Brad Lightcap：OpenAI 早期、智能体与软件的未来

OpenAI 首席运营官 Brad Lightcap 与 Jack Altman 回顾公司的早期研究岁月，讨论智能体、软件岗位、创业，以及他如何使用 Codex。对话录制于 2026 年初；文中的预测、商业数字和产品描述均为嘉宾当时的说法。

Altman 请 Lightcap 将自己在 OpenAI 的经历划分为几个阶段。Lightcap 2018 年加入时，这家机构远没有现在广为人知，其工作主要受到较小的技术社群关注。他记得人们经常问公司究竟在做什么。

Lightcap 曾与 Sam Altman 在 Y Combinator 共事，关注核聚变、卫星和生物技术等传统软件之外的公司。他说 Sam 请他帮忙寻找负责 OpenAI 非研究工作的人，最后他自己开始提供帮助。

与研究人员相处后，他开始相信扩大通用架构的规模可能带来能力更强的系统。他强调，自己当时没有资格判断这一思路是否会持续有效，但认为如果成立，影响会非常重大。

他将早期文化描述为高度以研究为中心。自己的运营工作从筹集资金、与伙伴建设超级计算机，到为损坏的机器人寻找零件，范围很广。他说，共同目标都是加快研究进展。

Lightcap 说，ChatGPT 出现前已有一些“火花”：模型开始能够支持对话，补全 API 的用户也在尝试轮流交流。早期 DALL-E 的采用情况同样表明，人们希望通过提示词直接与系统互动。

他说，团队预期 ChatGPT 会很重要，但低估了其规模。他自己为算力规划所作的猜测是峰值一百万名并发用户。这是他对内部预期的回忆，不是公开的使用量统计。

Lightcap 将技术发展划分为大众采用前的规模化阶段、大约 2022 至 2024 年的聊天机器人阶段，以及正在出现的智能体阶段：系统可以使用工具、异步工作。这是他的划分，而非固定的行业边界。

他认为，技术进入经济生活的时间可能比模型发布长得多：即使技术进步停止，仍可能有多年的采用和创新。他认为，能力发展与实际采用之间的差距值得关注。

被问到智能体能力的终点时，Lightcap 说自己不知道。他指出长期任务中保持上下文和记忆等问题仍未解决，并设想系统之间可以协调。两人都没有展示一个已经被证明的能力终点。

Altman 对比了早期的科幻想象和实际使用强大软件的体验。Lightcap 认为，近期生产力和长期影响的讨论会并行存在。两人都注意到，人们会很快适应最初看似惊人的能力。

Lightcap 提到一则报道：一位主人使用 AI 并与实验室合作，为患癌犬只探索实验性治疗。他将其视为个人能力增强的例子。访谈没有证明疗效或治愈，个案也不能证明这种治疗普遍有效。

Altman 问，硅谷的热情与其他地区的怀疑之间为何存在差距。Lightcap 承认未来不确定，并说行业未能向许多人充分说明潜在好处。

Lightcap 预计，降低成本、缩短从想法到实现的路径，会帮助个人创建产品、开展研究和服务客户。他也承认技术可能造成伤害，需要制度应对缺点；他对最终利大于弊的信心是一种乐观预测。

两人转向编码与就业。Altman 提到自己看到的工程岗位招聘数据，但访谈没有提供来源，也未确立总体劳动市场趋势。他问，更好的工具会扩大工作机会，还是替代劳动者。

Lightcap 认为，当一项服务变便宜时，需求可能增加；他预计软件工程师的工作会改变，而不是简单消失。Altman 指出开发成本虽然下降，但并未归零，企业也可能把节省的资源用于改进产品。这些预测都不能保证就业结果。

Lightcap 认为，许多企业和公共机构仍在使用不足或过时的软件。他举出医院、电力系统和酒店，强调现代化与安全的重要性。他认为 AI 辅助开发可以覆盖服务不足的问题，并帮助改善脆弱系统。

