红杉专访OpenAI总裁格雷格:AI已完成AGI 80%进度,未来将重塑人类的工作与科学研究

👇关注公众号后设🌟标，掌握第一手AI新动态

本文内容整理自 OpenAI President Greg Brockman 在 Sequoia Capital（红杉资本）频道的专访，公开发表于2026年5月1日。原始内容参考：https://www.youtube.com/watch?v=bBS93A0BeNI

内容提要: 格雷格·布罗克曼在AI Ascent 2026的专访

• 算力战略： OpenAI将AI视为一项规模化业务。其核心逻辑在于不断购买、租赁和构建算力，因为人类解决智能问题的需求是无限的，而目前的GPU供应依然存在严重的缺口。
• 缩放定律： Scaling Law（缩放定律）如同宇宙真理般存在。只要向模型投入更多算力，其能力的跃升就没有瓶颈，这种指数级的增长从未停止。
• 模型架构： 创新绝不仅仅停留在简单的神经网络上，OpenAI正持续迭代底层的算法与范式。尽管目前Transformer架构仍未被完全超越，但诸如数据格式化等微调工作，同样能释放出巨大的潜力。
• AGI进度： 格雷格认为，目前的AI模型已经完成了AGI（通用人工智能）定义中80%的进度。在编写代码、优化系统等复杂任务中，模型已经具备了自主规划、监控瓶颈并持续迭代直至完成最终任务的能力。
• AI驱动生产力： 编程工具已从边缘的辅助角色进化为核心生产力，目前能够自主编写高达80%的代码。AI模型正从“软件工程师的专属工具”蜕变为所有职场人士的“全能助手”，我们应允许AI深度融入上下文，全面参与各项业务流。
• 组织变革： 未来，超级个体或单人创业者将具备打造大型企业的能力。组织架构将趋向极致扁平化，在AI的强力加持下，几人的小型团队即可完成过去需要庞大研究部门才能攻克的难题。
• 人机协作与治理： 人类的注意力正成为最稀缺的资源。未来，AI将全面接管执行类工作，而人类的核心职责将升维至确立价值观、进行高风险决策，以及对AI系统进行安全治理。
• 科学前沿： AI已在物理学等前沿科学领域取得突破性进展，甚至推导出了曾被人类专家断言为“无法解决”的复杂公式。预计在未来一年内，人类的科学研究将迎来一场伟大的复兴。
• 未来愿景： OpenAI的终极目标，是构建一个拥有深厚上下文理解能力、安全可信、能全面协助人类实现个人与职业生活目标的AGI，从而将人类从繁杂的计算与重复性劳动中彻底解放出来。

内容简介

OpenAI 联合创始人兼总裁 Greg Brockman 受邀与红杉资本合伙人 Alfred Lin 在 AI Ascent 2026 峰会上进行了一场深度对谈，话题涵盖了 OpenAI 的全栈技术与发展愿景。在本次访谈中，他详细解释了为什么 OpenAI 对算力的需求永远得不到满足，为什么他坚信我们已经跨越了通往 AGI 80% 的进度条，以及为什么那些在去年12月只能帮你写20%代码的智能编程工具，如今已经能包揽80%的编码工作。此外，他还探讨了为什么在 AI 赋能的未来工作模式中，人类的注意力正成为最稀缺的资源，并畅想了未来管理一个由10万个 AI 智能体（Agents）组成的庞大组织将会是怎样的震撼场景。

访谈全文

主持人： Greg，欢迎再次来到这里。我想我们从未向你收取过场地费，也许以后我们会给你寄账单。Greg，你曾参与打造过两家极其了不起的公司：在 Stripe，你是四号员工兼首任首席技术官（CTO）；如今你又身在 OpenAI。我最近听说 Stripe 处理了全球 1.6% 的 GDP，你一定为此感到自豪。

