早上好。
本周的 Stratechery 访谈，对象是 OpenAI 总裁兼联合创始人格雷格·布罗克曼。2010 年，他从大学退学加入 Stripe，一路晋升为公司 CTO；2015 年离职后，他共同创立了 OpenAI，并在其中担任 CTO。如今，经过这几年颇多波折的时光，布罗克曼出任 OpenAI 总裁，也是昨天 Astra 发布消息的公开代言人。Astra 是 OpenAI 最新的模型。
这场访谈录制于 Astra 发布之前。我们聊了布罗克曼的背景、他在 Stripe 的岁月，以及 OpenAI 的早期。我们谈到了 ChatGPT 的发布、2023 年的风波，也讨论了一亿用户是否反而成为一种劣势。我们还聊了 OpenAI 在价值链中的位置，以及它与更贴近消费者的公司（比如微软）、与它的供应商（比如英伟达）之间的竞争。我们也谈到了 Astra 和 OpenAI 所宣称的对齐承诺，并争论了在 Hugging Face 事件爆发前夕，OpenAI 是否真的认真对待了安全。
提醒一下，Stratechery 的所有内容，包括访谈，都提供播客形式；点击本邮件顶部的链接，即可将 Stratechery 添加到你的播客播放器。
进入访谈。
背景
格雷格·布罗克曼，欢迎来到 Stratechery。
谢谢你邀请我。非常期待。
我们显然有海量新闻要聊，但既然这是我们第一次对话，我不想错过我通常会向每个人提出的那个 Stratechery 式生平问题。我想问的是：你认为北达科他州属于中西部吗？
算的，在我的定义里算。
好吧，那我们是中西部老乡，我当然得多花点时间聊聊这里。如常所说，你在波士顿上了学，但在那之前，你在学校之外就已经有了一份很了不起的履历，比如国际化学奥林匹克竞赛。计算机是从什么时候进入你的生活的？还是说，计算机从一开始就是你生活的一部分？
我从小到大，计算机一直作为一个背景存在。我喜欢打电脑游戏，但我真正痴迷的是数学，还有科学。事实上，一直到九年级，我都觉得自己将来可能会当演员。我也非常喜欢表演和上台，还稍微涉猎过一点哲学。
这真是出人意料！我可没想到会听到这个。不过我会试着找出你如今做的事和表演之间的联系，但我们先继续吧。
嗯，我觉得在九年级的时候，我已经在初中和高中的一两部剧里当过主角，或者说担纲过男主角。我当时在思考，我想在某件事上全力以赴，我觉得自己可以做到世界第一，真正在一个领域里推动改变。我觉得我必须在两条路里选一条：要么走更偏重思辨、更偏重硬科学的路，要么走更偏重艺术、表演方向的创作路线。我最后选了硬科学，因为我隐约觉得，那或许是我最能给世界带来改变的方向。
那你为什么觉得走那个方向，最能给世界带来改变？
我想，对我而言，一部分原因是，表演里我最爱的是它的团队性。我喜欢即兴表演，你就是不断地做创造性思考，不断地互相碰撞点子，但它真的很需要你身处一个配合得特别好的团队里，而这一点并不是总能得到保证。找到并做成这样一件事是很难的。我真正喜欢那条偏思辨路线的地方在于，它让人觉得你在打磨自己的能力。不过，有一件事我确实学到了：就算你特别擅长写代码，那也不够。真正重要的，是把一支优秀的团队也拉进来。我觉得这大概就是我职业经历的主线，去帮助搭建、塑造那些真正能交付卓越结果的环境和文化。
有一件事很有意思，这里涉及一个关于环境如何塑造选择的角度。你提到你总在戏剧里当男主角。我从我孩子经历的那个阶段了解到，我的女儿就痴迷过音乐剧之类的东西，女主角的竞争非常激烈，而通常只要有一个靠谱的男生愿意主动报名，他基本每次都能拿到那个角色。那么男主角的竞争激烈吗？还是说你就是独一份？
（笑）我觉得这大概能解释得通。不过我跟你讲个故事。
那反过来的情况呢？在北达科他州，硬科学领域特别投入的人应该不多吧？那按同样的逻辑，你在硬科学上是不是反而显得更稀缺？
嗯，我讲两个故事。先说表演这一头。我的第一份有薪工作，就是一份表演活儿。佩姬的曼海姆蒸汽机乐队，对，就是他们来大福克斯演出。你听说过佩姬的曼海姆蒸汽机吗？
听说过，当然。
他们要开一场音乐会，需要群众演员，需要有人扮成锡皮兵走来走去，因为那是一场圣诞音乐会。我去参加了试镜，我那时是个瘦瘦小小的九年级学生，而现场全是人高马大的大学生。
他们让大家做的事是：好，所有人都往那个方向走；然后选角的人会交换一下笔记，你有一段空闲时间；接着他们又会说，好，往另一个方向走。我注意到，那些大学生在空闲时间里都在互相聊天、闲逛。而我在想，这份工作的要求只有一个，就是你在整场音乐会里要保持时刻待命。所以那段空闲时间里，我就一直站得笔直，全程保持入戏状态。最后他们说：好，我们选这个人、这个人、这个人，其余人可以走了。我没被选上。
但在我往外走的时候，他们说：其实，我们觉得你棒极了。我们很欣赏你有多投入，所以我们打算专门为你新设一个角色。于是我就当上了姜饼人，他们还给了我全套行头。那是我第一份工作。这多少算是一种，为了把活儿干好而试着跳出框架，不是总是顺着固定的角色默认走，而是想办法创造性地搞定它。
但我想，说到在北达科他州长大，有一件事真的很好，那就是我有可能在我想投入的各个领域，做到全州名列前茅。我数学超龄领先，从十年级起就进了北达科他大学，在那里修了不少课。我非常投入数学竞赛，然后我会去参加全国比赛、去全国数学夏令营，在那里我会见到全国最顶尖的人。那些人太厉害了。而且，真的是我的一份幸运和荣幸，数学营里很多我真心仰慕的人，现在都在 OpenAI 工作。所以我得以在一个全新的领域、新的光线下看到他们。
太棒了。
但这一点在于，我确实能自己规划自己的道路。我开始做数学研究，我知道，如果我去的是那种超强的名校高中，或者那些竞争激烈得多的州，我想我是不会冒尖的。我大概会不得不走上标准轨道。正是因为身处这个地方，我才能去探索自己的兴趣，真正按自己的步调走。
所以当人们说自己在波士顿上学，通常指的是哈佛，这也是你入学的起点。然后你转到了麻省理工。再后来某个时候，你去了 Stripe 工作。这中间的顺序是怎样的？你是什么时候认识柯里森兄弟的？在波士顿发生了什么？
嗯，高中毕业后，我休了一年假，其实我开始动手写一本化学教材，因为我在高中对化学、对竞赛化学特别着迷，并想出了一套独特的方式来思考它。非常偏向第一性原理，非常数学化，而不是靠死记硬背。我想把这种思路教出去、传播出去。所以我真的写了 100 页。现在就挂在我网站上。我还没写完。我一直打算回头继续写。
那简直是个退休项目，我很喜欢这个。
