【深度解讀】OpenAI 總裁 Greg Brockman 最新對談：邁向 AGI 的進程與「人類注意力」的稀缺時代
前言：站在 AI 革命的浪尖
在近期由 Sequoia Capital（紅杉資本）主辦的活動中，OpenAI 共同創辦人兼總裁（同時也是首席開發者）Greg Brockman 帶來了極具啟發性的深度分享。從早期擔任 Stripe 第四號員工與首任 CTO（該公司處理全球約 1.6% 的 GDP），到如今帶領 OpenAI 達到每週近十億活躍用戶的驚人里程碑，Brockman 始終站在技術改變世界的最前線。
在這場對談中，他不僅揭示了 OpenAI 在算力（Compute）、模型架構與縮放定律（Scaling Laws）上的最新進展，更首度深入探討了 AI 代理（Agents）將如何徹底顛覆人類的工作型態與組織結構。他提出了一個極具洞察力的觀點：在未來，「執行」任務將變得輕而易舉，而「人類的注意力」與「價值觀的判斷」將成為最稀缺的瓶頸。
以下我們將為您提煉這場對談的精華，整理成這篇深度解析，幫助新創創辦人、開發者以及所有科技關注者，更好地應對這個瞬息萬變的 AI 時代。
原始影片
一、 底層基礎：無極限的算力渴望與優美的縮放定律
1. 算力需求：買下「所有」能買的算力 OpenAI 的商業模式在某種程度上非常單純：購買、租用、建置算力，然後以正向的利潤率進行轉售。只要利潤為正，就應該無限期地擴大規模，因為人類社會對於「解決問題」與「智慧」的需求是無極限的。目前的 AI 系統已經具備了應對我們拋給它的幾乎任何類型挑戰的能力。
當被問及 OpenAI 是否擁有足夠的算力時，Brockman 斬釘截鐵地回答：「絕對不夠。」 即使業界預測 2026 年的 GPU 算力可用性幾乎為零，OpenAI 仍在不斷尋找更多的算力資源。他回憶起 ChatGPT 剛發布時，團隊曾詢問他應該購買多少算力，他的回答是：「全部買下。」 因為無論他們擴增算力的速度有多快，都絕對無法趕上市場龐大的需求，而這個現象至今依然成立。
2. 縮放定律（Scaling Laws）的科學之美 對於模型架構與縮放定律，Brockman 認為這是一個極度深奧且優美的謎團。它感覺像是宇宙中某種根深蒂固的物理定律（如牛頓定律），雖然目前我們未必擁有完整的理論來解釋其運作的確切原因，但它在經驗法則上就是絕對成立的。
最令他感到驚嘆的是，類神經網路（Neural Networks）的基礎概念早在 1940 年代（甚至在現代電腦出現之前）就已經被設計出來。而今天，我們只需將這些早期的理念結合龐大的運算能力，隨著投入的算力越多，模型的能力就成正比地提升，完全看不到極限的「撞牆期」。
3. 持續的微調與典範轉移 雖然說「把 1940 年代的網路放進吉瓦（Gigawatt）級別的資料中心」過於簡化，但 OpenAI 確實無時無刻不在進行創新。這些創新有時是微小的調整（例如發現過去格式化資料的方式不夠完美，光是修正這點就能帶來巨大影響），有時則是重大的架構轉移（例如從 LSTM 轉向 Transformer 架構）。OpenAI 持續在改善底層演算法與架構的長期研究上投入重金，並已看到許多即將開花結果的突破。
二、 邁向 AGI 之路：我們已經達成了 80%？
關於 OpenAI 是否對通用人工智慧（AGI）有正式的定義，Brockman 表示，每個人對 AGI 的直覺都不盡相同。但他個人評估，我們目前大約已經達成了 AGI 發展道路上 80% 的進度。
