OpenAI总裁揭秘GPT - 5推理范式变革，计算成AGI实现关键

OpenAI的AGI发展路径，总裁Greg Brockman在最新访谈中清晰阐述。

技术上，从文本生成转向强化学习的推理范式，在现实世界中试错并获取反馈；资源策略方面，持续投入大规模计算资源；落地环节，把模型封装成Agent，将模型能力打包成可审计的服务进程。

此次访谈由AI播客Latent Space主持，与Brockman探讨了OpenAI的AGI整体技术路线与资源策略，同时其落地布局和对未来的思考也逐渐明晰。

总结Brockman的核心观点如下：模型的现实交互能力不断增强，这是下一代AGI的关键；AGI的主要瓶颈在于计算，计算量决定AI研究和发展的速度与深度；AGI的目标是让大模型融入企业和个人工作流，实现手段是Agent；将模型应用于现实世界极具价值，各领域有很多待挖掘的机会。

模型推理范式的转变

谈及OpenAI刚发布的GPT - 5，Brockman认为这是AI领域的重大范式转变。作为OpenAI首个混合模型，它旨在缩小GPT系列与AGI的差距。

训练GPT - 4后，OpenAI思考：为什么它不是AGI？GPT - 4虽能进行连贯对话，但可靠性不足，会犯错甚至偏离方向。因此，需要在现实世界测试想法，通过强化学习获取反馈以提高可靠性。

OpenAI早期的Dota项目就采用了纯强化学习，能从随机初始化状态学习复杂行为。

从GPT - 4完成起，OpenAI转向新推理范式，先让模型通过监督数据学会对话，再借助强化学习在环境中反复试错。传统模型训练是一次性训练后大量推理，而GPT - 5借助强化学习，在推理中生成数据并重复训练，将现实观测反馈到模型。

这种新范式改变了所需数据规模，强化学习只需从10到100个任务中学习复杂行为，而传统预训练可能需数十万个示例。这也表明模型的现实交互能力在增强，是下一代AGI的关键组成部分。

计算能力决定AGI开发上限

被问及AGI开发的主要瓶颈时，Brockman明确表示是计算。他认为，更多计算能力能让OpenAI找到迭代和提升模型性能的方法，计算量决定AI研究和发展的速度与深度。

如Dota项目中，大家认为PPO算法无法扩展，但通过增加内核数量实现了性能提升，说明扩大计算资源可解决算法壁垒。

GPT - 5的强化学习范式虽样本效率高，但重复学会一项任务需模型进行数万次尝试，需要大量计算支撑。

图灵提出的“超临界学习”概念，要求机器深入思考并更新知识体系，这也需要更多计算资源。OpenAI的目标是探索创造性消耗计算的方式，实现高级学习能力。

Brockman将计算比作基本燃料，能将能量转化为模型权重中的势能，推动模型有效操作。模型训练完成后可反复利用，分摊计算成本。

他预测最终的AGI将是模型管理器，结合小型本地模型和大型云推理器实现自适应计算。GPT - 5的多模型混合和路由机制是初步尝试，结合推理和非推理模型，根据场景选择合适模型。

推理模型适用于深度智能且有思考时间的场景，非推理模型用于快速输出。这种复合模型利用计算灵活性，组合不同能力和成本的模型，是AGI可能的形态。在AI驱动的未来经济中，计算资源需求高，获取和分配计算资源很重要。

让大模型进入生产

Brockman强调，模型要成为现实生产线的一部分。AGI的目标是让大模型融入企业和个人工作流，而非停留在论文和演示中。

具体落地方式是将模型封装成Agent，打包成可审计的服务进程。Brockman认为这种交互像与资深同事协作，关键是可控性，可随时检查和回滚。

为确保高权限Agent可控，OpenAI设计了双层“纵深防御”：模型内部，对system、developer、user三种指令排序，丢弃不可信指令；模型外部，将高危操作拆分成最小粒度，通过多级沙箱确认。

他用数据库安全类比，就像防SQL注入，先堵底层漏洞，再叠加防护，系统更稳固。

除安全防护，与人类价值对齐也很重要。工程团队先去除不受欢迎的“人格”，再将剩余“人格”放入公开竞技场评分，形成模型与社会偏好的协同进化，保证模型能力升级不脱离人类共识，为在线学习打基础。

为增强生态黏性，OpenAI将轻量级开源作为第二驱动力。Brockman认为开发者沉淀工具链，就默认采纳了OpenAI的技术栈。

“各个领域还有大量尚未采摘的果实”

展望未来，Brockman认为值得投入的是将现有智能融入具体行业流程，而非打造更炫的“模型包装器”。他提醒各行业链规模大，将模型应用于现实世界有很大价值，各领域有很多机会。

他建议开发者和创业者深入行业一线，了解细节，用AI填补缺口，而非只做接口封装。

被问到给2045年的自己留便签，他的愿景是“多星际生活”和“真正的丰裕社会”。他认为按当前技术发展速度，二十年后很多科幻情节都可能实现，唯一限制是物质搬运的物理极限。

同时，他提醒计算资源会稀缺，即便物质需求被自动化满足，人们仍会追求更多算力。

如果穿越回18岁，他想告诉自己值得攻克的问题会增多。在AI渗透各行业的背景下，机遇随技术发展而增加，真正的挑战是保持好奇心，敢于进入新领域。

参考链接：[1]https://www.youtube.com/watch?v=35ZWesLrv5A

本文来自微信公众号“量子位”，作者：关注前沿科技，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com