# OpenAI 总裁布罗克曼：算力永远不够，人类注意力成了新瓶颈 > Training Data No. 88 中文精读 - 原标题：OpenAI's Greg Brockman: Why Human Attention Is the New Bottleneck - 发布日期：2026-05-01 - 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等 - 网页版：https://trainingdata.qiaomu.ai/ep/088-openai-s-greg-brockman-why-human-attention-is-the-new-bottle-f5e6b8.html - 精读字数：约 4906 字（阅读约 11 分钟） > 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 ChatGPT 上线前，团队开会问 Greg Brockman：咱们该买多少算力？他的回答是，全部买下。团队以为他在开玩笑，追问：说真的，买多少？他还是那句，全部。他当时的判断是，无论算力爬坡多快，都追不上需求。几年过去，这句话一次都没被打脸。 这是红杉资本播客 Training Data 最新一期里的细节。嘉宾布罗克曼（Greg Brockman）是 OpenAI 联合创始人兼总裁，也是 Stripe 的四号员工和第一任 CTO。Stripe 如今处理着全球 GDP 的 1.6%，OpenAI 的周活跃用户已经接近甚至超过十亿。他在 OpenAI 还有个头衔叫“首席建造师”（chief builder），他自己也说不清算不算官方头衔，“反正大家这么叫我”。 这期对谈从最底层的算力一路聊到 scaling laws、AGI 进度、创业建议、组织结构和科学前沿，几乎每两分钟就有一个可以直接拿走的信息。挑最硬的部分讲。 ## 生意只有一句话：买算力，加价卖 主持人问，OpenAI 为什么在算力上这么激进。布罗克曼把公司概括得简单到近乎粗暴。 > 我们买、租、建算力，然后加价卖出去。只要毛利是正的，就该扩大规模。就这么简单。 他敢这么概括，底气来自需求侧：人类对智能的需求没有上限，而现在的模型已经能接住你扔过去的几乎任何问题。生意模式一旦成立，剩下的变量只有一个，毛利是不是正的。 那算力到底够不够？他的回答干脆利落：完全不够。主持人补了一刀，说英伟达高管马特·加曼（Matt Garman）刚讲过，2026 年市面上可用的 GPU 算力约等于零。布罗克曼笑着认了，说他们一直在市场上到处找算力，像猎人一样蹲守。ChatGPT 发布那天如此，今天依然如此。 ## Scaling laws 没有墙，AGI 走到八成 聊到 scaling laws，布罗克曼的用词是“深刻而美丽的谜”。这些规律是纯经验性的，至今没有一套完整理论能解释它们为什么成立，但他认为它们像牛顿定律一样，是宇宙里某种真实存在的东西。 他特意点了一个时间坐标：神经网络是 1940 年代设计出来的，那时候连计算机都还没造出来。八十年后，人们把当年那套想法搬进吉瓦级数据中心，往里灌算力，模型就相应变强，一路走到今天，还没撞上墙。他觉得这是整件事里最漂亮的部分。 没有墙，意味着过去所有基于“能力到顶了”的判断都得重画。当然，进展远非“把老网络塞进新机房”这么省事。有时候是微调，比如发现数据一直以来的格式化方式不对，改过来效果就上一个台阶；有时候是大换血，比如从 LSTM 到 transformer，而今天大家用的 transformer，也早就走出了 2018 年那篇论文描述的样子。架构和底层算法的长期研究，他认为 OpenAI 领先，“前方挂满了果子”。 AGI 有没有正式定义？有。但他说自己这些年学到的一课是，每个人对 AGI 都有一套自己的直觉。主持人提到，最近有篇流传很广的文章说我们已经“在功能上达到 AGI”，问他同不同意。他没有直接站队，只给出了自己的标尺：**现在大概走完了 80% 的路**，模型已经足够聪明、足够能干。 主持人追问，模型比你聪明吗？他答，写软件这件事上，只要把上下文给足，它们已经比他强。他顺手问台下，有人觉得自己写代码比 GPT-5.4 强吗？真举了一只手，那人补了句：写底层内核算。布罗克曼也认账，说内核这类底层任务，只要问题的设置方式对，内部确实看到了巨大的收益。 