(Ilya Sutskever,2025 年 6 月 7 日,多伦多大学毕业典礼)
沉默 240 天后,前 OpenAI 联合创始人 Ilya Sutskever 回到了 20 年前他拿到学位的讲台。
他没有谈模型参数,也没有讨论 AGI 的时间表,只说了这样一句话:
Any task I can learn, AI can soon master equally well
(任何我能学会的事情,AI很快就能做得一样好)
这是一次极其克制的演讲,但留下的余震却远超想象。
国外YouTube 上的毕业生评论区里,“cold shower”“警钟长鸣”成了高频词。因为这不是一句鼓励式寄语,而是一条需要被认真对待的警告。
现实正在快速兑现这句话:
OpenAI 与宾夕法尼亚大学联合研究指出:80% 的美国职场人,其工作中至少 10% 的任务将被 GPT 级模型接手;
到 2025 年,GPT-4o、Claude 4、Gemini 1.5 等多模态模型已在代码生成、法务审校、内容创作等领域全面落地;
它们不只“能干活”,而是开始“接活”——从分析文档、生成提案,到独立处理决策流程。
对中国 3.8 亿职场人而言,这不是趋势预判,而是现实清单。
那些你以为“安全”的技能,正被逐步重写; 那些你熟悉的流程,正在无声被替代。
接下来的内容将带你读懂这 10 分钟演讲背后的 3 层洞察:
为什么“AI 能做你能做的一切”是一个逻辑而非猜测?
Sutskever 说的“接受现实”,到底指什么?
他为什么强调“不要等到那一天,才开始关注 AI”?
这不是一场预测未来的演讲,而是一次现实倒计时的提醒。
第一节|他沉默 240 天,却只讲了一件事Ilya Sutskever 的最后一条 X,停在 2024 年 10 月 10 日——那天他祝贺老师 Hinton 获得诺贝尔物理学奖,也顺便提到 DeepMind 的 Hassabis 获得化学奖。
两个月后,他在 NeurIPS 大会上短暂露面,说出一句引发争议的话:‘大模型的预训练即将终结。’
之后,他就彻底沉默了。
不再发 X,不再参与公开讨论,也缺席了所有 AI 领域的重要产品发布和公司动向。
对一个联合创始人、首席科学家来说,这样的沉默极不寻常。
直到 2025 年 6 月 7 日,他才再次出现在公众面前。 地点是他曾就读十年的地方——多伦多大学。
他并没有选择科技大会、媒体访谈,甚至没有带幻灯片。
他只说了 10 分钟,讲了一段关于 AI 的判断,也讲了一段关于人类的提醒。
最重要的一句是:
任何我能学会的事情,AI 也能做得一样好。
他说得很平静,没有语气起伏,甚至像在陈述天气。
但这句话的含义,是我们每一个人都必须面对的现实:不是某一类工作,也不是部分流程,而是你所有能学的技能,AI 最终都可能做到。
他没有喊人工智能要统治世界,也没有勾勒远景,而是用了非常简单的语言,解释了这个逻辑:
我们每个人都有大脑,而大脑是一台生物计算机。
既然数字计算机能模拟它,为什么不能完成同样的事?
换句话说:
你会写方案,AI 也会;
你能分析数据,AI 也能;
你用语言沟通、用常识判断问题,AI 也在学,而且越来越快。
Ilya 没有提出时间表。他说,有人说 3 年,有人说 5 年,也有人说 10 年——“我们无法确定是哪一年,但这一天正在接近。”
他也没有提供解决方案,更没有任何鼓励性的总结。
他说的是一个趋势,是一个你无论喜欢与否、都正在靠近的现实。
未来会和今天非常不同。
这是他对在场毕业生说的,也是对我们所有人说的。
不是危言耸听,而是他眼里,必须提前接受的一种生活方式的变化。
第二节|不是预测,是常识:AI 为什么终会做你会的事Ilya 并没有用技术术语来解释为什么 AI 会做你会的事。
他讲得非常直接,甚至简单得像一堂初中生也能听懂的课。
他没有讲神经网络,也没有提什么参数量,而是说:人类之所以能学会做事,是因为我们有一颗会处理信息的大脑;
而 AI,只是用另一种方式,在模仿这个过程。
它不像人那样靠感觉、靠直觉,而是靠数据、靠练习,一点点学、一点点改进——但只要它还在学,就会越来越接近我们能做的事。
然后他接着反问:
既然我们的生物大脑可以做到某件事,那为什么数字大脑就做不到?
