我用openai？马斯克拉黑OpenAI之我们不合适
马斯克拉黑OpenAI之我们不合适
撰文/张霖郁
编辑/张南
设计/师超
马斯克(Elon Musk)和OpenAI的现任CEO山姆·阿尔特曼（Sam Altman）之间的恩怨从5年前开始。
近期，正因为ChatGPT的火爆，马斯克又旧事重提。
他在推特上说“我至今搞不明白，一个我捐了1亿美元的非营利机构是怎么变成一个市值300亿美元的营利性组织的。如果这是合法的话，为什么其他人不都这么做呢？”
阿尔特曼在3月25日接受了麻省理工人工智能研究员莱克斯·弗瑞德曼（Lex Fridman）的采访，莱克斯同时也是一位网红播客主。
这场采访接近两个半小时，阿尔特曼正面回应了马斯克炮轰OpenAI从开源到闭源，从非营利组织到营利组织的转变。
他说：“我相信他对AGI（Artificial General Intellengence）的安全问题深感紧张，这是可以理解的，但我相信他也有一些其他的动机……在我成长过程中，一直都把马斯克看作偶像。他在推特上表现得像个混蛋，但我还是很高兴这个世界有他这样的人。我希望他能多看看我们为了把这件事做好而付出的努力……我也许应该回击，可能以后会的，但这并不是我的正常做法。”
马斯克比阿尔特曼大14岁。他在OpenAI于2015年12月11日成立时，先捐了1亿美元，当时他承诺会投入10亿美元，和他同时捐款的还有PayPal联合创始人彼得·希尔（ Peter Thiel）以及时任创业孵化器Y Combinator总裁的阿尔特曼。
目前，阿尔特曼已卸任Y Combinator总裁职务，他在2018年前后成为了OpenAI的首席执行官。
这里值得一提的是英伟达创始人黄仁勋，他在2016年8月，把英伟达生产的第一台超算DGX-1捐给了OpenAI，当时在场的见证人就包括马斯克。
这台超算DGX-1，用黄仁勋的话说，是3000人花费3年时间才研发出来的首个轻量化小型超算，计算和吞吐能力相当于250台传统服务器。当时他手里压着100多家公司的订单，却把第一台捐给了OpenAI。
从2015年到2018年期间，OpenAI的定位是一家非营利组织，目标是率先创建 AGI，这是一种具有人类思维学习和推理能力的机器。他们的目的不是统治世界，而是希望该技术得到安全开发，并将其收益平均分配给全世界。
“我们需要一个具有领先性的研究机构，优先考虑所有老百姓的好处而不是优先自身的利益，我们鼓励研究人员发表他们的作品，无论是论文、博客文章还是代码，我们的专利（如果有的话）将与全世界共享”，这是当时OpenAI的初心。
2018年底前的OpenAI鼓励开源，透明和分享。它当时的主要对手是DeepMind，这家人工智能实验室比OpenAI早5年成立，2014年被谷歌收购，资金实力远在当时的OpenAI之上。
分歧
对于大多数美国人而言，第一次听说OpenAI是在2019年2月14日，这一天他们发布了ChatGPT-2。而对于我们国人而言，ChatGPT似乎是最近才公诸于世的事。
那一天，这家实验室宣布了一项令人印象深刻的发现：一种可以按下按钮便生成令人信服的论文和文章的模型。给它一个句子《指环王》，它将以同样的方式发出一段又一段的文案。
OpenAI组织性质的改变是从2018年4月开始的，当时实验室发布了特许章程。章程里重新阐述了实验室的核心价值观，其中巧妙地改变了原来的说法。除了承诺“避免利用人工智能或AGI损害人类或不适当地产生集权”外，章程里此次还强调了资源的必要性。
“我们需要调集大量资源来完成使命，”章程里这么写道，“但我们将始终努力采取行动，尽量降低员工和利益相关方之间与广泛利益之间的利益冲突。”
但这一年，公众和大多数员工并没有意识到OpenAI这悄然的变动。马斯克正是在这个时候选择退出OpenAI的，或许那时他已经知道微软入资的消息。他觉得双方的价值理念将由此不同。
退出OpenAI后，他没有再继续捐款，自己便另起炉灶，成立了自己的AGI研发团队。
OpenAI真正的结构性变化发生在2019年3月。它不再是纯粹的非营利性质，实验室成为一家“有上限利润”营利机构，它把对投资者回报限制在 100倍以内，但从组织架构上，它还不能算完全的营利组织，因为OpenAI由一个非营利实体的董事会监管。
此后不久，OpenAI宣布了微软10亿美元的投资，但双方并没有透露这笔投资是现金形式，还是微软云计算平台Azure也算其中的折现。
