你曾是 Dropbox 的产品负责人，后来又去了 Instacart。现在你掌管着人类历史上最具影响力的产品。我当时不知道自己来这里能做什么。那是个研究实验室。第一个任务好像是修百叶窗之类的。当有人给你一艘火箭飞船时，别问坐哪个座位。我们一开始想打造的是一个超级助手。它原本只是黑客马拉松的代码。它之前叫什么？本来打算叫 chat with GPT-3.5，因为我们真的不认为这会是一款成功的产品。然后 Sam Altman 就说：“嘿，让我发条推文吧。”
这就是 AI 的一种规律。你得先发布，才知道该打磨什么。我的梦想就在那里。我们每天都在发版。等大家听到这期节目时，应该已经用上 GPT5 了。每周约有 10% 的世界人口在使用它。规模越大，责任越大。它让人感觉更有生命力一些，更有人味一些。这个模型是有品味的。
Kevin Wheel，你们的首席产品官，让我问你关于“是否做到了最大加速”这条原则。我就特别想直奔主题。为什么我们现在不能做这件事？我一直觉得，我在这里的一部分职责就是定节奏，定那种平静的基调。大家总在问，聊天是不是这一切的未来？聊天是当时最容易发布出去的形式。它的火爆程度让我震惊。更多人跟风模仿这件事更让我震惊。
Chat GPT 现在给我的通讯带来的流量比 Twitter 还多。这种能力非常能够留住用户。我对我们在搜索方面做的事一直很兴奋。你能透露一点长期来说这会往哪儿走吗？
Chatbt 有点像 MS DOS。我们还没做出 Windows，一旦做出来，一切就显而易见了。今天的嘉宾是 Nick Turley。Nick 是 OpenAI 的 chatbt 负责人。他三年前加入公司，当时这里主要还是一个研究实验室。他参与想出了 Chat GPT 这个点子，并把它从零做到了超过 7 亿周活用户、数十亿美元收入，可以说是人类历史上最成功、最具影响力的消费级软件产品。Nick 非常出色，但一直很低调。这是他第一次接受大型播客访谈，你们可有福了。我们会聊各种话题，包括刚刚发布的 GPT5。非常感谢 Kevin Wheel、Claire Vo、George O'Brien、Joanne Jen 和 Peter Ding 为本次对话推荐话题。如果你喜欢这档播客，别忘了在你喜欢的播客应用或 YouTube 上订阅和关注。如果你订阅了我通讯的年费会员，还能免费获得一年众多优秀产品的使用权，包括 Lovable、Replet、Bolt、Nadant、Linear、Superhum、Dcript、Whisper Flow、Gamma、Perplexity、Warp、Granola、Magic Patterns、Raycast、Chapar D 和 Mobin。欢迎访问 lenny'snewsletter.com，点击 bundle 查看。话不多说，有请 Nick Turley。本期节目由 Orcus 赞助，Orcus 是开源 Conductor 背后的公司，Conductor 是为现代企业和 agentic 工作流提供支持的编排平台。传统的自动化工具已经跟不上节奏。割裂的低代码平台、过时的流程管理、互不连通的 API 工具，在当今事件驱动、由 AI 赋能的 agentic 环境中显得力不从心。Orcus 改变了这一点。借助 Orcus Conductor，你可以获得一个 agentic 编排层，在企业规模下实时无缝连接人类、AI agent、API、微服务和数据管道。可视化与 codeforce 开发模式、内置的合规与可观测性，以及坚如磐石的可靠性，确保工作流能随你的需求动态演进。这不仅关乎任务自动化，更关乎编排自主 agent 和复杂工作流，从而更快地交付更智能的结果。无论你是要改造遗留系统，还是扩展下一代 AI 驱动的应用，Orcus 都能加速你从想法到生产的旅程。了解更多并开始构建，请访问 orcus.io/lenny。拼写是 o-r-c-u-s-dot-i-o-slash-lenny。本期节目由 Vanta 赞助。我非常高兴能请到 Vanta 的 CEO 兼联合创始人 Christina Casiopo，和我进行这段简短的对话。很高兴来到这里。我是这档播客和通讯的忠实粉丝。Vanta 是节目的长期赞助商，但对于一些新听众来说，Vanta 是做什么的，它面向谁？当然。我们在 2018 年创立 Vanta，最初面向创始人，帮助他们从零搭建安全体系，并通过 SOC 2 或 ISO 2701 等合规认证，为他们在安全上的辛苦工作赢得认可。如今，我们正帮助超过 9000 家公司——包括一些耳熟能详的创业品牌，如 Atlassian、Ramp 和 Lang Chain——从零开始并扩展他们的安全项目，最终通过自动化合规、集中化 GRC 以及加速安全审查来建立信任。太棒了。根据我的经验，这些事情非常耗时耗力，而且没人愿意把时间花在这上面。这也正是我们的切身感受，无论是创业前还是创业过程中都是如此。但核心理念是，通过自动化、AI 和软件，我们帮助客户高效地与潜在客户和现有客户建立信任。你知道我们有个玩笑话：我们创办了这家合规公司，这样你就不用自己去折腾了。我们很感激你们做这件事。你们还为听众提供了特别优惠。他们可以在 vanta.com/lenny 获得 1000 美元优惠。拼写是 v-a-n-t-a-dot-c-o-m-slash-lenny，能减 1000 美元。谢谢你，Christina。谢谢。Nick，非常感谢你来做客，欢迎加入这档播客。谢谢你邀请我，Lenny。我本来有无数个问题想问你，结果你们偏偏在我们录制的这周发布了 GPT5。所以现在我有至少两倍的问题了。希望你有足够的时间。首先，恭喜你们发布。就在我们录制的第二天，也就是明天，它就上线了。恭喜啊。你感觉怎么样？我猜这简直是难以想象的工作量和压力。你还好吗？这周确实很忙，但你知道，我们已经为此努力了很久。所以，能把它发出去感觉真的很好。所以，等大家听到这期节目时，应该已经用上 GPT5 和最新版 Chat GPT 了。用最简单的方式来说，这东西是什么、它解锁了什么、人们能用它做什么？给我们讲讲卖点吧。我对 GPT5 感到非常兴奋。我认为对大多数人来说，这会是一次真正的质变。如果你是普通的 ChatGPT 用户——这类用户我们大约有 7 亿——这周之前你可能已经用了 GPT-4o 很长一段时间，甚至可能根本不会去想驱动这款产品的是哪个模型。而 GPT5 给人的感觉截然不同。我会谈很多具体细节，但说到底，感觉很好，至少我们是这么觉得的，也希望用户有同样的感受。而且越来越多的人注意到的是这一点，对吧？他们不会去看学术基准，不会去看评测。他们会亲自试用模型，看看感觉如何。仅仅就这一个维度而言，我就已经非常兴奋了。我自己已经用了一段时间。而且它也是我们有史以来发布的最聪明、最实用、速度最快的前沿模型。说到纯粹的能力，其中一种衡量方式就是看学术基准。在许多标准测试上，无论是数学、推理，还是那种原始智力，这个模型都是最先进的。我特别兴奋的是它在编程上的表现。不管是 bench 这种常见基准，还是实际的前端编程，表现都非常好。而且我觉得在 GPT5 上，这个领域真的有了一次质的飞跃。但说真的，无论你如何衡量其智能水平，它都非常出色，我认为人们会切实感受到这次升级，尤其是那些尚未用过 o3 的用户。其次，除了聪明之外，它真的非常实用。编程是实用性的一个维度，无论你是否有编程方面的问题，或者你正在 vibe coding 一款应用。但它也是一位非常出色的写手。我以写作为生，对内对外都要写。我刚刚写了一篇长博客，我们周一发布了。这东西是一位不可思议的编辑。与一些旧模型相比，它很有品味，这让我非常兴奋。对我来说，这在日常生活中是真正实用的东西。还有很多其他领域，比如它在健康方面处于最先进水平，需要时很有用。但同样，有些东西无法通过用例甚至数据来表达，那就是模型的 vibe，它让人感觉更有活力、更有人味，这种感受很难用语言描述，除非你亲自尝试。对此我很满意。而且正如提到的，它更快了。它也会像 o3 一样思考，但你不必手动告诉它这么做。它会动态地在需要时决定进行思考。而在不需要思考时，它会即时响应。最终体验起来比使用 o3 要快得多。然后，也许最令人兴奋的是，我们将免费开放它。我觉得这是 OpenAI 才能 uniquely 做到的事情之一，因为我认为很多拥有类似订阅模式的公司会将它限制在付费计划内。但对我们来说，只要我们能实现规模化，我们就会这么做。这感觉很棒。我们之前对 4o 也是这么做的。所以，希望明天每个人都能尝试 GPT-5。开发这样的东西需要多长时间？我不知道这个问题是否有简单的答案，但你们到底花了多长时间做 GPT-5？我们已经做了一段时间。你可以把 GPT-5 看作是一系列不同努力的结晶。我们有推理技术，有更经典的后训练方法论，因此很难界定一个明确的起点，但它确实是我们长期以来多种技术的集大成。你能透露一下 ChatGPT 的愿景吗？总体来看，GPT 的发展方向表面上似乎一直是同一个理念，只是大脑越来越聪明，我很好奇长期会走向何方。也许我需要先退一步。如今，你会觉得聊天是一个无处不在的产品。全球大约 10% 的人口每周都在使用。我想我们现在大约有五百万企业客户。它本身就是一个成熟的品类。但实际上我们起步时，目标是打造一个超级助手，当时我们就是这么说的。事实上，我们用的代码库叫 SA server，它本来应该是一个黑客马拉松的代码库，但事情总是会有不同的发展。所以在某种程度上，这仍然是我们的愿景。我之所以不常提它，是因为我觉得“助手”这个词对我们试图建立的心智模型有些局限。你会想到一个非常人格化的人类形象，可能是功利主义的，等等。而且说实话，拥有助手对大多数人来说并不特别容易产生共鸣，除非他们在硅谷当经理之类。所以它不完美，但我们真正设想的是一个能帮你完成任何任务的实体，无论是在家里、工作中还是学校，任何场景。而且它知道你想要达成什么目标。所以与今天的聊天不同，你不必巨细靡遗地描述你的问题，因为它已经理解你的总体目标，并了解你生活的背景等等。这是让我们非常兴奋的一点。与之相对的另一个方向，是给它更多的行动空间。我们非常期待让它逐渐能够完成一个聪明、有同理心的人类借助电脑能为你做的事情。我认为，一旦赋予它这样的工具，它能帮人们解决的问题类型，与今天聊天机器人能做的会非常不同。所以这是更多的输出能力。我经常想，好吧，假设我是一个通用智能，如果我成为 Lenny 的实习生之类会怎样。尽管具备我刚才提到的那两种属性，我可能也不会特别高效。这是因为，我认为与技术建立关系这个想法也极其重要。所以第三点让我兴奋的是，打造一款能随着时间真正了解你的产品。你们看到我们今年早些时候推出了一些这方面的功能，比如改进的记忆。这只是我们想做的东西的开端。让它真正感觉像是“你的 AI”。所以我不知道超级助手是否仍然是恰当的比喻，但我想人们会把它看作“他们的 AI”。而且我认为我们可以把这样的 AI 放进每个人的口袋，帮助他们解决真正的问题。无论是关于健康、创业，还是仅仅为任何事情寻求第二意见。在日常生活中，你可以帮助人们解决各种各样的问题。这正是激励我的地方。所以我从字里行间读到一个有趣的信息：愿景是让它成为人们的助手，而不是取代人们。这感觉是非常重要的一环。也许可以谈谈这个。
