GPT-5.5 开启人机协作新范式 | OpenAI 总裁对话实录

4月24日OpenAI 总裁兼联合创始人 Greg Brockman 接受海外播客Big Technology Podcast的访谈。本次对话正式确认了代号为Spud 的新模型即为 GPT-5.5并深入探讨了GPT-5.5在跨越通用型应用实用性门槛方面的技术突破、OpenAI 从大语言模型向实用性 AI Agent的转型、算力驱动型经济、模型的端到端协同设计以及在模型分发上的安全治理博弈等话题。Greg Brockman 指出GPT-5.5 代表了人类与计算机协作方式的关键飞跃它已不再局限于文本生成而是能够通过自主操作浏览器、电子表格及各类复杂应用程序实现端到端的任务解决。Greg Brockman 强调OpenAI 的研发重心已发生重大转向从追求基准测试分数的“模型大脑”转向构建具备实际执行能力的“系统身体”。他认为未来的劳动者将扮演“AI Agent 舰队统帅”的角色通过设定目标而非分解步骤实现工作杠杆的指数级提升。关于提示工程他指出提示工程非但没有过时反而更具活力。他认为未来的提示工程将从“费力解释背景”转向“高杠杆方向指引”用户可以用更少的精力驱动底层执行从而获得成倍的产出。关于GPT-5.5 的定价他提出智能成本的降低与性能的微增将引发社会对智能需求爆发式的增长。他认为OpenAI 的长期壁垒不在于单一模型而在于“制造机器的机器”——即一整套能够将大规模算力高效转化为智能产出的协同设计系统。此外未来将进入一个“算力驱动型经济”时代算力将成为衡量 AI 代表人类工作、服务人类程度的核心资源而全球范围内的算力短缺将成为常态化的挑战。01GPT-5.5 表了人类迈向计算机协作新方式的关键一步OpenAI 近期发布的最新模型 Spud即 GPT-5.5在当前的竞争格局中具有重要地位。作为两年前研究进程的结晶请问你能否确认 GPT-5.5 就是 Spud它具体代表了什么这种长周期的规划视野在 OpenAI 是如何运作的Greg Brockman是的我确认GPT-5.5 就是 Spud。这是一款令人惊叹的模型在许多方面它代表了人类迈向计算机协作新方式的关键一步。它属于一类全新的智能在编程以及调试等各种复杂棘手问题的处理上表现极为出色。它不仅极具主动性而且能够根据极少的指令实现端到端的任务解决。但对我来说最非凡的并不是它在编码能力上的提升那是大家预料之中的关键在于它现在真正跨越了通用型应用的实用性门槛。它在制作幻灯片、处理电子表格方面进步巨大在计算机操作、浏览器使用以及点击那些原本 AI 难以操控的应用程序方面也表现得更出色。我们正在见证一种全新的计算机使用方式的兴起而这种智能正是其核心。关于规划周期我们的规划视野确实非常长远。不过需要说明的是我们会针对不同的时间维度叠加许多研究想法和尝试。你可以理解为我们在技术栈的每一个环节都在不断取得进展。GPT-5.5 并非终点在很多方面它反而是一个起点。它是通向未来几个月即将问世的更多模型的关键一步。你可以期待我们在模型的各种能力维度上还会有更大幅度的提升。这非常令人兴奋。我们始终在思考如何让我们生产的产品对现实世界、真实用户和具体应用场景产生更大的价值。02OpenAI 正从生产大语言模型转向构建实用的 AI如果GPT-5.5 只是一个开始它预示着未来几个月哪些重点方向这种从实验室模型向现实应用场景如财务、销售等的转变背后的逻辑是什么Greg Brockman我们有一个宏大的愿景这不仅体现在模型上也体现在整个系统上。你可以把模型看作大脑而把像Codex 这样的系统、Harness 工程以及像超级应用这样的应用程序看作环绕大脑的身体使之成为一个真正有用的 AI。这正是我们正在经历的转变即从实验室生产的大语言模型转向真正实用的 AI。它实际上是一个在那儿尝试解决你的目标、真正根据你的指令运行的助理。你现在可以看到 Codex 正在变成一个不仅限于程序员的应用而是面向所有使用计算机的人。虽然它还不完美有些任务还处理得不到位性格也未必完全如你所愿但它已经非常强大能完成很多不可思议的任务。目前它反馈信息的方式还需要你花时间去仔细解读它是如何解决问题的。