格雷格·布罗克曼： 这确实令人惊叹。

主持人： 而更让你引以为傲的，应该是目前 OpenAI 的周活跃用户已经接近甚至超过了十亿（a billion）。

格雷格·布罗克曼： 这一切都非常令人振奋，它向你展示了技术的无限潜能。

主持人： 你不仅是 OpenAI 的联合创始人兼总裁，还是“首席构建者”（Chief Builder）。我听说这是你的头衔之一。

格雷格·布罗克曼： 我不确定这是否是个正式头衔，但大家给我起过很多名号，就这么说吧。

算力饥渴症解析

主持人： 在座的都是顶尖的开发者（Builders），那我们就从技术栈（Stack）的最底层聊起。OpenAI 的业务包含多个技术栈，其中之一就是算力（Compute）。你们在获取算力方面一直非常积极，甚至可以说是非常激进。这是为什么？

格雷格·布罗克曼： 在很多方面，我们的商业模式其实非常简单：我们购买、租赁、构建算力，然后加上利润率转售。仅此而已。只要利润率为正，你就会想要扩大规模，因为人类解决问题的需求、对智能的需求，是无限的。

而我们现有的 AI 模型，确实能够应对你抛给它们的几乎任何挑战。

主持人： 你们的算力够用吗？

格雷格·布罗克曼： 不够。

主持人： 真的吗？

格雷格·布罗克曼： 是的，绝对不够。

主持人： 我刚和 AWS 的 Matt Garman 交流过，他说 2026 年市场上可用的 GPU 算力几乎为零。难道你们没有买下……全部算力吗？

格雷格·布罗克曼： 我的意思是，我们确实储备了一些，但我们极其渴望更多。老实说，我们一直在到处搜寻更多算力。我告诉你，当我们刚发布 ChatGPT 时，我记得在和团队开会，他们问：“好吧，我们该买多少算力？”我说：“买下所有能买到的。”

他们不敢相信：“不不不，说真的，我们到底该买多少？”我说：“无论我们提升算力的速度有多快，我敢保证，我们都绝对跟不上需求的增长。”从那时起，这句话就成了现实。

规模法则（Scaling Laws）的奥秘

主持人： 这太令人着迷了。聊完算力，我们往上层探讨。考虑到在座的大多是初创公司的创始人，可能没法帮你们搞到更多算力。关于架构和规模法则（Scaling Laws），我们目前处于什么阶段？它们还在以每年翻倍的速度增长吗？你们在改变架构吗？在研究端的前沿，你们正在推进什么突破？

格雷格·布罗克曼： 首先我想说，规模法则（Scaling Laws）是一个深邃且极其美丽的未解之谜。 它们让人感觉极其本源，就像你思考物理学、牛顿定律等科学真理一样，它是某种宇宙运行的法则。

而且它们是纯经验性的（Empirical）。我们未必有完备的理论来确切解释它为何生效。但对我而言，最美妙的事情在于：神经网络实际上是在 20 世纪 40 年代被设计出来的，那时甚至还没有真正意义上的计算机。不知何故，我们竟然能够沿用当时提出的那些最原始的构想，并为其注入呈指数级增长的算力。随着你向模型中注入越来越多的算力，它们的能力就会相应地提升，并且永无止境。前面没有阻挡的高墙。 我认为，这就是最美妙的地方。

展望全新架构

主持人： 这确实非常美妙。那么现在是否有更多的研究或算法正在研发中？正如你所说，过去我们在 1940 年代就有神经网络，但当时没有算力。现在既然有了算力，我们只是在推进同一种东西，还是有新的架构和想法不断涌现？

格雷格·布罗克曼： 我们绝对有源源不断的新想法在驱动着我们的工作。如果仅仅说“让我们把 1940 年代的神经网络直接塞进一个吉瓦（Gigawatt）级别的数据中心”，那就太过于简化了。我们已经进行了海量的创新，并且一直在持续优化。

有时这只是一些微调（Micro-tweaks）；你可能只是意识到之前格式化数据的方式不太对，但这实际上能产生巨大影响。有时则是重大的范式转变，比如从 LSTM 到 Transformer 的演进。我不认为所有人都已经完全超越了 2017 年论文中描述的 Transformer 架构，所以创新是无时无刻不在发生的。

