OpenAI到底做对了什么？李建忠研思

OpenAI通过一系列在AI技术和产品上的突破，引爆了通用人工智能（AGI）的发展，被微软CEO 萨提亚 · 纳德拉称为“堪比工业革命的技术浪潮”。OpenAI趟出来的以大语言模型为主的AGI技术路线，也基本上宣告了其他AI技术路线的终结，这样以一己之力改变整个领域航道的，在技术史上也是空前绝后。一个区区两三百人（在去年底推出ChatGPT时，OpenAI团队大约270人）的创业公司，何以在众多巨头逐鹿多年的AI竞技场一路披荆斩棘，摘得通用人工智能的圣杯？无论在硅谷，还是在国内，很多人都在问：

为什么AGI这样史诗级的革命，背后的核心推手竟然是OpenAI这样的创业公司？OpenAI到底做对了什么？

我自从2016年开始一直追踪研究AI领域的产业发展，每年筹办全球机器学习技术大会（ML-Summit）的工作原因，陆续和很多来自OpenAI的专家、包括Ilya Sutskever（首席科学家）、Lukasz Kaiser（Transformer共同发明人）、Andrej Karpathy（联合创始人）、Ian goodfellow（GAN之父）等经常接触和交流。很早就注意到了OpenAI这个在AI领域特立独行的“异类”。

如果回看AI产业的发展历史，和OpenAI历史道路上的诸多关键选择，我几乎惊叹地发现，作为一家创业公司，OpenAI在每一次关键的岔路口上，都毫不犹豫地选择了“难而正确”的决定。回顾OpenAI发展历史上这些“难而正确”的选择，我觉得对于我们今天很多AI领域的同行者会有重要的启发。

愿景和使命：剑指通用人工智能

「我们的目标是以造福全人类的方式推进人工智能。今天的AI系统虽然令人惊叹，但很多表现又不免差强人意。但在未来，AI极有可能在几乎所有智力任务上达到人类的表现。这项事业的结果是不确定的，工作是困难的，但我们相信我们的目标和结构是正确的。」

这段话是我摘抄自OpenAI 在2015年12月刚成立不久创始团队发表的“愿景和使命”博客中的一段文字。八年后的今天读来，感受仍然是真诚和激荡的。

OpenAI能够在2015年整个AI领域被各种迷雾笼罩的时候，就提出“通用人工智能”这一强大的“愿景和使命”，是建立在创始团队对人工智能的坚实信仰、深刻理解和现状研究基础之上的，我将这些合称为对通用人工智能的“愿力”。这样的“愿力”，帮助OpenAI此后在人工智能的发展道路上一次次守正出奇。

“愿景和使命”在今天浮躁的创投圈，很容易被异化为“忽悠VC和给员工画饼”。但如果研究人类科技发展史，你会发现在一个领域提出强大的“愿景和使命”，是成为一个领域拓荒者的鲜明特征。反过来说，但凡革命性的事情，都有极大的难度，没有强大的“愿景和使命”指引，遇到困难就很容易放弃和溃散。因此，对于那些坚定信仰的创业者，我鼓励大家大声讲出你的“愿景和使命”。我也希望我们的创投界、媒体界对于创业者的“愿景和使命”要鼓励支持、而非奚落鞭挞。

我时常在想如果将时间拉回到2015年，如果30岁的Sam Altman和29岁的Ilya Sutskever这两位毛头小子在我们的某个创投活动上讲出上述“愿景和使命”，是不是会被一众“大佬”唾沫星子淹死？事实是OpenAI在成立时就获得了大约1亿美金的捐赠，彼时OpenAI还是以非赢利性组织的方式成立的。

技术路线一：无监督学习

OpenAI刚成立不久，就在Ilya Sutskever的领导下下注“无监督学习”这条道路。熟悉AI研究领域的朋友都知道，今天这个看起来无比正确的决定，在2015-2016年，绝对不是那么显而易见。因为彼时的人工智能领域，通过标注数据方法的“监督学习”大行其道，在很多垂直领域比如推荐系统、机器视觉等，效果也更好。

而“无监督学习”在理论突破和工程技术上彼时都非常不成熟，效果也大打折扣，属于典型的“非主流”。但无需人工标注数据的“无监督学习”具有强大的普适性、且易扩展，通过大规模的数据预训练，模型就能学到数据中蕴涵的人类丰富的知识，从而在各类任务中大显身手。对于“通用人工智能”这一目标来说，“无监督学习”显然具有“任务的普适性”和依据海量数据进行快速“scale（扩展）”的能力。

