和OpenAI学管理：2023年最强的王炸产品是怎样炼成的？
按：
本文为著名科技记者Gergely Orosz与OpenAI应用工程团队负责人Evan Morikawa的访谈。
自从去年11月推出以来，ChatGPT在短短一年里发布了数次重大更新，从一个简陋的网页对话框，进化成如今具备多模态、代码解释器、大模型商店等一系列功能的超级APP。是什么样的工程文化让 ChatGPT 团队能够如此快速地迭代？在OpenAI外部，没有人知道答案，这家炙手可热的明星公司作风低调而神秘，对其软件工程实践三缄其口。
但在与Orosz的访谈中，Evan Morikawa透露了许多OpenAI在管理思维、人才选择、工作方法等许多方面的独到之处。
华尔街见闻整理要点如下：
1. OpenAI极其重视“人才密度”，它倾向于招聘年龄更大的资深技术人员，小型、资深、专注的团队往往有极高的工作效率。OpenAI现在只有大约700名员工，但工作产出可能比大它一万倍的公司还要更高；
2. OpenAI的工作节奏非常紧张，但这里不是拼命卷工作时长的地方，许多员工要抽出时间陪伴家人，倒逼他们更有效率地完成任务。
3. 办公室面对面的沟通仍然非常重要。一些创造性的解决方案是在办公室的社交互动中诞生的，OpenAI团队会在午餐桌上碰撞出很多新想法，
4. 尽管OpenAI根据职能划分了研究/应用团队，但不同团队之间的协作非常紧密。在ChatGPT团队里，既有设计师和产品经理，也有软件工程师和研究人员。不同职能的团队都需要了解对方的工作，避免出现研究部门只专注于实验，而产品部门只想商业化和赚钱的情况。
5. “打造AGI”这一使命是OpenAI团队所有人的终极目标，也是日常工作的指引。使命不仅有助于决定做什么，也有助于决定不做什么。
以下为访谈原文：
Evan，你能介绍一下 OpenAI 和你自己吗？
OpenAI 是 ChatGPT 的制造者。希望你已经用 ChatGPT 学习了新知识，帮助你写作，或者只是和它聊天消遣。ChatGPT 只是 OpenAI 的产品之一，OpenAI 还推出了 DALL-E 3（图像生成）、GPT-4（高级模型）和 OpenAI API（开发者和公司用它将人工智能集成到自己的业务中）。
负责开发这些产品的工程、产品和设计的团队在内部被称为“应用团队”。OpenAI 的目标是构建对全人类有用的安全 AGI。应用团队的目标是打造真正让人工智能造福全人类的产品。
研究部门训练大型模型，然后应用部门在这些模型的基础上构建 ChatGPT 和 API 等产品。在实践中，这是一个更加紧密结合的过程，我稍后会详细介绍。
应用团队是公司内部的一个新成员。OpenAI 成立于 2015 年，而应用团队则始于 2020 年夏天。我们之所以组建这个团队，是因为我们想围绕 GPT-3 构建并扩展一个 API，而 GPT-3 是我们当时刚刚完成培训的一个模型。"
你是如何成为 OpenAI 应用团队的主要负责人的？
我在 2020 年 10 月加入 OpenAI。当时，OpenAI 总共约有 150 名员工，而应用团队只有少数几个人。几乎所有在 OpenAI 工作的人都是研究员。我没有机器学习方面的博士学位，但我那时候意识到 OpenAI 正在建设 API 和工程团队，这让我感到非常兴奋。
在 OpenAI，我一开始是作为 GPT-3 API 的个人贡献者编写代码。2021 年 1 月，在我上任几个月后，我过渡到管理我们的应用工程团队。那时，我的团队大约有 6 个人。如今，两年半过去了，应用工程团队已经发展到 130 名工程师，我管理其中的一半。整个应用团队约有 150 人，另外 20 人是项目经理和设计师。
自 2020 年 10 月以来，OpenAI 已从约 150 人发展到今天的约 700 人。我们还在继续招聘。
OpenAI 是如何快速发展的？我感觉每隔几个月就会推出一项重要的新功能。作为局外人，光是了解你们的进度就已经很不容易了！
