Greg，感谢你再次来到这里。我想我们从未向你收过租金，也许稍后我们会给你寄张账单。不过 Greg，你曾参与了两家非常杰出的公司，在 Stripe 你是四号员工，后来又成了首任 CTO。我最近听说，Stripe 处理的金额占全球 GDP 的 1.6%（抱歉，不是 1600 亿）。你一定为此感到自豪，这太惊人了。OpenAI 目前每周活跃用户接近十亿，甚至可能已经超过十亿，你一定更为此感到自豪。这一切都非常令人兴奋，它展示了技术能够成就什么。你不仅是联合创始人兼总裁，还是 chief builder。在 OpenAI，我听说这也是你的头衔之一。我不确定这是否曾是正式头衔。不过我有过很多称谓，就这么说吧。既然在座的都是出色的 builder，那我们就从最底层的技术栈开始聊。OpenAI 的业务有多个 stack，其中之一是 compute，而你们在获取 compute 方面一直非常积极。这是为什么？从很多方面来看，我们的业务模式非常简单。我们购买、租赁、构建 compute，然后加价转售。就是这样。只要利润率为正，你就希望扩大规模，因为解决问题的需求、对智能的需求是无限的。我们目前拥有的 AI 确实能够应对你抛给它们的几乎任何类型的挑战。你们的 compute 够吗？不够。真的吗？是的，绝对不够。我刚和 Matt Garman 聊过，他说 2026 年的 GPU compute 可用性约等于零。你们不是已经拿到所有资源了吗？我们很想要更多。说实话，我们一直在四处寻找更多 compute。我告诉你，当我们最初推出 ChatGPT 时，我记得和团队开过一次电话会，他们说："好吧，我们该买多少 compute？"我说："全部。"他们说："不不不，我们认真的，拜托，到底该买多少？"我说，无论我们多快地增加 compute，我敢保证都无法跟上需求，而事实一直如此。这太有意思了。既然在座的大部分是初创公司创始人，可能帮不上你们搞到更多 compute，那我们就往上聊聊架构和 scaling law。目前 scaling law 进展到哪一步了？每年还在翻倍吗？你们在改变架构吗？在研究前沿上，你们主要在推进什么？首先我要说，scaling law 是一个深刻而美丽的谜。对吧？它们给人的感觉是根本性的真理。就像物理学中的牛顿定律那样，它们某种程度上是宇宙的真理。而且它们是经验性的。我们未必有完整的理论来精确解释它为何有效，但在我看来最美妙的是，神经网络实际上是在 20 世纪 40 年代、在计算机出现之前就被设计出来的。而我们 somehow 能够采用当时提出的那些精确理念，不断增加计算量，随着你向模型投入更多 compute，它们就相应地变得更有能力，而且这一直在持续，没有遇到墙。我认为这是件美妙的事。那是否还有更多正在研究中的算法？因为如你所说，过去我们在 40 年代就有了神经网络，但当时没有计算机来实现。现在我们有了计算机，我们只是在推进同样的东西，还是有新的架构和新理念正在涌现？是的，我会这么理解：我们绝对有源源不断的新理念在驱动我们的工作。如果说"把 40 年代的神经网络放进一个 gigawatt 数据中心"，这就过于简化了。我们做了大量创新，而且不断在改进。有时这些是微调，比如你突然意识到过去的数据格式不太对，而这其实可能非常重要。有时则是更大的变革，比如从 LSTM 到 transformer 的转变。而且我认为 transformer 也并非终点——大家都已经超越了 2018 年那篇论文里描述的 transformer。所以创新一直在发生。我认为在长期投资如何改进架构、如何改进基础算法、如何实现范式转变方面，OpenAI 一直走在最前列，这也是我们持续投入的，而且我看到前景中有许多成果即将涌现。明白了。至于模型方面，OpenAI 对 AGI 有正式定义吗？我们接近了吗？还是没有？Pat、Sam 和 Ilya 曾发表过一种说法，认为我们在功能上已经达到 AGI。你同意吗？还是不同意？我们确实有一个正式定义，但在某种程度上我学到的一点是，每个人对 AGI 都有自己的直觉。也许你可以这么看：按照我的判断，我认为我们已经走了大约 80% 的路。我们拥有的模型很聪明，能力很强，如果你给它们……
