◆wh1t30
Watchlist Shapers Notes 关于
← Shapers
IS

Ilya Sutskever

联合创始人

AI决策创业

在哪里找到 TA

@ilyasut ↗ SSI ↗

基本介绍

Ilya Sutskever（伊利亚·苏茨克维尔，1986— ）是当代最重要的 AI 研究者之一，也是深度学习革命的核心推动者。他是 OpenAI 联合创始人、前首席科学家，也是 Safe Superintelligence Inc.（SSI）的联合创始人。他的影响力横跨两个层面：技术上，他是把深度学习从边缘假说推向工业主流的早期关键人物，参与或主导了 AlexNet、Seq2Seq、GPT 系列等一系列奠基性工作；战略上，他对 AI 发展路径的判断——尤其是”规模化时代正在结束、研究时代正在回归”——正在深刻影响整个行业的方向感。

他是历史上被引用次数最多的计算机科学家之一，并罕见地在 2022、2023、2024 连续三年获得 NeurIPS “时间检验奖”（Test of Time Award），该奖项专门表彰对 AI 领域产生十年以上持久影响的论文；2025 年他还获得母校多伦多大学授予的荣誉科学博士学位。他的核心关切始终围绕一个问题：如何建造真正能理解世界、而非只会应试的智能。 这个问题驱动他离开 OpenAI、创立 SSI，也解释了他为何在行业普遍追逐产品与营收的时刻，选择回归纯粹的研究。

关键时间线

  • 1986 年：出生于苏联高尔基市（今俄罗斯下诺夫哥罗德），犹太家庭，幼年随家人移居以色列，少年时期又移居加拿大。
  • 2005—2013 年：在多伦多大学完成数学学士（2005）、计算机科学硕士（2007）与博士（2013），师从”深度学习之父” Geoffrey Hinton，博士研究方向为循环神经网络的训练。这段经历塑造了他整个研究生涯的底层信念：神经网络是通往智能的正确路径，从大脑汲取灵感是研究的正确方向。
  • 2012 年：与 Hinton、Alex Krizhevsky 一起发布 AlexNet，在 ImageNet 大赛上以压倒性优势击败传统计算机视觉方法，被广泛视为点燃深度学习革命的标志性事件。此后他有一段短暂的斯坦福博士后经历，并很快加入 Google Brain。
  • 2014 年：在 Google Brain 期间，与 Oriol Vinyals、Quoc Le 合作发表 Seq2Seq（序列到序列学习）论文，为神经机器翻译乃至后来的生成式模型奠定了范式基础。这篇论文正是他 2024 年 NeurIPS 时间检验奖的获奖之作。
  • 2015 年：与 Sam Altman、Greg Brockman、Elon Musk 等人共同创立 OpenAI，出任首席科学家。此后近九年，他主导了 GPT 系列的核心技术方向，在 GPT-2、GPT-3、InstructGPT、GPT-4 的研究中发挥关键作用，也是把”基于人类反馈的强化学习”（RLHF）引入语言模型的重要推手。
  • 2023 年 7 月：OpenAI 宣布成立”超级对齐”（Superalignment）团队，由 Ilya 与 Jan Leike 共同领导，承诺在四年内投入公司已确保算力的 20%，去解决”如何对齐比人类更聪明的系统”这一问题。
  • 2023 年 11 月：OpenAI 董事会危机爆发。Ilya 作为董事会成员参与了驱逐 Sam Altman 的决定，随后又在员工联名与投资方压力下转向支持 Altman 回归，并在 X 上公开表示：“我深深后悔自己参与了董事会的行动（I deeply regret my participation in the board’s actions）。”
  • 2024 年 5 月：Ilya 正式宣布离开 OpenAI；同月，超级对齐团队随他与 Jan Leike 的相继离职而解散。
  • 2024 年 6 月：与 Daniel Gross、Daniel Levy 共同创立 Safe Superintelligence Inc.（SSI），办公室设于帕洛阿尔托与特拉维夫。公司定位极为独特——“世界首个直取式（straight-shot）SSI 实验室，只有一个目标、一个产品：安全的超级智能”。据公开报道，SSI 于 2024 年 9 月完成约 10 亿美元融资，2025 年 4 月前后一轮融资使其估值达到约 320 亿美元（数字来自报道，尚未获公司完整披露，应审慎看待）。
  • 2024 年 12 月：在 NeurIPS 2024 时间检验奖演讲中提出”我们所知的预训练将会终结（pre-training as we know it will end）“，并把训练数据比作”AI 的化石燃料”——互联网只有一个，数据不会再增长。
  • 2025 年年中：据报道，联合创始人 Daniel Gross 离开 SSI、加入 Meta 的超级智能实验室；此后 Ilya 出任 CEO，Daniel Levy 任总裁，SSI 进入 Ilya 主导的新阶段。

