Greg Brockman：在“象牙塔”之外，探索智能的无限边界

TL;DR：

OpenAI联合创始人兼总裁Greg Brockman是一位兼具技术远见与人文关怀的AI思想领袖。他以强化学习为核心，突破算力瓶颈，致力于将GPT-5等前沿模型从“象牙塔”引入现实世界的复杂应用，并推动AI作为“智力伙伴”赋能人类社会，最终实现通用人工智能造福全人类的宏伟愿景。

在一片关于GPT-5“过度炒作、性能落后”的喧嚣中，OpenAI的联合创始人兼总裁Greg Brockman，这位站在全球AI浪潮之巅的建筑师，以一种罕见的坦诚与深邃，揭开了其背后的真实图景与宏伟蓝图。他并非为一时的争议所困，而是将其视为模型走出“象牙塔”、拥抱现实世界混乱的必经之路。

从下一词预测到推理革命：智能的觉醒

OpenAI的旅程，从GPT-4的诞生开始，就注定不凡。Greg Brockman回忆起那个关键时刻——当他们完成GPT-4的后训练，使其学会遵循指令时，一个意想不到的现象发生了：模型不仅能回答问题，还能根据之前的对话链条生成新的回答。他眼中闪烁着发现的惊喜：

“那一刻我们意识到：这个模型居然能‘聊天’。它并不是为聊天训练出来的，但却能利用上下文完成对话。”

然而，这份“聊天”能力并非终点。在一次重要的研究会议上，Yakup、Ilya、Voych等核心成员齐聚一堂，共同探讨一个更深层的问题：为什么这还不是AGI？Greg坦言，尽管模型几乎无所不能，但它不够可靠，会犯错，会偏离正轨。弥补这份差距的答案，指向了强化学习（RL）。

对于OpenAI而言，强化学习并非新概念。早在2017年，他们的Dota项目就已证明，从随机初始化的神经网络出发，纯粹的强化学习能训练出极其复杂且正确的行为。Greg强调，正是那种可靠性，是他们渴望赋予语言模型的核心品质。于是，在GPT-4训练完成后，团队清楚地认识到，必须进入“推理范式”。这并非一蹴而就，正如他所说：

“我们有十几种想法和假设，大家都去尝试，大多数都失败了，但至少有一种被我们做成了。这就是关键：不断尝试，遇到一点成功的迹象就继续深挖，慢慢成长。”

这段历程不仅是技术演进的缩影，更展现了OpenAI内部那种不懈试错、拥抱失败、最终在点滴成功中汇聚力量的独特文化。Jerry、Wenda、Felipe等团队成员的名字，在Greg的讲述中一一浮现，他们的努力共同浇灌了今天的突破。

算力：智能的终极燃料

在与Kernel Labs创始人Allesio和主持人Swyx的对话中，Greg Brockman反复强调一个核心理念，这几乎是OpenAI信仰的基石：

“瓶颈永远是算力。真的。很明显，如果给我们足够多的算力，我们一定能找到方法来迭代，并充分利用这些算力。” ¹

他将算力比喻为“精炼的过程：从能量变成算力，再变成智能。就像把算力‘结晶化’为潜在能量，随后可以转化为模型执行有用任务的能力。” ² 这种将抽象计算转化为具象智能的思维方式，深刻地影响着OpenAI的战略布局。他以Dota项目为例，当初看似无法规模化的PPO算法，仅仅通过每周算力翻倍，智能体水平就直线上升。这并非偶然，而是对“算力即智能燃料”的最好印证。

这种对算力的信仰，也体现在OpenAI对模型成本的极致追求上。Greg Brockman透露，从GPT-4发布至今，同等智能水平的成本已经降低了1000倍，仅用两年半时间。这近乎“疯狂”的效率提升，不仅源于模型架构的优化，更得益于基础设施和推理效率的持续突破。他预言，成本将从美元级别降至几美分，让AI技术真正触手可及。

从企业市场突围：GPT-5的真实战场

尽管GPT-5最初因在消费级应用中表现不如预期而遭到批评，甚至导致OpenAI一度将付费聊天机器人用户的模型恢复为GPT-4，但Greg Brockman解释说，这正是模型走出“象牙塔”的阵痛。因为GPT-5从一开始就并非为普通消费者而设计，它的真正目标是利润丰厚的企业市场。

他坦言，过去OpenAI在做模型时，更多地关注“指标提升”和“编程竞赛表现”，但这与实际编程场景的混乱和多样性并不完全一致。

“所以我们的重点不仅是提升模型的智能（这永远是核心），更要把智能和现实应用连接起来——让模型走出‘象牙塔’，跳出舒适区，真正接触现实世界的混乱和多样性。”

