看到一篇访谈，这个小伙太牛了，一个高中辍学生竟然在 OpenAI 当科学家，那他到底是怎么做到的呢？我感觉能给我们带来很大的启发，尤其是他的学习经历和方法。至少，我感觉他真的是一个很有思想的人。

一个瑞典小镇少年的逆袭

加布里埃尔·彼德森今年23岁，来自瑞典一个叫Vänersborg的小镇，那是个在地图上都很难找到的地方。现在，他是OpenAI Sora团队的研究科学家，负责开发世界最前沿的视频生成模型。

这个故事听起来像是硅谷版的童话，但加布里埃尔的经历却充满了我们能够借鉴的现实路径。他没有完成高中学业，没有本科学位，更没有博士头衔。在OpenAI这样一个博士扎堆的地方，研究科学家这个职位通常要求至少有博士学位，还要发表过重量级论文。加布里埃尔却用另一种方式证明了自己。

18岁那年，他的表哥给他打电话，说有个创业机会，让他立刻去斯德哥尔摩。加布里埃尔当时正准备参加一个派对，表哥却说等不了。于是他坐上了下一班车，从此再也没有回到高中课堂。

他睡在表哥大学宿舍的公共休息室里，用从那里捡来的沙发垫铺了整整一年。那个房间很小，很脏，但他毫不在意。他有一种扭曲的现实感知能力，百分之百相信自己会成为亿万富翁。这听起来很疯狂，但正是这种毫无怀疑的信念，让他能够忍受这种生活条件，全身心投入工作。

他们的产品是用AI做电商产品推荐系统。加布里埃尔想出了一个野路子销售方法。他会提前抓取潜在客户网站的数据，训练好推荐系统，然后打印一百张A3大纸，左边是客户现有的产品推荐，右边是他们系统生成的新推荐。他把这些纸装在一个大文件夹里，然后去敲公司的门。

见到电商经理或CEO，他就拿出这张纸：这是你们现有的推荐，这是我们的新推荐。客户总是很惊讶：天哪，你都做了这些？怎么做到的？太酷了。但马上他们会问：那我怎么从这里开始呢？有太多不确定的因素。

别担心。加布里埃尔会拿出一段脚本，可以直接粘贴到客户网站的控制台里，瞬间把他们的推荐系统替换成新的。他说：我们今天就可以上线。

客户还会问：但我怎么知道这能赚钱？别担心，这个脚本里已经设置好了AB测试，会自动追踪使用你们推荐和我们推荐的收入对比。第一次见面，他就能把一切搞定，直接成交。

这种做法当然后来带来了麻烦，因为他们没考虑可扩展性，只想着先拿下客户。但这让一个18岁的高中辍学生学会了如何真正解决问题，如何销售，如何让客户信任你。

当知识不再被垄断

传统教育体系有一个隐含的假设：基础知识必须从底层开始学起。想学机器学习的扩散模型？那你得先花一年学微积分，再花一年学线性代数，然后是概率论、编程基础、机器学习入门，最后才能接触到神经网络和扩散模型。这条路走下来至少要六年。

加布里埃尔却在三天内学会了扩散模型的核心原理。

他的方法叫做AI递归学习法，核心逻辑是从问题出发，而非从基础知识出发。当他想学习视频生成模型时，他不会先去翻教科书，而是直接问ChatGPT：视频和图像模型最基本的概念是什么？AI告诉他有自动编码器和扩散模型这些东西。

接下来的步骤更有意思。他让ChatGPT直接写出扩散模型的完整代码。这时候，他可能完全看不懂代码在干什么，但没关系。他开始运行代码，遇到bug就停下来，然后开始追问。

这个追问过程有三个层次。第一层是问具体问题：这行代码是做什么的？AI会告诉他这是爱因斯坦求和约定，用于矩阵运算。但他不会停在这里,而是进入第二层追问：为什么要用爱因斯坦求和约定？背后的矩阵运算逻辑是什么？AI会解释矩阵、线性变换等概念。