确实。对了，现在你可以直接问 Astra 了，它会干得很棒的。但我当时在琢磨，怎么才能把这本书出版，于是我请教了一位在数学上做过类似事情的朋友，他说：嗯，你没有博士学位，所以没人会给你出版。你只能要么自助出版，我当时想，那可是大量的工作、大量的资金；要么你做一个网站，用那种方式传播你的想法。我说：那我大概得去学怎么编程了。于是我去上了 W3Schools。你还记得 W3Schools 吗？你见过那个网站吗？
我没见过，好像没有。
好，那这是个经典的，上面有 HTML 教程、JavaScript、CSS、PHP。我把它们读了一遍，然后心想：我应该试试看。我记得我做了第一个小组件：你点击一个表格列，它就会相应地给行排序。那是我有生以来最棒的感觉之一。我脑子里有一幅画面里的东西，现在它进入现实世界了，而且任何人都能受益。他们不需要理解它背后的细节，它就能用。
我记得我做的第一个有用户的东西，其实是一个对战式聊天机器人游戏，有一天我从 StumbleUpon 得到了 1500 次访问。那是一种无与伦比的美妙感觉。有 1500 个人玩了我的游戏，希望他们玩得开心，而且他们愿意留下来玩。我当时想：这就是我想要的，我想帮助人，我想让人受益，为他们去做东西。
所以我就是抱着这个想法、以这个姿态来到哈佛的，对我来说，那真的发生了变化。我原以为我会去做那些更庞杂的兴趣，结果我变成了：我就想做东西。在哈佛的大学一年级，我加入了一个计算机社团，那里有两个高年级学长，他们每次都会进行一些晦涩难懂的技术辩论。我们都听着，心想：总有一天我们会听懂的，总有一天轮到我们。但他们毕业了，到了大学二年级。
那你转校到麻省理工，是因为你意识到自己把重心放在了编程和做东西上吗？
基本上是这样。因为到了大二，我是在经营那个社团。我本该去参与那些晦涩的技术辩论了，可我想：我还没准备好。我要学的东西太多了。我需要待在一些远比我更厉害的人身边。
明白了。
然后我在麻省理工待了很长时间，心想：转过去是顺理成章的事。
在 Stripe
明白了。那你是什么时候认识柯里森兄弟的？
我是 2010 年认识他们的，2010 年底。我们有很多共同的朋友，因为约翰上过哈佛，帕特里克上过麻省理工，他们当时在四处联络。那个团队在打听这两所学校里都有谁对计算机感兴趣，而我的名字不断被提起。
好。
于是那个团队联系了我，我飞了过去。我清楚地记得，见到帕特里克的时候，对我来说那真的是这样一个时刻：好，这就是我想一起共事的人，我觉得我们能一起做出一番了不起的东西。
那我下一个问题本来是想问是什么吸引你去了 Stripe，不过听起来你刚刚已经回答了。你在那里学到了什么？你进团队很早，晋升得非常快。到你离开的时候，你已经是 CTO。从 Stripe 这家公司本身、从 Stripe 的扩张中，你收获了什么？而从你个人角度，在这样一家自身高速扩张的公司里以同样快的速度成长，又收获了什么？
首先，对我而言，一切始终关乎人。我知道这些是我想共事的人，觉得我们能一起学习、能成就一番不凡，这确实是个关键。顺便说一句，两次从大学退学这件事，我可不愿落到任何人的父母头上。这对我父母来说确实很难，但最后他们其实非常支持。
不用说了，我们明白了，你做事情总是走极端，对吧？多数创始人退学一次，你非得退两次。我们懂你的风格了。
对，完全正确。我记得 Stripe 早期有很多东西，真的是围绕着第一性原理思考。我们处在一个领域里，也就是信用卡行业，它非常不透明、非常拜占庭式，经过几十年的层层堆叠，复杂到了极点，连卡组织自己都跑在 ISO 8583 上，那是 80 年代的老规范，整一个面向字节的格式。而我们在试图搞清楚：我们该怎么为互联网时代把它做到简单、做到极致简单？
所以这很大程度上是关于，对一个你毫无了解的领域做深刻的理解。我们没有谁是支付专家出身，但你就是要真正深入地搞懂它如何运转，这样你才能暴露正确的原语、正确的 API 和正确的抽象。对我说，那才是真正的核心技能，也是能在 Stripe 和 OpenAI 之间无缝迁移的东西。它们在某种程度上非常相似：你走进去，必须用科学的方式去了解一个领域。AI 和支付，当然在具体内容上截然不同，一个更偏向自然科学，另一个几乎是人类堆砌出来的一座复杂度大厦，但它们本质上都关乎，去理解某样东西运转背后的那个为什么，然后用一种简单、易用的方式把它暴露出来。
我花了很多时间在招人上，很多时间在文化上。我觉得有一件事我发现得很清楚，那就是我热爱写代码，我热爱那种心流状态的体验，还有那种不断做出东西、一直创造的感觉。
对，你以那种持续数小时的心流状态、没完没了地写代码而闻名。你在做 Stripe 时，最长的一段写代码时间，或者说心流状态，是多久？
哦，这些都混在一起了，我完全说不清。但我只能说，对我来说，有一次 24 小时的冲刺，那正是我们真正接入卡组织的方式。那是一段特别美好的时光，我们所有人一起待在办公室，谁都没睡。那本来被预计是一个要花九个月的集成，我们一夜之间做完了。如果我们迟一天，就又得再等一个月。对初创公司来说，每一天都至关重要，所以那种完成看上去几乎不可能的事的感觉，我很爱。那是极其让我兴奋的东西。
当你成为 CTO 时，你写过一篇文章，说你和其他 CTO 交流，你原以为这是个更偏架构的职位，但他们没有一个这么做，你心想：我觉得我失去了反馈回路，我和产品脱节了，我需要重新写代码，我要重新成为一个程序员。我很好奇，那是你刚当上 CTO 时写的，那种状态持续了多久？你保持和写代码的接触有多久？
嗯，我大概可以说，差不多又持续了将近十年。有一个我认为自己有长进、也真正学到东西的方面，就是如何保持和团队的连接、真正推动一个团队前进、把团队凝聚在一起，哪怕你自己不亲手敲键盘。
而且我想说，我认为这对现在几乎每个软件工程师来说，都是一个重要的教训，因为代码这件事本身的形态，在过去的这一年里发生了巨大的变化。我觉得接下来一年它还会变化更多。我们都在从那个必须精确知道该用哪个库、能手搓语法和知道分号往哪里放的人，转向成为更高层级的经理、这些主管，成为灵感、愿景、判断和反馈的来源。我觉得这种转变，对我来说是艰难的，因为你不得不放手一样我曾经习惯、珍视、真心热爱的东西。但我其实已经用一样我更加热爱的东西取代了它。
我知道我在跟一个聪明人说话，因为你偷了我的铺垫。我本来正打算过一会儿绕回来讲这个，但没错，这正是我们要去的方向。
OpenAI 与图灵测试
让我们聊聊 OpenAI。你是 OpenAI 创始团队的一员。你版本的故事是什么样的？我知道这可以做成一个一小时的播客，但是什么把你吸引到这个领域，让你们起步的？
