編輯｜劃重點(diǎn)KeyPoints

近期，OpenAI總裁兼聯(lián)合創(chuàng)始人Greg Brockman在Big Technology Podcast的特別訪談中，首次披露了GPT-5.5的幾個(gè)核心細(xì)節(jié)。

Greg Brockman表示，過去兩年AI行業(yè)堆砌模型理論智力的階段已經(jīng)告一段落，AI現(xiàn)在已經(jīng)正式準(zhǔn)備好接管具體的執(zhí)行工作。AI正從單純的大腦系統(tǒng)跨越到了全新的智能應(yīng)用形態(tài)。

Greg Brockman稱，在實(shí)際應(yīng)用中，GPT-5.5展現(xiàn)出了極強(qiáng)的直覺和上下文理解能力，讓人類得以徹底告別繁瑣的提示詞工程（Prompt Engineering）。這意味著人與計(jì)算機(jī)的交互方式發(fā)生了根本性改變：用戶現(xiàn)在只需設(shè)定總體目標(biāo)，模型就能自動(dòng)接管并端到端地解決問題。

以下是我們梳理的這場深度訪談的核心重點(diǎn)內(nèi)容：

1、GPT-5.5的突破在于真正跨越了商業(yè)任務(wù)的實(shí)用性門檻

過去，大模型高度依賴復(fù)雜的提示詞工程進(jìn)行按步指導(dǎo)；現(xiàn)在，憑借更深層的上下文與直覺理解，用戶只需下達(dá)總體目標(biāo)，模型即可自主接管瀏覽器、處理復(fù)雜表格或制作演示文稿。在全新的工作流中，AI構(gòu)成執(zhí)行的軀干和大腦，人類則從具體的點(diǎn)擊與編寫中抽離，徹底轉(zhuǎn)變?yōu)椤氨O(jiān)督者”。個(gè)人的生產(chǎn)力將被無限放大，每個(gè)人都等同于在管理一家全自動(dòng)化運(yùn)行的數(shù)字企業(yè)。

2、開源蒸餾無法復(fù)制端到端的系統(tǒng)能力

面對(duì)開源模型利用“蒸餾技術(shù)”快速追趕的行業(yè)態(tài)勢，OpenAI的真正護(hù)城河并非單一的模型參數(shù)。Brockman表示，單純的模型蒸餾無法復(fù)制GPT-5.5的實(shí)際表現(xiàn)。真正的競爭壁壘在于“端到端的系統(tǒng)協(xié)同設(shè)計(jì)能力”——它涵蓋了算力集群調(diào)度、數(shù)據(jù)管線、組織架構(gòu)以及安全對(duì)齊的無縫配合。這種持續(xù)測試、迭代前沿AI的系統(tǒng)性工程能力（即“制造機(jī)器的機(jī)器”），是開源社區(qū)無法輕易抹平的代差。

3.規(guī)?；渴鸨仨殢?qiáng)綁定企業(yè)級(jí)IT風(fēng)控

隨著AI系統(tǒng)獲取更多的操作權(quán)限，安全可控成為核心議題。不同于Anthropic的“未公開部署”策略，OpenAI堅(jiān)持“迭代部署”，主張優(yōu)先將模型交給網(wǎng)絡(luò)防御者測試，以提高真實(shí)生態(tài)的抗風(fēng)險(xiǎn)能力。 更關(guān)鍵的挑戰(zhàn)在于規(guī)?；芾恚寒?dāng)企業(yè)內(nèi)部的自主智能體從幾個(gè)膨脹到數(shù)十萬個(gè)時(shí)，原有的管理模式必將失效。因此，Agent的大規(guī)模自治必須與嚴(yán)格的可觀測性和企業(yè)級(jí)IT治理架構(gòu)強(qiáng)綁定，確保數(shù)字員工的執(zhí)行始終處于人類的監(jiān)督沙箱內(nèi)。

