技術路線四：****

在Transformer打開了大語言模型的理論窗口之后，大語言模型發(fā)展出了三種路線。第一種，以Google BERT、ELECTRA為代表的Encoder-Only（編碼器）路線；第二種，以Google T5、BART為代表的Encoder- Decoder（編****）路線；第三種，以OpenAI GPT為代表的Decoder-Only（****）路線。

這三種路線，Encoder-Only路線適合理解類任務，很難應對生成式任務，也不具有好的擴展性和適應性，雖然被Google BERT在個別子領域一度帶火，但現(xiàn)在幾乎處于被主流拋棄的地步。Encoder- Decoder路線適合特定場景任務，但通用性和擴展性也比較差。Decoder-Only路線首先非常適合生成類任務，同時對各類任務都具有很好的通用性，在工程上也具有很高的可擴展性（scale），非常適合將模型規(guī)模做大。

基于這些特點來看，要以AGI通用人工智能為目的地的話，那么Decoder-Only路線顯然是不二選擇。從上面的大語言模型進化樹來看，可以看出GPT選擇的Decoder-Only路線顯然引領了大語言模型的發(fā)展和繁榮。

技術路線五：從強化學習到對齊

通過以上的無監(jiān)督學習、生成式模型、自然語言、****這幾個關鍵的技術岔路口選擇之后，GPT模型顯然已經(jīng)奔赴在通往AGI的康莊大道上了。但是GPT的強大也引入一些新的隱憂，它的強大會不會為人類帶來危險、破壞人類價值觀、幫助作惡、擾亂社會秩序、甚至威脅人類的生存？

這是嚴重違背OpenAI的愿景和使命的。如何將強大的GPT模型與人類價值觀和社會規(guī)范對齊？強大之后如何變得“對人類有用”？技術的問題要靠技術來解決。這時候OpenAI在早期訓練Dota游戲智能代理時積累已久的強化學習功底就派上用場了。通過在預訓練之后加入基于人類反饋的強化學習（RLHF，Reinforcement Learning from Human Feedback）來教導AI做一個對人類有益的“好的AI”，設立護欄，防止被用來做惡。這方面，OpenAI想得很遠，投入的也很大，配得上它的“愿景和使命”。

工程智慧：Scale Law

如果回顧OpenAI在歷史上做的一系列技術選擇，我們會發(fā)現(xiàn)幾乎所有的選擇都是圍繞“是否有利于通用人工智能Scale”的原則進行的，而與該技術在當時“是否能快速變現(xiàn)”、“是否主流”、“是否容易上手”、“是否效果立竿見影”完全無關。

做過技術架構，或者商業(yè)戰(zhàn)略的人也都知道，“快速易擴展”是好的技術架構或者商業(yè)模式的“鐵律”。這一鐵律同樣適用于通用人工智能的發(fā)展。OpenAI的團隊顯然是洞悉這一點的。他們甚至在2020年發(fā)表了一篇著名的論文《Scaling Laws for Neural Language Models》來總結模型參數(shù)、訓練數(shù)據(jù)集大小、算力投入（FLOPs 每秒浮點操作）、網(wǎng)絡架構之間的擴展法則。

其實除了模型的Scale Law，OpenAI對于邁向AGI道路上的各種Scale力量都有非常深刻的洞見和睿智的選擇。

產(chǎn)品智慧：從超級應用到生態(tài)平臺

從2018年OpenAI推出GPT 1.0到2020年GPT發(fā)展到3.0，OpenAI這時已經(jīng)拿到大語言模型這樣一張王牌，但怎么出牌也很重要。歷史上握著一手技術好牌，但是打得稀爛的也比比皆是。以OpenAI強大的“通用人工智能”愿景來說，不做平臺型公司是很難的。但是科技史上一上來就做平臺的公司，大部分都折戟沙場。反觀那些成功的平臺型技術公司，絕大多數(shù)都是先從建立“超級應用”開始的。

歷經(jīng)硅谷頂級孵化器YC總裁的鍛煉，OpenAI的另一位靈魂人物CEO Sam Altman，當然是產(chǎn)品戰(zhàn)略高手中的高手。OpenAI選擇先從ChatGPT這一“超級應用”入手，通過短短幾個月的時間，積累了上億的用戶、海量的交互數(shù)據(jù)、和極強的品牌號召力，才有后面的ChatGPT API, Plugins等一系列大手筆的平臺布局。以目前各種渠道的消息來看，OpenAI在產(chǎn)品上還有很多大招，讓我們拭目以待。

順便提一下，我在前面《AGI時代的產(chǎn)品版圖和范式》文章中，也更深入地談了很多我對AGI時代產(chǎn)品創(chuàng)新的思考。

股權設計：限制盈利公司

OpenAI最早是以非盈利組織的方式成立，初期資金以捐贈的方式募集。但顯然創(chuàng)始團隊低估了發(fā)展AGI需要的硬件和人才投入，也高估了捐贈的兌現(xiàn)（早期承諾的捐贈后來其實很多沒到位）。因此到2019年3月，OpenAI重新設計公司治理架構，改為“限制盈利”的公司，接受微軟10億美金投資。