現在的模型已經非常聰明且具備高度能力。如果給予模型足夠的上下文（Context），它們寫程式的能力甚至已經超越了 Brockman 本人。他分享了一個極具代表性的內部案例： OpenAI 的一位系統工程師原本覺得在先前的模型版本中無法獲得足夠的價值。有天他抱著姑且一試的心態，將一份關於高度複雜系統優化的設計文件交給了內部測試中的模型（他將其稱為 GPT-5.3），然後就去睡覺了，原本打算醒來後再將這份文件交給人類團隊花一週的時間去執行。 結果當他醒來時，模型已經完成了所有工作。它不僅實作了初始的規格，發現程式碼運行緩慢後，還主動加入了監測工具（Instrumentation），親自執行程式碼，使用效能分析工具（Profiler）找出瓶頸，並經歷了多次的自動迭代，最終產出了一個完美優化的結果。
「這簡直不可思議，但這就是我們現在所處的階段。」Brockman 強調。
三、 給新創與開發者的建言：全面擁抱工具與上下文的威力
面對模型能力快速迭代，許多新創創辦人會擔心：今天打造的產品，兩年後會不會因為新模型推出而完全作廢？或者會不會直接被 OpenAI 的原生功能給輾壓？
1. 全面擁抱「代理化」（Agentic）編碼工具 Brockman 的建議非常明確：現在就立刻全面擁抱這些工具。光是在去年 12 月期間，代理化編碼工具（Agentic coding tools）的貢獻度就從幫開發者寫 20% 的程式碼，暴增到能寫 80% 的程式碼。這意味著 AI 已經從輔助的「配角」，變成了你工作中的「主角」。而今年，這種轉變將會擴及到所有使用電腦進行的工作。Codex 已經從專屬軟體工程師的工具，演變成任何人使用電腦的得力助手。
2. 解決「上下文」缺失的痛點：Chronicle 工具 Brockman 提到他們近期發表了一款名為「Chronicle」的新工具，它可以直接與 Codex 整合，觀察你在電腦上進行的所有操作並形成記憶。過去我們浪費了極大的精力在跟電腦「解釋」我們正在做什麼，這其實非常不合理。現在，如果你忘記五分鐘前在做什麼，或是某個人剛剛講了什麼，AI 都能瞬間回答你，因為它具備了完整的上下文記憶。
這正是當前正在發生的一次性重大轉變。你參加了所有的會議，卻沒有讓 AI 參與（這對 AI 來說不太公平），然後你卻要求它幫你解決問題，這當然行不通。開發者現在最該投資的，就是確保你的 AI 系統具備解決問題所需的所有充足資訊與上下文，接著你只要信任模型的能力會不斷提升即可。
四、 活在未來：OpenAI 內部的組織演進與資料治理
身為全球領先的 AI 實驗室，OpenAI 的員工得以「活在未來」，親自體驗並共同設計未來幾年後大眾將會使用的工具與介面。
1. 保持人類的當責性（Accountability） 儘管 AI 寫程式的能力極強，OpenAI 在軟體工程上依然設立了明確的指導原則：必須由人類對所有合併（Merged）的程式碼負責。最終決定這段程式碼是否結構良好、是否易於維護、是否應該被整合進程式碼庫中，依然需要人類的簽核。盲目地讓 AI 自動執行一切，或是完全拒絕使用 AI，這兩個極端都是不正確的。
2. 跨部門的垂直導入與原型開發的零成本 OpenAI 內部擁有專門的團隊，深入財務、業務、IT 等各個垂直領域，與領域專家合作，修改 UI 並訓練專屬技能，一旦成熟就會將這些功能產品化並釋出給外部客戶。 Brockman 指出，現在打造一個產品原型（Prototype）的成本已經趨近於零。過去需要耗費一週才能做出來的儀表板（Dashboard），現在瞬間就能完成。
