哈嘍！伙伴們，我是小智，你們的AI向?qū)?。歡迎來到每日的AI學(xué)習(xí)時間。今天，我們將一起深入AI的奇妙世界，探索“Altman嘲諷小扎挖人！OpenAI高管自曝：ChatGPT爆紅后我火速升職”，并學(xué)會本篇文章中所講的全部知識點。還是那句話“不必遠(yuǎn)征未知，只需喚醒你的潛能！”跟著小智的步伐，我們終將學(xué)有所成，學(xué)以致用，并發(fā)現(xiàn)自身的更多可能性。話不多說，現(xiàn)在就讓我們開始這場激發(fā)潛能的AI學(xué)習(xí)之旅吧。

Altman嘲諷小扎挖人！OpenAI高管自曝：ChatGPT爆紅后我火速升職：

AI 領(lǐng)域競爭日益白熱化的當(dāng)下，人才搶奪大戰(zhàn)正激烈上演。

Meta 首席執(zhí)行官馬克?扎克伯格近期的一系列動作引發(fā)了軒然大波，其大力招募 AI 人才的舉措，直接觸動了行業(yè)巨頭 OpenAI 的神經(jīng)。

周一晚間，OpenAI CEO Sam Altman 向公司研究人員發(fā)出了一份措辭強(qiáng)硬的回應(yīng)，該回應(yīng)被《連線》雜志獲取。

Altman 在回應(yīng)中明確闡述了對于那些立志打造通用人工智能的人才而言，留在 OpenAI 才是不二之選，同時暗示公司正在對整個研究機(jī)構(gòu)的薪酬方案進(jìn)行全面評估。他對 Meta 的招聘行為表達(dá)了強(qiáng)烈不滿，直言這種做法可能會在未來引發(fā)嚴(yán)重的文化問題。

“我們已經(jīng)從角落里的一群書呆子變成了科技界最有趣的人（至少是這樣），” 他在 Slack 上寫道，“人工智能推特有害；Meta 的行為讓人感覺有些令人反感；我認(rèn)為未來情況會變得更加瘋狂。我被解雇回來后，我說那不是 OpenAI 歷史上最瘋狂的事情；當(dāng)然也不是?！?/p>

這一事件的導(dǎo)火索是扎克伯格周一的一項重要聲明。當(dāng)日，扎克伯格向員工發(fā)送了一份備忘錄，介紹了 Meta 新成立的超級智能團(tuán)隊。該團(tuán)隊將由前 Scale AI 創(chuàng)始人亞歷山大?王（Alexandr Wang）和前 GitHub 負(fù)責(zé)人納特?弗里德曼（Nat Friedman）領(lǐng)導(dǎo)，新員工名單中多位來自 OpenAI 的高管赫然在列。

對此，OpenAI 首席研究官馬克?陳（Mark Chen）形容這一情況，感覺就像 “有人闖入我們家偷東西一樣”。不過，Altman 在周一的報告中對離職一事有著不同見解，他表示：“Meta 確實招到了一些優(yōu)秀的人才，但總的來說，他們沒能招到頂尖人才，而且不得不從名單上靠后的位置進(jìn)行篩選，這一點怎么說都不為過；他們招募人才已經(jīng)花了很長時間，我已經(jīng)記不清他們從這里挖了多少人來當(dāng)首席科學(xué)家了?！?/p>

他還強(qiáng)調(diào) “傳教士勝過雇傭兵”，并對 OpenAI 股票的上漲空間充滿信心。

Altman 發(fā)表上述觀點后在社交媒體平臺引發(fā)熱議。

前網(wǎng)易副總裁、杭州研究院執(zhí)行院長、久痕科技創(chuàng)始人 & CEO 汪源在微信朋友圈表示：

“Meta 挖了 OpenAI 幾個人，Altman 就出來說沒事沒事他們沒有挖走核心的人，這種說法對穩(wěn)定團(tuán)隊是不明智的。這么講團(tuán)隊會產(chǎn)生兩層理解：

