如何提前看懂下一波 AI 浪潮：OpenAI Tibo 深度访谈

在人工智能领域，技术范式迁移的信号往往早于大众感知。近期，OpenAI 产品团队的 Tibo 罕见分享了从 Google DeepMind 到 OpenAI 的历程、内部决策逻辑及对下一波 AI 浪潮的判断。他亲历了 ChatGPT 前身项目的诞生、Google 因犹豫错失先机的遗憾，以及在 OpenAI 推动 Codex 与 ChatGPT 合并、推出“重置按钮”等标志性动作。他的观点为开发者、创业者和普通用户提供了理解 AI 前沿的独特视角。

一、在 Google DeepMind：提前一年做出 ChatGPT，却被自己挡住

Tibo 曾在 DeepMind 负责加速研究的基础设施和产品。当时团队扩展语言模型成果显著，顺势推出了可对话的工具 LMChat（另有代号）。Tibo 回忆：“我就在那个团队。基本上比 ChatGPT 早一年做出来了。但 Google 太紧张不敢发布，DeepMind 被阻止发布可能颠覆 Google 的产品。我经常思考这件事。”

Tibo 形容 DeepMind 极具创造力，但组织结构不适合发布产品。相比之下，OpenAI 研究与产品紧密协作，拥有强烈的发布偏好和让技术惠及大众的使命感。这正是他加入 OpenAI 的原因：使命、人才密度以及“把事情做出来”的文化。

回顾 LMChat，Tibo 认为那是首次意识到模型能生成连贯且真正有用的文本，从“好玩”逐渐变得不可或缺。

Google 的教训深刻。Tibo 提炼出两点核心原则：一是保留自下而上的赋能文化，鼓励员工快速组队发布，减少“刹车能量”；二是避免功能拼凑，保持整体方向一致性。ChatGPT 的 iOS 应用便是质量标杆，团队在投资愉悦感、性能和简单性的同时，仍赋予每个人尝试新事物的能力。这种平衡是他从 Google 经历中带到 OpenAI 的核心管理哲学。

二、给创始人的文化建议：有信念、快速迭代、敢于颠覆自己

关于文化落地，Tibo 提出三条经验：拥有信念、找到用户并基于反馈快速迭代、愿意颠覆自己。第三点对 OpenAI 至关重要：面对不断涌现的新研究，必须敢于识别关键时刻并重新分配资源，即使这意味着调整主营业务。

Tibo 认为 Google 当时的庞大计划并非正确方向。在 OpenAI，公司保持高度前瞻，AI 的未来不会等待现有业务的节奏，必须主动调整位置去捕捉浪潮。

此外，模型能力的发现往往滞后于训练。团队需亲自体验模型，才能发掘其潜在用途。例如，新版 ChatGPT Voice 推出后，极高的听写质量改变了产品形态：Tibo 每天早晨通过语音下达待办事项，ChatGPT 调用工具自动完成。这种交互方式的转变完全重塑了产品设计方向。

三、从 Codex 的“原始”到下一代超越笔记本：解读 Tibo 的推特

Tibo 曾在推文中指出："Codex 是一个好的 harness，但在 2-3 个月后就会显得原始。我们即将经历使用 AI 方式的又一次重大进化。下一代模型需要的不仅仅是你的笔记本电脑。”

关于创新空间，当前即使是重度用户也面临笨拙感：技能文件难以维护、记忆功能不完整、子代理需手动构建网络，破坏了“完美伙伴”的幻觉。用户真正需要的是能深刻理解个人目标、日常及团队动态，并能主动提供帮助且不打破幻觉的系统。

另一个关键限制是笔记本电脑本身。它是为人类输入速度和思维速度设计的，而模型没有这些约束。未来的模型可同时处理上百个应用程序，这意味着下一代模型需要超越笔记本的资源，如云代理和更强大的计算环境。

针对超快模式（ultra-fast）与云代理的关系，Tibo 补充道：当 token 速度提升 14 倍时，网络和工具调用的开销成为瓶颈，但可通过并发执行多个任务（如探索、写测试、编译同步进行）来补偿，将瓶颈转移，实现高效思考与处理。

