高中輟學(xué)，22歲入職OpenAI成為「研究科學(xué)家」，他是怎么做到的？

2024年12月，OpenAI的Sora團(tuán)隊(duì)來(lái)了個(gè)新人。

22歲。瑞典人。高中輟學(xué)，沒(méi)有學(xué)位。

職位是Research Scientist（研究科學(xué)家）——這個(gè)職位傳統(tǒng)上只有博士才能做。

他叫Gabriel Petersson。

上周，他在Extraordinary播客上公開(kāi)分享了自己的故事。

我覺(jué)得這是個(gè)太好的時(shí)代腳注了，在這個(gè)ChatGPT開(kāi)啟的AI時(shí)代，教育這件事可能真的改不一樣了。

沒(méi)有認(rèn)識(shí)知識(shí)是AI不能教你的，只要你懂得提出正確的問(wèn)題。

所以，Gabriel是怎么做到的？我覺(jué)得他的故事應(yīng)該能給想要轉(zhuǎn)行，想要獨(dú)立工作，或者想要做任何事的你帶去啟發(fā)。

一、傳統(tǒng)學(xué)習(xí)路徑：為什么需要10年？

先說(shuō)傳統(tǒng)路徑。

如果你想成為OpenAI Sora團(tuán)隊(duì)的研究科學(xué)家，正常路徑是什么？

標(biāo)準(zhǔn)路徑：

• 4年本科（計(jì)算機(jī)/數(shù)學(xué)/物理）

• 2年碩士（機(jī)器學(xué)習(xí)方向）

• 3-5年博士（視頻生成/擴(kuò)散模型研究）

• 可能還需要1-2年博后

加起來(lái)至少10年。

這10年在干什么？

第一階段：打基礎(chǔ)（4-6年）

你要學(xué)高等數(shù)學(xué)、線性代數(shù)、概率論、數(shù)據(jù)結(jié)構(gòu)、算法、計(jì)算機(jī)體系結(jié)構(gòu)...

這些是基礎(chǔ)。

你不懂這些，就看不懂論文，寫(xiě)不了代碼，跑不了模型。

所以你得先學(xué)。

第二階段：專業(yè)化（2-3年）

基礎(chǔ)打好了，開(kāi)始學(xué)專業(yè)課。

機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理...

每門(mén)課都有一堆公式、算法、論文。

你得一個(gè)個(gè)啃下來(lái)。

第三階段：做研究（3-5年）

前面7-8年學(xué)的都是別人的成果。

現(xiàn)在你要做自己的研究了。

選方向、讀論文、跑實(shí)驗(yàn)、寫(xiě)論文...

運(yùn)氣好的話，3年畢業(yè)。運(yùn)氣不好，5年也正常。

為什么這么慢？

因?yàn)閭鹘y(tǒng)教育是**自底向上（Bottom-Up）**的。

先學(xué)微積分，再學(xué)線性代數(shù)，再學(xué)概率論...

先打地基，再建框架，最后蓋樓。

邏輯很?chē)?yán)密。但問(wèn)題是：

你學(xué)了3年微積分，可能還不知道它能干嘛。

你學(xué)了5年編程，可能還沒(méi)做出一個(gè)真正能用的產(chǎn)品。

知識(shí)和應(yīng)用，脫節(jié)太久了。

很多人學(xué)到一半，就放棄了。因?yàn)榭床坏揭饬x。

二、Gabriel的路徑：自頂向下，5年夠了

Gabriel走的是完全相反的路。

他不是先學(xué)理論，而是先做東西。

2019年。17歲。輟學(xué)。

加入Depict.ai（YC孵化的創(chuàng)業(yè)公司），創(chuàng)始團(tuán)隊(duì)成員。

第一個(gè)任務(wù)：做產(chǎn)品推薦系統(tǒng)。

他完全不懂機(jī)器學(xué)習(xí)，甚至不太會(huì)寫(xiě)代碼。

但他必須做出來(lái)。因?yàn)檫@是工作。

怎么辦？

Step 1: 從問(wèn)題開(kāi)始

Gabriel沒(méi)有去翻《機(jī)器學(xué)習(xí)導(dǎo)論》。

他直接問(wèn)ChatGPT："我該做什么項(xiàng)目？"

