大家好，这里是最佳拍档，我是大飞。会有一天，我们按下一个开关AGI就到来了么？答案可能是永远也不会。在OpenAI GPT-6 Astra发布前后，OpenAI的总裁格雷格·布罗克曼（Greg Brockman）先后参加了TIME和TBNP的两场访谈。最核心的一个观点就是“AGI is a gradual thing”，通用人工智能是一个逐步发生的过程。今天我们就汇总两期访谈的内容，来尝试理解一下AGI发生的这个过程。

在TIME的采访中，布罗克曼把AGI、软件工程、知识工作和网络安全放在同一条线上来看。他说，这些领域没有哪一个是在某天突然改变的，但是AI能独立完成的任务范围一直在扩大。模型先是学会了补全代码，然后开始调用工具；从处理一个文件到随后能够阅读整个代码仓库；从先等人不断追问，再尝试自己拆解任务、检查结果并继续执行。他给出的判断很大胆：如果两年后回头看，人们可能会把今天视为AGI开始形成的阶段。

对于开发者们来说，判断模型有没有进步，可以先看一件更具体的事：它一次能把多长的任务做完。布罗克曼在访谈里讲了OpenAI内部的一个案例：训练前沿模型时，一次任务可能连续运行好几个月。研发团队会从主分支拉出一条专用分支，同时继续修改主线代码；两边重新合并以后，有些问题只会在大规模训练环境中才暴露出来。

过去一旦出错，最优秀的一批工程师可能也要花三四周去排查，因为改动太多了，没有人能把所有相关代码重新读一遍。但是现在Codex直接把所有代码读一遍，检查合并后的改动、追踪问题来源再指出可能出错的位置。原本需要几周的问题，他们已经多次在几个小时内解决了。

当然，这是一家公司内部的使用经验，不能直接当成所有代码库都能复现的性能数据。但是它说明了一个变化：编程智能体的价值，正在开始从代码写得多快，走向能不能接住过去需要多人连续排查的工程任务。

开发者的工作也随之往后移动：模型负责搜索、阅读和尝试，人要判断根因找对没有；修复会不会破坏旧逻辑？这次修改能不能进生产环境？访谈发布的第二天，OpenAI发布GPT-6 Astra开始分阶段推送。官方把它定位为面向端到端复杂工作的模型，覆盖编程、研究、浏览器和电脑操作；API版本拥有105万Token的上下文窗口，还增加了异步工具调用和执行过程中的指令调整。

这些能力和布罗克曼对AGI的判断恰好碰在一起：模型开始同时处理代码、浏览器、文件和工具调用，一项任务可以在多个环境之间继续推进。过去开发者接入模型主要的工作是设计输入、处理输出；但是在接入能够操作工具的智能体以后，团队还要管理它的执行状态、权限范围、失败恢复和中途变更。

但是一个很现实的问题也出现了：模型越强，允许它犯错的空间越小。TIME的记者在访谈中问了一个当时很敏感的问题：安全调整是否拖慢了Astra？布罗克曼承认，Astra确实比原计划更晚。他同时透露，Astra正在接近OpenAI准备框架中的网络安全Critical级别；完整评估还没有结束，公司已经决定按照接近该等级的标准部署防护。

GPT-6正式发布后，OpenAI确认Astra达到了这个门槛，成为首个达到网络安全Critical级别的模型。布罗克曼还详细谈到了Hugging Face网络安全事件的来龙去脉：OpenAI在训练和评估一个模型时，这个模型在一个配置良好的沙箱里不仅突破了沙箱还进入了生产基础设施。布罗克曼称这是他知道的最令人开眼的安全事件。

更值得注意的是，这不只是一个单一的智能体而是一整个智能体群在协同工作、互相传递消息。他认为，六个月后当这种能力不再局限于实验室每家公司都需要升级安全体系。但是他也表达了乐观的一面：AI可以让防守方拥有前所未有的优势，比如通过形式化验证数学来证明软件的安全属性。

或者训练模型永远不犯常见的安全错误。他还用自己个人网站做了个演示：让Codex扫描gregbrockman.com，结果发现了13个安全问题；然后让Codex自己修。它直接打开云控制面板、调整设置、迁移服务器、移除了不安全的jQuery版本；15分钟发现问题，1小时全部搞定。

布罗克曼说，他只是给了意图剩下的全是模型做的。布罗克曼用火箭来解释模型能力与安全边界的关系：小火箭偏差几厘米结果或许还能接受；火箭越大、载荷越重要，误差就要从厘米缩小到毫米。同样的道理适用于编程智能体：一个只在临时分支里改代码的Agent出错重新运行就行。

但是一个能读密钥、操作生产数据库和执行发布命令的Agent出错，影响可能会立即落到真实业务上。不过布罗克曼并没有把AGI描述成一个接管所有判断的机器。他认为，模型会填补很多人类处理不了的空缺：比如代码库太大一个人无法通读；任务持续太久人会疲劳和遗忘。