1. 既然老板認(rèn)為也沒被挖走核心的人，估計也不會想著給我們更好的待遇來留住我們了；2. 被挖走的有幾個人還是很牛的啊，既然他們在老板眼中都不是核心的人，那我們更不是了，我們就是牛馬。”

Altman 這么講是從老板的角度想問題，不是從員工的角度想問題。老板當(dāng)久了，就容易忽視員工的視角。”

在 Hacker News 上，也有用戶表示：“扎克伯格本來就不是什么好人。他開源任何東西并非因為他是個‘好人’，他只是把互補(bǔ)的東西商品化了。如果 Meta 不開源，它的人工智能產(chǎn)品現(xiàn)在將變得無關(guān)緊要?！?/p>

就在昨天，Mark Chen 向員工發(fā)送的全員信中，Mark Chen 承認(rèn)公司以前過分沉迷于定期發(fā)布產(chǎn)品的節(jié)奏，以及與競爭對手的短期比較。在這種壓力之下，許多員工每周工作時間長達(dá) 80 小時。

多位知情人士透露 OpenAI 將基本停工一周，讓員工有時間恢復(fù)精力。已經(jīng)有員工家屬證實了這一消息。

在 Sam Altman 公開回?fù)?Meta 高薪挖角的同時，OpenAI 官方播客第二期也悄然上線，由 ChatGPT 負(fù)責(zé)人尼克·特利（Nick Turley）和首席研究官馬克·陳（Mark Chen）共同揭秘 ChatGPT 的幕后故事。盡管這期播客未直接提及人才爭奪戰(zhàn)，但卻通過回顧 ChatGPT 的發(fā)展歷程，巧妙展現(xiàn)了 OpenAI 的獨特文化與技術(shù)韌性，在評論區(qū)獲得了網(wǎng)友一片好評。

“ChatGPT”名稱的由來
Andrew Mayne：那么，OpenAI 是如何決定 “ChatGPT” 這個名字的？

Mark Chen：這個名字是直到發(fā)布的前一天晚上才決定下來的。

Nick Turley：原本想叫 “與 GPT-3.5 聊天”，但在深夜做了簡化決定，覺得 “ChatGPT” 更順口。這個決定很倉促，甚至項目啟動幾周前都還沒確定。

Andrew Mayne：然后 ChatGPT 就出來了，它從什么時候有爆火的跡象的？

Nick Turley：發(fā)布后的第一天我們甚至懷疑儀表板出錯了，第二天日本 Reddit 用戶開始關(guān)注到它，第三天我們內(nèi)部覺得突然火了后會逐漸降溫，到第四天意識到它可能 “改變世界”。

Andrew Mayne：Mark，你當(dāng)時對 ChatGPT 的市場反饋有什么期待嗎？

Mark Chen：說實話，之前我們發(fā)布過很多產(chǎn)品和預(yù)覽，但這次的傳播速度和規(guī)模完全不同。甚至我父母在 ChatGPT 爆火之前都不知道 OpenAI，以為我在做 “不切實際的工作”。我當(dāng)時還只是研究人員，隨著 ChatGPT 爆火，我現(xiàn)在成為了研究主管了。

實際上，關(guān)于 GPT 這個名字，我認(rèn)為甚至有一半的研究人員都不知道這三個字母代表什么。一半人認(rèn)為它是生成式預(yù)訓(xùn)練模型，還有一半人認(rèn)為它是生成式預(yù)訓(xùn)練的 Transformer，其實是后者。