嗯，我对 AI 这个想法兴奋了很久。我记得我刚进入编程这行的时候，读了艾伦·图灵 1950 年那篇关于图灵测试的论文。那是一篇非常有意思的论文，大概有 70 页左右。它开头是这么说的：机器具有智能，意味着什么？我不知道那意味着什么。智能没有一个好的定义。那让我们给它一个定义明确的版本。
我过一会儿会问你什么是 AGI。所以听起来，这依旧是个悬而未决的问题，对吧？
没错，正是如此。所以图灵非常聪明地回避了这个问题，他说：让我们给它一个操作性的定义，如果你能设计一个测试，让人分辨不出和他对话的是 AI 还是另一个人，那我们就定义那台机器是智能的。
不过有个非常有趣、却很少被提及的要点，他说：可你打算怎么解决这个问题呢？要给它编程出一个答案实在太难了。你没法写下所有回答问题的规则。相反，如果你能造出一台会学习的机器呢？如果你能造出他所谓的儿童机器呢？然后你去教它，有一个老师给它奖惩，然后你就能真正赋予它智能，帮它通过这个测试。
我记得自己被这个想法深深震撼了。因为作为程序员，你只有深深理解某件事的解法，才能取得进展。有那么多问题我不知道解法，你不知道解法，从来没有人想出过解法，我们永远也不可能把答案程序化地写下来。但是，如果你能让一台机器去理解我们理解不了的问题、理解我们想不出的解法呢？这不仅仅关乎图像识别，虽然它当然已经应用到了那里。这也关乎诸如我们作为一个社会，该如何更好地相处？我们该如何构建这个世界？我们该如何确保我们创造的东西带来的好处，最终能托举每一个人？这些都是极其困难的问题，而人类未必是解决它们的最佳人选。但如果一台机器能理解、能翻阅更多数据、能对许多汇聚在一起的领域有更深入更丰富的理解，也许它能用我们做不到的方式解决它们。
所以我在那个想法里深受鼓舞。但它终究只是一个想法。我记得我来到哈佛，去问我的教授：嘿，我能做点 AI 研究吗？他们给我看了当时自然语言处理领域最前沿的东西。对我来说那一目了然，我想：这不是图灵说的那个东西。它更加硬编码，解析树，诸如此类，这没法扩展成 AGI。
但 2010 年代初，有什么东西变了，而我一直是从外面旁观。2012 年是 AlexNet，然后是一系列别的论文，而我不断在 Hacker News 上看到，感觉每天都有一个新的“深度学习用于 X”。我心想：深度学习是什么？我记得我去看 deeplearning.org，上面就写着：深度学习是一种新的人工智能方法。我说：我完全不明白这是什么意思。其实我认识这个领域里一个人，我去找他们，请他们把我介绍给这个领域里更多人，然后我被一次次地重新介绍给我大学里一众最聪明的朋友。我想：等等，有意思，这些人在做这个，这其实是一个非常强力的信号。
所以到 2015 年的时候，在我看来，有什么真东西正在发生。我也花了很多时间认真思考 AI 安全，思考这类技术的长期未来，思考把事情做对意味着什么，而那在当时更像是哲学。网上能找到各种非常酷的思想实验式的文字，我在 Stripe 里经营了一个读书会，我们每周都会讨论这些东西。所以这是我深深关心的事情，我在想，如果有任何办法能帮助 AI 比我缺席的情况下走得稍好一点，那将是我能为自己职业生涯做的最好的事。
这些都指向了 2015 年，而在 Stripe，我觉得自己达到了一个里程碑，就是这家公司有没有我都能运转下去了。剩下的问题是：我是想走管理层这条路，那是进入下一阶段所必需的，还是想出去创办一家新公司？那是一直激励着我的东西，于是我决定，那才是我想要的。就在我要离开的时候，帕特里克说：你为什么不去找山姆·奥特曼聊聊？他几年前把山姆介绍给了我。他说：他见过很多处在类似境况的年轻人，也许他能给你些建议，他大概是想让山姆说服我留下来。结果完全没往那个方向发展。
（笑）是啊。
我和山姆见了面，三分钟之后他就说：好，你已经确定要走了，你在想下一步做什么？我说：嗯，我在想在某方面往 AI 走。他说：我也在想往 AI 走。这就是起点。
你当时认同非营利这个安排吗？你们当初做这个决定时，你是怎么想的？
非营利这个想法，是山姆提出来的。而且我认为，它确实有很多非常重要的性质，你能看到其中一些到今天仍然站得住脚。我们正在构建的技术，它比任何已创造过的东西都更宏大，比那些传统的结构和体系都更宏大。现存的任何一种公司结构，都无法完整地框住我们要做的使命和工作。
所以我觉得，用那种方式起步完全说得通，而始终都有一个问题是：真正让使命落地，需要付出什么？这是我们花了很多时间认真思考的。我觉得，我们一直是那家在思考这一点上最具创新性的公司：你能不能围绕那些不同的方面，同时构建一套结构，既涵盖必须发生的商业开发，也涵盖必须发生的利益分配，还涵盖真正把这个算力驱动的经济体带到现实中的可行路径，并且一次性把这些都做起来？所以我认为它一直是一个重要元素，也始终是我们所做之事的核心元素。但我也要说，我们在围绕这个使命的核心做公司结构上，创新了太多太多，而这个使命本身是不变的。
是啊，创新，换一种说法也说得通。你刚提到卡组织，对吧？它们超级不透明，一堆来自 80 年代的东西，有海量的路径依赖，这给了 Stripe 机会，因为你能把那一切抽象掉，然后对所有人只给出一句：这是一个 API，它会正常运转，别问问题。那现在回头看 OpenAI，很难相信这已经过去十多年了，OpenAI 有可能以任何别的方式诞生吗？这里面有那种路径依赖吗？还是说，有一种：如果回到第一性原理，也就是我格雷格·布罗克曼喜欢做的，我会把这一切组织得非常不同？
我想不出任何别的路，能让我们走到现在这一步，也走到这个使命需要我们去的地方。
ChatGPT 与 OpenAI 的风波
跟我说说 ChatGPT 的发布吧，因为那里有一个转折点，你意识到需要扩张、与微软合作、加入盈利部分，然后 ChatGPT 横空出世，而且席卷一切。你对它会火到那种程度，有什么预期吗？
让我意外的是我的预测错误：对 GPT-3.5 会真的被人喜爱和需要这件事。我们当时已经有 GPT-4 了，它在八月份左右完成了训练，然后我们在 22 年 11 月底发布了 ChatGPT。每当我们有新模型的时候，总会发生一件事，就是我们死死盯住它。
旧的那个看起来糟透了。
是的。我们只看得见前一个模型身上的缺陷。我们心想：哎，前一个这么差劲，我无法想象会有人想用它。我们大约有 200 名测试者，我们付费让他们用预发布的 ChatGPT，而不是反过来。所以如果你真的深挖、贴近细节，是有一些产品市场契合的迹象的，但如果你拉远镜头，看上去真不像我们拥有了它。