它们比你聪明吗？我是说，它们在写软件方面肯定比我强，对吧？如果你给足上下文，那么是的，我认为它们确实比我强。它们的能力太惊人了。在座有人觉得自己写软件比 GPT-5.4 强吗？哦。好吧，写 kernels。所以即使在那里，我们也看到了巨大的进步。正是如此。我们的一些内部结果确实表明，如果你为问题设置了合适的环境，即使是非常底层的任务，你也能获得巨大的成果。举个例子，看看事情的发展趋势：我的一位系统工程师，情况也很类似，他说："嘿，从 GPT-5 到 5.1，再到 5.2，我都无法从这些模型中获得价值。"到了 5.3，他一时兴起准备了一份设计文档，是关于他即将进行的一项非常复杂的系统优化。他把文档交给模型，然后去睡觉了，本来打算醒来之后让团队花下周一周时间来完成。结果当他醒来时，事情已经做完了。模型不仅实现了最初的 spec，发现运行速度慢，还添加了 instrumentation，实际运行了代码，用 profiler 找出瓶颈，并迭代了多次，直到得出优化结果。这太不可思议了。这就是我们现在所处的阶段。那么，你会建议这里的所有初创公司怎么做？因为模型的能力越来越强。以前 Sam 来这里的时候，我问过这个问题：如果你今天开始构建，两年后新模型出来了，你需要重建吗？因为所有功能和能力都会在你周围发生变化。你需要确保自己不挡 OpenAI 的路吗？因为模型能力越来越强，你们会直接碾压初创公司。你会建议这群初创公司创始人如何在这种环境下构建？首先，我会说要 lean in。现在的工具已经变得极其有用。如果你看看整个 12 月的变化，我认为这些 agentic coding tools 已经从编写你 20% 的代码，发展到编写 80% 的代码。这意味着它们从某种配角变成了你正在做的核心事情。我认为今年我们正在把这一点覆盖到人们用计算机进行的所有工作中，全部的计算机工作。看看 Codex 最近的进展就知道，它真的正在从一个面向软件工程师的工具，转变为面向任何使用计算机工作的人的工具。就在过去这一周，我们发布了一大堆功能，让它变得强大得多、能干得多。比如我们今天就宣布了一个名为 Chronicle 的新工具，它可以接入 Codex，实际上能够看到你正在计算机上做的一切，并记住正在发生的事情。所以你问它问题时，它立刻就知道你在说什么。你会问：“咦，我五分钟之前在做什么？”它知道，对吧？你问：“哦，这个人刚才在说什么？”它也知道。这对我来说是一个真正的警醒：我意识到你现在花了那么多精力，只是在向计算机解释发生了什么。干嘛要向计算机解释发生了什么？这毫无意义。所以我认为未来几年会发生的是，模型会变得强大得多，会有更好的 harness，能够解决越来越难的问题，产生新知识，诸如此类。但现在正发生一次性的转变，关键在于 context。关键在于，你开了这么多会，却没有让 AI 参与。你知道，这对 AI 不太友好。你在请它帮忙做事，它却一无所知。所以我认为，真正要重视的是如何确保 AI 在理论上拥有足够的信息去解决问题，然后相信模型终将达到那个水平并不断改进。所以我认为这将是一个持续改进和迭代的循环，要深入使用这些工具，也跟朋友聊聊他们是怎么用的，但有一项一次性的投入，现在正是去做的时候。至于说，假设你把这一切都搭建好了，OpenAI 使用 Codex 的方式与外界其他人使用它有什么不同？