市场资讯

（量子位）

蛙趣！还得是OpenAI总裁亲自爆料啊…

Sora“世纪大关门”后，全网热议OpenAI此举背后动机，本以为这是为了IPO而进行的战略收缩。

结果联创兼总裁Greg Brockman直接放料——其实是为了一个“蓄谋已久”的Super App

而且不止告诉你这个Super App长啥样，连即将到来的新模型“Spud”（中文名土豆？）也没憋住。

等等，如果你和我一样，以为“Spud”不过是又一个“GPTxxx”，那就大错特错了！

Greg已经说了，这是个重新预训练的模型，凝聚了OpenAI过去两年的心血智慧——等上手你就会意识到，它将变得有多聪明且“顺从”。

还没完，Greg还聊到了OpenAI今年的大笔融资、和A社家对B端用户的争夺……

以下为播客实录精校（感谢AI），在不改变原意的基础上做了适当编辑。

对话实录精校

为何放弃Sora？

主持人：现在外界看到你们放弃Sora转向Super App，为什么？

Greg：过去我们一直在两条线并进：一是研发深度学习技术，看它能否产生我们设想的积极影响；二是尝试部署这项技术，为业务提供支撑，积累真实世界的落地经验。

现在我们到了一个节点——技术已经验证可行，不再只是跑benchmark、做智力演示，而是必须进入真实世界，通过人们实际使用来获得反馈，才能继续推进。

所以这是一个更大的战略调整，不是因为我们要从消费端转向B2B，而是因为我们不能什么都做。我们要聚焦那些能形成协同、真正产生影响力、能帮助每个人的应用

主持人：你曾把OpenAI比作迪士尼，以模型为核心（像米老鼠），然后衍生出视频、助理、企业服务等。现在是无法兼顾了吗？

Greg：实际上这个比喻依然成立，而且某种程度上反而更适用。但从技术层面看，Sora视频模型与GPT系列（核心推理模型）是技术树上不同的分支。

我们确实还在继续做Sora的研究，但它是放在机器人领域里推进的——机器人目前仍处在研究阶段，还没成熟到未来一年就能在知识工作领域大规模落地。

所以我们当前的战略是：把主要精力放在GPT系列上，这不仅包括文本，也包括语音等交互，这些都是在同一个模型上做微调，而不是另起新枝。在算力有限的情况下，同时推进两个差异巨大的产品分支非常困难

主持人：那你为什么不押注Sora这条路？视频生成进步这么大。

Greg：现在最大的问题是机会太多。我们在OpenAI很早就发现，只要逻辑在数学上成立，几乎所有想法都能奏效，这就是深度学习的迷人之处。

但重点在于排序和时机。我们已经确信文本模型可以走向AGI——AGI就在眼前，今年还会有更强的模型。

比如最近，一位物理学家研究了很久的难题，OpenAI模型在12小时内就给出了解决方案。这种“思考”的能力让我们必须加倍下注。这不是说哪个方向不重要，而是OpenAI肩负的使命是把AGI带给世界，我们要做的就是把这条技术树推到底。

主持人：DeepMind的哈萨比斯曾说，图像生成器最接近他心中的AGI，因为它们必须理解物体间的互动。OpenAI会不会因为只押注一条路径而错失什么？

Greg：在这个领域你必须做出选择。OpenAI从一开始就决定了自己相信的AGI路径。而且，图像生成也是ChatGPT的重要功能，但我们是基于GPT架构而非扩散模型来实现它的。

所以我们要做的是尽可能统一技术栈，这样才能支撑起整个经济——OpenAI做的是“通用”人工智能，G就代表这个意思。

Super App到底长啥样？

主持人：那Super App具体会是什么样？

Greg：它将整合编程、浏览器和ChatGPT。我们希望为你构建一个能让你体验AGI力量的端点应用。它不仅是一个工具，更是你的“个人助理”，它了解你、与你的目标一致、值得信任。

以前Codex只是软件工程师的工具，现在它将变成每个人的工具。你想让电脑做什么，直接告诉它就行，电脑会顺应人类，而不是人类顺应电脑。

主持人：这不仅是针对商业，也针对个人生活？

Greg：没错，就像你的笔记本电脑既用于工作也用于生活。未来的Super App会有记忆，它连接你的邮件、日历，知道你的偏好，从而更深层次地帮你达成目标。

主持人：什么时候推出？

Greg未来几个月会分步推进。起点就是Codex应用——它既是通用的智能体框架，能调用各种工具，又擅长写软件。这个通用框架可以接入电子表格、Word文档，帮你完成知识工作。在OpenAI内部，我们已经看到很多人自发用它来做这些事。第一步就是让Codex对普通知识工作更友好，后面还有很多步。