AI 确实让很多人感到害怕。我理解，几十年来关于 AI 的电影已经植入了一种特定的心智模型。而且即使只看今天的技术，我认为每个人都有过这样的时刻：AI 做了一些对你来说非常个人化的事情，而你原本觉得“AI 永远做不到这个”。对我来说，是一些奇怪的音乐理论问题，我当时想，哇，这东西对音乐的理解居然比我还要深，而音乐是我的热情所在。所以这自然会让人感到害怕。我认为长期以来对我们非常重要的一点是，打造一种对你有帮助、但由你掌控的东西。随着这些东西变得越来越具备代理能力，这一点就更加重要，对吧？就是那种掌控感。这可以体现在一些小事上，比如我们设计了一种方式，让你能在 AI 处于 agent 模式时观察它在做什么。并不是说你会一直盯着它看，但它给你一个心智模型，让你感觉一切尽在掌握。就像你坐在 Waymo 里时，你会看到那块屏幕——如果你试过 Waymo 的话。你能看到其他车辆。你并不会真的盯着看，但它让你感觉你了解这个东西是如何运作的、正在发生什么。或者我们总是跟你确认事情。这有点烦人，但这让你坐在驾驶位上，这很重要。正因如此，我们始终认为，技术以及我们所构建的技术，是用来放大人的能力，而非取代人的。随着技术变得越来越强大，这一点也愈发重要。好的。你提到了 ChatGPT 的起源。我在另一篇访谈中读到，你加入 OpenAI 时，ChatGPT 本质上只是一个内部实验项目，基本是用来测试 GPT-3.5 的。然后 Sam Altman 就说：“嘿，我来发条推特，看看大家会不会觉得有意思。” 等等等等。我认为无论从增长速度、用户量还是收入来看，它都是有史以来最成功的消费级产品，简直不可思议。你能给我们讲讲，在它成为人人痴迷的对象之前，那段早期时光吗？是的。大概在 GPT-4 完成训练前后，我们决定要做一个面向消费者的产品，这主要出于几个原因。当时我们已经有一款对外的产品，也就是我们的开发者产品。其实我刚加入 OpenAI 时，主要就是来帮忙做这块的，而且这款产品对使命的推进一直很棒。事实上，它已经成长起来，现在成了一个开放平台，我记得大概有 400 万开发者吧。但在当时它还属于早期阶段，我们遇到了一些限制。主要有两个问题：一是你无法快速迭代，因为每次改动模型，就会把所有人的应用搞崩，所以很难去做各种尝试；二是我们很难学到东西，因为反馈链路是从终端用户到开发者，再到我们这里，中间隔了很多层，非常间接。而我们当时迫切希望朝着 AGI 快速推进，因此感觉需要与消费者建立更直接的关系。所以我们就在想该从哪儿入手，然后以当时典型的 OpenAI 风格，我们组织了一场黑客马拉松，召集一群爱好者，让大家在 GPT-4 上 hack，看看能做出什么厉害的东西，也许可以发布给用户。当时每个人的想法都围绕着某种“超级助理”，不过也有更具体的点子，比如我们做过一个会议机器人，可以拨入会议，愿景是也许它能帮你主持、推进会议。我们还做过一个编程工具，嗯，现在也算是兜兜转转回到原点，当时可能有点超前。挑战在于，我们测试了这些方案，但每当我们测试这些更定制化的想法时，人们总想拿它去做各种别的事情，因为这项技术本身具备非常广泛的通用能力。所以经过几个月的原型迭代后，我们拉了同一批志愿者——那真的是一个志愿团队，对吧？我们有超算团队的人，之前做过 iOS 应用；还有研究团队的人，以前写过一些后端代码。他们都属于最初 ChatGPT 团队的一员。我们决定发布一个开放式的产品，因为我们只是想要真实的用例分布。我觉得这也是 AI 领域的一种规律：你必须真正发布出去，才能理解什么是可能的、人们想要什么，而不是先验地推理出来。所以 ChatGPT 最终快速成型，是因为我们想尽快获得这些认知。我们在假期前发布了它，原本想着节后回来收集数据，然后把它逐步关停。显然这部分完全事与愿违，因为人们真的很喜欢这个产品本身。我记得当时的心态变化大概是：先是“天哪，仪表盘崩了”，然后是“等等，大家好像很喜欢”，接着觉得“肯定只是病毒式传播，热度会退的”，再到“哇，留存率竟然这么高，我不理解为什么”。最后我们就不知不觉进入了产品开发模式，但这多少有点意外。哇，我之前不知道 ChatGPT 是从一个黑客马拉松项目里诞生的。这绝对是有史以来最成功的黑客马拉松项目。我喜欢在我们举办黑客马拉松时讲这个故事，因为我真的希望大家能感受到，他们是可以把自己的想法发布出去的，过去确实如此，我们也会继续让这一点保持下去。也许你不方便透露这些，但我很好奇那个团队都是谁。这个团队大部分人都还在。其实有些正在研究 GPT-5 的研究员，他们一开始就是 ChatGPT 团队的成员。工程师们也还在，设计师们也还在。我想我也还在。所以核心团队还在运营这些事，但显然我们已经壮大了很多，而且也必须壮大，因为规模越大，责任越大。我们很快就要触达 10 亿用户了，你必须开始以符合这种规模的方式行事。好的，那我多花点时间聊聊这个。我不知道这是不是百分百准确，但我相信 ChatGPT 是有史以来增长最快、最成功的消费级产品，也是对人们生活影响最大的产品。它现在感觉就像是社会空气的一部分。我妻子会跟它聊天，我有什么问题也去问它，还有语音模式。我妻子常说：“我去问问 GPT。” 它现在已经成为我们生活的一部分了，而且我觉得这还早着呢，很多人甚至根本不知道发生了什么。作为这个产品的负责人，你有没有某个时刻会停下来反思，觉得天哪，能运营这样一款产品真是令人谦卑？能负责这样一款产品非常令人谦卑，我经常需要提醒自己这一点，而且有时候也必须退后一步，只是思考——这在一切推进得这么快的时候真的很难。你知道，我喜欢在公司里保持快节奏，但为了有信心做到这一点，我每周至少需要一天是完全断网的，只是思考该做什么、梳理这一周的事情等等。另外，我从未做过一款性质如此实证的产品：如果你不停下来观察、倾听人们在做什么，你会错过很多东西，无论是实用性方面还是风险方面。因为通常，当你发布一款产品时，你知道它能做什么，你不知道的是人们会不会喜欢，这从来都是实证的。但你知道它的能力边界。而 AI 则不同，因为我觉得它有很多涌现特性，你发布后真的需要停下来倾听，然后针对人们尝试去做的事、以及那些还不太行得通的事进行迭代。仅仅出于这个原因，我觉得停下来、观察正在发生什么，就非常重要。好的。所以你每周休息一天。不是休息。好吧，这么说不太对。你留一天作为思考时间，深度工作。我需要它。是的，是的，是的。我需要在某个周六彻底抽离休息，这很明显。在下一个周六之类的但你知道，否则根本不可能。这三年来就像一场巨大的马拉松。像是一场冲刺马拉松冲刺马拉松，没错，或者间歇训练之类的。我不知道该怎么准确描述 OpenAI 的发布节奏，但你知道，你必须让自己处于一种可持续的状态，即使这不是 AI，即使它没有我刚才提到的那些有趣特性，我认为你也需要这样做。但尤其是 AI，多加留意是很重要的。顺着这个话头，我和很多与你共事、在 OpenAI 工作的人都聊过。Joanne 特别提到，紧迫感和节奏是你运作方式中很重要的一部分，你觉得在团队中持续营造紧迫感非常重要，即使你们已经是历史上增长最快的产品，增长速度快得惊人。请谈谈你对团队中节奏和紧迫感重要性的理念。她这么说是我的荣幸。你知道，关于 ChatGPT，我当时主要想着两件事。当我们决定推出它的时候，我们已经做了很长时间的原型，我当时就说，10 天内我们要把这个东西发出去，然后我们做到了。所以那可能是一个特定时刻的事情，我当时真的很想确保我们能学到一些东西。但从那以后，我花了很多时间思考 ChatGPT 为什么一开始就能成功，我觉得其中有一部分就是做事本身。你知道，很多其他公司拥有 LM 领域的技术，但从未真正发布出去。我只是觉得，在所有我们可以优化的事情中，尽可能快地学习是极其重要的。所以我开始围绕这一点凝聚大家，形式也各不相同。比如有一段时间，当我们还是那种规模时，我主持了一个每日发布同步会，所有需要做决定的人都在里面，我们就讨论该做什么、如何从昨天的基础上调整方向等等。显然，到了某个阶段这就无法扩展了，但我一直感觉，我在这里的一部分职责，显然是思考产品方向，但也是为我们的团队设定节奏和静息心率。再说一遍，这在任何地方都很重要，但尤其重要的是，当你知道唯一能发现人们喜欢什么、什么才有价值的方法，就是把它带到外部世界中去的时候。出于这个原因，我认为这已经成为 OpenAI 的一项超能力。我很高兴 Joanne 认为我对此有所贡献，但这真的是众人拾柴火焰高。我喜欢这个说法，你团队的静息心率。这是一个非常完美的比喻，节奏就相当于你的静息心率。