今天来看，很多“监督学习”方法都被OpenAI的“无监督学习”大幅甩开，但在当时选择“无监督学习”显然属于“难而正确”的决定，这样的关键道路选择和OpenAI对AGI的愿景是密不可分的。

技术路线二：生成式模型

当2016年，各种“识别”类任务（如视觉识别、语音识别等）大行其道时，OpenAI在2016年6月发表《生成式模型（Generative Models）》中开篇就引用著名物理学家费曼的名言“What I cannot create, I do not understand. 如果不能创造，就无法理解”。也将OpenAI的研究重心放在生成式任务上。

而彼时虽然有Ian goodfellow 发明的GAN（生成式对抗网络）的惊艳时刻，但它的不可解释性，以及相较于识别类任务的“有用”，总体上，主流的人工智能业界其实对于生成式模型的判断是“难度大，但用处不大”。

但通读《生成式模型（Generative Models）》文章中，可以看出OpenAI团队对于生成式模型是“AGI必经之路”的坚定，就能体会出OpenAI团队卓尔不群、坚定自我的特质。

技术路线三：自然语言

虽然在2012年深度学习进入工业界成为主流方法之后，机器视觉很快成为更为成熟、效果更好、变现能力也更强的领域。虽然Ilya Sutskever也是通过AlexNet参加ImageNet大赛拔得头筹而在机器视觉领域一战成名，但OpenAI在做了一些尝试之后并没有选择视觉作为主攻方向，而是选择了押注更难、更险的“自然语言”。

相对视觉、语音等领域，自然语言处理长期被认为是相对落后的领域，因为自然语言任务具有巨大的复杂性和解空间，很多方法在某一个单一任务上可以，但放到另一任务上就表现很差，起伏不定。业界也有说法，自然语言处理是人工智能领域的“圣杯”。

在尝试OpenAI Gym（开源强化学习平台）和OpenAI Five（使用强化学习打Dota2游戏）的同时，OpenAI在使用无监督学习来进行自然语言的任务上走的越来越远。特别是2017年通过生成式方式来预测 Amazon 评论的下一个字符，取得了很棒的效果。

为什么OpenAI选择押注自然语言？套用著名哲学家维特根斯坦“语言的边界就是世界的边界”。如果用Ilya Sutskever的话来说 “语言是世界的映射，GPT是语言的压缩”。就人类智能而言，自然语言是核心中的核心，而其他视觉、语音等都不过是自然语言的辅助佐料。

正是有了对自然语言通向AGI道路信仰般的押注，等到2017年6月12日Google的Transformer奠基性论文《Attention is All You Need》一发布，用Ilya Sutskever的原话说论文发表的第二天，他看到论文后的第一反应是“就是它了”。Transformer模型从理论上颠覆了前代RNN、LSTM等自然语言处理方法，扫清了OpenAI团队苦苦探索自然语言领域的一些关键障碍。

然而遗憾的是，Transformer这一理论模型并没有在Google内部得到足够的重视，反倒让OpenAI团队如获至宝。这一幕像极了1979年乔布斯参观施乐PARC研究院的Alto电脑上的图形界面（GUI）和鼠标后，回到苹果就开始押注图形界面并开启了轰轰烈烈的个人电脑时代，而施乐PARC的领导层却迟迟看不到GUI向普通大众释放的巨大计算潜力。而亲自打造Transformer的七位共同发明人后来也陆续离开Google，有的加入OpenAI（包括我们2021年全球机器学习技术大会的keynote speaker、OpenAI研究科学家Lukasz Kaiser），有的在硅谷VC支持下创办新一代人工智能公司。很有点当年硅谷仙童半导体“八叛徒”的昨日重现。

技术路线四：解码器

在Transformer打开了大语言模型的理论窗口之后，大语言模型发展出了三种路线。第一种，以Google BERT、ELECTRA为代表的Encoder-Only（编码器）路线；第二种，以Google T5、BART为代表的Encoder- Decoder（编解码器）路线；第三种，以OpenAI GPT为代表的Decoder-Only（解码器）路线。

