OpenAI总裁：模型已生成新知识，智能体采用率垂直上升

OpenAI正站在一个新的能力拐点上。从破解数学千禧年难题到计算机使用能力的跨越式提升，这家公司正试图向外界证明：AI已不仅仅是聊天工具，而是能够真正替用户完成工作的智能体。

OpenAI联合创始人兼总裁Greg Brockman近日在一档播客访谈中表示，公司旗下模型已成功找到纳维-斯托克斯方程（Navier-Stokes）的反例，证实这一流体力学核心方程在特定条件下存在奇点，从而攻克了七大"千禧年数学难题"之一。他将这一突破定性为"AI能够生成新知识"的里程碑，并认为这预示着AI在攻克疾病、开发新药等领域的雄心将发生"真正的变化"。与此同时，他透露，自ChatGPT Work推出以来，智能体的采用曲线"几乎垂直上升"，ChatGPT每周活跃用户已"远超10亿"。

Brockman表示，公司正将聊天与智能体两种模式加速融合，推动AI从"对话工具"转向"能真正主动、持续替用户分担工作"的形态。他认为，这才是AI长期以来真正的承诺——"让计算机真正按照你的目标和愿望运转"。

数学难题被攻克，AI生成新知识时代开启

Brockman在访谈中将纳维-斯托克斯方程的突破描述为一个"意义重大的日子"。他表示，OpenAI的模型找到了一个反例或证明，确认这些理论方程在某些条件下确实存在奇点，即会出现"崩溃"的情形。这一问题长期悬而未决，属于数学领域最深刻的问题之一。

他强调，这一成果的意义不止于数学本身——这些方程在流体力学领域有广泛应用，涵盖洋流、飞机周围气流及湍流等现象。但更深远的影响在于，这表明AI模型已能够辅助科学家和数学家加速研究进程，并有能力挑战此前"遥不可及"的问题。"当你拥有这种水平的辅助能力时，谈论攻克疾病、开发新药，这些事情就会变得越来越触手可及。"Brockman说。

计算机使用能力跨越门槛，Astra引发社区热潮

Brockman表示，Astra的发布令他"感到非常谦卑"，社区用户展现出的创意和应用方式远超预期。他明确表示，"在计算机使用这件事上，我们已经跨过了一个新的门槛"。

他介绍，用户利用Astra完成了将实体物理空间测绘并转化为3D模型、设计可实际制造的零部件等操作。在他看来，这一能力的核心价值在于：AI正从依赖"连接器"——即手工编码的系统接口——转向像人类一样直接操作计算机上的一切应用程序。"早在OpenAI创立之初，我们就怀揣这样一个梦想：终有一天，能创造出一个AI，在你自己能用电脑做的任何事情上帮到你。我认为，我们现在借助Astra真正做到了这一点。"

他同时承认，这些能力目前仍主要被技术用户挖掘，如何将其传递给"甚至不知道Blender是什么的普通消费者"，是公司面临的核心挑战之一。

智能体使用率垂直攀升，聊天与智能体加速融合

Brockman透露，今年以来，用户正在从纯聊天类场景明显转向智能体类场景，自ChatGPT Work推出以来，智能体的采用曲线"几乎是垂直上升的"。与此同时，他强调聊天场景"依然生机勃勃"，ChatGPT的市场份额已重新开始攀升。

他指出，目前聊天与智能体是两种不同形态，但这只是阶段性状态。公司正在推进二者的统一与融合，目标是让AI不再要求用户关注上下文窗口、模型选择、思考强度等底层细节，而是真正聚焦于帮用户解决问题、"把时间还给用户"。

他也坦承，产品能力不断扩展带来了一种"先行者劣势"——大量早期用户已对ChatGPT形成固定印象，而当前能力已远非彼时可比。他认为，这本质上是一个"发现问题"，整个行业都需要正视，而ChatGPT每周超十亿的活跃用户规模，同时也构成了重新触达老用户的巨大机会。