嗯，我认为在 OpenAI 工作最棒的一点就是你确实能生活在未来，对吧？你确实能看清正在浮现的事物轮廓，而且我们可以共同设计，对吧？我们可以真正改变模型、harness，以及所有东西，以更好地满足我们看到的需求。我们采取的做法很大程度上是先从软件工程入手，我们设定了一些明确的准则，比如我们仍然希望人类对所有合并的代码负责，对吧？所以到头来，合并这段代码是不是好事？结构好不好？它会不会让我们的代码库更易维护？我们要确保有人类签字确认，表示同意。我认为这种审慎态度很重要，不是说“好，我们就盲目使用这个”，也不是“哦，我们根本不想用这个”。我觉得两个极端都不对。然后我们也在 OpenAI 内部逐个垂直领域地落地这些工具，包括财务、销售、IT。在这些领域，我们有一个小型专职团队，他们真正深入理解业务，与该领域的专家合作，去构建技能、修改 Codex 的 UI，或者做任何需要做的事情，让它变得更好用。然后一旦我们把它打磨好了，就可以把它外部化，交付给你们所有人。所以我们也开始与某些客户合作。所以，对于那些想要非常 AI forward、想要参与定义这场革命的人来说，这里有这样的机会，我很乐意之后聊聊。但是的，我认为这种渴望就在于说：“嘿，我们真的很想走在 AI 前沿，真正生活在未来，提前一到三年体验到其他人将来会经历的东西。”
因为生活在未来，你们在公司架构或工程团队的组织方式上会有所不同吗？我是说，如果追溯到很久以前，我父亲学计算机科学的时候，他就一个人单干，后来我们有了漫长的软件发布周期，变成了 waterfall。然后当 web 和 cloud 出现时，有了 two-pizza teams，我们有了 scrum。现在我们有了这些 coding agents，你们是不是围绕一切采用了不同的组织架构？我认为我们还在摸索，但在某些地方你确实能看到变化。比如，现在做一个原型的成本很低，非常低。如果你想做一个 dashboard，以前可能需要一个人花一周时间，现在你直接就能做出来。所以实际上，很多瓶颈已经转移到了分享这类事情上。比如如何……所以我们内部其实也在做这方面的工作，之后同样会对外发布。如何让你企业里的任何人都能轻松构建一个 dashboard、widget、bot 或任何东西，然后分享给其他人。这就开始对良好的治理提出了要求。比如你希望你的 IT 组织能够看到所有这些正在发生的执行线程，所有被分享的小东西，对 data provenance 有一定控制，对吧？要确保……比如一个好的例子是，我觉得人们现在开始把内部知识从原来的存储方式迁移到 wiki 里。我们内部有一个很酷的这类工具，你立刻会想到：如果有人在内部知识库里有一份文档，权限不小心设错了，他们意识到“糟了，我不想让这条信息被访问到”，那该怎么修复，对吧？通常他们会进入文档修改权限，但现在有了这些派生产物。所以你需要确保有某种方式在系统中追踪，比如说，这份输出文档来源于源文档。源文档不再对这个人可访问了，那我们也去把派生文档作废掉。所以你必须开始在构建技术架构时就意识到人们将如何使用这些信息，这确实改变了团队之间的协作方式，因为你可以直接……它真正改变了瓶颈在哪里、什么才是难点。呃，你认为团队规模会变小很多吗？十年后我们还会有人类软件工程师吗？嗯，十年是很长的时间，而且这项技术的上限很难、真的很难完全领会。我认为很明显，“公司”这个概念会在很多方面发生变化。我认为 solopreneurs 将有能力建立起非常了不起的企业。所以任何有愿景的人，我想都能够实现它。我认为你们所有人的工作在很多方面会变得更轻松、更有趣。不过，竞争可能也会更激烈，对吧？因为每个人都会拥有这些 amazing tools。