这三种路线，Encoder-Only路线适合理解类任务，很难应对生成式任务，也不具有好的扩展性和适应性，虽然被Google BERT在个别子领域一度带火，但现在几乎处于被主流抛弃的地步。Encoder- Decoder路线适合特定场景任务，但通用性和扩展性也比较差。Decoder-Only路线首先非常适合生成类任务，同时对各类任务都具有很好的通用性，在工程上也具有很高的可扩展性（scale），非常适合将模型规模做大。

基于这些特点来看，要以AGI通用人工智能为目的地的话，那么Decoder-Only路线显然是不二选择。从上面的大语言模型进化树来看，可以看出GPT选择的Decoder-Only路线显然引领了大语言模型的发展和繁荣。

技术路线五：从强化学习到对齐

通过以上的无监督学习、生成式模型、自然语言、解码器这几个关键的技术岔路口选择之后，GPT模型显然已经奔赴在通往AGI的康庄大道上了。但是GPT的强大也引入一些新的隐忧，它的强大会不会为人类带来危险、破坏人类价值观、帮助作恶、扰乱社会秩序、甚至威胁人类的生存？

这是严重违背OpenAI的愿景和使命的。如何将强大的GPT模型与人类价值观和社会规范对齐？强大之后如何变得“对人类有用”？技术的问题要靠技术来解决。这时候OpenAI在早期训练Dota游戏智能代理时积累已久的强化学习功底就派上用场了。通过在预训练之后加入基于人类反馈的强化学习（RLHF，Reinforcement Learning from Human Feedback）来教导AI做一个对人类有益的“好的AI”，设立护栏，防止被用来做恶。这方面，OpenAI想得很远，投入的也很大，配得上它的“愿景和使命”。

工程智慧：Scale Law

如果回顾OpenAI在历史上做的一系列技术选择，我们会发现几乎所有的选择都是围绕“是否有利于通用人工智能Scale”的原则进行的，而与该技术在当时“是否能快速变现”、“是否主流”、“是否容易上手”、“是否效果立竿见影”完全无关。

做过技术架构，或者商业战略的人也都知道，“快速易扩展”是好的技术架构或者商业模式的“铁律”。这一铁律同样适用于通用人工智能的发展。OpenAI的团队显然是洞悉这一点的。他们甚至在2020年发表了一篇著名的论文《Scaling Laws for Neural Language Models》来总结模型参数、训练数据集大小、算力投入（FLOPs 每秒浮点操作）、网络架构之间的扩展法则。

其实除了模型的Scale Law，OpenAI对于迈向AGI道路上的各种Scale力量都有非常深刻的洞见和睿智的选择。

产品智慧：从超级应用到生态平台

从2018年OpenAI推出GPT 1.0到2020年GPT发展到3.0，OpenAI这时已经拿到大语言模型这样一张王牌，但怎么出牌也很重要。历史上握着一手技术好牌，但是打得稀烂的也比比皆是。以OpenAI强大的“通用人工智能”愿景来说，不做平台型公司是很难的。但是科技史上一上来就做平台的公司，大部分都折戟沙场。反观那些成功的平台型技术公司，绝大多数都是先从建立“超级应用”开始的。

历经硅谷顶级孵化器YC总裁的锻炼，OpenAI的另一位灵魂人物CEO Sam Altman，当然是产品战略高手中的高手。OpenAI选择先从ChatGPT这一“超级应用”入手，通过短短几个月的时间，积累了上亿的用户、海量的交互数据、和极强的品牌号召力，才有后面的ChatGPT API, Plugins等一系列大手笔的平台布局。以目前各种渠道的消息来看，OpenAI在产品上还有很多大招，让我们拭目以待。

顺便提一下，我在前面《AGI时代的产品版图和范式》文章中，也更深入地谈了很多我对AGI时代产品创新的思考。

股权设计：限制盈利公司

OpenAI最早是以非盈利组织的方式成立，初期资金以捐赠的方式募集。但显然创始团队低谷了发展AGI需要的硬件和人才投入，也高估了捐赠的兑现（早期承诺的捐赠后来其实很多没到位）。因此到2019年3月，OpenAI重新设计公司治理架构，改为“限制盈利”的公司，接受微软10亿美金投资。

“限制盈利”规定向OpenAI投资的股东，未来从OpenAI能够获取的利润分配最多到投资额X100倍的上限。超出部分将由非盈利组织OpenAI Nonprofit控制。

