5.0
关注
AI SCORE
观点评论2026-04-01 08:00
OpenAI 领导层：自我改进、Super App 与 AGI 路径
宝玉 AI#OpenAI#战略
Editor brief · 编辑速览
分析 OpenAI 对 AI 自进化、商业模式和长期目标的战略思考。了解行业方向的参考，但非编程知识。
分析 OpenAI 对 AI 自进化、商业模式和长期目标的战略思考。了解行业方向的参考，但非编程知识。
Greg Brockman 坐进 Big Technology Podcast 的演播室时，OpenAI 刚做完三件大事：砍掉 Sora，收到 1100 亿美元融资，完成下一代模型 Spud 的预训练。砍一个明星产品、拿一笔天价融资、押注一个新模型，三件事同时发生，每一件都需要解释。接下来 90 分钟里，这位 OpenAI 联合创始人兼总裁要完成一项高难度任务：把每一个看似被动的决策重新包装为前瞻性的战略选择。
他做到了吗？大部分时候做到了，但叙事的缝隙里藏着一些值得细看的线索。
Brockman 过去 18 个月主要负责公司的“规模”（Scale）部门，管理 GPU 基础设施、数据中心和供应链。这场访谈覆盖的话题跨度极大：从 Sora 为什么被砍，到 Super App 长什么样，到下一代模型能做什么，到 1100 亿美元怎么花，再到他为什么给 MAGA Inc 捐了 2500 万美元。
原始视频：https://www.youtube.com/watch?v=J6vYvk7R190
砍掉 Sora 是“聚焦技术主线”还是止血？Brockman 说，Sora 和 GPT 是技术树上的不同分支，算力有限，只能选一条。但 Sora 每天烧掉百万美元、用户跌破 50 万的现实，他没有提。
Super App 将把 ChatGPT、编程 Agent Codex 和浏览器 Atlas 合并为一个统一应用，预计未来几个月内交付。但这个愿景和 Microsoft 365 Copilot 直接重叠，访谈中没人问这个问题。
下一代模型 Spud 凝聚了约两年的研究突破。Brockman 称其将同时提升 AI 能力的天花板和地板，但对能力的描述全是感性的，没有具体指标。
AGI 进度自评达到 70%—80%，但 Brockman 同时说 AGI 的定义“更像是一种氛围”。一个无法精确定义的东西该如何精确量化？这个矛盾他没有解决。
他承认 OpenAI 在编程工具的“最后一公里可用性”上曾落后于 Anthropic，并声称现在已经追赶上来；但第三方数据显示，Anthropic 的企业市场份额仍在快速增长。
面对 Anthropic CEO Dario Amodei 对 OpenAI 基础设施投资“过于激进”的批评，他的回应是：“我不同意。”但他没有回应 Amodei 关于“收入预判偏差一年，公司就可能破产”的具体论证。
Kantrowitz 开场就问：OpenAI 在消费者市场领先，为什么突然把资源从视频生成转走？
Brockman 给出的解释框架和外界猜测相当不同。他说，Sora 的模型和 GPT 系列是“技术树上完全不同的分支”，构建方式根本不同。在算力有限的世界里，同时推进两条技术路线代价极大。他用了一个向量比喻：
力量分散就会互相抵消，集中才能产生动能。他认为，深度学习领域的问题不是机会不够，恰恰是机会太多；分散投入，等于在哪个方向都走不远。
这套解释在技术逻辑上自洽，但只讲了故事的一半。据 WSJ 调查和 TechCrunch 报道，Sora 在商业上已经失败：用户量从峰值一百万迅速跌至不足 50 万，每天烧掉约 100 万美元算力成本。据 WSJ 报道，Disney 原计划投资 10 亿美元并将角色授权给 Sora，这笔交易也随之取消；Disney 在消息公开宣布前不到一小时才得知此事。关停 Sora 既有聚焦技术的逻辑，也有商业止血的现实压力，Brockman 选择只谈前者。