他预计，未来仍需要人负责设计、实施和维护可能大幅增加的软件。他对软件数量增长的估计属于推测；这段讨论没有证明生成的代码会自动安全。

被问到 Codex 最近的进展，Lightcap 归功于产品和模型团队的专注以及更快的迭代。他给出 2026 年初 GPT-5.4 使用量和年化营收规模的数字；这些是他当时代表公司的说法，并非经独立审计的结果或当前数据。

Altman 问 OpenAI 如何同时管理多个领域的工作。Lightcap 说，公司不希望把自己限制在消费者、企业、硬件或软件中的单一类别；它会不断实验，扩大有效的项目，并让人员从无效项目转向其他方向。

他把研究描述为扩张与收缩的循环：许多项目探索可能性，少数获得更多资源，之后又会出现新的尝试。他认为产品开发和部署可以采用类似方式。

Altman 设想家庭和工作场景会出现更统一的体验。Lightcap 说，现在用户仍需在模型和模式之间作太多选择；他希望系统最终能更自动地分配任务。这是他表达的方向，并非对某个具体版本的承诺。

Altman 问，如果模型提供方可能推出竞争功能，创业公司怎样建立持久业务。Lightcap 建议寻找随着模型改善而首次变得可行的具体难题，而不是只停留在通用模型能力最集中的地方。

他说创业者的热情重新高涨，并用涟漪作比喻：模型改进后，机会会向外扩散到此前不可行的领域。他设想的例子包括改造旧代码，以及服务此前被忽视的行业。

Altman 担心，下一次模型能力提升可能会覆盖先前的机会。Lightcap 认为，深入了解用户、具体问题和行业现有解决方式仍然有价值。他再次强调一个基本建议：与用户交谈。

两人认为，一个大市场可以容纳多个建立在类似能力上的产品。Altman 说，一些创业者愿意在假设变化时放弃已有产品，但保留团队知识和客户关系。

Lightcap 说，一些成熟公司的创始人实际上正在重新启动公司的一部分，探索新的技术基础。虽然放弃过去的工作并不容易，现有团队和客户关系仍可以成为起点优势。

被问到上市软件公司股价下跌时，Lightcap 没有对市场作具体判断。他说自己接触的公司拥有客户关系和领域知识，并正在积极重新审视产品。这是他对前景的积极看法，不是投资建议，也不是保证。

Altman 问，习惯 AI 出现前工作方式的人如何适应。Lightcap 建议亲自尝试，并说虽然自己不是软件工程师，Codex 已成为他的日常工具。他重视它为任务提供第一个版本的能力。

Lightcap 举例说，他正在为一个前线部署工程团队招聘。他让 Codex 查看名单上候选人的公开资料和文字，根据技术要求进行排序，以找出值得进一步研究的人。

他说，结果帮助他决定查看哪些人的作品，而不是替代自己的进一步审阅。访谈没有评估此类排名的准确性或公平性；一个人的公开网络资料也只能提供部分信息。

Lightcap 将前线部署工程师的作用描述为解决企业中的具体问题：过去这些问题可能不值得投入成本定制软件。他预计 AI 会降低制作定制方案的时间和成本，同时承认工程师的角色会与过去不同。

Altman 问起 Lightcap 与自己兄弟 Sam Altman 的合作。Lightcap 说两人从 Y Combinator 开始共事已有约十年。他认为 Sam 比起公开露面更喜欢小范围技术讨论，也倾向于着眼长期。

两人说，时间尺度不同可能让未来技术的讨论令人困惑。Lightcap 说，客户、朋友和家人仍在努力理解现有工具，而公司领导者已经在考虑下一步可能发生的事。

Lightcap 说，OpenAI 的使命仍是团队判断哪些项目值得推进的一种方式。他认为工作远未完成，并说组织会反复询问某项活动是否有助于实现预期目标。Altman 感谢他参加讨论。