出来了。因为Sora是2024年年初进行的预演，2024年年底正式上线的。那小伙子看到Sora以后，感觉这才是方向的，就提交了前面的项目经理以及Midjourney的工作经历，就开始在OpenAI的Sora团队担任研究科学家了。

他真正向OpenAI提交了什么？

他真正向OpenAI提交的东西是什么？没有文凭，因为这哥们压根就没有。他提交的是：

1. 一份能够运行的Git Hub上面的项目，甚至可能不是一份，是多份可以运行的Git Hub上面的项目；
2. 一个能够解决问题的产品演示，你看看我怎么给你做成这样，做成这样以后，你们的效果就会变得更好；
3. 以及呢，一个真实在做事的人，他自己能说的清楚这块我是怎么做的，我怎么想的，我为什么这么做。

OpenAI说那来呗，我们正好需要解决这样的问题，他就去上班了。

加布里埃尔是不是一个天才？

那下面我们要思考的一个问题是什么呢？加布里埃尔是不是一个天才？这个是很多人听到这样的故事以后会想的，也许我上我也行。这事也许可以，但是如果有人跟你说“你上你也行”，那一定是惦记割你韭菜的人。大家记住这个话。首先我要给出结论：加布里埃尔绝对是一个天才，绝不是普通人可以达到的。

1. 欲望与驱动力

能够看到问题，能够产生解决问题的欲望，并且在欲望的驱动下前进，这在当下的年轻人中已经是凤毛麟角了。现在的年轻人很多是低欲望的，这个事行吗？就这样吧。那个事怎么样？哎呀没什么意思。去谈个女朋友吧？太麻烦了。现在好多年轻人是这样的一个状态。这样的无欲望的年轻人，不可能像加布里埃尔这样——我看到这个事情，好像不是那么顺畅，我要去改一改；我看到那个事情，我觉得可以再改进一下，我要去试一试。你没有这个初始的驱动力，就直接输在起跑线上了。

2. 刨根问底的能力

再下一步是什么呢？能够刨根问底，而不是直接就认为自己看到的只鳞片爪就是全部了。这也是挺反人性的。绝大部分的人是，只要看到一个简单的答案，稍微的符合自己的心理预期，跟自己过往的逻辑是自洽的，他就认为我已经把这事搞明白了，不用再去刨根问底了。但是加布里埃尔说不，我就认为我自己不知道，我一定要把所有东西都搞明白。这个对于绝大部分的年轻人来说，其实也是做不到的。

3. 耐心与深挖

第三个，不断的刨根问底说的容易，真正有耐心、有能力不断深挖下去的人，其实还是很少的。你像我也每天用AI去研究各种各样的问题，但是经常是到了，比如说真正的一些数学问题，或者是一些代码问题，很深层次的，我就放弃了。对于我来说我能用就完了，至于这东西到底是怎么回事，我也说不太清楚，反正用完了效果就这样，我也就只能做到这一步了。做不到像加布里埃尔这样，可以把所有的论文、涉及的数学公式、涉及的代码都搞明白。

写代码这块，我其实是很喜欢用Web coding的。虽然那个代码我是能看懂的，因为我原来是程序员，但是我其实是不看的，或者大部分情况下不看的，只要它不出错就这样了。出了错以后，我才会把这个代码拎出来看，甚至有的时候那个代码出错了，我都不看，直接把所有错误扔给AI，再给我写一遍就完事了。为什么？这省事，这舒服，算是在我们的舒适区里头。

那么加布里埃尔这样的，其实也是大家所难以达到的高度。直接得到的答案并不是答案，必须是自己搞明白了才行，这也是加布里埃尔比别人强的地方。目标明确，当知识点散开之后，没有深陷其中，不忘初心，最终能够完成项目。大家扪心自问，有几个人能做到？

