OpenAI第三弹：OpenAI真正“话事人”Greg Brockman的创业经历

这是 OpenAI 系列的 第 3 篇专题内容，前 2 篇分别是文末 AIGC 专题福利｜OpenAI 商业脉络全梳理，微软这次偷谷歌老家会成功么？ 以及OpenAI第二弹｜揭晓OpenAI创投基金&加速器，以及出手的4个项目案例！ 本期和大家分享OpenAI 真正的话事人 Greg Brockman 创业历程，从早年与来自爱尔兰的 Collison 兄弟一同创立 Stripe，再到创立 OpenAI ，以及 Brockman 个人隐秘的投资版图，全文共分为三个部分： 

1. Stripe 从 0 到 10

• 爱尔兰兄弟与 Stripe 前传

• Stripe 早期创业的细节

• 搭建硅谷顶级工程师团队

• Stripe 与 OpenAI 的异同

2. OpenAI 从 0 到 1

• 组局人 Sam Altman

• 踏足数字货币 Stellar

• OpenAI 真正的话事人

• 谈通用人工智能 AGI

01 Stripe 从 0 到 1

Greg Brockman 当前是 OpenAI 的联合创始人&董事长&总裁，更早之前他也担任 OpenAI 以及 Stripe 两家公司的 CTO（Stripe 4 号员工），帮助两家公司构建了硅谷顶级的工程师文化与团队。 

Brockman 在美国北达科他州的一个农场长大，从小就表现出对 STEM 相关项目的兴趣。2006年，还在读高中的他就代表美国队在韩国举行的国际化学奥林匹克竞赛中获得银牌。 

2007 年，他进入了全国大学预科科学竞赛 Regeneron Science Talent Search 的决赛。2008 年，Brockman 进入哈佛攻读数学和计算机科学双学位，但仅仅待了一年便退学。 

2010 年，Brockman 转至 MIT 就读计算机专业，随后又在几个月内再次退学，并搬到了旧金山，加入的第一家公司不是什么大厂，而是名叫「/dev/payments」的公司，它便是如今大名鼎鼎的支付巨头 Stripe 前身。 

1.1 爱尔兰兄弟与 Stripe 前传

谈到 Stripe，离不开这对来自爱尔兰的 Collison 兄弟。2009 年，哥哥 Patrick Collison（现 Stripe 创始人&CEO） 早于 Brockman 一年从 MIT 退学，在此之前 Patrick Collison 已经积累了一段比较成功的创业经历，以下延伸展开一下哥哥 Patrick 的背景。 

Patrick 早年堪称天才少年，继承了微生物科学家母亲的基因，17 岁便基于 MIT 开发的编程语言 Lisp 获得第 41 届爱尔兰全国在校学生科学竞赛，作为获胜者进一步晋级参加欧盟青年科学家竞赛，Patrick 拿到了第二名，第一名是 Silvana Konermann（现斯坦福大学生物化学副教授），你可能对他们俩都没什么印象，但去年刷爆全网的“33 岁硅谷支付巨头 CEO 豪掷 5 亿美元为斯坦福女友捐建科研机构”的爽文其实说的就是这俩人。 

扯远了......回到正题，2007 年，当时 19 岁的 Patrick Collison 和 17 岁的弟弟 John Collison 在爱尔兰创立了一家名为 Shuppa（爱尔兰语“商店”）的软件公司，后来受到 YC 孵化器的支持而都搬到了加州，并和 YC 2007 年冬季营的项目 Automatic 合并，Automatic 的联合创始人还有 Harj Taggar（现 YC 合伙人）和 Kulveer Taggar（现 Zeus CEO）这对牛津大学毕业生兄弟。 

此外，Automatic 早期天使投资人还包括 Chris Sacca（Twitter早期天使投资人）以及 Paul Buchheit（Google 第 23 名员工& Gmail 创始人，现 YC 管理合伙人） ，Automatic 当时的业务是为 eBay 和 Amazon 等电商平台上 C 端卖家提供拍卖和业务管理系统。 