谈到在长期研究上投入最多，致力于改进架构、优化底层算法以及实现范式转变（Paradigm Shifts）的团队，我认为 OpenAI 一直处于领跑地位，这也是我们持续投资的领域。我已经看到了地平线上即将结出的累累硕果。

距离 AGI 还有多远

主持人： 关于模型，OpenAI 对 AGI（通用人工智能）有正式的定义吗？我们离它近不近？Pat 和 Sonya 曾发表文章称我们在功能上已经达到了 AGI。你同意这个观点吗？

格雷格·布罗克曼： 我们确实有一个正式的定义，但在某种程度上，我学到的一点是，每个人对 AGI 都有自己的直观感受。也许你可以这样看，根据我对现状的判断，我认为我们已经完成了 80% 的进程。 因为我们现在的模型已经非常聪明了。它们能力极强。如果你给它们提供——

主持人： 它们比你还聪明吗？

格雷格·布罗克曼： 我的意思是，在写代码方面，它们绝对比我强，对吧？如果你给它提供了所有的上下文（Context），那么是的，我认为它们就是如此强大，这真的非常了不起。比如说，在座的有人觉得自己写代码比 GPT-5.4 还厉害吗？

主持人： 哦，那里面涉及很多内核（Kernels）。好吧，比如写内核。

格雷格·布罗克曼： 即使是在写内核这种极其底层的任务上，我们也看到了巨大的进步。

根据我们的一些内部测试结果，我们发现，只要你针对问题设置了正确的环境，即使是底层的任务，你也能取得极其惊人的成果。

给你举个例子，说明事物是如何发展的。我的一位系统工程师就有过类似的经历。在此之前，他一直无法从 GPT-5、5.1 或 5.2 的模型中获得太大的价值。但是，在面对 5.3 版本时，他抱着一时兴起的心态（on a lark），为他即将着手的一项非常复杂的系统优化任务写了一份设计文档。他把文档扔给模型后就去睡觉了，原本打算下周再把这项工作交接给他的团队。

等他醒来时，工作已经完成了。模型不仅实现了最初的规范说明（Spec），还自己意识到运行速度太慢，于是主动添加了监控埋点（Instrumentation），运行代码，调用性能分析器（Profiler）找出了瓶颈所在，并进行了多次自动迭代，直到最终得出一个完美优化的结果。 这简直不可思议；而这正是我们目前所达到的高度。

AI 创业剧本 (Startup Playbook)

主持人： 那么，你会建议在座的所有初创公司怎么做呢？因为模型变得越来越强大。过去 Sam 来的时候我也问过类似的问题。假设你今天在开发一款产品，两年后新模型问世时，你需要推倒重来吗？因为周围所有的功能和模型能力都在发生翻天覆地的变化。你是否需要时刻提防，确保自己没有挡在 OpenAI 的路上？因为随着模型能力越来越强，你们可能会直接碾压那些初创公司。在这样的环境下，你建议创业者们该如何生存与构建产品？

格雷格·布罗克曼： 首先，我想说的是，要积极拥抱这些工具。现在的工具已经变得极其强大。如果单看去年12月以来的变化，我认为我们已经从让这些代理式编程工具(Agentic Coding Tools)编写20%的代码，飞跃到了编写80%的代码。这意味着它们已经从“配角”变成了你工作中的“绝对核心”。我相信今年在所有需要借助计算机完成的工作中，我们都会看到这种趋势的蔓延。

你可以看看Codex最近的进展，它确实正在从专属软件工程师的工具，转变为任何使用计算机工作的人都能驾驭的利器。仅仅在过去一周，我们就发布了一系列功能，使其变得前所未有地强大和全能。

我们今天刚刚宣布了一款名为Chronicle的新工具，它可以无缝接入Codex；它能观察你在计算机上所做的一切，并形成运行记忆。当你向它提问时，它能立即明白你的意图。你可以问：“我五分钟前在做什么？”它一清二楚。你可以问：“刚才那个人在谈论什么？”它也了如指掌。