健康领域布局三大支柱，瞄准全流程医疗变革

Brockman将OpenAI在健康领域的布局划分为三个方向：面向普通用户的消费者端（每周有3亿用户提出健康相关问题）、面向临床医生的专业调优版本，以及直接向医院销售部署的企业端（包括与Epic系统的集成合作）。

他认为，这三大支柱各自成熟后将产生协同效应，有望真正变革医疗体验。他以自身经历为例——其妻子曾历经五年辗转多位专科医生、最终才被确诊患有一种影响全身的遗传性疾病——指出当前高度专科化的医疗体系存在严重的信息割裂问题，而AI的价值正在于能够跨领域打通信息、识别人类医生难以发现的关联模式。"能真正深入帮助你打通生活方方面面，同时在医学所有领域拥有深厚专业知识——这才是AI真正的力量和潜力所在。"他说。

Operator并非失败，而是计算机使用能力的"迭代基石"

针对外界对Operator项目的质疑，Brockman将其定性为"时机问题"，而非失败。他表示，Operator当时的模型能力"刚好在门槛之下"——作为一个基于云端的计算机操作系统，速度慢、准确性不足，"用起来相当痛苦"，未能跨过实用性门槛。

但他强调，Operator的价值在于为后续能力积累提供了真实世界的部署经验。此后团队长期专注、系统性解决积压问题，最终在Astra中实现了真正的突破。他将这一过程概括为OpenAI的核心工作方式："每当我们真正把一项挑战摆在面前，认真思考如何安全、妥善地完成它，真正去交付价值的时候，我们就是这么做事的。"

Brockman同时指出，今年公司整体运作已从"大公司式产品实验"切换回"创业公司式专注模式"，这是推动当前一系列进展的重要背景。

以下为访谈全文：

主持人：今天邀请到了OpenAI联合创始人兼总裁Greg Brockman。欢迎来到节目，Greg，最近怎么样？

Greg Brockman：挺好的，谢谢邀请。

主持人：谢谢你抽空过来。今天是个大日子，能不能先聊聊数学方面的这个突破？到底发生了什么？为什么这件事这么重要？我知道相关的时间线上有不少反复的说法，希望你能给我们讲清楚，纳维-斯托克斯方程今天到底发生了什么。

Greg Brockman：对于AI和现代科学进步来说，这确实是意义重大的一天。今天我们宣布，我们的模型解决了纳维-斯托克斯方程问题——我们找到了一个反例，或者说一个证明，证实这些理论方程在某些条件下确实存在奇点，也就是说会"崩溃"。这个问题悬而未决已经很久了，它是七大"千禧年难题"之一，属于数学领域中最深刻、最重要的问题之一。

我认为这个问题本身很重要——这是人类的新知识，这个证明本身也非常优雅、非常漂亮，我觉得这里面有很多值得学习的地方。这些方程在流体力学和其他领域都有很多应用。但对我来说，更重要的是，这件事代表了我们目前模型能力所处的水平——我们真的可以生成新的知识，可以从这些模型中学习，让它们帮我们解决那些原本遥不可及、或者需要花很长时间才能解决的问题。

主持人：那我该怎么理解这件事呢？这会帮我订机票吗？会帮忙攻克癌症吗？还是说，这只是帮你们招募那些对这类东西着迷的研究员？因为我觉得，这件事已经在科技圈掀起了波澜，但我猜，这不会成为那种朋友家人聚在后院烧烤时会聊起的话题，毕竟大多数人离这个领域隔着好几层关系。

Greg Brockman：首先，这个具体成果本身，或者说这些方程本身，是有实际应用的——它们能帮助我们更好地理解从洋流到飞机周围气流、湍流之类的各种现象。但更重要的其实是，这背后更广泛的洞见和方法，能够帮助科学家和数学家进一步加速他们的研究。我觉得这再一次说明：如果我们的模型能帮忙解决这类问题，那接下来会发生什么？还有哪些问题是可以立刻应用上的？