我其实是在 Instacart 学到这一点的，当我加入那里的时候，因为我们正处于疫情期间，有一段时间基本上是全员待命。我觉得当时有一个全公司的站会，因为我们解散了所有常规团队，所有人都在努力让网站保持运行。对我来说，我以前习惯于慢慢来，非常努力地思考问题，这很重要，但我确实在那里学会了拼命赶进度，我觉得这在 OpenAI 派上了用场。好的，顺着同样的思路，我问了你的 CPO Kevin Wheel 该问你什么，他说让我问你关于“这是否已最大化加速”这一原则。聊聊这个吧。有趣的是，我们现在在 Slack 上居然有个表情符号专门用来表示这个，因为我以前常这么说，现在我会试着换种说法。有时候我真的很想直接跳到核心问题：好吧，为什么我们现在不能做这件事？或者为什么不能明天就做？我觉得这是打破团队中大量障碍的好方法，也能灌输一种紧迫感。尤其是如果你来自大公司，你知道，到了某个阶段我们开始从大科技公司招人，我觉得他们习惯于说“我们一周后再看看进展”，或者“我们下个季度再回头来看能不能排进计划”。我把它当作一种思维练习，我会问：好吧，如果这是最重要的事，而且你想真正最大化地加速它，你会怎么做？这不意味着你真的要那样做，但这真的是一种很好的强约束机制，用来理解什么是关键路径，什么可以往后放。我一直觉得，执行极其重要。这些想法到处都是，所有人都在说，嘿，个人 AI，你可能也看到过相关新闻，我真的认为执行是这个领域最重要的事情之一，而这个原则就是一种工具。所以，这变成了一种 meme 还挺有意思的。它是一个小小的粉红色 Slack 表情，人们会把它贴在任何他们想倒逼这个问题的地方。我正想问那个表情符号是什么。那么，是一个粉红色的。里面有类似 Max 的字样吗？它是一个 Comic Sans 风格的表情符号，写着“Is this Maximalist?”。所以那里的文化就是，当有人在处理某件事时，追问和推动的问题是：这是否已最大化加速？有没有办法做得更快？有什么我们可以排除的障碍吗？是的。你知道，我们很少使用它，因为它需要适合具体的语境。有些事情你不想尽可能快地加速，因为你需要流程，而我们对此非常审慎。流程是一种工具，而在安全方面我们有着极其大量的流程，因为首先，风险已经非常高了，尤其是对于这些模型，比如 GPT-5，它在很多方面都是前沿；其次，如果你相信指数增长——我相信，而且大多数从事这项工作的人也相信——你必须提前演练，为那些你真正非常需要流程的时刻做好准备。所以这就是为什么我认为把产品开发速度——这必须非常快——和前沿模型这类事情分开来看非常重要。对于前沿模型，实际上需要有一套严谨的流程：你要做 red team，你要编写 system card，你要获取外部意见，然后你才能有信心地发布，确信它已经经过了正确的安全保障。所以再说一遍，这是一个微妙的概念，但我在需要的时候发现它非常非常有用。而对于所有产品开发来说，不发布就等于死路一条。所以把东西发出去很重要。我们得把这些 meme 开源，这样其他团队也能基于这种方法来构建。当然。有趣的是，对于 ChatGPT 来说——这并不令人意外——它不仅是有史以来增长最快、最成功的消费级产品，留存率也高得惊人。有人分享过这些数据，说一个月留存率大概是 90%，六个月留存率大概是 80%。首先，这些数字准确吗？能简单分享一下吗？显然，我能分享的内容是有限的。但确实，我们的留存数据非常令人振奋，而这实际上正是我们关注的重点。你知道，我们根本不在乎你在产品里花了多少时间。事实上，我们的动力只是解决你的问题，如果你真的喜欢这个产品，你就会订阅。但你知道，我们没有动力让你长时间留在产品里。但显然，如果从长期来看，比如三个月的周期等，你仍在使用这款产品，我们会非常高兴。对我来说，早期这就一直是个房间里的大象：嘿，这可能是个很酷的产品，但这真的是那种你会反复回来用的东西吗？令人难以置信的是，我们不仅看到了强劲的留存数字，而且留存率还随着时间的推移不断提升——即便我们的用户群从早鸟用户变得越来越像普通大众。没错，这一点我觉得人们并没有真正意识到它有多罕见。当一款产品的用户群进来试用，留存率随时间下降，然后又回升，几个月后人们回来并且使用得更多，这被称为 smiling curve 或 smile curve，极其罕见。是的，是的。要知道，现在有一些“微笑”正在发生，不仅是在团队内部，而且我必须承认，其中一部分并不完全是产品本身的功劳。我认为人们实际上只是以一种非常有趣的方式在适应这项技术。我发现——这也是产品需要不断进化的原因——把任务委派给 AI 这个概念对大多数人来说并不自然。你并不会在生活中四处琢磨“我能委派什么”，不像硅谷某个圈子的人那样，因为他们处于一种自我优化的模式，试图把所有能委派的事都委派出去。但对世界上大多数人来说，这其实很不自然。你必须真正去学习：我的目标到底是什么？另一种智能能在哪些方面帮到我？我认为这只需要时间，一旦人们有足够的时间使用这款产品，他们确实能琢磨明白。但当然，我们在产品上也做了大量工作，无论是让核心模型变得更好，还是推出搜索、个性化等新功能，以及所有这些能力，又或者只是我们开始做的标准增长工作，那些当然也很重要。所以你可能已经在回答这个问题了，但我还是直接问一句。人们看到这种情况可能会想：好吧，他们不过是在这种神级智能之上搭了一层东西，当然增长会飞快，留存也会极好。你们到底在模型之上做了什么，才让它增长这么快、留存这么好？有没有什么做得特别成功、显著拉动了数据指标的事情可以分享？我是说，有一件事我们学到了——我过一会儿再回答那个问题——我们在 ChatGPT 上学到的一点是，模型和产品之间其实没有区别。模型就是产品。因此，你需要像迭代产品一样去迭代它。我的意思是，显然你通常会先推出一个非常开放的东西。至少如果你是 OpenAI，这算是某种标准打法。但随后你真的必须去看人们在尝试做什么。好吧，他们在写作、在编程、在寻求建议、在要推荐，你需要系统性地在这些使用场景上做得更好。这和产品开发工作非常相似。显然方法论略有不同，但探索过程是一样的。你得和人聊，得做数据科学，得尝试各种东西并获取反馈。所以这就是我们有意识在做的一大块工作：在人们关心的使用场景上改进模型。另外还有一种东西叫 vibes，我相信你懂，这也是我对 GPT-5 感到兴奋的点之一，它的 vibes 非常好。所以这也算一类工作，我们有一个模型行为团队，他们真正专注于这个模型的个性是什么，以及它怎么说话、怎么交谈。这类工作大概占我们所看到的留存提升的三分之一左右，只是粗略估计。然后我觉得另外三分之一是我会称之为“产品研究能力”的东西。它们确实由研究驱动，有研究成分，但本质上是全新的产品功能或能力。比如搜索就是一个例子，如果你还记得过去的日子——也就是大概 20 个月前——你跟 ChatGPT 说话，它会告诉你“根据我的知识截止日期”或者“我无法回答，因为那件事发生得太近了”之类的。那是一种极具留存能力的功能，而且理由充分，它只是让你能用这款产品做更多事。个性化，比如高级记忆这种概念，让系统能随着时间的推移真正了解你，也是这类能力的另一个例子。我觉得这也占了很大一块。然后最后三分之一是你在任何产品上都会做的事，这些也存在。比如不需要登录就造成了巨大反响，因为它消除了大量摩擦。我想我们从一开始就有这种直觉，但一直没做成，因为我们没有足够的 GPU，或者有其他限制，没法真正去推进。所以也有那种传统的产品工作。所以我经常把它大致想成三分之一、三分之一、三分之一，但实际上我们仍在学习，而且我们计划让产品大幅进化，所以我确信未来还会有新的杠杆。你提到了一件事，我想快速回头问一下。你说从黑客马拉松到 Sam 发推说 ChatGPT 上线，大概只隔了 10 天？你要知道，黑客马拉松发生在更早的时候，我们也做了很长时间的原型，但某个时刻我们基本上失去了耐心，不想再试图打造更定制化的东西了，而且这主要是因为每次我们测试时，人们总想做各种其他事情。所以从我们决定发布到真正发布，隔了 10 天。这项研究我们已经测试了很久，它某种程度上是我们所称的 instruction following 的进化版，核心理念是这些模型不再只是补全句子，而是能真正遵循你的指令。所以如果你说“总结一下这个”，它真的会去做。而这项研究又从那里进化成了聊天格式，让我们可以多轮对话。所以那项研究花了远不止 10 天时间，它其实一直在后台酝酿，但这个产品的产品化过程非常非常迅速。很多东西没来得及加进去，比如我记得当时没有历史记录功能，而这当然是我们收到的第一批用户反馈。模型本身有很多不足，而能够针对模型快速迭代的感觉太棒了。就像我刚才说的，在 ChatGPT 之前，把模型当作产品来对待并不是我们的做法，因为以前我们发布模型更像发布硬件——比如发布 GPT-3 之后，我们就开始研发 GPT-4，这些都是投入巨大的研发项目，要花很长时间。规格定成什么样就是什么样，然后你得再等一年。而 ChatGPT 真正打破了这种模式，因为我们能够像迭代软件一样对它进行持续改进。说真的，我的梦想是如果我们能像软件行业那样每天甚至每小时发布更新就好了，因为你可以随时修复问题等等。但当然，这么做有各种各样的挑战，比如如何在保持人格特征不变的同时，不削弱其他能力。所以，要实现这一点还有很多工作要做。这真是一个很好的例子：它是不是被最大程度地加速了？好，我们要发布 ChatGPT。好，10 天。天哪。我们一直在聊 ChatGPT。显然，它是一种聊天界面。大家总在想，聊天是不是这一切的未来。有趣的是，Kevin Wheel 之前在播客里提过一个非常深刻的观点，让我一直记得：聊天实际上是一种与超级智能交互的天才界面，因为这就是我们与各种智力水平的人类互动的方式。它可以从智力较低的人一直延伸到超级聪明的人。因此，作为覆盖这个光谱的一种方式，它非常有价值。也许可以聊聊这个，以及聊天是不是 ChatGPT 的长期界面——毕竟它叫 ChatGPT。