他强调，这不是“从消费者转向企业”，而是必须做出选择。他认为当前最重要的两个应用是：一个了解你、与你的目标对齐的个人助手，以及一个能替你解决难题的 AI。仅仅是这两件事，OpenAI 现有的算力就不够用。
一个技术细节：ChatGPT 里的图像生成功能不受影响。图像生成基于 GPT 架构，与文本、语音同属一条技术路线；Sora 使用的是扩散模型（diffusion model），是另一棵树上的东西。Sora 研究团队没有解散，而是转向了机器人领域的世界模拟研究。
Kantrowitz 又问：Google DeepMind 的 Demis Hassabis 认为，最接近 AGI 的不是文本模型，而是图像生成器，因为它必须理解物体之间的交互和世界的运作方式。OpenAI 放弃这条路线，会不会押错赛道？
Brockman 说，这是真实存在的风险：“绝对是的。在这个领域，你必须做选择，必须下注。”但他话锋一转，说 OpenAI 之所以有信心，是因为“已经看到了通往 AGI 的路径”。
他举了一个例子：一位物理学家把一个长期未解的问题交给 OpenAI 的模型，12 小时后拿到了解答。那位物理学家说，这是他第一次觉得 AI 在“思考”。不过，Brockman 没有透露具体是哪位物理学家、哪个问题，因此这一案例无法独立验证。【注：公开信息中，数学家 Terence Tao 在 2026 年 3 月发表了一篇由 ChatGPT Pro 完成核心证明的论文，但那属于数学领域，与此处描述不直接对应。】
砍掉视频生成后，OpenAI 把赌注押在了另一个方向。Kantrowitz 问，Super App 到底是什么。
Brockman 的回答是：把 ChatGPT（聊天）、Codex（编程 Agent）和浏览器整合到一个应用里。
他把 Super App 比作笔记本电脑：你的笔记本是私人用还是办公用？两者都是。Super App 也一样，既是个人助理，也是工作工具。个人场景包括 ChatGPT 现有的一切用途，再加上更深入的记忆和上下文能力。ChatGPT 里已经有一个叫 Pulse 的功能，会根据 AI 对你的了解，每天推送个性化内容。
但 Brockman 说，用户看到的界面只是“冰山一角”。更重要的是底层技术的统一：过去两年，AI 的发展已经从“只看模型”变成“看整个系统”——模型如何获取上下文、如何连接外部世界、能够执行什么操作。OpenAI 内部过去曾有多套实现，现在要把它们收归一统，形成一个通用的“AI 层”。
一般情况下，用户不需要专门的金融 AI 或法律 AI，Super App 足够通用。如果这个愿景能够实现，确实有可能重新定义 AI 产品的形态。
问题在于，Microsoft 365 Copilot 已经在做几乎一模一样的事情：把 AI 嵌入工作流、统一入口、连接各种工具。OpenAI 既是微软的模型供应商，又要成为微软的直接竞争对手，这种张力该如何化解？Kantrowitz 没问，Brockman 自然也没答。
再加上 Sora 刚刚证明 OpenAI 做消费者产品的记录并不光彩，“几个月内交付”的时间线值得打个问号。
Super App 的野心如果要落地，Codex 是关键拼图之一。Codex 最初为软件工程师设计，但 OpenAI 内部已经出现了大量非工程师的自发使用。Brockman 说，Codex 底层其实就是两样东西：一个能够调用工具的通用 Agent 框架，加上一个会写代码的 AI。只要接上电子表格和 Word 文档，它就能处理知识工作。
具体案例包括：有人用 Codex 做视频剪辑，AI 自己写了一个 Adobe Premiere 插件，用来自动划分章节；内部通信团队的人则把 Codex 接上 Slack 和邮箱，用于整合反馈。
如果这些案例属实，说明 AI 作为“万能胶水”、连接不同工具的能力正在成型。但这些都是 Brockman 口述的内部使用场景，没有外部用户验证，也没有说明是否已经公开可用。
