OpenAI总裁爆料：Sora关门背后是蓄谋已久的Super App，新模型’Spud’即将登场

OpenAI总裁Greg Brockman专访：战略聚焦、Super App与新模型“Spud”

OpenAI联合创始人兼总裁Greg Brockman近期在一档播客节目中，详细阐述了公司近期的战略调整、未来产品规划以及对行业竞争的看法。以下为对话实录精校。

对话实录精校

为何调整Sora的发展方向？

主持人：外界观察到OpenAI似乎放缓了Sora视频模型的推进，转而聚焦于所谓的“Super App”。这一战略转变的原因是什么？

Greg Brockman：过去我们一直并行推进两条主线：一是深度学习技术的研发，以验证其能否产生预期的积极影响；二是尝试部署技术，通过实际业务获取真实世界的反馈和经验。

目前，我们的技术已经过了单纯的基准测试和演示阶段，被证明是可行的。现在必须进入真实世界，通过人们的实际使用来获得反馈，才能继续向前推进。因此，这是一个更大的战略调整。并非我们要从消费端转向企业端，而是我们无法同时推进所有项目。我们需要聚焦于那些能形成协同效应、真正产生广泛影响、并能帮助每个人的应用。

主持人：你曾将OpenAI比作迪士尼，以核心模型（如米老鼠）衍生出视频、助理、企业服务等多元产品。现在是无法兼顾这个模式了吗？

Greg Brockman：这个比喻在很大程度上仍然适用。但从技术实现角度看，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。

我们仍在继续Sora的研究，但将其置于机器人领域内推进——该领域目前仍处于研究阶段，尚未成熟到能在未来一年内于知识工作领域大规模落地。因此，我们当前的战略是：将主要精力集中在GPT系列上。这包括文本、语音等多种交互形式，它们都是在同一核心模型上进行微调，而非另起炉灶。在算力资源有限的情况下，同时推进两个差异巨大的产品分支是非常困难的。

主持人：为何不继续押注Sora？视频生成领域近期取得了显著进展。

Greg Brockman：当前最大的挑战是机会太多。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，这是深度学习的魅力所在。

但关键在于优先级排序和时机把握。我们已经确信，基于文本的模型是通向AGI（通用人工智能）的可行路径——AGI已近在眼前，今年我们还将推出更强大的模型。

例如，最近一位物理学家研究许久的难题，我们的模型在12小时内就给出了解决方案。这种“思考”能力促使我们必须加倍投入。这并非否定其他方向的价值，而是OpenAI的使命是将AGI带给世界，我们需要将选定的技术路径推进到底。

主持人：DeepMind的Demis Hassabis曾表示，图像生成器最接近他心目中的AGI，因为它们必须理解物体间的互动。OpenAI只押注一条路径，是否会错过其他可能性？

Greg Brockman：在这个领域，你必须做出选择。OpenAI从一开始就确定了我们相信的AGI路径。此外，图像生成也是ChatGPT的一项重要功能，但我们是通过GPT架构而非扩散模型来实现的。

因此，我们要做的是尽可能统一技术栈，这样才能支撑起整个生态系统——OpenAI的目标是打造“通用”人工智能，其中的“G”正代表了这层含义。

Super App将如何构建？

主持人：那么，这个Super App具体会是什么样子？

Greg Brockman：它将整合编程、浏览器和ChatGPT的核心能力。我们的目标是构建一个能让用户亲身体验AGI力量的终端应用。它不仅仅是一个工具，更是你的“个人助理”——了解你、与你的目标一致、值得信赖。

过去，Codex主要是软件工程师的工具；未来，它将变成每个人的工具。你只需告诉电脑你想做什么，电脑会顺应人类，而不是反过来。

主持人：这是否意味着它既服务于商业场景，也适用于个人生活？

Greg Brockman：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将具备记忆功能，能够连接你的邮件、日历，了解你的偏好，从而更深入地帮助你达成目标。

主持人：预计何时推出？

Greg Brockman：我们将在未来几个月内分步推进。起点将是Codex应用——它既是一个通用的智能体框架，能够调用各种工具，又擅长编写软件。这个通用框架可以接入电子表格、Word文档等，协助完成知识工作。在OpenAI内部，我们已经看到许多员工自发地用它来处理这类事务。第一步是让Codex对普通知识工作者更加友好，后续还有许多步骤。

