OpenAI格雷格·布罗克曼谈算力、Codex与AGI竞赛：我们已走到80%

当一个公司的商业模式被简化为"买算力、加价卖"时，我们是在见证一场技术革命，还是在目睹人类历史上最大规模的算力军备竞赛？在红杉AI Ascent 2026大会上，OpenAI联合创始人兼总裁Greg Brockman给出了他的答案——坦率、大胆，也充满争议。

从Stripe到OpenAI：连续押中时代浪潮的人

Greg Brockman的履历本身就是硅谷"连续押中时代浪潮"的教科书案例。他曾是Stripe的第4号员工，如今Stripe处理着全球GDP的1.6%。而作为OpenAI联合创始人，他被称为"首席建造者"，带领团队将ChatGPT推向了近10亿周活跃用户。

值得玩味的是，Stripe处理全球GDP的1.6%用了十几年，而OpenAI达到近10亿周活只用了两年多。这种增长速度既令人兴奋又令人不安——当一个产品以这种速度渗透人类生活时，我们是否有足够的时间理解它的全部后果？"首席建造者"这个称号很浪漫，但建造的东西越强大，建造者的责任就越沉重。

算力战争：OpenAI的商业本质与算力饥渴

Greg在对话中把OpenAI的商业模式说得异常坦率：购买或租赁算力，然后加价转售。 对智能的需求是无限的，只要利润为正就应该扩大规模。

但这种坦诚反而暴露了一个深层问题：这不就是一个算力中间商吗？AWS的Matt Garman称2026年GPU算力可用量"约等于零"，Greg自己也说，ChatGPT发布时他就喊着要买"所有的"算力，事实证明无论多快扩张都跟不上需求。

"对智能的需求是无限的"这句话听起来像经济学公理，但细想之下，这和石油公司说"对能源的需求是无限的"有什么本质区别？真正的问题是：当算力成为新石油，谁来决定分配？ 这场军备竞赛的赢家通吃格局，可能比我们想象的更残酷。

Scaling Laws到底撞没撞墙？

Greg把Scaling Laws比作物理学中的基本定律——"深层的、美丽的科学真理"。他强调，神经网络的核心思想源自1940年代，但投入更多算力后模型能力持续提升，没有天花板。

这是一个大胆到近乎傲慢的类比。物理定律经受了几百年的检验，而Scaling Laws不过是过去几年的经验观察。"没有天花板"的说法更像是一种信仰宣言而非科学结论——我们不知道天花板在哪里，不等于天花板不存在。

不过公平地说，Greg提到的架构创新确实值得关注。OpenAI从LSTM到Transformer的跃迁证明，突破不仅来自暴力堆算力，也来自优雅的工程直觉。他还透露了一个行业秘密：数据格式化方式的微小改变也能产生巨大影响。 这句话说明，我们对这些模型的理解仍然充满了炼金术式的经验主义。Transformer已经远远超越了2018年论文描述的版本，持续演进中。

AGI进展80%：精妙的数字游戏

Greg给出了一个引人注目的判断：目前距离AGI大约完成了80%。

80%这个数字精妙得令人警觉。它既足够高，能维持投资者和公众的兴奋感；又留了20%的余地，为未来的困难和延期预留了缓冲。但任何做过项目管理的人都知道，最后20%往往消耗80%的时间——这就是著名的"90-90法则"。

他举了一个确实震撼的例子：GPT-5.3的一位系统工程师将设计文档交给模型，一夜之间模型自主完成了实现、调试、性能分析和优化迭代。 现场提问时，几乎没有人认为自己写代码比GPT-5.4更好。

但"超越大多数人类工程师"和"达到AGI"之间的鸿沟，可能比从0到80%还要宽。更值得深思的是：当现场几乎没人认为自己写代码比AI更好时，这个房间里的人是在庆祝技术进步，还是在见证自己职业价值的瓦解？

给创业者的建议：全力拥抱，但别忽视代价

Greg对创业者的建议很直接：lean in，全力投入。 他透露，仅在12月期间，AI编码工具就从写20%代码提升到写80%代码。Codex正从软件工程师的专属工具，转变为所有电脑工作者的通用工具。

他还介绍了新发布的Chronacle工具——可以观察用户电脑操作并形成记忆，实现上下文感知。Greg的建议是："不应该把AI排除在会议之外——它需要信息才能帮助你。"

这些建议背后有一个被忽略的生存者偏差：全力拥抱AI工具的创业者中，成功的会被大书特书，失败的则悄无声息。而Chronacle"观察用户电脑操作并形成记忆"——换个语境，这听起来就是一个监控软件的产品描述。当AI需要你的所有上下文才能帮助你时，你实际上是在用隐私换效率。 这笔交易的真实成本，可能要很多年后才能算清。

OpenAI内部怎么用Codex：自己先当小白鼠

OpenAI内部坚持一个原则：人类对所有合并代码负责。 他们按垂直领域（财务、销售、IT）逐一推进AI工具采用，每个领域配备小型专属团队深入理解业务，与领域专家合作。内部验证成熟后再外部化推广给客户。