2008 年 3 月，Automatic 以 500 万美元的价格被一家加拿大企业 Live Current Media 收购，Collison 两兄弟赚到了人生第一桶金；同年 5 月，哥哥 Partrick 顺利成为这家公司在温哥华的产品工程总监，而弟弟于次年秋入读哈佛大学。 

1.2 Stripe 解决了什么问题

2010 年初，Partrick Collison 与弟弟 John Collison 创立了一家新公司名为“ /dev/payments”，早期 Collison 哥俩也是当作副业在搞，直到他们之间因为网络支付问题展开了争论，为了简化支付这件事，俩兄弟最终在 2010 年秋决定全职投入。 

Brockman 就是在那段时间作为第 4 号员工加入进来，当时每个人各司其职，也没有正式的任务，每个人尽可能的发挥，Collison 兄弟俩专注产品，Darragh Buckley 专注业务，Brockman 专注技术。 

在公司取名这件事上，也有一段小插曲。Stripe 在叫 Stripe 之前，除了“ /dev/payments”这样的名字，其实还有一堆不靠谱的名字，比如 Stack、Paydemon以及 Paydaemon，这还是 Brockman 自己在 8 年前的 Quora 上爆料的，当时决定改名主要出于三个方面的因素： 

1） “/dev/payments”这个短语不适合公司注册，特拉华州不允许名字里带斜杠，所以当时公司名注册的时候变成了 “SLASHDEVSLASHFINANCE”；

2）这样一个公司名字在正式场合会比较荒谬，比如和银行沟通的时候，你告诉对方你在 “Slash Dev Slash Finance”工作，无论是公司还是个人，这都很影响信任的建立；

3）亚马逊当时也有一款支付产品，叫作 Amazon DevPay ，这俩看起来很像，不仅是用户混淆，更不用说潜在的商标问题了。

2011 年，Collison 俩兄弟获得 YC 和 Paul Graham 的支持，并一同拿到了 Elon Musk、Peter Thiel、Michael Moritz、Sequoia、A16Z 以及 SV Angel 总计 200 万美元的投资。那么，Stripe 解决了什么问题呢？要知道在 Stripe 出现之前，商品收费和在线支付的用户体验很差，企业需要花费数天到数周的时间来建立商家账户，处理法规、合规性和支付卡发行机构，并验证试图从他们那里购买的人的身份——这种复杂性和困难反映在消费者方面。 

相比之下，Stripe 将收集卡支付详细信息、安全存储它们以及使用它们向客户收取产品费用的所有逻辑封装在一个优雅、直接的 Javascript 库和一个为开发人员设计的 API 中。 

关于业务场景的叙述， Stripe 首席商务官 Billy Alvarado 曾描述道：“我们已经构建了一些非常复杂且不太容易访问的东西，特别是从互联网的角度来看不太容易访问”，在旧金山 Stripe 办公室里，Alvarado 在白板上绘制了一张复杂的图表，描绘了信用卡支付环环相扣的关系图，然后他在这些东西周围画了一个大圈并表示这就是 —— Stripe。 

Stripe 的手续费为 2.9%（加上每笔交易 0.30 美元），它不是最便宜的解决方案，但商户如果把月费、安装费、网关费、PCI 费、国际信用卡费和其他费用加起来时，Stripe 的方案是最便宜的。 

根据 Patrick Collison 的说法，Stripe 真正的 PMF（产品市场契合度）来自于 Stripe 团队在最初的 API 之上构建的产品，如 Stripe Connect，它的构建帮助了 Instacart、Uber、Lyft 等市场、Postmates 和 Shyp 促进了这些平台上的交易。今天，Stripe Connect 可能是 Stripe 收入的最大贡献者之一，例如 Shopify 、L yft 和 Uber 等大型平台的交易额就达到约 1080 亿美元。 

1.3 搭建硅谷顶级工程师团队

Brockman 加入 Stripe 以后，早期主要从后端工作开始着手，除了写代码 Brockman 在这段时间也做了许多其它的工作。2013 年初，Brockman 正式开始担任 Stripe CTO 一职，可以说 Brockman 帮助 Stripe 构建了一支硅谷顶级的工程师团队，那几年也推动他从一名早期职能型创业成员向管理者进行转变。 