我们现在去研究了一个事情，研究的过程中，这个事情也很好玩，那个事情也很好玩，最后我都忘了我为什么开始的了。我是见过很多这样的创始人呐。原来我们投过一个游戏项目也是这样，这哥们就是CEO是一个技术宅，做着做着说游戏驱动Unity 3D有一个新版本还不太成熟，里头还有很多的bug，所以这个更好玩，我要去研究这个，至于那个游戏，算了等一等吧。当时我们都急，每天去找他说，你先得把游戏做出来，再去研究你这些底层技术行不行？不，那个玩意好玩，这个做游戏不好玩。对于投资人来说，对于他的公司的其他员工来说，对于他的其他股东来说，真的是为他着急，搞不定这个事。但是很多人都是这样的，我们看到一个特别好玩的事情，我们就陷进去了。

但是加布里埃尔不是这样的，他把整个的这些知识点铺开了以后，他最后还能把项目做完。而且呢，他不怕承认自己不懂，也不会不懂装懂，搞不明白不罢休。其实上过大学的人，大多都失去了这种品性。为什么呢？因为我们上完大学以后，其实很多东西也是一知半解的，但是呢你越是一知半解，你就越怕什么？怕别人说你不懂。因为我们就是靠这张纸，靠这张文凭去后边混饭吃的，你要说我不懂的话，那你不是质疑我前面所有努力和汗水吗？这事肯定不行。但是加布里埃尔他没有这种包袱，高中辍学了，那我不懂是应该的。所以这个也是大部分人做不到的。

而且他不怕失败，不怕被拒绝，反复去尝试。像前面他做项目，也不可能哪一个项目是一帆风顺的，一定是反复调试了以后，才有可能得到一个结果。他跑去求职也是这样的，一次发上百份的求职的信出去，有人愿意让他去试一试，他就跑去试试。我相信也不可能是每次尝试都会成功，他会不断的去投递，不断的去尝试，最终得到了他所想要的这个职位。

加布里埃尔真正天才的地方，就是他的欲望以及执行能力，是普通人所难以达到的高度。跟大家讲一个有意思的事情吧，像我们以前做投资的时候，有一个很奇葩的点是什么呢？就是有时候你投项目的时候，要求看一看这个创始人的太太。当然大家别想歪了，什么意思呢？如果这个创始人的老婆长得比较好看，说明这个创始人是欲望很强烈，而且执行力很强的。大家自己想一想是不是这样？因为美女其实也是一种很稀缺的资源。因为创始人通常一开始在找女朋友的时候，都是一穷二白，他可以通过努力，找到了一个稀缺资源大美女，那么他后边去创业的时候，他大概率也可以在这种旺盛的欲望的驱动下，把这个项目做成。大家想想是不是有道理。

这种模式可以推广吗？

那下一件事，加布里埃尔这种模式是不是可以推广？大家要想第一个问题，加布里埃尔为什么求职的时候一定要绕过HR？为什么一定要去找老板？原因很简单，HR并不对最终结果负责任，只是螺丝钉。于是HR就会筛简历、筛学历。你像他这种高中辍学的，你把简历递到HR那去，肯定你是过不去的。没有学历的人，他是不是也能干活呢？肯定有能干的，但是一定是一个概率很小的事情。发现和验证干活能力的这件事情，其实已经超出了绝大部分HR的能力范围。

加布里埃尔必须找初创公司的创始人，职业经理人也是没戏的。原因也很简单，初创公司的创始人是真的干活的，你说我是怎么做的，他能听明白。职业经理人呢，大量是从公司巨大的行政体系里边打怪升级慢慢升上来的，这些人很多他是不干活的，他也不知道这个系统到底是怎么做的。

所以加布里埃尔这个案例，其实是相对来说比较难以推广的，绝大部分的公司和职位，还是会继续用传统的方式进行筛选和匹配。加布里埃尔的这条路，成功的概率是很低的，绝大部分人也不是加布里埃尔这块料。而且人家在整个求职的过程中，做项目的过程中，所经历的各种的艰辛，也是咱们普通人所难以想象的。咱没吃人那份苦，就别惦记人家那个成功。