如何看待与Anthropic等竞争对手的较量？

主持人：像Anthropic已经推出了Claude Code等类似Super App的功能。OpenAI是否感到已经迎头赶上？

Greg Brockman：回顾12到18个月前，OpenAI一直高度重视编程方向，并在各类编程竞赛中表现优异。但当时我们并未充分投入“最后一公里”的易用性改进——AI虽然能解决竞赛题，却未接触过真实世界中杂乱无章、不那么规整的代码库。

直到去年年中，我们才开始认真补足这一块，专门组建团队，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复杂与混乱。

目前，在与竞争对手的直接较量中，用户往往更倾向于选择我们。OpenAI正在加速前进，这个问题将会得到解决。

主持人：你们如何看待当前的竞争态势？随着对手追赶上来，公司内部氛围是否发生了变化？

Greg Brockman：我在OpenAI最感到担忧的时刻，其实是ChatGPT发布后的那次公司年会，当时有些人觉得“我们赢了”。我当时想的是：“不，我们始终是挑战者（Underdog）。”现在的竞争环境实际上非常健康，它让我们保持谦逊和专注，不再有“支线任务”，而是全神贯注于核心目标。

我从不认为我们像外界有时描述的那么好，也从不觉得有那么差，状态始终平稳。在模型研发方面，我对我们的路线图充满信心；在产品方面，我们也能量十足，一切都在朝着好的方向汇聚。

关于新模型“Spud”

主持人：传闻中的新模型“Spud”究竟是什么？

Greg Brockman：重点并不在于某一个特定的模型。“Spud”代表了OpenAI过去两年的研究成果，是一个全新的预训练模型。但它只是一个发展节点，模型引擎的进步速度将会越来越快。

主持人：它能完成哪些现有模型难以胜任的任务？

Greg Brockman：它将能解决更复杂的问题，具备更强的理解力，并对上下文有更好的把握。

人们常提到“大模型感”——当模型变得更聪明时，你会感觉它更懂你。你提出一个问题，AI若未能理解，会令人沮丧。新模型将减少这种需要你重复解释的情况。它既能提升能力上限——解决更开放、时间跨度更长的问题，也能改善基础体验——让你处理任何事务都更加得心应手。

主持人：普通用户能明显感受到这种变化吗？

Greg Brockman：情况可能会类似——有些用户会觉得体验天差地别，而有些应用本身并非受限于模型的智力，变化可能不那么明显。

但关键在于用户心智的逐渐转变。例如，有朋友被诊断为绝症，医生表示无能为力，他通过使用ChatGPT研究不同方案，最终找到了治疗途径。在这种场景下，你必须先相信AI能提供帮助，才会投入精力去使用它。随着技术变得更加强大，这种“能帮上忙”的感知会变得越来越明显。

即将在秋季推出的“AI研究员”

(对话持续进行中……)

主持人：你们内部还在开发一个自动化AI研究员，计划秋季推出。它具体能做什么？

Greg：我们正处于技术加速阶段——AI越强大，我们就越能用AI来改进AI，从而不断加快开发速度。与此同时，芯片厂商在持续投入，整个生态也在探索各种应用。所有这些能量汇聚在一起，使得AI正从一个经济分支转变为主要的驱动力。

这个自动化研究员，本质上是在硅片上实现研究科学家的整个工作流程。它现在已经能够承担相当比例的科研任务，我们可以让它自主运行，但这并不意味着完全撒手不管——就像指导一位初级研究员，你需要为他指明方向、审阅他产出的结果，而不是彻底放养。

主持人：从渐进式进步到势不可挡地超越人类智能，你不担心AI会出问题吗？

Greg：当然担心。在获取技术收益的同时，必须认真考虑风险。在技术层面，我们在安全上投入了大量精力，例如防范提示词注入攻击——一个非常聪明且连接了许多工具的AI，绝不能被人利用恶意指令操控。我们在这方面有优秀的团队，也取得了不错的进展。

有些问题其实可以类比人类——人类同样容易被钓鱼、被欺骗、看不清全局。我们在研发和发布模型时，都会借助这些类比来思考如何确保对齐（Alignment）。当然，还有更大的问题涉及整个经济和社会，这不是OpenAI一家公司能够解决的。

主持人：你曾说过，创造需要很多人做对很多事，但破坏只需一个人心存恶意。你认为潜在的回报真的值得冒这些风险吗？

Greg：我认为值得，但这个回答本身过于简单了。从OpenAI创立之初，我们就在思考：一个好的未来应该是什么样子？

一条路径是高度集中化，即只有一家机构在开发，这样压力较小，可以在确保安全后再推向所有人。但这种方式本身很难让人接受。

另一种是构建一个“有韧性的开放系统”，让众多参与者共同开发，同时围绕技术建立相应的社会基础设施——就像电力一样，虽然由很多人生产且存在危险，但我们建立了安全标准、监管体系和检查机制。