四、超快模式如何改变独立开发者的工作流

在当前速度下，开发者同时启动多个代理会带来巨大的认知负担和等待时间。超快模式显著改变了这一工作流。Tibo 强调，技术应围绕人类的注意力管理设计，区分即时需求与延时任务。结合语音后，机器能以不亚于人类的速度运作，让用户保持心流，实时查看原型或代码生成。他表示：“以前那种同时多任务处理 10 个代理的做法，我真的不想再回去了。”团队致力于让技术适应人，而非让人适应技术。

这种转变并不意味着完全放弃并发。对于喜欢频繁切换上下文的人，超快模式在专注场景下尤为愉悦。值得注意的是，在涉及大量工具调用的场景中，实际加速效果可能受限于网络开销，约为 3 到 4 倍；而在代码生成、原型制作等密集场景中，加速效果最为显著。

五、两类问题：个人 AGI 与全自动化系统

Tibo 将当前构建方向分为两类：第一类是打造最好的个人 AGI 或代理，它与你同频，主动提出想法并高效完成任务，植根于对个体的深刻理解；第二类是全自动化系统，用于处理复杂流程，如自动优化生产日志、修补回归问题或在网络安全领域自动打补丁。这类系统可在无人参与或仅需极端情况下人类批准的情况下运行。

这两个方向并不矛盾，而是同一技术在不同抽象层次上的应用：个人 AGI 强调交互与陪伴，自动化系统强调可靠性与规模化执行。

六、Codex 与 ChatGPT 的合并：同一技术、同一界面

针对 Codex 和 ChatGPT 合并的质疑，Tibo 解释这是未来模型的必然趋势。团队正在构建一个高度多模态、语音优先、超级强大的个人化代理。底层技术与 harness 相同，无论是否编码都能胜任。界面应根据用户需求动态调整，而非让用户选择“编码”或“非技术”界面。他说：“软件工程师、设计师等标签是人类为了处理抽象而发明的概念，现实中的个体处在某个光谱上。”团队试图打造一个适应每个人的完美界面。

这意味着最终只有一个界面，没有下拉选择。不同用户使用的是同一个产品，但它会根据各自的需求、工具和想法不断调整，最大化效用，维持“完美伙伴”的幻觉。

七、完美幻觉的未来：自然语言、视觉与无处不在的 AI

Tibo 认为，AI 成功的核心在于自然语言——这是人类沟通的本能。AI 技术应扎根于人性，理解情绪和细微差别，让用户无需适应技术，而是让技术成为人类行为的自然延伸。

关于非语言交流（如手势、表情），Tibo 认为这同样重要。未来的 AI 将非常环境化和自然。随着新版 ChatGPT Voice 的推出，语音用户数量快速增长。他指出：“每次你倾向于更自然的东西，人类就会选择阻力最小的路径。当有更好的选择时，人们往往会转向它。”

八、不关注竞争对手，关注独特价值和社区

谈及竞争，Tibo 表示通常不关注对手，而是聚焦于：“我们能独特地做好什么？我们的价值观是什么？如何最大限度地加速？”OpenAI 擅长将强大技术安全、易用地交给更多人。Codex 与 ChatGPT 的合并体现了这一理念，让各类角色都能使用，并通过庞大的用户基础驱动增长。

Tibo 强调社区的重要性。OpenAI 保持透明，从社区采纳大量想法，这不仅带来了能量，也坚定了使命：“我们不是为自己构建这项技术，使命是我们能量的来源。这感觉非常踏实、有趣，然后好事自然发生。”

九、重置按钮：从道歉到庆典，以及一个实体按钮

重置按钮（resets）最初是作为一种补偿机制：当早期产品出现故障或体验不佳时，团队通过增加使用额度感谢用户的尝试。后来，这演变成一种社区文化。Tibo 强调，重置按钮的决策基于原则而非市场或财务考量：“当我们在构建出色的东西时，如果它不够好，我们会弥补。”

