三个模型同时训练，参数没设好，一个 checkpoint 都没存下来。1500 元就这样烧掉了。

苏庭灏哭了一场。

几个月后，这个节目介绍为 2009 年出生的高中生，带着论文《Attention Projection Mixing with Exogenous Anchors》去了韩国。公开页面把它列为 ICML 2026 Poster，arXiv 作者栏只有 Jonathan Su 一个人。论文研究的是 Transformer 如何更有效地跨层复用早期注意力投影。

《张小珺Jùn｜商业访谈录》里，两组数字放在一起，正好露出这个故事的门槛：苏庭灏说，理解 GPT 和 Transformer 的基本框架，高中数学已经够用；为了完成这篇论文，他前后花了约 3 万元训练模型。

研究工具的门槛降了，研究本身仍有价格。知识门禁松动以后，试错预算、家庭空间和自我管理接手了筛选。

高中数学能看懂，研究直觉买不到

他的路径里，传统学术机构几乎缺席。

他先看吴恩达的课程，再跟着 Andrej Karpathy 的公开视频从零写 GPT。不少内容根本看不懂。他给自己定了一个任务：连续 30 天，每天读一篇机器学习论文。后来，他在自己的 Transformer 代码上尝试 Muon、Value Residual Learning、Gated Attention 等方法，前后做了两百多次改动。

许多疑问，他直接问 AI。他用 ChatGPT 查投稿流程、回复审稿意见、控制训练时间。公开课程告诉他模型怎样搭，开源数据集和云算力让实验真正跑起来。一个高中生由此绕过了研究生课程、导师推荐和实验室工位，直接走到国际会议的评审桌前。

降低的是获取解释的成本。

苏庭灏自己紧接着补了一句：框架可以用高中数学理解，直觉仍要慢慢长出来。Q、K、V 各自做什么，他曾经跟着视频敲完代码也没有真正懂。半年甚至一年以后，那些概念才在脑子里突然接上。他把这种时刻叫作 aha moment。

把问题交给模型，并不会自动长出一篇论文。他需要判断哪篇论文写得好，哪个改动值得测试，实验失败后该删什么、留什么。论文摘要里提到的 ExoFormer，来自他对注意力投影跨层复用方式的调整；验证这一点仍要设计对照、扩大训练并接受会议评审。

AI 让解释变得充足，判断仍然稀缺。 知道一个概念是什么意思，比过去容易很多；知道哪个问题值得连续试两百次，依旧没有现成答案。

三万元与容错空间

苏庭灏说，他原本想训练一个“小模型里很强”的语言模型。算完 GPU、训练天数和 token 以后，他发现即使模型很小，也可能花掉十几万甚至上百万元，只好缩小目标。

完成论文的实验仍花了约 3 万元。他准备扩大模型规模时，又面对一笔约 6000 元的训练费。那天晚上，他反复考虑要不要继续。扩完不代表论文会接收，这笔钱很可能只换来一次被拒。

最后是哥哥和父母支持他继续。他还提到，父母无法在技术上指导自己，两人学的都是文科，但愿意承担费用，也允许他在数学竞赛、编程、象棋和 AI 之间走许多弯路。他说自己不在高考体系里，因此拥有更多时间探索喜欢的东西。

这几项条件很容易被“17 岁进 ICML”的结果遮住。公开视频可以免费，DeepSeek 可以免费，论文也能免费下载；进入实验阶段以后，失败却按 GPU 小时计费。那次 checkpoint 事故没有留下研究结果。1500 元只买到一个以后不会再犯的错误。

那 3 万元为实验换来了更多容错空间；家庭给他的还有一段不必立刻兑换成考试分数的时间。

操作方法越来越便宜，能承受多少次失败，仍由预算决定。 当研究工具走出大学实验室，家庭资产负债表开始以更隐蔽的方式进入人才筛选。

同一台 AI，把差距移到时间分配

苏庭灏所在年级的同学几乎都用 AI。区别不在有没有账号，而在省下来的时间去了哪里。

他的做法是让 AI 处理一部分自己认为收益较低的作业，把时间拿去用 Anki 背诵、继续学习或做研究。他也描述了另一种用法：让 AI 完成功课，然后去玩。工具相同，结果会朝两个方向走。

节目里有人问，AI 会不会让成绩好的学生更好。苏庭灏同意。他举了一位成绩很好的朋友为例，对方学会使用 AI 后，把部分重复劳动交出去，再把时间投入更有效率的学习。他随即补充，如果只是用 AI 交差，成绩反而可能变差。