一方面，这绝对是我职业生涯中速度最快的地方；但另一方面，这也并不神奇。我认为关键在于：
- 让ChatGPT像一家小型独立创业公司一样运营
- 让研究和应用紧密结合
- 长期的产品和研究思维
- 渐进式发布
- 高人才密度
- 日积月累的习惯
ChatGPT 看起来、感觉和行为都像出自一家成立仅一年的初创公司之手，但 OpenAI 本身已有近 8 年的历史。OpenAI 内部的应用小组成立于 3 年前。ChatGPT 是应用团队内部的一个产品团队，大约成立于 1 年前。
我和应用团队领导层的其他成员希望 ChatGPT 团队能感觉到他们是自己独立的创业公司。在实践中，随着团队的成长，这一目标也发生了很多变化。
2022 年夏天，我们开始开发 ChatGPT。当时，应用团队大约有 30 名工程师、几名项目经理和设计师，正在运行的产品包括、GPT-3 和 Codex 的API接口、模型微调、嵌入应用程序、DALL-E 2等。
所有这些产品都使用相同的代码库，在同一个集群中运行，并使用相同的构建管道。在应用团队公司内部，我们的结构是按功能划分的；工程部是一个统一的团队。
ChatGPT 的出现改变了这种状况。
几位应用工程师、一些设计师、研究人员和 Greg Brockman（OpenAI 的总裁兼联合创始人）聚在一间屋子里，开始快速迭代产品创意。
我们给这个新生团队提供了自己的代码库和一个全新的集群。开发环境看起来就像初创公司或个人项目的早期阶段。
我们对 ChatGPT 这个小型子团队的目标是营造一种早期初创公司的氛围，让他们不断迭代，寻找产品市场契合点（Product Market Fit）。团队的每个成员都在办公室工作，我们重新安排了座位，让大家彼此相邻。
随着 ChatGPT 团队的壮大，我们确保团队保持垂直整合。这意味着工程、产品、设计和主要研究人员始终紧密合作。
2023 年 5 月，Peter Deng（OpenAI消费者产品副总裁）加入 ChatGPT，领导工程、产品和设计团队，我们将这一模式进一步深化。
我们之所以知道要这样组织ChatGPT团队，是因为在应用团队开始开发API接口的第一版时，我们就建立了类似的结构。三年前，我们也是在一个全新的代码库、全新的集群和全新的开发环境中，从少数几个工程师开始起步的。我们的运作方式就像一家正在寻找产品PMF的早期初创公司，并通过API产品找到了PMF。
这种“分形初创公司”的方法对于任何新产品类别来说都是一个很好的模式。我希望我们能继续采用这种模式，快速迭代我们考虑采用的新想法。
与研究的紧密结合有多重要，为什么重要？
在大多数科技公司，与工程部合作的 "经典 "三人团队往往被称为“EPD”（工程、产品、设计）：
这些团队之间往往会进行大量合作，跨职能团队中通常有工程、产品和设计方面的成员。
将研究融入产品团队至关重要。与经典的“EPD”相比，我更喜欢把我们这个合作紧密的团队称为“DERP”（设计、工程、研究、产品）：
在OpenAI，许多产品问题实际上是研究问题。比如，这些问题可以被视为功能请求：如何让ChatGPT生成更简洁的输出结果？如何让ChatGPT生成更准确的答案？ChatGPT如何连接更多数据源？
虽然这些问题看起来像是产品问题，但实际上它们在很大程度上依赖于研究。如何调整或微调基础模型以实现预期目标？研究人员与产品工程的结合并不总是必然的。在 OpenAI，研究和应用是两个独立的组织结构。在研究组织内部，有各种不同的研究团队。
比如，有预培训团队负责培训 GPT-4 模型，还有，培训后团队负责对 GPT-4 进行微调，还有负责校准的团队和让 GPT-4 能看、能听、能说的多模态团队等等。
研究人员往往具有重要的学术或行业背景。他们阅读大量学术论文，以了解最新技术。他们也会提出想法并进行大量实验，以改进我们的模型。他们都亲力亲为；研究人员要做大量的工程设计并编写大量的代码！
我们本可以选择将模型“扔到墙外”应用的方法：就是研究人员先训练一个模型，然后把它交给应用人员，让应用人员把它产品化。