阿尔特曼是在这段时期出任OpenAI的首席执行官。此次马斯克在推特上再度批评OpenAI的组织性质，不过是5年前不满情绪的延续。
为什么从非营利到营利
旧金山第 18街和福尔瑟姆街的交叉口，OpenAI的办公室看起来像一个神秘的仓库。这座历史悠久的建筑拥有单调的灰色镶板和有色窗户，大部分窗帘都被拉下。字母“PIONEER BUILDING”（先锋大厦）展现了它的前主人 Pioneer Truck Factory（先锋卡车工厂）的遗迹。
办公室内部，空间明亮通透。一楼有几个公共区域和两个会议室。一间适合大型会议，称为“太空漫游”；另一间更像是一个美化的电话亭，称为“无限笑料”。
3年前，MIT科技评论（MIT Technology Review）的撰稿人Karen Hao曾对这家公司进行深度采访，当时她只被允许在一楼活动，二楼和三楼均为禁区，处于保密状态。这两层是员工的办公区域以及放机器人的地方。
Karen在一楼见到OpenAI联合创始人兼CTO格瑞格·布罗克曼（Greg Brockman），她在文章中写道：他看起来很紧张，也很警惕。他穿着便服，和 OpenAI的许多人一样，留着不规则的发型，这似乎反映了一种高效、朴实的心态。
OpenAI核心团队成员合影，二排中为格瑞格·布罗克曼（Greg Brockman）▼
布罗克曼说，当团队研究AGI的趋势时，他们意识到保持非营利组织这一性质在资金的持续上是行不通的。这个领域的其他对手用来取得突破性成果的计算资源每3.4个月翻一番，这需要足够的资本来匹配或超过这种指数级的增长。这就需要一种新的组织模式，既能迅速积累资金，又能以某种方式忠于使命。
2019年4月的这次变动引发了很多人的指责，他们称 OpenAI正在违背其使命。
公告发布后不久，在AGI的相关论坛上的一篇帖子中，一位用户询问 100倍的限制是如何限制的：“谷歌的早期投资者已经获得了大约 20倍的资本回报，”他们写道。“你敢打赌，你将拥有一个回报率比谷歌高出几个数量级的公司结构吗？同时你又说不想‘过度集中权力’？这将如何运作？如果不是资源的集中，权力到底是什么？”
此举也让许多员工感到不适，他们表达了类似的担忧。
布罗克曼说：“我们花了很长时间与员工进行内部迭代，以使整个公司接受一套原则一套价值观，这意味着即使我们改变了结构，也必须保持不变的东西。”
2019年的夏天，在转向利润上限模式和微软注资 10亿美元后的几周内，管理层向员工保证，这些更新不会在功能上改变 OpenAI的研究方法。微软与实验室的价值观非常一致，任何商业化努力都将遥遥无期，寻求基本问题仍将是工作的核心。
有一段时间，这些保证似乎是正确的，项目照原样继续进行。许多员工甚至不知道OpenAI向微软做出了哪些承诺。
但2020年初，OpenAI商业化的压力越来越大，进行赚钱的研究不再是遥不可及的事情。在与员工私下分享对实验室的 2020年愿景时，阿尔特曼传达的信息很明确：OpenAI需要赚钱才能做研究。
管理层表示，这是一个艰难但必要的权衡。由于缺乏富有的慈善捐助者，它不得不做出这样的取舍。
但背后真正的原因是，OpenAI面临这种权衡，不仅仅是资金压力，更重要的是它的战略选择，OpenAI试图先于其他人达到 AGI。
这种压力迫使它做出似乎离初衷越来越远的决定。它在急于吸引资金和人才的过程中倾向于炒作，保护自己的研究以期保持优势，并追求计算量大的策略——不是因为它被视为通向 AGI的唯一途径，而是因为它似乎是最快的。
2021年微软再度入资，这次高达100亿美元。微软也由此成为OpenAI的独家云服务商。2023年，微软官宣和OpenAI的合作已进入第三个阶段。
本文由汽车商业评论原创出品
转载或内容合作请联系说明
违规转载必究
【本文来自易车号作者汽车商业评论，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】
OpenAI 姚顺雨:我们进入了AI的下半场
姚顺雨认为AI已进入下半场，标志是从聚焦强化学习算法转向重视语言先验与环境构建，通用人工智能（AGI）成为核心目标，传统“刷榜”模式失效。以下是具体分析：
AI上半场的核心特征：强化学习（RL）的泛化突破与算法主导姚顺雨将AI上半场总结为“RL finally generalizes”，即强化学习通过算法创新实现了通用智能的初步泛化。这一阶段的研究模式呈现三大特点：