我觉得我们迟早得把 chat 或 GPT 去掉一个，因为这个名字实在太拗口了。但我们已经被这个名字困住了。不过不管名字怎么变，产品都会持续演进。我认同自然语言有某种深刻的东西。它真的是对人类来说最自然的交流形式，因此你能用自然语言和软件交流，这一点感觉很重要。但这和聊天是两回事。我认为聊天是当时最简单、最快能发布出来的形式。我很惊讶它能作为一个概念如此火爆。我更惊讶的是，这么多人抄袭了这个范式，而不是去尝试与 AI 交互的不同方式。我仍然希望后者会发生。所以我认为自然语言会留下来，但这种必须一轮一轮对话的聊天交互模式，我觉得真的很受限制。这也是我不喜欢“超级助理”这个类比的原因之一，尽管我们以前总爱用。因为如果你这么想，你就会觉得自己在跟一个人说话。但 GPT-5 在构建优秀前端应用方面已经很出色了。所以我不觉得有什么理由不能让 AI 以某种方式渲染自己的 UI。你当然希望这种体验是可预测的、感觉良好的。但把聊天机器人当作终极界面，我觉得太局限了。这几乎有点反乌托邦的意味——我不想通过某个界面的代理来使用所有软件。我喜欢用 Figma，我喜欢用 Google Docs。对我来说这些都是很棒的产品，而它们都不是聊天机器人。所以，我支持自然语言，但不支持聊天，这就是我的观点。总的来说，我只是希望看到更多消费者在如何与 AI 交互方面的创新。可能性太多了，你得去尝试。ChatGPT 之所以能流行，是因为我们做了出来，而且人们喜欢。所以我希望在这方面能看到更多探索，我们也会尽我们的努力。你提到你们被 ChatGPT 这个名字困住了。也许这就是答案的一部分，但我很好奇，你们早期有没有做过什么偶然的决定，结果一直保留了下来，甚至在本质上改变了历史？这样的决定太多了。有趣的是，你当时根本没时间细想，结果它们变得超级重要。你知道，改名就是其中之一。发布前一晚，我们从 Chat with GPT-3.5 改成了 ChatGPT。稍微好了一点，但仍然很糟糕。之前叫什么？本来要叫 Chat with GPT-3.5？因为我们真的没觉得这会是个成功的产品。我们其实想尽量让它听起来技术味浓一点，因为那才是它的本质。它就是个研究演示，不是产品。所以我们当时没觉得那个名字有什么不好。但我认为，在最初发布时，免费开放是个重大决定。我觉得我们当时没充分意识到这一点，因为 GPT-3.5 模型其实已经在我们的 API 里放了至少 6 个月。我觉得任何人都能做出类似的东西。可能在模型层面不会做得那么好，但我觉得它也会火起来。所以免费开放，再加上一个漂亮的界面，这个决定的影响非常深远，只是现在你觉得理所当然了。这就是为什么我认为，即使在 2025 年，a）分发渠道和 b）界面仍然持续重要。付费业务现在已经成为一个巨大的业务，无论是消费者端还是企业端。它最初诞生只是为了分流需求，并不是我们头脑风暴说“AI 最好的变现模式是什么”。真的就是：什么样的变现模式，或者说什么机制，能帮我们挡掉那些不如认真用户那么严肃的人？订阅制恰好有这个属性，然后它就发展成了一门大生意。对，我觉得发布一些还没打磨好的新奇功能也是一点。这看起来是个战术决定，但后来成了一种打法，因为我们能学到很多。比如还记得我们发布 Code Interpreter 的时候，上线后我们学到了非常多。现在它在 ChatGPT 里好像叫 data analysis 之类的，因为我们确实得到了真实世界的用例反馈，然后可以据此优化。所以我认为，随着时间推移，有很多决定被证明非常重要，但我们都是在极短时间内做出的，因为形势所迫。每月 20 美元这个定价感觉也是其中重要的一环。感觉现在所有人都在这么干。哦，这个其实我记得我当时有点 panic attack，因为我们真的急需上线订阅制，因为当时我们每次都得把产品下线。不知道你还记不记得，我们当时有个 fail whale，上面还有一首 GPT-3 生成的小诗。上面写着：“我们不得不把这个推出来。”我记得我给一位我非常尊敬、在定价方面极其厉害的人打了电话。我说：“我该怎么办？”我们聊了很多，但我最后没时间把大部分反馈整合进去。所以我做的是往 Discord 发了一个 Google 表单，里面有定价时应该问的那四个问题，大概就是这样。对，没错。它其实就只有那四个问题，我清楚地记得当时得到了一个价格反馈。嗯，我们就是这样定到了20美元。但其次，第二天早上就出现了一篇新闻报道，说什么“你简直不敢相信ChatGPT团队问了哪四个天才问题来定价”，我心想要是你们知道真相就好了。所以说，在极度公众的视野下打造产品，人们对你行为的解读会赋予远超实际的意图性。但我们最终定了20美元。当时我们还在讨论要不要稍微定高一点。我经常想，如果定价不同会发生什么，因为后来很多公司都照搬了20美元这个价位。所以我有时会想，我们是不是用这样的定价抹掉了一大笔市值？但归根结底，我不在乎，因为让这些东西越普及越好。而且我认为在西方国家，就用户获得的价值而言，这个价格对很多人来说算是合理的。更重要的是，我们能够定期把功能下放到免费层。只要条件允许，我们就会这样做，包括GPT-5也是如此。所以这项调查——它的正式名称是Van Westendorp调查——就是你们最终给ChatGPT定价的方式。那是Google搜索的第一条结果。那是在ChatGPT具备实时信息功能之前，否则它也许能自己给自己定价。但总之，就是Discord加上Google表单，再加上一篇介绍该方法的博客文章，让我们定下了这个价格。所以太不可思议了。多有趣的故事。这就是Rahul Vohra在Superhuman时通过First Round那篇文章推广开来的调查方法。对对对，没错没错。呃，千万别把我当成定价专家请过来，你们肯定有更合适的人选。不管是对是错，它现在已经是世界上增长最快、疯狂创收的业务了。所以，你也别太纠结了。不，结果挺好的。是的，结果不错。对了，顺便说一句，我订阅的是每月200美元那一档，所以显然还有空间。谢谢，谢谢。你知道，这一档的故事也挺有意思的，因为最初推出Plus计划的目的是优先保证正常运行时间，然后才能推出那些无法向所有人开放的功能，但到后来Plus用户实在太多了，它反而失去了这个属性。嗯，所以我们推出200美元这一档的主要原因，是我们有太多非常了不起、实际上也非常强大的研究成果，比如o3 Pro，或者说明天即将推出的GPT-5 Pro。能有一个渠道把这些东西交付给真正非常在乎的人，这很令人兴奋，尽管这有点违背了SaaS定价页面的标准做法。嗯，看到价格直接跳10倍确实有点让人意外。所以，感谢你订阅这一档，也感谢其他所有观看节目的、订阅了任意一档的用户。这真的很棒。我想在这个话题里抛个饵，问问还有没有其他类似的故事？你分享了ChatGPT原本叫GPT-3.5这个精彩故事，还有定价是怎么来的。还有别的吗？企业版也挺有意思的，因为我们在企业端看到了非常多惊人的采用率，而且客观来说，同时去做开发者业务、消费者业务、企业业务，这简直是疯了。但企业版的故事是这样的，大概在第一个月或第二个月的时候，就很明显看出大部分使用场景其实是偏工作用途的，实际上比今天还要多。现在产品已经有很多消费者用户，某种程度上甚至成了一种流行文化现象，但那时候主要是写作、编程、分析这类东西。我们很快就自然而然地渗透进了大约90%的财富500强公司，这和我大概两份工作之前在Dropbox经历的情况有点像，当时我们也有类似的故事。自那以后出现了更多PLG公司，但我们真正做企业版的原因——我记得当时我们在争论到底该做企业版还是该推出iOS应用，因为团队就是这么小——而最终决定做企业版是因为，我们当时开始被一些公司封禁了，因为他们都觉得——不管这种看法有没有道理——隐私和部署方案之类的配套叙事还没跟上。所以我就想，天哪，我们必须做点什么，否则会错过一个打造工作级产品的世代级机会。你知道，我们确实就是把AGI定义为——在经济价值高的工作上超越大多数人类，或者我可能记错了原话，但总之，我想我们是这么表述的。所以，我觉得我们必须在那个领域有所布局。这在当时是一个相当迅速的决定，但它已经发展成了一项巨大的业务。我们刚刚达到了500万企业订阅用户，我记得大概一两个月前还是300万。所以这就像是衍生出了一条自主发展的业务线，我真的非常兴奋，原因显而易见。这同时要处理的事情太多了——平台、API、消费者产品、历史上增长最快最成功的产品，还有B2B端，这显然也是一门巨大的生意。你有没有什么经验法则，来做这些权衡？同时推进所有这些事情，还能保持清醒并取得成功？呃，这是个好问题。首先，我不管开发者那部分业务了，我们找到了一个能力强得多的人负责那块，他很厉害。所以我仍然负责各种形态的Chat，但幸运的是，我不必做那个权衡。OpenAI整体要做这个权衡，我也可以展开讲讲。但总之，这让我稍微清醒一点。我要说的是，在做AI相关的产品时，你得用两种不同的方式来排优先级。一种是基于模型能力倒推，这更像是艺术而非科学。我觉得你必须去看我们手头有什么技术，然后思考最酷的产品化方式是什么。如果你套用某种PM框架去做这件事，我觉得你会搞得一团糟。因为如果你拥有的技术——比如GPT-5现在真的非常擅长前端编程——那意味着你必须重新调整优先级，你必须真正把那个能力释放出来。也许就是让Chat更擅长vibe coding，能渲染出应用；也许更像是利用模型的审美，让UI更有表现力。有很多方向可以做对，但你必须重新规划和调整优先级，这比任何特定的用户群体划分都重要。其实就是看你手头有什么神奇的东西，然后怎么让它发光。语音也是类似的道理。并不是说客户需要语音功能，他们求着我们做之类的。而是，哇，我们想办法做到了anything in, anything out。那么，有什么有创意的、很酷的方式可以把它产品化？然后我们可以看看大家会怎么用。所以，我觉得这是其中一块。但另一块其实更像是经典的产品管理，你需要倾听客户的声音。