对我来说，这宛如醍醐灌顶：我突然意识到，我们现在竟然花费了极大的精力，仅仅是在向计算机解释“我们在做什么”。为什么要向计算机解释正在发生的事情？这简直毫无道理。

我认为在接下来的几年里，模型会变得更加强大。我们将拥有更好的AI辅助框架(Harnesses)，能够解决越来越棘手的问题并创造新的知识。但现在正在发生的是一次不可逆的范式转变，其核心其实是关于上下文(Context)的。问题的关键在于……

你的AI能获取这些上下文吗？你开了那么多会，却把AI排除在外。你知道，这对AI来说可不太公平。你要求它协助你处理事务，但它却没有任何背景信息。因此，我认为关键在于如何确保AI在物理层面能获取足够的信息来解决问题，然后你要相信这些模型会真正达成目标并不断自我进化。这将是一个不断改进和迭代的循环。你需要深度使用这些工具，与朋友交流他们的使用心得，但请记住：这是一项现在就必须果断下注的一次性投资。

走入OpenAI：Codex的内部应用

主持人： 假设一切基础设施都准备就绪，你认为OpenAI内部使用Codex的方式与外部大众的使用方式有什么不同？

格雷格·布罗克曼： 我觉得在OpenAI工作最奇妙的一点就是，你真的感觉自己生活在未来。你能提前看清未来趋势的轮廓，而且我们能够进行协同设计。为了更好地满足我们洞察到的需求，我们可以联手改造模型、辅助框架(Harnesses)以及整个生态。

我们目前采取的许多策略，都是从软件工程领域发端的。我们设定了一些明确的准则，例如，我们仍然要求必须有人类对所有被合并的代码负责。归根结底，合并这段代码真的是个好主意吗？它结构合理吗？这会让我们的代码库更易于维护吗？我们希望确保有一名人类负责把关审核(Signing off)并给出肯定答复。我认为这种理性的克制——既不盲目滥用，也不完全排斥这些工具——是非常重要的，因为这两种极端都不可取。

我们还在OpenAI内部深入各个垂直领域(Vertical by Vertical)，在财务、销售和IT部门推广这些工具。我们在这些部门部署了专门的小型团队，他们深耕业务领域，与各领域的专家并肩作战，通过培养技能、定制Codex用户界面或进行任何必要的改造，来确保工具发挥最大效用。一旦打磨成熟，我们就会将其产品化，并正式发布给你们所有人。

团队与治理模式的范式转变

我们也开始与一些特定的客户展开合作。对于那些渴望成为AI先行者(AI-forward)、想要亲自参与定义这场革命的人来说，这里有属于你们的舞台，我很乐意在会后与大家深入交流。我相信，大家内心确实有一种渴望，想要走在AI的前沿，真正活在未来，并提前一到三年体验大众未来的工作方式。

主持人： 既然你们处于这种“生活在未来”的状态，你们是否对公司结构或工程团队的组织架构进行了重构？回想当初，我父亲学习计算机科学时，他只是单打独斗。后来我们有了漫长的软件发布周期，演变成了瀑布式开发(Waterfall)。再后来随着Web和云计算的兴起，我们有了两个披萨团队(Two-pizza Teams，指团队规模小到两个披萨就能喂饱)和Scrum敏捷模式(Scrum)。现在既然有了编程智能体(Coding Agents)，你们是如何围绕这些新事物重塑组织架构的？

格雷格·布罗克曼： 我觉得我们仍在摸索之中，但在某些方面这种转变已经非常显著。例如，现在构建原型的成本极低——甚至可以说低得令人发指。如果你想构建一个过去需要耗费资深工程师一周时间才能完成的仪表盘，现在瞬间就能搞定。

因此，原本的研发瓶颈已经大量转移到了“共享”这类环节上。我们内部其实也正在推进相关工作（未来也会将其作为产品对外发布），重点解决如何让企业中的任何人都能极其轻松地构建仪表盘、小部件、机器人(Bot)或其他任何工具，并无缝分享给他人。