所以真正弄清楚你的 niche 是什么、你独特的角度在哪里，可能会成为最重要的核心。但我们现在运营组织的很多方式，组织大型人群几乎只有一种方式：你有团队、管理架构、scope、层级，所有这些东西。也许这可以改变。也许可以更加扁平化，小团队就能真正做出不可思议的事情。就像我们现在在数学领域看到的那样，互联网上的一些人正在用 GPT-4 Pro 解决那些尚未解决的数学问题。通常你需要一支数学团队才能做到，而他们就这么做到了。是啊。我儿子是个数学迷。我刚跟他说，也许我们该学点数学以外的东西了。但，好吧，你看，这就是问题所在，对吧？如果你看看 AlphaGo 这样的例子，你知道的，第 37 手，这一步简直改变了人类对围棋的理解，但令人惊讶的是，它反而让人类觉得这项运动更有趣、更重要了。也许在其他领域也会如此。确实。那在构建生产级 agentic 工作流时，常见的失败模式是什么？你认为创始人目前常犯的错误、在构建方式上的误区有哪些？嗯，我认为这些模型拥有巨大的能力，而真正理解如何妥善驾驭它们需要深思熟虑。因此我们一直在 primitives、安全 primitives、可观测性以及良好的治理等方面大量投入。不过我想讲一个很有代表性的轶事：我当时在和同事协作，我让他们安装一个 OpenAI 内部某人写的包，结果报错了，我就说：“哦，在 Slack 上提醒一下那个人，找他帮忙。”于是就去 Slack 上提醒了那个人。两分钟后，系统显示：“这花费太长时间了，我已将此事上报给那人的经理。”而且它真的去提醒了那位经理。然后你会发现，一方面，模型这么做其实挺合理的。它在主动积极地尝试解决我的问题，没有只是干坐着等指令。但另一方面，你知道，也许它应该多等一会儿，也许应该先问问我。因此，我认为必须认真思考这些问题——我们仍在培养模型的 EQ。在某些方面它已经做得不错了。比如我们过去一直就是“批准、批准、批准”地猛点，而人类其实也不擅长这个，对吧？他们只是下意识就点。默认点击。所以我们现在开始让 AI 来负责标记：这是高风险操作吗？嘿，这个应该上报，那个可以自动批准。这让你意识到，人类的注意力将成为极其稀缺的资源，对吧？现在执行事情本身变得容易了。但这是好事吗？这是我想要的吗？这符合我的价值观和意愿吗？这将成为唯一最重要的瓶颈。因此，我认为构建系统时必须考虑到这一点，真正重视人的因素，这才是现在最重要的事。另一个与人的因素相关的是安全。你会建议人们如何看待这个 AI 世界中的安全问题？最近听说 Vercel 到处都有数据泄露，而且这些模型在发现安全漏洞方面能力极强。那么你会建议在场的人如何利用模型来发现这些安全问题？嗯，我认为这个问题有几个层面。我确实觉得，互联网一直以来都是一个安全问题重要性不断攀升的地方。想想它刚起步的时候，经历 90 年代的病毒、蠕虫、恶意软件等等，我们已经走过那个时代了。我认为我们现在也正在走向一个最终更加安全的体制，但这确实需要整个互联网范围的共同努力。所以说实话，很多工作还是要再次回归技术本身，让这些模型扫描你的代码库，它们实际上可以用于端到端的 red teaming。可以利用它们做很多事情，而我们对于未来模型和改进的思考，很大程度上也在于如何真正 leverage trusted access programs，如何利用那些真正关心成为防御者、让互联网更安全的人群和社区。我认为这是每个人都可以参与、都有角色可扮演的事，但首要的是要认识到这些模型非常强大，但它们不是魔法，对吧？它们只是整体韧性生态系统的一部分。我认为我们作为一个社会，以及每一家公司，都对此有所贡献，都需要在以下方面进行建设：如何将这些模型融入进来，从而对影响有更多的 assurance 和确定性——无论是你要采用的某个补丁，还是思考如何确保在更新发布时迅速部署。