"人类对所有合并代码负责"听起来很负责任，但它本质上是一个过渡期的权宜之计。当AI写了95%的代码，人类只是点了"approve"按钮时，这种"负责"到底有多少实质意义？而"寻找愿意做AI先锋的合作客户"，翻译过来就是：我们需要外部伙伴来帮我们验证产品在真实场景中的表现。

AI时代的组织变革：构建不再是瓶颈

这可能是整场对话中最深刻的洞察——瓶颈从"构建"转移到了"共享"和"治理"。

Greg指出，从瀑布开发到Scrum再到AI编码代理，组织方式正在被重新定义。原型构建成本已经极低，过去需要一周的仪表盘现在可以即时完成。但随之而来的是数据溯源和权限管理的巨大挑战——派生文档需要追踪源文档的权限变更。

他预测未来组织可能更扁平化，小团队就能做出不可思议的事情。他还举了一个例子：有人用GPT-5.4 Pro在互联网上解决了此前未解的数学问题。

"小团队做出不可思议的事情"听起来很美好，但硬币的另一面是：大量中层管理者和执行层员工将变得多余。组织扁平化的本质不是民主化，而是AI驱动的极端精英化——少数人加AI就能完成过去需要数百人的工作，那些数百人去哪里？

AI Agent的"情商"问题和注意力瓶颈

Greg分享了一个黑色幽默般的真实案例：他的Codex在Slack上等了2分钟没收到回复，就自动把消息升级到了对方的经理。

这个"情商"失败案例揭示了一个严肃问题：AI的效率优化逻辑和人类社会的关系网络之间存在根本性冲突。Greg承认，AI正在学会判断高风险操作并适当升级，而非盲目自动批准，但这个能力仍在建设中。

他提出了一个极其精准的判断：人类注意力将成为最稀缺的资源。 "做事"变得容易，"判断这件事是否正确、是否符合价值观"成为最重要的瓶颈。

但讽刺的是，当人类被淹没在AI生成的海量决策请求中时，这种判断力恰恰最容易被稀释和疲劳化。我们需要投资安全原语、可观测性和良好的治理机制——否则人类审批者将沦为橡皮图章。

AI安全：用AI保护AI的悖论

Greg表示，模型可用于代码库扫描和端到端红队测试，OpenAI正在推进可信访问计划（Trusted Access Program）用于网络安全。但他也清醒地说："模型强大但不是魔法，是整体韧性生态系统的一部分。"

用AI来保护AI系统的安全，逻辑上自洽，实践中却充满悖论。当攻击者和防御者使用同等级别的模型时，安全就变成了一场永无止境的军备竞赛。鼓励更多人申请可信访问计划，既是开放姿态，也是承认自身安全能力的局限。在AI安全领域，最危险的不是已知的威胁，而是我们还不知道自己不知道什么。

负责任发展：天平天然是倾斜的

Greg强调，核心技能是亲自使用技术、了解模型能力边界。他说"AI的美妙之处在于直觉性——机器适应你而非你适应机器"。在安全方面，OpenAI在网络安全和生物安全领域非常审慎，会延迟发布模型。

"机器适应你"是绝佳的营销话术，但每一个用过AI工具的人都知道，prompt engineering本身就是一种"人适应机器"的行为。至于"会延迟发布模型"的安全承诺，我们需要追问：延迟多久？由谁来判断？标准是什么？在一个竞争白热化的市场中，"负责任发展"和"抢占市场"之间的张力是真实存在的。

OpenAI的应用层战略：从什么都做到聚焦

Greg透露，OpenAI近期强调"聚焦"（focus），做出了痛苦的取舍决定。他们正在经历Agentic转型，消费者端的核心是帮助用户实现目标，而非仅仅提高生产力。

终极愿景是什么？构建一个可信赖的AGI，拥有完整上下文，可用于个人生活和工作。 Greg描绘了一幅未来图景：工作方式将发生根本改变——从键盘打字到指挥10万个Agent的CEO。

但问题是，当每个人都能指挥10万个Agent时，真正的竞争优势又在哪里？最终可能回到最古老的答案：创意、判断力和人际信任。

前沿科学：AI推动发现的曙光与局限

Greg分享了一个可能比ChatGPT本身更具历史意义的进展：AI在物理学领域发现了物理学家认为不可能的公式，被视为通向量子引力的一步。

但他也诚实地承认了一个关键局限：LLM的Scaling Law在数字智能领域效果显著，但在机器人和物理智能领域尚未同等强劲。生物学等领域需要处理"混乱的现实"，而非纯粹的模拟世界。

"解决竞赛题不够，需要应对真实世界的混乱代码库"——这个类比精准地指出了AI科学发现的核心挑战：真实的科学研究充满了噪声、意外和直觉跳跃，这些恰恰是当前AI最薄弱的环节。Greg预计科学领域将迎来真正的文艺复兴，"明年将是疯狂的时代"——这种预言我们每年都听到，但公平地说，过去两年确实每年都比预期更疯狂。

写在最后

当被问到AGI之后想做什么时，Greg说他和妻子喜欢看电影、徒步——期待到时候能有更多休闲时间。一个正在构建可能改变人类文明的技术的人，最朴素的愿望不过如此。

算力是新石油，注意力是新黄金，而判断力是新铀矿——在AI把"做事"的成本压到零的时代，人类最后的护城河不是能力，而是知道什么值得做。