OpenAI 怎麼這麼快？一個前創業者的震撼教育

本文整理自 Lenny’s Podcast 2024 年 12 月播出的單集，主持人 Lenny Rachitsky 專訪 OpenAI Codex 產品負責人 Alexander Embiricos。 收聽連結：YouTube

「我以為我夠快了」

Alexander Embiricos 在加入 OpenAI 之前，自己創業了五年，再之前是 Dropbox 的產品經理。他以為自己知道什麼叫做快速迭代、什麼叫做高標準。

他在訪談中坦承：「這說起來有點難為情，因為每個創業者都覺得自己的公司動得超快、人才水準超高、野心超大。但我必須說，在 OpenAI 工作讓我重新想像這些詞到底是什麼意思。」

這種衝擊有數字可以佐證。Codex（OpenAI 的程式碼 agent）幾個月內用戶量成長十倍，「之後又成長了更多」。但更誇張的是 Sora 的 Android app：從零開發到上線，18 天。再過 10 天，登上 App Store 第一名。總共 28 天，一個全新的 app，從無到有到第一名。

這種速度是怎麼做到的？

真正的 Bottoms-Up

當被問到 OpenAI 的組織結構有什麼特別時，Embiricos 的回答是：真正的 bottoms-up（由下而上）。

他強調「真正的」這兩個字。很多公司都說自己是 bottoms-up，但 OpenAI 是「真的、真的」bottoms-up。這個差異讓他在加入時非常驚訝——甚至可以說是震驚。

為什麼 AI 公司需要這麼極端的 bottoms-up？Embiricos 的解釋是：他們根本不知道接下來會出現什麼能力，不知道什麼技術方案會成功，更不知道技術成功後產品會不會被市場接受。這種高度不確定的環境下，傳統的「先對齊方向、再全力執行」行不通。你沒辦法對齊一個連自己都不知道是什麼的方向。

所以他們的策略是：保持謙卑，快速嘗試，從經驗中學習。這聽起來像陳腔濫調，但在 OpenAI 的脈絡下，這意味著把決策權下放到接觸第一手資訊的人。不是主管決定要做什麼、下面的人執行；而是做事的人自己判斷該做什麼，主管提供資源和方向性的引導。

一個研究主管告訴 Embiricos 一個觀察：在 OpenAI，關於「一年以上」的未來，可以有很好的對話——雖然有很多不確定性，但那是值得探討的時間尺度。關於「幾週或幾個月內」的事情，也可以有很好的對話——因為那夠具體、可執行。但中間有一個「尷尬的中間地帶」，大約半年到一年左右，在這個時間尺度上很難做有意義的規劃。

這個觀察解釋了為什麼傳統的年度規劃在 AI 公司不太管用。你規劃的東西，到要執行的時候，前提假設可能已經完全改變了。

Ready, Fire, Aim

主持人 Lenny 用了一個比喻：「Ready, Fire, Aim」（準備、開火、瞄準），而不是傳統的「Ready, Aim, Fire」（準備、瞄準、開火）。Embiricos 認同這個描述，但做了一個修正。

他說，還是有「Aim」的成分，但那個瞄準是模糊的、大方向的。你大概知道一年後你想要達到什麼，你知道 AI 安全是長期要思考的問題，你有一些關於未來的假設。但當談到「具體要做什麼產品、使用者會怎麼用」這種問題時，他們選擇快速嘗試、從市場反應學習。

這跟 Nick Turley（ChatGPT 負責人）之前在同一個 podcast 分享的觀點一致：因為你不知道使用者會怎麼用，花很多時間把產品做完美沒有意義。不如趕快推出一個基本版本，看看使用者怎麼用，然後根據實際使用情況來迭代。

這種做法需要一個前提：團隊要能夠非常快速地回應反饋。如果你推出一個產品，收到負面反饋，但要三個月才能改版，那你就錯過了學習的窗口。OpenAI 的速度讓他們可以在幾天內就回應使用者的問題。