K12体系真的会被干掉吗？

那下一个问题，K12体系是不是可以被干掉了呢？很难。首先我们要想清楚，教育到底是干什么的？很多人说教育就是教孩子一些东西，让孩子能够有知识。不对，教育不是干这件事的，教育是为社会分配机制进行筛选和人员匹配的。大家想一想是不是这样？你去上了大学，上了名校，才可以去大厂；你如果连名校都没上过，你连35岁被裁掉的机会都没有。所以最终我们是要去社会上去抢这些萝卜坑的。中国人为什么要去千军万马挤独木桥呢？这个其实就可以看到教育的本质了。我们没有给那些挤不过独木桥的人，在分配体制中留下稳定的位置。

但很多人说不对，很多没有上过大学的人也没饿死。对，是没有饿死，但是我讲的重点是稳定的位置，稳定、有保障、有尊严。很多人都用德国的这种方式来举例子，他们有很多这种二元制教育上来的，没有上过大学的人，或者是他们算不算上过职高吧，这些人就出来了，他们也可以开开心心的活一辈子，有尊严有保障。德国你经过二元制教育以后，你会得到一个证书，还有工会，人家想要辞退你，想要去给你减减薪水，想逼着你加班的时候，工会会站出来保障你的利益。而且还有整套的法律制度来保护你，谁想去违反这些法律了，法律会去制裁这些资本家的。他在这样的一个体系下才可以说，那我不用去挤这个独木桥了，我去上个二元制，我上个职高，我这一辈子也过得开开心心的，该结婚结婚，该生孩子生孩子，我也觉得一点都不丢人。跟孩子说我是电工，你看我该休假的时候休假了，人家也对我很尊重，整个的收益也会随着年龄的增长，随着经验的增长不断的上升，支付我的家庭和整个后续的一些成本，都没有任何问题。

中国就不一样了。中国的电工是随时会被老板裁撤的，你裁了以后，你都没地儿告他去。老板随时可以找到更便宜的、没有经验资质的人来替代这份工作。很多的这些比如包工头说，我现在需要一个电工，你有没有证？要那玩意干使？有证的贵，没证的便宜，你只要上去没把自己电死了，你就接着干呗。

那你说电工上灵活用工平台吧。家里比如说有一点什么需要电工的地方，我们可以在灵活用工平台、58同城这种地方找到电工来给你干活来。但是灵活用工平台也是很内卷的，他们也不会去校验说这些人到底有没有资质，别人用过了以后到底是如何评价。虽然它上头有评价体系，但是那个评价体系是可以刷的，没有那么公正。那上面大家怎么办呢？内卷呗。你愿意20块钱给人干一什么事，我愿意15块钱干，那个人说我愿意13块钱干。那你在这个过程中，他就没有工会的保护，他们自己之间就卷起来了。

所以在中国做电工，虽然有电工证了，但是你真正去上岗的时候，其实大家并不那么在意这个事，也没有工会的保护，无法持续获得收益，也无法保证后续的稳定、有保障和有尊严的生活。这就是为什么我们要去挤这个独木桥。

教育变革的阻力与未来

还有是什么呢？由焦虑所引导的畸形的教育产业。那教育产业本身也是有一定惯性的，有既得利益的一个团体。一帮老的这些教师，原来负责教育标准制定的这些人，那你说换一套全新的评估体系，现在教育产业中的这些人怎么办呢？你说我现在需要上AI来去给这个教育赋能了，那原来这些不会AI的这些老师，他怎么办？他没法整了是不是。要么你学习，要么被淘汰，像公司里那样真没那么容易。即使这些教师说我愿意学习，我们算是这个社会里边比较先进的一帮人了，但是最大的问题根本就不是教师愿不愿意学习的问题，而是什么呢？他的筛选机制是僵化的。我们到底怎么去考试？这件事并没有那么快发生变化，不是教育产业本身有能力去改变的。

