OpenAI正站在一個新的能力拐點上。從破解數學千禧年難題到計算機使用能力的跨越式提升，這家公司正試圖向外界證明：AI已不僅僅是聊天工具，而是能夠真正替用戶完成工作的智能體。

OpenAI聯合創始人兼總裁Greg Brockman近日在一檔播客訪談中表示，公司旗下模型已成功找到納維-斯托克斯方程（Navier-Stokes）的反例，證實這一流體力學核心方程在特定條件下存在奇點，從而攻克了七大"千禧年數學難題"之一。他將這一突破定性為"AI能夠生成新知識"的里程碑，並認為這預示着AI在攻克疾病、開發新藥等領域的雄心將發生"真正的變化"。與此同時，他透露，自ChatGPT Work推出以來，智能體的採用曲線"幾乎垂直上升"，ChatGPT每周活躍用戶已"遠超10億"。

Brockman表示，公司正將聊天與智能體兩種模式加速融合，推動AI從"對話工具"轉向"能真正主動、持續替用戶分擔工作"的形態。他認為，這纔是AI長期以來真正的承諾——"讓計算機真正按照你的目標和願望運轉"。

Brockman在訪談中將納維-斯托克斯方程的突破描述為一個"意義重大的日子"。他表示，OpenAI的模型找到了一個反例或證明，確認這些理論方程在某些條件下確實存在奇點，即會出現"崩潰"的情形。這一問題長期懸而未決，屬於數學領域最深刻的問題之一。

他強調，這一成果的意義不止於數學本身——這些方程在流體力學領域有廣泛應用，涵蓋洋流、飛機周圍氣流及湍流等現象。但更深遠的影響在於，這表明AI模型已能夠輔助科學家和數學家加速研究進程，並有能力挑戰此前"遙不可及"的問題。"當你擁有這種水平的輔助能力時，談論攻克疾病、開發新藥，這些事情就會變得越來越觸手可及。"Brockman說。

Brockman表示，Astra的發布令他"感到非常謙卑"，社區用戶展現出的創意和應用方式遠超預期。他明確表示，"在計算機使用這件事上，我們已經跨過了一個新的門檻"。

他介紹，用戶利用Astra完成了將實體物理空間測繪並轉化為3D模型、設計可實際製造的零部件等操作。在他看來，這一能力的核心價值在於：AI正從依賴"連接器"——即手工編碼的系統接口——轉向像人類一樣直接操作計算機上的一切應用程序。"早在OpenAI創立之初，我們就懷揣這樣一個夢想：終有一天，能創造出一個AI，在你自己能用電腦做的任何事情上幫到你。我認為，我們現在藉助Astra真正做到了這一點。"

他同時承認，這些能力目前仍主要被技術用戶挖掘，如何將其傳遞給"甚至不知道Blender是什麼的普通消費者"，是公司面臨的核心挑戰之一。

Brockman透露，今年以來，用戶正在從純聊天類場景明顯轉向智能體類場景，自ChatGPT Work推出以來，智能體的採用曲線"幾乎是垂直上升的"。與此同時，他強調聊天場景"依然生機勃勃"，ChatGPT的市場份額已重新開始攀升。

他指出，目前聊天與智能體是兩種不同形態，但這只是階段性狀態。公司正在推進二者的統一與融合，目標是讓AI不再要求用戶關注上下文窗口、模型選擇、思考強度等底層細節，而是真正聚焦於幫用戶解決問題、"把時間還給用戶"。

他也坦承，產品能力不斷擴展帶來了一種"先行者劣勢"——大量早期用戶已對ChatGPT形成固定印象，而當前能力已遠非彼時可比。他認為，這本質上是一個"發現問題"，整個行業都需要正視，而ChatGPT每周超十億的活躍用戶規模，同時也構成了重新觸達老用戶的巨大機會。

Brockman將OpenAI在健康領域的佈局劃分為三個方向：面向普通用戶的消費者端（每周有3億用戶提出健康相關問題）、面向臨床醫生的專業調優版本，以及直接向醫院銷售部署的企業端（包括與Epic系統的集成合作）。