4.用底層算力規(guī)模，換取解決人類難題的速度

世界正進(jìn)入算力驅(qū)動(dòng)的新階段：投入的算力越多，解決問題的速度就越快。人類在科學(xué)與工程領(lǐng)域的上限，將直接取決于可用算力的天花板。 以醫(yī)療為例，未來可調(diào)動(dòng)十億瓦特級(jí)數(shù)據(jù)中心的專屬算力，讓AI在數(shù)月內(nèi)持續(xù)推演、咨詢專家數(shù)據(jù)并設(shè)計(jì)實(shí)驗(yàn)，以此攻克阿爾茨海默癥等復(fù)雜疾病。算力將取代傳統(tǒng)資源，成為解決日常商業(yè)事務(wù)與重大科學(xué)命題的核心基礎(chǔ)設(shè)施，全球?qū)λ懔Φ男枨髮⒚媾R長期的結(jié)構(gòu)性增長。

以下為Greg Brockman訪談實(shí)錄：

1.OpenAI的Agent路線圖

Alex：本期節(jié)目邀請(qǐng)到了OpenAI總裁兼聯(lián)合創(chuàng)始人Greg Brockman，我們將深入探討GPT5.5，即著名的Spud模型，看看它的功能以及它對(duì)OpenAI的意義。Greg，很高興見到你。歡迎回到節(jié)目。

Greg Brockman：謝謝你的邀請(qǐng)。希望這不算太緊急的情況。

Alex：那么我們就從這里開始吧。你能確認(rèn)GPT5.5就是Spud嗎？

Greg Brockman：是的。GPT5.5是一個(gè)令人驚嘆的模型。我認(rèn)為在許多方面它是邁向使用計(jì)算機(jī)完成工作新方式的一步。這是一種全新的智能類別。它在編程以及調(diào)試的各個(gè)方面非常有用，在解決非常困難和棘手的問題時(shí)表現(xiàn)得非常有主動(dòng)性，能夠真正以極少的指令端到端地解決問題。

但對(duì)我來說最引人注目的并不一定是它在編程能力上的提升，我覺得那是大家預(yù)料之中的。最引人注目的是它現(xiàn)在真正跨越了實(shí)用性的門檻，適用于各類通用應(yīng)用程序。它在創(chuàng)建幻燈片、電子表格方面表現(xiàn)得更好，在計(jì)算機(jī)操作、使用瀏覽器以及點(diǎn)擊瀏覽那些原本難以讓AI運(yùn)行的應(yīng)用程序方面也出色得多。因此我認(rèn)為我們確實(shí)正在見證這種使用計(jì)算機(jī)新方式的興起，而這一切都始于這種核心智能。

Alex：我們上次交談時(shí)你提到這實(shí)際上是長達(dá)兩年的研究過程的巔峰之作。那么這是在兩年前就計(jì)劃好的嗎？OpenAI的計(jì)劃周期有那么長嗎？

Greg Brockman：是的，我們的規(guī)劃確實(shí)有著非常長遠(yuǎn)的眼光。需要注意的是，我們將許多研究想法和賭注堆疊在各種時(shí)間尺度上，在技術(shù)棧的每一個(gè)環(huán)節(jié)取得持續(xù)進(jìn)展。因此GPT5.5所代表的并不是終點(diǎn)，在許多方面它是一個(gè)起點(diǎn)。這實(shí)際上是邁向我們預(yù)見在接下來幾個(gè)月即將到來的那一類模型的一步。大家可以期待我們?cè)诟鼜V泛的領(lǐng)域?qū)崿F(xiàn)更大幅度的能力提升，涵蓋模型所能完成任務(wù)的各個(gè)方面。這將是非常令人興奮的事情。我們一直在思考如何讓我們生產(chǎn)的產(chǎn)品對(duì)現(xiàn)實(shí)世界的用途、真實(shí)用戶和實(shí)際應(yīng)用變得更加有用。