在一次 First Round Capital CTO 峰会上，Brockman 分享了 Stripe 是如何进行招聘的，即雇主需要衡量每个招聘渠道的表现，在验证了最成功的地方加码投入。 

在 Stripe 成立早期，团队成员可以自行决定他们想要完成的任务以及如何完成，在早期松散的管理是优势，而当下松散的管理结构将会成为公司发展的阻碍，当时的 Stripe 已经发展成一家接近 100 人规模的公司，估值数十亿美元，但作为管理层的 Brockman 表示很难与近 100 号人的群体产生共鸣，因此需要通过专门的招聘部门和策略来吸收新的人才。 

以下是 Brockman 分享内容： 

• Referrals 推荐人：推荐人往往是一个非常好的带人方式，应该是雇主首先要做的。如果雇主利用的前 10 名员工的人脉网络，有可能会遇到一些同样优秀的候选人；如果做得好，内部和外部推荐可以相当有效地扩大公司；坐下来，让你的工程师列出他们曾经共事过的最好和最聪明的人，然后疯狂地追求他们；作为额外的奖励，推荐的候选人可能更容易成交，因为朋友的推荐有很大的作用；

• The Career Fair Circuit 招聘会现场：这是雇主 "应该去看 "的地方，但除非你已经做好准备通过这种漏斗模型筛人，并且需要招纳新的毕业生，否则早期最好跳过这种形式；

• Outbound 对外：如果雇主正在创建一个以开发人员为中心的产品，你可能会雇用你每天都在互动的人，一定要为这个社区创造刺激性的活动，因为这将帮助你确定最有前途的人；

• Inbound 对内：这些人是在访问你的职业页面后向你发送电子邮件的人，Stripe在这个渠道上花费了大量的时间和精力，但它并没有带来相应的有效回报；

• Contingency Recruiters 紧急招人：尽管招聘人员的工作是 "为雇主找人"，但对 Stripe 来讲这是不成功的，因为招聘人员不可避免地会送来很多简历，虽然这是免费的来源，但这类渠道往往不是雇用 A+ 级伙伴的方式；

对于雇主来说，招聘就像是一场营销 。一旦你找到优秀的人才，你如何说服他们加入你的公司？最优秀的人总是有需求的，特别是在当前的人才市场上，作为雇主可以参考市场营销策略来对待招聘工作，每个人的最终目标都是使你的公司看起来更有吸引力，因此作为雇主你必须建立一个品牌。 

设计优秀的招聘邮件。在撰写邮件时，让更多人参与，以收集不同的观点。一个不显眼的地方是你的拒绝电话和电子邮件，你最终会拒绝那些非常有才华但不太适合的人，但很可能他们有一些朋友是合适的。 

与工程师接触时，始终意识到与你交谈的人。如果你发帖说你需要那些愿意为这家公司奉献一生的人，那么你基本上只能吸引20多岁的人，这将贯穿整个面试过程，并一直延伸到你真正发出邀请时。 

透明度是传达企业文化的另一个好方法 ，特别是在谈 offer 的阶段；做一些非常规的事情，比如提出在周末与候选人见面，考虑让高级团队成员来进行面试；如果你和你的员工愿意抽出时间，这表明你对你所建立的公司有多么关心。候选人应该知道：a）你的公司正在建立一个大的东西；b）他们会非常高兴。 

招聘重质量而非数量。即使一个渠道带来了数以百计的优秀候选人，另一个导致较少聘用但需要较少努力的渠道将更有效地利用你的时间，这就是 Stripe 的招聘渠道的表现。 

不要把间接证据当作权威性证据。不要觉得某个人在 Google 工作过，就一定对分布式系统有广泛了解，像 Google 这样规模的公司通常有预先建立的基础设施，工程师不需要知道如何建立它就可以使用它，每次 Stripe 对某人的能力做出假设，结果都是错误的，从与他们合作过的人那里寻求个人推荐。 

在面试中应该专注于区分“好”和“优秀”。Stripe 在这点上会通过一些黑客项目，通常是事先策划好的，以确保它们很适合某个人的兴趣和技能组合，如果一个候选人没有意愿去加入，那就不要招这样的人了。 