这一精妙的股权设计既能吸引OpenAI所需要的投资，又防止了AGI过于强大而攫取巨额利润。平衡了发展AGI需要的商业支持和AGI造福全人类这一宏大愿景之间的矛盾。我觉得若干年后回看历史，这一股权设计也是商业史上一个伟大的发明。创始人兼CEO Sam Altman不拿股权，不求商业回报，一心追求AGI改变世界的胸怀也让人心生敬意。

战略设计：合纵连横

如果将OpenAI比作AI时代的一只小恐龙，那么在AI领域长期重兵投入、市值万亿的Google和微软显然是AI时代的两只大恐龙。OpenAI这样的“搅局者”如果被两只大恐龙中的任何一只盯上，都会惹火烧身。而OpenAI对于ChatGPT这样的“爆款应用”推出所引起的AI战国纷争显然有充分的预判和精妙的战略设计。

OpenAI首先通过和微软这只大恐龙的战略合作，既拿到百亿美金量级的宝贵发展资金，同时又通过GPT赋能微软Bing搜索、半路拦截Google这只大恐龙，还顺带将GPT赋能到自己一时半会照顾不到的B端市场（Azure云服务、Office 365等）以获取适当利润，而自己却可以集中精力、以C端市场为切入点、在构建AGI时代的生态平台上蒙眼狂奔。

这一巧妙利用巨头“创新者窘境”的合纵连横，让一家人数仅有300多估值不过300亿美金的创业公司，同时撬动两家市值万亿美金、员工近二十万的科技巨鳄的战略布局，放眼整个商业史，空前绝后，蔚为大观。

团队架构：学术+工程+产品+商业

读到这里很多朋友可能会问，OpenAI到底什么来头、何德何能如此彪悍？秘密无他，科技公司最贵的就是人才。OpenAI有着足以笑傲AI江湖的联合创始团队组合。

一号位CEO Sam Altman 20岁从斯坦福辍学创办Loopt，于2012年将公司以4300万美金出售。于2014被大自己二十岁的YC创始人、硅谷创业教父格雷厄姆说服接替他担任YC总裁。格雷厄姆很早就看到Sam Altman的卓越才华，在他眼里，Sam Altman就是硅谷未来的乔布斯。Sam Altman在硅谷的创业和YC的经历锻造了他在产品模式、商业战略、投融资方面的顶级才能。

二号位首席科学家Ilya Sutskever是深度学习之父Geoffrey Hinton的关门弟子，从ImageNet大赛一战成名，后来加入Google大脑，发明Seq2Seq大幅改善机器翻译，参与TensorFlow和AlphaGo的研发。是深度学习学术领域当仁不让的“开山功臣”。

总裁Greg Brockman之前创立著名支付公司Stripe并担任CTO，具有极强的工程技术能力和从零到一搭建技术团队的经验。是OpenAI长期的工程技术支柱。除此之外，像Andrej Karpathy 、John Schulman、Lukasz Kaiser等灿若群星的汇聚，使得OpenAI在AI人才密度上放眼全球，都属顶流之列。OpenAI的团队结构也反应OpenAI的AGI创业观：学术、工程、产品、商业，四大支柱缺一不可，而且各个都很强。

除了自己聚焦AGI还不够，OpenAI和Sam Altman还投资了众多核聚变、量子计算、加密货币等公司，围绕能源、算力、财富分配等未来变革进行大手笔布局。这些每一个都剑指AGI的未来。

综上所述，OpenAI无论是在技术的多个岔路口上的关键选择，还是在产品、工程、股权、战略、团队上，都打得一手好牌，是一家非常值得研究和重视的公司，也是我们窥视AGI时代的一扇窗户。

【活动分享】由我2017年发起的全球机器学习技术大会（ML-Summit）将于2023年10月20-21日在北京金茂威斯汀大饭店举办。此次大会的slogan是“拥抱AGI变革时代”，聚焦工程实践，共八大主题：「大模型前沿技术演进，大模型系统工程实践，大模型应用开发实践，AIGC与机器视觉，AIGC 行业应用与实践，AIGC 赋能软件工程变革，ML/LLM Ops 大模型运维，AI Infra 大模型基础架构」。详情参考官网：http://ml-summit.org