ChatGPT 的病毒式傳播
Andrew Mayne：ChatGPT 用戶激增時，內(nèi)部如何維持服務(wù)運行？

Nick Turley：我們遇到了不少限制。我想你們應(yīng)該還記得，ChatGPT 一直處于癱瘓狀態(tài)。

我記得，當(dāng)時我們的 GPU 顯然用完了、我們的數(shù)據(jù)庫連接用完了，我們在某些提供商那里受到了速率限制。

實際上并沒有設(shè)置任何可以運行產(chǎn)品的配置。所以一開始，我們構(gòu)建了這個東西，我們把它叫做 “失敗鯨魚”，它會很友好地告訴你，它壞了，還會寫一首小詩，我想這首詩是 GPT-3 生成的，講的是失敗，有點開玩笑的意思。這讓我們度過了寒假，因為我們確實想讓人們享受某種假期。然后我們回來后，發(fā)現(xiàn)這顯然不可行，你不能一直處于低谷。最終，我們找到了可以為所有人服務(wù)的東西。

Mark Chen：是的。我認(rèn)為這種需求確實體現(xiàn)了 ChatGPT 的通用性。我們有一個論點，ChatGPT 體現(xiàn)了我們對 AGI 的期望，因為它非常通用。我認(rèn)為，您看到需求增長只是因為人們意識到，任何我想要給予或拋給模型的用例，它都可以處理。

發(fā)布前的內(nèi)部辯論
Andrew Mayne：OpenAI 的所有人都認(rèn)為 ChatGPT 有用，或者已經(jīng)準(zhǔn)備好發(fā)布了嗎？

Mark Chen：我不這么認(rèn)為。甚至在前一天晚上，OpenAI 上就有一個非常著名的故事，Ilya 對模型進(jìn)行了 10 個難題的提問。我記得大概只有其中五個問題，他得到了他認(rèn)為可以接受的答案。所以前一天晚上真的要做出決定：我們真的要發(fā)布這個東西嗎？全世界真的會對此做出回應(yīng)嗎？我認(rèn)為這說明當(dāng)你在內(nèi)部構(gòu)建這些模型時，你能夠快速適應(yīng)這些功能。對于沒有經(jīng)歷過這種模型訓(xùn)練循環(huán)的人來說，很難設(shè)身處地地去理解其中的真正魔力。

Nick Turley：是的。我認(rèn)為建立內(nèi)部共識，判斷這個東西是否足夠好，這是很考驗人的，因為它提醒我們在人工智能方面都可能犯很大的錯誤。這就是為什么，經(jīng)常接觸現(xiàn)實如此重要。

Mark Chen：當(dāng)你思考迭代部署時，我喜歡這樣表述：沒必要讓每個人都同意它突然變得有用。有用性的范圍很廣，沒有一個能力水平或標(biāo)準(zhǔn)，只要你達(dá)到某個標(biāo)準(zhǔn)，突然之間，這個模型就對每個人都有用了。

Andrew Mayne：對于要包含哪些內(nèi)容或重點關(guān)注哪些方面，我們是否做出了艱難的決定？

Nick Turley：ChatGPT 的原則是不擴(kuò)大范圍。我們堅持盡快獲得用戶反饋和數(shù)據(jù)。關(guān)于用戶界面方面有很多爭議，比如，我們發(fā)布時盡管認(rèn)為用戶可能會想要但還是沒有加入歷史記錄功能，結(jié)果這成了用戶的第一個請求。我認(rèn)為一直存在一個問題：我們能否用兩周的額外時間訓(xùn)練出更好的模型？但我很高興我們沒有這么做，因為我們確實收到了很多反饋。我們進(jìn)行了大量關(guān)于 ChatGPT 包含哪些內(nèi)容的討論，而且假期也快到了，所以我們有一種自然而然的動力，一定要拿出點成果。

Andrew Mayne：是的，有這樣的習(xí)慣，如果它要在 11 月的某個時間點之后發(fā)布，那么它可能就要等到 2 月才會發(fā)布。這就像一個窗口，東西會從兩邊落下來。

Nick Turley：嗯，這是一家大型科技公司的經(jīng)典做法。我認(rèn)為我們在所有權(quán)方面肯定更靈活一些。

Andrew Mayne：我覺得最大的影響之一是，一旦人們開始使用它，這些改進(jìn)的速度就會非?？臁Ｎ覀儺?dāng)然可以考慮在更大的站點上進(jìn)行更多數(shù)據(jù)的訓(xùn)練，擴(kuò)展計算能力，但接下來的問題是如何真正獲得來自眾多用戶的反饋。