《用 AI 造捷径，是在废掉真学习｜洋葱学园杨临风》讨论的是另一面：答案来得太快，学生会跳过把知识织成网络的过程。苏庭灏的经历把问题又往前推了一步。AI 不只提供捷径，也制造了大量可自由支配的时间。学生必须决定哪些过程可以跳过，哪些过程必须亲自留下。

这项决定本身就是能力。一个人要先知道作业是否已经失去训练价值，才有资格把它交给 AI；也要知道省下来的两小时值得投向哪里。过去，学校通过统一作业替学生安排时间。现在安排权回到个人。判断失误的后果也一并回来了。

答案便宜以后，选择问题、分配时间和延迟满足对结果的影响被放大。 自驱力从一句教育口号，变成会直接拉开产出差距的生产要素。

大学丢掉知识垄断，留下证书和同伴

苏庭灏在节目里说，大学过去垄断了教育和信息。没有网络时，想学前沿知识，只能去先进的大学。现在这道门松了：课程、论文和 AI 导师都在网上，知识不再必须从校园里领取。

可他的近期目标仍是考进北大元培学院。他给出的理由包括自由选择、可以更快毕业、获得证书，以及和“高质量的人”交流。

他的选择恰好标出了学历门槛松动的边界。

一所大学同时出售知识、认证和同伴网络。AI 正在快速压低第一项的价格，却很难替一个年轻人提供被社会承认的身份，也无法立即复制长期同处形成的信任关系。知识越容易获得，证书和圈层甚至可能承担更多筛选压力。

算力是例外。顶尖实验室拥有个人很难调动的训练规模。苏庭灏的论文能在家庭预算内完成，是因为他把问题压到较小模型上。节目中谈到另一位进入前沿实验室的高中生时，他也承认，对方的方案已经在远大于个人实验的规模上得到验证，自己的工作不是同一个量级。

所以，学历的知识合法性正在松动，学历的交换价值仍在。一个人可以不先成为研究生就做出研究，却仍会想进入名校、加入实验室、认识同行。AI 打开了一条旁路，没有让主路失去收费能力。

一个国际学校样本，不能证明教育平权

苏庭灏的经历说明了一种窄而重要的可能：2026 年，一个拥有强自驱力、公开知识、AI 工具和可承担预算的高中生，已经可能以单作者身份完成一套通常在导师与实验室环境中推进的研究流程。

这仍是个案。

按节目中的自述，他就读香港德瑞国际学校，父母支持探索，家庭能承担约 3 万元实验费，也允许他用大量时间读论文、写代码、试两百多次改动。把这些条件删掉，只留下“高中数学够用”，会把真实的门槛藏起来。

节目后半段有一个很安静的对照。参加完 ICML 后，苏庭灏去北京周边的农村支教。那里的孩子没有自己的电子设备，他也没有条件让每个人试用 AI。他刚从一个人人讨论 Qwen、DeepSeek 和新架构的会场回来，几天后面对的是英语课、象棋、抓昆虫和狼人杀。

这两个世界之间缺的显然不只是一门公开课。

AI 的普惠价值同样真实。多数学生不需要预训练模型，免费的 AI 已经能提供过去昂贵的一对一答疑。它可以帮助缺少优秀老师的人读懂概念，也能让一个没有导师的学生第一次知道论文该怎样投稿。入口确实比过去宽了。

入口变宽，结果仍然可能分化。谁能把 AI 当导师，谁把它当代写；谁能租 GPU 试错，谁连稳定设备都缺；谁的家庭允许半年没有结果，谁必须把每一分钟换成下一场考试的分数。这些差异不会随着模型开放自动消失。

门开了，账单还躺在地上

苏庭灏那次损失 1500 元的训练事故，压缩了 AI 教育里常被分开讲的两面。

只看收录结果，这是一个工具普惠的故事：17 岁高中生靠公开视频、开源数据和 AI 助手走进 ICML。盯着训练账单，又会看到国际学校、家庭预算和可自由支配的时间。同一段经历容纳了两种解释。

知识入口已经松动，年轻人可以更早触碰前沿；试错、时间、判断和家庭支持随之变得更显眼。

未来的教育差距，可能会沿着新的位置拉开。答案人人可得以后，有些人能够把三万元投进一个没有保证的研究问题，也能接受一次训练只换来“这次不行”。另一些人连这样的试错都无法开始。

点击“阅读原文”，收听《张小珺Jùn｜商业访谈录》151 期完整访谈。