正在加载视频...
视频章节
在这期播客中,前OpenAI首席研究官Bob McGrew回顾了自己在OpenAI六年多的经历,并坦率讨论了一个被低估的问题:大模型已经很强,但人类到底该如何真正使用它们?从模型部署、组织设计到科研与软件工程的未来,他给出了少见的内部视角。
前OpenAI首席研究官谈AI下一站:模型之外的真正挑战
在这期播客中,前OpenAI首席研究官Bob McGrew回顾了自己在OpenAI六年多的经历,并坦率讨论了一个被低估的问题:大模型已经很强,但人类到底该如何真正使用它们?从模型部署、组织设计到科研与软件工程的未来,他给出了少见的内部视角。
为什么“模型之后”的问题,才是AI的分水岭
这一段讨论之所以重要,是因为它直接点中了当前AI行业最容易被忽略的盲区:能力提升,并不等于价值落地。Bob McGrew提到,随着大语言模型(LLM)在未来几年持续演进,真正困难的问题正在从“能不能做”转向“人们会不会、以及如何去用”。他直言:“I don't think anybody's figured it out yet(我不认为现在有人已经把这件事想清楚了)。”
在他看来,2025年前后将是一个关键阶段。模型能力会继续提升,但决定胜负的,不再只是参数规模或训练数据,而是产品形态、交互方式以及部署路径。尤其是在企业环境中,模型如何被安全、稳定、低成本地部署,将直接影响它们是否能走出Demo阶段。
这也是他反复强调“multi‑year process(多年过程)”的原因。AI并不会因为一次发布就改变世界,而是需要在真实使用中不断被塑形。对行业而言,这意味着短期的兴奋感可能下降,但长期的结构性变化才刚刚开始。
集中式还是分布式?模型部署不会只有一种答案
模型部署是本期反复出现的主题,因为它决定了AI能力能否被规模化使用。主持人追问未来会不会出现一种“胜出的架构”时,McGrew的回答并不激进。他判断,在相当长一段时间内,行业会看到“a mix of these approaches(多种路线并存)”。
一方面,集中式的大模型服务在成本和性能上仍具优势,尤其适合通用任务;另一方面,随着工具链成熟,把模型更轻量化地部署到特定场景中,会变得“really easily(非常容易)”。这并不是非此即彼的竞争,而更像是价格、性能、延迟和控制权之间的权衡。
他特别提到,最终的选择取决于“the price performance that people are willing to take(人们愿意接受的性价比)”。这句话背后,其实点出了AI商业化最现实的一面:再强的模型,如果无法匹配真实世界的成本结构,就很难被广泛采用。
从视频到机器人:当AI能力开始“跨模态迁移”
当话题从语言模型转向机器人和其他领域时,讨论的重点发生了变化:AI是否会在不同模态之间产生连锁反应。McGrew提到,一旦某些能力成熟到可以被Demo出来,人们会突然发现,从视频理解跳转到机器人控制,“in a way that would feel strange today(在今天看来会很奇怪)”。
这并不是对具体产品的预测,而是一种研究趋势的判断:当模型学会在一个领域中稳定地感知、推理和决策,这些能力往往可以被迁移到另一个领域。问题不在于“能不能”,而在于“什么时候性价比合适”。
这也解释了他为何对跨领域的研究保持谨慎乐观。真正的突破,往往不是单点技术奇迹,而是当多项能力同时达到可用阈值时,应用形态才会突然爆发。
组织、测试与研究者:把愿景变成现实的人
比技术更少被公开讨论的,是组织层面的挑战。McGrew回顾在OpenAI设计研究组织的经历时,用了一个很重的词:“very painful(非常痛苦)”。当全世界突然都想使用你的技术时,如何在速度、质量和安全之间做取舍,本身就是一项高难度工程。
在谈到测试和软件工程时,他强调,AI距离“完全替代真实的软件工程工作”还有距离,而测试本身将成为关键环节。“An important part of testing it(测试是非常重要的一部分)”,这不仅是技术问题,也是方法论问题。
至于什么样的人才能成为优秀的AI研究者,他的答案并不神秘:既能提出清晰的愿景,又能一步步把它落地。这种能力,恰恰是在Palantir和OpenAI这样快速变化的组织中,被反复锤炼出来的。
总结
这期对话的价值,并不在于给出确定的时间表或结论,而在于揭示了AI发展进入“第二阶段”的信号:模型能力只是起点,真正的难题在使用、部署和组织层面。对从业者而言,理解这些隐性挑战,可能比追逐下一次模型发布更重要。
关键词: OpenAI, Bob McGrew, 大语言模型, 模型部署, AI未来
事实核查备注: Bob McGrew:前OpenAI首席研究官,任职约6.5年;公司:OpenAI、Palantir;核心技术概念:大语言模型(LLM)、模型部署;引用原话包括“I don't think anybody's figured it out yet”“a mix of these approaches”“the price performance that people are willing to take”。