諂媚事件和 RLHF
Andrew Mayne：我們遇到的一個例子就是模型變得太過諂媚或阿諛奉承。你能解釋一下當(dāng)時發(fā)生了什么嗎？

Mark Chen：這里很重要的核心是我們依靠用戶反饋來推動模型的發(fā)展。這是一種非常復(fù)雜的獎勵模型組合，我們將其用于一個叫做 RLHF 的程序中，利用人類反饋，通過 RL 來改進(jìn)模型。

Andrew Mayne：您能簡單舉個例子說明一下嗎？

Mark Chen：可以這樣理解——當(dāng)用戶喜歡某段對話時，他們會發(fā)出一些積極的信號，比如豎起大拇指。我們會訓(xùn)練模型，讓它傾向于以一種能獲得更多豎起大拇指的方式做出回應(yīng)。現(xiàn)在回想起來，這一點可能很明顯，但如果平衡不當(dāng)，就會導(dǎo)致模型變得更加諂媚。

用戶可能想要那種模型稱贊他們的感覺，但我認(rèn)為從長遠(yuǎn)來看這不是一個好的結(jié)果。只有一小部分高級用戶指出了這個問題，很多普通用戶并沒有注意到。我覺得我們很早就意識到了這一點，并采取了適當(dāng)嚴(yán)肅的態(tài)度，這表明我們確實非常重視這些問題，并且希望盡早阻止它們。

Andrew Mayne：針對模型對諂媚，你們是如何應(yīng)對的？因為社交媒體的問題在于，你基本上是通過使用時長來賺錢的，想讓人們停留更長時間，這樣你就可以向他們展示更多廣告。當(dāng)然，使用 ChatGPT 的人越多，打開廣告顯然就越有成本效益，這種似乎是一勞永逸的，但又不切實際。你如何權(quán)衡？是讓人們對現(xiàn)有產(chǎn)品感到滿意，還是讓模型變得更實用而不僅僅是取悅用戶？

Nick Turley：在這方面我感到非常幸運，因為我們的產(chǎn)品非常實用。人們用它來完成他們知道怎么做但又無法快速做完的事，或者用它來做他們根本做不到的事情。比如寫一封你一直不想寫的電子郵件，或者進(jìn)行你不知道如何在 Excel 中操作的數(shù)據(jù)分析，這些都是非常實用的東西。從根本上說，隨著你更加熟練，你實際上在產(chǎn)品上花費的時間會更少，因為理想情況下，來回的輪換次數(shù)會更少，你實際上委托給了 AI，所以你根本不參與產(chǎn)品。

所以對我們來說，時間投入并非我們優(yōu)化的目標(biāo)，但我們確實關(guān)心你的長期留存率，因為我們認(rèn)為這是價值的體現(xiàn)。如果你停留了三個月還能再回來，那顯然意味著我們做對了。用戶給我動力，我就會回饋結(jié)果。

我認(rèn)為，我們擁有創(chuàng)造偉大事物的正確基本動力，但這并不意味著我們總能做對。阿諛奉承事件真的非常重要，對我們來說是很好的教訓(xùn)，我為我們采取的行動感到自豪。但從根本上來說，我認(rèn)為我們已經(jīng)做好了正確的準(zhǔn)備，可以打造出一些令人驚嘆的東西。

Andrew Mayne：所以，這就帶來了挑戰(zhàn)。我想知道您是如何應(yīng)對這種情況的，ChatGPT 剛推出時，就有指控稱它已經(jīng)覺醒，人們正試圖從中推行某種議程。