除了补偿，重置按钮也用于庆祝新功能发布，邀请用户试用。Tibo 还透露存在一个实体的物理按钮，用于标记重要时刻。这种对用户的关怀类似于亚马逊的退货政策：若犯错，便用实际行动弥补。

十、计算规划与效率：从 80% 降价到 60% 加速

OpenAI 提前两年大量投资计算资源，如今这些资源既用于研究未来模型，也用于提升现有模型效率。最令人兴奋的是，利用最先进模型可以重构整个堆栈，获得显著的性能提升。团队不仅在成本效率上改进，常规速度也比三个月前快了约 60%。

Luna 价格下降 80% 并非单纯的利润让渡，而是算法和工程效率提升的结果。Tibo 承诺：不会独吞效率收益，而是与客户和用户分享，始终保持性能成本的前沿地位。

十一、递归自我改进：不仅是模型训练模型，还包括基础设施

递归自我改进不仅指模型开发更好的模型，还包括利用模型开发关键路径上的基础设施，如 CUDA 内核、新产品交互方式和云代理。Tibo 指出：“如果我们真的破解了云代理，你会变得更高效。这也是一种递归自我改进。”

这意味着改进发生在整个推理栈上：硬件、内核、产品界面和用户工作流。这种更广泛的定义或许是 AI 加速发展的深层动力。

十二、暂停前沿 RL：安全与对齐优先

关于暂停绝对前沿 RL 训练的决定，Tibo 表示这是研究团队为确保安全与对齐所做的必要举措。暂停让团队能够加固系统所有部分，确保在完全掌控的方式下重启训练。OpenAI 内部已达成清晰的原则集合，满足条件即可恢复训练，体现了在安全上的承诺与灵活性。

十三、超快模式的内部使用与未来展望

超快模式目前主要用于高风险场景，如系统宕机时的应急响应。OpenAI 并未无限量提供给内部员工，而是保留大量容量给外部用户和客户，以确保产品持续改进并从递归自我改进中受益，同时 prioritizing 客户需求。

对于未来，Tibo 认为技术会随时间变得更便宜、更快。未来一两年，当前的超快速度可能成为默认标准。但他也预测，总会存在更高层级的服务，通过更多硬件投入和昂贵权衡来获取额外能力。

十四、给普通人的建议：AI 会变得越来越便宜、越来越普及

针对对 AI 影响工作或环境的担忧，Tibo 从效率和成本角度回应：大力投资效率提升直接关联广泛访问和效用。服务成本越低，日常生活中获得的益处越多。

以 Luna 为例，这个小模型效率极高，成本已低到令人惊叹，甚至可在某些平台免费使用。Tibo 表示：“这种对惊人智能的访问将变得无处不在。现在处于前沿的东西，六个月后运行成本会低得多。”

对于从未尝试过 AI 的人，Tibo 建议不必看得太远。ChatGPT 已在写作、建议、医疗和财务等方面提供切实帮助。他本人常使用健康和财务功能，并表示这让他就医时更加知情。“和他人交流，了解别人如何使用并从中受益，是开始思考自己如何受益的好方法。”

结语：抓住下一波浪潮，而不是等待

Tibo 的访谈揭示了下一波 AI 浪潮的方向：更自然的交互、更快的生成速度、更个性化的代理、更高效的模型，以及模型参与自身基础设施优化的递归自我改进。

更重要的是组织层面的教训：不要因为害怕颠覆自己而错过未来。Google 拥有 LMChat 却不敢发布，而 OpenAI 选择了合并产品、快速迭代、回馈用户并主动加固安全。这种文化差异，或许才是决定谁能抓住下一波 AI 浪潮的关键。

Tibo 说：“我通常不太关注竞争对手。我真正关注的是，我们能独特地做好什么？我们的价值观是什么？我们如何最大限度地朝着那个方向加速？”

对于每一个试图理解 AI 未来的人，这句话或许就是最好的起点。