Brockman 说，对非程序员而言，Codex 现在的可用性仍然很低。设置过程中碰到报错，开发者知道该如何处理，普通用户则会直接懵掉。但他认为最难的部分已经完成了，也就是造出真正聪明的 AI；剩下的是“容易得多”的部分：降低门槛。
这个判断是否成立，取决于你如何定义“难”。对做过消费者产品的人来说，“最后一公里”往往比前面九十九公里还难。
他还提到了 OpenClaw 创始人 Peter Steinberger 加入 OpenAI 的事，认为这是 Codex 向非程序员扩展的信号。Steinberger 是一位奥地利开发者，2025 年底开发了一个能够自主管理邮箱、订餐和控制智能家居的开源 AI Agent，GitHub 星标达到 19.6 万，周活跃用户达到 200 万。
2026 年 2 月，Altman 宣布 Steinberger 加入 OpenAI，负责“下一代个人 Agent”。这个职位本身就说明，OpenAI 正在认真对待“让 AI 走出程序员圈子”这件事。
Kantrowitz 问：Anthropic 已经有 Claude 聊天、Claude Cowork 和 Claude Code，相当于率先做出了自己的 Super App。OpenAI 是不是看到 Anthropic 做了以后才醒悟过来？
Brockman 承认，OpenAI 过去在编程领域一直拥有最好的竞赛成绩，但投入不足的是“最后一公里的可用性”。模型在编程竞赛里很聪明，但它从未见过真实世界中乱糟糟的代码库。
大约在去年年中，OpenAI 组建了一支专门团队来解决这个问题：研究真实世界代码库里的各种“脏活”，构建训练环境，模拟那些以奇怪方式被打断的混乱场景。
他说，此时此刻 OpenAI 已经追上来了，在正面对比中，用户更倾向于选择 OpenAI。但他也承认，前端体验仍然落后。
第三方数据呈现的画面并不相同。据 Synergy Research 等机构报道，Anthropic 的企业市场份额从 2023 年的低位升至 2025 年底的约 40%，而 OpenAI 则从 50% 降至约 27%。Claude Code 在软件工程师群体中获得了极高的口碑。
Brockman 说“已经追上”时，到底在比较什么——模型能力还是市场份额？他巧妙地把战场限定在了前者。
更大的变化发生在内部。Brockman 说，OpenAI 过去把研究和部署当成“几乎分开的两件事”，现在则要把它们整合成一个流程，在做研究时就考虑产品如何使用。
这或许是整段话里最有实质信息量的一句。它暗示 OpenAI 此前的组织架构确实存在问题。
从产品竞争谈到内部文化，Kantrowitz 换了一个角度。他问，从 2022 年以来 OpenAI 一直处于领先地位，如今竞争变得激烈，公司的内部氛围是否发生了变化？
Brockman 讲了一个故事。ChatGPT 发布后的节日派对上，他感受到公司里弥漫着一种“我们赢了”的气氛。那是他最害怕的一刻。
这是科技公司高管的标准话术：一家估值 3000 亿美元的公司自称挑战者，就像 Google 当年说自己仍是一家创业公司，信不信随你。但他后面补了一句更实在的话：好的时候，不要相信别人说你有多好；坏的时候，也不要相信别人说你有多差。
文化之外，接下来是技术。关于下一代模型 Spud，Brockman 确认，它是一个新的预训练基础模型，凝聚了“大约两年的研究成果”。
他先纠正了一个思维框架：重要的不是任何一个模型，而是一整个“进步引擎”（engine of progress）。
模型开发分为几个步骤：首先做预训练，在海量数据上训练基础模型，这是最昂贵的阶段；然后做后训练，通过强化学习让模型学会解决各种问题；最后调整行为和可用性。Spud 是新一轮预训练的成果，后续还会经过大量后训练优化。