这些环节正是我们目前明确知道该如何改进的地方。从 5.4 到 5.5我们已经取得了显著的进步。我相信在提升模型实用性的每一个维度上后续还会有更惊人的突破。在公司内部我们在过去 12 到 18 个月里发生了一个重大转变那就是更加关注最终的应用。以前我们更专注于提升基准测试的分数让模型在智力层面表现更强但现在我们致力于将其带入现实世界的应用场景比如财务、销售、营销等所有涉及计算机操作的职能领域。我们思考的是如何辅助他们的案头工作如何让模型不仅具备帮助他人的理论能力而且能够通过处理真实的各种任务真正理解高质量的成果是什么样的。我认为未来的方向是作为工作者你将扮演监督者的角色。你就像是这个自主运行公司的首席执行官或者说是一支 AI Agent 舰队的统帅他们根据你的目标来运作。虽然你仍需承担责任并掌控大局去评估这是否是你真正想要的工作是否达标但至于点击了哪个按钮、写了哪行代码或表格公式的具体逻辑只要这些细节不影响你对最终结果的判定你完全可以从中解脱出来。我认为这对每个劳动者来说都是一种巨大的杠杆。03GPT-5.5 是整个技术栈各环节协同进化的产物AI 训练通常包含两种形式一种是通过预测下一个词赋予模型通才智慧的预训练另一种是让模型尝试任务并在表现出色时给予奖励的强化学习训练。GPT-5.5 作为两年研发的结晶是否意味着它是 OpenAI 首次将大量针对特定任务的强化学习注入其中的产物Greg Brockman我的看法略有不同。整个流水线包含很多步骤包括预训练、中段训练、强化学习、数据采集。这些环节共同作用才产生了最终结果而它与世界的连接方式也是使其具备实用性的关键。我想强调的是我们在每一个环节都进行了投资并建立了一支可复制的团队。这不是个人在这些环节上工作而是一个团队审视整个技术栈思考如何让它对现实应用更有用。所以这不是某一项单一技术的功劳而是整体协作的结果。就像造车不仅需要一个好引擎如果汽车其他部分的品质跟不上引擎那也白费。真正的创新在于端到端的协同设计并以一种可复制的方式不断精进。04提示工程是否已经过时GPT-5.5 已经能直观理解用户意图甚至成为合格的 AI 研究伙伴研究人员只需提供高层算法想法它就能自主运行实验并生成看板。你们是如何实现这种能力的这是否意味着提示工程已经过时了Greg Brockman首先这归结为我们所说的全新一类智能。模型变得更直观是因为它们对你的需求有了更深层的理解。它们会结合上下文去揣摩指令背后的真实意图。至于提示工程是否过时了我反而认为它在某些方面可能比以前更有活力。目前你花大量时间向计算机解释你的初衷试图塞进各种背景信息你会想为什么我要向计算机解释这些整个事情应该是计算机在做工作来帮助我。我不希望被迫分解每一个步骤我只想指明方向让它处理细节并以一种我可以在此过程中观察反馈的方式给我结果。我希望它是底层执行的驱动者。所以提示工程的未来在于你可以用更少的精力获得更多的成果。而在付出同等精力的情况下你获得的产出将成倍增加。我认为我们现在才刚刚触及当今模型能力的上限。05OpenAI 的长期竞争壁垒在哪里研发领先模型需要投入巨额算力与资金但往往几个月后就会被开源模型通过蒸馏技术跟进。在投资规模不断扩大的情况下OpenAI 的长期竞争壁垒在哪里Greg Brockman我看待的角度不同。我们真正的投资是在那种端到端的协同设计上在于构建一套生产这种技术的系统和协作方式。这涉及如何利用大规模超级计算机来训练模型。此外蒸馏模型也没那么简单不是直接拿大模型的输出就能蒸馏出一个能力对等、体积更小、运行更快的模型。如果真是那样我们自己早就做了。蒸馏本身是一门艺术。我想表达的是我们真正投资的是制造机器的机器。在部署端我们非常重视安全防护和缓解措施针对模型在现实中可能被误用的各种情况进行针对性开发。我们在网络安全、生物安全等领域有长期的投入。你可以参阅我们公开的准备框架了解我们如何平衡技术进步与风险防控。我们相信这项技术能赋能并造福每一个人这是我们所坚持的信念。06GPT-5.5的定价逻辑GPT-5.5 的价格约为 GPT-5.4 的两倍面对低成本开源模型的威胁你们如何维持商业竞争力如果外界认为 OpenAI 因为面临上市压力而结束了“廉价智能”阶段你会如何回应Greg Brockman我看待的方式不同。