2025年中国高考报名是1,335万人，本科录取了500万人，专科录取了300万人。那你在高考这个独木桥上，AI改革之后的这种教育成果如何？考试如何评估优劣？现在高考连计算器都不让你带进去，你更别说我在现场可以问ChatGPT了，这不是扯吗？那你说我既然没有办法去进行这样的评估，那谁该去清华北大呀？谁该去上本科？谁该去上专科？谁该名落孙山呢？那怎么办呢？我们依然要使用现在这套千军万马挤独木桥，上了名校才可以进大厂的这样的一个社会利益的分配机制。那我们就只能继续使用现在这种考核机制，那现在这个考核机制，就只能是把AI排除在外。这个是没有办法的。就像中国古代依靠八股文科举取士的一个过程一样。古代这些人他傻吗？他也不傻，他也知道，会做八股文的人未必能够治理地方，他未必能够成为一个好的官员。但没办法呀，他这套东西是最容易衡量的。

那你说未来会发生改变吗？是不是就咱就一直是在这条路上绑死下去呢？也不会，未来还是会发生改变的，但是过程可能是极其残酷的，有可能真的会有革命。很多人说，咱们不是讲的就是K12要被革命吗？要注意，“革命”并不仅仅是一个词。帮大家理解一下吧，西奥多·罗斯福有一句名言：改革目的是什么？避免革命。为什么改革要去避免革命？大家心里想一想，革命是要有统治阶级或者是既得利益者被推翻的，是要流血牺牲的。改革就是我不需要去让统治阶级跌落神坛，可以只要稍微小改小闹一下，只要稍微的改变一些不合理的地方，这个制度可以继续走下去。所以真的发生革命的过程，一定是极其残酷的。

要改变教育体系，首先要改变的是分配机制。除了少数平台和基础设施公司可以微利运营之外，大量的现有的经济结构会崩塌掉，大批的公司会倒闭，很多专业技能的价值会被颠覆，包括HR等很多为了维持巨大组织架构运转的这些职位，他们所构成的中产阶层，都会跌落斩杀线。大量的新兴产品和服务会涌现，并替代传统的体系。很多个人和小企业会在平台的基础上，提供差异化的全新的价值，服务于这些个人和小企业，帮助他们更好的跨越公司进行协作的这些企业也会不断的诞生。

传统的评价体系是靠什么？证书、职级来去确定的。但是未来的这个评价体系，是由推荐系统来去确定的。像我现在做YouTube，我做的内容好不好，不知道，大家各自去评价就好了。但是有多少人能看到老范的内容，是靠YouTube推荐系统的。我没有给YouTube提供证书，说老范有这个资质，有那个资质。所以未来的评价体系，都是依靠AI的推荐系统来的。

新的分配机制确立以后，才会需要新的筛选机制；有了新的筛选机制，才会有新的教育体系。大家一定要把这个教育体系升级的过程把它搞清楚。

总结

最后总结一下，K12是不是要被干掉，成为了一个热门话题。中国人很喜欢聊这个，因为我们一直都很焦虑。AI会给社会带来改变，但是教育体系的改变，可能并不会第一个到来。分配机制改变推动筛选机制改变，而教育体系是为筛选机制服务的。所以我们再去讨论K12是不是要被革命的时候，首先要去想明白教育体系到底是干什么的，而且“革命”这个词不要随便乱用，很吓人的。

好，这个故事就跟大家讲到这里。感谢大家收听，请帮忙点赞、点小铃铛，参加DISCORD讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

背景图片：

Prompt：watercolor illustration, abandoned classroom long unused and completely replaced by AI, empty desks covered in dust, scattered old books and papers, broken holographic projectors, faint glowing AI interfaces lingering in the air, soft diffused contrast, neon cyan rimlight, deep navy background, cinematic composition, sharp subject separation, glossy reflections on dusty surfaces, minimal palette with ink blue tones neon cyan glow and subtle gold accents, extremely legible negative space, ultra-detailed, intricate linework,silent and desolate atmosphere,vast empty floor space in foreground, –ar 16:9 –raw –s 250 –v 7.0 –p lh4so59