周日测试。Stripe 拒绝雇佣不适合团队文化的候选人，即使 Ta 们具有杰出工程才能。在 Stripe 每个候选人都必须通过 "周日测试"，如果候选人周日独自在办公室，你是否愿意在这一天与 Ta 一起工作？如果答案不是明确的 "是"，那么就不要招募了，有时候雇用几个坏蛋可能会影响公司未来进一步吸引顶尖人才的能力；在短期内，你可能会错过真正优秀的人才，但就像招聘一样，这是一场长期游戏。 

一个新角色或部门的第一个成员非常重要的。无论何时，在为一个特定的角色或部门招聘第一个人时，一定要抓住掌握了所有子项目的人，这个人定义了部门的发展轨迹，并可能会负责建立这个团队，他们需要激励其他有才能的人愿意和他们一起工作；另一方面，采取这种方式可能会很痛苦，因为必须等待更长的时间才能采用这种招聘策略，找到一个既能出去向客户销售，又能对哪弄清向谁销售的高层次战略的人，真的不容易。 

雇佣人而不是雇佣角色。对 Stripe 来说，有一件事做得很好，那就是聘用那些在组织中没有明显角色的人，如果你能想到这个人可以做的一件事，那么可能还有 10 件你没有想到的，且 Ta 在两个月后可以做的事。通过招聘一个有特定技能的人来填补一个角色，更有可能牺牲招聘的质量。 

相信你的直觉。事实证明，当你认为某人不好的时候，你几乎总是对的。 

1.4 Stripe 与 OpenAI 的异同

去年 10 月， Greg Brockman 做客 Scale AI ，与创始人 Alexandr Wang 就 AI 话题进行了讨论， Alexandr Wang问 Brockman —— 作为先后在近十年两家硅谷有代表性的独角兽 Stripe 和 OpenAI 都担任过 CTO 的他，两者之间有没有什么异同？Greg Brockman 表示 ： 

在 Stripe 推出不久后，某次发布会现场，一名投资人询问 Brockman 关于 Stripe 成功的秘诀，Brockman 回答了一句正确的废话 —— 把付款做得非常好，投资人又追问并让 Brockman 不要卖关子，Brockman 回答道这就是成功的秘密，Stripe 从头到尾重新思考了他们所做的每一件事，从第一性原理出发，而不受限于当前的方式方法，例如团队成员会问，某个东西它应该是怎样的？痛点在哪里？它是否需要存在？ 

在 OpenAI 其实也一样，团队都做着一样的事，用初学者的眼光看待正在进入的领域，而不是受限于当前其它人的看法，并且在这些事情完成后一步步成为该领域的专家。 

关于不同点，显然两者是不一样的公司，对于 Stripe 来讲基本是运行一套传统创业公司的游戏规则，你有很棒的想法，然后将这些想法落地，Stripe 的故事是团队最初将第一个 API 卖给了一名信用卡商户，商户的需求是想要快点拿到钱，而 Stripe 当时就是把这个落实了。 

在 OpenAI，团队有许多研究要做，关于用户在哪里？解这个问题实际上花了 5 年，OpenAI 从 2015 年 12 月成立，直到 2020 年才推出第一个产品，对于创业者来讲，搞清楚自己朝哪个方向用力？手头的工作做得好不好？每天感觉怎么样？这些在 Brockman 看来都是来自组织内部的，而不是外部。 

02 OpenAI 从 0 到 1

2.1 组局人 Sam Altman

在决定正式离开 Stripe 前，作为 Stripe CEO 的 Partrick Collison 曾建议 Brockman 和时任 YC 总裁 Sam Altman 聊一聊，因为 Sam Altman 能提供很好的局外人视角建议，在和 Altman 短短交流了 5 分钟，Altman 便断言 Brockman 已经做好准备接下来干嘛了，就像自己当时回答的那样，人工智能 AI 是自己的首选，Brockman 在高中毕业的 Gapyear 期间便开始认真学编程，当时也读过图灵的《COMPUTING MACHINERY AND INTELLIGENCE》，当年就想写一个聊天机器人，这可能就是 ChatGPT 诞生的萌芽。 

