OpenAI 产品负责人 Tiba 访谈笔记

AI 行业 · 深度访谈

OpenAI 产品负责人 Tiba：做“有温度”的超级智能

关于产品理念、团队文化、Codex 合并与 Ultra Fast 的坦诚分享

核心观点

“我不太看竞争。我们真正思考的是：我们能做得独特好的地方是什么？我们的价值观是什么？如何最快速地朝着那个方向加速？”

从 Google DeepMind 到 OpenAI 的关键体会：

Google 错失先机：当时 DeepMind 被阻止发布可能颠覆 Google 的产品，因为“DeepMind 的机制不适合发布产品”。

OpenAI 的差异：研发与产品紧密协作，共同设计，有强烈的“发布倾向”，让技术走向每个人。

团队文化：自下而上，敢于自我颠覆

好的文化要去守护：

自下而上、充分赋能：任何人可以提出想法，并快速把它做出来。

极少的“阻力能量”：新想法不会被繁琐流程扼杀。

保持专注与简单：避免各种功能“大杂烩”淹没真正方向。

给创始人的建议：

有坚定的信念，找到用户，快速从反馈中迭代。

愿意颠覆自己——不断识别“正确时机”并重分配资源。

      “当公司成熟后，维持这种文化更难，尤其是当你有‘现金牛’业务时。但 AI 的未来不会等你手上的存量市场。”
    

产品思考：技术应适应人，而非反之

新一代语音带来的变化：

语音交互变得自然、愉悦，支持工具调用，使用场景大幅扩展。

每天早上对着手机口述任务，ChatGPT 能直接访问所有工具并执行。

“完美幻觉”的本质：

理想状态是“一个始终在场的智能伙伴”，它自然融入日常，像人一样理解语气和语境。

技术应“适应你的个体性”——不区分你是工程师还是非技术用户，同一套界面，按需定制。

      “你和我妈妈会用同一个产品，但它会成为各自专属的个人 AGI——连接不同的工具、承载不同的想法和需求，持续自我调优。”
    

Codex 与 ChatGPT 合并：未来模型的必然选择

为什么要合并？

未来模型需要打通的底层技术、能力和接口是同一套系统。

构建的是一个“通用的超级智能体”：能写代码、能做研究、能给建议，高度多模态、语音优先。

用户不应去切换“产品模式”，界面应该自己适应人。

Codex 用户量

2000 万

增长速度

呈现垂直上升

“重置”按钮的背后逻辑：

当产品迭代中出问题或体验不佳时，主动为用户补偿额外的使用额度。

这只是文化层面的“真正在乎用户”——由团队自行决定，不受市场或财务部门干预。

效率竞赛：让智能学会“自我优化”

Luna 效率飞跃：

Luna 价格下调 80%。

用最强模型去优化基础设施、重构技术栈，以获得更大的性能与成本收益——这是“递归自我提升”在基础设施层面的体现。

速度也有显著提升：相比三个月前整体速度提升约 60%。

两年前的大胆押注：

OpenAI 在算力上投入巨大，当时曾遭质疑，如今回看是“疯狂的好押注”。

把效率提升获得的收益直接让利给用户，而不只是收入利润。

安全与对齐

关于“暂停前沿 RL 训练”：

当模型能力持续增强时，对齐和安全重要性随之水涨船高。

暂停训练是为了让团队充分理解并加固整个系统，然后以“完全掌控”的状态重新出发。

这是 OpenAI 会持续坚持的原则，决策可以非常果断。

Ultra Fast：当智能以 14 倍速度流动

Ultra Fast 是什么体验？

高令牌生成速度约为标准模式的 14 倍。

如果工具调用很多，实际体感会落在 3-4 倍；但纯粹生成大量内容（如写代码）时速度极快。

延迟敏感场景：事件响应、高风险管理、实时创意原型（如快速搭建网站或游戏原型）。

它会不会成为默认标配？

技术效率的提升会不断降低成本，一年或两年后，Ultra Fast 级别的速度或许接近默认水平。

但永远会有一个更高阶的“性能层”，用更多算力换取极致体验。

      “内部并不会让所有人都无限制使用 Ultra Fast，大量算力都留给外部用户与客户。”
    

给更广泛人群的话

AI 正在变便宜，智能将无处不在：

技术会随着时间变得非常高效，OpenAI 追求的是“广泛可及”与“直接可用的价值”。

Luna 的体积更小、性价比极高；回溯六个月，它已达到当时的“前沿水平”。

如今的“前沿”，六个月后就会变得极其便宜。

给还不敢尝试 AI 的人：

ChatGPT 在写作、个人建议、医疗常识等场景中带来了真实帮助。

不必看很远，观察身边人怎么使用它，就能找到自己可以受益的方式。

CuteNote.app 颜值笔记