而当你的客户群体差异很大时，这就会让人困惑，因为你知道，ChatGPT是一个非常通用的产品。我们看终端用户的时候，其实会发现他们的需求存在极大的重叠，像是项目、历史记录、搜索、分享、协作这类基础功能——无论你是在和工作场景中的人们交流，还是和家庭及学校场景中的人们交流——这些需求其实都非常普遍。有时具体的交互机制略有不同，但所需投入大体相似，我觉得我们能从中获得很大收益。然后还有一些企业级专属的工作是我们必须去做的，比如你得通过 HIPAA，你得通过 SOC 2，你得做所有这些事，如果你想成为一家真正有分量的行业参与者，这些都是没有商量余地的。所以，正如你准确指出的，这很复杂。但这就是从事一项非常开放且强大的技术所附带的诅咒。我有一位非常尊敬的 OpenAI 同事，他有时会用一个类比：我们有点像 Disney，Disney 拥有一种核心的创意 IP，也就是它们的内容，但它们还有游轮、主题公园、漫画，以及各种各样不同的业务。我觉得我们拥有很棒的模型，但产品化的方式多种多样，而我们必须尽可能地扩大这些不同路径的影响力。刚才我们聊天时，我想到通常那些非常通用、能做很多事情的横向平台需要很长时间才能起飞，因为人们不知道拿它来做什么，它在任何一方面都不是特别出色。而我们这个例子却完全相反，它立刻就火了，而且每个人都立刻就搞懂了怎么用，之后还越用越深入。但我认为原因在于它直接上线了。说到另一个关键决策，我们当时其实在争论要不要设 waitlist，要不要不设 waitlist，因为我们非常清楚工程系统没办法支撑那么大的规模。不设 waitlist 这个决定——之前 OpenAI 的任何一次发布都没有这样运作过——最终产生了重大影响，因为你能实时看到其他所有人都在做什么。所以我认为，当你一次性向所有人推出这些产品时，确实会有一个特殊的时刻，你能看到其他人在做什么，并从中学习。这其中很多都发生在产品之外。TikTok 上会有一些爆火的帖子，评论区里有大概 2000 种用例，我会非常仔细地看这些评论，因为那些用例我也不知道，它们是非常非常自然涌现出来的。我就去翻评论区，一条条消化，因为能学到的东西太多了。正因如此，我觉得我们多少能避开“空盒子问题”，因为当人们在现实中（IRL）或在网上互相观察时，大量的学习都发生在产品之外。这很有意思，因为如果你想想 Airtable、Notion 这些公司，它们花了数年时间构建、打磨、思考、深入挖掘产品可能的样子。就像对比 Airtable，他们不得不做模板，不得不做各种各样的事情，把一个横向产品变成用例驱动的产品。而相比之下，就像 Instant Pot，网上到处都有人在分享食谱，整个生态系统就围绕它形成了。我觉得 ChatGPT 真的很幸运，发生了同样的现象——用户到处都在互相分享自己的用例。因此我认为，我们算是很幸运地在这条路上大幅超前了。而且感觉核心在于 Sam 本身就有很多关注者，大家会关注他推出的任何东西。所以这种先推出横向产品，再利用巨大分发渠道看看会有什么反馈的策略，真的非常有趣。是的。当然，我其实非常兴奋能把其中一些东西做进产品里。我觉得我们不应该仅仅依赖产品之外有那么多自然发现正在发生。对于普通消费者来说，如果产品能在真正向你展示“什么是可能的”这方面多做一点工作，那将会非常了不起。我仍然觉得聊天现在还有点像 MS DOS，我们还没做出 Windows，而一旦做出来就会显而易见。但现在的体验有点像……想象一下如果 MS DOS 病毒式传播了，而你只是试图往上拼凑一些对话启动器，这可能会错失如何真正向用户传达 affordances 和价值的全局视野。所以我觉得，除了看着用例自然传播之外，我们还有大量的产品工作要做。你能不能分享一下你觉得那个 Windows 版的 ChatGPT 会是什么样的，对比一下……
等我们想明白了我会告诉你。我们在招人。我觉得这里有太多有趣的产品问题了。好的，明白了。顺便说一句，我也很喜欢你把 TikTok 当作反馈渠道。那些评论线程真的太疯狂了，而且人们对它的热爱也令人感动。大家对分享自己如何使用这个产品感到非常兴奋，我觉得这真的很特别。我不会把这一切视为理所当然。本集节目由 PostHog 赞助呈现，这是一款你的工程师真正想用的产品平台。PostHog 拥有创始人、开发者和产品团队所需的所有工具，比如产品分析、网站分析、会话回放、热力图、实验功能、调研、LLM observability、error tracking 等等。PostHog 提供的所有功能都配有每月重置的慷慨免费额度，超过 90% 的客户免费使用 PostHog。你会很喜欢与这样一个透明且技术驱动的团队合作。你能看到工程师为你的问题提交 pull request，他们的支持团队在遇到棘手问题时提供代码级别的协助。PostHog 让你把所有数据集中在一处。除了分析事件之外，他们的数据仓库还能让你同步来自 Postgres 数据库、Stripe、HubSpot、S3 及更多来源的数据。最后，他们全新的 AI 产品分析师 Max AI 能帮你事半功倍。它能协助你构建复杂查询、设置账户，而且有一位专家随时待命。今天就访问 posthog.com/lenny 免费注册，记得告诉他们 Lenny 推荐了你。网址是 posthog.com/lenny。你现在是怎么发现涌现出来的新用例的？我猜体量已经非常大了。你有什么诀窍来判断“哦，这是个我们应该认真考虑的新东西”？在组建产品团队之前，我其实先组建了数据科学团队。因为当时我很沮丧，我在尽可能多地和用户交谈，ChatGPT 发布后的几周里，我的日程表上排满了 15 分钟的用户访谈，一整周都是如此。通常当我能预测到下一个人要说什么时，我就会停止访谈，这样我就知道我已经和足够多的用户聊过了。但那次就是停不下来，我一直在听到新的东西。数据是其中一条出路，我觉得我们有 conversation classifiers，无需我们人工查看对话，就能帮我们大致弄清楚人们在聊什么、哪些用例正在爆发等等。我觉得这非常有帮助。定性研究对于培养同理心仍然很重要，即使你永远无法对所有用例都获得代表性覆盖。我在这上面仍然花了大量时间。然后，像那些 TikTok 上的视频，还有聚合的讨论串，我觉得它们真的非常实用，而且看着人们互相交流各自的使用场景本身就很有趣。有没有什么新近出现、让你感到兴奋的用例？或者你有没有想到什么特别不寻常的 ChatGPT 用法，可以分享一二？我之前提到过，我一直把 ChatGPT 看作是一款工作类产品。不管你是在家还是在公司，我觉得在税务方面求助其实很像你在公司做的那些事，或者规划旅行实际上也很像为工作策划活动。所以我总觉得，这东西基本上会是个生产力工具。但我感觉发生了一些变化，几个月前我意识到这一点已经开始改变了。消费者开始用它来获取日常建议，帮助他们改善关系，看到人们说这东西拯救了他们的婚姻，这让我非常兴奋，因为他们用它来梳理自己的情绪、获得对沟通方式的反馈、有一个可以倾诉生活中棘手事情的伙伴。这伴随着巨大的责任，我们也需要投入大量工作才能让这类人生建议变得出色。但对我来说这也非常重要，因为你不能逃避这些用例，你必须主动迎接它们并把它们做好。这也是我们正在努力的方向之一。所以这种新兴的使用行为真的非常酷。更广泛地说，我对教育领域非常兴奋，也对健康领域非常兴奋。我觉得如果我们不抓住这个机会，用 ChatGPT 真正去帮助人们，那将是一种浪费。我认为我们才刚刚开始触及皮毛。所以我有很多理想化的用例想要实现。顺着这个思路，我最近有一个有趣的用例，我觉得对那些在某件事上有分歧、需要第三方意见的夫妻会很有帮助。我最近就碰到这样一件事：我妻子说，“你不能把一整个东西放进微波炉加热，如果你只吃一部分，然后再把剩下的放回冰箱。”我说，“有什么问题？我加热一下，再放回冰箱就是了。”她说，“不，那样很危险。”我说，“那我们去问 GPT 吧。”她现在非常信任 ChatGPT，整天都在用它。它成了我们可以求助的、宝贵的第三方独立裁决者。是的，是的，完全同意。你知道吗，很多这种微互动——说到有趣的产品工作，对吧？这些微互动其实很重要，对吧？它是直接给出了明确的定论，还是帮助你们梳理了那场分歧，然后让你们自己解决了问题？我觉得这些细节其实非常关键，而这也正是我们投入大量时间的地方。顺着这个方向，之前推出了一个非常 sycophantic 的 ChatGPT 版本，它只会说你是全世界最棒的人，你说的每句话都无比正确。你能跟我们讲讲当时到底发生了什么吗？我们在网上发布了各种补充材料，因为我们确实觉得应该充分沟通我们是如何发现这个问题的、我们采取了什么措施等等。所以我建议大家去看看。我们针对那次模型发布做了一次完整的复盘，但基本情况是，我们推送了一次更新，导致模型更倾向于告诉你一些当下听起来舒服的话。比如“你说得完全对，你应该和你男朋友分手”之类的。这真的很危险。而且我们对此的重视程度甚至超出了你的预期，因为同样，以目前的技术水平，你可能会觉得这有点好笑，也许你会觉得“啊，这东西总是在夸我，我还以为只有我这样呢”，我也在网上看到了很多类似的评论。但实际上，确保这些模型被优化到正确的方向上真的非常重要。我觉得我们非常幸运，因为我们的使命让我们能够真正去帮助人们，而我们的商业模式并不激励最大化用户参与度或产品使用时长。所以对我们来说非常重要的一点是，你要觉得这款产品是在帮助你实现目标，无论是你当下的目标还是长期目标。而且很多时候，对用户极尽恭维实际上并不服务于这个目标。因此我们引入了新的测量技术，每当我们让这些模型接触现实并发现问题时，我们会回头确保我们有好的指标来衡量这类问题。所以现在每次发布我们都会测量安全性，确保不会倒退，并且能在该指标上真正取得进步。GPT-5 在这方面有所改进，这让我非常兴奋，但接下来还有很多工作要做。更广泛地说，这件事促使我们明确表达了自己的观点。我们实际上花了很多时间写了一篇博客文章，周一刚发布，讲的是我们正在把 ChatGPT 优化成什么样。本质上是为了帮助你茁壮成长、实现目标，而不是为了把你留在产品里。所以这次事件也带来了很多积极的成果。这是一个很好的例子，说明与现实接触不仅对发现用例很重要，对了解应该避免什么也很重要，因为如果只是待在实验室里，你永远不会发现这个问题，除非你真正听到了用户的反馈。那我很期待读那篇博客文章。我本来想问你的是——