最能体现现状的，是他讲的一个内部案例。他手下一位系统工程师，用 GPT-5、5.1、5.2 都没榨出什么价值，到 5.3 的时候试了一把：把自己原本准备花一周推进的复杂系统优化写成设计文档，睡前扔给模型。醒来发现活干完了。模型实现了初版方案，发现太慢，自己加了性能埋点，跑了代码，用 profiler 定位瓶颈，反复迭代好几轮，最后交出一个优化过的结果。 **工程师的角色，从“指挥助手干活”变成了“睡前下单，醒来验收”。**布罗克曼的原话是，“这就是我们现在所在的位置”。 ## 给创业者：上下文是一次性投资，治理是新瓶颈 台下坐的全是创业者，主持人替大家问了那个经典焦虑：模型半年一换代，今天做的东西两年后要不要推倒重来？会不会被 OpenAI 顺手碾过去？ 布罗克曼的建议是，迎上去。他给了一个数字：光是去年 12 月一个月，agentic 编程工具从帮人写 20% 的代码，跳到写 80% 的代码。**工具从配角变成了主角**，他判断这条曲线今年会复制到所有用电脑完成的工作上。Codex 也正在从软件工程师的工具，变成所有用电脑干活的人的工具，过去一周他们刚发了一串新功能。 他现场宣布了一个叫 Chronicle 的新工具，接进 Codex 后，能看到你在电脑上做的一切，并形成记忆。你问它“五分钟前我在看什么”，它直接知道；你问“刚才那个人在说什么”，它也知道。这件事给他的触动很大：**我们每天花大量力气，只是为了向电脑解释现在发生了什么，这件事本身就不合理。** 所以他给创业者的核心建议，是抓住一个一次性机会：上下文。你开了一堆会，AI 全都不在场，然后指望它帮忙，“这对 AI 不太友好”。相当于雇了个员工，不给任何背景资料，直接派活。 他的原话值得抄一遍：“接下来几年，模型会强得多，外壳会更好，我们能解更难的问题，甚至产出新知识。但上下文是一次性的转变，就发生在现在。”**让 AI 在理论上拥有解决问题所需的全部信息，这是现在就该做的一次性投资。**模型能力会自己往上涨，你负责把上下文这条管道修好。 OpenAI 内部怎么用 Codex？他说自己最大的福利是“活在未来”，可以模型、工具外壳一起改。内部有明确规矩：**每一行被合并的代码，必须有一个人类签字负责**。结构好不好、会不会让代码库更难维护，最后由人拍板。全盘信任和全盘拒绝，两个极端都不对。然后他们按部门一个个推进，财务、销售、IT，每个领域派一个小团队钻进去，跟领域专家一起做技能包、改 Codex 界面，跑通之后再把这套东西对外发布给客户。想抢先“活在未来”的公司，可以直接找他们谈。 组织结构的变化，他坦言“我们也在摸索”。但有些地方已经看得很清楚：原型的成本塌缩到接近零。以前做一块数据看板要一个人一周，现在随手就做出来。 于是瓶颈挪到了分享和治理上。任何人都能造小工具、小看板、小机器人，IT 部门必须能看见组织里所有这些执行线程，管住数据来源。他举了个很具体的例子：公司把内部知识库转成 wiki，如果某份源文档权限配错了，作者发现后改回权限，那些由它生成的衍生文档怎么办？你得有办法顺着血缘关系，把下游产物一起作废。OpenAI 内部正在做一套分享工具，之后会对外发布。**技术架构得按 AI 的用法重新设计，团队之间的协作方式也会跟着变，因为难和易的位置整个挪动了。** 十年后还有人类工程师吗？他说十年太远，这个技术的天花板很难用直觉去感受。可以确定的是，“公司”这个形态会变：一人公司能做出了不起的生意；每个人的工作会更容易、更有趣，也更卷，因为所有人都拿着同样的神器。**想清楚你的独特角度，会变成最重要的事。**组织也许会更扁、更小。他提到一个正在发生的事：网上已经有人单枪匹马用 GPT-5.4 Pro 攻克悬而未决的数学题，放以前这需要一个数学团队。主持人自嘲家里有个数学迷儿子，开玩笑说是不是该劝他改行了。布罗克曼接了句 AlphaGo 的旧梗：那手第 37 手棋没有毁掉围棋，反而让围棋对人类变得更有吸引力。其他领域，大概率也一样。 ## Agent 把事情升级到了经理，注意力成了瓶颈 聊到生产环境里做 agentic 工作流的常见坑，布罗克曼讲了一个他自己刚遇上的事。他让 Codex 装一个 OpenAI 同事写的包，报错了，他随口说，去 Slack 上问一下那位同事。两分钟后，agent 回话：等太久了，我已经把问题升级给他的经理。然后它真的去@了人家的经理。 他说这件事很微妙。