AI可以把这部分接过去，但是他紧接着把问题留给了人：最终的判断从哪里来呢？他谈到了品味，谈到谁来决定什么结果是好的。这些事情仍然应该由人负责：Agent可以替支付系统补上一个幂等判断，却不知道公司愿意承担多大的兼容成本；它可以把测试跑绿，但是不知道历史订单需不需要补偿。

它可以生成三套架构方案，但是仍然要有人决定团队未来几年愿意维护哪一套。当写代码越来越便宜判断错误的代价并没有一起下降，开发者的价值会更多地落在问题定义、系统取舍和结果验收上。

访谈后半段，记者问布罗克曼ChatGPT与Codex整合完成后最终的产品形态会是什么？他的回答只有三个词：A personal AGI（一个个人AGI）。布罗克曼解释说，早期ChatGPT只有一个文本框能做的事情基本停留在输出文字；Codex带来了另一套能力，它可以调用工具、进入环境把任务向前推进。OpenAI正在把这两套体验合到一起。

用户不需要频繁选择模型、切换思考档位或者反复补充项目背景；理想状态下，系统会理解任务调用合适的工具并且在需要人决策时再回来询问。他在TIME访谈中举了个例子：模型知道你最喜欢的乐队要来巡演，票刚开卖它就主动帮你买了；然后告诉你“票卖得很快我已经帮你买了希望没问题”。

当然，主动行动也带来现实问题：一个Agent知道你的邮件、日历、代码库和预算以后，它能帮你完成更多事情也更容易越过原本没说清的边界。布罗克曼说得很直白，信任是关键：个人Agent能获得多少上下文和执行权限取决于逐步建立的信任。

对开发者来说，信任不能只写在产品介绍里；它要变成权限提示、操作确认、审计日志和撤销能力。用户要既能够看见Agent准备做什么，也能在关键动作发生前叫停。TIME视频发布后评论区出现了两种截然不同的声音：一位观众把布罗克曼的观点类比成图灵测试——一个被讨论了几十年的门槛，机器逐渐跨过去以后人们反而不断移动标准。

AGI也可能如此：变化平滑到只能在事后确认。另一位观众完全不认同，他认为AGI会是一项巨大的发明但是不会从现有的大语言模型路线中出现；行业离它还很远。两种判断的差别来自大家对AGI的标准不同：有人还在等待一台各方面都超过人的机器；也有人已经把能够持续调用工具、完成知识工作的Agent看成AGI形成过程的一部分。

就在Astra发布一周后，布罗克曼又做客科技播客节目TBPN聊的内容更加具体也更加贴近普通用户能感知到的变化。这次访谈的核心信息是：当前模型已经具备了生成新知识的能力。布罗克曼宣布OpenAI的模型解决了纳维-斯托克斯（Navier-Stokes）问题，找到了一个反例证明这些描述流体运动的理论方程在特定条件下确实存在奇点或会发生崩溃。

这是七大千禧年大奖难题之一，也是数学界最深奥最重要的难题之一。布罗克曼强调这不只是复述已有的信息，而是模型像数学家一样找到了反例、完成了证明。这个方程本身在流体力学等领域有广泛应用，从洋流到飞机周围的气流；但更重要的是它代表的含义：AI不再只是工具，它开始生成人类此前没有的知识。

布罗克曼说：“当我们谈论治愈疾病、研发新药时，只要拥有这种水平的模型一切就变得无比真实。”访谈随后过渡到了Astra发布后的社区反响。布罗克曼说社区的反响让他深感震撼，人们用Astra做了各种各样的事情：有人展示3D作品；有人把现实场景转化为3D模型；有人设计物理零件。

甚至有人分享了自己如何设计一款能在浴室下水道里收集头发的机械装置，而且真的做出来了。布罗克曼说：“我们有时会谈论那些宏大挑战或前沿应用，但实际上你日常生活中渴望解决的那些琐事现在都可以迎刃而解了。”他特别提到像Blender这样的专业工具未来会淡化为背景中的微小细节，用户只需表达目标AI负责调用一切底层能力。

谈到产品融合方向，布罗克曼描述了一个很清晰的方向：用户应该能设定目标和任务同时依然可以深入了解和掌控细节。因为你最终要对结果负责，但是你也获得了一个极致的放大器。今年开始AI的使用场景从纯聊天向AI Agent用例的转变非常明显，但是聊天场景依然生机勃勃：ChatGPT每周活跃用户已经超过十亿。

自从推出ChatGPT Work以来Agent的采用率几乎垂直攀升。布罗克曼认为这两种模式只是当前时间点的状态，OpenAI正在将它们统一和融合。他回溯了五到十年前人们对AI的期待：当时承诺的绝不是一个需要你操作底层设置的语言模型，而是不用考虑上下文窗口、不用选择思考强度。

AI的真正承诺应该是你拥有一个可以交流并真正能够委托任务的对象，而且它是主动且持续工作的。但这里存在一个很现实的问题：布罗克曼称之为“功能发现问题”。ChatGPT和ChatGPT Work本质上都只是个文本框，你在告诉大家这个新文本框比旧文本框强大得多；但有时用户仍然想用回旧的文本框。