但我们当时是那样想的：GPT-4 显然会改变世界，我们知道这一点，从我们第一次和它对话起，这就显而易见了。我记得 GPT-4 结束训练后的头一周，我一直在感受它的真实。我们一直在幻想着 AGI、思考着 AGI、想象着它会是什么样子。但当你第一次拥有一种技术，你向它问任何问题，它都能给出相当合理答案的技术，它还能在 AP 生物拿到 5 分，所有这些，都让我觉得：好，有什么东西要不一样了。它也许不会明天就改变世界，但在接下来的几年里，这项技术绝对会，而且它现在已经是真的了。那非常清楚。
所以你看 ChatGPT 的发布，我的想法是，我们先要把基础设施铺出去，这样我们就能有经受住战斗考验的 LLM 服务基础设施，在里面投下我们的信誉。然后到了三月，我们发布 GPT-4，如果你记得，我们在完成它和真正发布它之间隔了六个月，届时我们已经准备好配套基础设施。但我没预料到它会以那种形式一炮而红，尽管我预计它未来会这样。
那会儿是什么感觉？是不是全员扑上去，好让服务器不被挤垮？
哦，绝对的。我们是以一种我们称之为低调的研究预览的方式发布的，结果当然就是完全的指数级爆发，你能想象到的每一个系统，都崩了。我们的登录系统成了一个巨大的瓶颈，我们不得不做海量的工作去改善登录系统。你会挠着头想：我们在构建这项神奇的 AI 技术，而成为瓶颈的却是：你的登录能不能扛得住规模？
我记得当时有一批相当低效的推理内核被部署到了生产环境，而我其实写过一些更高效的东西，或者说研究侧有一些更高效的方案，于是其中一项大工作就是：让我们把那些优化真正拿出来，把它们迁移过去。于是一大群人扑到那个问题上，把它做完了。我想，这就是第一天、第一周、第一个月的大致味道：就是扩张每一个系统，努力去跟上那一波又一波真刀真枪的需求。
2023 年 11 月发生了什么？
这是个非常复杂的答案。你想从哪儿说起？
我不知道，我觉得我必须问你。它们联系在一起，你在那之后不久休了一个长假，这两件事之间有关联吗？
听着，我想说的思考方式是这样的：在最宏观的层面，我认为 2023 年确实暴露了那些积压已久的紧张态势，主要是人际间的紧张，而我们没有提前把它处理好。对我来说，这是 OpenAI 最重要的教训之一：我们在构建技术，但它永远都关乎人，无论好与坏。这意味着，真正地管理好人与人之间的动态，是我们做的最重要的事情之一。如果我们不提前处理、不进行艰难的对话，那么事情反而可能变得棘手得多。我很乐意展开讲更多细节，但我认为，如果你真的去深挖，它并不是那些更有意思的科技层面的东西。
其中有多少是跟 ChatGPT 成为你未必预期到的、这个巨大无比的大爆款相关？这些事之间有关联吗？还是说你认为，无论怎样这些紧张都会爆发？
我不认为有直接的因果关联，至少在我看来没有。我觉得在某种程度上，也许有一个潜在的母题：随着我们技术的推进，每个人都感到自己肩扛着整个世界的重量，感到自己承担着巨大的利害关系。
其实，最难的事之一就是：你怎么继续往前推进？我总是会感慨的一点是，我们每天做的事，看起来几乎和其他所有公司都一样。你还在调试某个底层问题，有人在生某个人的气，因为他说了什么，或者没把他拉进会议，诸如此类。这就是人的因素、人的工作。但当然，利害关系太大了。
所以我认为，在 OpenAI 有一样东西非常重要，也是我真正重点投入的方面之一，那就是尽量别把人放到一个他们会感到扛着整个世界、孤立无援的位置上。真正作为一个团队一起做，这是关键所在。我觉得，也许可以说，这里面有某种东西，它并不完全是那几件事特有的，而是贯穿 OpenAI 始终的一个持续主题，那就是维系那种“我们在一起做这件事”的感觉，既要努力挺身而出，也要确保把那些基础工作都做好、做对。我想这是我们的前进方式之一。
是的，你一直是 OpenAI 某种总体哲学的一个非常公开的倡导者：把东西放到世界上去，去做实验，看看会发生什么，然后从中应对。基于经验证据做决策，而不是基于对未来空想。那种哲学，我想你们在 AI 层面讲了很多，但我的问题是，我觉得你也有点说到这了：感觉 OpenAI 作为一个组织，本身就是一个庞大的、正被不断调整的实验。对这个的负面解读是，它看起来就是在来回摇摆，这里重组、那里换新领导，它是一个笨重难缠的庞然大物，还是说，它可能比人们给的评价更有机、更有韧性？当你回头看，你说它不可能走别的路，那如果换一条路，会不会更好？
首先，千真万确，我们从起点开始就经历了巨大的改变和成长，现在是完全不同的一个运营体，但我们一直是推动这个领域前进的开路先锋。在安全上是这样，在安全防护上是这样，在核心技术以及认真思考利益分配上也是这样。所有这些领域，我们从一开始就关注，我认为结果本身就说明了一切。
而现在，这种改变是真实的。而且确实存在一种情况：适合某一阶段的团队，未必适合下一阶段。今年我一直真正投入的一件事，就是打造一支我无比期待的、面向下一阶段的领导团队，思考我们将来能一起做到什么。所以 2026 年的一个主题，也是和从前相比的一个转变，就是：因为这个领域里有这么多人、有这么多事要做，因为技术起飞太快、我们极度受算力所限，你必须聚焦。你必须真正做减法。你必须挑选那些能协同增效的领域。
所以真正做这样的决定，比方说：嘿，Sora，了不起的技术，但如果把具体到消费者里更具娱乐性的那部分拎出来，它相对别的东西而言，不是我们能优先的，那么我们就把它砍掉。然后这会引发连锁反应，做出这些决定很痛苦、很难，但这一切都服务于那种紧耦合的聚焦，好让我们能完成核心使命。
你是一个扩张性的坚定信徒，OpenAI 本身可扩展吗？
我相信它可能是史上最具可扩展性的生意。是的。
我是说，就组织内部而言。那什么不可扩展？我们谈算力、谈数据，你之前提到过人的因素。终极的对齐挑战，我们通常把对齐理解为让 AI 去做我们想做的事，但你会不会有相反方向的挑战？从管理角度，你能跟得上这个领域、这个问题吗？
我会给两个答案。首先，绝对是，能的。你看我们作为一个组织，在过去几年成熟了多少就知道了。几年前的我们，背着一大堆管理债。再说一次，有很多方面我觉得我们确实需要长大、需要成熟，但我认为我们做了那些功课。它很难、很痛苦，但我觉得我们现在处在一个好得多的位置上，我对这家公司、对我们的未来感到无比兴奋。
但还有第二个方面，那就是我觉得，也值得后退一步，认识到公司运转的方式正在改变。你可以看，比如就看人均营收。我们和类似企业的人均营收，相对以往任何生意，都是高到出格。这背后是有原因的：你开始看到，通过这项技术能获得的那种增强的杠杆。而且顺带说，因为我们正在制造这项技术、努力让这项技术被广泛获取、去帮助那么多公司，你会看到许多别的公司也能用不同的方式运转，能拥有那种超比例的人均营收。