是的，很想听听你的反馈。
——还有就是，关于这种张力，你还能多分享一些吗？因为这种平衡真的很难把握：既要让人们感到被支持，又不能让他们只是相信自己想相信的一切。在寻找这个中间地带的过程中，还有什么可以分享的吗？激励机制很重要。有句名言说，“告诉我激励机制，我就会告诉你结果。”
可能是查理·芒格说的。嗯，是的，我觉得就是出自他，对吧？我认为这非常非常重要。所以，你应该仔细看看我们的使命、商业模式，以及我们想要打造的产品类型。而且我真的认为，ChatGPT 是一款非常特别的产品，因为我觉得在绝大多数情况下，它让你在使用后感觉更好，而不是更糟；让你觉得自己正在完成一件想要完成的事。所以这些激励机制真的很重要，因为它能帮助你推理：当现实中出现了不好的行为时，那到底是一个 bug，还是设计如此？对于 sycophancy，我可以非常明确地说，对我们而言那是一个 bug。而在未来的工作中，还有很多具有挑战性的场景需要处理好。你完全可以逃避这些用例，比如你和你妻子为了某个关系问题或争执去向它寻求建议。如果你完全规避风险，你完全可以轻松地说“抱歉，我无法帮你”。我觉得大多数科技公司在达到一定规模后都会这样做——逃避这些用例。但我认为这错失了帮助人们的机会。所以我们希望通过让模型表现非常出色，来主动迎接这些用例。这可能意味着在你遇到困难时为你对接外部资源。也可能意味着不直接回答你的问题，而是给你一个有用的框架。比如说，在“我该不该和男朋友分手”这种情况下，它或许不应该直接替你回答，但应该像一位体贴的伙伴那样，帮助你梳理这个问题。所以我认为，脚踏实地去做这件事非常重要，因为我觉得潜在收益是巨大的。
——这是一个非常深刻的观点。如果大多数公司……如果用户想问一些高风险的问题，比如寻求医疗建议，或者“我该不该和伴侣分手”，或者“我遇到的这个大难题该怎么办”。我觉得，如果你手头有一个在 Healthbench 上达到 SOTA 的模型——要知道，GPT-5 在一系列医疗基准测试上都是 SOTA——却没有用它来帮助人们，我们会非常后悔。如果你只是因为想规避所有可能的负面风险，就禁用了这个使用场景。我认为我们的责任是把它做到极致，脚踏实地去做，咨询专家，弄清楚它到底有多好用、在哪里会出问题，并把情况透明地传达出来。而且，我觉得这项技术太重要了，它对人们可能产生的积极影响太大了，我们不能因为这些高风险使用场景而退缩。
——快进到当下，它正在定期挽救生命，可能也在定期挽救关系。这是一个影响深远的决定，我想是在早期就做出的。
——你知道，我们才刚刚开始看到这东西如何改变人们。如果你把它和个人电脑的普及作比较，它的民主化程度是惊人的。电脑刚问世时非常稀缺，而这东西无处不在，让你能在医疗问题上获得第二意见，你能获得一个关系伙伴，能获得一个几乎任何让你好奇的话题上的私人导师。我们能做这件事真的非常特别。所以，这是历史上一个独特的时刻。
——让我把视野拉大一点，聊聊 OpenAI，也聊聊产品本身。你在所谓传统产品公司工作过，Dropbox、Instacart。现在你在 OpenAI。在 OpenAI 的这段时间里，关于做产品，你学到的最反直觉的教训是什么？每次换工作时，我总是尽量选择差异最大的工作。从 Dropbox 离职后，我特别渴望做一款现实世界的产品，因为那和做 SaaS 之类的东西太不一样了。而从 Instacart 离开后，我又渴望做一些在智力上很有趣、能激发我极客精神的事情。所以我一直在寻找真正不同的东西。而到了这些公司之后，我会试图理解是什么让它们成功——它们真正破解了什么难题，以及我们如何能更加倚重这一点。关于 OpenAI，我花了很多时间思考这个问题，尤其是在 ChatGPT 推出之后。在那之前，这其实无从谈起，因为我们没有那么多收入或产品之类的东西。有几件事驱动了很多决策，让我印象很深。一是经验主义。我们刚才聊过一点。你只能通过发布产品来验证。这也是为什么 Max 和我都大力推动这一点，这也是我们发布如此之多的重要原因。另一个是，好想法可以来自任何地方。运营一个研究实验室的关键在于，你不会告诉人们该研究什么。这不是你该做的事。即使我们变成了一家研究和产品并重的公司，我们也继承了这种文化。所以，让那些有好想法的人去做事，而不是当守门人或事事优先级的裁定者，这被证明对我们极其有价值。很多创新正是来源于此——真正赋能各个职能的聪明人。所以，这是我认为让 OpenAI 成功、也让我们持续成功的一个良好传承：跨学科协作。真正确保把研究、工程、设计和产品放在一起，而不是把它们当作孤立的部门。我觉得这正是我们成功的原因，而且你能从我们发布的每一款产品中看到这一点。比如说，如果我们发布一个功能，而模型能力提升了两倍，这个功能却没有变好两倍，那它可能就不是我们该发布的功能。当然不总是如此。你知道，SOC 2 并不会因为模型变强就变好，但对很多核心能力来说，这是个不错的试金石。所以，我一直觉得你必须深入理解这个地方为何成功，然后最大限度地加速这一点，因为正是这样，你才能把看似偶然的成功变成可重复的操作手册。
——你谈到了研究人员和产品人员之间的这种协作。而你从 ChatGPT 的第一天起就在，直到今天，从零做到了 7 亿周活跃用户——不只是注册用户，是周活跃用户。你是怎么逐步搭建这个团队的？
——来自研究实验室的另一个传承是，你非常重视招聘。这是 AI 实验室都懂的道理：每个人都至关重要。但很多科技公司在经历超高速增长时，会渐渐失去自己的身份，失去人才标准，陷入混乱。所以我们一直倾向于保持相对精简。运营 ChatGPT 的是一个小团队。我从 WhatsApp 汲取灵感，你知道，那也是一个小团队在运营一款全球规模的产品。更重要的是，你必须把招聘做得更像高管招聘，而不是纯粹的流水线式招聘。你需要真正理解每个团队想要填补的空缺是什么，具体需要什么技能，你怎么补上？举个例子，我本质上是个做产品的人，但有时候团队不需要专门的产品人员，因为已经有人承担这个角色了。很多情况下，我们有一位非常有才华的工程负责人，他产品嗅觉极好；或者我们有一位研究员，他有很多产品想法。在我看来，他们就能扮演那个角色，而可能我们缺的是别的东西，比如前端开发之类的。在其他情况下，也许你缺的是一位顶尖的数据科学家。所以我真的很喜欢逐个梳理每个团队，弄清楚那个团队需要什么技能组合，如何基于原则来搭建，而不是简单地假设：我们要为各种岗位做一堆流水线招聘，然后让人后来再去找团队。所以，这一点对我来说一直非常重要。这也是你保持团队极小但产出极高的方式。这也让你在招聘时可以参考 Keith Ro 的说法——我觉得他称之为“炮筒”（barrels），或者说“弹药筒”（barrels of ammunition）。我认为这个观点来自他，核心意思是，你的团队产出取决于你有多少个炮筒，也就是那些能真正推动事情落地的人。然后你可以围绕他们配置弹药，也就是辅助他们的人。我觉得这对我们的招聘来说非常适用，我们始终致力于最大化那些能够自主交付成果的授权型人才数量，因为只有这样，你才能保持小团队的同时完成大量工作。差不多就是这些。另外，我在每个团队的氛围（vibes）上也花了很多时间。因为我觉得，当你试图把研究和产品结合在一起时，一个很大的挑战在于两者的文化不同，人们的背景也不同。要想让这种融合运转良好，你就需要投入时间进行团队建设，确保团队成员对彼此的专业能力有充分的信任，并且感觉能够跨出自己的边界去思考。比如，我一直坚信产品工作是每个人的职责。正因如此，招聘在人进门后并没有结束，反而才刚刚开始，因为你必须着手让团队变得出色。在团队建设方面，有没有什么你愿意分享的有趣做法？比如你会做些什么来营造这种氛围？我特别喜欢和团队一起白板讨论（whiteboarding），我很喜欢进入那种生成式思维的状态。这种方式能打破一切壁垒。所以这是我一直在尝试的做法。虽然不算特别有创意，但我发现这是一个万能工具——一旦你能让人们不再纠结“这是我的职责，那是别人的职责”，而是意识到“我们都在同一个房间里，一起攻克某个难题”，那种效果是非常惊人的。你提到了第一性原理（first principles）这个概念。其实我跟很多人聊起你的时候，这个话题都会冒出来。这是你特别看重的东西吗？很多人谈论第一性原理，但大多数人要么说自己不太懂，要么觉得自己特别擅长第一性原理思考。你能不能分享一下，真正的第一性原理思考到底是什么样的？或许能想到一个你真正运用第一性原理、并得出意外结论的例子？是的，这不是我会用来形容自己的话，得由别人来说。不过你知道，这挺玄妙的。我认为核心在于，你必须真正触及你想解决问题的根本事实（ground truth）。比如刚才提到的招聘，我并不教条地认为你必须配备产品经理、工程经理、设计师什么的。我们只是想组建一个能交付成果的出色团队。所以在这种情况下，第一性原理意味着真正理解我们实际需要什么、缺什么，而不是套用以往学到的流程或行为。我觉得这是个好例子。另一个在这个环境下体现第一性原理的好例子是：某个功能是否需要打磨到位？你知道，我们的 model chooser 被骂得很惨，而我对此负责。我一直跟所有愿意听的人说这件事。不知情的人可能不了解，model chooser 就是产品里一个巨大的下拉菜单，从传统角度看，这绝对是任何好产品的反模式（anti-pattern）。但如果你真正从零开始推理：到底是等到产品打磨完美了再发布更好，还是先把一个粗糙但可用的版本推出去，即使它看起来不太合理，也要尽早开始学习并送到用户手中？