Embiricos 舉了一個例子：他們團隊是「最相信社群媒體反饋」的團隊。他們持續監控 Reddit 和 Twitter 上的討論。Twitter 上的反饋比較 hype、比較正面；Reddit 上的反饋比較負面、但更真實。他們認真看待這些抱怨，因為 coding agent 可以用在太多不同的場景，難免在某些特定用法上會有問題。快速發現這些問題、快速修復，是他們的核心競爭力之一。

人才密度的殘酷現實

當 Lenny 問到「其他公司可以學什麼」時，Embiricos 給了一個誠實但可能讓人失望的答案。

他說：「你不能聽完這個 podcast 就說『我要在我的公司推行這套』。這聽起來可能很刺耳，但我認為很少公司有這樣的人才密度來這樣運作。如果你要採用這種模式，可能需要調整。」

這很殘酷，但很真實。OpenAI 的 bottoms-up 之所以能運作，是因為每個人都有極高的自主性、判斷力、執行力。決策權下放給這樣的人，你得到更快更好的決策。但決策權下放給不具備這些能力的人，你得到的是混亂。

Embiricos 描述他加入 OpenAI 時的感受：「我對這裡每個人的個人驅動力和自主性感到驚訝，甚至是震驚。」這不是招募策略可以輕易複製的。OpenAI 處在 AI 領域的中心，有最有趣的問題、最前沿的技術、最大的影響力，這讓他們可以吸引到那些本來就具備這些特質的人。

對於其他公司來說，這意味著什麼？也許不是複製 OpenAI 的組織模式，而是思考：在你的環境下，什麼樣的結構可以最大化你現有團隊的潛力？人才密度不夠高的時候，可能需要更多的結構和引導；但隨著團隊水準提升，可以逐步放寬。

產品落後於模型

Embiricos 分享了一個有趣的觀點：即使 AI 模型的進步今天就停止了（當然實際上不會），產品端還是遠遠落後。

這是什麼意思？他認為現在的模型能力，我們還沒有充分利用。我們還在用舊的框架、舊的工作流程、舊的產品形態來使用新的技術。這就像有了智慧型手機，但還是用它來打電話和發簡訊，沒有想到可以有 Instagram、Uber、或 TikTok。

這個觀點對產品人來說是一個提醒：不要只關注「模型什麼時候會更強」，也要思考「現有的模型能力，有什麼應用我們還沒想到」。這個空間可能比大多數人意識到的還要大。

OpenAI 的速度，某種程度上就是在追趕這個差距。他們不只是在做模型研發，也在瘋狂地探索「這些模型可以做什麼產品」。Codex、Sora、Atlas（他們的瀏覽器）、各種企業方案——這些都是在回答「AI 可以怎麼被用」這個問題的嘗試。

28 天做一個 app 到 App Store 第一名。這不只是執行力的展示，也是一種訊號：他們認為這個探索的機會成本太高了，慢不得。

啟示

看完這些，我有幾個想法。

首先，「快」不是一個獨立的特質，而是很多東西的結果：人才密度、決策權下放、對不確定性的接受、快速回應反饋的能力。想要變快，需要在這些方面都下功夫，不是喊口號就行。

其次，「尷尬的中間地帶」這個概念很值得記住。如果你在做跟 AI 相關的事，半年到一年的規劃可能特別不可靠。要嘛想更遠（建立長期願景），要嘛想更近（專注在可以快速驗證的事），但不要在那個中間地帶花太多心力。

最後，產品落後於模型這個觀察，對很多人來說可能是一個機會。不需要等下一代模型，現在的模型可能就有很多未被發現的應用場景。找到這些場景、快速驗證、快速迭代——這可能比追逐最新模型更有價值。

OpenAI 之所以快，不是因為他們比別人更努力。而是因為他們建立了一個可以把努力轉換成速度的系統。這個系統不容易複製，但理解它是怎麼運作的，至少可以讓我們知道差距在哪裡。