在模型行為中平衡實用性與中立性
Andrew Mayne：我的觀點一直是，你要根據(jù)企業(yè)語言、普通新聞和大量學(xué)術(shù)內(nèi)容來訓(xùn)練模型，這有點像是跟風(fēng)。我記得埃隆?馬斯克對此非常挑剔，然后，當(dāng)他訓(xùn)練 Grok 的第一個版本時，它也做了同樣的事情，然后他說 ：哦，是的，當(dāng)你用這種東西訓(xùn)練它時，它確實做到了。在 OpenAI 內(nèi)部，我們討論過如何讓模型不試圖推動你，也不試圖引導(dǎo)你。你能不能稍微說說你是怎么實現(xiàn)這一點的？

Nick Turley：我認(rèn)為，除了保持中立的默認(rèn)設(shè)置和適度體現(xiàn)自身價值觀外，確保整個系統(tǒng)的透明度至關(guān)重要。我反對將系統(tǒng)提示作為秘密，通過”破解”模型來強(qiáng)制其表達(dá)或不表達(dá)某些內(nèi)容。我們的做法是公開規(guī)范標(biāo)準(zhǔn)：當(dāng)用戶發(fā)現(xiàn)某些模型行為時，可以明確判斷這屬于程序漏洞、違反既定規(guī)范，還是符合規(guī)范但需要改進(jìn)。如果是規(guī)范本身存在疏漏，我們會及時完善相關(guān)條款。通過公開 AI 應(yīng)遵循的行為準(zhǔn)則，我們希望能讓更多人而不僅僅是 OpenAI 內(nèi)部人員參與到這場重要討論中來。

Andrew Mayne：所以我們談?wù)摰氖窍到y(tǒng)提示，即模型在用戶輸入之前獲取的指令部分。

Mark Chen：嗯，我認(rèn)為不止于此。

Nick Turley：系統(tǒng)提示是引導(dǎo)模型的一種方式，但它的意義遠(yuǎn)不止于此。

Mark Chen：我們有一份非常長的文檔，其中概述了我們期望模型在一系列不同行為類別中如何表現(xiàn)。比如，如果有人帶著錯誤的信念、與事實不符的想法進(jìn)來，模型應(yīng)該如何與其互動？它應(yīng)該直接拒絕這個觀點，還是應(yīng)該與用戶合作，共同找出真相？我們更認(rèn)可后一種做法，我們在很多像這樣非常微妙的決定上，投入了大量的時間。

Andrew Mayne：這個問題確實充滿挑戰(zhàn)。雖然我們可以在技術(shù)層面預(yù)先測試和優(yōu)化模型的反應(yīng)，但要準(zhǔn)確預(yù)測整個社會文化對不同敏感議題的接受程度則困難得多。舉例來說，面對一個堅信”地平說”的用戶，模型應(yīng)該施加多大程度的反駁？有些人可能主張最小化干預(yù)，但這種立場在面對宗教信仰等更深層的價值觀差異時又會引發(fā)新的矛盾。

問題的復(fù)雜性在于，我們需要在尊重個人信念和維護(hù)科學(xué)事實之間找到平衡點。當(dāng)涉及到宗教信仰時，這種平衡就變得更加微妙——模型是否應(yīng)該對不同宗教或無神論觀點采取差異化回應(yīng)？如何確保既不傷害信仰者的情感，又不傳播錯誤信息？

Nick Turley：事實證明，理性的人以及許多人對于模型在這些情況下應(yīng)該如何表現(xiàn)可能會持有不同意見。你不一定總是能做到正確，但你可以透明地展示我們采取的方法，你可以允許用戶自定義，我認(rèn)為這就是我們的方法。我確信我們可以通過多種方式來改進(jìn)它，但我認(rèn)為，如果我們能夠透明、公開地說明我們?nèi)绾谓鉀Q這個問題，我們就能得到反饋。

Andrew Mayne：你們?nèi)绾慰创S著人們開始越來越多地使用這些模型，無論您是否試圖轉(zhuǎn)動某些撥盤，它都會變得越有用，人們就越想使用它。曾經(jīng)有一段時間，沒人想要手機(jī)，但現(xiàn)在我們卻離不開手機(jī)了。您如何看待人們與手機(jī)系統(tǒng)之間建立的關(guān)系？

