OpenAI主席万字访谈AGI定义与AI重塑软件工程及未来十年展望

布雷特·泰勒（Brett Taylor），OpenAI董事会新任主席兼Sierra公司CEO，在一次深度访谈中分享了他对AI的深刻洞察。他从一个工程老兵和资深科技领袖的视角，探讨了AI如何碘伏传统、定义AGI的未来，并提出了关于创业、管理、教育与伦理的宝贵建议。以下为本次访谈的核心内容精粹与专业解读。

一、顿悟时刻：AI浪潮的认知刷新

每个身处变革浪潮中心的人，都经历过关键认知的“顿悟时刻”。泰勒的两次重要刷新，使他从一名旁观者转变为AI领域的领军人物。

1. “鳄梨椅”：AI创造力的惊鸿一瞥

2022年夏天，OpenAI发布的DALL-E模型生成了一个“鳄梨形状的扶手椅”图像，这彻底震惊了泰勒。“我的第一反应是，‘我完全不知道计算机能做到这个！’”他坦言，尽管拥有深厚的计算机背景，但当时他并未对大型语言模型（LLM)给予足够重视。这一刻，他意识到AI已展现出某种“创造性”，不仅仅是执行预设规则的工具。

小提示：“鳄梨椅”事件表明，AI的视觉生成能力已突破人类对“工具”的传统认知，其潜在的创造力是巨大的。

2. ChatGPT：AI从未来走进现实

在“鳄梨椅”事件大约半年后，泰勒刚离开Salesforce时，ChatGPT横空出世。“在它成为现象级产品之前，我就已经接入并开始使用了。从那时起，我便无法停止对它的思考。”如果说“鳄梨椅”是让他对潜力产生敬畏，那么ChatGPT则让他真切感受到了AI改变世界的强大势能。它直接将尖端AI送到普通用户手中，引发了全球轰动。

二、软件工程的范式迁移：从“代码作者”到“AI指挥家”

泰勒认为，AI给软件工程带来的不仅是效率提升，更是一场彻底的范式迁移。

1. 工程师角色的嬗变

泰勒指出，未来工程师的核心价值不再是亲手写代码，而是转变为“代码生成机器的操作员”。这意味着，工程师需要更侧重于理解业务需求、设计系统架构、定义清晰的指令，然后指导和监督AI完成编码工作。

小提示： 未来，抽象思维、系统设计能力以及与AI协作的能力，将比传统的编码技巧更为重要。

2. 编程语言与开发系统的重塑

泰勒对当前编程语言（如Python）在AI时代的适用性提出反思。当代码生成的边际成本趋近于零时，我们可能需要新的编程语言，其设计目标不再是“易于编写”，而是“易于验证其正确性”。他提到了Rust（注重内存安全）和形式化验证技术，这些在AI大量生成代码的时代将愈发凸显。

3. Sierra的实践：第一性原理拥抱变革

泰勒在创办的Sierra公司中积极实践这些理念。

• 全新的商业模式：他们采用按“结果”收费，而非传统的软件许可证。AI Agent只有成功解决了用户问题，才会产生费用。这源于一个核心认知：在AI时代，软件本身就能直接完成任务。
• 交付模式的革新：Sierra致力于为客户提供“开箱即用”的完整工作的AI Agent，而不是一堆需要客户自行配置的工具。

常见问题： 问：什么是“按结果收费”？
答： 传统软件公司是按许可证（例如每年每用户付费）收费。而Sierra的模式是，只有当其构建的AI Agent成功帮助客户解决了最终用户的实际问题（例如成功处理客服请求）时，Sierra才会从客户那里获得收入。这种模式将软件的价值与最终结果直接挂钩。

三、求索AGI：定义、路径与关键要素

泰勒对通用人工智能（AGI）给出了清晰定义，并分析了实现路径上的关键驱动因素。

1. AGI的定义：人类计算机工作的AI等效者

泰勒的定义是：“任何一个人类能够在计算机上完成的任务，一个AGI系统都能够以同等甚至更好的水平完成。”

• 通用性（Generalization）是核心：系统必须在全新的、未曾接触过的领域展现出智能。
• “在计算机上完成”的限定：这为AGI的实现划定了一个相对清晰的边界——只要任务存在数字化接口，AI就有可能执行。