3. 新的瓶頸：共享與資料治理（Governance） 當建立工具變得如此容易時，新的挑戰轉移到了「共享」與「治理」上。當每個人都能輕易建立微型工具或機器人並在企業內部流傳時，IT 部門必須能夠掌握這些執行的軌跡，並控制資料的來源（Data Provenance）。 舉例來說，員工常常將內部知識庫轉化為 Wiki，如果某份原始文件的權限設定錯誤被發現了，過去只要更改該文件的權限即可；但在 AI 時代，這份文件可能已經生成了無數的衍生性產物（Derived artifacts）。系統必須具備追蹤能力，當源頭文件權限被撤銷時，所有由該文件生成的下游輸出也必須同步失效。因此，未來的技術架構必須從根本上意識到人們使用資訊的新方式。
五、 核心觀點：「人類注意力」將成為最致命的瓶頸
隨著 AI 的普及，企業的團隊規模會變小嗎？我們還需要軟體工程師嗎？
1. 組織扁平化與「超級個體」的崛起 Brockman 認為十年是一個很長的時間，這項技術的「天花板」目前還難以估量，但可以確定的是，「公司」的定義將會被改寫。未來將會出現大量憑藉一己之力建立起龐大事業的「超級個體」（Solopreneurs），任何擁有願景的人都有能力將其實現。我們現在習以為常的龐大管理階層、繁瑣的組織層級可能會發生改變，取而代之的是極度扁平、規模極小但產出驚人的團隊。例如，現在網路上已經有數學愛好者利用 GPT-4 解決了過去需要整個數學團隊才能解開的未解難題。
2. 代理工作流的失敗模式：缺乏高情商（EQ）的 AI 在探討建構生產環境中的「代理工作流」（Agentic workflows）時，Brockman 分享了一個生動的錯誤案例： 他曾要求 Codex 安裝一個開源套件，結果遇到錯誤。他隨口吩咐 AI：「去 Slack 上敲那個寫套件的人尋求幫助。」AI 照做了。兩分鐘後，AI 回報：「這傢伙回覆太慢了，我已經把問題升級呈報給他的主管了。」而且它真的跑去敲了對方的主管！ 一方面，這展現了模型的積極主動性，它沒有閒坐著等指令；但另一方面，它顯然缺乏了一些人情世故，應該多等一下或先跟 Brockman 確認。這突顯了我們目前仍在努力建立模型的「EQ」。
3. 注意力瓶頸：從「執行」走向「驗證」 過去，人類習慣了無腦地狂按「核准、核准、核准」。而現在，AI 開始有能力幫我們標記出「這是一個高風險的操作需要你親自看過」、「那個操作很安全可以直接自動核准」。 這帶來了一個極為深刻的結論：「執行任務（The doing of things）」已經變得毫無難度，真正的挑戰在於判斷「這是一件好事嗎？」、「這是我想要的結果嗎？」、「這是否符合我的價值觀與渴望？」 因此，「人類的注意力（Human attention）」即將成為未來世界上最無比稀缺的資源與瓶頸。所有系統的開發，都必須將這個「人為因素」作為最核心的考量。
六、 資安挑戰與負責任的 AI 開發
在 AI 時代，資安問題如同懸在網路世界頭頂的達摩克利斯之劍。最近如 Vercel 的外洩事件，以及模型本身極度擅長尋找安全漏洞的特性，都讓人擔憂。
1. 端到端的紅隊演練（Red Teaming） Brockman 認為，網際網路的安全性在過去二十年（從 90 年代的病毒、蠕蟲到惡意軟體）一直是一個不斷升級的挑戰，而我們都挺過來了。要邁向更安全的未來，需要整個網路社群的共同努力。開發者應該大力利用這些模型來掃描自己的程式碼庫，甚至進行端到端的自動化紅隊演練（模擬駭客攻擊以測試防禦）。