这不是预测未来,而是一个常识推理。
就像汽车刚出现时,人们也担心它能不能像马一样跑、像人一样控制方向。 但最后它不仅能跑得更远,还能自动导航、自己泊车。
Ilya 的意思很简单:
AI 不需要像人一样有情绪、会思考,它只要把事做对、做快就够了。
它不会累,不抱怨,学一次就能无限复制。 一旦它开始“学你会的事”,就很难不被它超越。
他没说谁最先受影响, 但他提醒我们:这一切,可能比你预期得快。
你今天靠经验和重复练习建立起来的能力,AI 正在用另一种方式学会。 它不需要替代所有人,只需要在一两个关键环节比你快,就可能让你的岗位变得可选、可替代。
Ilya 没有列出清单,没有拿出曲线图,他只是让你冷静地看清方向。
随着 AI 一点一点改进,它终将能做我们能做的所有事情。
不是某个岗位,不是某个行业,是我们能学会的“所有事”。
这就是他在毕业典礼上说的全部逻辑。
通俗,但扎实。没有术语,但也无法反驳。
第三节|面对这个未来,他只给出一个建议面对 AI 将接手所有技能的可能性,Ilya 没有给出解决方案,也没有鼓励大家“去学 AI” “转做机器不会的事”。
他讲的唯一建议,不是关于技术,而是关于你怎么面对这个变化。
他说:
接受现实本来的样子,尽量不要为过去后悔,
而是努力改善现状。
这不是一句鸡汤。
他说这句话时,非常坦白地加了一句:
这真的很难做到。
因为大多数人在面对不确定的未来时,第一反应是回头看:
我是不是大学选错专业了?
我如果早点转行,是不是会更安全?
为什么这场变化来得这么快?
Ilya 的回答是:这些问题都没用。
他说:事情已经发生了。现在的问题是:下一步该怎么做?
这句话背后,其实是告诉你一件事:
在 AI 面前,谁能调整状态,谁就比别人早一步适应。
不是你是不是程序员、是不是博士,而是你能不能快速从情绪中走出来、看到眼前的方向。
这也是为什么他把这条建议说了两次:尽量别陷在过去那些糟糕决定、倒霉事情里;说‘好吧,就这样了’,然后去想下一步,往往会更好。
这听起来简单,做起来难。Ilya 自己也承认:
这是一场与自己情绪的持续斗争。
不是叫你冷漠,而是叫你别被情绪困住。别在不安里原地打转,而是开始动起来,哪怕只迈出半步。
所以整场演讲,他没有鼓动,也没有安慰,他只是在说:
AI 的挑战已经在路上了。你不需要马上赢,但你必须开始往前走。
而这第一步,不是去学什么新技能,而是先把自己的心态拉回到现在。
第四节|他没画远景,只提醒你别错过那个时间点整场演讲,Ilya 只提到了一种行动方式——不是去学代码,不是去报班,而是认真地看 AI 到底能干什么。
他说:
只要你去使用今天最好的 AI,去观察它能做什么,
就会开始对未来形成一种直觉。
他说的是“直觉”,不是“计划”。
因为很多人面对 AI 的第一反应是:
我是不是该换行业?
是不是以后都要用大模型?
我还来得及吗?
但你会发现,这些问题都太大、太空。Ilya 给出的建议反而很小:
去看 AI 能做什么(Just look at what AI can do)。
他不是在讲道理,而是在劝你去亲眼看、亲手试。
你用过之后,就不会只看网上的夸张新闻,也不会被一两张对比图吓到。
“当你真正去看它、理解它,等到它真的变强的时候,你才不会忽视它。”
这句话很关键:不忽视它。
AI 的变化可能不会一夜之间爆发,但会在你不经意的时候,慢慢替代掉你没注意的部分。
所以他不是让你去预测 AI 的终点,而是在整场演讲中反复提醒你:
观察它、关注它,在时机到来时不要忽视它。
这是一种防守方式,也是一种铺垫方式。
你可以不用跑在最前面,但你不能什么都不看。
他说得再直接不过:
AI 带来的挑战将是人类历史上最大,但也可能带来最大回报。
你怎么应对这个挑战,决定了你有没有机会得到那个回报。
结语|这场挑战已经开始了Ilya 没有预言未来,也没有试图定义人类的出路。
他只是站在 20 年前领到学位的地方,用最平静的语气说了一句话:
你能学会的每一件事,AI 最终都能掌握。
这句话不是为了吓人,而是给你一个机会: 在它真正改变你之前,先看清它已经改变了什么。
“未来不会等你准备好,它自己会到来。”
这是 Ilya 想告诉你的全部。
本文由AI深度研究员出品,内容根据Ilya Sutskever于2025年6月7日在多伦多大学毕业典礼上的演讲独家整理,作者:AI深度研究员,原文标题:《沉默 240 天,Ilya Sutskever 多伦多演讲:AI 将接手你的一切,你准备好了吗?》
风险提示及免责条款 市场有风险,投资需谨慎。本文不构成个人投资建议,也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。