他認為，這三大支柱各自成熟後將產生協同效應，有望真正變革醫療體驗。他以自身經歷為例——其妻子曾歷經五年輾轉多位專科醫生、最終才被確診患有一種影響全身的遺傳性疾病——指出當前高度專科化的醫療體系存在嚴重的信息割裂問題，而AI的價值正在於能夠跨領域打通信息、識別人類醫生難以發現的關聯模式。"能真正深入幫助你打通生活方方面面，同時在醫學所有領域擁有深厚專業知識——這纔是AI真正的力量和潛力所在。"他說。

針對外界對Operator項目的質疑，Brockman將其定性為"時機問題"，而非失敗。他表示，Operator當時的模型能力"剛好在門檻之下"——作為一個基於雲端的計算機操作系統，速度慢、準確性不足，"用起來相當痛苦"，未能跨過實用性門檻。

但他強調，Operator的價值在於為後續能力積累提供了真實世界的部署經驗。此後團隊長期專注、系統性解決積壓問題，最終在Astra中實現了真正的突破。他將這一過程概括為OpenAI的核心工作方式："每當我們真正把一項挑戰擺在面前，認真思考如何安全、妥善地完成它，真正去交付價值的時候，我們就是這麼做事的。"

Brockman同時指出，今年公司整體運作已從"大公司式產品實驗"切換回"創業公司式專注模式"，這是推動當前一系列進展的重要背景。

以下為訪談全文：

主持人：今天邀請到了OpenAI聯合創始人兼總裁Greg Brockman。歡迎來到節目，Greg，最近怎麼樣？

Greg Brockman：挺好的，謝謝邀請。

主持人：謝謝你抽空過來。今天是個大日子，能不能先聊聊數學方面的這個突破？到底發生了什麼？為什麼這件事這麼重要？我知道相關的時間線上有不少反覆的說法，希望你能給我們講清楚，納維-斯托克斯方程今天到底發生了什麼。

Greg Brockman：對於AI和現代科學進步來說，這確實是意義重大的一天。今天我們宣佈，我們的模型解決了納維-斯托克斯方程問題——我們找到了一個反例，或者說一個證明，證實這些理論方程在某些條件下確實存在奇點，也就是說會"崩潰"。這個問題懸而未決已經很久了，它是七大"千禧年難題"之一，屬於數學領域中最深刻、最重要的問題之一。

我認為這個問題本身很重要——這是人類的新知識，這個證明本身也非常優雅、非常漂亮，我覺得這裏面有很多值得學習的地方。這些方程在流體力學和其他領域都有很多應用。但對我來說，更重要的是，這件事代表了我們目前模型能力所處的水平——我們真的可以生成新的知識，可以從這些模型中學習，讓它們幫我們解決那些原本遙不可及、或者需要花很長時間才能解決的問題。

主持人：那我該怎麼理解這件事呢？這會幫我訂機票嗎？會幫忙攻克癌症嗎？還是說，這只是幫你們招募那些對這類東西着迷的研究員？因為我覺得，這件事已經在科技圈掀起了波瀾，但我猜，這不會成為那種朋友家人聚在後院燒烤時會聊起的話題，畢竟大多數人離這個領域隔着好幾層關係。

Greg Brockman：首先，這個具體成果本身，或者說這些方程本身，是有實際應用的——它們能幫助我們更好地理解從洋流到飛機周圍氣流、湍流之類的各種現象。但更重要的其實是，這背後更廣泛的洞見和方法，能夠幫助科學家和數學家進一步加速他們的研究。我覺得這再一次說明：如果我們的模型能幫忙解決這類問題，那接下來會發生什麼？還有哪些問題是可以立刻應用上的？

我認為，當你擁有這種水平的輔助能力和模型能力時，談論攻克疾病、開發新藥，這些事情就會變得越來越觸手可及。我確實認為，我們能夠着手挑戰的問題的雄心程度，將會發生真正的變化。

主持人：即便這件事沒有真正破圈傳到大衆世界，這個周末肯定也會成為熱門話題，因為這個周末大家好像都在聊Blender、聊用Astra搭建各種東西。能不能給我們講講Astra這次發布的情況？反饋怎麼樣？你們學到了什麼？聽起來中間經歷了幾次"重置"，模型的擴展表現得很好。這次發布和之前的發布相比，有什麼不一樣的地方？