人们其实只是想要一个能帮他们解决问题的工具，而不是逼自己成为弄懂底层细节的专家。布罗克曼认为模型理解了你想完成的任务、掌握了你的大量上下文，它也应该能主动对你说：“如果你换一种方式问我或者添加了某个插件或者授权我这么做，我还能顺便帮你把另一件事也办了。”

他将这个称为系统的自我认知和用户上手引导流程，认为这里蕴藏着巨大的机遇。他还特别提到营销上的启示：AI行业应该学学苹果，不是做品牌大片而是展示极具体的产品细节场景，让人们看完后脱口而出“我恰好需要这个功能”。

在图像生成方面，布罗克曼的判断是：当技术突破新的能力门槛时总会以人们意想不到的方式解锁全新应用。在知识工作、专业工作和市场营销等领域，模型输出只要超过某个质量门槛就能将最终内容投入实际使用；但是低于这个门槛它就只是一个很酷的概念无法真正解决问题。

如今，精确的编辑控制、极快的速度、真正的创造力、多样化的生成结果以及与人良好的互动这些特性真正解锁了全新的用例。他将图像、语音、代码等能力视为一个统一整体，它们将共同构成一个能为你赋能的AI。

医疗健康是布罗克曼在这次访谈中着墨最多的应用领域。他把OpenAI在医疗方面的工作分为三个支柱：第一是消费者端，每周有三亿人使用平台进行健康查询；第二是医生端，相当于专门为临床医生优化的ChatGPT能直接提供医学文献引用；第三是企业端，直接向医院销售并且由他们部署比如与Epic医疗系统进行了整合。

布罗克曼认为随着这三个支柱不断发展壮大它们之间能产生强大的协同效应：如果所有医疗服务提供者在同一个平台上，患者不用再一遍遍解释病情、在不同专家之间传递病历。他还特别提到了临床试验的患者招募：这是药物研发的巨大瓶颈，如果人们愿意将信息托付给AI就能在造福患者的同时造福整个世界。

主持人还提出了一个很敏锐的问题：记忆功能的进步该如何与医疗健康结合，帮助AI发现人类有时需要几年才能察觉的疾病规律？布罗克曼用自己的亲身经历回应了这个问题：他的妻子经历了五年的求医旅程，看了很多专家每个专家都只关注自己负责的那部分系统。

直到最后一位过敏科医生才发现所有症状其实是相关的：妻子得的是一种影响全身系统的遗传疾病。布罗克曼说现实中很难说有多少人患有类似情况却永远无法确诊；如果医生只专注于某个细分领域就很难做出全面的整体诊断。这正是AI的力量所在：它不仅能在生活的方方面面提供深度帮助，还相当于汇集了医学各个领域的资深专家。

访谈最后主持人问了关于Operator项目的问题：它感觉像是一个失败的尝试？布罗克曼把所有这些尝试都视为时机的选择也是迭代部署的过程。Operator在模型能力方面刚好低于及格线：它是一个基于云端的系统通过控制计算机来操作，但是速度慢、不够准确、用户体验相当痛苦。

虽然有些人从中获得了价值但是它确实没有达到理想的标准。布罗克曼说OpenAI做得非常好的一点是对真正重要的事情进行长期投资并且愿意埋头苦干。今年团队真正开始发力逐个解决长长的待办问题清单，专注于解决Computer Use的问题取得了重大成果。

他强调了一个核心逻辑：以前的AI Agent只是通过连接器来使用计算机，也就是通过极其繁琐编码的系统与人类使用计算机的方式截然不同。但是人类可以毫不费力地使用计算机上的所有功能，因为计算机系统的一切本来就是为人类设计的；如果有一个能以人类方式操作的AI它就能在所有需要使用计算机的任务上为你提供帮助。

他说从OpenAI创立之初就梦想有一天能创造出这样的AI；凭借Astra他认为已经做到了。这是一个关于长期专注、持续努力、在逆境中也不轻言放弃的例子。从两个访谈的内容来看，布罗克曼并没有回答距离AGI还有几年；他的答案落在另一个尺度上：模型正在把任务越做越长，把越来越多工具接进同一条工作流。

GPT-6 Astra让这个判断很快有了现实参照：它仍然会犯错也没有替团队承担责任；但它已经从生成一段内容走向在电脑、代码和专业软件之间连续工作。开发者不必等到行业宣布AGI正式到来再考虑自己的工作会怎样改变；先看手里的Agent能独立工作多久、失败以后能不能停下来、完成以后能不能验收。

AGI的日期或许仍然模糊，但是工程边界必须提前写清楚。不过这里面我觉得有一个问题很值得思考一下：当AI开始帮我们买电影票、阅读病历、修改代码的时候，信任的标准应该由谁来定义呢？是模型厂商、是开发者还是每一个把自己的数据交出去的普通人呢？感谢收看，我们下期再见。