至于 Spud 能做什么，Brockman 没有给出任何具体指标。他创造了一个概念，叫作“big model smell”（大模型的味道）：当模型真正足够强时，你能够“闻到”那种质感。你问它问题，它不会答偏，也不需要你反复解释。
他说，Spud 将同时提升天花板和地板：天花板是解决更开放、时间跨度更长的问题，地板则是提升日常任务的实用性。
没有 benchmark 分数，没有与竞品的对比，也没有具体任务的演示数据。这种纯感性的描述可能出于保密考虑，毕竟行业里模型发布前保密是常态。但在竞争对手频繁亮出 benchmark 的当下，只靠“感觉”，说服力有限。
OpenAI 此前发布 GPT-4 时，也曾刻意回避部分 benchmark 细节，后来靠实际产品表现赢回了话语权。Spud 能不能走同样的路，要看发布后的表现。
Kantrowitz 问：2025 年 12 月发生了什么？编程 Agent 似乎从理论走向了实用。
Brockman 说，那次模型发布让 AI 从“能完成你 20% 的任务”跃升到了“能完成 80%”。AI 从“锦上添花”，变成了“你必须围绕 AI 重新组织工作流程”。
他分享了一个持续多年的个人测试：让 AI 帮他建立一个网站。这个网站在他当年学习编程时，花了几个月才做出来。2025 年的大部分时间里，AI 仍然需要四五个小时和多轮对话才能完成。到了 12 月，只需要一次 prompt，一次就能完成。
慢慢地、慢慢地、慢慢地，然后一下子全变了。
这个表达出自海明威的《太阳照常升起》，原文说的是“你是怎么破产的”。用它来形容 AI 能力的非线性增长，倒也贴切。
另一个案例是，一位与 Brockman 密切合作的工程师负责底层系统工程。在 GPT 5.2 时代，他完全用不了 AI。到了 5.3，只要给 AI 一份设计文档，它就能实现代码、添加监控指标、运行性能分析器、自行优化，最终产出正是工程师想要的东西。
对于“GPT-5 发布后公众反应有些失望”，Brockman 说，每次发布都有两群人：一群人觉得新模型与过去天差地别；另一群人使用的场景并不存在智能瓶颈，因此感受不到差异。
真正的转变在于，人们对 AI 能力的心智模型，更新速度比技术本身更慢。
Nvidia CEO 黄仁勋最近说：“我认为我们已经实现了 AGI。”Kantrowitz 问 Brockman 是否同意。
Brockman 说，AGI 对不同的人有不同的定义。当前的技术“非常参差不齐”（very jagged）：在写代码这类任务上，它已经超越人类；但在某些人类能够轻松完成的基础任务上，AI 仍然做不好。
至于该把界线画在哪里，“更像是一种氛围和感觉，而不是科学”。
这个自相矛盾的表述，其实折射出整个行业的困境。如果 AGI 的定义连科学都算不上，更像一种“氛围”，那么 70%—80% 是如何计算出来的？
每个人都在量化一个他们自己承认无法精确定义的概念。黄仁勋对 AGI 的定义极窄，他自己也承认，10 万个 Agent 也造不出 Nvidia；Lex Fridman 曾提出“能否创办并运营一家价值 10 亿美元的公司”作为判据。Brockman 比黄仁勋谨慎，但陷入了同样的定义困境。
他认为，未来几年内 AGI 将会实现，AI 将能够完成几乎所有你在电脑上进行的智力工作，但能力仍然会是参差不齐的。
OpenAI 计划在今年秋季推出一个自动化 AI 研究员。
Brockman 把当前阶段称为“起飞”（takeoff）。这个词在 AI 安全领域具有特定含义，指 AI 进入快速递归自我改进的阶段。他在这个语境下使用它，至少说明他清楚这个词的分量。
他的意思分为两个层面：在技术上，AI 越强，就越能加速自身的改进；在应用上，芯片厂商不断加大投入，企业也在各个领域探索 AI 应用，所有能量都在积累。
具体到 AI 研究员，Brockman 的定义是：把 OpenAI 一名研究科学家的完整端到端工作，搬到硅片上运行。
