算力不再是瓶颈：Greg Brockman 说真正稀缺的是人类注意力

当所有人还在为算力、模型参数和算法突破焦虑时，OpenAI 联合创始人 Greg Brockman 在红杉的这场对话里，抛出了一个更刺耳的判断：真正限制 AI 进化的，正在从“机器”转向“人”。如果你在做 AI 产品或创业，这是一场会改变你优先级排序的谈话。

从算力到注意力，瓶颈正在悄悄换位置

过去几年，AI 行业的共识很简单：算力就是一切。谁拿到更多 GPU，谁就跑得更快。Greg Brockman 并不否认这一点——他明确说过，OpenAI 的业务底层之一始终是 compute。但真正有意思的是他的“下一句”。

当模型能力不断上移，从基础算力到算法、再到应用层，瓶颈开始发生迁移。不是模型不够强，而是人类已经跟不上模型能做的事情了。你能给模型多少高质量目标？你能投入多少清晰、持续的注意力去引导它？

这是一个反直觉的转折：技术问题，正在变成人的问题。Greg 用一种近乎乐观的语气形容这种变化——“moving up the stack is a beautiful thing”。因为这意味着，AI 不再只是基础设施竞赛，而是开始真正改变人类如何工作、如何决策。

AGI 不只是一个定义，而是一个边界感

关于 AGI，Greg 并没有给出一个煽动性的时间表，反而强调了“定义”本身的重要性。OpenAI 内部确实在思考什么是 AGI，但这不是为了对外喊口号，而是为了校准方向。

在这场对话里，一个微妙但重要的信号是：AGI 并不是某个单点事件，而更像一条不断逼近的边界。研究、算法、产品化都还有“lots of fruit on the horizon”。这句话听起来温和，实际信息量很大——它意味着，即便不发生所谓的“质变时刻”，接下来几年仍然会是能力密集释放的阶段。

对从业者来说，这比“AGI 什么时候来”更重要：你是否站在一个能持续吃到这些成果的位置上？

Codex 与开发方式的改变：真正的瓶颈被重新定义

当话题转到 Codex，Greg 点出了一个很多工程师正在隐约感受到、但还没说清楚的变化：AI 写代码，并不是简单提高效率，而是在改变“限制条件”。

过去，软件开发的瓶颈是人写代码的速度；现在，瓶颈开始变成——你能不能给 AI 足够好的指令、上下文和目标。换句话说，开发正在从“写实现”转向“设计意图”。

这也解释了为什么他认为团队规模可能会继续缩小。不只是因为自动化，而是因为一个小团队，如果目标足够清晰、反馈足够快，能撬动的产出正在指数级放大。这种模式，很可能不只发生在编程领域。

速度、安全与失败模式：人类因素重新回到中心

在一连串关于失败模式和安全的讨论中，Greg 把话题拉回了“人”。技术风险当然存在，但更常见的问题，来自于组织如何应对变化。

他特别强调了 speed 是 OpenAI 的核心之一。不是鲁莽，而是持续试错、快速迭代的能力。当模型和工具越来越强，慢决策本身就会成为风险。

与此同时，安全并不是悲观叙事。Greg 明确表达了他的乐观：只要把人类因素放在设计中心，很多问题是可以被提前化解的。这种态度，和外界常见的“非黑即白”的 AI 风险讨论，形成了鲜明对比。

应用层与代理：下一年会“非常狂野”

当对话进入未来展望，Greg 的判断异常直接：接下来一年，会是“totally wild”的时间。

重点不只在模型，而在模型之上的应用层。从命令行式的交互，走向真正“working on your behalf on your goals”的代理系统，意味着 AI 不再等你下指令，而是持续替你推进目标。

这也是为什么 OpenAI 会明确表示要继续向应用层推进——不是为了抢生态伙伴的饭碗，而是因为新的交互范式，往往需要模型提供者亲自下场验证。前沿并不稳定，但机会极其密集。

总结

这场对话最重要的信号，并不是某个产品更新或时间预测，而是一个视角转移：当 AI 能力快速扩张，真正稀缺的资源正在变成人类的注意力、判断力和目标设定能力。对 AI 从业者和创业者来说，行动建议很清晰——少纠结“模型够不够强”，多思考“我是否在解决一个值得持续投入注意力的问题”。如果 Greg 的判断成立，那么下一阶段胜出的，不一定是技术最激进的人，而是最会与 AI 协作、最懂得如何聚焦的人。

关键词： OpenAI， Greg Brockman， 人类注意力， AGI， AI 应用层

事实核查备注： 需要核查：1）视频完整时长以确定文章篇幅是否匹配；2）Greg Brockman 关于“human attention bottleneck”的原话表述；3）关于 Codex 改变开发瓶颈的具体上下文；4）“Next year is going to be a totally wild time”的原始语境。