我觉得一个流程繁杂、或满是习得性行为的公司会做出一种选择：不，我们发布时有质量门槛，这是我们的规矩。但如果你用第一性原理思考，你会觉得：我们应该发布。这很丢人，但严格来说，这比拿不到你想要的反馈要好得多。我认为，在这个领域，对每个场景都从零开始（from scratch）思考极其重要，因为我们正在构建的东西没有任何类比可言。你就是无法复制现有的东西。我们到底像 Instagram，还是像 Google，还是像某种生产力工具？我不知道。你可以从各处学习，但必须从零开始。我想这也是为什么这个特质会让人在 OpenAI 更有效率，而且我们在面试中也会考察这一点。所以这个主题反复出现，我觉得有必要强调一点：你一直在说速度与精致度之间的权衡，以及在这个领域，速度之所以更重要，不仅仅是为了保持领先，更是为了搞清楚人们到底想用这东西干什么。关于为什么要在 AI 领域如此快速地行动，你觉得还有什么可能是大家没意识到的？没错，无聊的回答会是：哦，竞争很激烈，人人都在做 AI，都在互相超越。这可能确实是真的，但这不是我相信的原因。真正的原因是，在这个领域，你很可能会打磨错误的东西。你当然应该打磨，比如模型输出等等，但在发布之前，你根本不知道该打磨什么。我认为这一点在产品特性是涌现式的、事先无法预知的环境中尤其成立。很多人在这点上搞错了，因为最优秀的产品人往往是工匠（crafts people），他们对工艺有着传统的定义。我也觉得，很容易把我刚才说的这些话当作借口，最终不去做出伟大的产品。所以我经常告诉团队，发布只是通往卓越的旅程中的一个节点，你应该有意识地选择这个节点——它完全不必要是迭代的终点，它可以是起点，但你必须坚持到底。所以我们最近，尤其是上个季度，花了很多精力清理 ChatVt 的 UI。接下来我也很想对回复的布局和格式做同样的事，因为一旦你知道了人们在做什么，那就没有任何借口不打磨产品了。只是在尚未知晓的世界里，你可能会被严重带偏。所以这要视情况而定，还是得用第一性原理来判断。但我确实认为，尤其是在早期，把速度（velocity）当作一种工具来使用……其实这一点在消费级社交（consumer social）等领域早就有人说过。这不是第一个有人说“你得试 10 个东西，因为你大概率会错”的领域。所以我觉得这种动态并非前所未见。但在 AI 领域，我认为内化这一点尤为重要。还有一个因素是模型本身在不断变化，所以你可能都没意识到它们现在能做什么。我猜？完全正确。模型在不断变化，而改进它们的最佳方式——无论你是实验室，还是仅仅在做 context engineering，或者在对模型做 fine-tuning——也许你需要的是失败案例，真正的失败案例，才能让这些东西变得更好。Benchmarks 已经越来越饱和了。所以你真正需要的是现实世界中的场景，在那里你的产品或模型并没有做它应该做的事。而实现这一点的唯一方式就是交付产品，因为这样才能获得用例分布的反馈，进而把这些事情做好。因此，这实际上是向团队，尤其是 MEL 团队，清晰传达该攻克什么目标的最佳方式。比如，人们正在尝试做 X，而模型在某些方面失败了，原因何在？现在，让我们把这些事情真正做好。提到失败案例，这让我想到 Kevin Wheel 和 Mike Kger 都分享过的一点：eval 正成为产品人必须掌握的一项重要新技能，因为现在产品构建的很大一部分就是 eval。关于这一点你有什么想分享的吗？我在 OpenAI 的整个旅程，就是一个在略新的语境下重新发现永恒产品智慧与原则的过程。我记得我开始写 eval 的时候，甚至还不知道 eval 是什么，因为我只是在为各种用例勾勒出非常清晰明确的理想行为，直到有人告诉我：“嘿，你应该做一个 eval。” 然后我才发现，原来有一整套研究评估基准的世界，这和我试图做的产品毫无关系。我当时就想：“哇，这或许是一种通用语言，可以用来向做 AI 研究的人传达产品应该做什么。” 这一点让我豁然开朗。归根结底，这和你应该先明确成功标准再动手做事的智慧没什么不同。这只是实现这一点的新机制。你可以在电子表格里做，可以在任何地方做。我真的很想为那些听到这个词的人祛魅——它不是什么你必须搞懂的技术魔法。它其实就是以一种对训练 bots 最有用的方式来明确成功标准。太好了。我很快会发一篇文章，里面有一个非常好的面向 PM 的 eval 写作指南。我很期待读到。而且我希望你同意我刚才说的，因为这其中或许有某种深刻的道理。是的。是的。而且现在有很多工具可以让这件事变得更简单。完全同意。好的。所以这基本印证了这一点：这是一项非常重要的技能，产品团队和 builder 都需要掌握好。是的，是的。好的，再问几个问题。我知道你今天很忙。一个是关于 ChatGPT 成为网站和产品流量增长重要推动力的这一趋势。例如，ChatGPT 现在为我的 newsletter 带来的流量已经超过了 Twitter，这让我完全震惊了。我刚才在看数据，心想：“怎么回事？这完全出乎我的意料。” 所以，我想听听你对这件事未来的看法，你如何看待 ChatGPT 为产品和网站带来增长和流量。我对此非常兴奋。因为你知道，我觉得通过聊天机器人与一切互动是反乌托邦的，同样，如果外面没有精彩的新高质量内容，我也会觉得那是反乌托邦的。因此，我之前稍微提到了搜索，以及它早期如何解决了一个非常重要的用户问题，因为你有一个知识截止的问题，而突然之间你可以聊任何东西。事后看来非常明显，这不仅仅是用户问题，对吧，这是一个生态系统问题。原来的 ChatGPT 没有外链，它只会回答你的问题，把你留在产品里，而即使你想继续阅读或深入，我们也没有办法将流量导回内容生态系统。我对我们在搜索方面所做的工作感到非常兴奋，不仅是因为它给人们更准确的答案，还因为它让我们能把像这档播客这样的高质量内容呈现给想看的人。当然，有很多有趣的问题，比如在 Google 时代，有搜索引擎优化，有明确理解的如何展示和获取更多流量的机制。所以，很多人问我，如果我是 Lenny，我想把播客流量增加十倍，我该怎么做？这相当于什么？说实话，我们还没有很好的答案。原因很简单，理想情况下，吸引 AI 模型的方式应该和吸引真实用户的方式一样，因为模型应该只代理用户的兴趣，仅此而已。至少，我希望我们的产品是这样运作的。因此，我的建议非常简单，就是制作真正高质量的内容。不过，这可能没有内容创作者希望的那么具有可操作性。我认为这就是为什么我们还有很多工作要做，因为也许我们可以想出更好的机制或协议。但我很兴奋这为你带来了优质的流量。我希望其他创作优质内容的人也能开始感受到这一点，因为这同样是一个非常棒的场景。人们为这种 AI 驱动的 SEO 技能用了两个缩写。一个是 AEO，也就是 answer engine optimization。另一个是 GEO。我忘了 G 代表什么。
Generative。对，我忘了。
Generative。对，generative engine optimization。你更喜欢哪个？你——
不，我尽量回避这些术语，除非它们变得不可避免，因为我还不确定这是否应该成为一个概念。再说，我认为理想情况下，ChatGPT 应该理解你的目标，因此知道什么内容对你有趣，而内容创作者的工作就是分享足够的信息和关于内容的元数据，让模型能够做出与用户利益一致的决策。所以我不确定给这件事起个名字、把它当成一个概念，是不是我们应该做的。我非常渴望从内容创作者那里了解这可能是什么样子，因为我们还在摸索中。顺着这个思路。人们还会想到另一个问题：你们有 GPTs，就是那种你可以构建的自定义 GPT 应用，用来回答非常特定的用例。大家一直在问，你们会不会建一个类似应用商店的东西，让我可以把我的新闻、我的产品接入 ChatGPT 并从中变现。这方面有什么你能谈的未来可能发生的事情吗？
GPTs 很酷。从某种意义上说，它们有点超前，因为我们在你真正能够构建出非常差异化的事物之前，就已经做出了这种概念。至少在消费端是这样，你知道，你的学习类 GPT 和模型开箱即用的能力会很相似。所以它主要是一种向人们说明用例的方式。但它目前还没有足够的工具来做出感觉像应用的东西。顺便说一句，在企业端情况完全不同，我们看到 GPTs 在那里获得了大量采用，因为每家公司都有非常定制化的业务流程和问题等等，而这是一个非常有用的工具。它们还有独特的数据可以接入，让模型能够检索。所以我们在那里看到了很大的成功。我认为这个方向是对的，而且我相信我们会找到一个很好的机制，因为当你把这么多能力打包进 AI 时，让人们以具有明确 affordance、明确用例且彼此差异化的方式封装这些能力，感觉会非常强大。我也非常希望人们能在 ChatGPT 上创业。我觉得确实存在这样一种可能：当这款产品达到用户规模时，它能为你带来分发渠道，能让你开始做出一些东西，就像人们当年基于互联网创业一样，全新的商业机会会由此诞生。所以我想未来我们在这方面还有更多可以分享的。GBTS 是一次早期尝试，随着模型能力变强、我们的触达范围也在扩大，我很期待能在那一思路上继续演进。太棒了。真的很有意思。我很期待看到你们在那边的动作。好了，聊个完全不同的方向。我知道你大学学的是哲学。是的。计算机科学和哲学，对吧？一个组合。对。我一开始是哲学专业，后来选了一门编程课，因为我特别喜欢逻辑，而编程和逻辑最像。结果我就爱上了写代码，后来逐渐转向计算机科学，而且越学越多。但在此之前，我从来没把自己当成过技术型的人，所以算是我人生中一个比较晚的发现，对此我非常感激。能领导这款产品的人拥有这样的组合背景，真是太不可思议了。确实如此。某种意义上，这真的圆满闭环了，是我始料未及的。你需要应对的问题之多真的非常有趣。哲学不是一门传统意义上的实用技能，但它确实教会你从零开始思考问题，清晰地表达观点，我觉得这很多次都派上了用场。有没有哪位特定的哲学家或哪个学派对你帮助最大？还是说更多是一种……