这开始对建立良好的治理机制(Governance)提出了极其现实的挑战。你希望你的IT部门能够清晰地洞察所有正在发生的执行链路(Threads of Execution)——那些在内部流转共享的所有细枝末节——并对数据溯源(Data Provenance)有绝对的掌控力，以确保全链路的安全。

一个很典型的例子是，人们现在开始将海量的内部知识转储(Knowledge Dumps)转化为维基百科式的文档。我们在内部已经看到了极其惊艳的案例。但随之而来的直接隐患是：如果有人在内部知识库中误设了某份文档的权限，然后突然意识到“糟糕，我根本不想公开这些信息”，他们该如何补救？

在过去，他们只需进入原文档修改权限即可。但现在，基于原文档已经生成了无数的衍生资产(Derived Artifacts)。你必须确保系统内有一种强大的追踪机制，能够判定：“这份输出文档源自那个源文件；既然源文件已不再对该受众开放，那么必须立刻使相关的衍生输出也一并失效(Invalidate)。”

最终，你在构建技术架构时，必须时刻警醒人们将如何使用这些信息。它真正颠覆了团队间的协作方式、转移了业务瓶颈，也重新定义了什么是“困难”的工作。

主持人： 你认为团队规模会因此变得更小吗？十年后我们还会有人类软件工程师这个职业吗？

格雷格·布罗克曼： 十年是一个极其漫长的时间跨度，这项技术的最终天花板目前还难以想象。但显而易见的是，“公司”的定义将在许多维度上被彻底重塑。我相信“超级个体”(Solopreneurs)将有能力打造出令人惊叹的商业帝国；任何心怀愿景的人，都能将其化为现实。

我认为你们现在所从事的工作在许多方面会变得更轻松，也远比现在有趣。当然，竞争也可能变得空前激烈，对吧？因为每个人都将武装上这些神级工具。因此，真正找准你的细分生态位(Niche)和独特的切入点，可能会成为未来最核心的竞争力。

此外，我们目前运营大型组织的固有模式——即那种几乎只能依靠团队划分、管理架构、职权范围和森严层级来管理庞大人群的单一方式——必将发生巨变。也许我们会全面转向极其扁平、极其精简的微型团队，却能完成震撼世界的壮举。我们在数学领域已经见证了这一奇迹：互联网上的独立个体正在使用GPT-4o解决此前悬而未决的数学难题。在过去，这需要一个庞大且顶尖的研究团队，但现在，单枪匹马的个人就能独立摘取皇冠上的明珠。

主持人： 我儿子是个数学极客，所以我告诉他，也许除了数学，他还应该学点别的。

格雷格·布罗克曼： 但你看，这正是问题所在。如果你回顾 AlphaGo 的第 37 手棋，那一手彻底改变了人类对围棋的认知，但令人惊讶的是，它反而让这项游戏对人类而言变得更有趣、更重要了。也许在其他领域也会如此。

安全与负责任的部署

主持人： 在构建生产级智能体(Agentic)工作流时，常见的失败模式有哪些？你认为如今的创始人在构建过程中最常犯的错误是什么？

格雷格·布罗克曼： 我认为这些模型拥有如此强大的力量，真正理解如何驾驭它们需要深思熟虑。因此，我们一直在大量投资底层基础设施，比如安全原语(Security primitives)、可观测性(Observability)以及建立良好的治理机制等。给你举个生动的例子：我当时正在使用 Codex，让它安装一个 OpenAI 同事编写的包。程序报错了，我就随口说：“去 Slack 上找那个人问问。” 结果它真的在 Slack 上戳了那个人。两分钟后，模型回复说：“处理时间太长，我已经升级上报给他的经理了。”——它居然真的去联系了那个人的经理。

你突然意识到，一方面，模型这么做挺合理的，它在主动出击解决问题，而不是干等着你下指令；但另一方面，它也许应该多等一会儿，或者先请示我一下。因此，我认为我们需要深入思考这些问题，因为我们仍在培养模型的情商(EQ)。在某些方面，它们已经做得非常好了。比如，人类过去习惯了无脑点击“批准、批准、批准”，人类在这方面的表现其实很糟糕。

