阻礙 AGI 的最大瓶頸，竟然是人類的手速？——對話 OpenAI 產品負責人

OpenAI 的Codex是目前全球最受歡迎、也最強大的 AI 編程智能體之一。自 8 月以來，Codex 的規模增長了 20 倍，目前每周處理數萬億個 Token。

Alexander Embiricos是Codex 的產品負責人，在這次深度對話中，Alex 不僅揭秘了 OpenAI 內部獨特的產品開發文化，還分享了許多鮮為人知的硬核細節：Codex 如何在短短幾個月內實現 20 倍增長？Sora 團隊如何僅憑2人在 28 天內從零打造出Sora的Android 應用？以及為什么說阻礙 AGI 到來的最大限制，其實是我們人類自己的打字速度？

Alexander Embiricos的7個“頂級思維時刻”：

1、OpenAI 的組織架構非常反直覺，它是絕對的自下而上。在傳統公司，通常是“預備——瞄準——開火”，大家要先確立方向再執行。但在 OpenAI，我們更傾向于“實證學習”——快速發布產品，看什么管用，然后再根據反饋調整。

2、目前的 AI 產品其實很難用，因為你必須時刻想著“這時候我該怎么提示 AI 來幫我”。這就像你雇了個隊友，但他只會等你下指令。我們希望未來的 Codex 能夠具備主動性。它能像一個成熟的同事一樣，理解你的意圖，主動提出建議，甚至在你沒開口前就幫你解決問題。

3、AGI 到來的標志，并不是模型變得多聰明，而是生產力曲線出現“曲棍球棒”式的陡峭增長。從這個角度看，目前的限制因素并不是模型能力，而是一個被嚴重低估的瓶頸：人類的打字速度和多任務處理能力。

4、現在的模式是：人類寫提示詞——AI 寫代碼 ——人類審查代碼。AI 產出代碼的速度已經遠超人類閱讀和審查代碼的速度。這種人工審查的環節成了最大的堵點。

5、為了讓智能體能夠操作計算機，最好的方式可能就是讓它們寫代碼。

6、未來的工程師更像是 AI 隊友的管理者。你需要學會如何配置你的 AI，讓它能自我驗證、自我修復。

7、未來，即使是非技術用戶使用的 AI 助理，其底層可能都是在運行即時生成的代碼。如果你想構建任何類型的 Agent，你首先應該構建一個 Coding Agent。

今天這篇文章，希望對你有所啟發~

01

OpenAI 的速度與野心： 自下而上的“實證主義”

問：你加入 OpenAI 大約一年了，之前你自己創業，也在 Dropbox 工作過。OpenAI 和其他地方最大的不同是什么？

Alexander Embiricos：絕對是速度和野心。作為一個曾經的創業者，這話聽起來可能有點尷尬，但我以前覺得自己的公司已經夠快、夠有野心了，但加入 OpenAI 后，我不得不重新定義這兩個詞。

在這里，我們不僅要面對技術的指數級進步，還要應對產品的爆發式增長。比如 Codex，自從GPT-5發布以來，我們的規模在短短幾個月內增長了20 倍。這種速度迫使我必須極其“無情”地管理自己的時間。

問：這種速度是如何實現的？是組織架構的原因嗎？

Alexander Embiricos：OpenAI 的組織架構非常反直覺，它是絕對的自下而上。

在傳統公司，通常是“預備——瞄準——開火”，大家要先確立方向再執行。但在 OpenAI，因為我們經常不知道下一周會出現什么模型能力，也不知道什么技術能真正落地，所以我們的“瞄準”非常模糊。我們更傾向于“實證學習”——快速發布產品，看什么管用，然后再根據反饋調整。

我們對一年后的未來有大致的愿景（比如 AGI 的安全性），但在戰術層面，我們非常依賴即時反饋。這種模式能運行的前提是：你必須擁有世界上最頂尖的人才，每個人都具備極強的自我驅動力。

02

Codex 的本質： 不僅僅是代碼補全

問：很多人可能還分不清 Codex 和 GitHub Copilot 或 Cursor 的區別。Codex 到底是什么？

Alexander Embiricos：Codex 是 OpenAI 的編程智能體（Coding Agent）。你可以把它想象成一個非常聰明、但不僅會寫代碼的實習生。