事实证明，GPT-5在企业级应用中表现出色。Cursor、Vercel、Factory等初创公司迅速将其设为关键产品和工具的默认模型，称赞其速度更快、在复杂任务上的表现更出色，价格也更低廉。Factory首席执行官马坦·格林伯格(Matan Grinberg)明确指出，GPT-5在“制定真正完善的计划来实施复杂的编码解决方案方面要好得多”，并在“规划和长期计划的连贯性方面做得更好”。Box首席执行官亚伦・莱维也称其为“突破”，推理能力远超以往系统。Lovable公司联合创始人兼首席执行官安东·奥斯卡则发现新模型“更容易采取行动并反思所采取的行动”，并且“花费更多时间来确保它确实正确无误”。

这些来自企业用户的积极反馈，印证了Greg Brockman对“模型走出象牙塔”的坚定信念。他深知，真正的智能必须在现实世界的复杂性中得到磨砺和验证。

AI作伴：软件工程的未来蓝图

Greg Brockman对AI在软件工程领域的未来充满想象。他倾向于将AI比作“同事”，而不是简单的工具：

“我倾向于用‘同事’来类比AI产品化——你希望一个优秀的程序员同事能做什么？你会发消息问他，但有时也会说‘我需要帮忙，能过来看看我的屏幕吗？’或者‘能帮我敲会儿代码吗？’。所以你既需要‘实时协作’模式，也需要‘远程异步’模式，而且这个‘同事’得在所有场景中保持一致的知识和记忆。”

他指出，AI模型的独特之处在于它们“不介意被微观管理”，这为人机协作的设计提供了新的思路。未来的软件代理将能够无缝地在本地、远程沙箱甚至多个沙箱中运行，以可信、可审计的方式访问基础设施。这种“保护环”式的安全分层机制，正是OpenAI在推进代理稳健性方面的重要考量。

在谈及团队调整时，Greg表示目前尚未因AI工具而改变团队结构，但提高模型的生产力是最高优先级。他认为，AI的价值不仅在于高效完成重复性工作，更在于能让工程师做更多新事，从而将软件生产能力、技术债务清理和重构能力提升十倍，甚至百倍。

智能的泛化与人文关怀

Greg Brockman的视野不仅限于代码和算力。当被问及个人最期待AI在哪些领域的应用时，他提到了一个令人动容的例子：

“就我个人来说，我妻子患有一种遗传病（Ehlers-Danlos 综合征）。直到最近，科学家们才逐渐找出一些相关的遗传标记。更好的生物学工具应该能帮助我们发现各种疾病的标记。这只是众多潜在应用的一个例子。”

这份个人情感的驱动，使得他对AI在科学发现，尤其是生物医药领域的潜力抱有深刻期待。他曾在ARC Institute学习DNA神经网络，这段经历让他震撼地发现，DNA神经网络与语言模型几乎一模一样，只是“人类语言被替换成了DNA序列”。这使得他坚信，AI的通用学习技术能够迁移到解决IMO（国际数学奥赛）和IOI（国际信息学奥赛）这样的高难度问题，也能赋能湿实验室的科学家提出实验假设，甚至达到博士生三四年级的科研水平。

这种从基础科学到个人健康的广泛应用前景，以及模型成本的持续降低，最终都指向OpenAI的终极使命——确保通用人工智能造福全人类。他将AI的进步视为“提升整个人类生产力”的力量。

共进化：塑造理想的AI人格

面对“模型会不会有预设偏好”的抽象问题，Greg Brockman用了一个巧妙的比喻：

“这些模型不像‘一个人’，更像‘整个人类’——里面嵌入了无数种人格，几乎所有人格都在其中，我们的目标是激发出想要的那种。”

他认为，后续训练和强化学习的作用，就是将模型的“人格范围缩小到理想型”。这意味着，通过人类的反馈和“模型规范”的设定，OpenAI有机会让模型按照人类的价值观运行。GPT-5强大的指令遵循能力，使其成为有史以来最能“个性化”的模型。这并非简单地“教它不做什么”，而是在人类与AI的“共进化”中，不断迭代出更有用、更符合人类价值观的结果。

在Greg Brockman看来，整个国家、社会、世界正在进行的AI工程项目，比“新政”“阿波罗计划”都要宏大。他身处其中，既关注底层CUDA死锁的微观细节，也思考着AI如何推动人类社会迈向一个前所未有的“AI融合、AI驱动的新经济”。他的言语中，既有对技术极致突破的痴迷，也有对人类未来命运的深沉思考。这正是这位站在AI风暴中心的人物，其魅力与影响力的真正来源。

引用

• Greg Brockman
• OpenAI
• GPT-5
• 人工智能
• 算力瓶颈
• 强化学习
• 企业级AI
• 软件工程
• AGI
• AI伦理