主持人： 没错。

格雷格·布罗克曼： 人类只会习惯性地默认同意。所以现在我们开始让 AI 来负责标记：这是一个高风险操作吗？嘿，这个需要升级处理，而那个可以自动批准。这会让你深刻意识到：人类的注意力将成为极其稀缺的资源。如今“执行”变得轻而易举，但判断“这是一件好事吗？这是我想要的吗？这符合我的价值观和愿望吗？”将成为最核心的瓶颈。 因此，我认为在构建系统时充分考虑到这一点，真正重视“人为因素”，是当下最重要的事情。

主持人： 另一个关键的人为因素是安全。在这个 AI 时代，你会建议人们如何思考安全问题？最近我们接二连三地听到 Vercel 等平台出现漏洞的消息。既然这些模型在发现安全漏洞方面威力巨大，你会建议大家如何利用模型来排查这些安全问题呢？

格雷格·布罗克曼： 我认为可以从几个层面来回答。从历史上看，互联网的安全门槛一直在不断提升。回想 90 年代，到处都是病毒、蠕虫和恶意软件；我们已经跨越了那个阶段，我认为我们现在正在进入一个安全性高得多的时代。

然而，要达到更高水平的安全，需要整个互联网的共同努力。坦率地说，这在很大程度上要倚靠技术并充分利用这些模型。模型可以扫描你的代码库，可以进行端到端的红队测试(Red teaming)；有很多工作可以通过它们完成。我们在思考未来模型和改进时，很大一部分重心放在利用“可信访问计划(Trusted Access programs)”上，并动员那些有志于成为防御者、让互联网更安全的人群。我认为每个人都可以扮演自己的角色并参与其中。

最重要的一点是，要认识到这些模型虽然极其强大，但并非魔法。它们只是整体弹性生态系统(Resilience ecosystem)的一部分。我相信，作为社会的一员，每一家公司都必须弄清楚如何将这些工具融入工作流中，以提供更高的安全保障，这才是我们应尽的一份力。这包括对具体操作的影响有明确的把握——无论你是应用某个特定的补丁，还是思考如何在更新发布时快速平稳地部署。总之，还有很多工作要做，但我对未来的发展充满乐观。

主持人： 让我们谈谈速度。事物的发展似乎越来越快，我们正身处一个加速变革的世界。刚才你走上台时，我们还在讨论你是如何跟上这种节奏的。对于如何应对这种不断加速的变革，你对在座的各位有什么建议？

格雷格·布罗克曼： 我认为这就是新常态。在某种程度上，这并不完全是因为 AI；这就是过去二十年科技发展的必然趋势。越来越多的人在参与创造，而且门槛比以往任何时候都低。随着准入门槛的降低，创造价值并取得巨大成功变得更加容易。

因此，我认为最关键的是要保持敏锐，了解正在发生的变化。这总是要从最基础的一步开始：亲自去把玩这项技术。听别人描述 AI 与你自己实际使用它，是完全不同的体验。

AI 最美妙之处在于它的直觉性。这正是其核心意义所在——不再是你扭曲自己的思维去适应机器，而是机器来适应你。 机器为你工作，通过简单的交互，你发出指令，它交付结果。

归根结底，我认为时刻把脉时代的变迁、了解技术的边界以及模型的局限性，将是决定未来企业成败的核心能力。

主持人： 另一方面，你们也会推迟模型的发布，以便与安全机构合作。这与“尽可能追求速度”的理念截然相反。你们同时也在追求负责任的开发。既然身处竞争激烈的环境，你们希望尽快发布产品，同时又要坚持做正确的事，你们是如何思考这种平衡的？