Nick Turley：我之前提到過這一點。這是一項你必須研究的技術(shù)，它不是以靜態(tài)的方式設(shè)計來執(zhí)行 x、y、z 的，它具有高度的經(jīng)驗性。所以，隨著人們使用產(chǎn)品的方式發(fā)生變化，我們也需要去理解并采取行動。我一直在饒有興趣地觀察這種趨勢，我認(rèn)為，越來越多的人，尤其是 Z 世代和更年輕的群體，開始使用 ChatGPT 作為思想伙伴，我認(rèn)為在很多情況下，這真的很有幫助，也很有益，因為你可以找到一個可以一起集思廣益的人來討論人際關(guān)系問題，也可以找到一個可以一起集思廣益的人來討論專業(yè)問題，或者別的什么。但在某些情況下，它也可能是有害的，我認(rèn)為檢測這些情況，并且首先擁有正確的模型行為對我們來說非常非常重要。積極監(jiān)控它，從某種程度上來說，這是我們必須要努力解決的問題之一，因為任何變得無處不在的技術(shù)都將具有雙重用途，人們會用它來做各種很棒的事情，而且他們會以我們不希望的方式使用它，我們有責(zé)任確保以適當(dāng)?shù)膰?yán)肅態(tài)度處理此事。

ImageGen 的突破時刻
Andrew Mayne：我想換個話題，談?wù)劻硪粋€版本，它再次讓人們感到驚訝并引起了轟動，那就是 ImageGen。ImageGen 的出現(xiàn)讓我措手不及，這是一個突破性的時刻。你們對這個產(chǎn)品的發(fā)布有什么感受？

Mark Chen：說實話，它也讓我措手不及，這真是對研究團(tuán)隊的肯定，其他人也做了很多工作。我認(rèn)為這真的印證了這個論點：當(dāng)你擁有一個足夠好的模型，它一次就能生成符合你要求的圖像，這將創(chuàng)造巨大的價值。我認(rèn)為我們以前從來沒有實現(xiàn)過這種情況，你往往在第一次嘗試時就能獲得完美的生成結(jié)果。這種將圖像作為背景，讓模型進(jìn)行修改和改變，以及由此帶來的保真度的能力，我認(rèn)為這對人們來說真的非常強(qiáng)大。

Nick Turley：我認(rèn)為這一情況和體驗只是 ChatGPT 的另一個小瞬間。OpenAI 已經(jīng)推出了 20 種不同的東西，然后突然間，世界變得瘋狂，你只有通過發(fā)布這些東西才能發(fā)現(xiàn)這種情況。我清楚地記得，周末有 5% 的印度網(wǎng)民嘗試了 ImageGen。我當(dāng)時就想：哇，我們接觸到了我們從未想過的新用戶群體，他們可能從未想過使用 ChatGPT。這真的很酷。

關(guān)于 Mark 的觀點，我認(rèn)為這在很大程度上是因為存在這種不連續(xù)性，有些事情突然進(jìn)展得如此順利，完全符合你的預(yù)期，我認(rèn)為這會讓人們大吃一驚。

我認(rèn)為我們也會在其他模式下迎來這樣的“ChatPGT 時刻”。語音，它還沒有完全通過圖靈測試，但我認(rèn)為一旦它通過了，人們就會發(fā)現(xiàn)它的強(qiáng)大和價值。視頻也會迎來它自己的時刻，開始滿足用戶的期望。所以我對未來感到非常興奮，因為我認(rèn)為將會有許多神奇的時刻到來，它們將真正改變?nèi)藗兊纳?。而且，你還會改變 ChatGPT 對人們的相關(guān)性，因為，我一直覺得有文本用戶和圖像用戶，他們中的一些人有點不同，現(xiàn)在他們都在使用該產(chǎn)品并全面發(fā)現(xiàn)其價值。