Alex：你能否具體分享一下在接下來的幾個(gè)月里我們應(yīng)該關(guān)注哪些方面？如果這只是一個(gè)開始，那么它是什么的開始？

Greg Brockman：我們的宏偉愿景體現(xiàn)在許多事物中，不僅僅是模型。你可以將模型看作是大腦，將系統(tǒng)、測試框架以及超級(jí)應(yīng)用等應(yīng)用程序想象成圍繞它構(gòu)建的軀體，使其成為一個(gè)有用的AI。這正是目前正在發(fā)生的轉(zhuǎn)變：從我們這類實(shí)驗(yàn)室產(chǎn)出的語言模型轉(zhuǎn)向真正實(shí)用的AI，轉(zhuǎn)向一個(gè)真正能夠根據(jù)你的指令協(xié)助你、努力達(dá)成你的目標(biāo)并實(shí)際運(yùn)行的助手。

你可以看到現(xiàn)在的Codex不再僅限于程序員使用，它實(shí)際上適用于任何使用電腦的人。它目前并不完美，在某些任務(wù)中理應(yīng)能做到但做得并不完全正確，有時(shí)它的個(gè)性并不完全是你想要的。它功能極其強(qiáng)大并在外面做了很多了不起的事情，但你仍然需要花一些時(shí)間去仔細(xì)閱讀它的溝通內(nèi)容以確認(rèn)它是如何解決問題的。對(duì)于這些方面，我們非常清楚如何將它們做得更好。從5.4到5.5，我們已經(jīng)取得了非常顯著的進(jìn)步。在接下來的過程中，我們還將在各個(gè)方面取得更加顯著的提升，從而讓這些模型變得更加實(shí)用。在內(nèi)部我們一直在深入思考最終應(yīng)用。

在過去的十二到十八個(gè)月里有一件事發(fā)生了變化，那就是我們過去只專注于繼續(xù)改進(jìn)基準(zhǔn)測試，讓這些模型在大腦層面更強(qiáng)大。但我們現(xiàn)在的重點(diǎn)是將它們投入到現(xiàn)實(shí)世界的應(yīng)用中，思考財(cái)務(wù)、銷售、營銷以及每一個(gè)職能部門中人們?nèi)绾问褂秒娔X，我們?nèi)绾螀f(xié)助他們的電腦工作。我們思考如何讓模型不僅具備理論上的輔助能力，而且還能擁有實(shí)際經(jīng)驗(yàn)，能夠識(shí)別出什么是優(yōu)秀的成果。

我認(rèn)為我們正在邁向這樣一個(gè)境地，即工作者將成為監(jiān)督者。你幾乎就是這個(gè)自動(dòng)化公司的CEO，它們正根據(jù)你的目標(biāo)運(yùn)行。你仍然掌握著主導(dǎo)權(quán)并負(fù)有責(zé)任，你需要思考這是否是你想要的、工作是否達(dá)到標(biāo)準(zhǔn)。但關(guān)于具體點(diǎn)擊了哪些按鈕、編寫代碼的具體方式或者電子表格的具體運(yùn)作機(jī)制，如果這些對(duì)你并不重要，你可以將自己從中抽象出來，只專注于評(píng)估成果是否符合預(yù)期。所以這就像是在為每一位工作者增加杠桿。

2.端到端協(xié)同設(shè)計(jì)值得投資

Alex：好的。正如你所提到的，這是兩年工作的結(jié)晶。為了我們的觀眾我解釋一下，AI訓(xùn)練有兩種不同類型。第一種是預(yù)訓(xùn)練，在這個(gè)階段你只需讓模型預(yù)測下一個(gè)詞以使其變得通才且智能；第二種是強(qiáng)化學(xué)習(xí)，讓它能夠真正地去執(zhí)行并嘗試完成不同的任務(wù)，當(dāng)它出色且有效地完成這些任務(wù)時(shí)給予獎(jiǎng)勵(lì)，它在某種程度上就學(xué)會(huì)了如何完成這些任務(wù)。所以你的意思基本上是說，這期間OpenAI加載了大量針對(duì)特定任務(wù)的強(qiáng)化學(xué)習(xí)內(nèi)容并注入到這個(gè)模型中，這就是產(chǎn)生你所說的那些結(jié)果的原因嗎？