Greg Brockman：首先，社區對Astra的反響真的讓我很震撼。說實話，看到大家展現出的各種創意和五花八門的應用方式，我感到非常謙卑、也非常受觸動。可以很明確地說，我們在計算機使用這件事上，已經跨過了一個新的門檻。

這個模型現在真的能夠以一種前所未有的方式，去操作各種不同的應用程序。人們也充分利用了這一點，認真思考該怎麼去創造。很多人展示了3D創作成果，把物理空間實景測繪下來，轉化成3D模型，還在思考能不能用它來設計實體零件。有人分享了他設計一個"淋浴排水口防堵毛髮裝置"的過程——這挺酷的，他們現在真的能把這個東西製造出來了，這算是"淋浴防堵毛髮超級智能"了吧（笑）。

主持人：是的，這些東西聽起來很平常，但其實特別重要。我感覺很多這類應用往往會被忽略。

Greg Brockman：沒錯。我覺得這裏有個很關鍵的點：我們有時候談的是那些宏大的挑戰，或者一些很小衆的應用場景，但真正重要的是——你日常生活中那些想要解決的問題，現在真的可以被解決了。我們真正想做的，是賦能每一個個體，讓每個人都能擁有"超能力"，能夠完成更多事情。真正去造福人們、賦能人們，打造能真正幫到你日常生活的工具，這就是我們正在做的事情。

主持人：看起來這個周末，科技圈裏有大量人用Blender把自己家徹底"重建"了一遍，規劃了一次翻修，多虧了Astra。不過我很好奇你們怎麼把Codex、ChatGPT Work、桌面版ChatGPT這些整合到一起。我現在有一台裝了英偉達顯卡的遊戲PC，還有一台Mac mini，各種設備都有——我知道自己這麼折騰其實沒必要，對我來說更像是種樂趣，是那種"早期嚐鮮者"願意東拼西湊去解鎖各種能力的階段。但未來，這一切應該都會被收進同一個提示框裏，我隨口問一句"我該不該翻修房子"，它可能就直接幫我建出一個3D的Blender模型來回答這個問題。你怎麼看，這個周末我們看到的這些"重度玩家"展示出的能力，未來要怎麼才能真正走進那些甚至不知道Blender是什麼的普通消費者手中？

Greg Brockman：我覺得你說得完全正確——我們確實很想把這些工具，從原來那種需要用戶具備底層操作能力或指導的模式，轉變成真正讓人能夠"自由飛馳"的狀態：讓用戶真正被賦能，去設定目標和方向，同時你依然應該能感覺到自己可以深入到細節裏去，能夠理解它，能夠提供監督——因為歸根結底，你應該對最終結果負責。但與此同時，你也擁有一個絕對意義上的"放大器"，就像蹦床，或者像是"給思維裝上的火箭"，隨便你怎麼打比方。

我覺得，從實際層面來看，今年我們確實明顯看到，用戶正從純聊天類場景轉向智能體（agentic）類場景。但我也想強調，聊天場景依然生機勃勃——我們現在每周活躍用戶已經遠遠超過10億，你可以看到ChatGPT的市場份額又開始重新攀升，因為我們在教育、醫療以及其他很多對人們重要的領域，都投入了大量精力去做各種應用。與此同時，那些注重生產力、深度知識工作的應用場景，正在真正起飛——自從我們推出ChatGPT Work以來，智能體的採用曲線幾乎是垂直上升的。

我認為，聊天和智能體這兩種模式眼下確實是兩種不同的形態，但這只是一個階段性的狀態，我們正在持續推進把它們統一、融合起來，我們也開始看到一種全新的、人們更願意接受的AI消費形態正在浮現。我覺得，這其實正應驗了AI一直以來的承諾——你能擁有一個可以對話、並且能真正主動、持續地替你分擔工作的東西。如果把時間往回倒五年、十年，人們對AI的期待，絕不會是一個"底層語言模型"——你還得考慮上下文窗口、還得選擇思考強度、還得挑不同的模型，這些都不是未來該有的樣子。