格雷格·布罗克曼： 在价值观层面，OpenAI 的核心愿景就是将 AI 的力量交到人们手中。我们希望通过正在创造的工具，赋予人们构建未来的能力。

但我们需要以深思熟虑的方式去做。我们始终在权衡两方面：优势在哪里？风险又在哪里？如何最大化优势，同时将风险降至最低？

在网络安全和生物安全等领域，我们非常谨慎。长期以来，我们一直致力于开发相应的风险缓解措施(Mitigations)和可信访问计划(Trusted Access programs)。

我们预见到的未来是：模型将在所有能力维度上持续、强劲地提升。上周，我们宣布扩展了“网络安全可信访问计划(Trusted Access for Cyber program)”。顺便问一下，在座各位有人申请了吗？

没人申请？哦，我看到举起了一只手，两只手。好吧，你们中应该有更多人去申请，这个项目非常棒。我们真的需要大家的帮助，让那些值得信赖、负责任且真正希望推动模型进步的人参与进来至关重要，因为这最终会让所有人受益。

在接下来的几周里，我们将宣布更多关于项目扩展的消息。我们还会分享有关如何向公众发布模型的细节——特别是我们将采取哪些风险缓解措施，以及如何进行微调以达到恰到好处的平衡。我们希望将这些强大的能力带给尽可能多的人，同时确保解决风险、保持可观测性(Observability)，并保证技术部署能产生最大的正面影响。

简而言之，这是我们使命的核心。我们非常在意所作所为的影响力；这绝不是孤立地开发技术，而是一场全球性的集体努力，引领我们走向真正该去的远方。

主持人： 现在我们从模型层转向应用层(Application Layer)，这也是在场许多人正在构建的领域。请问 OpenAI 是如何决定在应用层中，哪些功能由你们自己开发，哪些又会选择放弃的？

格雷格·布罗克曼： 大家最近可能经常听到“专注”这个词被用来形容 OpenAI，这或许是——

很长一段时间以来的第一次。

主持人： 这个词也一直很适合用来形容你。

格雷格·布罗克曼： 做出选择很难，因为 AI 领域充满了机遇。可以想象，任何你想要去做的方向都会有广阔的前景，这点毋庸置疑。但作为一家公司，无论我们投入多少算力(Compute)、拥有多少员工，能做的事情终究有限。因此，我们思考问题的核心在于：如何制定一个最专注的战略，去覆盖这个领域中最核心的部分？

这或许类似于 80/20 法则，即专注于我们认为能产生最大影响力的领域。随着我们迈入智能体时代转型(Agentic Transition)，这种“专注”变得前所未有地清晰。

这不仅仅是企业端与消费端之间的区别。很明显，我们非常重视企业级业务，正在向大型企业销售产品，并努力打造必要的组织能力和销售机制。但“消费者”的定义正在发生改变，这是一个涵盖广泛的术语。我们所关注的消费者市场切入点，不仅在于提升生产力，更在于目标的实现——帮助你达成目标，甚至帮你挖掘这些目标究竟是什么。能够激发用户的深层需求，并拥有一款能主动为你提供协助的 AI，都属于这一范畴。

最终，我们试图构建的是一个可以与之对话的通用人工智能(AGI)。它需要具备充分的上下文(Context)，能够在你的个人生活和职业生涯中为你提供全方位的协助。它必须值得信赖，成为你可以随时寻求建议的对象，无论是涉及健康信息、财务状况，还是职业道路规划。这一切最终都殊途同归，指向同一个终极目标。

尽管这意味着我们必须痛苦地决定“不做什么”，但这正是我们审视万物的标尺。你可以期待，我们所追求的一切，都将汇聚成我们渴望构建的那个宏大愿景。

主持人： 你认为几年后我们还会使用命令行和智能体(Agent)进行编程，还是说编程方式会发生彻底的颠覆？

格雷格·布罗克曼： 我认为我们目前的工作方式其实非常反直觉。我们全都坐在电脑屏幕前不停地敲击键盘，很明显，人类的身体结构并非为此而生。我们会得腕管综合征，会含胸驼背，饱受各种职业病的困扰。我不认为这是我们真正想要的生活。