Greg Brockman：我會(huì)用稍微不同的方式來表達(dá)。在整個(gè)流程中有很多步驟，包括預(yù)訓(xùn)練、中期訓(xùn)練、強(qiáng)化學(xué)習(xí)以及數(shù)據(jù)收集等。這些不同的環(huán)節(jié)共同作用，最終產(chǎn)出結(jié)果并決定了模型與世界連接的方式。這也是使其變得實(shí)用的關(guān)鍵所在。我們一直在針對(duì)其中的每一項(xiàng)進(jìn)行投入，這不僅僅關(guān)乎致力于各個(gè)環(huán)節(jié)的個(gè)人能力，更是一個(gè)真正凝聚在一起的團(tuán)隊(duì)在審視整個(gè)技術(shù)棧，探討我們?nèi)绾巫屗鼘?duì)現(xiàn)實(shí)世界的應(yīng)用變得更有用。

所以這并不是由我們所做的某單一事項(xiàng)決定的。這實(shí)際上關(guān)乎整體的努力。就像造一輛汽車一樣，這不僅僅在于你是否擁有一個(gè)更好的引擎。你可以造出一臺(tái)偉大的引擎，但如果汽車的其他部分達(dá)不到引擎的質(zhì)量水平那也無濟(jì)于事。這才是真正的創(chuàng)新：它是端到端的協(xié)同設(shè)計(jì)，所有環(huán)節(jié)都以可重復(fù)的方式結(jié)合在一起，使模型變得越來越好以服務(wù)我們的用戶。

Alex：你早些時(shí)候和我一起參加了一個(gè)有許多媒體成員參與的電話會(huì)議。其中一件有趣的事是你開門見山地說該模型能更直觀地理解你的需求，不需要像過去那樣一字不差地詳細(xì)說明。這里有一條來自roon的推文：已有早期跡象表明5.5是一個(gè)稱職的AI研究伙伴。幾位研究人員讓5.5在夜間運(yùn)行各種變體實(shí)驗(yàn)，僅需提供高層級(jí)的算法構(gòu)思，醒來后便能看到完整的實(shí)驗(yàn)組、儀表板和樣本，完全沒有接觸過代碼或終端。關(guān)于這一點(diǎn)，這是一個(gè)由兩部分組成的問題：你們是如何做到的？這是否意味著提示工程已經(jīng)過時(shí)了？

Greg Brockman：首先，當(dāng)我們說存在一種新類別的智能時(shí)，這是我們的真實(shí)意圖。模型正變得更加易于直觀使用，因?yàn)樗鼈儞碛懈顚拥睦斫饽芰?，能夠真正審視上下文并琢磨出被要求做什么?/p>

至于第二部分，提示工程是否已經(jīng)過時(shí)？我實(shí)際上認(rèn)為在某些方面提示工程可能比以前更具活力?，F(xiàn)在你花了大量時(shí)間試圖向電腦解釋你到底想要什么，塞進(jìn)各種上下文說明現(xiàn)狀和要求。你心里會(huì)想為什么非得跟電腦解釋這些？重點(diǎn)在于電腦本就應(yīng)該通過工作來協(xié)助我。我不希望還得拆解任務(wù)一步步教它該怎么做，只想給它指明一個(gè)方向，希望它處理好細(xì)節(jié)并交付結(jié)果，并在過程中提供某種形式的反饋，成為底層執(zhí)行的驅(qū)動(dòng)者。因此提示工程的未來在于你可以用更少的努力從模型中獲得更多，而付出同樣的努力時(shí)你依然擁有一個(gè)乘數(shù)效應(yīng)，你會(huì)獲得更大的提升。我們現(xiàn)在正處于當(dāng)今模型能力上限的最前沿階段。