新手奶爸 Sam Altman，给出了孩子在AI时代不被淘汰的三个能力标准，这里边竟然没有编程。

大家好，欢迎收听老范讲故事的YouTube频道。

首先，这是什么时候的事情？9月26号，OpenAI 的创始人 Sam Altman 在德国参加一个活动，叫WEILT AI Summit，就这样的一个活动，接受 WEILT 的主编采访，讲了十几分钟，其中就讲到了未来的孩子应该学一些什么。

首先，Sam Altman 确实是一个新手奶爸。他去年和他丈夫结婚，他是个同性恋，在一个不公开的仪式上结婚，然后呢对外宣布说已经结婚了。今年的2月，他们通过代孕的方式生下了一个儿子。有一些传闻说，这个小孩是经过了基因编辑，或者是通过了一些其他的方式去产生的，但目前并没有一个实际的确认。因为代孕在美国是合法的，如果进行一些更复杂的生殖科技的应用，目前为止，美国的FDA好像还没有批准过类似的流程。

但是，这个小孩到底是使用的谁的基因？这个不确定。通常这种同性恋代孕的子女有两种方式：第一种，他们可能两口子商量一下，使用谁的精子，去找一位提供卵子的人，匿名或者是实名进行体外受精了以后，再去找代孕的母亲，把这个小孩生下来。另外一种方式，两个人都去提供精子，多做几个胚胎之后进行筛选，找到其中最健康最好的这个，找代孕母亲把他生下来。在这个过程中，Sam Altman 跟他丈夫到底是用的谁的遗传基因并没有对外公布，使用的是谁的卵子，或者说是如何去代孕的，这个过程也没有对外公布，只是对外公布了说他们是通过代孕的方式得到了一个儿子。所以，甭管怎么来的吧，他也是一个新手奶爸。

Sam Altman 到底希望孩子们学一些什么呢？

首先第一个是学习的能力。这个非常非常重要。以前我们上大学的时候经常说的什么？大学教的不是知识，而是学习知识的能力。我记得我上大学的时候，大一的第一节课，我的老师就在给我讲这件事情。我们是学计算机的，老师说了说：“现在教给你们的所有这些知识，都已经是过时的了。你一定要在大学期间，学会如何学习新知识的能力，这样才可以应对未来的工作。” 特别是像我们这种学计算机的，日新月异，只要敢停下来，马上落后，这个是没有任何办法的事情。

所以在未来，这也是非常重要的，因为未来的工作岗位、任务都会快速的迭代更新，所以他需要不断地去学习新的技能。像我们现在，其实跟以前的学习已经不太一样了。原来我们需要经过什么1万小时，或者是这种反复练习，对某一些技能进行很深入的研究，才可以去进行相应的工作。而现在有了AI的帮助了以后，比如说像Vibe Coding这样的事情，你可以经过很简短的学习就可以上手去干活了。那么，这可能才是真正未来的一个学习方法，不需要1万小时，你只需要跟AI一起配合，说我现在要学一个什么东西，怎么怎么配合来做一个什么事情，很快就可以上手。这是第一个啊，快速学习的能力。

第二个，沟通、理解和构建产品服务的能力。这个话怎么讲？AI到目前为止，还没有办法去对人的需求进行非常深刻的理解，或者非常细微的理解，这事是没有办法的。经常咱们说一个眼神过去了，你要去理解背后的意思，或者说是很多的潜规则，或者说是表面之下的这些信息，是不会经过语言直接讲出来的。那么，AI是没有办法去理解这一部分的内容的。这一块是人很难被替代的能力，所以这一块一定要很努力地去学习。我们需要去跟人沟通，需要去跟世界沟通，需要去在沟通的过程中，深刻地、细致地去了解别人的需求，这是不可替代的。而且我们了解了这些需求之后，还要去以这些需求为基础，去构建产品和服务，这才是真正应用AI、创造价值的一个过程。说这是未来孩子要去学的，这是沟通、理解和构建产品服务的能力。虽然没有提到编程，但是构建产品服务还是需要编程的，Vibe Coding也算是编程，所以在这一块儿，并没有说我们就不要去学编程了。