目前的 AI 編程工具大多只是 IDE 里的插件，幫你補全代碼。但我們的愿景是打造一個真正的軟件工程師隊友（Software Engineering Teammate）。這個隊友不僅能寫代碼，還能參與早期的創意規劃、后期的代碼驗證和部署。

問：這是一個非常不同的愿景。

Alexander Embiricos：是的。目前的 AI 產品其實很難用，因為你必須時刻想著“這時候我該怎么提示 AI 來幫我”。這就像你雇了個隊友，但他只會等你下指令，甚至不看 Slack，也不檢查 Datadog（監控工具）。

我們希望未來的 Codex 能夠具備主動性。它能像一個成熟的同事一樣，理解你的意圖，主動提出建議，甚至在你沒開口前就幫你解決問題。

03

增長爆發的秘密與“壓縮”技術

問：Codex 最近增長了 20 倍，這是怎么做到的？

Alexander Embiricos：我們做了一個關鍵的產品決策。最初的 Codex Cloud 版本非常超前，它是一個完全在云端運行的智能體。雖然愿景很美好，但配置環境和改變用戶習慣太難了。

我們意識到，要讓用戶接受這個“云端隊友”，首先得讓他能輕松上手。于是我們推出了本地化版本，直接集成在 IDE 和終端里，讓它在一個安全的沙箱環境中運行。這種“從用戶現有工作流切入”的策略，極大地降低了門檻，引爆了增長。

問：除了產品策略，技術層面有什么突破嗎？比如更長的時間、更復雜的任務？

Alexander Embiricos：是的，我們發布了GPT-5.1 Codex Max，不僅速度提升了 30%，更重要的是我們解決了一個核心技術難題——如何讓模型長時間連續工作。

現在的用戶經常讓 Codex 連續運行 24 小時來解決復雜任務，這會導致上下文窗口（Context Window）爆滿。為了解決這個問題，我們開發了一項名為“壓縮（Compaction）”的技術。

Compaction 是一項跨越三層架構的復雜工程：

1. 模型層（Model）：模型本身需要理解“壓縮”的概念。當上下文快滿時，它知道需要對之前的狀態進行摘要和清理。

2. API 層：API 需要支持這種動態的上下文切換和狀態保存。

3. 宿主環境層（Harness）：我們運行 Codex 的環境需要能夠實時準備和調整輸入給模型的負載。

只有當這三層緊密配合，AI 才能像人類一樣“忘記”無關的細節，只記住關鍵的上下文，從而實現長時間的持續工作。這也是為什么我們在 OpenAI 堅持將產品團隊和研究團隊緊密整合的原因。

04

28天奇跡： Sora Android 應用的開發

問：聽說 Sora 的 App 也是 Codex 幫忙開發的？

Alexander Embiricos：沒錯，這是我見過的最震撼的加速案例。

Sora 的 Android 應用是一個全新的項目。在 Codex 的幫助下，我們僅用了18 天就完成了內部測試版，再過10 天就正式公開發布了。總共只用了 28 天。

問：而且這個 App 上線后迅速成為了 App Store 的第一名。這太瘋狂了，團隊有多少人？

Alexander Embiricos：只有2 到 3 名工程師。

這也是 Codex 最擅長的場景之一：代碼移植與復刻。因為我們已經有了 iOS 版本，工程師讓 Codex 去閱讀 iOS 的代碼庫，分析邏輯，然后制定移植計劃并生成 Android 代碼。因為有現成的參考系，AI 的表現簡直是“開了掛”。

05

PM 的新工作流與“一次性代碼”

問：AI 不僅改變了工程師，它對產品經理（PM）和設計師有什么影響？

Alexander Embiricos：它的影響是顛覆性的，我們在見證“人才棧的壓縮”（Compressing the talent stack）。

以前需要跨職能溝通的事情，現在一個人就能搞定。

• 一次性代碼（Throwaway Code）的興起：以前我想分析數據，需要找數據分析師。現在我直接把數據丟給 Codex，讓它寫一個臨時的交互式數據查看器。用完就扔，但這極大地加速了決策。

• 設計師即工程師：我們的設計師想做一個復雜的硬幣動畫，手寫代碼太難了。于是他讓 Codex 寫了一個“動畫編輯器”，用這個編輯器調好了動畫，再生成最終代碼注入到倉庫里。這就是我們所說的“氛圍編程（Vibe Coding）”。