Andrew Mayne：從 ImageGen 推出伊始，它就揭示了此前圖像生成模型的根本性局限。當(dāng) DALL-E 初代問世時，我們曾為它能生成“太空猴子”這類趣味圖像而興奮不已。但當(dāng)我們嘗試創(chuàng)作真正復(fù)雜的圖像時——比如需要精確綁定多個變量（人物關(guān)系、空間邏輯、風(fēng)格統(tǒng)一等）的場景——舊有系統(tǒng)的短板就暴露無遺。這種“變量綁定”能力的缺失，讓我深刻認(rèn)識到：缺乏 GPT-4 級別的規(guī)模與計算架構(gòu)，傳統(tǒng)圖像模型永遠(yuǎn)無法突破創(chuàng)作復(fù)雜度的天花板。

而今的突破絕非偶然。ImageGen 的成功印證了一個關(guān)鍵洞見：只有當(dāng)圖像模型達(dá)到與語言模型相當(dāng)?shù)膮?shù)量級和架構(gòu)復(fù)雜度時，才能真正解決多變量協(xié)同生成的本質(zhì)難題。這不僅僅是簡單套用 GPT-4 的架構(gòu)，而是將大規(guī)模語言模型中習(xí)得的“概念關(guān)聯(lián)”與“邏輯推理”能力，通過創(chuàng)新的多模態(tài)訓(xùn)練方式遷移到視覺領(lǐng)域?，F(xiàn)在我們可以肯定地說：圖像生成的革命，本質(zhì)上是一場規(guī)模效應(yīng)與架構(gòu)創(chuàng)新的雙重勝利。

Mark Chen：我認(rèn)為很多不同的研究都促成了這項技術(shù)的巨大成功。對于一個復(fù)雜的多步驟流水線來說，它永遠(yuǎn)不會只由一件事促成，我覺得這一切都是綜合作用的結(jié)果。變量綁定絕對是我們非常關(guān)注的一點。我認(rèn)為 ImageGen 的發(fā)布意義深遠(yuǎn)。

代碼、Codex 和 Agent 編程的興起
Andrew Mayne：接下來再來聊聊代碼生成。我們已經(jīng)看到代碼生成功能首先通過 Copilot 進(jìn)入 VS Code，然后是 Cursor，然后是 Windsurf，我現(xiàn)在一直在使用 Windsurf。代碼領(lǐng)域的競爭壓力到底有多大？如果我們問那些開發(fā)頂級代碼模型的人，我們可能會得到不同的答案。

Mark Chen：這確實反映出編程領(lǐng)域正在經(jīng)歷深刻的范式轉(zhuǎn)變。傳統(tǒng)的即時補(bǔ)全式編碼（如在 IDE 中獲取函數(shù)補(bǔ)全）與新一代的 Agentic 編程（如直接要求 AI 生成完整 PR）有著本質(zhì)區(qū)別。我們觀察到編程范式正在從代碼片段補(bǔ)全向完整功能模塊生成演進(jìn)，交互模式也從實時交互轉(zhuǎn)變?yōu)楫惒饺蝿?wù)委派，這代表著抽象層級的重大提升——開發(fā)者正從編寫具體代碼轉(zhuǎn)向描述高階意圖。這種轉(zhuǎn)變正在重構(gòu)整個開發(fā)流程：基礎(chǔ)編碼工作逐漸由 AI 代理接管，開發(fā)者角色轉(zhuǎn)向架構(gòu)設(shè)計和技術(shù)決策，而驗證與集成能力成為新的核心競爭力。