第三个，稍微有些悲哀，就是韧性。什么是韧性？因为变化无处不在，而且会越来越快，我们必须不断地学习并适应这种变化，包括我们的孩子都是这样的，稍微有些辛苦。记得我当时去高考报志愿的时候，我父亲问我说：“你喜欢什么？”我说我喜欢计算机，他就很替我难过。为什么？我父亲是学机械的，我母亲也是学机械的，他们那个学科真的是上百年没有什么特别大的变化，学完了以后就可以吃一辈子。而学计算机呢，就像刚才我讲的，毕业的时候就已经落后了，而且我们新学的东西，可能再过个两三年又会落后。所以必须是干到老学到老，不停地学习，其实我到现在为止也在每天的学习。

所以，这个可能是未来孩子们走向社会以后所需要面临的一个常态：每一个人都需要进行长期不断的学习。再有谁说“我想学一个什么手艺，这辈子就躺在这手艺上吃饭了”，或者说“我把这个手艺越磨越精细，就在这个手艺上可以吃一辈子”，可能就很难很难了啊。不是说这种机会就没有了，但是能够获得这种机会的人的比例会下降。

那变化到底能有多快呢？咱们讲了半天，说世界会快速的发生变化，到底怎么个快法？Sam Altman 在访谈里他讲到，即使没有AI，75年也可以轮换一半的职业了。他讲了这样的一个话，有了AI，这个速度会急剧加快。但是75年其实基本上是三代人，我们一代人上班大概也就是上20多年到30年左右，所以75年应该是两代半人，那么在这个过程中你换一半的职业也不算是特别夸张吧。

那么，Sam Altman 提出这个数据有出处吗？他肯定不是拍脑袋来的啊。这个数据呢，是来自于MIT的一项长期研究，他这个研究里发现，当下的职业中，大约六成是1940年以后出现的新工种和新岗位。新职业占比和旧职业消失其实是两个概念。什么意思？就是很多旧的职业实际上并没有消失，而只是说现在总的职业数变多了，这个冒出了一堆新的职业。你比如现在外卖骑手、送餐员，还有像我这样的Youtuber，实际上都是新职业，以前是没有的。但是，这个并不代表说以前的旧职业就没了，只是随着技术的发展，产生了非常非常多的新职业。

人类新职业产生的速度其实是极度不均衡的。有的时候，可能几百年都产生不了多少新职业；有的时候，可能几十年就会产生出一半的新职业来。好像是1830年到1850年，一半的新职业就出来了，实际上就是第一次工业革命，大量的新职业就产生了。在1850年往后，速度又降下来了。1940年往后，二战，基本上是二战开始到现在这一段时间，人类其实是在经历一次科技大爆炸，大量的新的职业、新的行业、新的技术被应用到社会中来，这个是一个特殊的时期。AI肯定会带来更快速的迭代，这个还是没有什么问题的。

在不太遥远的未来，30%到40%的任务会被AI完成。这里还是要强调，这个新出来的这些任务被AI完成了，并不一定就代表着原来由人完成的这部分的任务或者说岗位就彻底消失了。他们可能占的比例会下降，或者是招募的员工的数量会下降，但是并不是彻底就没有了。而且在这个里头，我们用了一个词叫“任务”，Sam Altman 也专门强调了不要讲“岗位”，要讲“任务”。

什么意思啊？原来这是一个岗位，这个岗位会完成很多任务；那边也有一个岗位会完成很多任务。把所有这些任务拼凑在一起，才是我们整个经济社会运行的一个模式。而在不久的将来，30%到40%的任务会被AI完成，岗位肯定会进行新的调整，但是他并没有告诉大家这个岗位具体是怎么调整的。还有一点，不要去讲“替代”，不是说AI替代了哪个岗位，而是有一部分的任务由AI来完成了，原来这些岗位，呃，可能会进行调整，但是具体怎么调整，我们还是要等待社会的演进。

