Greg Brockman 谈算力、Sora 2 与通往 AGI 的道路

Matthew Berman 首先询问 Greg Brockman，扩展 Sora 2 与扩展语言或图像模型有何不同。Brockman 说，这些模态看似差别很大，但都依赖深度学习、大量算力和相似的底层计算过程。

Brockman 说，Sora 使用 Transformer，但训练过程不同，包括与扩散相关的技术。他认为，虽然文本和视频模态及具体实现不同，但所用计算的重叠程度令人惊讶。

被问及 Transformer 是否能带来世界模型或 AGI 时，Brockman 预计算法将继续创新，算力和数据也会继续扩展。他认为未来的 AGI 可能与当前模型相似，但如果架构完全一样，他会感到惊讶。

Brockman 说，不同模型的推理栈以及内存、计算和专用硬件之间的权衡各不相同。尽管许多基本操作的机制类似，OpenAI 仍须在不同模型之间分配稀缺的系统工程人才与算力。

谈到与 AMD 的合作，Brockman 说 OpenAI 多年来通过 Triton 投入软件开发。让新硬件平台支持训练和推理都需要高昂的固定成本；他说，AMD 的推理性能已达到公司愿意扩展使用的水平。

Brockman 特别提到了 MI450 系列，同时表示 OpenAI 也预计扩大 NVIDIA 硬件在训练和推理中的使用。这反映的是公司在 2025 年访谈中的立场，并非对硬件性能的独立比较。

Berman 问到 Cerebras 和 Groq 等较新的芯片提供商。Brockman 回忆说，2017 年看到 Cerebras 时他非常兴奋，但开发非 GPU 架构比 OpenAI 最初预期的更困难。

Brockman 回忆，早期与芯片公司的交流有时并不顺利，因为设计者未必认同 OpenAI 对工作负载和大模型增长的预期。他认为，成功的硬件团队会密切关注深度学习工作负载的发展方向。

被问及最大的瓶颈时，Brockman 预测算力将持续稀缺，美国的能源供应也会成为重大限制。他说，供应链的其他环节也尚未适应他预期中的需求冲击。

Brockman 描述了 OpenAI 自身思路的变化：早期希望 AGI 主要靠软件创意实现，后来开始强调算力，进而认识到实体基础设施的重要性。他以 Stargate 和数据中心为例说明工作范围的扩大。

他说，自己更希望市场提供所需能源，而不是让 OpenAI 自己建设。公司需要承担多少工作，在他看来取决于市场如何回应整个行业的预期需求。

Berman 问 OpenAI 如何在研究、消费者服务、企业产品和开发者 API 之间分配有限的 GPU。Brockman 说这种取舍很痛苦，因为许多前景看好的项目都在争夺同样稀缺的资源。

Brockman 介绍说，高级领导先在研究与应用工作之间分配资源，再决定研究内部的分配。他团队的成员还要落实具体调度：寻找接近结束的项目，把算力转移到新项目。

分配过程结合了人的判断和电子表格等工具，Brockman 也想知道模型将来能否帮忙。他说，算力对团队生产力影响很大，因此谁获得资源会引发强烈的情绪。

Brockman 补充说，他预计算力分配会成为整个经济体的问题，而不仅是 OpenAI 的内部问题。他认为，扩大供应可以缓解许多有价值用途争夺有限资源时产生的冲突。

Berman 问供给与需求的差距有多大。Brockman 没有给出测得的比例；他推测，如果算力增加十倍，收入或许会增长得少一些，比如五倍，因为很多产品还无法广泛推出。

对话转向智能体和应用如何改变网页浏览。Brockman 认为，在静态页面寻找一个事实往往要让人筛选大量无关材料，而机器可以代劳。

他预计，AI 界面中的动态应用可以减少在线交易时的一些按钮操作。他说，更广泛的目标是为人的方向把握、判断、反馈和创造力留出时间。

Berman 问，依靠人们注意力和广告收入的出版商将面临什么。Brockman 说未来的变现模式尚不明确：订阅、广告和其他方式都可能有一席之地，但产品必须为用户创造价值。

Berman 提出依赖单一中介的风险，类似出版商在移动互联网转型中遇到的情况。Brockman 说，AI 可能不会遵循某一种熟悉的互联网或应用商店模式，他也怀疑单一入口是否能服务所有互动。

Brockman 认为，界面可能更贴近人：用户不必浏览 URL，而可以直接提出想要的结果，或获得主动帮助。他看到了广阔的产品空间，同时承认入口最终会是什么样仍未确定。

Berman 问未来两年被动聊天与主动 AI 的比例会如何变化。Brockman 预计更多工作会在后台启动，并表示希望系统能够长时间、高效地处理困难问题。

Brockman 以 Andrew Wiles 长期研究费马大定理为类比。长期项目并不意味着完全与人隔绝：它可以包含子问题和交流，同时不需要人事无巨细地管理每一步。

Berman 区分了智能体运行多久与它完成多少有用工作。Brockman 同意基准可能误导人，认为两个维度都很重要：有些难题需要长时间有效思考，但能更快解决当然更好。

被问及最长的自主运行纪录时，Brockman 说他不知道。他看到过约七小时的报告，但没有把这称为已确定的上限；这段讨论反映的是访谈当时所知的情况。

谈到 Sora 2，Berman 问 OpenAI 为什么选择社交产品形式。Brockman 说，团队通常从模型的能力和局限出发，再探索什么界面能让这些能力变得有用。