如果还是不懂，他就问第三层：你能假设我只有12岁，再解释一遍吗？或者画个图给我看看？这时候AI会用书店里的书来比喻嵌入向量，用你能理解的现实世界概念来解释抽象的AI概念。

这种学习方式的关键在于，你只学习当前问题必需的知识，每一个知识点都和具体问题紧密绑定。传统方法教你一本教科书的内容，你可能学完就忘了一半，等真正用到的时候还得重新翻书。但用加布里埃尔的方法，你学到的每个知识点都是为了解决眼前这个问题，记忆会特别深刻。

他把这个过程称为递归填补知识空白。你需要培养两种能力：一是识别自己哪里有知识缺口，知道什么时候你其实没真正理解；二是知道什么叫做真正理解了，就是那种突然顿悟的感觉。当你理解线性代数背后的几何直觉，或者明白反向传播为什么能让神经网络学习时，会有一个非常清晰的点击感，就像灯泡亮了。

加布里埃尔的目标就是让这种顿悟时刻尽可能频繁地出现。他会告诉ChatGPT：请极其直接和具体，总是展示所有中间状态和代码的形状，确保我对为什么会这样有非常直观的理解。如果你不确定，请展示多个选项，以及其他人尝试过什么，为什么这个方法有效，为什么其他方法不行。

他还会用类似费曼学习法的方式：把自己的理解解释给AI听，然后让AI纠正。这种方法在以前很难实现，因为你需要一个随时可用的导师。现在ChatGPT就是那个随时在线的导师，你凌晨四点写代码遇到问题，照样可以问。

加布里埃尔每天会问ChatGPT大约一百个问题。他总是开着好几个标签页，写完代码就扔进去：这个好吗？有bug吗？能怎么改进？大部分时候AI会说看起来不错，但有时候会发现bug或者建议更简单的方法。这种即时反馈让他的学习速度快得惊人。

这不是用AI代替思考，而是人与AI的共生。AI增强了他的大脑和能力，让他能够快速填补知识空白，但最终的判断和决策都是他自己做的。这是一种新的学习范式，一种新的人类能力延伸方式。

加布里埃尔的故事折射出一个更宏观的变化：传统的学历路径正在失效，而一种新的学习方式已然崛起。

这意味着什么？意味着学历这张纸正在快速贬值，而作品集的价值却在飙升。以前招聘看学历，是因为学历能证明你上过课、考过试、有基础知识。但现在，AI能随时提供任何基础知识，知识本身不再稀缺。稀缺的是你会不会问问题，会不会把知识转化成能用能落地的东西。

想想看，一个设计师业余时间用AI做了一个动漫IP的小红书账号，粉丝蹭蹭往上涨；一个HR专门做了一个智能体帮自己筛简历，效率翻了好几倍。这些实操项目不用多大，但必须具体。它们才是AI时代的硬通货，能证明这个人适合这个时代。相比之下，简历上那行"毕业于某某大学"，分量正在变轻。

AI不是来替代你的，而是来放大你的。会用AI的人和不会用AI的人，差距会越来越大。而这里说的"会用AI"，不是指会打字提问，而是会层层追问、会独立判断、会把AI的输出转化为自己的能力。这才是AI时代最稀缺的技能。

加布里埃尔就是这种技能的活标本。他每天问ChatGPT一百个问题，但每一个问题都指向真实的困惑，每一次追问都是在填补自己的知识空白，最终的判断和行动都是他自己完成的。AI是他的研究搭档，不是他的替身。

这对教育体系意味着什么？可能意味着我们需要重新思考：学校到底应该教什么？如果基础知识不再是壁垒，那学校存在的价值是什么？也许答案是：教会学生如何提问，如何判断，如何把信息转化为行动。

大学在教什么，又没教什么

当ChatGPT刚出来的时候，学生们的第一反应是：太好了，有东西能帮我做作业了。老师们的第一反应是：糟糕了，学生会用这个作弊，我们得禁止AI。这形成了一个强化循环，学生觉得AI就是用来作弊的工具，老师觉得AI就是用来作弊的手段。