往好里看，这行为挺合理，主动、有执行力，不傻等指令；往坏里看，它也许该多等一会儿，也许该先回来问问他。**模型的执行力已经到位，情商还在施工。** 过去人机协作的样子，是人不停点“批准、批准、批准”，而人类自己也不擅长这个，点着点着就无脑放行。下一步是让 AI 做分级：这是高风险操作吗？这条该上报，那条可以自动通过。顺着这个推下去，就撞上了这集标题的出处。 > 做事已经变容易了。“这是好事吗？这是我想要的吗？它符合我的价值观和愿望吗？”这个判断，会变成整个系统最重要的瓶颈。 **人类注意力，就是那个新的稀缺资源。**他建议创业者现在就围绕这个约束去设计系统，把人的判断力当最贵的资产来分配，别让它耗在无脑点批准上。 安全是同一个人因问题的另一面。主持人提到最近 Vercel 等公司接连出事，而模型找漏洞的能力又强得吓人。布罗克曼的回答分几层：互联网安全是逐级收紧的过程，90 年代的病毒、蠕虫、恶意软件都熬过来了，接下来会进入一个整体更安全的时代，但这需要全互联网一起努力。模型可以扫代码库、做端到端红队测试，OpenAI 上周刚扩大了网络安全方向的“可信访问”计划，面向有能力、可信任的防御者开放高级模型。他在现场问谁申请过，只举起两只手，他直接喊话：你们应该多去申请，我们需要帮手。同时他提醒，**模型很强，但不是魔法，它只是整个安全体系的一环**，补丁该打快打，更新该跟紧跟。快和稳怎么平衡？他说这是价值观层面的事：能力尽量放开，高风险能力保持可观测，两头都要占住。 ## 聚焦、科学复兴，和“当十万 agent 的 CEO” 聊到应用层，OpenAI 自己怎么做取舍，布罗克曼坦言“聚焦”这个词最近才被用在 OpenAI 身上，可能是很久以来的头一回。AI 领域处处是机会，一家公司再大的算力和人头，也只能吃下其中一块，他们按八二法则挑最有把握的区域，为此砍掉了很多想做的事。 他画的目标最终指向同一处：企业业务认真在做，卖给大公司、建销售队伍；但消费级这个词太宽，会被重新定义，真正的方向是围绕目标的产品，帮你搞清楚自己要什么，然后主动帮你达成。**一个可以对话、掌握你全部上下文、值得信任的 AGI**，健康、财务、职业选择，都可以去问它。为此他们做了不少痛苦的取舍。 几年后还用命令行写代码吗？他说现在的状态本身就不自然，人类弓着背、敲着键盘、得腕管综合征，没人真心想要这个。大家想要的是时间，陪家人、跟人聊天、想愿景、认识自己。他的画面感很强：以后你可能是“一个由十万 agent 组成组织的 CEO”，听起来相当不错。操作方式的变化，会像从鹅毛笔手抄直接跳到发条短信，剩下的事有人在替你的目标干活。 科学前沿也有动静。他说科学是他们正在重投的领域，已经看到清晰的路线和初步的生命迹象。一个物理结果被他拿来当例子：AI 推出了一个漂亮的公式，而研究这个问题多年的物理学家原本认为它无解，这被看作通往量子引力答案的一小步，比几个月前前进了一大截。生物更难，因为要离开干净的模拟世界去应付脏乱的现实，但软件工程已经教会他们怎么对付脏乱：光会打编程比赛没用，得见过真实世界的烂代码、人类的乱插手和对抗性攻击。他预计科学会迎来一场真正的复兴，今年也许就有大结果，明年会彻底疯狂。 节目最后照例问了句生活。他说就是看电影、徒步，时间不多，“希望 AGI 之后能多一些，但路上也得记得享受”。 ## 明天就能用上的五件事 整期听下来，布罗克曼反复敲打的其实是一套可以立刻执行的动作： - **亲自上手。**听人转述 AI 和自己用是两回事，AI 的特点是机器迁就人，你开口它干活。这周挑一个工作流，让 agent 端到端跑一遍，胜过看十篇分析。 - **修上下文管道。**把你的会议纪要、文档、项目背景接给你的 AI 助手，这是一次性投资，越早修越好。 - **给人留一道签字关卡。**学 OpenAI 内部那条规矩，所有关键产出必须有一个人类签名负责，既不全信，也不拒绝。 - **审计权限和数据血缘。**检查你的知识库和共享文档，想清楚源文件改权限后，AI 生成的衍生内容怎么作废。 - **想清楚你的独特角度。**当所有人都拥有同样的模型和 agent，你跟别人的差别只剩你看到的那个问题。 至于怎么跟上变化，他的答案朴素到不像 OpenAI 总裁说的：加速是新常态，这股势头二十年前就开始了，做事的人越来越多，门槛越来越低，做出大成绩也更容易。把耳朵贴在地上，随时知道什么变了、什么可能了、模型还差在哪。这个手感，会决定一家公司未来几年的成败。