“限制盈利”規(guī)定向OpenAI投資的股東，未來從OpenAI能夠獲取的利潤分配最多到投資額X100倍的上限。超出部分將由非盈利組織OpenAI Nonprofit控制。

這一精妙的股權設計既能吸引OpenAI所需要的投資，又防止了AGI過于強大而攫取巨額利潤。平衡了發(fā)展AGI需要的商業(yè)支持和AGI造福全人類這一宏大愿景之間的矛盾。我覺得若干年后回看歷史，這一股權設計也是商業(yè)史上一個偉大的發(fā)明。創(chuàng)始人兼CEO Sam Altman不拿股權，不求商業(yè)回報，一心追求AGI改變世界的胸懷也讓人心生敬意。

戰(zhàn)略設計：合縱連橫

如果將OpenAI比作AI時代的一只小恐龍，那么在AI領域長期重兵投入、市值萬億的Google和微軟顯然是AI時代的兩只大恐龍。OpenAI這樣的“攪局者”如果被兩只大恐龍中的任何一只盯上，都會惹火燒身。而OpenAI對于ChatGPT這樣的“爆款應用”推出所引起的AI戰(zhàn)國紛爭顯然有充分的預判和精妙的戰(zhàn)略設計。

OpenAI首先通過和微軟這只大恐龍的戰(zhàn)略合作，既拿到百億美金量級的寶貴發(fā)展資金，同時又通過GPT賦能微軟Bing搜索、半路****Google這只大恐龍，還順帶將GPT賦能到自己一時半會照顧不到的B端市場（Azure云服務、Office 365等）以獲取適當利潤，而自己卻可以集中精力、以C端市場為切入點、在構建AGI時代的生態(tài)平臺上蒙眼狂奔。

這一巧妙利用巨頭“創(chuàng)新者窘境”的合縱連橫，讓一家人數(shù)僅有300多估值不過300億美金的創(chuàng)業(yè)公司，同時撬動兩家市值萬億美金、員工近二十萬的科技巨鱷的戰(zhàn)略布局，放眼整個商業(yè)史，空前絕后，蔚為大觀。

團隊架構：學術+工程+產(chǎn)品+商業(yè)

讀到這里很多朋友可能會問，OpenAI到底什么來頭、何德何能如此彪悍？秘密無他，科技公司最貴的就是人才。OpenAI有著足以笑傲AI江湖的聯(lián)合創(chuàng)始團隊組合。

一號位CEO Sam Altman 20歲從斯坦福輟學創(chuàng)辦Loopt，于2012年將公司以4300萬美金出售。于2014被大自己二十歲的YC創(chuàng)始人、硅谷創(chuàng)業(yè)教父格雷厄姆說服接替他擔任YC總裁。格雷厄姆很早就看到Sam Altman的卓越才華，在他眼里，Sam Altman就是硅谷未來的喬布斯。Sam Altman在硅谷的創(chuàng)業(yè)和YC的經(jīng)歷鍛造了他在產(chǎn)品模式、商業(yè)戰(zhàn)略、投融資方面的頂級才能。

二號位首席科學家Ilya Sutskever是深度學習之父Geoffrey Hinton的關門弟子，從ImageNet大賽一戰(zhàn)成名，后來加入Google大腦，發(fā)明Seq2Seq大幅改善機器翻譯，參與TensorFlow和AlphaGo的研發(fā)。是深度學習學術領域當仁不讓的“開山功臣”。

總裁Greg Brockman之前創(chuàng)立著名支付公司Stripe并擔任CTO，具有極強的工程技術能力和從零到一搭建技術團隊的經(jīng)驗。是OpenAI長期的工程技術支柱。除此之外，像Andrej Karpathy 、John Schulman、Lukasz Kaiser等燦若群星的匯聚，使得OpenAI在AI人才密度上放眼全球，都屬頂流之列。OpenAI的團隊結構也反應OpenAI的AGI創(chuàng)業(yè)觀：學術、工程、產(chǎn)品、商業(yè)，四大支柱缺一不可，而且各個都很強。

除了自己聚焦AGI還不夠，OpenAI和Sam Altman還投資了眾多核聚變、量子計算、加密貨幣等公司，圍繞能源、算力、財富分配等未來變革進行大手筆布局。這些每一個都劍指AGI的未來。

綜上所述，OpenAI無論是在技術的多個岔路口上的關鍵選擇，還是在產(chǎn)品、工程、股權、戰(zhàn)略、團隊上，都打得一手好牌，是一家非常值得研究和重視的公司，也是我們窺視AGI時代的一扇窗戶。