加布里埃尔说，真正理解如何用AI学习并不自然，这需要训练。现在他很开心地看到瑞典的朋友们开始用ChatGPT出测验题，或者让它总结以前考试题的共同点，帮助自己真正掌握知识。但大多数老师仍然非常抗拒AI。

这背后有个更深层的问题。如果你是一位教授，你的整个人生都在告诉别人上大学有多重要，突然有一天你发现学生不需要大学也能学到这些知识，你会怎么办？你会尽一切可能维持现状。如果最聪明的人都开始自学，那最聪明的人就不会来大学了，这会降低大学的地位。这对教授来说是个威胁。

加布里埃尔在推特上说：我现在做的工作传统上只有博士才能做，我零机器学习或数学经验，全靠ChatGPT的帮助。还需要什么证据来证明ChatGPT已经达到博士水平？这话会伤害很多人的感情，他也知道。但他认为这些人在为知识设置门槛，在阻止17岁的年轻人进入他们想进入的领域。

他并不是在贬低那些拿到博士学位的人，那些人做了很多了不起的研究。他批评的是旧的思维方式，那种认为知识必须从底层学起的观念。大学曾经垄断了基础知识，但现在不一样了。你可以从ChatGPT获得任何基础知识，知识本身不再稀缺。

他还提出了一个很有争议的观点：大学在某种程度上像是成人托儿所。很多人需要决定未来要做什么，但他们不想做决定，然后就有一个选项出现了。尤其在瑞典，大学是免费的，你还能拿到钱，这样就可以把决定推迟到未来。

瑞典甚至有那种不需要你明确选择专业的课程，比如工业经济学，你不知道想当律师还是工程师，没关系，就继续做五年各种各样的事情，继续推迟决定。人们很喜欢推迟决定，因为选择职业感觉像是在选择一生要做的事情。虽然这不是真的，但感觉上是这样。

公司到底想要什么

很多人找工作的时候会列出一堆资历：我在某某大学读书，我有最好的成绩，我是辩论冠军，我参加了很多课外活动。但这些东西真的重要吗？

加布里埃尔的观点很直接：公司只想赚钱。你只需要向他们展示你能帮他们赚钱。把你所有关于找工作的建议都扔掉，从这个简单的事实重新开始。

学历和这些课外活动之所以重要，是因为大多数人无法证明自己能做事情。当你不能直接展示能力时，人们就开始依赖这些代理信号。但CEO从来不在乎这些，他们只在乎你能不能帮公司赚钱。

真正的问题是那些远离CEO的人，比如招聘人员。他们开始失去为公司做最好决策的动力，他们想的是不要犯错。怎么避免犯错？雇佣名校毕业生。这样即使这个人不行，也不会有人责怪招聘人员，因为这个人来自顶尖学校啊。

所以加布里埃尔建议：避开招聘人员。他们甚至不懂技术，不知道你是不是真的厉害。他们只会看那些代理信号。你应该做的是直接找到创始人，找到技术负责人，那些真正在乎公司能否成功的人。

怎么做？去参加科技活动，直接和这些人交流。给他们看你做的东西。如果你真的擅长使用ChatGPT学习，你可以在一周内做出很酷的Demo。比如你做了一个游戏，你有一个关于自己的好故事，说明你为什么有高执行力，如何快速学习，甚至可以截图展示你如何用ChatGPT快速学习。招聘经理会很喜欢这个，他们会想：这个人懂了。

然后把这个故事发给500个人，总有一个人会说：你是一个未被发现的人才，我愿意给你一个机会。也许你现在只能赚10美元一小时，但这值得，因为你会学到东西，会和真正的人一起工作，解决真正的问题。

还有一个很有效的策略：主动提出免费工作一周。你在活动上遇到某个创始人，和他们聊了聊，给了些建议，然后说：我们能不能试着合作一周，免费的，这会很有趣。我刚想到一些可以和你一起做的想法，对你来说没有任何承诺，不占用你的时间，只是免费得到一个数据点，看看我行不行。