ChatGPT告訴他：你可以做個(gè)產(chǎn)品推薦系統(tǒng)。

然后他又問(wèn)："怎么做？"

ChatGPT給了他一個(gè)初始代碼框架。

Step 2: 讓AI生成代碼

Gabriel沒(méi)有完全理解這些代碼。

但他先跑起來(lái)再說(shuō)。

代碼有bug？沒(méi)關(guān)系，問(wèn)ChatGPT怎么修。

缺少某個(gè)庫(kù)？問(wèn)ChatGPT怎么裝。

不懂某個(gè)函數(shù)？問(wèn)ChatGPT是什么意思。

他沒(méi)把自己當(dāng)學(xué)生。他是在解決實(shí)際工作問(wèn)題。

Step 3: 逐行研究代碼

項(xiàng)目跑通了，但Gabriel沒(méi)有停。

他開(kāi)始逐行研究代碼。

這個(gè)函數(shù)是干嘛的？為什么要這么寫(xiě)？背后的原理是什么？

不懂的地方，繼續(xù)問(wèn)ChatGPT。

遇到數(shù)學(xué)公式，讓ChatGPT解釋。

遇到ML概念，讓ChatGPT講清楚。

Step 4: 遞歸地向下鉆取

Gabriel用了一個(gè)很形象的說(shuō)法：

"你從問(wèn)題開(kāi)始，遞歸地向下鉆取。"

什么意思？

你不是從理論開(kāi)始往上堆。而是從實(shí)際問(wèn)題往下挖。

遇到不懂的，就往下挖一層。再遇到不懂的，再往下挖一層。

直到你真正理解了。

案例：如何學(xué)習(xí)擴(kuò)散模型

Gabriel后來(lái)加入Midjourney，開(kāi)始接觸圖像生成。

他想學(xué)擴(kuò)散模型（Diffusion Model）——這是DALL-E、Stable Diffusion、Sora的核心技術(shù)。

傳統(tǒng)路徑是什么？

1. 先學(xué)概率論、統(tǒng)計(jì)學(xué)

2. 再學(xué)貝葉斯推斷

3. 再學(xué)生成模型理論

4. 再學(xué)擴(kuò)散模型論文

5. 最后才動(dòng)手寫(xiě)代碼

可能需要1-2年。

Gabriel怎么做？

1. 找到擴(kuò)散模型的開(kāi)源代碼（比如Stable Diffusion）

2. 逐行閱讀代碼

3. 遇到不懂的數(shù)學(xué)符號(hào)，問(wèn)****ChatGPT

4. 遇到不懂的算法，問(wèn)****ChatGPT

5. 邊改代碼邊理解原理

6. 在實(shí)際項(xiàng)目中應(yīng)用和改進(jìn)

可能需要幾周到幾個(gè)月。

關(guān)鍵區(qū)別是什么？

傳統(tǒng)路徑：理論→理論→理論→實(shí)踐

Gabriel路徑：實(shí)踐→理論→實(shí)踐→理論

知識(shí)和應(yīng)用，隨時(shí)在驗(yàn)證。

三、為什么這種方法現(xiàn)在可行？

Gabriel不是第一個(gè)想這么學(xué)的人。

很多人都試過(guò)"邊做邊學(xué)"。

但為什么現(xiàn)在才有Gabriel這樣的案例？

因?yàn)橛腥齻€(gè)關(guān)鍵變化。

變化1：ChatGPT成為了真正的導(dǎo)師

2022年11月之前，你想自學(xué)AI，只能靠搜索引擎（找到答案要翻10頁(yè)）、Stack Overflow（問(wèn)題太具體沒(méi)人回答）、論文（看不懂沒(méi)人解釋）。

2022年11月之后，情況變了。

ChatGPT出來(lái)了。它能解釋任何概念，從最基礎(chǔ)到最前沿。能生成代碼，并且解釋每一行在干嘛。能調(diào)試錯(cuò)誤，告訴你哪里錯(cuò)了為什么錯(cuò)。你缺什么數(shù)學(xué)背景，它就教什么。