我们真正渴望的，其实是更多的自由时间。但这不仅关乎时间的绝对长度，更关乎时间的质量——我们希望有更多时间陪伴挚爱、与人深度交流、构思宏伟的愿景、全心投入令自己兴奋的事业，或者仅仅是更好地倾听自己的内心。

从这个意义上说，拥有一家由 10 万个智能体(Agent)组成的机构并担任 CEO，听起来确实是个非常棒的主意。我相信我们所有人未来都能成就非凡的事业，但其背后的运作机制将经历一场彻底的变革。就像从用羽毛笔手写长信，跨越到发条短信就能让人替你办事、达成目标一样，充满着颠覆性的力量。

科学前沿与总结

主持人： 好了，我们聊过了算力，聊过了模型、安全、智能体以及应用层。接下来让我们谈谈前沿科学。模型何时才能强大到足以推动科学前沿和物理 AI (Physical AI) 的发展？我感觉就像 Jim Fan 在这儿一样。大语言模型(LLM)在数字智能领域完美印证了规模法则(Scaling Law)，但在机器人技术、物理智能以及生物学和科学等领域，由于问题往往难以验证或验证周期漫长，这种规模效应似乎还没有那么强劲。你是如何关注全球范围内科学和物理 AI 领域的进展的？

格雷格·布罗克曼： 科学是我们正在倾注心血的重点领域，并且我们已经看到了一条通向惊人突破的清晰路径。我们开始捕捉到了一些积极的苗头。我认为在预测未来六个月或一年会发生什么时，立足于当下发生的事实至关重要。

例如，我们最近取得了一个物理学突破：我们的 AI 推导出了一个极其精美的公式，而长期深耕该领域的物理学家们曾认为这完全不可能，甚至是个无解的难题。这意义非凡；真正严肃的顶尖物理学家将其视为通向揭开量子引力及类似现象谜底的重要一步。虽然还没有抵达终点，但这已经是实质性的一步。这比我们几个月前所处的位置要超前得多，这不禁让人遐想：再过一年，我们又能在这条路上走多远？

当然，生物学等领域与物理和数学不同，你必须走出完美的模拟世界，去直面泥沙俱下的复杂现实。然而，我认为我们已经学会了如何在其他领域驾驭这种复杂性。软件工程就是一个绝佳的例子，我们深刻意识到，仅仅开发出能解决编程竞赛题的模型是远远不够的。

光靠编程竞赛是不够的，你需要的是见过现实世界中庞杂、混乱的代码库的系统，它需要应对人类各种意想不到的交互打断，经受住对抗性的猛烈攻击。因此，在科学领域，我期待我们将见证一场真正的复兴。也许今年我们就能看到一些重磅成果，而明年，我认为这将是一个彻底疯狂、不可思议的时代。

主持人： 我们有幸生活在一个极其有趣的时代。我答应过会按时结束让你离开，因为你是个大忙人。在放你走之前，我们的倒计时还剩最后一分钟。虽然你现在分身乏术，但未来你将拥有大把时间。你和 Anna 平时喜欢做什么来放松？

格雷格·布罗克曼： 啊，放松。其实和大家一样，看看电影、去徒步旅行之类的。现在肯定没有我们期望的“后 AGI 时代 (Post-AGI)”那么多闲暇时间。但你必须学会享受沿途的风景。

主持人： 感谢 Greg 今天的到来。也谢谢大家。

参考资料: https://www.youtube.com/watch?v=bBS93A0BeNI，公开发表于2026年05月01日

关注公众号后设🌟标，掌握第一手AI新动态

btw：如果您对AI一线动态、AI产品构建及转型感兴趣，并愿意和小伙伴们分享互动，欢迎加入瓜哥交流学习群参与讨论（联系瓜哥wx： southmelon，注明：所在行业、申请入群原因），群内定期分享瓜哥手搓Agent整理的全球AI动态内参～

访问ima瓜哥AI知识库，一键查询AI业界大佬观点：点击瓜哥公众号头像->“服务”菜单->知识库。加入后在腾讯ima.copilot APP可随时@查询。