百分之百的人都会说好的。他们想：太好了，我什么都不用做，还能看看你行不行。如果你真的是一个聪明人，能用ChatGPT学习，你明天就能找到工作。

Demo的艺术

做Demo听起来很简单，但其实很难。难点不在于需要多少技术能力，而在于如何在3秒内让人明白你会写代码。

想象一下，你申请一个职位，有100个竞争者。你发了一个链接，招聘人员点开，你只有一次机会。你需要一个非常酷的Demo，让人立刻明白这是什么，并且让人立刻明白你是个很优秀的工程师。

加布里埃尔举了个例子，他做过一个叫Fast Grid的东西，是一个性能非常好的网页表格。每次和相关的人交流，他就展示这个。对方总会说：哇，这真的很酷。突然之间，你就不再是无名小卒了。这个人有很多开创业公司的朋友，现在他们想把你介绍给那些朋友，因为他们看到你懂东西。

人们愿意帮助你，前提是你能先证明你行。这能给他们带来社交价值，因为如果你被雇佣了并且干得好，介绍你的人也有面子。

真实工作为什么不可替代

加布里埃尔说，在学校学习和在工作中学习有个巨大的区别：在工作中，你总是有真实的问题要解决。这让一切变得简单。

很多人会说，如果不上学怎么学习？但有了真实问题，学习反而更容易。比如你需要把产品推荐系统集成到一个电商网站，那你就得搞清楚如何选择网页上的元素，如何正确插入它们，如何做所有这些事情。然后你就一步步来，去Stack Overflow查资料，问朋友，问ChatGPT。

关键是你有压力。如果有人给你一个真实的工作，有真实的经济激励，这种压力能让你学到东西。加布里埃尔说他从来没办法在没有压力的情况下学任何东西。如果有人说：学这个东西吧，但你有无限时间，也不会从中赚钱。那他根本学不进去。

这就是为什么他认为尽快进入真实工作环境如此重要。不要花太多时间读书、培养好习惯、早起跑步。这些东西本身都很好，但如果你不是在做重要的事情，这些都不重要。什么是重要的事情？就是真实的工作，解决真实的问题。

有数百万家创业公司愿意让人免费为他们工作。你只需要联系他们。去LinkedIn上找创业者，给所有人发消息：嘿，我想试着和你一起工作，我们这个周末试试吧。我准备做任何事情，我知道我能做好事情。让自己尽快获得第一份真实经验，这就是全部。

如何最大化学习速度

加布里埃尔18岁时加入创业公司，但他很快意识到，最重要的是尽可能快地学习。那时ChatGPT还没出现，最好的学习方式就是和最优秀的人一起工作。

他的策略是只接受合同工作，这样他可以在不同公司之间快速移动。他说，人们职业生涯早期最大的错误就是在同一家公司待太久。你应该尽可能找到最好的团队、最好的工程师，和他们尽可能紧密地工作。

但关键不只是找到好公司，还要确保你在做有意义的工作，而非只做没人想做的任务。如果只是做别人不想做的事情，你学不到东西。

还有一点特别重要：主动寻求反馈。大多数人害怕反馈，因为他们已经完成了学业，现在在工作了。但加布里埃尔会主动告诉那些审查他代码的人：我真的很喜欢你的评审，能不能每次都审查我的代码？人们会很惊讶，因为从来没人说过喜欢被批评。

他甚至会主动打电话给审查者：那次评审很棒，我们现在打个电话，一起过一遍所有评论吧。你会学到太多东西。问后续问题，问背后的直觉。成为真正优秀的工程师非常难，需要理解很多第一性原理和直觉，这些东西你知道了就觉得简单，但学起来可能很难。

后来他加入了Midjourney，在那里他开发了一个人类反馈工具，用来评估AI生成图片的质量。这个工具的设计很巧妙：同时给用户展示两张图片，让用户选择更喜欢A还是B。对用户来说，价值是你选得越多，AI就越懂你喜欢的风格。而对Midjourney来说，这调动了全球几千万用户免费帮他们做生成结果反馈。加布里埃尔说他自己就做了一千多张图片的反馈，这个设计太精妙了。