Alex：好的。讓我簡要地與各位談?wù)剺?gòu)建這樣一個(gè)模型的經(jīng)濟(jì)成本。雖然你沒有說明投入了多少資金或算力用于訓(xùn)練這個(gè)龐大的巨型模型，但我們可以穩(wěn)妥地假設(shè)這是一筆巨大的投入。一直以來都有這樣一個(gè)模式：這些巨型模型發(fā)布后會(huì)被開源模型制作者進(jìn)行蒸餾，然后開源模型就只落后領(lǐng)先的基礎(chǔ)模型幾個(gè)月的時(shí)間。我現(xiàn)在很好奇，既然投入如此巨大，而且隨著不斷推進(jìn)，模型的能力提升得相當(dāng)劇烈。那么該如何保持護(hù)城河呢？從長遠(yuǎn)來看，如果只是讓這種模式一遍又一遍地重復(fù)，這又有什么意義？

Greg Brockman：我的看法略有不同。我認(rèn)為真正的投資是投入到端到端的協(xié)同設(shè)計(jì)中，構(gòu)建一個(gè)系統(tǒng)以及一套將開發(fā)人員和技術(shù)結(jié)合的協(xié)同工作方式，其中一部分涉及如何利用龐大的超級(jí)計(jì)算機(jī)來生產(chǎn)這些模型。

現(xiàn)在的情況并非獲取模型輸出并進(jìn)行蒸餾，就能簡單獲得完全相同能力、只是體積更小且運(yùn)行更快的模型。如果確實(shí)如此，我們?cè)缇瓦@么做了，那樣提供服務(wù)也會(huì)容易得多。雖然蒸餾技術(shù)背后蘊(yùn)含著大量絕妙的技巧，但我想表達(dá)的重點(diǎn)是，我們真正投入的是制造機(jī)器的機(jī)器。

在部署端，我們對(duì)安全保障和緩解措施進(jìn)行了深入思考，針對(duì)模型可能被誤用的各個(gè)方面在實(shí)際場景中進(jìn)行了大量測試。多年來我們一直致力于此，并在網(wǎng)絡(luò)安全和生物等領(lǐng)域深入思考這些問題。這種努力體現(xiàn)在我們公開的備災(zāi)框架(Preparedness Framework)中，它規(guī)定了我們?nèi)绾翁幚砟Ｐ偷挠猛?，以及如何嘗試最大化收益并降低風(fēng)險(xiǎn)。因此我們所做的每一件事都需要緊密相連，這關(guān)乎如何確保持續(xù)取得進(jìn)展的同時(shí)，讓模型能被廣泛獲取。因?yàn)槲覀兩钚胚@項(xiàng)技術(shù)能夠賦能于人，造福人類并提升每個(gè)人的生活水平。

3.模型護(hù)城河與蒸餾模型

Alex：回到剛才的話題，這個(gè)模型的定價(jià)據(jù)我所知是上一個(gè)模型GPT 5.4的兩倍。從經(jīng)濟(jì)或業(yè)務(wù)角度來看，既然你們已經(jīng)為訓(xùn)練模型投入了如此多的基礎(chǔ)設(shè)施，如果開源模型能以更低成本提供稍遜一籌但幾乎相當(dāng)?shù)男阅?，你們將如何?yīng)對(duì)這種威脅？