怎么看待和Anthropic的竞争？

主持人：像Anthropic已经有了Claude Code等类似Super App的功能。OpenAI觉得自己赶上来了吗？

Greg：如果回看12到18个月前，OpenAI一直很重视编程这个方向，在各种编程竞赛上成绩最好。但当时没怎么投入“最后一公里”的易用性——AI虽然能解竞赛题，但没接触过真实世界的代码库，那些代码杂乱无章，不像它训练时遇到的那样规整。

去年年中我们才真正认真补上这一块，专门组建了团队，聚焦真实世界的各种问题，构建训练环境，让AI体验实际软件工程中会遇到的中断和混乱。

到现在，当与对手面对面竞争时，用户往往更倾向于我们。OpenAI正在往前赶，这个问题会解决的。

主持人：你们怎么看待竞争？现在对手追上来了，公司内部氛围变了吗？

Greg：我在OpenAI最恐惧的时刻，其实是ChatGPT刚发布后的年会，当时大家觉得“我们赢了”。我当时想：“不，我们一直是挑战者（Underdog）。”现在的竞争环境其实非常健康，它让我们保持谦逊和统一，不再有“支线任务”，全神贯注于核心目标。

我从不觉得我们像外界说的那么好，也从没那么差，始终很平稳。模型这块我对我们的路线图非常有信心，产品这边也能量十足，一切都在汇聚。

传闻中的新模型“Spud”

主持人：传闻中的新模型“Spud”是什么？

Greg：其实重点不是某一个模型。“Spud”代表了OpenAI过去两年的研究成果，是一个新的预训练模型。但它只是一个节点，引擎的进步速度会越来越快。

主持人：它能做哪些现在的模型做不了的事？

Greg它能解决更复杂的问题，理解力更强，对上下文把握更好

人们常说“大模型感（Big Model Smell）”——模型更聪明时，你会感觉它更懂你。你问一个问题，AI没听懂，这很让人沮丧。现在它会更少让你重复解释。它既能拉高天花板——解决更开放、时间跨度更长的问题，也能提升基础体验——让你做任何事都更顺手。

主持人：普通用户能明显感觉到变化吗？

Greg：会是一样的情况——有些人用起来觉得天差地别，有些应用本来就不是卡在智力上，变化没那么明显。

但关键是你的心智会慢慢改变。比如有朋友被诊断为绝症，医生说他没救了，他用ChatGPT研究不同方案，最终找到了治疗途径。这种场景里，你得先相信AI能帮上忙，才会投入精力去用。随着技术变强，这种“能帮上忙”的感知会越来越明显

即将在秋季推出的“AI研究员”

主持人：你们内部还在做一个自动化AI研究员，计划秋季推出。它具体做什么？

Greg：现在我们处在技术起飞阶段——AI越强，我们越能用AI来改进AI，开发速度不断加快。同时芯片厂商在加码，生态里的人在探索各种应用，所有这些能量汇聚在一起，AI正从经济的一个分支变成主要驱动力。

这个研究员，本质上就是把研究科学家的整个工作流程在硅片上实现。它现在已经能承担相当比例的科研任务，我们可以让它自主运行，但不是说撒手不管——就像带初级研究员，你得给他方向、审阅他产出的结果，而不是完全放养。

主持人：AI从渐进式进步到势不可挡地超越人类智能，你不担心出问题吗？

Greg：当然担心。获取技术收益的同时必须考虑风险。技术上我们投入了很多在安全上，比如提示词注入攻击——一个很聪明的AI如果连了很多工具，不能被恶意指令利用。这方面我们有很好的团队，也取得了不错的成果。

有些问题其实可以类比人类——人也容易被钓鱼、被欺骗、看不清全局。我们在研发和发布模型时，都会用这些类比来思考如何确保对齐。当然还有更大的问题，涉及整个经济和社会，不是OpenAI一家能解决的。

主持人：你曾说过很多人做对很多事才能创造，但一个人心存恶意就能破坏。奖励真的值得风险吗？

Greg：我认为值得，但这个答案太粗糙了。从OpenAI一开始我们就在问：一个好的未来是什么样的？

一条路是集中化，只有一家在开发，这样压力小、能确保安全后再推向所有人，但这本身很难让人接受。

另一种是构建一个“有韧性的开放系统”，很多参与者共同开发，同时围绕技术建立社会基础设施——就像电，很多人生产它，有危险，但我们建立了安全标准、监管体系、检查机制。