建议的价值有多大

加布里埃尔说他从很少人那里接受建议，可能一只手就能数过来。

这听起来有点傲慢，但他的理由很有道理。如果你问一个刚上完五年大学的人，他会怎么建议你？他可能会说：我觉得你应该花五年时间上大学。但这个人只有一种人生经验，没有比较过其他选择，甚至从心理上来说他可能做不到客观比较，因为他会想：我难道浪费了那五年？不可能，这一定是对的。

人的观点几乎总是跟随着他们的激励机制。所以加布里埃尔建议大多数人忽略大部分建议。他能辍学就是因为他不相信建议。他总是想：人们是想帮我，或者他们觉得自己在帮我，但大多数人给的建议其实没用。

他接受建议的人主要是他表哥，因为他们思考方式非常相似，而他表哥比他年长几岁，已经上过大学。他表哥能说：我上过大学，我们想法很相似，想要的东西一样，你去上就是浪费时间。这个建议有价值，因为来自一个和你相似但走在前面的人。

对于年轻人来说，这特别难。你还没有建立起什么成就，没有什么记录，年轻又未被证明。那该怎么办？

加布里埃尔说，16岁的雄心勃勃的年轻人很容易陷入一个陷阱：看YouTube上的励志演讲。那些人说自己赚了几百万，做了这个那个。看完之后你会有种感觉：我看到了秘密，现在我充满动力。但第二天醒来，这种感觉全消失了。

这些视频是陷阱，让有动力的人掉进去，让你在什么都不做的时候感觉有动力。同样的陷阱还有过度关注好习惯、阅读、锻炼。这些东西本身都很好，但如果你不是在做重要的事情，这些都没意义。

什么是重要的事情？解决真实的问题，做真实的工作。有几百万家创业公司会很乐意让你免费工作。你只需要联系他们，说：我想试着和你们一起工作,这个周末试试怎么样？我准备做任何事，我知道我能做好。

父母的影响有多深

加布里埃尔后来意识到一件事：父母分为两种，或者说是个光谱。他的父母从来没说过：你必须在学校拿好成绩。他们只要求从A到F的评分系统里，他能拿到E或以上就行。这是他们对他职业生涯唯一的意见。

他曾经很生气：为什么他们不在乎？为什么不逼我更努力？我纪律性很差，但我想做很多酷的事情，为什么他们不逼我？

后来他明白了，这个光谱的一端是父母把多少自我认同投射到孩子身上。他的父母在光谱的极端，几乎不把自我投射到孩子身上。另一端是那些把很强的自我认同与孩子绑定的父母。这些父母往往是自己没有实现童年梦想，现在想通过孩子活出来：你要当医生，你要当律师，这是我的梦想，也应该是你的梦想。只要你做这些事情我就爱你，因为这是我本来想做的。

他们是真心为孩子好，他们说服自己：我真的想让你这样，因为我真的在乎你。但通常这背后有很强的自我驱动：我想让我的孩子这样做，这样我就可以告诉邻居和朋友我的孩子做了什么。

每个人都在这个光谱的某个位置。在瑞典，父母通常更偏向不太在意学历那一端，部分原因是大学是免费的，还有就是瑞典父母平均而言较少把自我投射到孩子身上。

现在加布里埃尔知道了这个机制，他很高兴自己有那样的童年，可以尝试和做任何想做的事情，无论做什么都能得到支持。当然，他爸爸当他说要辍学时还是很吃惊，说：不不不，这不好。但他们很快就接受了。

70%的人都在轻度痛苦中

加布里埃尔在推特上发过一条：70%的人处于永久的轻度痛苦中，因为他们对做任何心理上困难的决定过敏，只要还有什么都不做的选项。

他说这条推文如果人们真的读了、理解了、照着做了，世界的幸福水平可能会提高20%。

问题在于，当事情在情感上很困难时，人们很容易做错误的决定。而且人们不知道什么时候事情在情感上是困难的，因为大脑不会真的让你知道。

比如你在一份工作上，不太喜欢它。你的选择是什么？你需要联系很多其他公司，比较它们，需要准备面试，这很难。然后还要真的去面试，可能被拒绝，那很难过。然后要谈offer，这是可怕的经历。最后还要告诉现在的雇主：我要走了。这在心理上太难了。