所以我認為，我們正在朝着真正的"能力放大"邁進：真正把時間還給用戶，讓計算機真正能夠按照你的目標、你的願望去運轉。我認為這纔是核心所在。我們也在安全地推進這一切——這是我們做出的核心承諾之一，也是我們思考這件事的方式。我們確實看到，這些工具的能力正開始快速提升，用戶能做到的事情也在不斷增加，而像Blender這樣的底層工具，正逐漸變成一個"幕後細節"，逐漸淡出用戶的視線——這絕對是我們前進的方向。

主持人：在AI這個領域，感覺存在一種近乎"先行者劣勢"的現象——已經有幾十億人嘗試過ChatGPT，其中一部分人是第一次接觸，對這個產品能做什麼已經形成了某種固定印象。而即便是最近這幾周，也不斷有新的智能體、新的產品上線，人們一試之下驚為天人。我覺得這挺有意思的，因為我自己算是那種拼命想把ChatGPT用到極致的人——比如說我一直掛着一個智能體，專門幫我盯着SpaceX的每次發射時間，一旦延期就通知我，這種在後台持續運行的智能體。但從戰略角度看，我覺得這其實是一種新型的挑戰，因為隨着能力不斷擴展，先行者幾乎需要不停地向市場提醒，"看，這裏還有這麼多閒置的新用法可以挖掘"。

Greg Brockman：這個問題我們確實想了很多。我覺得這是一個"發現問題"（discovery problem），整個行業都需要認真、正式地去面對，雖然我們還沒有完全解決，但我認為，比起以往任何一款產品，我們其實有真正的機會把這件事做得更好。

目前我們依賴的，你想想ChatGPT和ChatGPT Work，本質上都是一個文本輸入框——就好比"這個新的文本框比舊的文本框強大得多"，但（笑）出於某些原因，人們還是更願意用那個舊的文本框，因為新的東西"太讓人困惑了"。人們真正想要的，是一個能幫他們解決問題的東西，整件事的意義就在於把時間還給用戶，而不是逼着用戶去搞懂所有這些內部細節。但與此同時，我們也擁有一個能理解你真實意圖的模型——你告訴它"我想要什麼"，它對你已經有了大量的背景了解，所以它其實也應該能夠主動提醒你，比如："其實如果你換個方式問我"，或者"如果你添加這個連接器"，或者"如果你授權我做這件事"，或者"如果你以這種方式接入你的憑證"，我就能幫你去做另外這件事。

所以我們花了很多心思去思考這種"自我認知"的過程、這個引導用戶上手的過程，我認為這是一個巨大的機會。你提到的那種劣勢確實存在——人們嘗試過一次，形成了印象，而現在的東西已經不一樣了；但同時也存在優勢——ChatGPT每周活躍用戶超過10億，這種使用規模是獨一無二的，沒有任何其他模型能達到這個量級。而且，之前嘗試過ChatGPT的總人數，我記得大概是10億到15億左右，這對我們來說也是一個巨大的機會，可以重新回到這些老用戶身上，告訴他們："嘿，我們現在可以幫你解決這個問題了，可以用你之前沒見過的方式幫到你了。"

而且這是真實存在的——你看看現在有多少人用ChatGPT來查健康類問題，每周有3億人在問健康相關的問題，這真的在切實改變着人們和他們所愛之人的生活。所以我們面前的機會真的非常大。

主持人：能不能繼續聊聊健康這個話題？在那之前我想先說一點——我覺得這點很有意思，可能也是OpenAI可以做得更好的地方：現在AI行業裏的每家公司，從營銷角度看，都想成為"AI界的蘋果"。但大家一想到"蘋果式營銷"，腦子裏浮現的往往是"Mac對戰PC"，或者1984年那支經典廣告，那種大型品牌戰役。但蘋果在營銷上真正做得好的地方，其實是他們會反覆強調產品裏那些非常具體的細節——比如他們會專門為新相機做廣告，專門為Memoji做廣告，專門為Safari裏的某個具體功能做廣告。而AI這個領域，需要傳達的信息量其實要大一個數量級，因為它能做的事情實在太多了。所以我覺得，公司在廣告投放上其實有巨大的空間——品牌宣傳片當然很棒，Astra的發布視頻也做得非常精彩，但其實應該有那種專門宣傳ChatGPT具體某項能力、告訴大家"這能幫你省下多少時間"的廣告牌。