Gabriel的原話：

"Universities don't have, like, a monopoly on foundational knowledge anymore. You can just get any foundational knowledge from ChatGPT." 大學(xué)不再壟斷基礎(chǔ)知識(shí)。你可以從ChatGPT獲得任何基礎(chǔ)知識(shí)。

這句話聽(tīng)起來(lái)很狂。但確實(shí)如此。

我自己用Claude Code做開(kāi)發(fā)時(shí)，也有這種感受。很多時(shí)候，我甚至覺(jué)得Claude比大學(xué)老師講得還清楚。

不是說(shuō)大學(xué)老師不行。而是AI有幾個(gè)獨(dú)特優(yōu)勢(shì)：

根據(jù)你的水平調(diào)整解釋深度。你是小白，它就講得簡(jiǎn)單點(diǎn)。你是進(jìn)階，它就講得深入點(diǎn)。

無(wú)限耐心地回答你的重復(fù)問(wèn)題。同一個(gè)問(wèn)題問(wèn)10遍，它也不會(huì)煩。

24/7隨時(shí)可用。凌晨3點(diǎn)卡住了，也能問(wèn)。

變化2：創(chuàng)業(yè)門(mén)檻降到史上最低

Sam Altman（OpenAI CEO，自己也是斯坦福輟學(xué)生）在2025年10月說(shuō)：

"I'm envious of the current generation of 20-year-old dropouts. The amount of stuff you can build, the opportunity in this space is so incredibly wide." 我嫉妒現(xiàn)在這一代20歲的輟學(xué)生。你能構(gòu)建的東西數(shù)量、這個(gè)領(lǐng)域的機(jī)會(huì)是如此之廣。

為什么？

AI降低了創(chuàng)新門(mén)檻。

以前做個(gè)推薦系統(tǒng)，你需要招一個(gè)ML工程師、買(mǎi)一堆服務(wù)器、訓(xùn)練模型、部署上線。

現(xiàn)在呢？直接用現(xiàn)成的API就行。OpenAI、Anthropic、阿里云百煉...都有。

甚至可以讓ChatGPT幫你寫(xiě)代碼、部署、測(cè)試。全程都能輔助。

小團(tuán)隊(duì)，甚至個(gè)人，都能做出以前大公司才能做的東西。

這就是Gabriel的機(jī)會(huì)。

他17歲加入Depict.ai時(shí)，整個(gè)團(tuán)隊(duì)都是17-18歲的輟學(xué)生。

但他們做出來(lái)了。因?yàn)楣ぞ邏驈?qiáng)大。

變化3：公司更看重能力，而不是學(xué)歷

Gabriel說(shuō)：

"公司現(xiàn)在更看重結(jié)果和生產(chǎn)能力，而不是正式資格。最重要的是解決問(wèn)題和創(chuàng)造價(jià)值。"

這不是他一個(gè)人的觀點(diǎn)。

Y Combinator的數(shù)據(jù)：

• 兩年前，YC孵化的創(chuàng)業(yè)公司中，只有10%是學(xué)生或應(yīng)屆畢業(yè)生

• 2025年，這個(gè)比例漲到了30%

Andreessen Horowitz（硅谷頂級(jí)VC）直接說(shuō)：

"這是十年來(lái)大學(xué)輟學(xué)生創(chuàng)業(yè)的最佳時(shí)機(jī)。"

為什么？

因?yàn)锳I讓"學(xué)位"和"能力"脫鉤了。

以前，學(xué)位是能力的證明。你沒(méi)學(xué)位，公司怎么知道你行不行？

現(xiàn)在，GitHub是能力的證明。你做過(guò)什么項(xiàng)目、貢獻(xiàn)過(guò)什么開(kāi)源代碼，一看就知道。

Gabriel進(jìn)OpenAI，不是因?yàn)樗袑W(xué)位。

而是因?yàn)樗龀隽藮|西。

在Midjourney做了世界上最高性能的Web圖像網(wǎng)格。在Dataland做了最高性能的Web表格。

代碼和產(chǎn)品，就是最好的簡(jiǎn)歷。

四、這種方法適合誰(shuí)、不適合誰(shuí)？

看到這里，你可能會(huì)想：我也可以這樣學(xué)嗎？

答案是：不一定。

Gabriel的方法不是萬(wàn)能的。它有適用場(chǎng)景。

? 適合的場(chǎng)景

1. 快速迭代的工程領(lǐng)域

軟件開(kāi)發(fā)、AI工程、產(chǎn)品設(shè)計(jì)...