所以在你的大脑开始思考这些步骤之前，它就会说：我现在做的可能是最好的事情了，我现在学得可能是最快的了。即使你超级有野心，想快速学习，你也会说服自己：我现在学得是最快的了。无论你在哪里，即使这是你第一份工作，是几百万份工作中随机的一份，即使你已经在那里三年了，你还是会说服自己你学得最快。

关键是要看到真相，对自己诚实。比如最简单的目标：好的薪水。很多人就想要好薪水、好同事、可能远程工作。这些很标准。

加布里埃尔有个瑞典朋友，拿着在瑞典算不错的薪水，比普通薪水高50%。加布里埃尔跟他说了很多次：兄弟，你为什么不申请旧金山的工作？你的薪水会翻10倍，和更好的人一起工作，做人们真正使用的东西。但这个朋友大脑里会冒出各种不该这样做的理由，他不断推迟，因为这在情感上太难了。

最后加布里埃尔直接把他介绍给一家公司，强制让他开始面试。一旦开始面试，就简单多了，因为公司会试图把你拉进去，他们会做那些烦人的事。突然就有了动力，然后他们会给你offer。你从来不用真的去思考，现在你有了offer，你只需要签字。

这个朋友最后薪水翻了10倍。但加布里埃尔跟他说了可能一年，如果按货币算，他因为不做这个简单的事情，字面意义上损失了在瑞典买一套房子的钱。就因为他没有去申请旧金山的工作，这非常简单。

旧金山的魔力

加布里埃尔说，如果你真的想把整个人生投入创业，最好的选择就是搬到旧金山。这里的人才密度极高，资本流动非常自由，每个人都在不断交流，你可以雇到极其优秀的人。这是另一种动力效应。

如果你从来没去过旧金山，每个人都会跟你说应该去。通常他们来的第一周，就会改变世界观。他们会想：天啊，我不知道世界上有这么多人关心我在做的事情。我刚刚在同一个房间里遇到的人，比我想象中全世界存在的还要多。这是真正的动力，不是某个人站在台上讲励志演讲，告诉你一堆听起来不错但没意义的东西。

在旧金山，你有和你想法一样的人，行动方式一样的人，像你一样努力工作的人，像你一样在乎的人，他们不是工作40小时一周。这是个不可思议的城市。看看硅谷出了什么东西，几乎所有创新都在这里发生。可能比整个欧洲加起来还多。只在旧金山的资本量，可能比整个欧洲加起来高一个数量级。

苹果、谷歌、OpenAI、Anthropic，所有这些大公司的总部都在这里是有原因的。你生活中关心的一切，生活质量方面的东西，比如谷歌地图，在它之前你得用纸质地图。那是埃隆·马斯克15年前在旧金山做的。你的iPhone，这个不可思议的技术，在旧金山做的。卫星互联网，让瘫痪的人重新行走，治愈疾病，这几乎全都来自美国，特别是旧金山。这里只有100万人口，和斯德哥尔摩差不多大，但这里有网络效应和人才密度。

如果你想来旧金山，第一步是变得非常擅长某件事。如果你有野心，想做事情，你就开始和真实的公司工作，你就会变得很好。第二步是找到一家愿意赞助你的公司。这就需要你真的很优秀，因为公司需要走签证流程，这对他们是额外开销。他们当然更愿意直接雇美国人，这样开销更少。

但事实是，世界上极其优秀的软件工程师非常少，而美国和世界其他地方对优秀软件工程师的需求巨大。我们永远不够用。即使我们把美国真正优秀的软件工程师数量翻倍，还是不够。所以如果你来自其他国家，你真的有很大机会搬到美国。你可以通过互联网证明自己的价值，一旦你能向公司证明你提供巨大价值，旧金山的人很乐意赞助你。