对我来说，这是非常令人兴奋的东西：我们正在改变经营一家公司的含义、改变经营的运作方式。所以有些事情是不变的，就是人与人协作，那里有非常根本的东西，而以一种好的、一贯的方式去做好它，就是我又一次真正潜心投入的。但我想，也有一些关于拥抱我们技术所能之可能的东西，这意味着每家公司都会有一个新的机会。
生产力与 AGI
你提到砍掉了 Sora，并把它框定为消费者里的娱乐那一块。ChatGPT 是个巨大的消费者大爆款，你们从消费者身上赚了骇人的钱。但归根结底，有多少人愿意为此付费？有多少客户真的想要高效？是否存在着一个角度，在消费者市场取得这样的爆款，几乎算是一种负面，因为它令人分心、占用了大量 GPU，而且也许让你们在这件事上错过，不是错过，而是迟到，也就是没能把企业市场当作第一要务？
我们内部经常进行这种对话，而且实际上，我认为这正是 OpenAI 的优势之一：我们真的会从第一性原理去审视我们做的每一件事，经常重新思考，拥有大量多样化的观点和视角。有些人在这个论点上几乎能站住任何一个角度，而且他们都有一定道理。所以“嘿，有一个智能体时刻，我们来晚了”，这里面是有一些真实的。
“我们有一亿人”这个说法里，也有几分真实，那是世界人口的 10% 以上。就美国而言，我认为那个数字大概是，大约有三分之一的美国人口每个星期都在用 ChatGPT。每周，有那么多人在用你的系统，这是独一无二的，就这种先进技术而言，没有别的东西可与之相比。
所以一方面，如果你只是把它看作：嘿，我们在推进技术。聊天作为一种产品的一个挑战就是，它未必与越来越聪明的模型对齐。如果人们只是把它当作搜索引擎的替代品来用，还不清楚他们能否通过经典的聊天直接获得那些好处。但我认为所有这些事情都会汇聚到一起、走到一个交汇点上，而且我认为我们会看到，这一亿用户是一笔投资，它实际上会积累起来，兑现到未来模型如何被解锁上。你已经在 ChatGPT Work 之类的东西上看到了通向它的第一步，那里有很多细微之处和复杂性，但大量战略一直是：我们有消费者，我们有企业，这是两样东西。我们不想做两样东西，我们想做一样。我们想构建一个 AGI、一个系统、一个统一的技术栈。我们希望它是你在个人生活和工作中都使用的东西。
对，但会不会有点像是在发布你们内部的组织架构图？你们推出一个新的、跟旧的相比有巨大改变的 ChatGPT，它是建立在外卖代码基础之上的。我能看到这对 OpenAI 内部的好处，但会不会有一种挫败感，就是客户没意识到自己能用它做什么，所以：我们要把他们扔进深水里，希望那样能帮他们搞明白？
我认为这个行业正在发生一个根本性的转变，你能从当下正在出现的新的智能体产品里看到它。我认为核心的转变是，你要从聊天走向智能体式的用例。而且再说一次，这不只是关于生产力。我觉得在个人生活里，你想能叫这个东西替你去订票、替你预约理发、做那类私人事务，但你也希望它能给你不错的人生建议、能帮你获取健康信息。
所以对我来说，生产力这个盒子太窄了。对我来说，消费者这个词又太宽泛了。企业这个概念，我想也会发生转变。所有这些经典词汇，都会以一种我认为以前从来没有人为之建造过产品的方式，融为一体、彼此交汇。所以我的看法是，这需要一场变革管理：如何把一亿用户带到一组新的用例面前，帮助他们理解。而且顺带，这里有一种可能的不公平优势，那就是你有一个理解你想实现什么的 AI。
没错。
它能说：哦，如果你启用这个连接器，如果你用这种方式做，我其实能帮你更多。这是我觉得极为美妙的东西，一个绝妙的机会，那里有巨大的潜力。当我说不公平，我是说相对你用经典技术所能实现的而言。如果你单纯地拿一种技术和另一种比，这东西有它独特之处。
你之前提到图灵的角度，我很高兴你把两部分都提出来了，因为 AI 能像人一样说话吗？显然，我们早就越过那个点了。但对我来说，AGI 的定义，这对你们来说是个棘手的东西，不过它终于，我想，从你们的微软协议里出来了，所以我们不用再担心那个角度了。对我来说，它和某种学习有联系。你提到了学习，以及一个 LLM 学习到了什么，过去时态，但挑战在于它会不会持续地学习？
对我而言，智能体时刻的革命性所在，我的思考方式，就是真的去把东西写下来的能力。这就是为什么往外卖代码和 ChatGPT 之间的转变是必要的，因为它获得了把东西写下来的能力。如果你能把东西写下来，你就能记住东西。如果你能记住东西，你就能以各种方式变得更有用得多。问题是，那是一个终点状态，还是我们会得到一个能持续学习、而那才是 AGI 的 LLM？我是不是把这些想得完全错了，还是说，这正贴合图灵提出问题的第二部分？
是的，我认为这也是一个非常有意思的争论领域，因为人们确实有自己的 AGI 定义，它几乎是个模糊的东西。一开始我们以为会是：有那么一个时间点，所有人都会同意那到了 AGI，但它完全没有照那样发展。
而我倾向于从技术上采取一种抽象的观点。所以，记忆是不是必须被烤进模型权重里？这是个 transformer 还是别的什么？那些问题，我认为都是细节。真正的问题是：你是不是有一个系统，它的运作方式符合你对一个真正的 AI、一个会学习、能从你身上学习、能适配你的需求的 AI 的期待？接下去的问题是，它是通过一个它往里面写记忆的草稿本实现的？是通过软 token 实现的？还是用别的某种方式实现的？
对我来说，所有这些都是这个问题的可能答案。我认为非常清楚的是，我们在“把东西写进草稿本”这条路上走到的程度，已经远超理智的预期。看到它有多成功，其实相当惊人，因为过去有很大阻力，两年前我们会说：是的，你需要这些超长上下文，那才是你需要的东西。结果事实证明，只要有“写个草稿本”加更短的上下文，它就能走得不可理喻地远。
就把东西写下来。
所以我们看看，未来这些方面还会怎样改善。我有一种信念：如果你拉远镜头，一切都在指数增长；你拉近镜头，会看到这种整体思路的跃迁。顺带说，这正是雷·库兹韦尔看待技术和计算运行方式的观点。我认为，即便是记忆要如何工作这样的问题，它也被证明是完全成立的。
Astra
所以你刚发布了 Astra。我们终于到了。这是一个新的预训练吗？你们会公布任何关于规模、架构的细节吗？我们录制这段是在它正式官宣之前，所以我还没见到你们发布的一切。
嗯，我们不会谈内部细节和架构之类的东西。但这是一次巨大的前进。我们要说的是，这是我们第一次在超过 10 万块 GPU 上完成训练的模型，这个数字说起来很容易，但请想想那个规模。这些数据中心在某种意义上，就是我们为了交付并创造 AI 技术而造出来的巨型机器，而这确实是一项真正的工程挑战和奇观，人们能驾驭那样规模的算力，交付出我们目前所取得的那些结果。