那么，传统的教育体系肯定是无法适应这种变化速度的，即使是编程教育，距离这种要求也是差的很远的。像我以前上大学，上四年学写程序，那么这个过程到现在来说就已经完全落伍了。现在真的是学习一周、上手干活就不是一个什么梦想了。我记得我上大学的时候，有一种书叫《7天学会一种什么语言》或者《21天学会编程语言》，未来可能这个速度还要再提快一些。所以，快速学习能力、敏感细微的理解沟通能力、应对变化的能力与韧性才是最重要的。

这一个访谈里头，Sam Altman 还讲了点什么呢？不光是讲育儿，还要讲其他东西。

第一个，他讲了一个时间线。他讲到2030年前会出现超越人类的AI，也就是ASI吧，超级人工智能。2030年，我们记住这个日子。还有一点，2026年AI领域仍将有大幅跃迁。很多人认为AI领域的技术进步会稳固下来，因为前面2023年往后这几年，每一年都基本上算是日新月异的一个变化。甚至有些人觉得到2025年了，这些大模型好像虽然在更新，但是能力并没有那么大的提升，现在又去开始搞AI agent了。那么，是不是大模型的能力就已经到这了？Sam Altman 说不是这样的，到2026年依然会大跃进，还会有很多新的东西出来。

然后啊，是30%到40%的经济体任务会被AI完成，刚才咱们讲过了。教育下一代，刚才咱们也重点讲过了。

安全以及AI与人的关系呢，这个 Sam Altman 讲了，说不会把人当蚂蚁的。这话什么意思？就是超级人工智能，就已经是超越人类智力水平的这种人工智能了，他们看待人类的方式与人类看待蚂蚁的方式是不一样的。我们老觉得蚂蚁在这，我们要观察一下、饲养一下，或者说是研究一下，这个是人类看待蚂蚁的方式；或者干脆我们就不介意走过去是不是踩中了，或者是什么样的，我们根本就不介意这个事情。他说超级人工智能不会像我们看待蚂蚁那样看待我们的。

那么，超级人工智能会对齐人类的价值观。为什么我们可以这样去看待蚂蚁？因为我们的价值观跟蚂蚁是不一样的。对于蚂蚁来说，种群的利益、族群的利益是第一位的，或者说是女皇或者什么这样的利益是第一位的，其他的事都没有那么重要。而对于人类来说，是完全不需要为蚂蚁的价值观去改变自己的任何决策，所以我们可以这样去看待蚂蚁。而超级人工智能本来就是用人类价值观去训练的，所以他们会去做人类觉得正确的事情，会去避免那些人类觉得错误或者说会对人类造成伤害的事情。

AI有没有意识并没有那么重要，所以他也不建议大家每天去喊着要扼杀AI意识这件事。他说，很多伤害其实不是AI有意识造成的，而是来自于意外或者没对齐。你比如说，咱们原来经常讲一个电车的问题：一个电车轨道上有一个掰道岔的开关，一边要躺着一个人，另外一边躺着五个人，我们到底应该怎么办？这个对于计算机来说，可能一分钟都不用，或者一秒钟都不用，它就已经掰了开关了，直接奔着一个人就开过去了，它会选择一个利益损失最小的方式来去处理问题。但是，这个是跟人处理的方式是不一样的。那么当这样的对齐没有做好的时候，人类就有可能会受伤。

其实我们现在已经看到了很多AI伤害人类的事实案例，并不是由 Sam Altman 和 OpenAI 造成的，而是什么造成的？比如美团的外卖员管理系统，实际上后边也是个AI系统；滴滴的出租车司机管理系统，后边也是个AI系统。他们已经把这些人逼得上蹿下跳了，已经对人类造成巨大伤害了。这个跟AI是不是有意识本身是没有那么大关系的。

再往后，OpenAI 依然是非盈利为核心。当然很多人就关心它：“你到底咋上市？怎么分割？怎么挣钱？你会不会因为挣钱的事情就罔顾人类利益了？”因为 OpenAI 的很多的目标是要去让人类一起进步的。所以说不是这样的，我们依然是非盈利为核心的。