Andrew Mayne：你能稍微解釋一下你所說的 “Agentic 編碼” 是什么意思嗎？

Mark Chen：AI 模型的響應(yīng)方式正在從簡單的實時交互向更復(fù)雜的異步代理模式演進(jìn)。傳統(tǒng)的實時響應(yīng)模型（如 ChatGPT）能夠快速處理用戶提示并即時給出回復(fù)，適合日常對話和簡單任務(wù)；而新興的代理型模型則能處理更復(fù)雜的任務(wù)——用戶提交高階需求后，模型會在后臺進(jìn)行深度分析和推理，經(jīng)過充分“思考”后返回優(yōu)化后的解決方案。這種異步工作流特別體現(xiàn)在代碼生成領(lǐng)域。以 Codex 為例，它已經(jīng)能夠接手復(fù)雜的開發(fā)任務(wù)（如新功能開發(fā)或重大缺陷修復(fù)），不再追求即時響應(yīng)，而是專注于通過長時間推理來交付更成熟的成果。這種演進(jìn)趨勢預(yù)示著 AI 正在從“即時應(yīng)答工具”轉(zhuǎn)變?yōu)檎嬲摹爸悄軈f(xié)作伙伴”，未來用戶只需描述目標(biāo)，模型就能自主規(guī)劃執(zhí)行路徑并交付完整解決方案，實現(xiàn)更接近人類工作方式的深度協(xié)作。

Nick Turley：回到你的問題，編碼是一個巨大的領(lǐng)域。這有點像談?wù)撝R工作或其他非常寬泛的領(lǐng)域，這就是為什么我認(rèn)為沒有唯一的贏家，只有各有優(yōu)勢的產(chǎn)品。我認(rèn)為有很多選擇，而且我認(rèn)為開發(fā)人員是幸運的，因為他們現(xiàn)在有很多選擇，我認(rèn)為這對我們來說也是令人興奮的。

但正如 Mark 所說，我認(rèn)為這種代理范式對我們來說尤其令人興奮。我在思考產(chǎn)品時經(jīng)常使用的一個框架是，我希望打造具有以下特性的產(chǎn)品：如果模型性能提升兩倍，產(chǎn)品的實用性也會提升兩倍

ChatGPT 作為對話工具已經(jīng)表現(xiàn)出色，但隨著模型越來越智能，用戶的需求也在進(jìn)化：他們不再滿足于簡單的問答，而是更看重 AI 的個性特質(zhì)和實際解決問題的能力。Codex 正是這種理念的典范，它開創(chuàng)了一種全新的交互模式：用戶只需定義任務(wù)目標(biāo)，給予模型足夠的處理時間，就能獲得高質(zhì)量的解決方案。這種異步協(xié)作機(jī)制為更智能的模型提供了完美的運行環(huán)境，其變革潛力不可估量。雖然目前還處于研究預(yù)覽階段，但就像當(dāng)初推出 ChatGPT 一樣，我們堅信早期用戶反饋將幫助它快速成長，我對這個方向的未來充滿期待。

Andrew Mayne：我經(jīng)常用 Sonnet，我很喜歡。我覺得 Sonnet 的編程功能很棒，但用 Windsurf 的 o4-mini-medium 設(shè)置，我發(fā)現(xiàn)它更出色。我發(fā)現(xiàn)，一旦我開始使用它，我就會非常滿意，因為，首先是速度很快，其他方面也都很好。我認(rèn)為人們喜歡其他模型是有充分理由的，我不想進(jìn)行比較。但我發(fā)現(xiàn)，對于我之前使用的各種任務(wù)來說，這還是第一次有這樣好的體驗。

Mark Chen：絕對的。我們覺得代碼方面還有很多可以實現(xiàn)的地方。這是我們關(guān)注的重點，我認(rèn)為在不久的將來，你會發(fā)現(xiàn)更多適合你的用例的優(yōu)質(zhì)代碼模型選擇。

嘿，伙伴們，今天我們的AI探索之旅已經(jīng)圓滿結(jié)束。關(guān)于“Altman嘲諷小扎挖人！OpenAI高管自曝：ChatGPT爆紅后我火速升職”的內(nèi)容已經(jīng)分享給大家了。感謝你們的陪伴，希望這次旅程讓你對AI能夠更了解、更喜歡。謹(jǐn)記，精準(zhǔn)提問是解鎖AI潛能的鑰匙哦！如果有小伙伴想要了解學(xué)習(xí)更多的AI知識，請關(guān)注我們的官網(wǎng)“AI智研社”，保證讓你收獲滿滿呦！