但是，我们希望避免出现这样一种文化：研究部门只专注于进行实验，而产品部门只想商业化和赚钱。
为了避免这种情况，像 ChatGPT 这样的产品团队由软件工程师、设计师、产品经理和研究人员共同组成。
在 ChatGPT 的案例中，大部分研究人员来自我们称为“后期培训”的研究团队。这些研究人员精通最新的微调技术和强化学习 (RL) 方法，如临近策略优化 (PPO)。由于这些研究人员也是产品组的一员，而且他们自己也在进行A/B实验，因此研究和工程之间的反馈回路非常紧密。
与研究部门的紧密耦合是我们能如此迅速地推出新创意的原因。我们是如何快速推出浏览、代码执行、插件和其他 ChatGPT 功能的呢？就是因为团队间的紧密集成！
所有这些都始于研究构想，之所以能快速部署到生产中，是因为从事研究的团队与工程团队紧密结合在一起！此外，在研究和应用两个团队里都有修补和原型设计的文化。很多原型很快就能投入生产。
长期主义思维如何帮助产品落地？
OpenAI 的使命是确保人工智能（AGI）造福全人类。
所谓 AGI，我们指的是在最具经济价值的工作中胜过人类的高度自主系统。这一使命体现在 OpenAI 公司章程中。章程更详细地反映了OpenAI的战略，例如，详细说明了对长期安全的关注。
几乎每次全员大会都会提到我们的章程和使命。在产品讨论中，我们有策略地使用了“在这些选项中，哪一个让我们感觉更接近AGI”这一短语——指的就是我们的使命。
这不仅有助于决定打造什么，而且我还看到过很多因为使命而决定放弃的情况。
明确的重点永远是速度的驱动力。我相信，我们的使命有助于保持这种专注，也为许多新想法铺平了道路。
另一个关键在于研究团队：
同时开展的研究活动有助于我们加快产品上线的速度。研究工作就是要不断思考统一的方法、打造功能更强的模型。比如说，和纯文本模型一样，我们之前也一直在进行多模态的研究工作。
研究团队还要确保他们的工作能和别的研究有交汇的地方。我们并不想打造很多小模型，我们希望朝着AGI的方向发展。
同时进行的几项研究加快了我们的速度。例如，我们能够在相对较短的时间内推出GPT-4、图像理解、文字转语音、语音转文字等功能，在很大程度上归功于研究工作的同步进行。
OpenAI发布产品的策略是什么？
我们避免采用“大爆炸、一气呵成”的发布模式。这不仅是因为“早发布、 勤发布”是一种屡试不爽的产品策略。也因为持续更新是我们安全的基本原则战略。
人工智能安全是公司内部的一个重要话题，也是我们工作的核心，对安全的关注往往比启动和开发一个项目更重要。我们的核心原则之一是，从现实世界中逐步学习。
我们采取了很多方法确保AI的安全性，例如：
红队：一组被称为“红队”的安全专家扮演攻击者的角色，测试和评估安全措施的有效性；
对齐：确保人工智能系统的行为方式与人类价值观保持一致，并且不会无意中做出有害的行为；
政策工作：与世界各地的政策制定者合作，制定具体规则加强人工智能技术和服务的安全性和可信度。
除了这些努力之外，我们还注意到，逐步、有控制地让AI接触真实世界是发现和解决安全问题的最重要方法之一。
我们的产品都会再密切监控下逐步推出。产品发布前，会先经过选定客户的试用，然后再逐步推广。一个有趣的事实是，当全世界都看到ChatGPT“突然”爆发时，实际上，在 OpenAI内部，我们已经花了好几年，在可控的环境中开发和调整ChatGPT！
ChatGPT的发布其实是为了收集有关对话模式的反馈意见，不过这次特殊的发布出人意料地一炮而红了。
OpenAI会雇用什么样的人，招聘策略是什么？
Sam Altman——OpenAI的CEO——非常关注人才的高密度 。所谓“高人才密度”，指的是平均技能和业绩表现远高于其他地方的正常水平，出色的工作在OpenAI是最基础的。
经验丰富的团队可以非常非常快地交付产品。出于对高人才密度的重视，我们在应用团队招聘时有意向高级工程人员倾斜。此外，我们还尽量保持小规模。事实证明，我们这样做是正确的，因为规模非常小的高级团队可以很快完成任务！