Greg Brockman：回顧我們的歷史，發(fā)展并非由競爭驅(qū)動(dòng)，而是源于我們自身的進(jìn)步渴望。在同等智能水平上，我們的價(jià)格同比已經(jīng)大幅下降，有時(shí)甚至降低了兩個(gè)數(shù)量級(jí)達(dá)到100倍。然而典型的杰文斯悖論(Jevons Paradox)一直在上演，即當(dāng)你降低了某項(xiàng)事物的成本，反而會(huì)引發(fā)遠(yuǎn)比以往更多的活動(dòng)。

我們不斷看到智能確實(shí)能帶來回報(bào)，對(duì)于模型現(xiàn)在能完成的任務(wù)類型來說，哪怕只是一點(diǎn)點(diǎn)智能提升，也能產(chǎn)生巨大影響。這正是5.5版本的核心意義所在。人們可能認(rèn)為這只是智能水平上的一次增量改進(jìn)，但我認(rèn)為它在實(shí)際用途上會(huì)帶來巨大提升。實(shí)際上，用“增量式更新”來形容這個(gè)模型非常保守，它雖然只是0.1的版本更迭，但大大低估了模型在實(shí)際工作中所展現(xiàn)出的神奇之處。

如果外界看到數(shù)字就認(rèn)為OpenAI面臨IPO壓力，導(dǎo)致免費(fèi)午餐時(shí)代結(jié)束，我是反對(duì)這種觀點(diǎn)的。我們的業(yè)務(wù)模式其實(shí)非常簡單，即租賃并構(gòu)建計(jì)算資源，然后以一定的利潤空間轉(zhuǎn)售。只要對(duì)智能存在可擴(kuò)展的需求，只要還有問題需要解決，這種模式就成立。在每個(gè)階段我們都看到需求遠(yuǎn)超供給，所以我們可以不斷擴(kuò)展算力規(guī)模。

我的核心指令是要求團(tuán)隊(duì)思考如何在原始算力之上增加價(jià)值，并確保保持正向的運(yùn)營利潤率。這與市場競爭無關(guān)，關(guān)鍵在于能否高效地將算力轉(zhuǎn)化為智能，讓產(chǎn)出價(jià)值高于投入成本。我們始終在努力打造更高效的模型，市場競爭極大地推動(dòng)了創(chuàng)新，帶動(dòng)了更多的使用量和生態(tài)系統(tǒng)的整體規(guī)模提升。這可以從我們以及行業(yè)內(nèi)其他公司的營收數(shù)據(jù)中看出來。

4.模型網(wǎng)絡(luò)安全風(fēng)險(xiǎn)

Alex：Greg，我想請(qǐng)教關(guān)于網(wǎng)絡(luò)安全影響的問題。OpenAI和Anthropic采取了截然不同的方式。Anthropic最新的巨型模型Mythos并沒有向公眾發(fā)布，而你們的Spud或5.5模型卻是公開的。我想直接問你，在缺乏循序漸進(jìn)實(shí)踐的情況下將這種強(qiáng)大的模型公之于眾，是否可能導(dǎo)致重大網(wǎng)絡(luò)攻擊？

Greg Brockman：我對(duì)這個(gè)問題的前提有不同看法。作為備災(zāi)框架的一部分，我們多年來一直在網(wǎng)絡(luò)安全防護(hù)領(lǐng)域投入。早在預(yù)見各種能力出現(xiàn)之前，我們就已提前布局。我們一直采取非常審慎、循序漸進(jìn)的方法。過去幾周我們擴(kuò)大了網(wǎng)絡(luò)安全項(xiàng)目的受信任訪問權(quán)限。總體而言，我們相信生態(tài)系統(tǒng)的韌性，同時(shí)也認(rèn)為需要循序漸進(jìn)。

隨著模型持續(xù)變得更強(qiáng)大，我們希望將更卓越的模型交到防御者手中，以確保能夠保護(hù)關(guān)鍵基礎(chǔ)設(shè)施。當(dāng)模型被交到人們手中時(shí)，他們會(huì)以超乎想象的方式進(jìn)行探索，沒有這種訪問權(quán)限是無法實(shí)現(xiàn)的。因此必須采用循序漸進(jìn)的方法，并在流水線中不斷推進(jìn)，通過引入額外的安全防護(hù)措施來最大化收益并降低風(fēng)險(xiǎn)。