這些領(lǐng)域的特點(diǎn)是：

• 錯(cuò)了可以立即調(diào)整（不會(huì)有生命危險(xiǎn)）

• 有明確的反饋（代碼要么跑通，要么報(bào)錯(cuò)）

• 開(kāi)源資源豐富（GitHub上一堆代碼可以學(xué)）

2. 目標(biāo)明確的技能學(xué)習(xí)

你知道自己要做什么（比如做個(gè)推薦系統(tǒng)、搞個(gè)視頻生成工具）。

不是為了學(xué)習(xí)而學(xué)習(xí)。是為了做出來(lái)。

3. 有極強(qiáng)執(zhí)行力的人

Gabriel17歲輟學(xué)，加入創(chuàng)業(yè)公司。

工作壓力巨大，必須快速出成果。

這種壓力，反而成了學(xué)習(xí)的驅(qū)動(dòng)力。

如果你沒(méi)有外部壓力，很可能三天打魚(yú)兩天曬網(wǎng)。

? 不適合的場(chǎng)景

1. 需要系統(tǒng)性基礎(chǔ)的領(lǐng)域

理論物理、純數(shù)學(xué)、基礎(chǔ)科學(xué)研究...

這些領(lǐng)域的特點(diǎn)是：

• 錯(cuò)誤理解會(huì)導(dǎo)致嚴(yán)重后果

• 需要長(zhǎng)期積累和深度思考

• ChatGPT的知識(shí)可能不夠前沿

2. 需要嚴(yán)格認(rèn)證的專業(yè)

醫(yī)學(xué)、法律、建筑...

這些領(lǐng)域不是你會(huì)做就行，還要有執(zhí)照、認(rèn)證。

你不能用ChatGPT學(xué)了3個(gè)月，就去給人看病。

3. 缺乏自驅(qū)力的人

如果你需要老師監(jiān)督、同學(xué)陪伴、考試督促，傳統(tǒng)教育可能更適合你。

自學(xué)需要極強(qiáng)的自律和執(zhí)行力。

Gabriel成功的其他因素

說(shuō)實(shí)話，Gabriel的成功不只是因?yàn)镃hatGPT。

還有很多其他因素。

運(yùn)氣和時(shí)機(jī)。2019年輟學(xué)，正好趕上AI創(chuàng)業(yè)浪潮。如果早10年，可能沒(méi)這個(gè)機(jī)會(huì)。

環(huán)境和資源。硅谷/舊金山的創(chuàng)業(yè)環(huán)境，YC生態(tài)系統(tǒng)的支持，接觸到頂尖團(tuán)隊(duì)和項(xiàng)目。這些都是加分項(xiàng)。

個(gè)人特質(zhì)。極強(qiáng)的執(zhí)行力（17歲就敢輟學(xué)），愿意承擔(dān)風(fēng)險(xiǎn)，能在高壓環(huán)境下快速成長(zhǎng)。