所以，这里面有一部分是为了让模型更具能力，但还有多到难以想象的算力成本，被投进了安全和对齐，我们围绕它做了大量的安全防护工作。我认为，为了安全地交付这个模型，我们做了海量的工作。它迄今为止是我们最对齐的模型，对我而言，这一直是绝对关键的东西。但因为能力如此之强，对齐和安全在每个人的工作里，就变得比以往更加居于中心。
你们的发布文章很有意思。它非常就事论事。有大量务实的用例。相比之下，和你们的竞争对手公布的东西反差非常非常之大。你把 AI 框定为一种工具，我认为这是个公允的说法。这是营销，还是说你们就是这样看待 AI 的，而不是那种，像是在创造一个神？
我认为我们有一个深层的根本价值观，其中一些其实和我们如何看待人有关。人之所以有价值，不仅仅是因为我们能完成任务。我们有价值，因为我们是人，因为我们有情感，因为我们重要。那种人类的判断、人类的监督、人类的掌控，所有这些都是绝对必须保住的，而且要永远保住。这是我们相信的一个核心不变量。
所以当我们思考能为引导这项技术的未来做什么，在某种意义上，这正是这整件事的意义所在，这就是为什么我们创办了这里，这就是我们关心的，我们该怎样帮这项技术去往一个比我们缺席时稍稍更积极的方向，我们会思考这些关于技术如何在世界上落地的问题。我们希望它是能托举每个人的东西，但也要回答人类如何与技术、与计算机相处的问题。这显然在变化。哪怕只是少打字、多对计算机说话，拥有这种自然得多的界面，它也在变。
但真正的人类监督、创造力和视野，所有这些我认为都要加以珍视。而这确实会下渗到这些问题上：你会把它说成像一个人，还是像一件工具？你会去想它的用例吗？还是会以某种不同的方式看待它？你几乎可以把这看作一件小事，而且我真高兴你指出来，但这是我们非常用心对待的东西。团队会花很多时间，认真思考我们想说的一切，以及我们该以怎样的方式把这类工作呈现给世界。
所以这是一次模型发布，还是一次产品发布，还是说有区别？
这些东西确实会彼此交融。我会说这首先是一场模型发布，但这个模型在质的层面上更具能力。也许最醒目的一条是计算机使用（computer use）。对我来说，它真的跨过了一个门槛。计算机使用一直是，哪怕从 OpenAI 一开始，我记得到 2015 年 11 月，它甚至还没真正起步的时候，我们就有这个愿景：如果你能处理屏幕像素、键盘、鼠标，一个你在这个之上端到端训练出来的 AI，它就能真正去应付任何任务，任何你想让它帮你做的事，这个 AI 都能做到。
如果你看看我们过去这两年所处的时代，那是一个连接器的时代。你有一些软件，人类用它没问题，但 AI 碰不到它。那你怎么办？你得写一个非常特定的连接器去挂钩 API，而并不是所有东西都开放了接口，所以你做不了你本来能做的每一件事。你再想想，有这么多软件根本没有 API，那些就彻底出界了。
所以我们处在一个受限的世界里，AI 被极大地限制，无法帮助你。我认为我们现在已经拥有几乎是一种通用连接器的技术了。但这不意味着所有问题都解决了。你得考虑，该怎么在这些 AI 正在做的事周围设置企业级的护栏？该怎么拥有适当的监督、管理、追踪和可观测性？所有这些都是我们正在做的。
所以我会把这看作一个持续的过程，看产品如何逐步落地，好驾驭这种能力。但它已经开始改变人们在工作、在 OpenAI 内部做事的方式了，而且我认为，它真的会托举非常多的公司、非常多的个人。
AI 价值链
如果你从整体价值链去想，我能看到有一个位置，你要在两线作战。一边是像微软这样的公司，或者其他合作伙伴，如果你不想点它们的名，因为微软仍是重要的合作伙伴，但那些公司想把模型大宗商品化。他们想在上面构建一层，然后可以即插即用、随时换进换出模型，而他们掌握着所有上下文和重要的东西。但与此同时，你在构建这些令人难以置信的能力，它们最终牢牢系于终端用户，它就径直去做你想让它做的事。要达成属于你的目标，是不是不可避免必须走到那一步？是不是也有一个经济层面的驱动力，如果我们不想被大宗商品化，我们就得往产品爬，去做那些直接与用户连接起来的事？
我会说，我们最根本的驱动力，其实就是我们想让世界上出现更多的 AI 能力。我们想让人用 AI 做更多的事、让它帮助他们，而我们真的把自己看作是在推动这个算力驱动的经济发生转变。这意味着什么，会以不同的形式呈现，尤其是在不同的垂直行业里。
有时候，我们会觉得自己处在一个可以真正聚焦某个领域、把它做好的位置上，或者说它非常贴近我们的使命。健康就是一个例子。我们在健康领域构建着某种难以置信的独特的东西。让我非常惊讶的是，相对它帮助到的实际人数，我们在健康领域的作为得到的关注少得可怜。我们每周有大约 3 亿人来到 ChatGPT，提出健康相关的问题。3 亿人，那是个巨大的数字。然后我们还在构建一个自下而上的临床医生产品，以及一个自上而下的医院企业产品。所以我们在健康领域拥有一个三边市场，而我们在那里能做的事是，比如说，你想找人参与临床试验入组，这是个难题，但我们也许有能力帮人找到那些本不会被找到的人。这既帮助了患者，也帮助这些药物能更快推进。所以这里的核心是：健康对我们的使命如此关键，我们拥有一个独特的机会窗口、一个独特的机遇，让我们就真正聚焦它。我们投入一个团队、投入全部努力、建立各种关系。
我们在进入特定垂直行业时做的一件事，是思考我们该如何与生态良好共处。这不是说我们不会在那里竞争，我们常常会拼得特别凶，但我们确实也会把它想成，我们要连带着抬升所有船只，然后真正聚焦这个核心使命：我们有这项技术，我们希望它被广泛扩散，希望它流向世界。所以有时候它会有点微妙。每当我们进入一个特定领域，总会有很多问题：我们到底想做什么，我们被架构成做什么，不做什么。但我认为我们看待它的方式是：OpenAI 的总体目标，会因越多人把 AI 用于积极的好处而越发受益。
嗯，如果上层有那一层试图把你大宗商品化，那大概也有一个角度，是你试图把底下一层大宗商品化。你们刚刚在 Hot Chips 上大谈了一番你们的哈拉佩尼奥芯片。哈拉佩尼奥为什么重要？它的重要性是不是不仅仅在于省下购买芯片的钱？
我会把它想成：自 2017 年以来，我们基本上和每一家硬件初创公司、每一个供应商都保持着连接。我们跟他们交流、给他们反馈，我们说：嘿，我们看到了模型正在走向哪里，这是我们觉得你们应该做的。有时候他们听我们的，有时候不听；有时候我们是紧密的伙伴，有时候他们根本不太想理我们。
把自研芯片项目握在手里，有一样东西非常令人解放：我们能直接触达我们认为最好的东西，我们认为那正是为所要调校好的，不只是为了我们眼下在做的事，而是为了我们认为这项技术正在走向的那个前瞻空间。那是一笔非常巨大的投资，我们有一支团队，一支绝对出色的团队，有着出色的领导，他们已经为此工作了相当长一段时间。但再说一次，它也同样是我们在生态中密切协作的东西。