常见问题： 问：AGI与现在的AI有什么区别？
答： 现在的AI模型通常是“狭义”的，例如一个模型只擅长写代码，另一个只擅长绘画。而AGI是“通用”的，它能像人类一样，在学习写代码后，还能轻松转向绘画、数据分析、做客服等任何计算机能完成的任务。

2. 通往AGI之路：数据、算力与算法的三驾马车

泰勒认为，驱动AGI发展的核心要素是数据（Data）、算力（Compute）和算法（Algorithms）。

• 数据 (Data)： 虽然面临优质文本数据枯竭的“数据墙”问题，但合成数据 和模拟（Simulation）（尤其自动驾驶领域）可提供新训练养料。
• 算力 (Compute)： 训练和运行先进AI模型需要巨大的计算资源。
• 算法 (Algorithms)： 从Transformer到思维链推理，每一次算法革新都将AI能力边界向前推进。

小提示： 算法正从“在训练时多花算力”，转向“在推理时多花算力”以获得更好表现。

3. AI的自我进化：奇点临近？

泰勒认为，AI已经在为AI做出贡献，例如工程师使用AI编程助手。但这种自主进化仍处于“辅助驾驶”阶段，而非“完全自动驾驶”。即使在AI能力极强的情况下，人类在关键应用中的问责性（accountability）依然不可或缺，特别是在设置安全护栏方面。

四、创业与管理：创始人的身份重塑与基业长青

泰勒横跨初创公司与科技巨头的经历，让他对公司整合与领导力有独特见解。

1. 被收购之后：创始人的“身份认同”是关键

泰勒指出，公司被收购是一次深刻的身份转变。创始人必须完成从“某某公司创始人”到“大公司一员”的心理切换。他认为，许多创始人最终难以融入，不是因为能力问题，而是因为未能完成这种身份认同的转变。

2. 收购的艺术：同理心、坦诚沟通与明确目标

基于双重经验，泰勒在主导收购时展现出更多同理心。他强调，在签署条款清单后的“尴尬等待期”，双方应坦诚讨论整合细节，如团队的自主权、独立性等。更重要的是，在收购之初就明确“成功是什么样子”，避免后续出现不同的期望。

3. 董事会的角色：赋能创始人

作为Shopify和OpenAI的董事会成员，他倾向于加入由创始人领导的公司。他认为创始人通常被赋予更多“许可”去做长远、大胆的决策，这能带来碘伏性的创新。

4. “创始人模式”的辩证看待

泰勒赞赏“创始人模式”的核心——创始人对每一个决策承担深度责任。但他警示，这容易被曲解为极端微观管理。理想状态是，创始人拥有深入细节的权限，同时赋能个体员工做出自主决策，在顶层决断力与个体主动性之间找到平衡。

5. 工程师能否成为优秀的领导者？

泰勒认为，工程师的“第一性原理思维”和“系统设计能力”对领导力很有帮助。但他强调，创始人必须完成从“首席产品经理”到“首席执行官”的身份转变，需投入精力到招聘、销售、公共政策等看似与技术无关的领域。

五、AI Agent：人机交互的未来形态

泰勒将AI Agent定义为“赋予软件自主进行推理和做决策的机会”，并将其应用分为三大类。

1. 个人Agent (Personal Agents)

增强个体能力，成为每个人的“数字助手”。例如处理邮件、规划假期、职业发展咨询。泰勒认为其潜力巨大，但挑战在于处理极其个性化的任务和对隐私的高要求，因此需要更长时间成熟普及。

2. 角色/职能Agent (Role-Specific Agents)

专注于企业中的特定专业角色，如编程Agent（Cursor）、律师助理Agent（Harvey）。由于领域聚焦，这类Agent更容易商业化，能带来显著的效率提升和成本节约，是目前很活跃的创业领域。

3. 品牌化、面向客户的Agent (Branded Customer-Facing Agents)

这是Sierra深耕的领域，直接代表公司品牌与最终客户交互。例如，当购买新音响需要设置时，与你对话的可能就是AI Agent。泰勒将其比作公司在数字世界的“化身”。