Greg Brockman：這一點我今年確實深有體會，算是真正意識到了這一點。舉個例子，我們啱啱發布了ChatGPT圖像2.5版本，如果你去看那支發布視頻，我最喜歡的地方在於：它展示了有人創作了一張圖片，然後展示了一大堆不同的變體，最後展示了這個人挑出自己最喜歡的那個版本，並把它變成了現實中的實物——比如有人說"這是我畫的一個燭台小草圖"，你會看到一個很棒的可視化效果，接着看到這個燭台真的被做出來擺在那裏，你會立刻明白："對，這就是我想要的東西"，它一下子就能打動你。

我認為，真正向人們展示一個具體的使用場景非常重要。還有一點讓我有點意外的是，我們有時候會展示一些比較小衆的應用場景，對某個特定的人來說效果驚豔，但其他人不會因此聯想到："既然它能做到這麼厲害的事，那我是不是也能用它解決我一直想解決的另一個問題？"這種聯想，其實比我原本想象的要難建立得多，不過仔細想想也合理。你真正想要的，是那種能讓人一看就說"我現在就想要這個東西，我這就去試試"的具體使用場景，然後從那裏開始，他們會不斷去探索，逐漸發現："原來我確實有這樣一個強大的應用場景，只是我當時都沒意識到。"

主持人：對，Sora大概是這種效果發揮得最好的例子了。另外一點是，要不斷提醒用戶去主動問問AI它到底能做什麼。我之前和一個做房地產開發的朋友喫飯，他整天都在用ChatGPT寫各種交易備忘錄，理解他手頭在做的各種項目，他經常會問我："ChatGPT能不能做這個，能不能做那個？"我說，我很樂意回答你，但其實你手頭就有一個工具，能直接跟你解釋清楚具體該怎麼做到你想要的事——也許它做不到，但大概率是能做到的。

Greg Brockman：對，我自己也是這樣。我之前在折騰Blender那個項目的時候，也在想："我該把這個當作本地Codex線程來跑，還是放到雲端跑？"我就直接問它，讓它根據我的系統情況給我建議哪個更好，它給了我一個很好的答案，我就照着做了。

主持人：說到圖像生成，2代模型剛出來的時候，我一度覺得"圖像生成這事兒已經被解決了"。你覺得圖像生成這個品類接下來會走向哪裏？因為這感覺是所有功能裏，對我來說"一次成型"效果最好的東西——尤其是它剛發布的時候，我有一個周六花了好幾個小時在設計傢俱，試了成百上千個提示詞。圖像模型到底還能走多遠？未來的方向是什麼？還有哪些應用場景是你覺得值得關注的？我們之前也聊到過圖像模型的下游影響——如果你能拍一張某個實體空間的照片，然後把它想象成各種不同的變體，這會帶動大量現實世界中的實際行動，因為人們能"看見"這個東西。

Greg Brockman：對，然後他們會說，"我現在就想把這個變成現實"，我覺得這真的很酷。

主持人：沒錯。

Greg Brockman：我覺得這正是理解這件事的正確方式：每當你跨過一個新的能力門檻，從我的經驗來看，總會解鎖一些你事先根本想不到的全新應用場景。所以我認為，在知識型工作、專業性工作、營銷等等這些領域，你只需要越過某個質量門檻——如果達不到，那頂多算是個不錯的概念，但最終成果沒法真正拿來用，也就等於問題並沒有真正被解決。

而擁有精確的編輯控制能力、足夠快的響應速度、真正的創造力，加上結果的多樣性，以及能和用戶之間形成良好的來回互動——我認為這些真正解鎖了全新的應用場景，這背後是一個巨大的市場。舉個可能不那麼容易想到、但實際上正變得非常重要的應用場景：製作幻燈片，或者搭建精美的網站。能夠在這個過程中嵌入圖像生成能力，這一點相對於我們的一些競爭對手來說是OpenAI非常獨特的優勢，這樣一來，你就能產出質量高得多的下游成果。所以我們其實是把圖像、語音、編程這些能力，都看作同一個整體的組成部分，它們會匯聚在一起，打造出一個真正能賦能用戶的AI——意味着你可以創造出任何你能想象到的東西。我覺得這會是一種前所未有的存在。