但他强调，这并不意味着放手让 AI 自己运行。他打了个比方：这就像带一名初级研究员，如果长时间不管，他可能会走上一条没有价值的路线。高级研究员负责提供方向和审查，AI 则负责执行。
Kantrowitz 引用了 Brockman 此前说过的一段话：当你使用 AI Agent 做事时，“你变成了一支由成千上万个 Agent 组成的舰队的 CEO。它们在执行你的目标和愿景，但你并不了解每件事情具体是怎么解决的。这种新的工作方式，可能让你觉得自己失去了对问题的脉搏感。”
Brockman 说，这件事好坏参半，关键是“承认优势、减轻弱点”。AI Agent 能给人带来巨大的杠杆，但归根结底，仍然要有一个“负责任的当事人”。如果你的 Agent 搞砸了网站，影响了用户，那不是 Agent 的错，而是你的错。
Kantrowitz 问：但“失去脉搏感”和“负责任”该如何兼得？
Brockman 用装修作比方：请总承包商装修房子，有些细节你确实不需要操心，因为你信任专业人士。但如果出了问题，你应该知道。
“你不能盲目接受‘我可以不管了’。你需要主动保持对问题的把控。”
Brockman 把算力类比为招聘销售人员：只要产品能够卖出去，并且拥有可扩展的销售方式，销售人员越多，收入就越高。算力不是成本中心，而是收入中心。
他讲了 ChatGPT 发布当天的一段内部对话：
“该买多少算力？”
“全部。”
“不不不，说真的，该买多少？”
“不管我们怎么建，我知道都跟不上需求。”
他说，从那以后，每一年都证明这个判断是正确的。ChatGPT 目前的周活跃用户已经超过 4 亿，消费者订阅收入持续增长。从需求端看，这个判断确实成立。
但挑战在于，算力采购需要提前 18—24 个月锁定，这意味着 OpenAI 必须精准预判未来。
在收入结构方面，消费者订阅目前仍是最大的收入来源，但企业知识工作领域增长极快。Brockman 不认为未来的收入会简单分成“消费者”和“企业”两类，而更像是用户拥有一个进入数字世界的入口，收入则来自这个入口。
Kantrowitz 提到，Dario Amodei 曾暗示某些竞争对手正在以“YOLO 式”的方式烧钱，把“风险旋钮拧得太远”。
Brockman 的回应是：“我不同意。我们一直非常深思熟虑，是最早意识到这一趋势并提前布局的。”
但在“我不同意”之后，他没有回应 Amodei 的核心论点：如果收入预判偏差一年，公司就可能破产。
这个问题不是靠态度就能回答的，它需要数字。而数字并不完全站在 Brockman 这一边：1100 亿美元融资中，只有约 250 亿是确定的即时现金，其余要么是算力——例如 Nvidia 提供的 300 亿美元中，大部分是 GPU——要么附带里程碑条件，例如 Amazon 的 350 亿美元。
据 The Information 等媒体估计，OpenAI 到 2027 年的年度现金消耗将达到 570 亿美元。融资数字虽然庞大，但实际跑道可能只有 18—24 个月。相比之下，Anthropic 同样承诺了 500 亿美元基础设施投入，但会严格按照收入增长节奏推进。
关于是否还需要进行更大规模的预训练，Brockman 的立场非常明确：改善预训练，会让所有下游步骤都变得更容易。
但他也说，过去 24 个月发生了一个重要转变：OpenAI 不再只追求原始能力，而是开始同时考虑推理效率，目标是找到“智能 × 成本”的最优解。
谈到 AI 风险，Brockman 提出了“韧性”（resilience）框架：由众多参与者共同开发技术，同时建立社会基础设施，确保技术朝正确的方向发展。
他用电力作类比：许多人都在生产电力，电力也具有危险性，但我们围绕它建立了安全标准、监管制度、检查员等一整套体系。
关于公众对 AI 的负面态度——YouGov 数据显示，认为 AI 会对社会产生负面影响的美国人，是认为它会产生正面影响者的三倍——Brockman 认为，关键是向人们展示 AI 具体能够如何帮助他们。