我們的團(tuán)隊(duì)一直在深入思考模型在網(wǎng)絡(luò)安全方面的影響。我們相信迭代式部署是隨著模型改進(jìn)將其推向?qū)嶋H應(yīng)用的一部分。我們堅(jiān)信訪問民主化，創(chuàng)造這項(xiàng)技術(shù)的最終目的是賦能于人，確保其造福全人類。因此我們一直努力解決如何安全且負(fù)責(zé)任地將這項(xiàng)技術(shù)廣泛應(yīng)用于世界。

Alex：沒錯(cuò)。你的團(tuán)隊(duì)似乎并不喜歡Anthropic部署Mythos的方式。用Sam的原話來說，宣稱制造了一枚炸彈并準(zhǔn)備投下，然后以1億的價(jià)格向被選中的客戶出售防空洞，這是極其出色的營銷手段。但另一種情況是，開發(fā)者無法考慮到所有因素，必然會(huì)出現(xiàn)一些只有實(shí)際部署才能發(fā)現(xiàn)的漏洞。所以在廣泛部署之前，先從一小群受信任的測試人員開始或許是有意義的。你覺得呢？

Greg Brockman：這里的正確答案很微妙，它植根于技術(shù)細(xì)節(jié)以及面臨的諸多因素中。我們需要思考自身和生態(tài)系統(tǒng)中其他參與者的模型演進(jìn)過程。讓一小部分人擁有訪問權(quán)限或許能高杠桿地發(fā)現(xiàn)并生成補(bǔ)丁，但隨后該如何在整個(gè)行業(yè)內(nèi)協(xié)調(diào)披露這些信息？

我認(rèn)為走向任何一個(gè)極端都不太準(zhǔn)確，需要根據(jù)特定情況應(yīng)用合適的工具。這已不是我們第一次，也不會(huì)是最后一次思考這個(gè)問題。值得注意的是，我們的模型已交由防御方使用了一段時(shí)間，并且一直在建立受信任訪問計(jì)劃。我們發(fā)布的模型內(nèi)置了多項(xiàng)安全防護(hù)措施，實(shí)際上不允許用于網(wǎng)絡(luò)攻擊。

簡而言之，這反映了價(jià)值觀流派的差異。你究竟是希望將模型交到人們手中并賦予他們力量，還是希望對(duì)其進(jìn)行中心化控制、避免落入大眾之手？這可能是辯論中潛在的緊張點(diǎn)。任何反射性的極端策略都不會(huì)為世界帶來最好的結(jié)果。

5.如何信任智能體

Alex：好的，我想轉(zhuǎn)而談?wù)勱P(guān)于智能體的問題。如果在某種程度上給予智能體高度的自主權(quán)，它們的工作效果是最好的。這在某種程度上說得通。但我很好奇，隨著未來智能體能執(zhí)行更多任務(wù)、訪問更多文件并跨程序工作，目前對(duì)它們給予多大程度的信任才算合適？

Greg Brockman：目前的智能體實(shí)際上已經(jīng)趨于相當(dāng)可靠。盡管包括提示詞注入在內(nèi)的問題依然存在漏洞，但我們正在積極修補(bǔ)，模型也正變得更具韌性。