我认为，当你拥有这种水平的辅助能力和模型能力时，谈论攻克疾病、开发新药，这些事情就会变得越来越触手可及。我确实认为，我们能够着手挑战的问题的雄心程度，将会发生真正的变化。

主持人：即便这件事没有真正破圈传到大众世界，这个周末肯定也会成为热门话题，因为这个周末大家好像都在聊Blender、聊用Astra搭建各种东西。能不能给我们讲讲Astra这次发布的情况？反馈怎么样？你们学到了什么？听起来中间经历了几次"重置"，模型的扩展表现得很好。这次发布和之前的发布相比，有什么不一样的地方？

Greg Brockman：首先，社区对Astra的反响真的让我很震撼。说实话，看到大家展现出的各种创意和五花八门的应用方式，我感到非常谦卑、也非常受触动。可以很明确地说，我们在计算机使用这件事上，已经跨过了一个新的门槛。

这个模型现在真的能够以一种前所未有的方式，去操作各种不同的应用程序。人们也充分利用了这一点，认真思考该怎么去创造。很多人展示了3D创作成果，把物理空间实景测绘下来，转化成3D模型，还在思考能不能用它来设计实体零件。有人分享了他设计一个"淋浴排水口防堵毛发装置"的过程——这挺酷的，他们现在真的能把这个东西制造出来了，这算是"淋浴防堵毛发超级智能"了吧（笑）。

主持人：是的，这些东西听起来很平常，但其实特别重要。我感觉很多这类应用往往会被忽略。

Greg Brockman：没错。我觉得这里有个很关键的点：我们有时候谈的是那些宏大的挑战，或者一些很小众的应用场景，但真正重要的是——你日常生活中那些想要解决的问题，现在真的可以被解决了。我们真正想做的，是赋能每一个个体，让每个人都能拥有"超能力"，能够完成更多事情。真正去造福人们、赋能人们，打造能真正帮到你日常生活的工具，这就是我们正在做的事情。

主持人：看起来这个周末，科技圈里有大量人用Blender把自己家彻底"重建"了一遍，规划了一次翻修，多亏了Astra。不过我很好奇你们怎么把Codex、ChatGPT Work、桌面版ChatGPT这些整合到一起。我现在有一台装了英伟达显卡的游戏PC，还有一台Mac mini，各种设备都有——我知道自己这么折腾其实没必要，对我来说更像是种乐趣，是那种"早期尝鲜者"愿意东拼西凑去解锁各种能力的阶段。但未来，这一切应该都会被收进同一个提示框里，我随口问一句"我该不该翻修房子"，它可能就直接帮我建出一个3D的Blender模型来回答这个问题。你怎么看，这个周末我们看到的这些"重度玩家"展示出的能力，未来要怎么才能真正走进那些甚至不知道Blender是什么的普通消费者手中？

Greg Brockman：我觉得你说得完全正确——我们确实很想把这些工具，从原来那种需要用户具备底层操作能力或指导的模式，转变成真正让人能够"自由飞驰"的状态：让用户真正被赋能，去设定目标和方向，同时你依然应该能感觉到自己可以深入到细节里去，能够理解它，能够提供监督——因为归根结底，你应该对最终结果负责。但与此同时，你也拥有一个绝对意义上的"放大器"，就像蹦床，或者像是"给思维装上的火箭"，随便你怎么打比方。

我觉得，从实际层面来看，今年我们确实明显看到，用户正从纯聊天类场景转向智能体（agentic）类场景。但我也想强调，聊天场景依然生机勃勃——我们现在每周活跃用户已经远远超过10亿，你可以看到ChatGPT的市场份额又开始重新攀升，因为我们在教育、医疗以及其他很多对人们重要的领域，都投入了大量精力去做各种应用。与此同时，那些注重生产力、深度知识工作的应用场景，正在真正起飞——自从我们推出ChatGPT Work以来，智能体的采用曲线几乎是垂直上升的。