這些都是ChatGPT教不了的。

五、給你的3個(gè)行動(dòng)建議

如果你想借鑒Gabriel的方法，該怎么開(kāi)始？

建議1：選一個(gè)"略高于當(dāng)前能力"的項(xiàng)目

不要選太簡(jiǎn)單的（學(xué)不到東西）。

也不要選太難的（做不出來(lái)會(huì)放棄）。

標(biāo)準(zhǔn)是什么？你大概知道怎么做，但需要學(xué)一些新東西才能做出來(lái)。

舉幾個(gè)例子：

會(huì)Python？試著做個(gè)Web爬蟲(chóng)。

會(huì)前端？接入OpenAI API做個(gè)聊天界面。

會(huì)數(shù)據(jù)分析？用機(jī)器學(xué)習(xí)做個(gè)預(yù)測(cè)模型。

關(guān)鍵是有具體的產(chǎn)出目標(biāo)。不是學(xué)習(xí)XX技術(shù)，而是做出XX東西。

建議2：用ChatGPT/Claude，但別完全依賴

ChatGPT能幫你生成初始代碼、解釋不懂的概念、調(diào)試錯(cuò)誤、補(bǔ)充背景知識(shí)。

但你自己要做三件事：

第一，逐行理解代碼。別直接復(fù)制粘貼。

第二，驗(yàn)證AI的回答。AI也會(huì)犯錯(cuò)。

第三，深入底層原理。知道為什么，不只是怎么做。

我自己用Claude Code寫(xiě)代碼時(shí)，有個(gè)習(xí)慣：

AI生成代碼后，我會(huì)逐行閱讀，理解每一行在干嘛。遇到不懂的，追問(wèn)到底。

這個(gè)過(guò)程，就是學(xué)習(xí)。

建議3：做出來(lái)，放到GitHub，放到小紅書(shū)上

不要只是"學(xué)會(huì)了"。

要有實(shí)際產(chǎn)出。

做個(gè)小項(xiàng)目，放到GitHub上，放到小紅書(shū)上。

即使很簡(jiǎn)陋，也是你的作品。

為什么？

一是強(qiáng)制你做完。不是學(xué)一半就放棄。

二是可以獲得反饋。別人的評(píng)論、Issues、PRs，都是學(xué)習(xí)機(jī)會(huì)。

三是成為你的簡(jiǎn)歷。比學(xué)歷更有說(shuō)服力。

Gabriel進(jìn)OpenAI，不是因?yàn)樗袑W(xué)位。

而是因?yàn)樗贛idjourney、Dataland做出了世界級(jí)的產(chǎn)品。

代碼和產(chǎn)品，就是最好的證明。

六、學(xué)位的價(jià)值正在改變

寫(xiě)到這里，我想說(shuō)清楚一件事：

Gabriel的故事不是在鼓勵(lì)你輟學(xué)。

輟學(xué)是極端選擇，風(fēng)險(xiǎn)巨大。

Gabriel成功了，但可能有一萬(wàn)個(gè)輟學(xué)生失敗了。

這篇文章想說(shuō)的是：

學(xué)習(xí)方式正在改變。

以前，學(xué)位是知識(shí)的唯一通道。

現(xiàn)在，AI讓自學(xué)成為可能。

以前，學(xué)位是能力的唯一證明。

現(xiàn)在，作品和代碼也能證明你的能力。

學(xué)位不是沒(méi)用，而是不再唯一。

如果你在讀大學(xué)，不用焦慮。

大學(xué)提供的不只是知識(shí)。還有系統(tǒng)化的訓(xùn)練、人脈和資源、相對(duì)安全的試錯(cuò)環(huán)境。這些都很valuable。

如果你已經(jīng)工作，想轉(zhuǎn)型AI，也不用回去讀學(xué)位。

你可以用Gabriel的方法。選個(gè)項(xiàng)目，邊做邊學(xué)，用ChatGPT補(bǔ)充知識(shí)，做出作品證明自己。

關(guān)鍵不是學(xué)位，而是持續(xù)學(xué)習(xí)的能力。

AI時(shí)代，技術(shù)更新太快了。

你今天學(xué)的，可能明年就過(guò)時(shí)。

比學(xué)歷更重要的，是你能不能快速學(xué)會(huì)新東西。

Gabriel17歲學(xué)會(huì)了推薦系統(tǒng)。18歲學(xué)會(huì)了數(shù)據(jù)可視化。20歲學(xué)會(huì)了圖像生成。22歲學(xué)會(huì)了視頻生成。

他不是天才。

只是找到了高效學(xué)習(xí)的方法。

這個(gè)方法，你也可以用。

如果你想了解更多Gabriel的故事，可以聽(tīng)他在Extraordinary播客上的分享：https://www.youtube.com/watch?v=vq5WhoPCWQ8

如果你對(duì)AI學(xué)習(xí)有自己的經(jīng)驗(yàn)，歡迎在評(píng)論區(qū)分享。