首先回顾OpenAI 的历史我们的降价并非由竞争驱动而是源于自身的进步。在同等智能水平上我们年复一年的降价幅度有时能达到 100 倍。但这其中存在杰文斯悖论Jevons Paradox当你降低某种资源的成本时社会对该资源的需求和活动反而会爆发式增长。我们发现智能是有溢价回报的。对于模型现在能处理的任务智能提升一小步实用性就会跨越一大步。这就是 5.5 的故事虽然在智能上可能是增量改进但在应用广度上将是巨大的飞跃。相对于 5.4用增量来形容 5.5 其实太保守了。它虽然在数字上只是 0.1 的提升但其内在的魔力已被早期测试者在实际工作中充分证实了。关于上市压力与定价是的我会反驳这种观点。我们的业务逻辑其实很简单我们租用、建造或购买算力然后以正利润率将其转化为智能售出。只要运营利润是正的且 market 对智能的需求是可扩展的我认为只要有问题需要解决这种需求就不会枯竭目前我们的供应始终赶不上需求我们就可以无限扩展算力规模。我给团队的核心指令就是思考如何在原始算力之上创造价值并确保正向的利润。这其实与市场竞争无关本质在于你是否能高效地将算力转化为智能产出。我们一方面在努力提高模型效率另一方面也需要更多、更智能的模型。无论这些智能从何而来投入的底层算力是一样的。竞争对创新是好事它推动了整个生态系统的使用频率和整体支出这一点从我们及同行的营收数字中就能看出来。07安全策略与迭代部署Anthropic 对其最新巨量模型 Mythos 采取了不向公众开放的策略而 OpenAI 则公开了 GPT-5.5。在没有经过循序渐进练习的情况下直接向公众发布如此强大的模型是否可能引发重大的网络攻击此外有一种观点认为模型漏洞只有在广泛部署时才会暴露那么在全面铺开前先在受信任的测试群体中试运行是否更具合理性Greg Brockman我对这个问题的前提持有不同看法。需要明确的是作为我们准备框架的一部分多年来我们一直在网络安全保障和网络安全领域持续投入。早在我们预见到的这些强大能力出现之前我们就已经开始了这些布局。因此我们始终采取的是一种非常谨慎且循序渐进的方式。你可以看到就在过去几周我们扩大了网络受信访问计划。总的来说我们深信生态系统的韧性。我们认为循序渐进是正确的方向模型在不断进化我们也预见到了未来更强大的模型。关键在于需要把这些模型交到防御者手中确保他们有能力保护关键基础设施。我们相信这种韧性当模型真正触达用户人们就能以一种在封闭环境下无法实现的方式去探索并提升安全性。我们需要这种分阶段的推进方式确保在引入额外保障措施的同时有条不紊地推进部署流程从而实现利益最大化并降低风险。我们采取了非常审慎的方法团队在思考该模型的网络安全影响方面付出了巨大努力。同时我们坚信迭代部署。随着模型性能的不断提升这种部署方式能更好地发挥其作用。我们还坚信民主化访问因为创造这项技术的终极目标是赋予每个人力量确保它能造福全人类。所以我们一直在努力解决如何以一种广泛且负责任的方式让这项技术在世界上发挥安全的作用。关于安全路径的选择这个问题的答案非常微妙它根植于眼前的技术细节和诸多因素。你需要考虑模型的进展情况不仅是你自己的能力还有整个生态系统的情况。你需要衡量让一小部分人拥有访问权限并寻找补丁固然有其杠杆作用但随后如何协调这些补丁在整个行业的披露。这涉及很多复杂的环节。真相在于任何一个极端可能都不是最优解而是要针对特定情况使用特定工具。这并不是我们第一次思考这个问题也不会是最后一次。但有一点值得注意我们的模型在防御者手中已经运行了一段时间我们一直在完善受信访问计划。我们发布的模型在网络权限上并非完全开放而是内置了多重保障这样在私密测试和公开共享之间就形成了一个缓冲带。简而言之这反映了两种价值观的碰撞。一种是希望将模型交到人们手中并赋予他们力量另一种则倾向于中心化控制不希望大众接触到它。这可能是当前辩论中潜在的冲突点。但我认为具体的战术应该由细节决定并受这些价值观引导。任何一种本能的选择极端做法都不会给世界带来最好的结果。