算法中心主义：学术界（如ICML）长期将算法创新视为核心指标，投稿若缺乏算法突破易遭质疑。研究者致力于开发新训练算法和模型，以在特定任务榜单（benchmark）上取得领先。
环境与先验的边缘化：RL的三大关键要素——算法、环境、先验中，环境设计被视为辅助工具，而先验（如语言知识）几乎未被系统研究。例如，早期RL环境缺乏语言推理能力，导致模型泛化性受限。
“刷榜-迭代”循环：研究者通过提出更难榜单、优化算法刷榜形成闭环。但这一模式逐渐暴露弊端：通用模型（如OpenAI o1）的迭代可轻松超越特定任务优化成果，且新榜单会迅速被饱和（如MMLU）。
AI下半场的转折点：语言先验与环境重构成为核心驱动力姚顺雨指出，AI研究范式正发生根本性转变，关键转折在于对RL要素的重新认知：
先验超越算法：语言预训练的颠覆性作用：
传统RL依赖算法优化与环境交互，但姚顺雨强调，语言模型（LLM）的预训练提供了关键先验知识，使模型具备跨任务推理能力。例如，通过语言推理扩展RL动作空间，模型可利用预训练中积累的常识和逻辑实现泛化。
这一发现具有讽刺性：RL研究者长期聚焦算法，而真正推动进步的先验获取方式（语言预训练）却与RL无关，属于自然语言处理（NLP）领域。
环境重构：语言推理融入动作空间：
新一代RL环境将语言推理作为核心动作，例如模型需通过自然语言规划步骤完成任务。这种设计使环境本身成为先验知识的载体，进一步降低对算法的依赖。
典型案例包括OpenAI o3、Deepseek-R1等模型，它们通过结合语言先验与环境重构，在复杂任务（如深度研究）中展现强大能力，而传统算法优化在此类场景中效果有限。
通用模型终结“刷榜”时代：
通用人工智能的迭代速度远超特定任务优化。例如，OpenAI o1在单一模型更新后即可覆盖多个榜单任务，而针对某一榜单设计的算法可能因通用模型的能力跃迁而迅速失效。
榜单饱和现象加剧：即使设计更复杂榜单（如MMLU），通用模型也能通过少量微调达到性能上限，传统“算法-榜单”循环失去意义。
姚顺雨的前瞻性贡献与AI下半场的实践路径姚顺雨被比作“Agent时代的Ilya”，其研究精准踩中AI发展的关键节点：
早期探索：从CALM到ReAct的迭代：
2019年，姚顺雨提出首个基于LLM的Agent框架CALM，尽管受限于当时LLM能力，模型需百万步RL训练才能在单一游戏中提升，且无法泛化，但为后续研究奠定基础。
后续工作如ReAct、Tree of Thoughts进一步验证了语言推理与RL结合的潜力，通过引入思维链（Chain of Thought）和动态规划，显著提升模型在复杂任务中的表现。
下半场的核心方向：Agent与语言先验的深度融合：
姚顺雨的研究暗示，AI下半场将围绕Agent架构展开，即模型需具备自主规划、推理和执行能力。语言先验作为“世界模型”的基础，将支撑Agent在开放环境中的决策。
例如，Deepseek-R1通过结合语言推理与强化学习，实现了在科研任务中的自主探索，标志着Agent从“工具”向“合作者”的演进。
对AI研究社区的启示：重新定义创新边界姚顺雨的观点对学术界和产业界具有指导意义：
评估标准转变：需从“算法新颖性”转向“系统能力”，例如模型在开放环境中的适应性和泛化性。
跨学科协作：语言先验的获取依赖NLP技术，而环境设计需结合认知科学和人机交互，RL研究者需与多领域专家合作。
长期目标聚焦：通用人工智能的实现需突破“任务导向”思维，转而构建具备常识推理和自主进化能力的系统。
openclaw可以帮我整理微信群里同事发的日报吗
OpenAI主要是专注于开发先进的人工智能技术和语言模型等，它本身并没有直接整理微信群日报的功能。
一、OpenAI的能力范畴
OpenAI致力于自然语言处理、机器学习等前沿技术的研究，其开发的GPT系列模型能够理解和生成自然语言文本，但这些功能主要应用于诸如文本生成、问答系统、语言翻译等特定领域，而非针对微信群日报整理这类具体场景。
二、微信群日报整理需求
整理微信群里同事发的日报，需要能够识别日报的格式、提取关键信息、进行分类汇总等。这通常需要专门针对微信群聊天记录特点的文本处理逻辑，比如准确判断哪些内容属于日报范畴，如何从杂乱的聊天内容中梳理出清晰的日报结构等。
三、缺乏直接关联
OpenAI的技术并没有被设计或适配到直接处理微信群日报的工作流程中，无法自动对接微信群并按照要求进行日报整理操作。
END，本文到此结束，如果可以帮助到大家，还望关注本站哦！