他举了一个医疗案例：一个家庭的孩子出现头痛等症状，但医保拒绝批准 MRI 检查。家长使用 ChatGPT 研究症状后，找到了说服保险公司的论据，最终获得了 MRI 检查，发现孩子患有脑瘤，并通过及时治疗救了孩子一命。
他说，这类故事“每天都在发生”。
在数据中心争议方面，Brockman 声称，OpenAI 位于 Abilene 的设施——部署了超过 10 万块 GPU，是全球最大的超级计算机之一——全年的用水量“相当于一个家庭”。
这个说法令人存疑。作为参照，微软在 2024 年环境报告中披露，其全球数据中心的年用水量约为 70 亿升，Google 的数字也处于同一量级。
即使 Abilene 设施采用了最先进的空气冷却方案，10 万块 GPU 产生的散热量，也远远超过一个家庭的用水所能处理的范围。而且，这一说法没有经过任何独立验证。
在电力方面，Brockman 承诺 OpenAI 会“自己买单”，不会推高当地居民的电价。他还举了北达科他州的例子，称数据中心的到来反而帮助降低了电费。这一说法同样没有找到第三方验证。
关于他向 MAGA Inc 捐赠 2500 万美元的争议，Brockman 说，他和妻子也向两党的超级 PAC 捐过款。
他自称是“单一议题捐赠者”，关心的是支持那些“真正拥抱 AI 技术的政治家”。
但 MAGA Inc 是一个广泛支持 Trump 议程的 PAC，并不是专门的科技政策组织。因此，“单一议题”的定位与实际捐款对象之间，存在明显的张力。
Brockman 同时向 Leading the Future——一个促进 AI 发展的两党 PAC——捐赠了 2500 万美元。
这笔 2500 万美元的捐款，是 MAGA Inc 在 2025 年下半年收到的最大一笔单笔捐款，并于 2026 年初引发了 #QuitGPT 抵制运动。
拆解 Brockman 在这场访谈中构建的叙事，可以看到 OpenAI 正面对三层压力。
第一层是产品压力。
砍掉 Sora 确实止了血，ChatGPT 仍然是全球用户量最大的 AI 产品，但下一个赌注 Super App 面临的竞争环境，比 Sora 更加残酷。
Microsoft 365 Copilot 占据企业端，Anthropic 占据开发者端，Google 占据消费者端。OpenAI 要在三者的夹击中，建立一个“统一入口”。
Brockman 对此的回应是“几个月内交付”。但 Sora 的前车之鉴已经说明，拥有技术，不等于能够做好产品。
第二层是表达困境。
整场访谈中，当 Brockman 被问到最硬的问题时，他反复用感性语言代替数据。
Spud 的能力靠“闻”，AGI 的进度靠“氛围”，追上 Anthropic 的证据则是未公开的内部对比。
这反映了 OpenAI 当前的一个结构性矛盾：作为一家刚刚完成 1100 亿美元融资的公司，它需要向投资人证明自己在技术上仍然领先；但它又不能在产品发布前泄露具体指标。
于是，“感觉”成了唯一安全的表达方式。
问题是，感觉不能代替事实，尤其当竞争对手正在用 benchmark 和市场份额说话时。
第三层是规模风险。
1100 亿美元的融资数字听起来惊人，但拆开来看，并没有那么安全。
Brockman 对 Amodei“YOLO”批评的反驳停留在“我不同意”，始终没有正面回应那个核心问题：如果需求增长比预期慢一年，会发生什么？
他自己说，算力采购需要提前 18—24 个月锁定。而这恰好也是分析师估计的 OpenAI 实际资金跑道。
Brockman 给 AI 怀疑者的建议是“先试试再说”。
但 1100 亿美元的赌注是否正确，并不是个人试用体验能够回答的问题。
接下来的 6 个月里，Spud 能否兑现承诺、Super App 能否在微软和 Anthropic 的夹击中成功交付，将决定这套叙事究竟是远见，还是话术。
原始视频：https://www.youtube.com/watch?v=J6vYvk7R190