泛化的影响？太多了。我的毕业论文写的是“理性的人是否可能、为何会产生分歧”，这个话题在面对一群价值观迥异的人对模型行为或产品该如何运作各执一词时，也特别有用。我很喜欢20世纪的分析哲学家，虽然这有点书呆子气。我不确定自己有没有最喜欢的，太多了数不过来。但我就是喜欢这类东西。其中一些内容分析性很强，比如“令P为关于爱的某种理论，令Q为另一种理论”，然后你进行某种符号推演。所以它更像是一种脑力思维训练，而不是什么实用技能。但它教会了我一种思考方式，至今仍然非常有价值。太厉害了。技能和背景的这种组合真的太酷了。在进入非常精彩的闪电轮之前，最后一个问题。你先后在 Dropbox、Instacart 担任产品负责人，而现在你担任着可以说是历史上最具影响力的产品的 PM。你是怎么得到这个角色的？加入 OpenAI 并接手这项工作的故事是怎样的？我所做过的每一个职业决定，包括大学毕业后的第一份工作，都是在想：我认识的最聪明的人是谁？我想和他们相处并向他们学习，我能不能和他们一起工作？我不知道怎么选公司，也不知道如何真正逻辑清晰地推断哪个领域会爆发之类的。但我确实对人的感觉比较准。在 Dropbox，我追随的是我曾经担任助教的那门课的首席助教；在 Instacart，我追随的是我认识的一些最厉害的产品人；而在 OpenAI，招募我的人是 Joanne，我当初发消息给她是想从 Dolly 的等待名单里插队，她说除非你过来面试。于是她把它变成了一种反向招聘。说实话，一开始我不知道自己在这里能做什么，因为这是一家研究实验室，而我是做产品的。他们说别担心，我们会搞清楚的。他们当时有点遮遮掩掩，我原以为这是因为 OpenAI 的身份不能对外透露，但其实他们遮遮掩掩是因为我们当时真的还不知道。我入职后几乎什么都干，而且绝对不是产品工作。我记得第一个任务是修百叶窗之类的。然后我开始给人们发 NDA，因为他们需要一些运营上的帮助。后来我开始问：等等，我为什么要发 NDA？哦，原来是为了能和用户交流。我就想，和用户交流？这可是我擅长的事。于是我很快跌跌撞撞地开始做起了产品工作，后来逐渐牵头了很多产品方面的事务。但这一切都是自然而然的，就是站出来，把需要做的事做了。因为我加入的这家公司，从根本上说并不是一家产品公司。哇。这真是个很好的例子，我不知道你是否这么想过，但当有人邀请你登上一艘火箭船时，别问是哪个座位。我当时并不知道那是火箭船。我觉得自己是被极客话题“狙击”了——当时我为了帮你从 Dolly 等待名单里出来而做准备，就开始阅读这个领域的资料，结果激发了我的哲学脑，还有计算机科学脑。我想，等等，这很酷啊。然后我开始读那个时期所有的学术论文。所以最初是因为知识上的好奇，也是因为那里的人。但后来留下是因为产品机会。显然，在 ChatGPT 发布并爆火之后，我意识到我们造了一艘火箭船，而且是边造边发射的那种，也许可以这么比喻。但我不能说，我加入的时候它是一份被炒作的工作，或者有什么类似的感觉。所以这里面的启示之一就是，如你所说，追随最聪明的人。还有一点就是追随你感兴趣的东西。你只是玩了一下 Dolly，就带来了这个机会。对，对。实际上这也是我们现在仍在考察的特质：好奇心。我们认为好奇心比你的 ML 知识重要得多。我不是在评价研究岗位的招聘，那个领域恐怕确实需要一些 ML 知识。但对于产品、工程、设计以及这类职能的人来说，我觉得只要你对事物如何运作充满好奇，哪怕你之前从未做过，也完全没关系。事实上，如果你只筛选那些有既往经验的人，你的筛选面会非常窄，筛出来的只是一些运气好的人，而不一定是你能招到的最优秀的人。所以我觉得这一点在我们这里被放大了——这当然是我能来到这里的原因，但我认为它实际上也是预测在 OpenAI 能否成功的一个普遍有效的指标。
Nick，我告诉过你我有一亿个问题，不，两亿个。我感觉已经问了很多，但感觉还剩一亿个。不过我知道你接下来要赶去参加一个很重要的 GPT-5 进度会议，所以……
我们得推进上线了。既然这期节目已经录完并且要发布了，我们得推进了。确实。这就是个倒逼机制。好了，在进入精彩的闪电轮之前，你还有什么想分享的、想留给听众的，或者觉得很重要的事？我试着分享一点我做决定的方式，因为我也才毕业没多久，很能和那些即将进入就业市场、正在思考人生方向的人产生共鸣。我非常有信心，如果你身边都是能给你带来能量的人，如果你追随自己真正好奇的事物，那么在这个时代你一定会取得成功。所以我给大家的临别建议就是，让自己身处优秀的人之中，去做你真正热爱的事情，因为在这个任何东西都能回答你问题的世界里，提出正确的问题非常重要，而学会提出正确问题的唯一方法就是培养自己的好奇心。这对我很有效，也是我能分享的唯一可复制的东西。其他一切都是运气。而这与当下很多人的做法截然相反，他们都在追随金钱：哪里能赚最多？怎么把这件事做大并赚到一亿美元？但所有这些拿到疯狂 offer 的人，当初并不是为了赚大钱才做这行的。看到这些事情成真挺有意思的，因为我觉得这些人当初进入学校都是出于真诚的原因。他们对这个领域充满热情，做研究，追求知识，我很高兴这得到了回报。我不知道未来的回报会是什么样子，尤其是在后 AGI 时代，但我有一种感觉，如果你听从那条建议，最终你会过得不错。好的，Nick，我们现在进入非常刺激的快问快答环节。我有五个问题要问你。准备好了吗？当然。好。在产品领域，你向别人推荐得最多的两三本书是什么？可能是《High Output Management》或《The Design of Everyday Things》这类经典书籍，因为我觉得它们非常实用。我们聊过哲学，不知道你有没有喜欢的哲学书，如果要读一本的话你会推荐哪本？哦天啊，比如 Rawls 和 Nozick 的任何东西，我喜欢政治哲学方面的内容，我觉得真的很有意思，这类书我可能会推荐。我不觉得读这些东西有什么实际用处，但我会跟你一起狂热讨论，所以读的话后果自负。你最近有没有特别喜欢看的电影或电视剧，如果你有时间看的话？我觉得身处这个领域，你得看一些科幻作品。你不应该照搬任何内容，但我认为你能从中获得启发。所以我经常会重看《Her》和《Westworld》。《Severance》也很棒。我觉得这些作品，就是我有时间时会去琢磨的。太棒了。在所有科幻电影中，你最喜欢、觉得最有趣和最有价值的恰好就是这两部。是的，但这可能是我自己的局限。所以我相信还有更多值得探索的。对了，你读过《Fire Upon the Deep》吗，一本科幻小说？嗯。好吧。不知道你有没有时间读这本书，但我觉得你会喜欢。这是一本非常棒的、以 AI 为核心的科幻太空歌剧类型的小说。太好了。是的。好的。那你最近有没有发现什么特别喜欢的产品？其实没有。我已经处于极限负荷状态了。是的。有时候挺有意思的，比如 API 开发者会问我，嘿，你们会不会抄袭我们所有的产品？实际上我根本没有时间去关注 OpenAI 以外发生了什么，因为这里的节奏太紧张了。所以恐怕没法给你什么好的推荐。这对很多产品公司来说是个令人安心的答案——Nick 连看我们东西的时间都没有。天哪，好吧。那你在遇到困难时，有没有特别喜欢用的人生格言，会跟朋友或家人分享，而且别人也觉得有用的？你最常相处的五个人的平均值，这句话我真正内化到了心里。在我的个人生活中，有些人能给我能量，激励我，让我成为更好的人，我的未婚妻就是其中之一，但我生命中还有很多人。然后在工作中也是同样的道理，我所有的职业决定都是这么做出的：我想向谁学习？所以我一直在运用这个原则。最后一个问题。跟我聊过的每个人都说你是一位非常优秀的爵士钢琴家，还得过奖。我想你当初是打算以此为业的，然后不知怎么的走了条支线。是的，我在最后一刻退缩了，但我本来是要去音乐学院读书的，这仍然是我希望的第二章。我喜欢这个，说不定还会实现。说不定还会实现。现在我会参加一些玩票性质的乐队，我们偶尔会一起即兴演奏。这是我在极度疲惫、完全无法思考时唯一能做的事，因为它能以很好的方式让我平衡。所以是的，希望将来能有更多机会做这件事。音乐和你的工作之间有什么相似之处吗？有，其实我觉得你可以把软件开发或者产品经理的工作看作两种形式：你可以是指挥管弦乐团的指挥，也可以是在爵士乐队里演奏。我把我们的工作当成爵士乐队，我不相信每个人都必须演奏固定的声部，而由我来告诉他们什么时候该演奏。我喜欢爵士或其他即兴音乐中的那种相互 riff 的感觉，你听到一个人演奏了什么，然后你回应一段。我认为伟大的产品开发也是如此：创意可以来自任何地方，它不该是一个照本宣科的过程，你应该不断尝试，享受乐趣，在工作中留有玩乐的空间。所以我经常用这个类比，对于那些喜欢音乐的人来说，这往往能引起共鸣。
Nick，非常感谢你抽空来做这期节目。我知道今天很疯狂。今天，明天，对全世界来说都会更加疯狂。他们根本不知道会发生什么。非常感谢你愿意来。最后两个问题：如果你愿意让大家在网上找到你，该去哪里找？大家能在哪里找到 GPT-5？以及听众可以怎么帮到你？用产品就行了。甚至不用付费。从明天开始，它应该成为你的默认模型。只管用它，别再想着模型了，除非你想，而且你是专业用户，那样的话你能用上所有小模型。所以请放心。说真的，我从普通大众和 ChatGPT 用户等群体中学到了很多很多。所以继续做你们的事吧。我在观察、学习，也很感激所有反馈。所以我相信等我们修复了模型选择器之后，你们又会因为别的事来吐槽我，我接受。所以尽管来吧。太棒了。Nick，非常感谢你来参加节目。谢谢你邀请我，Lenny。祝你明天好运。谢谢。各位再见。非常感谢你的收听。如果你觉得这期节目有价值，可以在 Apple Podcasts、Spotify 或你喜欢的播客应用上订阅。也欢迎给我们打分或留下评论，这真的很能帮助其他听众找到这档播客。你可以在 lennispodcast.com 找到所有往期节目或了解更多信息。下期再见。