对于AI，我们也需要广泛的对话，让所有人都能参与进来，而不是由某个中心化的小组秘密完成。这是我们一直坚信的方向。

主持人：黄仁勋（NVIDIA CEO）说AGI（通用人工智能）已经实现了，你同意吗？

Greg：不同的人对AGI有不同的定义。如果以我个人的定义来看，我会说我们已经完成了70%到80%。极其明确的是，在未来几年内，我们将拥有AGI。届时，它将能够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月似乎是一个转折点，让机器连续编码数小时从理论变成了现实。当时发生了什么？

Greg：在新模型发布后，AI的能力从能完成大约20%的任务，跃升到了80%。这是一个巨大的变化——从“有点意思”变成了“你必须围绕AI重构你的工作流程”。

我自己有一个用了很多年的测试提示：“帮我建一个网站”。这个网站在我当年学编程时花了几个月才做出来。后来使用AI，前后用了四个小时，反复调整提示。到了去年12月，只需一次提问，它就直接生成了，而且做得非常好。

主持人：模型是如何实现这种能力跨越的？

Greg：基础模型本身变得更加强大了。这是我们长期投入预训练的结果，而这仅仅是今年一系列进展的前奏。

但这也不仅仅是单点突破，我们在每个维度上都在推进。它并非从0%直接跳到80%，而是从20%提升到了80%。而且这种进步仍在继续。例如，从某个模型的5.2版本到5.3版本，一位从事底层系统工程的同事发现，以前AI根本无法处理他的工作，现在不仅能给出设计方案，还能直接实现、添加指标、进行性能分析并持续优化，最终产出完全符合他的要求。

可以说是“一点一点地积累，然后一下子突破”。

主持人：OpenAI后来将OpenClaw的创始人（Peter）请来了。这是否意味着“让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，其实是搞清楚它如何才能真正帮到人、人们想怎么使用它，以及智能体（Agent）的未来形态究竟是什么。

据我观察，在这个领域，真正投入其中、充满好奇心且有远见的人，是非常稀缺且宝贵的。Peter就是这样的人。

所以，与其说我们看重某个具体技术，不如说是看重他如何将这些能力真正融入人们的生活。作为一名技术人员，我觉得这非常激动人心。而从服务用户的角度，我们也正在全力投入这件事。

主持人：你曾说过，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控？

Greg：我认为有利有弊。你可以将机械性的细节交给Agent，就像房主信任施工队一样，但你不能放弃自己的责任。你必须主动保持对其优势和弱点的把握，只有在信任某个系统能妥善处理的前提下，才能放心地将那些低层次任务交付出去。

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深化，例如让AI真正能够操作电脑，完成任何你能做的事情。但同时，我们还需要建设企业级的身份认证、审计、可观测性等配套技术。

除此之外，我们还在大力推动语音交互，目标是让对话像现在这样自然。想象一下，你一早醒来，它就能向你汇报Agent昨晚的工作进展。我认为这会是一个巨大的应用场景。比如它会告诉你：“有个客户不太满意，希望和真人沟通，你需要去处理一下。”这些都将实现。

看得更远一点，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”，那是人类从未想过的下法，改变了整个围棋的认知。类似的突破将在各个领域发生，它们将极大地拓展我们对创造力和想法的理解，远超我们目前的想象。

主持人：既然模型已经如此强大，为什么这些突破还没有大规模发生？

Greg：因为我们仍处于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。以前我们主要在那些有明确答案的任务（如数学、编程）上训练模型，现在我们正将训练扩展到开放式问题（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，是否不再需要那么大规模的预训练了？模型足够好后，让它自己去学习就行，不一定非要建设那些超大规模的数据中心。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续的所有步骤都变得更轻松。模型的初始能力越强，它学习得就越快，在试错过程中犯的错误也越少。

以前我们主要关注预训练，没有太多考虑推理能力。但过去两年我们意识到，这两者需要平衡。你既可以把基础模型做得很强大，同时也必须让它能够高效地进行推理，以便用于强化学习和对外提供服务。