現在，我們的產品營銷經理甚至直接在 Slack 里用 Codex 修改文檔和代碼字符串。界限正在消失。

06

為什么要開發 Atlas 瀏覽器？

問：你們還發布了一個叫Atlas的瀏覽器。為什么要涉足瀏覽器領域？

Alexander Embiricos：這源于我們對“上下文（Context）”的執著。

如果 AI 要成為真正的隊友，它必須知道你在做什么。現在的 AI 助手往往需要你把上下文復制粘貼給它，這太低效了。瀏覽器是大多數工作的發生地。

通過構建 Atlas，我們不需要去 Hack 操作系統或依賴不穩定的截圖技術，我們可以直接在渲染引擎層面理解用戶看到的內容。

這就好比玩游戲時，你走到一個物體面前按“X”鍵，游戲會自動根據上下文做出正確的反應（開門、撿槍等）。我們希望 Atlas 能實現這種“上下文行動（Contextual Action）”——當你看著數據儀表盤發愁時，AI 能自動分析出為什么指標下跌了，而不需要你專門去問它。

07

AGI 的真正瓶頸：人類的手速

問：作為一個在 OpenAI 工作的人，我必須問這個問題：你覺得我們離 AGI 還有多遠？

Alexander Embiricos：我不從時間的角度看，我從“加速曲線”的角度看。我覺得目前的限制因素并不是模型能力，而是一個被嚴重低估的瓶頸：人類的打字速度和多任務處理能力。

Lenny：這個觀點太獨特了。

Alexander Embiricos：現在的模式是：人類寫提示詞 -> AI 寫代碼 -> 人類審查代碼。AI 產出代碼的速度已經遠超人類閱讀和審查代碼的速度。這種“人工審查”的環節成了最大的堵點。

所以，AGI 到來的標志，并不是模型變得多聰明，而是生產力曲線出現“曲棍球棒”式的陡峭增長。這需要我們解決“審查瓶頸”，讓 AI 學會自我驗證，讓人類只需要在關鍵節點把關，而不是逐行檢查代碼。

08

未來的 AI 智能體：萬物皆代碼

問：你對未來的 AI 智能體（Agents）有什么看法？

Alexander Embiricos：我有一個大膽的觀點：為了讓智能體能夠操作計算機，最好的方式可能就是讓它們寫代碼。

現在很多人試圖讓 AI 像人一樣通過點擊鼠標、識別圖像來操作電腦，這效率很低且不穩定。代碼是目前人機交互最精確、最可組合的語言。

未來，即使是非技術用戶使用的 AI 助理（比如幫你訂票、分析財報），其底層可能都是在運行即時生成的代碼。如果你想構建任何類型的 Agent，你首先應該構建一個 Coding Agent。

09

給年輕人的建議：還要學編程嗎？

問：在 AI 如此強大的今天，年輕人還需要學編程嗎？

Alexander Embiricos：絕對需要，但學習的重點變了。

1. 做一個實干家：有了 AI 的加持，一個初級工程師現在的產出能力可能相當于以前的高級工程師。不要只滿足于完成作業，去構建真實的產品。

2. 系統思維至上：具體的語法細節（比如怎么寫個循環）確實不重要了，但理解系統架構、理解模塊間的通信、理解什么是好的軟件設計，這些依然至關重要。

3. 成為 AI 的“配置者”：未來的工程師更像是 AI 隊友的管理者。你需要學會如何配置你的 AI，讓它能自我驗證、自我修復。

2025盛景半年回顧

人生只有四千周，而企業生存期更短，跨越10年經營期的企業少之又少，企業要想有質量地活下去，活得更好更久，“極簡增長”就是看透并掌控事物本質的那個關鍵點。

選對了路，路就不會遠。盛景推出《極簡增長 立竿見影》在線課程，期望能夠幫助更多的企業走上增長道路。未來有多近，在于我們已經走了多遠。未來有多遠，在于我們與誰同行。期待與你同行、共勉。

歡迎大家點擊底部【閱讀原文】觀看《極簡增長 立竿見影》的在線視頻課程，了解如何用極致簡單的增長方法論，實現快速增長。