我认为，聊天和智能体这两种模式眼下确实是两种不同的形态，但这只是一个阶段性的状态，我们正在持续推进把它们统一、融合起来，我们也开始看到一种全新的、人们更愿意接受的AI消费形态正在浮现。我觉得，这其实正应验了AI一直以来的承诺——你能拥有一个可以对话、并且能真正主动、持续地替你分担工作的东西。如果把时间往回倒五年、十年，人们对AI的期待，绝不会是一个"底层语言模型"——你还得考虑上下文窗口、还得选择思考强度、还得挑不同的模型，这些都不是未来该有的样子。

所以我认为，我们正在朝着真正的"能力放大"迈进：真正把时间还给用户，让计算机真正能够按照你的目标、你的愿望去运转。我认为这才是核心所在。我们也在安全地推进这一切——这是我们做出的核心承诺之一，也是我们思考这件事的方式。我们确实看到，这些工具的能力正开始快速提升，用户能做到的事情也在不断增加，而像Blender这样的底层工具，正逐渐变成一个"幕后细节"，逐渐淡出用户的视线——这绝对是我们前进的方向。

主持人：在AI这个领域，感觉存在一种近乎"先行者劣势"的现象——已经有几十亿人尝试过ChatGPT，其中一部分人是第一次接触，对这个产品能做什么已经形成了某种固定印象。而即便是最近这几周，也不断有新的智能体、新的产品上线，人们一试之下惊为天人。我觉得这挺有意思的，因为我自己算是那种拼命想把ChatGPT用到极致的人——比如说我一直挂着一个智能体，专门帮我盯着SpaceX的每次发射时间，一旦延期就通知我，这种在后台持续运行的智能体。但从战略角度看，我觉得这其实是一种新型的挑战，因为随着能力不断扩展，先行者几乎需要不停地向市场提醒，"看，这里还有这么多闲置的新用法可以挖掘"。

Greg Brockman：这个问题我们确实想了很多。我觉得这是一个"发现问题"（discovery problem），整个行业都需要认真、正式地去面对，虽然我们还没有完全解决，但我认为，比起以往任何一款产品，我们其实有真正的机会把这件事做得更好。

目前我们依赖的，你想想ChatGPT和ChatGPT Work，本质上都是一个文本输入框——就好比"这个新的文本框比旧的文本框强大得多"，但（笑）出于某些原因，人们还是更愿意用那个旧的文本框，因为新的东西"太让人困惑了"。人们真正想要的，是一个能帮他们解决问题的东西，整件事的意义就在于把时间还给用户，而不是逼着用户去搞懂所有这些内部细节。但与此同时，我们也拥有一个能理解你真实意图的模型——你告诉它"我想要什么"，它对你已经有了大量的背景了解，所以它其实也应该能够主动提醒你，比如："其实如果你换个方式问我"，或者"如果你添加这个连接器"，或者"如果你授权我做这件事"，或者"如果你以这种方式接入你的凭证"，我就能帮你去做另外这件事。

所以我们花了很多心思去思考这种"自我认知"的过程、这个引导用户上手的过程，我认为这是一个巨大的机会。你提到的那种劣势确实存在——人们尝试过一次，形成了印象，而现在的东西已经不一样了；但同时也存在优势——ChatGPT每周活跃用户超过10亿，这种使用规模是独一无二的，没有任何其他模型能达到这个量级。而且，之前尝试过ChatGPT的总人数，我记得大概是10亿到15亿左右，这对我们来说也是一个巨大的机会，可以重新回到这些老用户身上，告诉他们："嘿，我们现在可以帮你解决这个问题了，可以用你之前没见过的方式帮到你了。"

而且这是真实存在的——你看看现在有多少人用ChatGPT来查健康类问题，每周有3亿人在问健康相关的问题，这真的在切实改变着人们和他们所爱之人的生活。所以我们面前的机会真的非常大。