Sam Altman 当时的回答便是 YC 当时考虑筹建一个人工智能实验室，希望与 Brockman 保持联系。2015 年 5 月 7 日，Brockman 正式官宣离开 Stripe，并开始研究 AI ，当时一边刷 Hacker News 上的帖子，一边发现周围人都在讨论 AI，越来越多的人兴奋起来，而 Brockman 自己也只想弄清楚深度学习（Machine Learning）是什么？后来在朋友的建议下，Brockman 一边读书一边在 Kaggle 上练习新技能，并和大学期间的好友重新交流起来，在上一波 AI 浪潮中语音识别和图像分类还是非常性感的技术。 

2015 年 6 月，Sam Altman 联系了 Brockman，想了解一下 Brockman 对下一步的想法，并告知计划明年开一家 AI 公司，也就是后来 Sam Altman、Elon Musk 以及 Brockman 一起成立的 OpenAI，而当时的 Brockman 也问道这个项目是干嘛的？Altman 的回答是“建立安全的人类级 AI”。 

2015 年 7 月，Sam Altman 邀请了除 Paul Graham 和 Elon Musk 外，Dario Amodei（ex Google，现 Anthropic 创始人& CEO）、Chris Clark（Altman 的Loopt 旧部，最早的 OpenAI COO）、Ilya Sutskever（ex Google，现 OpenAI 联合创始人&首席科学家）和其它一些人在 Menlo Park 举办了一场晚宴，当晚他们讨论了 AI 的现状、与人类的差距、缩小差距的因素等等，当然那时对于这个项目的建立是以非营利性为核心的，以研究为目的，并需要世界上最好的 AI 研究人员，而对于当时的 Brockman 来说，这也是他第一次见 Elon Musk 和 Ilya Sutskever，这场晚宴的 5 个月后的 12 月，OpenAI 在旧金山正式成立，实际上晚宴上的人并不是都加入到这个项目，有躬身入局的，也有财务支持的。 

OpenAI 的总部位于旧金山的 “先驱大厦 Pioneer Building”，有趣的是这座大楼也是早前 Stripe 的办公室，Neural Link 的办公点也在这栋建筑里。 

2.2 踏足数字货币 Stellar

Stellar 于 2014 年推出，是一个去中心化系统，以透明和高效的方式交易，到如今已经处理了超过 650 万个个人账户，进行超过 20 亿次操作，不同规模的企业都能选择 Stellar 来转移资金和进入新市场。 

2014 年 7 月，Brockman 公开支持 Stripe 对加密货币非营利组织 Stellar 的投资。在 OpenAI 创立以前，Brockman 也同时为Stellar 提供建议并加入了该组织的董事会。 

Stellar 基础技术的持续开发得到 Stellar Development Foundation 的指导和支持，这是一家位于美国的非营利性公司，该基金会帮助维护 Stellar 的代码库，支持 Stellar 周围的工程和商业社区，并且是监管机构的代言伙伴和机构。基金会没有股东，这也为 Brockman 参与 OpenAI 非盈利项目提供了经验。 

2.3 OpenAI 真正的话事人

在第一弹的文章中提到，Sam Altman 是在 2019 年 3 月卸任 YC 总裁转为董事长，出任 OpenAI 的 CEO，并在 Altman 的推动下 OpenAI 转型成一家“利润上限”的组织，而在 Sam Altman 全职投入前，Greg Brockman 一直是组织的话事人，特别是自 2015 年 12 月成立以来。 

在 OpenAI 成立的初期，组织的首批员工也是由 Brockman 组建的。根据 Wired 报道，Brockman 当时会见了深度学习的大牛 Yoshua Bengio ，并拟定了一份“深度学习最佳研究人员”的名单，并在 OpenAI 成立的当月聘请了其中 9 人作为第一批员工，这里面就包括现在 OpenAI 的首席科学家 Ilya Sutskever，ex GoogleBrain 研究科学家，他在 OpenAI 成立当年离开 Google 加入彼时的 OpenAI 担任总监。 