Brockman 回忆，测试后训练的 GPT-4 时，他提出了依赖前一轮对话的第二个问题。模型能够利用已有上下文，启发了对话界面的思路。他说团队也以类似方式探索 Sora 2 的优势和产品方向。

Brockman 说，基础模型可能表现出范围广泛的行为，但很难稳定使用。产品界面和后训练可以让行为更加一致，同时也会收窄原始模型可能产生的部分输出。

他对比了指令跟随界面与早期基础模型的使用方式。下一个 token 预测模型会续写前缀，因此用户可能要给出多组问答样例，才能提高接下来生成答案的概率；单独一个问题也可能引出其他续写。

Brockman 说，这使原始模型很难作为产品控制。他把后训练描述为塑造更一致的行为和防护措施的方法，同时承认这种塑造可能损失一部分广泛能力。

Berman 问，社交方向是否在后训练之前就已经确定。Brockman 描述了一个迭代过程：探索基础模型的能力，找到有趣的行为，再努力让它足够可靠，便于使用。

讨论转向 Sora cameo 和个人肖像的使用。Berman 说自己公开了 cameo；Brockman 说他当时没有公开，并预测其他视频工具会让肖像生成越来越普遍。

Brockman 说，OpenAI 会尝试以其认为有益的方式推出技术，同时也认识到自己不能控制所有开发视频模型的公司。他对未来产品的判断是一种预测，并不保证它们的能力或防护措施。

Berman 提到 Yann LeCun 的怀疑，问仅靠语言是否足以形成世界模型。Brockman 关注实际进展：随着语言模型改进，一些曾被认为需要更多物理知识的任务也可能得到解决。

两人讨论了涉及物体和容器的简单空间问题。Berman 回忆早期模型答错而后来的模型答对；Brockman 把评估中的进步视为有用证据，但单个例子不能解决更广泛的科学争论。

Brockman 说，关于模型是否真正理解的争论可能变成语义之争。他更愿意观察具体评估，看模型能否在怀疑者认为它无法完成的任务上不断提高。

Berman 问 AI 是否威胁他作为内容创作者的工作。Brockman 说，许多工作会改变，有些可能消失，也会出现新工作，但他并不声称知道最终的数量平衡或具体形式。

Brockman 预测经济会更加富足，社会契约也会改变，包括人们即使没有传统意义上的经济工作也能拥有良好生活质量。他强调转型后的结果仍不确定；这些是他的希望与预测。

他认为人与人之间的联系仍难被 AI 取代，并提到水管工和电工等技术工种，认为 AI 在这些领域创造价值可能很困难。这是他的判断，并不保证某些职业不会受到影响。

Berman 问到建立在 OpenAI 之上的开发者面临的平台风险：平台提供商可能推出与合作伙伴重叠的产品。Brockman 说，OpenAI 需要开发者将模型连接到现实世界的各个领域，自己无法覆盖所有行业。

他说，OpenAI 会选择自身拥有专业能力或能够形成协同效应的领域。编程就是一个例子：改善编程工具既能帮助外部开发者，也能加快 OpenAI 自己的工作。这解释了公司的思路，但并不能消除平台风险。

被问到代码是否是 AGI 的语言时，Brockman 反而预计自然语言仍会很重要，也许会变成一种更精简的表达方式。他以简洁但可读的数学证明为例，说明模型生成的交流可能是什么样。

谈到人的参与，Brockman 说这项技术的目的是造福人类和其他生物。他希望系统更直接地理解人的目标，而不是要求用户掌握提示和上下文工程的机械细节。

Berman 问，软件和界面的每个元素是否最终都能实时生成。Brockman 认为这有可能，并设想不受现有按钮、文件和文件夹概念约束的界面，同时承认自己不知道它会是什么样。

Brockman 用 Sora cameo 解释，一个人即使没有亲自完成画面中的每个动作，也可能仍然存在于生成作品中。他认为，当一张图片与某个人、家人或宠物有关时，它会更有意义。

把这个类比延伸到软件，他设想人们构思并分享体验，而 AI 完成大量实现工作。Berman 称之为品味；Brockman 同意判断力和知道自己想要什么很重要，探索模型能力的实践技能也同样重要。

Berman 问到 Agentic Commerce Protocol，以及 Brockman 早年在 Stripe 的经历。Brockman 说，很多底层想法并不新鲜，但模型已经足够强，能够更可靠地利用这些想法。

他回忆，早期 ChatGPT 插件启用过多功能时容易让模型混淆。在他看来，更强的模型改变了旧想法变得可行的时间，包括让智能体帮助购物。

展望下一次开发者大会时，Brockman 希望模型能够解决真正困难的问题，或许还可以与人类专家合作。他把这个愿景比作 AlphaGo 的一手出人意料的棋，改变了人们对围棋的理解。

Brockman 指出，困难任务可能消耗大量算力，因此其经济价值会影响是否有人愿意承担成本。有些工作也可能出于更广泛的公共利益而开展；如何提供这样的系统仍是一个开放问题。

谈到 2030 年与 AGI 时，Brockman 说这一术语定义模糊，并从 2025 年访谈时点给出个人估计：大约还需一到三年，更倾向三年。他说，如果到 2030 年还没有达到这一里程碑，他会感到惊讶。这是预测，而非已经确定的时间表。

他对 AGI 的看法已经从一个单独的终点转向持续过程。他说，在经济价值高的工作上达到人类水平会是一个重要里程碑，但并非终点；他强调后续工作、安全和把收益带给人们。