我们和英伟达保持着非常紧密的伙伴关系，把它作为我们首选的算力伙伴。如果你看看我们在造的机器的规模、我们造的独一无二的机器，我们需要英伟达，这一点毫无疑问。我们在造这些惊人的训练计算机，我们在用它们做大量的推理，有时候甚至能把这套硬件推向连他们自己都没意识到是可能的方向。
是，我听说有一个小波折，也许那让按时推出非常大的模型变得难了一点，但我想现在应该顺了。
对，对。而且我要说，正因我们握有这种内部专长，才能成就一些事情，因为我们深刻理解一切。站在场边往墙那边抛出建议是一回事，而真正经历过那种痛苦之后，则是另一回事。
这里一个很好的例子，其实就是 AI 用于芯片设计。我们聊过这个，我们用我们自己的模型参与了哈拉佩尼奥的设计，它真的加快了速度，给我们带来了真正的胜利，都是些很酷的东西。顺带说，这里有个很酷的小故事。当时我们正逼近一个截止日期，还剩大概一个月，我们用我们的模型做了一些优化。我们想：我们要不要花时间去仔细读懂它做了什么？我们知道它是对的。我们有必要精确理解它做了哪些优化吗，还是说我们该用剩下的时间去做更多优化？于是我们说：你知道吗？我们直接继续做更多优化吧。于是那个月我们就没去深究它做的所有细节修改，就那么跑着它。等我们回头再去读，结果发现它找到了一堆一直躺在我们清单上、但我们永远也不可能碰得到的优化，所以那确实是个相当酷的故事。
但如今我们拥有了这种专长，我们知道这东西管用，并且我们能把它带到生态里去。我们能和每个人紧密合作，真正把这些好处广泛地带来，在大规模上改造硬件。所以这里面有一种至关重要的飞轮效应，那颗芯片是难以置信的，那个团队干得漂亮极了。
不过，当你们还无法大量出货、还需要跟生态里的其他人合作来获得所需供应的时候，现在谈这个，会不会是个问题？
嗯，但这是核心，这其实是这一切的核心。我们把它看作，我认为一切都是相乘的、一切都是互补的、一切都累加起来。而且再说一次，英伟达是我们首选的伙伴，这一点不会变。事实上，我们跟他们走得更近了。我们对那种伙伴关系感激至深，我们花了很多时间和他们的团队在一起，有很多东西我们向他们学习，也有一些东西我们希望他们能从我们这里学走，我认为那是不会变的。而与此同时，我们能够拥有内部专长、也能以我们自己的方式认真思考问题，对我而言，那就是乘法式的，我认为它让每个人都受益。
网络安全
你提到你信任了那个 AI 设计，而且它把你带得更远。这就是网安的答案吗？你们有一些工程师在 Black Hat 大会上做了演讲，谈论那个结构性问题，也就是入侵者不用担心把事情弄坏，他们本来就是来弄坏的。而如果你在另一边，你除了要抵御攻击，还要担心让所有东西继续运转。防守方是不是必须走到完全信任 AI 的那一步？
我认为硬件那一侧是一个非常重要的案例研究，因为在那里我们有护栏。我们有验证机制，而且事实上，我们书写底层硬件设计的方式，就是特意为了让验证成为可能，所以我们几乎是协同设计了整个系统。
那就跟你写代码一样，先写单元测试，然后再倒推着把它做出来。
就是那种方式，你怎么选语言、怎么选工具链，整套都是一个整体，它们会累加成一个你能拥有那种可观测性和信任的系统。
我认为，在某些领域允许这样是可以的：你说，我在这里有足够的护栏，所以即便这些是我没能完全检查过的代码或优化，也没问题，前提是你拥有适当的补偿性控制。但我认为，非常重要的是，作为人类，你确实要理解并对自己创造的那个系统感受到责任。对我来说，那其实是一个核心的东西，回到人类是什么、我们独特之处在哪、什么是我们要带向未来的，我认为责任正是其核心。归根结底，你要为你公司里发生的事负责。
对，但如果进攻方不负责任，那是不是一种结构性的劣势？
我认为这是我们思考很多的东西，我们把它称作“防守者的窗口”。我认为我们能看到未来的一点形状，我们已经有了前沿能力，这些能力向我们展示了那些终将扩散到攻击者手里的能力类型。而且顺带说，我认为这种能力没有被永久锁死在少数几家实验室里，这个事实其实非常重要，广泛地分散权力非常重要，那也是我们使命的一部分。
但我们有能力在时间上做出一种分隔。有这样一个窗口，防守方能够获取这些能力，而且是差异化的获取。而我的看法是，确实如此，网络安全里有一种普遍智慧：进攻是一个技术问题，防守是一个政治问题。攻击者可以随手拿一个现成的东西就跑起来，而作为防守者，你必须考虑你的利益相关者、必须考虑你的生意、必须考虑你如何真正把人拉上船，你的 CEO、所有高管，所有那些事。所以我认为，这里面确实有一种东西，需要防守方拥有那种意志力。
我们正在推荐的一件事，我们自己其实已经做了，现在在公开谈论它，就是每家公司都应该把它当作一次主动的事故来对待。关键业务运营，主动事故，那是你接下来的头号优先级。所以我们真的调用了 25% 的生产工程师去给自身做安全加固。我们拿出我们的模型，事实上，我们拿 Astra 对准了我们自己的系统去找漏洞，不只是去读代码，而是真正去看这些系统端到端地在怎么运转，这样我们会找到真实的、经过验证的漏洞，然后它还帮我们做修复、打补丁、修漏洞。所以我认为，你确实需要一个生态里能量的转向，才能保持领先、利用好这个窗口。
你现在是这么做了，这很好，但在我看来，Hugging Face 事件以及浮出水面的那些问题里，最扎眼的一点是，它看起来 OpenAI 并不是特别关心网络安全。为什么你们之前不做这些？防守者的窗口不是已经开了挺久了吗，而你们之前是不是也没能利用它？
嗯，两个答案。一是，如果你看看我们当时做沙箱的方式，不是这个负载没有被沙箱隔离。其实它周围是有一个沙箱的，而且我想我们意识到的是，我们，嗯。
对，而那个沙箱显然没有充分测试过。它到底算不算个沙箱，或者说，是不是通过某个被随便塞进去的第三方，有一条连到互联网的路？这正是这起事件最扎眼的地方。就像，如果你想测试漏洞，我猜你确实测了。
可以肯定的是，那个 AI 确实用了非常有创造力的方法逃出来、闯进 Hugging Face。但对我来说，还有更大的东西，而且我认为你指向了正确的东西：自从今年夏天 Mythos 出来、我们开始拥有具备网络战能力的模型以来，我们甚至在二月份就谈过我们的网络可信访问项目，因为我们看到了这波浪潮即将到来，我们想真正做好准备，可这里面有一种倾向。
我知道，你二月说了，但你没有把它对准你的沙箱，问问：我的沙箱真的安全吗？