主持人：說回健康這個話題。我想大多數人已經知道，你可以把一些化驗數據和睡眠評分綜合起來分析，但你最近勾勒的這款產品的未來方向，感覺複雜得多，也深入得多。能不能講講ChatGPT在健康領域未來會走向哪裏？

Greg Brockman：我會把我們在健康領域做的事情，理解成三個方面。

第一是消費者端——剛纔提到的，每周有3億人在提健康相關的問題。

第二是臨床醫生端，這是自下而上的方向，本質上是一個專門為臨床醫生打造的、經過調優的ChatGPT，能給他們提供直接引用醫學文獻等等的能力。

第三個支柱是企業端，也就是直接賣給醫院、讓醫院來部署使用——你可以看到，比如我們和Epic系統有集成合作，我們正努力讓這三大支柱分別做到最好的獨立服務。但隨着這三者逐漸形成勢頭，你會發現它們之間其實能夠產生協同效應——這纔是真正有可能改變美國乃至全世界醫療體驗、真正變革醫療行業的關鍵所在。

想想看，作為一個患者，你需要做多少工作：如果你要看不同的專科醫生，你得把自己的病歷從一個醫生帶到另一個醫生那裏，還得反覆解釋一遍"我的問題是什麼"；但最終，做決定的責任還是落在你身上——不管你願不願意，你纔是那個必須做出決策的人。如果所有信息都能在不同醫療機構之間順暢共享，而這一切建立在同一個平台之上，這就變得可能了。再比如說臨床試驗招募——這是藥物研發中一個巨大的瓶頸，要找到符合條件、並且真正能從參與某項試驗中獲益的人。如果你擁有這樣的數據，如果人們願意把這些信息託付給你，那這既能真正造福他們本人，同時也能造福整個世界。

所以，我理解我們正在做的事情，其實是在努力打造世界上最好的醫療健康平台，真正把醫療行業帶入AI時代。我認為這將徹底改變很多人的生活質量，能真正提升非常多人的生活水平——而且我們已經在很具體的層面上看到了這一點。我最喜歡的一些關於ChatGPT的故事，就是有人說："嘿，我從ChatGPT那裏得到的信息救了我自己一命"，或者"救了我所愛之人的命"——有人遇到了某個醫療問題，醫生跟他說了A，但他通過ChatGPT去核實、理解醫生說的話，甚至據此對醫生提出了質疑，最終得到了一個好的結果。這樣的事情，每天都在發生。所以我認為，AI在健康領域的應用，我們其實才啱啱觸及冰山一角，這也是AI所有應用場景裏，最積極正面的一類應用之一。

主持人：是的，我特別好奇記憶功能的進步會怎樣和健康結合起來——因為我預想，隨着ChatGPT的記憶能力不斷發展，也許我開一個新對話，它就能自動調出恰好相關的信息，或者能關聯到三周前的某段對話。如果你把這種能力真正應用到健康相關的問題上，它或許能識別出某些模式——那種通常需要人類花上好幾年才能發現的模式，比如某種病症之類的："嘿，你之前問過的這些看似不相關的問題，其實是有關聯的，你可能得順着這條線索深挖一下。"

最後一個問題——抱歉，你先說。

Greg Brockman：我正想說，我完全同意這個判斷，我們已經非常具體地看到了這樣的例子。就拿我自己的親身經歷來說——我妻子曾公開談過她的一些健康狀況，那其實是一段長達五年的求醫經歷：她看了很多專科醫生，每個醫生都只關注這個"大象"的一部分，只處理各自負責的那一小塊。直到最後，是一位過敏科醫生說："我覺得你出現的這些症狀其實是相互關聯的，你其實患有一種影響全身各個系統的遺傳性疾病。"

這種情況真的很難說清楚，到底有多少人正遭遇類似的困境，卻從來沒能找到真正的答案；有多少人正處在那種"高度專科化"的診療體系裏，永遠沒辦法把整體的診斷拼湊到一起。我認為，這正是AI真正的力量和潛力所在——它能夠真正深入地幫助你打通生活的方方面面，同時也在醫學的所有領域都擁有深厚的專業知識。