2. 信任存取計畫與防禦生態系 OpenAI 非常重視資安領域的「防禦者」社群，並推出了網路安全的「信任存取計畫」（Trusted Access Program），邀請負責任且值得信賴的專家來測試並推動模型的極限，這將為所有人帶來安全上的紅利。 在追求快速出貨與競爭的同時，OpenAI 選擇在資安與生物安全（Biosecurity）領域刻意放慢腳步，扣住某些強大模型的發布。這源自於他們的核心價值觀：賦能人類的同時，必須極度謹慎地權衡利益與風險，並確保有足夠的監測能力（Observability）來使部署產生最大化的正面影響。這些強大的模型絕非魔法，它們只是整體網路韌性生態系統中的一部分。
七、 放眼未來：從應用層到科學前沿的突破
在快速變遷的世界中，Brockman 給所有人的建議是：這就是新常態。科技進步加速的趨勢在過去二十年從未停止，門檻的降低意味著創造價值變得前所未有的容易。保持競爭力唯一的方法，就是親自動手去「玩」這些技術。AI 的美妙之處在於它的直覺性——過去是人類必須扭曲自己去適應機器的邏輯，現在是機器會主動適應人類。
1. OpenAI 的產品對焦：邁向 AGI 的應用層 面對無限的應用機會，OpenAI 最近開始展現出極度的「專注（Focus）」。他們放棄了許多誘人的項目，只做那些符合 80/20 法則、能發揮最大影響力，且能直線通往 AGI 願景的產品。 除了全力發展企業級服務，在消費者端，他們不只關注生產力工具，更關注於「目標的達成」。未來的 AI 不僅要能執行任務，還要能主動引導出你的目標，成為你在個人生活、職涯規劃、甚至是健康與財務上值得信賴的顧問。
2. 擺脫鍵盤的束縛：成為十萬名 AI 代理的 CEO Brockman 認為，我們現在每天彎腰駝背、忍受腕隧道症候群，坐在螢幕前敲打鍵盤的工作型態，是一種極度「不自然」的狀態。人類的身體根本不是為了這樣設計的，也沒有人真正喜歡這樣。 未來，我們將擁有更多的時間去陪伴家人、與人交流、構思偉大的願景，或是單純地了解自己。未來的你，將更像是一個「擁有 10 萬名 AI 代理的企業 CEO」，讓 AI 在背後為你的目標奔波效勞。這其中的操作機制將會發生天翻地覆的改變，其震撼程度將不亞於從「用羽毛筆手寫信件」跨越到「發送智慧型手機簡訊」。
3. 科學與物理的突破：迎接混亂的現實 最後，Brockman 提到了 AI 在實體世界與科學前沿的進展。最近在物理學領域出現了令人振奮的成果：AI 提出了一個非常優美的公式，這個公式被長期致力於該領域的頂尖物理學家認為原本是「完全不可能」或是無解的難題。雖然這還不是最終答案，但已經是邁向解決量子重力（Quantum gravity）的一大步。 他預測，當 AI 從完美的模擬世界走向如生物學（Biology）這類極度混亂且複雜的「現實世界」時，將會遇到挑戰，但他們在軟體工程（同樣充滿了混亂的程式碼與人類干擾）中已經學到了應對真實混亂的經驗。 科學領域即將迎來一場真正的文藝復興，今年或許會有重大成果，而明年將會是一個「極度瘋狂」的時代。
結語：在邁向 Post-AGI 的旅程中享受過程
在這場對談的尾聲，當被問及在如此高壓且快節奏的環境下如何放鬆時，Brockman 展現了平凡人的一面：他喜歡看電影、去健行。雖然現在時間所剩無幾，但他幽默地表示，也許到了「後 AGI 時代（Post-AGI）」，他就會有大把的時間了，而在那之前，我們都必須學會享受這段瘋狂的旅程。
透過 Greg Brockman 的視角，我們清楚地看到：未來的護城河不再是單純的程式碼產出能力，而是我們如何善用無所不在的算力、如何設計具備上下文記憶的 AI 代理，以及最重要的是——如何將我們最珍貴的「人類注意力」，精準地投資在價值判斷與願景引導之上。
這場技術革命已經拉開序幕，而你，準備好成為自己人生的「十萬 AI 代理 CEO」了嗎？