所以我认为还有很多工作要做，但我对此的发展方向非常乐观。我们换个话题，聊聊速度。在这个加速变化的世界里，事物似乎越来越快。刚才你走过来的时候我们还在聊这个，聊你如何努力跟上变化。你是怎么跟上所有加速的变化的？你会建议在场的人如何跟上这一切变化？嗯，我认为这就是新常态，而且在某种程度上这并不是因为 AI。我认为这是过去二十年科技发展的趋势。做事的人更多了，做事比以往任何时候都更容易，准入门槛在降低。这也意味着创造价值更容易了，对吧？更容易取得巨大成功。因此，我认为要真正保持敏锐的嗅觉，了解正在发生什么变化。某种程度上，一切总是从同一件事开始：亲自上手玩一玩这项技术。光是听别人描述 AI 和亲自使用它，完全是两回事。而 AI 的美妙之处在于它非常直观。关键就在于，机器不再是你必须去迎合的东西，而是它来迎合你，对吧？它在为你工作。它应该是你问它什么，它就去做什么。所以，我认为真正去感知变化的脉搏、了解什么是可行的、模型在哪些地方还有不足，这才是未来真正决定很多企业成败的核心能力。然后，反过来看，你们有时也会暂缓发布模型，以便与安全机构合作。这就像是在与“尽可能快”背道而驰。所以你们也在负责任地做事。那么你们如何思考这种平衡？因为你们身处竞争环境，想要尽快发布产品，但同时也在努力做正确的事。是的，我认为在价值观层面，OpenAI 所追求的，是我们真正希望将 AI 的力量交到人们手中。我们相信人们可以——我们希望赋能人们，让他们用正在诞生的工具去建设未来。但我们需要以审慎的方式来做这件事，对吧？我们必须真正同时考虑两面：这里有什么好处，这里有什么风险。如何最大化收益？如何降低风险？我认为在网络安全和生物安全领域，我们非常谨慎。我们在构建这类缓解措施和 trusted access programs 上已经工作了很长时间。而我们预见到的是，模型将在所有能力维度上持续地变得越来越强大、越来越能干。我们上周宣布了扩展网络安全可信访问计划。顺便问一下，在座有人申请了吗？没有人。哦，我看到一只手，两只手。好的，你们中应该有更多人申请。这很棒。我们确实需要帮助，因为非常重要的一点是，那些值得信赖、负责任、并且真正想要推动这些模型的人能够参与进来，因为这才是能让所有人受益的方式。在接下来的几周里，我们将宣布更多关于如何扩展该计划的消息，同时也会说明当我们向所有人发布模型时，我们拥有哪些缓解措施，以及我们将如何调整这些措施，以实现真正的平衡，对吧？既要尽可能广泛地普及这些能力，同时也要确保——你知道——我们考虑到了风险，能够对它们保持一定程度的可观测性，并确保在部署方面产生最大限度的积极影响。所以，我认为简短的回答是，这关乎我们的核心使命。我们非常关注我们工作的影响，不仅仅是孤立地构建技术，而是需要整个社区、整个世界的共同努力，才能真正达到我们需要达到的目标。从模型层向上延伸到应用层——这也是在座很多人正在构建的领域。OpenAI 如何决定应用层中哪些要自己做、哪些要留出来？大家可能注意到，最近“聚焦”这个词被频繁用在 OpenAI 身上，可能是一段时间以来头一次。这个词最近也被用在她身上。 这很难，因为 AI 领域充满机遇，对吧？你能想象到的任何事情都会很棒，毫无疑问。而我们作为一家企业，单一的一家企业，无论建多少算力，招多少人，也只能做这么多。所以我们一直在思考的是，什么样的策略最聚焦，能够覆盖这个领域中——你知道，也许是 80/20 法则——那些我们认为能产生最大影响力的部分。我认为现在非常清楚的一点是，我们正在经历一次身份转型。所以……[清嗓子]……那些产品……而且这不仅仅是企业端与消费端的问题，对吧？很明显，我们非常认真地对待企业市场。我们在向大公司销售产品，并在这方面建立一整套能力和销售体系。但消费者市场，“消费者”的定义将会改变，对吧？