下一个非常有意思：硬件和新形态计算。这个我们知道，OpenAI 收购了苹果前设计师的公司。现在虽然我们还不知道他要做什么，但是他们已经开始跟“果链”下单了。“果链”，是中国原来给苹果做iPhone的产业链，已经开始下单要做东西了。大家还在猜它到底要做什么，但是现在基本上确定，它是一系列的产品，或者说是一个设备家族，叫a family of device，大概是这样的一套东西。

那么这个东西到底是，或者这一套东西到底是如何去改变人与计算机之间的交互的？他讲到他要从“点按多应用模式”发展到“自然语言交互、跨时间的复杂任务处理模式”。你像我们手机打开了以后，里头是一大堆的APP，我们要点开这个APP，点开那个APP，然后在APP之间进行数据的复制与传输，还非常麻烦，原来是这样来工作的。但是大家想一想，这些真正的顶级富豪，他们的助理和秘书们是怎么干活的？他们会有一堆的助理吗？当然肯定不是一个了，但是肯定会有一个秘书主管或者是一个总管来处理他们的所有任务。他们会把所有的任务交给这些主管，这些人再去分配谁干什么，或者是如何去干，先干什么后干什么，他是这样的一个过程。

所以 Sam Altman 以及 OpenAI 认为，未来人类跟计算机之间的沟通应该打破APP之间的这种桎梏，没有这么多APP了。我们就跟着一个主管、一个助手去谈，说你今儿接着替我干这个，明儿让我干那个，最近有点什么事告诉我，或者是有一些什么事是我比较关心的，发生了什么样的情况下要叫我。这些主管会根据我们沟通的过程，跟人之间去进行跨时间的协作。而沟通的过程，甭管是我们向这个设备发出指令的过程，还是设备反馈的过程，并不是通过一个设备来完成的，而是通过一系列设备来完成的。所以这一系列设备可能是比如家里面的音箱、这个手表，或者是一些小型的比如像AI PIN那样的东西，也有可能有手机、有耳机，或者一些其他的这种设备，是由一连串这样的设备来构成的一个设备家族。这个我觉得还是值得去期待一下的。但如果真的走向这一步，OpenAI 就一家独大了，它就完完全全可以替代安卓跟iOS，可以替代谷歌跟苹果了。这个我们还是要拭目以待一下。

再往后讲到了政治与治理。Sam Altman 还是出来承诺，AI不会取代领导人的，各国领导人会越来越多地使用AI辅助复杂决策，最后签字必须是人。Sam Altman 还是要讲一下的，我觉得比较聪明。像原来扎克伯格就讲说我要去发币，这个币要代替所有央行，我们要把所有的外汇管制都打破，就直接被摁在地上摩擦了，直接锤了。Sam Altman 说：“以后你们领导人有权利还是你们的，这个AI只是辅助一下。”还是要表这个忠心的。

最后讲了一下德国跟欧洲。但这块只能说对于德国的核能政策，点到为止地提了一下。德国好多的这种能源政策也是比较矛盾的，他又想要能源，又害怕污染环境，非常纠结。而在未来一段时间，AI算力中心肯定是会极大地拉升耗电量的。那在这样纠结的情况下，德国的整个在AI这一块可能会拖后腿。所以他稍微提了一下，但是毕竟跑到德国去参加访谈，你也不能到那把人臭骂一顿。毕竟谁也不是川大爷，川大爷你可以到联大上把整个联大的人骂一个小时，Sam Altman 这么油滑的人不会干这个事的，所以点到为止地讲了一下就完事了。

总结一下，其实 Sam Altman 讲的这个东西呢，不光是给家长和孩子的建议，我们也要照这个标准行动起来：快速学习的能力；理解和沟通构建能力（编程还是需要学的，只是学习的方法和目的发生了变化）；最后就是比较悲催的适应变化的能力。

这就是 Sam Altman 为未来孩子提出的三个能力标准，没有这三个能力的，在AI时代就有可能掉队了。

好，这个故事就讲到这里，感谢大家收听。请帮忙点赞、点小铃铛、参加 Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。