AI也需要广泛的对话，让所有人参与进来，而不是由某个中心化的小组秘密完成。这是我们一直相信的方向。

主持人：黄仁勋说AGI已经实现了，你同意吗？

Greg：不同人对AGI定义不同。如果用我个人的定义，我可以说已经完成了70%到80%。极其明确的是，在未来几年内我们将拥有AGI。它能完成你在电脑上进行的几乎任何智力任务。

Agent带来的变革

主持人：去年12月发生了什么，那好像是个转折点——让机器连续编码几小时从理论变成了现实。

Greg：新模型发布后，AI从能完成20%的任务跃升到80%。这带来了巨大变化——从“有点意思”变成“你必须围绕AI重构工作流”。

我自己有一个测试提示，用了很多年：帮我建一个网站。这个网站我当年学编程时花了几个月才做出来。后来用AI，前后四个小时，反复调整提示。到了去年12月，一次提问，它直接生成，而且做得很好。

主持人：模型是怎么实现这种跨越的？

Greg：基础模型变强了。这是我们长期投入预训练的结果，那只是今年一系列进展的前奏。

但也不只是某一点，我们在每个维度上都在推进。它并不是从0到80%，而是从20%到80%。而且这种进步还在继续，比如从5.2到5.3版本，一个做底层系统工程的同事，以前AI根本搞不定他做的事，现在不仅能给出设计方案，还能直接实现、加指标、跑性能分析、持续优化，最后出来的东西就是他想要的。

可以说是“一点一点，然后一下子”。

主持人：OpenAI后来把OpenClaw的创始人请进来了。这是不是意味着“AI替你管理生活”就是你们的愿景？

Greg：这项技术最核心的难点，其实是搞清它怎么才能真正帮到人、人们想怎么用、智能体的未来长什么样。

据我观察，在这个领域，真正投入、充满好奇、有远见的人，是非常稀缺且有价值的。Peter就是这样的人。

所以与其说我们看重某个具体技术，不如说是看中他如何把这些能力真正融入人们的生活。作为技术人员我觉得这很激动人心，但从服务用户的角度，我们也在全力投入这件事。

主持人：你曾说使用AI Agent就像成为“管理数十万Agent的CEO”。这会不会让人失去对问题的实际掌握？

Greg：我觉得有利有弊。你可以把机械的细节交给Agent，就像房主信任施工队一样，但你不能放弃责任。你必须主动保持对优势和弱点的把握，只有在信任某个系统能做好的前提下，才能放心把那些低层次任务交出去。

主持人：你们经历了预训练、微调、强化学习，让模型一步步学会解决问题、使用工具。接下来是什么？

Greg：接下来是能力的不断加深，比如让AI真正能操作电脑，做任何你能做的事。但同时我们还要建设企业级的身份认证、审计、可观测性这些配套技术。

除此之外，我们还在推动语音交互，让对话像现在这样自然，你一早起来它就能给你汇报Agent昨晚的进展。我觉得这会是一个巨大的应用场景。比如它会告诉你“有个客户不高兴了，想跟真人聊聊，你得去处理一下”。这些都会实现。

更远一点，是提升人类解决挑战的“天花板”，我们已经能看到端倪。就像AlphaGo的“第37手”，人类从未想过的下法，改变了整个棋局的认知。这样的突破会在每个领域发生，它们会打开我们对创造力和想法的理解，远超我们现在的想象。

主持人：既然模型已经这么强了，为什么这些突破还没有发生？

Greg：因为我们还在理解这些模型能力的阶段。即使技术不再进步，现有的能力也足以引发巨大的经济转型。以前我们只在有明确答案的任务（如数学、编程）上训练，现在我们正扩展到开放式问题（如创意写作）。

还需要预训练吗？

主持人：随着OpenAI转向Agent型应用，有人开始讨论，是不是不需要那么大规模的预训练了？模型够好之后，让它出去自己学就行，不一定要建那些超大数据中心。你负责这方面的战略，怎么看？

Greg：这种看法忽略了一个关键点：模型生产流程的每一步都是相乘效应的。更强的预训练会让后面的所有步骤都更轻松。模型初始能力越强，学得越快，在试错过程中犯的错也越少。