主持人：好，最後一個問題。你會怎麼講述Operator這個項目的故事？它看起來像是一次失敗，或者說是一段"支線任務"，但考慮到現在計算機使用能力的進步，它現在看起來又變得極其重要。這中間有沒有一條清晰的傳承脈絡？Operator到底是什麼？它是不是依然以某種形式存在於ChatGPT內部？計算機使用這個問題究竟是怎麼被解決的？

Greg Brockman：我會把這一切都看作是時機的問題，也是"迭代式部署"這個理念的體現。總會有那麼一個時刻，模型能力還沒完全到位，但從真實世界的部署中學習，其實是非常有幫助的。我認為Operator當時的模型能力，其實是剛好在門檻之下——它是一個基於雲端的系統，能夠操作計算機，但速度慢，也不夠準確，用起來其實相當痛苦，雖然有些人確實從中獲得了價值，但整體來說確實沒有跨過那個門檻。

如果你回顧一下後來發生的事情——OpenAI有一點做得非常好，就是我們會對真正重要的事情進行長期投入，然後踏踏實實地埋頭苦幹。今年，這個團隊真正開始積累起勢頭，投入了大量精力，去系統性地清理掉一長串積壓的問題，真正聚焦在解決"計算機使用"這個問題上，我認為他們交出了一份分量十足的成果單。當然還有很多事情要做，永遠不會有"徹底完成"的那一天，但這確實是一個真正的里程碑。我覺得大家現在真的能體會到這件事的意義，因為過去我們一直生活在這樣一個世界裏：這些智能體是通過"連接器"來操作電腦的，也就是那種極其費力手寫編碼出來的系統，和人類使用電腦的方式完全不同——而人類其實早就能夠使用電腦上的一切功能了，因為一切都是為人設計的。

所以，如果你擁有一個能像人類那樣操作電腦的AI——事實上早在OpenAI創立之初，我們就懷揣着這樣一個夢想：終有一天，我們能創造出這樣一個AI，它能在你自己能用電腦做的任何事情上幫到你。我認為，我們現在藉助Astra真正做到了這一點。我相信，未來人們還會不斷發掘出更多的應用場景。但這本身就是一個很好的例子，說明了長期專注、腳踏實地、即便遇到困難也絕不放棄的重要性。

主持人：確實，我自己的感覺是，Astra真的像是把好幾條不同的技術路線，恰好在對的時間點匯聚到了一起——模型本身的進步、計算機使用能力、語音能力，所有這些東西……一切都變得說得通了。

Greg Brockman：沒錯，這一切匯聚在一起，靠的是專注。我認為這正是這家公司做得極其出色的地方——每當我們真正把一項挑戰擺在面前，認真思考該如何安全、妥善地完成它，真正去交付價值的時候，我們就是這麼做事的。

主持人：換個角度說，回顧去年，感覺OpenAI當時的運作方式更像是一家"大公司"——當然它本身確實是一家大公司了，但當時那種產品實驗的方式，更像是一個超大規模科技公司的做法：推出一個新產品，心想"只要有20%的命中率，甚至10%、5%的成功概率，那也可以接受"。而今年，感覺整個公司又切換回了真正的"創業公司模式"——那種"專注、專注、再專注"，所有事情都必須匯聚到一起，整個團隊都得朝着同一個方向划槳。由此帶來的勢頭、增長各方面的差異,把公司從原本那種像大公司一樣運營、發布產品的狀態，重新拉回到像創業公司一樣去發布產品、保持專注的狀態——這幾乎是一件不可能完成的任務，但能看到這個過程真的令人驚歎。所以，謝謝你。

Greg Brockman：不客氣，這確實是OpenAI很多很多人共同努力的成果，是我們真正想要凝聚起來的東西——我覺得這也是我們作為一家公司真正看重的東西：我們始終高度聚焦於我們的使命，認真思考我們所做的每一件事，是否真正在為實現這個使命添磚加瓦。

主持人：非常感謝你抽空來和我們聊天，很高興見到你，我們很快再聊，Greg。

Greg Brockman：謝謝，祝你今天接下來一切順利，再見。