4. 机遇与挑战

这类Agent能极大提升客户体验（从网站提供的“枚举式功能列表”转变为“按需响应的对话式服务”），但对其准确性、可靠性和安全性要求极高。泰勒提到加拿大航空的案例：其AI客服错误承诺了公司没有的优惠政策，最终被法院判决负责。他强调，构建这类Agent需要更强大的鲁棒性、更完善的护栏机制 和持续的迭代优化。Sierra的平台化策略正是为了应对这些挑战。

常见问题： 问：面向客户的AI Agent与传统聊天机器人有何不同？
答： 传统聊天机器人通常基于预设的规则和脚本，只能回答特定问题，无法处理复杂、多变的需求。而基于大模型的AI Agent能理解客户的复杂自然语言，进行推理和决策，并主动执行一系列操作（如查看保险计划、计算保费），提供个性化和高效的解决方案。

六、AI的伦理、安全与社会影响

泰勒对AI的伦理和安全问题有着全面思考。

1. OpenAl的使命：确保AGI惠及全人类

泰勒高度认同OpenAI的使命，并将其内涵分解为三层：

• 安全是基石：“首先不造成伤害”，安全性是重中之重。
• 追求普惠与积极价值：实现AGI的普惠性，最大化其积极效益（如普及教育、提升科研），最小化潜在负面影响。
• 对齐与意图：从技术层面确保AI系统的行为与人类意图保持一致，避免产生非预期、有害的行为。

2. 技术中立与社会责任

泰勒认为技术本身中立，其结果是善是恶，取决于“我们如何使用它”。他回溯历史上重大工程事故，强调悲剧并非单纯技术缺陷，往往交织了决策失误等人为因素。因此，AI安全不能局限于技术防护，更要关注社会应用、责任界定和集体决策。

3. AI监管的平衡艺术

泰勒指出，监管面临“确保安全”与“保持竞争力”之间的“极其困难”的平衡。监管机构需要确保技术发展以“惠及全人类”为导向，同时西方民主国家也要确保自身在AI领域的领先地位。

4. AI生成内容的知识产权：悬而未决的新课题

对于AI生成内容的知识产权归属，泰勒认为这是一个值得深入探讨的问题。随着智能门槛下降，我们可能迎来一个思想大爆发的时代，但传统的知识产权框架可能需要调整。

七、展望未来：AI时代的教育与长期投资

泰勒将视野投向更远的未来，探讨了AI如何重塑教育和投资逻辑。

1. AI赋能教育

泰勒对AI在教育领域的前景感到兴奋，认为它能带来两大核心价值：

• 极致的个性化学习：AI系统可以像经验丰富的私教，根据每个学生的学习节奏和特点，动态调整教学内容。他提到Synthesis Tutor这款AI家教产品在萨尔瓦多取得显著效果，让他深受鼓舞。
• 促进教育公平：AI能够使优质教育资源（如一对一辅导、SAT备考）被更多普通家庭的孩子获得，弥合因社会经济地位差异造成的教育机会不均。

小提示： 在AI时代，“学习如何学习”和“学习如何思考”依然是教育的核心。

2. AI时代的长期投资逻辑

当被问及长期投资时，泰勒分享了他的哲学：押注那些“当前增长受限于‘智能水平’或‘高素质人才供给’”，并且能够有效吸收AI红利的行业。他举例科技行业（软件工程师稀缺，AI可大幅提升开发效率）和金融行业（AI可提升决策质量和风险管控）。同时，他提醒要考虑“第二序和第三序效应”，警惕因AI普及导致进入门槛降低，最终陷入同质化竞争的行业。

八、尾声：回归初心

在访谈结尾，当被问及“什么是成功”时，泰勒的回答简单而真挚：“对我来说，成功就是拥有一个幸福健康的家庭，并且能够和我的联合创始人克雷（Clay）在我的余生中继续共事，将Sierra打造成一家基业长青的公司。”

这场访谈如同徐徐展开的画卷，向我们展示了AI时代波澜壮阔的前景，以及身处其中的个体与组织所面临的机遇与挑战。在人工智能的星辰大海面前，保持学习，拥抱变革，或许是我们每一个人都应持有的姿态。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：OpenAI主席万字访谈AGI定义与AI重塑软件工程及未来十年展望要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题