核心理念与观点

从规模化时代回归研究时代

这是 Ilya 近期最广为引用的判断，也是理解他创立 SSI 的关键。他把深度学习的发展粗略分为三段：研究时代（约 2012—2020）、规模化时代（约 2020—2025）、以及当前正在到来的新研究时代。 规模化时代的核心逻辑简单而稳定：增加算力、增加数据、扩大参数，性能就会提升——这一规律如此可靠，以至于成为整个行业的默认范式。预训练作为一种”低风险投资”，让公司可以持续投入而无需押注单一的研究灵感。

但他认为这一时代的红利正在消退。他在 NeurIPS 2024 的时间检验奖演讲中把这一诊断表达得极为凝练：“我们所知的预训练将会终结”，因为算力仍在增长，但作为燃料的数据不会——“数据是 AI 的化石燃料”，而”互联网只有一个”。当燃料被烧尽，仅靠继续放大规模换来的边际回报便开始递减，而更根本的问题——AI 如何真正泛化、如何在真实世界中可靠运作——并没有因为规模变大而自动解决。

新研究时代的特征是：手握规模化时代积累下来的巨大算力，却需要用它去探索真正新颖的想法——新的架构、新的学习范式、更好的价值函数——而不是在同一条路上走得更远。在这个时代，瓶颈从算力重新变回想法。 他常提醒人们，划时代的突破并不总来自最大的算力：AlexNet 当年只用两块 GPU、Transformer 最初的验证也不过几十块 GPU，真正稀缺的从来是正确的想法。SSI 的赌注正建立于此：如果想法才是稀缺资源，那么一家不被产品节奏与营收压力牵引、专注寻找正确想法的纯研究机构，就有独立存在的理由。

泛化能力与”价值函数”的缺失

在与 Dwarkesh Patel 的长篇访谈（2025）中，Ilya 反复强调，当前 AI 与人类智能最根本的差距不在知识量或推理速度，而在泛化能力（generalization）。他指出一系列令人困惑的反差：模型能在编程竞赛中超越顶尖选手，却在真实工程里修一个 bug 时引入新的 bug；能在数学推理上表现优异，却在常识应用中犯低级错误。他把这种”高分低能”的根源部分归于强化学习训练的结构性缺陷——为了在特定评测环境里拿高分，模型学到的是针对该环境的窄技能，而非可跨场景迁移的真正理解。

他据此提出一个更深的诊断：当前系统缺少人类那样的”价值函数（value function）“——一种在过程中就能持续判断”我做得好不好”的内在评估机制，而不必等最终结果才知道对错。人类学习之所以样本效率极高，正因有这个机制在随时校正：一个初学者在把事情彻底搞砸之前，往往已经能感到”这一步不太对”，从而及时调整；而当前 RL 中的奖励信号往往只在任务结束时才给出，过程中每一步的好坏评估极为困难。Ilya 相信，找到 AI 版本的”价值函数”很可能是下一个突破口，让模型从”靠海量试错刷分”转向”像人一样从少量经验中高效学习”，而这也是 SSI 研究方向的核心关切之一。

值得强调的是，这条”泛化—价值函数”的诊断主要来自他近期的公开访谈，属于其个人研究判断与假说，而非已被同行验证的结论；不同研究者对”当前 AI 究竟缺了什么”仍有相当不同的看法。但它清晰地勾勒出 Ilya 的思考重心：与其继续在旧范式上加码，不如去补上那个让智能”真正会学”的缺失环节。

超级智能的形态与渐进式部署

Ilya 对”超级智能”的想象与大众直觉不同。相比”无所不知、瞬间解决一切”的神谕形象，他更强调**“能够学会任何事情”的持续学习能力**，而非预先装填的知识总量。他认为，预训练范式塑造了一种误导性的直觉——把智能理解成”已经装满知识的成品心智”；而真正的强智能更像一个学习速度惊人的少年，被投入陌生环境后能极快地掌握新技能，而不是一开始就带着所有答案到来。这个视角把智能的重心，从”存量的知识”移到了”学习的能力”本身。

由此他倾向于渐进式部署（incremental deployment）：强大的 AI 不应在”完成”后突然释放给世界，而应在发展过程中逐步让公众、政府与研究者接触其能力，从而在更充分的理解上共同做出决策——这既是安全考量，也是认知层面的必要。他观察到，即便是 AI 研究者本人，也很难凭想象真正把握强大 AI 会是什么样子；只有让人们亲眼看到它做事，认知才会真正更新。渐进式部署因此不只是给社会争取适应时间，更是让整个社会在”看见”的基础上共同调整判断。