所以，授权和信任团队也很容易。对于即刻做出的决定，我通常都有种不假思索的信心，相信这些决策一般都会指向正确的方向。我们会对决策进行内部审查，写下想法，但不会遵循特别严苛的形式。
让孵化器里的创始人类型的人，和“曾在一家大型科技公司工作过、参与过规模增长”的角色融合在一起，效果非常好。我们同时需要这两类人：
ChatGPT内部的早期迭代十分粗糙，而创始人类型的角色恰好能够胜任这部分工作；大规模扩展复杂分布式系统的工程技能，需要参与过大规模系统扩展的工程师。
不管是要购买生产力工具还是自己打造生产力工具，我们都很果断。
我们明白，拥有熟悉创企生态圈使用的最新工具、能及时定位问题的人才非常重要，购买这些生产力工具有助于保持我们的团队小而灵活。
但是，我们不能总是依赖购买和使用现有工具。凡是我们认为是业务核心的工具，我们都会自己动手开发。此外，随着规模的扩大，我们可能会也会淘汰一些生产力工具。
谦逊是我们的“技术人员”头衔背后的重要品质。OpenAI的每个人都有“技术人员”的头衔，无论其经验或专业知识如何。
这样做有几个原因。我们坚信，团队中容不下不善于团队配合的“独行侠”。 我们还希望避免吸引那些一心追求晋升的人，这些人总会为了提升自己的头衔，制造冗余的复杂产品。
我们希望每个人都能很好地沟通，做任何对我们的任务最有利的事情。只要我们能坚持这一点，我们就会更加专注，更快地完成任务。
OpenAI把安全放在首位，而不是速度。在招聘时，我们非常关注AI安全性。我们不希望形成一种速度凌驾于安全之上的文化，在完成任务的过程中注意安全非常重要。
你提到OpenAI的日常工作方法也是公司快速发展的因素之一，你觉得最重要的方法是什么？
我们之所以迭代速度那么快，很大程度要归功于我们的工作里的很多小细节，总结一下就是：
周一至周三，团队会在办公室工作。每个人周一、周二、周三都在旧金山总部办公。面对面工作会以意想不到的方式帮助我们完成任务。
我还记得在ChatGPT早期开发阶段，我们所构建的内容经常会发生变化。每天都在变化。比如GPT大模型那时候每天都在演变，我们的研究人员需要一直调整它。
通过拍同事肩膀或加入无意中听到的谈话，我们取得了令人惊讶的进展。当然，我们也会定期召开同步会议，预定的协作之外，我们也会取得特别的进展。
我们还经常临时制作白板。我们会在午餐桌子上碰撞出很多新想法——真的！随着团队的迅速扩大，临时性的社交互动成为了入职培训的一大助力。如果没有这些面对面互动，两年内招募大概120人入职会困难得多。
对一些人来说，星期四和星期五不开会的日子。这两天，办公室里的人比较少。在这些日子里，我们会完成更多有针对性的工作。
协调每天的工作是我们提高工作效率的关键。靠这种协调性，我们在一周的前三天就能抵达关键工作节点。
工作节奏相当紧张。使命、产品和技术的影响力促使大家努力工作。不过需要强调，这并不一定意味着我们的工作时间很长。OpenAI不是那种凌晨2点还有一堆人没下班的地方。在这里，大家会相互支持，我们会积极关注彼此的职业倦怠。
正如我所提到的，我们倾向于招聘年龄更大、经验更丰富的员工。这也意味着这里有很多有孩子的父母。 每个人都非常重视家庭时间。对家庭的关注，也让团队必须高度集中注意力，分清轻重缓急，灵活安排时间，包括我自己在内！
OpenAI似乎已经在相对较短的时间内完成了大量工作。那么，接下来要做什么呢？
要想继续保持较高的交付速度，我们需要克服许多挑战，比如：
团队不断壮大。团队规模越大，沟通越困难，协调越困难。
更成熟的产品。我们制造的产品越来越成熟，对产品进行大刀阔斧的修改更困难了。
人工智能安全问题。这些问题将变得更加严峻，不仅对我们，对整个行业都是如此。OpenAI很可能需要改变之前的架构来应对这些问题。
我们希望努力保留目前的大部分原则：强大的使命感、一体化的研究团队和更高的人才密度始终都是好事。
总体而言，我对我的团队、公司的未来以及人工智能的潜力持谨慎乐观的态度。我们认为，让更多人感受到我们创造的工具对生产力的价值，是非常重要的事情。现在大家才刚刚看到冰山一角。
