「GPT-5，是一個分水嶺」。

昨天，OpenAI聯創Greg Brockman在Latent Space團隊的專訪中對GPT-5做出了高度的評價。

這一小時的訪談，含金量極高。

從GPT-5 的意義、推理與強化學習的轉折點，到算力瓶頸、AI工程實踐，再到對未來社會的預判，Greg Brockman的對話透露了OpenAI最新戰略的思考。

他還表示，「當內部訓完GPT-4時，我們就知道下一步必須走向推理范式。這不是新想法，而是讓模型變得可靠的唯一途徑」。

以下是，全文訪談的核心亮點：

· GPT-4持續對話，但不夠可靠；GPT-5開始真正學會「推理」

· 未來模型不再是「一次訓練+無限推理」，而是邊用邊學

· 超臨界學習：AI學到的不止是答案，還能推導出后果鏈

· 使用AI是一門管理學，要當多智能體的經理人。

· 唯一稀缺的，是算力

GPT-5，一個分水嶺

談及GPT-5時，Greg強調這是OpenAI首個「混合模型」，通過路由器在推理模型與非推理模型之間自動切換。

這種模式降低了使用復雜度，避免用戶糾結于「該選哪個版本」。

從性能上看，GPT-5 已經在數學、編程、物理等高智力任務上表現出質變。

對此，Greg將其與前幾代旗艦做了一個鮮明的對比。

GPT-3出世后，所具備的文本能力還很淺，甚至連「排序數字」這樣的基礎任務都做不好。

到了GPT-4，其實用性大幅提升，成為廣泛商用的基礎，但在真正深度智力上仍有欠缺。

「而GPT-5，則是一個分水嶺」。

GPT-5在極難的領域上，如IMO、IOI國際比賽中，已經能寫出與最優秀人類相當的證明。

這在過去是極大的挑戰，而現在我們能用少數人團隊把它解決掉。

更令人震驚的是，物理學家已經反饋，GPT-5 給出的推理過程，能重現他們花了數月研究才得出的見解。

這意味著，模型已經不再只是「輔助寫作工具」，而是真正的科研合作者。

他還提到，OpenAI在GPT-4之后，做出了一個關鍵的判斷：

光靠海量預訓練數據，根本無法讓模型真正可靠。

早期實驗顯示，GPT-4雖能連續對話，但常常「跑偏」，并不可靠。

因此，團隊認定必須讓模型「測試想法——獲得反饋——強化學習」，才能縮小與AGI的差距。

Greg解釋道，我們希望語言模型能像當年Dota AI一樣，從隨機初始化的神經網絡，最終學到復雜、穩定的行為。

強化學習能把有限的人類任務設計，放大出可靠的智能。

這也是GPT-5背后最大的范式轉折：從靜態訓練，邁向動態推理。

超臨界學習

人類學習有「睡眠回放」，AI也在探索「推理-再訓練」的循環。

OpenAI模型從「離線訓練+大量推理」轉向了「推理+基于推理數據的再訓練」，逐步接近人類學習的過程。

Greg表示，「我們正在從『一次性訓練，無限次推理』的時代，邁向『邊推理邊訓練』的新紀元」。

這個過程中，人類只需設計少量任務，模型通過成千上萬次嘗試即可學習到復雜行為，但算力消耗巨大。

當算力增加10倍、10000倍，模型就會出現「超臨界學習」（Supercritical learning）。

它意味著，LLM學習不僅是掌握當前任務，還要推導二階、三階效應。

展望模型未來新應用，Greg在生物研究所的經歷讓他相信，DNA就像預言一樣，可以被神經網絡學習。

他表示，對于神經網絡來說，人類語言和生物語言沒有本質區別，我們在DNA建模上已經能做到GPT-2的水平。

Greg還提到，自己的妻子患有罕見遺傳病，AI在醫療上的突破，對于他來說有著更重要的個人意義。

最佳工程實踐，打造Prompt武器庫

有了如此強大模型，開發者如何將其發揮出最大的效用？

「若要充分發揮模型的潛力，確實需要一些特殊的技巧」。

這需要一種近乎偏執的韌性，去真正摸清模型能力的邊界與缺陷的輪廓。

為此，Greg提出了最佳工程實踐——

1. 構建AI友好型代碼庫：模塊清晰、單元測試完整、文檔詳盡；  

2. 拆解任務，讓多個智能體并行完成；  

3. 要做「Prompt庫」管理，積累自己的提示武器庫，不斷探索模型的邊界。

不過，這些Prompt往往不是唯一正確答案，而是能讓模型發揮創造性和多樣性的測試。

訪談中， Greg表示，「我始終模型當作一個開發團隊，而不是單一的工具」。

它可以遠程異步完成任務，也可以像結對編程一樣實時協作。

更重要的是，AI不介意被完全「微觀管理」，而且還可以被無限復制，這一點是人類開發者無法做到的。

GPT-5在前端測試上表現突出，但開發者不能只「過擬合」某些強項場景，要學會讓AI在不同模塊間切換，形成完整的工作流。

Greg舉了一個例子，自己平時會把非關鍵任務外包給模型，降低風險，同時還能保持信息流動。

他還豪言，OpenAI正在建造人類史上最龐大的智能機器。相比之下，「阿波羅計劃」這樣的工程都黯然失色。

即便部分工作被自動化，優秀工程師依然稀缺。

關于當前AI研究現狀，Greg指出，不同實驗室并非是同質化，而是各自有獨特取向。

OpenAI的重點是——下一個范式的轉折，優先級包括：推理范式、多模態、應用。

算力，是永恒的瓶頸

下一個未來，算力將成為最炙手可熱的資源。

在OpenAI內部，擁有更多計算資源后，研究人員才能開展更大的項目，取得更多的成果。

近來，奧特曼稱，我們內部有更強大的模型，但因算力不夠，還拿不出來。

談到AI的極限時，Greg一針見血，「瓶頸永遠是算力」。

如果你能給我們更多的算力，我們就能把它轉化為更強的模型。

他還將算力比做一種「能量」，預訓練是將能量轉化為潛在的智力（potential energy），而推理則把智力再次釋放為動能（kinetic energy），用于現實世界中的任務。

為此，OpenAI今年開始打造「星際之門」超級集群，不斷擴張基礎設施。

在Greg看來，未來社會中的「算力分配」將成為核心議題，甚至比財富更加稀缺。

用他的話來說，「未來唯一肯定會稀缺的資源，是算力」。

Greg相信，隨著算力Scaling，AI推理深度將呈指數級增長。

2045年：AI生成一切，錢沒用了？

訪談中，當主持人問及，你想要發送到2045年一張便條會是什么？

Greg Brockman表示，那將會是一個驚人豐饒的世界，AI的進步可能讓我們實現科幻小說中的夢想，甚至邁向多星球文明。

AI的應用空間無比廣闊，無論是醫療、教育還是其他行業，都有無數「未被采摘的果實」等待探索。

不過，如何構建一個公平、高效的社會來分配計算資源，將是未來需要深思的問題。

但他也認真強調：

如果AI能免費生成一切物質，金錢可能會失去意義；  

但算力將成為新的稀缺品，誰能獲得更多算力，就能做更多事。

采訪的最后，Greg回憶起年輕時，常覺得「錯過了時代」。

他表示，「我曾以為等到我準備好時，所有酷炫的問題肯定早被解決完了…結果證明這想法大錯特錯。問題的數量會隨時間增長而非減少」。

換句話說，現在依然是進入AI的最佳時機。