超级对齐与安全哲学

安全始终是 Ilya 研究议程的中轴。2023 年 7 月，OpenAI 宣布成立超级对齐团队，由 Ilya 与 Jan Leike 共同领导，并承诺在四年内投入公司已确保算力的 20%。团队要回答的问题极其尖锐：当 AI 系统远比人类聪明时，依赖人类监督的现有对齐手段（如 RLHF）将不再可扩展——人类无法可靠地监督一个比自己聪明得多的系统，我们又如何确保它仍然遵循人类意图？他们提出的一条研究路径是”弱到强的泛化”（weak-to-strong generalization），即研究能否用较弱的监督者去引导更强的模型。

这一问题意识贯穿到 SSI。他反复表达的立场是，能力与安全不该是先后次序，而应”一同推进”——把安全当作与能力同等的科学难题来攻克，而不是事后加装的补丁。在他的框架里，一个足够强大的系统之所以可能安全，关键不在于外部约束把它牢牢锁住，而在于它对”什么是值得在乎的事物”有内在化的、可靠的价值取向。这也是他把公司命名为”安全超级智能”、并声称安全是其”唯一产品”的一部分的原因。

争议与批评

OpenAI 董事会事件是 Ilya 公众形象中最复杂的一笔。2023 年 11 月，他作为董事会成员参与了驱逐 Sam Altman 的决定，旋即又在压力下转向支持 Altman 回归，并公开表达后悔。这一前后反转让外界质疑其判断力与立场：他究竟是出于对 OpenAI 使命的真实忧虑，还是受到了其他因素影响？事件完整内情至今未被公开披露，但它明显加速了 Ilya 离开 OpenAI 的进程。

安全与能力的张力是他绕不开的结构性批评。OpenAI 的超级对齐团队在他与 Jan Leike 离开后于 2024 年 5 月解散，Leike 公开抱怨”安全文化与流程让位于亮眼产品”。这与 OpenAI 早期”安全第一”叙事最终让位于产品与商业竞争的轨迹形成了令人不安的对照，也让人追问：以安全为名的实验室，能否真的抵抗能力竞赛的引力？

SSI 的保密与透明度问题同样引发批评。SSI 采取极度低调的策略——几乎不发布技术报告、不高调参与学术交流、对外几乎没有可见的研究产出。对于一家声称目标是”安全超级智能”的公司，这种近乎黑箱的状态让批评者质疑：在缺乏外部监督的情况下，“安全”究竟由谁定义、如何保证？“没有产品、没有营收却坐拥数百亿美元估值”的处境，也放大了外界对其能否兑现承诺的疑虑。

对”规模化终结”的判断是否过早也存在分歧。尽管 Ilya 的观点获得了广泛共鸣，但仍有研究者认为规模化并未真正触顶，当前的瓶颈更多是数据与效率问题，而非范式层面的终结。他对时间线的乐观预测，同样被部分同行认为可能过于激进。

核心人物关系

导师与学术渊源

  • Geoffrey Hinton：博士导师，深度学习之父，奠定了 Ilya “神经网络是智能正确路径”的根本信念，并与其共同署名 AlexNet。
  • Alex Krizhevsky：AlexNet 的第一作者与共同作者，三人一起开创了深度学习在计算机视觉领域的突破。

OpenAI 时期

  • Sam Altman：OpenAI CEO，2023 年董事会事件的核心对立方；这段关系的复杂性是 Ilya 离开 OpenAI 的重要背景。
  • Andrej Karpathy：OpenAI 早期同事、深度学习领域的重要研究者与教育者，与 Ilya 同属这一代把深度学习推向主流的核心人物。
  • Jan Leike：超级对齐团队联合负责人，2024 年与 Ilya 前后离开 OpenAI，其公开批评凸显了安全与能力之间的张力。

SSI 时期

  • Daniel Gross：SSI 联合创始人；据报道于 2025 年年中离开、加入 Meta，标志着 SSI 进入 Ilya 主导的新阶段。
  • Daniel Levy：SSI 联合创始人、前 OpenAI 研究员，在领导层重组后出任总裁。

参考资料

总结

Ilya Sutskever 的独特之处，在于他同时站在深度学习的”起点”与”临界点”上。他亲手参与点燃了 AlexNet、Seq2Seq、GPT 这条技术主线，却又是最早、也最坚定地宣告”规模化时代将终结”的人之一。这种从内部否定既有范式的勇气，与其一以贯之的信念相互印证：真正重要的不是把已知的路走到极致，而是找到让机器”真正学会学习”的那个缺失环节——一个 AI 版本的价值函数，一种能可靠泛化的智能。

围绕他的争议——反复的董事会立场、SSI 的极度保密、安全叙事与能力竞赛的张力——恰恰折射出这个时代最核心的紧张：当能力增长的引力如此之大，“以安全为先”究竟是可以坚守的原则，还是终将被稀释的口号。SSI 是他给出的回答，也是一次公开的下注：不做产品、不追营收，只用一支小团队直取安全的超级智能。这场赌注能否兑现尚无定论，但它已经让 Ilya 成为观察 AI 走向”何处、以何种方式”的一个关键坐标。