加布里埃尔自己申请O1签证的过程也很有创意。他用了Stack Overflow上的帖子作为学术发表的证据。他的帖子有几百万浏览量，经过同行的严格评审，Stack Overflow社区会投票和删除任何不真实的内容。如果你得到了赞，说明你帮助了很多人，这符合签证标准：你是否帮助了人们？这是一个非常有创意的方式来论证O1签证。

永远不要低估自己

访谈快结束时，加布里埃尔说了一件对他来说很重要的事，他觉得很多和他想法相似的人都有这个问题：他们觉得自己不够聪明。

他记得自己成长过程中觉得自己是个傻瓜，或者说，他在小学数学还行，和他所在小镇的人比还不错。但你看到其他人在造火箭，在做这些巨大的事情，他就想：天啊，我怎么可能做这些事情？根本不可能。

但人们真的很容易低估自己能做什么。可能就是听这个播客的人，已经在前1%了。大多数人没有动力去说：我想做点什么，然后花一个小时听些什么来实现它。你已经在前1%了。前1%的人，那就是世界上前500家创业公司，甚至可能是前200家。

如果你只是把这些点连起来，想：如果我继续走这条路，我就会到那里。你可以回到旧金山，在顶级公司工作，或者创办顶级公司。还有太多事情要做。

加布里埃尔相信，像ChatGPT这样的大语言模型将带来世界GDP的双位数增长。当更多人能够像他一样工作，能够快速学习任何领域的知识，能够解决以前只有专家才能解决的问题，整个世界的生产力将出现爆发式增长。这不仅仅是技术进步，这是一场学习方式的革命，一场人类能力的大规模升级。

这是一个关于信念的故事，关于方法的故事，关于这个时代独特机会的故事。当知识的获取方式改变，当传统门槛被打破，真正重要的不再是你上了哪所学校，而是你能不能解决真实的问题，能不能快速学习，能不能在面对困难决定时不逃避。

加布里埃尔说他本可以早四年到达现在的位置，如果有人告诉他这些的话。现在他试图告诉那些和他相似的人，希望他们能更快到达。这些建议不适合所有人，每个人想要的东西不一样。但如果你恰好是那种觉得这些话说到心里的人，那这可能会对你产生巨大价值。

AI时代的学习方式已经彻底改变了。知识不再稀缺，稀缺的是那种知道如何提问、如何将知识转化为能力、如何在真实世界中解决真实问题的能力。这是个属于高执行力者的时代，属于那些不满足于被动接受教育，而要主动出击的人的时代。

最后，介绍一下，我的星球：「AIGC·掘金成长研习社」，主要分享什么内容呢？三个板块的内容：

1、副业赚钱领域的内容。我做自媒体十几年了，有很多副业赚钱方面的经验和干货，而且每周都会定期详细带大家拆解一个副业赚钱案例，持续更新的那种，目前，已经分享了上百篇跟副业赚钱相关的帖子和文章了。

2、AI 落地和实操相关的内容。我在里面也分享了很多 AI的各种玩法和落地场景，包括用 AI 做副业的案例也都有。

3、个人成长。我会分享很多我做超级个体和自由职业的一些思考和成长类的内容，目前我已经做自由职业 5 年了，有太多的感慨和内容分享。

如果你想学习如何搞副业，如何使用 AI ，甚至如何使用 AI 搞副业，那一定要加入我这个超值的星球。目前，已经更新了 1600 多条干货和文章了，加入成员 770+。感兴趣的可以加入。

最近限时最大优惠，原价 149 ，今天加入可以立减 50 元，只需要 99 元，春节后，会涨价到 199 元。我认为我的星球是目前副业和 AI 领域最超值和具有性价比的星球，价格不贵，同时内容也不比几千块钱的星球差。

大家可以扫码，查看，支持 3 天无理由退款，内容好不好，先进来看看再说，不适合自己退了也没毛病。