08如何保证对AI Agent 的有效监督随着AI Agent 拥有更高的自主权、能访问更多文件并跨程序工作目前阶段我们应该给予它们多少程度的信任如何确保在赋予 AI 更多职责的同时依然保持有效的监督Greg Brockman我认为目前AI Agent 实际上已经非常可靠了。即便存在提示词注入之类的问题虽然还有漏洞但我们正在持续修补AI 也在变得越来越稳健。但硬币的另一面是随着 AI 被赋予更多职责和重要上下文的访问权你必须有一套管理方案就像管理员工一样。如果你只有五名员工他们都很可靠那没问题。但如果你有 50 万名同样的员工根据大数定律你必须考虑如何进行有效的治理和监督。在我们提升这些能力让这个超级应用不仅服务于程序员也服务于每一个使用电脑工作的人的同时我们也同步在治理和监督上进行投入。你在我们最近发布的 Workspace Agent 中就能看到这一点。在企业内部你现在可以定义自己的 AI Agent。你会得到一个云端托管的 Codex Harness 工程。你可以挂载工具连接到你的 Slack它就开始为你工作了。这非常棒很多人都在用。看着这种工具在组织内部像病毒一样传播是非常有趣的当你看到别人用的 AI Agent 很好用时你会想既然别人能做我也能做一个。然后你就可以直接分支复刻一份进行个性化定制。这也是一个极佳的治理契机这些功能已经内置在产品中。信息技术部门可以查看所有创建出的 AI Agent你可以追溯它的对话记录并明确它周围的护栏是什么。所以简而言之你希望将 AI Agent 的职责、信任度及其任务的多样性与安全性、可观察性和监督能力同步提升。如果这两者失衡就会出问题。关于规模化挑战要积极投入。随着规模的扩大虽然可以先做原型但规模化后的本质挑战在于你是否依然具备监督能力。所以你需要确保在每一步中你都能准确评估现状了解你的团队和系统正在做什么。09我们不能完全消除算力缺口你曾提到“算力驱动型经济”这具体指什么在算力基础设施上投入如此重注的逻辑是什么Greg Brockman我认为我们正步入一个这样的世界投入到某个问题上的算力越多问题解决得就越快。而能解决的问题上限取决于有多少可用算力。以药物研发为例攻克像阿尔茨海默病这样复杂的疾病目前还超出了人类的能力。但想象一下如果有一个吉瓦级的中心化机房让它心无旁骛地思考如何解决阿尔茨海默病持续一个月甚至一年。它可能不仅是在进行逻辑推理还会咨询全球专家甚至建议在Wet lab中进行特定实验。如果你真的能解决这类问题那对人类文明将是巨大的贡献。我相信未来重要的问题都会以这种方式解决日常生活中的任务也是如此。你会拥有一个了解你、拥有个人背景信息且值得信赖的 AI Agent你可以向它咨询健康建议并得到可靠的答复。它就住在你口袋里的智能手机里你只需与它交流它就会在后台处理事务并主动了解你的目标和兴趣思考如何助你一臂之力。我认为无论规模大小算力都将成为衡量计算机能在多大程度上代表人类工作、服务人类的核心资源。我们正朝着那个世界迈进这是我们大家共同构建的未来。关于算力短缺即使这样也还不够。我们会切身感受到算力的稀缺事实上这种感觉已经开始了。现在那些试图频繁使用 AI Agent 却因为达到频率限制而无法使用的用户已经感受到了这种压力。所以我们正代表客户和每一位想要使用 AI Agent 的人努力工作确保有充足的供应。虽然我不认为我们能完全消除缺口我们正走向一个算力短缺的世界但我认为这是我们所有人都可以共同努力的方向去推动全球范围内算力资源的普及。| 文章来源数字开物【AI技术与应用交流群仅限受邀加入】AI算力领域TOP级从业者专属圈层√ 与头部算力企业深度对话√ 与AI上下游企业深度对话√ 获取一手全球AI与算力产业信息√ 获取AI热点及前沿产业独家信息√ 随时了解全球AI领域高管最新观点及实录全文√ 有机会参与AI主题产业交流活动扫码验证身份需备注姓名/公司/职务不止有 DeepSeek更有 AI产业的未来• END•【专栏】精品再读中国并不缺少芯片 | 黄仁勋最新对话实录杨植麟、张鹏、罗福莉中关村畅聊OpenClaw | 未来的软件是面向Agent原生设计的AI正在经历“物种分化”| Andrej Karpathy最新对话实录