以前我们只关注预训练，没太考虑推理能力，但过去两年我们意识到，这两者要平衡。你可以在基础模型上做得很强，但同时也得让它能高效推理，用于强化学习和对外服务。

所以你不一定要无限做大，而是要找到“智能×成本”的最优解。

主持人：如果未来主要靠推理，还需要NVIDIA的GPU吗？

Greg：绝对需要。一方面，无论训练和推理的配比怎么变，大规模训练仍然需要集中大量算力。另一方面，NVIDIA团队非常出色，我们和他们深度合作。

主持人：会不会有一天，大家觉得“模型已经够聪明了，不用再预训练了”？

Greg：那得等到人类解决了所有问题才行。我们这五十年其实把很多雄心放低了。比如“让每个人都能享受医疗”——不只是治病，而是预防，是提前发现潜在疾病。这完全可以通过更智能的模型实现。

到某个程度，也许你会说“不用再翻倍聪明了”，但总会有新问题提出更高的要求。

为什么重金押注算力？

主持人：今年你们融了1100亿美元，这些钱是直接投到数据中心吗？这笔钱怎么回馈投资者？

Greg算力不是成本中心，而是收入中心。就像招聘销售人员，只要你能卖出产品，雇的人越多收益越大。我们发现算力的增长永远赶不上需求。

主持人：这种前所未有的投入，你很有信心吗？

Greg：历史已经证明了这一点。从ChatGPT发布起，我的团队问要买多少算力，我的回答一直是“全部”。我们要projection（预测）未来。现在的收入主要来自个人订阅，但知识工作的企业市场正展现出惊人的支付意愿。

主持人：现在消费者订阅是OpenAI最大的收入来源，未来企业业务会反超吗？

Greg：我觉得“企业”这个概念本身也在变。重要的是人们用AI做“知识工作”。比如现在ChatGPT的消费者订阅也可以使用Codex，所以界限不会那么清晰。将来就像你的笔记本电脑一样，是你接入数字世界的入口，收入自然也就跟着来了

主持人：Anthropic CEO说过，有些玩家“过于冒进”，把杠杆拉得太满。他应该是在说你们的基建投入，你怎么看？

Greg：我不同意。我们一直非常审慎，也一直在前瞻性地判断技术走向。今年大家都会看到，所有参与者都会面临算力紧缺。我们是预判到这一点、最早开始布局的。其他玩家大概去年底才反应过来，匆忙去找算力，但那时候已经没什么可用的了。

主持人：有人觉得如果预测出一点偏差，公司可能就破产了，你们也面临同样的情况吗？

Greg：我觉得其实有更多的缓冲空间。担心下行风险是合理的，但我们的押注不只是针对某一家公司，而是整个行业——你是否相信这项技术能创造我们看到的那股巨大价值。

软件工程领域的变化已经很明显了，如果你不是工程师，没试过Codex，真的很难描述那种差别。六个月前我们内部看到了这些趋势，但外部证据还不多，现在证据已经出来了。

再过六个月，所有人都会感受到，然后大家都会发现，明明有很厉害的模型，却没有算力可用。

主持人：AI在公众中似乎并不受欢迎，很多人担心失业，你担心AI的品牌形象吗？

Greg：我们需要向国家展示AI如何改善生活。比如有人用ChatGPT协助诊断出了孩子被误诊的脑瘤，这些故事被讲得太少了。

关于数据中心，很多人担心环境和电费。这里有很多误解，比如水资源消耗其实非常小。我们承诺会支付自己的能源费用，不推高居民电价。甚至在某些地方（如北达科他州），数据中心的到来帮助升级了陈旧的电网，反而降低了居民电费。

如何为AGI时代做准备？

主持人：如果现在有一个害怕AI的人，他可能觉得AI会抢走他的工作、污染他的社区、让世界变得太快。你有什么想对他说的？

Greg第一件事就是亲自去试试这些工具。只有真正体验过现在的AI，你才会明白它能为你做什么。人们总是更容易看到“会失去什么”，而不是“会得到什么”，但我觉得值得给它一个公平的机会，去理解天平的两端。

主持人：如何为未来做准备？

Greg最重要的还是理解这项技术。我们观察到，最能从AI中受益的人，都是带着好奇心去尝试、真正把它融入工作流程的人。

他们克服了“面对一个空白框不知道干什么”的阶段，培养出一种“我可以当管理者”的意识——我可以定方向、分派任务、做监督。

这项技术是为人类设计的，最终是为了帮助人类建立更多的连接，让人有更多时间做自己想做的事。关键就在于搞清楚——你到底想要什么？然后借助这项技术去实现它。