隨著模型被賦予更多責(zé)任和重要上下文的訪問權(quán)限，這就如同管理員工一樣。擁有五個(gè)值得信賴的員工不成問題，但如果有五萬名員工，你就必須考慮如何實(shí)現(xiàn)良好的治理與監(jiān)管。當(dāng)這款超級(jí)應(yīng)用變得對(duì)任何使用電腦工作的人都更加易用時(shí)，我們也在治理和監(jiān)督方面加大了投入。例如在我們最近發(fā)布的Workspace Agents中，企業(yè)可以在云端定義智能體并獲得一個(gè)托管的CodeEx安全沙箱，將其接入Slack執(zhí)行工作?？吹剿诮M織內(nèi)部病毒式傳播非?？帷．?dāng)你看到別人的智能體時(shí)，你可以直接復(fù)制它來創(chuàng)建自己的版本。這為實(shí)現(xiàn)卓越治理提供了契機(jī)，IT部門可以查看所有已創(chuàng)建的智能體及其對(duì)話，從而精確設(shè)定護(hù)欄(guard rails)。你需要逐步提升賦予智能體的責(zé)任以及它們協(xié)作完成任務(wù)的多樣性，同時(shí)兼顧安全性、可靠性、可觀測性和監(jiān)管能力。如果不將這些環(huán)節(jié)緊密結(jié)合，狀態(tài)就會(huì)失衡。

Alex：是的，基本上就是放手去做，但要保持謹(jǐn)慎。

Greg Brockman：但你也必須真正全身心投入。隨著規(guī)模的擴(kuò)大，原型設(shè)計(jì)和規(guī)?；谋举|(zhì)會(huì)讓你思考是否依然有能力進(jìn)行監(jiān)督并了解全局。所以需要確保在每一步都調(diào)整好狀態(tài)，并充分了解團(tuán)隊(duì)的動(dòng)向。

6.算力經(jīng)濟(jì)的未來

Alex：Greg，讓我們以此作為結(jié)尾。你提到了計(jì)算驅(qū)動(dòng)型經(jīng)濟(jì)，這具體意味著什么？

Greg Brockman：我們正走向這樣一個(gè)世界：投入的算力越多，問題被解決的速度就越快，解決問題的上限取決于可用算力的多少。以藥物研發(fā)為例，攻克阿爾茨海默癥等復(fù)雜疾病目前超出了人類的能力范圍。但想象一下，你可以利用一個(gè)吉瓦級(jí)的數(shù)據(jù)中心，花幾個(gè)月甚至一年時(shí)間專門思考如何攻克它。它不僅在大腦層面思考，還會(huì)咨詢世界級(jí)專家，甚至建議進(jìn)行濕實(shí)驗(yàn)室(wet lab)實(shí)驗(yàn)。這無疑將對(duì)人類產(chǎn)生深遠(yuǎn)且積極的變革性影響。

日常生活中的任務(wù)同樣可以通過這種方式解決。你口袋里的智能手機(jī)會(huì)化身為一個(gè)了解你、值得信賴的智能體，它擁有你的個(gè)人資料上下文，你可以向它尋求健康建議并獲得可靠信息。你可以直接與它交談，它會(huì)主動(dòng)了解你的目標(biāo)和興趣并為你提供幫助。無論規(guī)模大小，算力都將成為核心資源，它展示了計(jì)算機(jī)能在多大程度上代表人類完成工作。這是我們所有人正在共同構(gòu)建的未來。

Alex：是的，我想這也解釋了為什么你會(huì)領(lǐng)導(dǎo)這些巨額的基礎(chǔ)設(shè)施投資和博弈。

Greg Brockman：這依然不夠，我們將切身感受到資源的稀缺?，F(xiàn)在那些嘗試使用智能體的人已經(jīng)因?yàn)橛|及速率限制而感受到了這一點(diǎn)。我們正代表所有致力于此領(lǐng)域和想要使用智能體的公司開展工作，盡最大努力確保提供充足資源。我們正走向一個(gè)計(jì)算資源稀缺的世界，在努力提高資源可用性方面，我們所有人都可以貢獻(xiàn)一份力量。

Alex：Greg，感謝你在百忙之中抽出時(shí)間，很高興能和你交談。再次感謝你的到來。

Greg Brockman：同樣，聊得很愉快。