当前，Greg Brockman 是 OpenAI 的联合创始人&董事长&总裁，Sam Altman 的职务则是联合创始人& CEO， 至于 Elon Musk ，他是 OpenAI 早期的发起人、董事会成员和财务投资者，目前已经划清界限并没有任何 OpenAI 股份了。 

一般来说，董事长主要负责监督公司董事会的工作，并提供公司的战略方向和管理决策的建议，而总裁通常负责公司的整个业务运营，包括销售、营销、生产、研发、人力资源等方面，CEO 则通常更专注于公司的战略规划和决策，包括制定公司的长期发展战略和利益相关者关系的管理，因此从行政层面 Greg Brockman 承担的责任与权限是大于 Sam Altman 的。 

那为什么是 Sam Altman 担任 CEO？在科技投资领域，公司声誉和产品管理技能通常比技术背景更受重视，Sam Altman 是能让投资者们信任的那种人，在 YC 期间他帮助创立了许多成功的公司，包括 Airbnb 和 Dropbox，因此 CEO 职位对于 Altman 来说更加适合。 

2.4 谈通用人工智能 AGI

在 2018 年的一次媒体访谈中，记者询问了 Brockman 关于通用人工智能（AGI）的看法，5 个核心问题摘要如下： 

• Q1：一些研究人员的话，他们认为如果我们想要达到人类水平的智能，就必须超越深度学习。您认为我们离它还有多远，您认为它可以用现有的方法来完成吗？

• A1：我认为这个框架不太正确，为人工智能系统提供动力的三样东西分别是：数据、算力和算法。我们生活在一个标记数据集稀少的世界中，现在我们开始看到 OpenAI 能够使用未标记数据，该模型读了几千本书，不需要你去小心地贴标签，最后它可以提供一个可以阅读互联网和这些海量语料库的系统。在数据方面，当时的 Dota2 对战，AI 每天都与自己进行 180 年的对战，这是通过算力生成数据的例子，目前最大的 AI 训练每 3.5 月翻一倍。

• Q2：AGI 的概念让人担忧，在人们拥有不可预测的智能系统之前，需要建立什么？需要什么样的框架？

• A2：我认为一切都归结为一个核心思想，AGI 有可能引起迅速的变化，期间政策机制以及社会规范很难跟上，政府在政策层最重要的事情是开发衡量它的防范，未来很难预测，部分原因是人们对现在了解也很少。

• Q3：如何看待限制 AI，例如有争议的领域？

• A3：没有一个简单答案，我不认为我一个人或者 OpenAI 的其它人能给出正确答案，OpenAI 在章程上花费了很多精力，总共花了 2 年研究它的制度，主要是弄清楚什么是安全和负责的 AI 开发，以及它的意义。

• Q4：你认为 OpenAI 有责任制定 AI 使用的政策么？还是必须与政府共同制定？

• A4：一项技术影响到每个人，你就需要进行公开对话，核心之一是 AI 创造了许多好处，所以不应该被锁定在任何一个实体中，它应该是共享并广泛分发的东西，这也是举行政府听证会以及公开对话的重要原因之一，现在很难将信号和噪音区分，即使是对于在这个领域的人来说；另外，我们需要深入了解正在发生的事情、推动进步的因素以及未来将发生的事情，这是一个挑战，但我认为通过正确的数据进行真实对话，我们有机会做好。

• Q5：AI 的偏见是经常讨论的问题，AI 也会使原本就是黑匣子的问题更糟糕，OpenAI 如何考虑解决这个问题？

• A5：这当中存在一系列问题，不管是今天存在于系统的问题，还是明天的，即使数据很好，如果这些系统建立在错误的方式上，例如被赋予了错误的目标，最终可能会发生意外，如何确保 AI 按照我们的意图操作而不带偏见，这些都是非常重要的开放问题。另一个层面，建立 AI 安全领域非常重要，好的是 OpenAI 有很大的动力去做这一点，但是目前而言还没有做到，提前解决比追赶这些问题更加重要。

本文摘自微信公众号“江天Tim”（ID:gh_ca2ac8df4da8），作者：TimJ，36氪经授权发布。