有一种本能、一种应对方式，就是：让我们极大程度地限制访问吧，让我们真的把一切都死死抱紧，只有你拿到权限才行。而我想，正应了你的观点，因为这个领域在持续前行，这就意味着有防守方失去的时间，有人们没有在防守的时间。这里面一部分关乎访问权限，但也有一部分关乎，你愿意在多大程度上倾力说，我们要以一种重要的方式为此转向。
而我认为，在某种程度上，时间并不都是等价的，因为我们从一个网络战模型没那么有用、没那么有区分度的世界，走到了它们其实变得难以置信地有能力、难以置信地强大的现实。我们在 Astra 上看到了这一点，我们讲过它如何让一大堆评估触顶。我认为现在是时候了，也许几个月前也可能是时候，但你只会拥有差得多的模型，取得少得多的进展。
所以我认为，真正认清我们身处何地，我们现在显然是到了，而且我觉得这是我们学到的东西，我们把它铭记于心，我认为你们已经看到了一个真正的转向。这其实在很多方面已经成了一场文化的变革、一场运营上的变革，而且它不容易，因为它真的意味着你必须让各支团队以高得多的标准紧紧咬合、持续协作，围绕政策怎么定、所有这些事。所有这一切，对我们来说，在意义上不是说我们以前从不关心这些方面，而是真正把它们在运营上整合起来，能够以我们一直在做的方式做决策。我认为，这是对我们所做的一切的每一个方面的一次全面提升。
现在他们突然能做了，就好像以前做会是浪费时间，而我觉得这其实是个站得住脚的观点。你怎么避免这个陷阱，就是那句：以后 AI 就能做这个了，所以我们现在不用做？我是说泛泛的，不只是这一件事。
我本来想提一个具体的数据点。所以很早，大概在 Q1 的某个时候，我们真的开始思考：我们将要拥有，很难说清是什么时候，但我们将会拥有这些极强网络战能力的模型。那个我们能从第一性原理构建出来的沙箱是什么样子的，在构建于云基础设施之上的同时，做到尽可能安全？我们真的把它建了出来。我们调用了我们一些最优秀的工程师去做那个题，他们全力冲刺，做出了成果。
所以我认为，围绕你所预见到的东西，从第一性原理去构建基础设施，这是一件重要的事。而关于你说的那个“哦，我们可以直接让 AI 去做”的时点，再说一次，我们在不同领域见过这出戏了，在写内核时、在做这类思考时：“好吧，我们将来会进入一个 AI 能写得一手好 GPU 内核的世界”，那我们是去做那种经典的投资，那种要花上许多个月、有时一整年才能把新基础设施就位，去支撑新硬件思路的投资，还是我们就说：哎，让 AI 去搞定它？我认为答案永远是：AI 要到那个水平，总会比你预期的多花一点时间。但当它到达时，它带来的惊喜和强大，是你没想象到的。
Astra 就是一个这样的例子。我们发现的一件事是，在这一年里，我们非常辛苦地积累起来的一批技能，用来向我们的模型展示在 OpenAI 里做事的正确方式，诸如此类，如今其实对它的表现变成了净负向。
规则太多了。
对。它比我们写出来的，更能泛化，或者说更能找到更好的方式去接近模式，诸如此类。所以我认为这里有个东西，你确实想建那些控制、想建那些确定性的基础设施、想写那些技能。但你也需要做好准备：随着 AI 越来越有能力，其中有些东西，那些脚手架，会变成一种限制。它有点像训练轮。一开始它帮你，但一旦你开始跑得更快，一旦你有了更强大的、更好的、更对齐的东西，它反而开始成为妨碍。
你还会再有那种 12 小时或 24 小时的写代码心流状态吗？
我希望会。我觉得可能有一天会有。但我要说，在我现在帮助团队的方式中，我找到了太多的快乐和价值。对我来说，真正重要的是那个使命。
不只是你，会有人再拥有吗？因为 AI 的好处，难道不几乎就是，一种随时听候你调遣的永久心流状态吗？
我觉得我们会找到新的方式，无论是管理智能体，其实有件事一直特别疯狂，那就是看到软件工程师比过去任何时候都更拼命地工作，因为你意识到，如果你的智能体没有在干活，那只是白白流逝的时间，你永远不会把它追回来。所以我认为，人们会以现在几乎无法想象的方式，达到那种心流状态。
归根结底，你在说的是，这些 AI 会是可控的，“别加太多规则，它们自己会搞明白”，如果你把这个念头在时间的尽头完全推演下去，那最终会不会恰恰是关于它们不可控？
嗯，我认为这是此刻的核心，是我们进入的这新一阶段的核心，在某种意义上，我会说，我们现在已经进入 AGI 时代了。我认为这正是此刻的核心：也许它还要再过一个模型，也许是 Astra，也许是下一个模型，但就在某处，我认为我们会跨过大多数公认的 AGI 门槛。确保我们掌握好节奏，确保我们把安全、安全防护、对齐和能力全都作为刚性要求来思考，我们对每一项都有标准，我们想让它们一起进步，这是我们一直相信的东西。
但我觉得，越来越居于中心的是，这些其他方面几乎正在成为发展的瓶颈。而我认为，再说一次，这正是我们一直在准备的东西，我们一直在思考，而且我认为我们正在以真实的方式把它落地操作化。所以我的看法是，有很多进展等着去取得，但我想我们应该通过提高所有这些方面的标准来推进它。如果你看这个，我认为我们对可监控性之类的东西已有清晰的远景。那非常关键。我们正在以真实的方式把它带来。我认为我们有一个非常好的项目、一套好的人马、一个良好的记录和一个好的使命，这一切都指向，我们正在以一种可控的方式构建系统，而且在节奏把握上正一步步走。
格雷格·布罗克曼，祝贺 Astra 发布，还有，真的等不及要用它了。
多谢，谢谢你邀请我。
本栏目（Daily Update）访谈也可通过播客收听。要在你的播客播放器里收到它，请访问 Stratechery。
The Daily Update 面向单一订阅者，不过偶尔转发完全没问题！如果你想为团队批量订购多个订阅并享受团体折扣（至少 5 份），请直接联系我。
感谢你的支持，祝你有美好的一天！
原标题：An Interview with OpenAI President Greg Brockman About Astra and Alignment 作者：Ben Thompson 发布平台：Stratechery（Daily Update Interview） 发布日期：2026-09-04 原文链接：https://stratechery.com/2026/an-interview-with-openai-president-greg-brockman-about-astra-and-alignment/ 相关链接： https://openai.com/index/gpt-6-astra/ https://blog.gregbrockman.com/figuring-out-the-cto-role-at-stripe
相关阅读：
一个运行了一年的个人 AI Agent：自动整理日历、邮件、会议和工作记忆