所以，目标不一定是无限扩大规模，而是要找到“智能×成本”的最优解。

主持人：如果未来主要依赖推理，还需要NVIDIA的GPU吗？

Greg：绝对需要。一方面，无论训练和推理的比例如何变化，大规模训练仍然需要集中大量的计算能力。另一方面，NVIDIA的团队非常出色，我们与他们进行着深度合作。

主持人：会不会有一天，大家觉得“模型已经足够聪明了，不需要再进行预训练了”？

Greg：那恐怕要等到人类解决了所有问题才行。实际上，过去五十年我们降低了很多雄心。例如，“让每个人都能享受医疗”——这不仅仅是治疗疾病，还包括预防和提前发现潜在问题。这完全可以通过更智能的模型来实现。

也许到某个程度，你会说“模型不需要再变得更聪明一倍了”，但总会有新的问题提出更高的要求。

为什么重金押注算力？

主持人：今年你们筹集了巨额资金（注：原文提及1100亿美元，此处按上下文处理），这些钱是直接投入到数据中心吗？这笔投资将如何回馈投资者？

Greg：算力不是成本中心，而是收入中心。这就像招聘销售人员，只要他们能卖出产品，雇佣的人越多，收益就越大。我们发现，算力的增长永远赶不上需求。

主持人：对于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发布开始，每当我的团队问我需要购买多少算力时，我的回答始终是“全部”。我们必须预测未来。目前的收入主要来自个人订阅，但面向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：我认为“企业”这个概念本身也在演变。关键在于人们使用AI进行“知识工作”。例如，现在ChatGPT的消费者订阅用户也可以使用Codex等功能，所以界限不会那么清晰。未来，AI就像你的笔记本电脑一样，是你接入数字世界的入口，收入自然也会随之而来。

主持人：Anthropic CEO曾表示，有些玩家“过于冒进”，把杠杆拉得太满。他很可能在影射你们的基建投入，你对此怎么看？

Greg：我不同意这种说法。我们一直采取审慎的态度，并持续对技术趋势进行前瞻性判断。今年，所有行业参与者都将面临算力紧缺的局面，而我们是最早预判到这一点并提前布局的。其他玩家大约在去年底才反应过来，匆忙寻求算力，但那时可用的资源已经非常有限了。

主持人：有人认为，如果预测出现偏差，公司可能面临破产风险。你们也处于同样的境地吗？

Greg：我认为我们有更多的缓冲空间。担忧下行风险是合理的，但我们的投入并非押注于单一公司，而是基于对整个行业的信念——你是否相信这项技术能创造我们所见的巨大价值。

软件工程领域的变化已经非常明显。如果你不是工程师，没有亲身体验过Codex，确实很难描述那种差异。六个月前，我们内部已经观察到这些趋势，尽管外部证据尚不充分，但现在证据已经摆在眼前。

再过六个月，所有人都将切身感受到这一点，然后大家会发现，即便拥有强大的模型，也会面临无算力可用的困境。

主持人：AI在公众中的形象似乎并不完全正面，许多人担忧失业问题。你担心AI的品牌形象吗？

Greg：我们需要向公众展示AI如何改善生活。例如，有人借助ChatGPT协助诊断出了此前被误诊的儿童脑瘤，类似的故事被讲述得太少了。

关于数据中心，许多人担心其对环境和电费的影响。这里存在不少误解，比如水资源消耗其实非常低。我们承诺会支付自身的能源成本，避免推高居民电价。甚至在部分地区（如北达科他州），数据中心的建设反而帮助升级了老旧的电网，从而降低了居民的电费。

如何为AGI时代做准备？

主持人：如果现在有一个对AI感到恐惧的人，他可能认为AI会夺走他的工作、污染他的社区、让世界变化得太快。你想对他说什么？

Greg：第一件事就是亲自去尝试这些工具。只有真正体验过当前的AI，你才能理解它能为你做什么。人们往往更容易看到“可能失去什么”，而不是“可能得到什么”。我认为值得给它一个公平的机会，去全面理解天平的两端。

主持人：个人应如何为未来做准备？

Greg：最重要的仍是理解这项技术。我们观察到，最能从AI中受益的人，都是那些带着好奇心去尝试、并将其真正融入工作流程的人。

他们度过了“面对空白输入框不知如何下手”的初始阶段，培养出一种“我可以担任管理者”的思维——设定方向、分配任务、进行监督。

这项技术是为人类设计的，最终目的是帮助人类建立更多连接，让人有更多时间从事自己真正想做的事。关键在于想清楚——你究竟想要什么？然后借助这项技术去实现它。

全文完。

参考链接：
[1] https://www.youtube.com/watch?v=J6vYvk7R190
[2] https://x.com/chatgpt21/status/2039447583936901340
[3] https://x.com/AndrewCurran_/status/2039426704394035245

关注“鲸栖”小程序，掌握最新AI资讯