这是一个非常宽泛的词，涵盖了很多东西。但消费者市场中那一块不只是关于生产力，而是关于目标、关于实现你的目标、甚至关于了解你的目标是什么，能够引导出这些目标，并拥有一个能主动做到这一点的 AI。所有这些本质上都是一回事。归根结底，我们试图构建一个你能与之对话的 AGI，它拥有所有这些上下文，你可以在你的个人生活、工作中使用它，它是值得信赖的，对吧？你可以向它寻求建议，它能提供有用的信息，也许是健康信息，也许是财务信息，或者——你知道——如果你在纠结职业方向该怎么办。所有这些最终都汇聚到同一个东西上。这意味着我们必须做出一些非常痛苦的决定，决定不做什么。但我想说的是，这就是我们看待事物的视角，凡是归于那一单一愿景的事情，你们都可以期待我们去追求。明白了。你认为几年后我们还会用命令行和 agent 写代码吗？还是情况会彻底改变？我是说，我认为我们目前的工作状态是非常不自然的。我们都坐在这个箱子后面不停地打字，显然我们的身体并不是为此而设计的。我们得了腕管综合征，还有——你知道——圆肩驼背等等。我觉得我们不想要这样，我们中没有人想要这样。我认为我们想要更多空闲时间。我们想要更多时间，但这甚至不一定是指空闲时间，对吧？就像你想花更多时间陪伴爱人？是的。你想花更多时间与人交谈，构思精彩的愿景，或者只是追寻让你兴奋的事，或者只是了解自己。所以，这就有点像——你想不想成为一个拥有 10 万个 agent 的组织的 CEO？听起来其实相当不错。我认为我们所有人都将能完成更多的事情，但实现方式上的差异，将不亚于从必须用手拿着鹅毛笔书写，发展到只需发条短信就能让人去——你知道——代表你为实现目标而工作。好的。我们聊了算力、模型、安全、agent 和应用层。现在来聊聊前沿领域。模型什么时候才能足够好，去推动科学前沿和物理 AI？好像 Jen Fan 也来过这里。看起来 LLM 对数字智能来说是一条很棒的 scaling law，但在机器人、物理智能，以及生物学和科学的某些方面就没那么强了，因为这些问题可能更难验证，或者需要很长时间验证。那么，你如何跟进世界上的科学和物理 AI 进展呢？科学是我们真正在投入的一个领域，并且我们已经看到了通往惊人进展的清晰路径。我们开始看到一些曙光，而且我认为在预测半年或一年后会发生什么时，始终立足于当下正在发生的事情非常重要。举个例子，我们在物理学上取得了一个成果，我们的 AI 提出了一个非常优美的公式，而从事该领域研究已久的物理学家们曾认为这完全不可能，认为这是一个可能无解的问题。这相当重要，对吧？真正的顶尖物理学家确实将此视为朝着能够找到量子引力等问题某种答案迈出的一步。虽然还没达到那一步，但这是一个进展。这比仅仅几个月前我们已经取得的成果要大得多。所以你会不禁想知道，一年后我们会走多远？而像生物学这样的领域与物理和数学不同，对吧？你必须离开优美的模拟世界，去应对混乱的现实。但我认为我们已经在其他领域学会了如何应对混乱的现实。软件工程就是一个完美的例子，我们真正意识到，仅仅构建一个在编程竞赛中解题的东西是不够的。你需要的是一个见过真实世界中混乱的代码库、经历过人类以各种方式打断、经历过对抗性冲击的东西。所以我认为，在科学方面，我预计我们将看到一场真正的复兴。也许今年我们就会看到一些重大成果。明年我觉得会是一个彻底疯狂的时代。我们生活在有趣的时代。我承诺过让你准时离开，因为你是个大忙人。在放你走之前，计时器上还剩一分钟。既然你现在没时间，但很快你会有很多时间，你和 Anna 平时做什么消遣？消遣？我是说，和大家一样。看看电影、去徒步之类的。你知道，现在没那么多时间做这些，也许 AGI 实现后我们希望能有更多时间。但你总得学会享受沿途的过程。谢谢你，Greg，来参加我们的活动。谢谢大家。