主持人：能不能继续聊聊健康这个话题？在那之前我想先说一点——我觉得这点很有意思，可能也是OpenAI可以做得更好的地方：现在AI行业里的每家公司，从营销角度看，都想成为"AI界的苹果"。但大家一想到"苹果式营销"，脑子里浮现的往往是"Mac对战PC"，或者1984年那支经典广告，那种大型品牌战役。但苹果在营销上真正做得好的地方，其实是他们会反复强调产品里那些非常具体的细节——比如他们会专门为新相机做广告，专门为Memoji做广告，专门为Safari里的某个具体功能做广告。而AI这个领域，需要传达的信息量其实要大一个数量级，因为它能做的事情实在太多了。所以我觉得，公司在广告投放上其实有巨大的空间——品牌宣传片当然很棒，Astra的发布视频也做得非常精彩，但其实应该有那种专门宣传ChatGPT具体某项能力、告诉大家"这能帮你省下多少时间"的广告牌。

Greg Brockman：这一点我今年确实深有体会，算是真正意识到了这一点。举个例子，我们刚刚发布了ChatGPT图像2.5版本，如果你去看那支发布视频，我最喜欢的地方在于：它展示了有人创作了一张图片，然后展示了一大堆不同的变体，最后展示了这个人挑出自己最喜欢的那个版本，并把它变成了现实中的实物——比如有人说"这是我画的一个烛台小草图"，你会看到一个很棒的可视化效果，接着看到这个烛台真的被做出来摆在那里，你会立刻明白："对，这就是我想要的东西"，它一下子就能打动你。

我认为，真正向人们展示一个具体的使用场景非常重要。还有一点让我有点意外的是，我们有时候会展示一些比较小众的应用场景，对某个特定的人来说效果惊艳，但其他人不会因此联想到："既然它能做到这么厉害的事，那我是不是也能用它解决我一直想解决的另一个问题？"这种联想，其实比我原本想象的要难建立得多，不过仔细想想也合理。你真正想要的，是那种能让人一看就说"我现在就想要这个东西，我这就去试试"的具体使用场景，然后从那里开始，他们会不断去探索，逐渐发现："原来我确实有这样一个强大的应用场景，只是我当时都没意识到。"

主持人：对，Sora大概是这种效果发挥得最好的例子了。另外一点是，要不断提醒用户去主动问问AI它到底能做什么。我之前和一个做房地产开发的朋友吃饭，他整天都在用ChatGPT写各种交易备忘录，理解他手头在做的各种项目，他经常会问我："ChatGPT能不能做这个，能不能做那个？"我说，我很乐意回答你，但其实你手头就有一个工具，能直接跟你解释清楚具体该怎么做到你想要的事——也许它做不到，但大概率是能做到的。

Greg Brockman：对，我自己也是这样。我之前在折腾Blender那个项目的时候，也在想："我该把这个当作本地Codex线程来跑，还是放到云端跑？"我就直接问它，让它根据我的系统情况给我建议哪个更好，它给了我一个很好的答案，我就照着做了。

主持人：说到图像生成，2代模型刚出来的时候，我一度觉得"图像生成这事儿已经被解决了"。你觉得图像生成这个品类接下来会走向哪里？因为这感觉是所有功能里，对我来说"一次成型"效果最好的东西——尤其是它刚发布的时候，我有一个周六花了好几个小时在设计家具，试了成百上千个提示词。图像模型到底还能走多远？未来的方向是什么？还有哪些应用场景是你觉得值得关注的？我们之前也聊到过图像模型的下游影响——如果你能拍一张某个实体空间的照片，然后把它想象成各种不同的变体，这会带动大量现实世界中的实际行动，因为人们能"看见"这个东西。

Greg Brockman：对，然后他们会说，"我现在就想把这个变成现实"，我觉得这真的很酷。

主持人：没错。

Greg Brockman：我觉得这正是理解这件事的正确方式：每当你跨过一个新的能力门槛，从我的经验来看，总会解锁一些你事先根本想不到的全新应用场景。所以我认为，在知识型工作、专业性工作、营销等等这些领域，你只需要越过某个质量门槛——如果达不到，那顶多算是个不错的概念，但最终成果没法真正拿来用，也就等于问题并没有真正被解决。