技术路线四：****

在Transformer打开了大语言模型的理论窗口之后，大语言模型发展出了三种路线。第一种，以Google BERT、ELECTRA为代表的Encoder-Only（编码器）路线；第二种，以Google T5、BART为代表的Encoder- Decoder（编****）路线；第三种，以OpenAI GPT为代表的Decoder-Only（****）路线。

这三种路线，Encoder-Only路线适合理解类任务，很难应对生成式任务，也不具有好的扩展性和适应性，虽然被Google BERT在个别子领域一度带火，但现在几乎处于被主流抛弃的地步。Encoder- Decoder路线适合特定场景任务，但通用性和扩展性也比较差。Decoder-Only路线首先非常适合生成类任务，同时对各类任务都具有很好的通用性，在工程上也具有很高的可扩展性（scale），非常适合将模型规模做大。

基于这些特点来看，要以AGI通用人工智能为目的地的话，那么Decoder-Only路线显然是不二选择。从上面的大语言模型进化树来看，可以看出GPT选择的Decoder-Only路线显然引领了大语言模型的发展和繁荣。

技术路线五：从强化学习到对齐

通过以上的无监督学习、生成式模型、自然语言、****这几个关键的技术岔路口选择之后，GPT模型显然已经奔赴在通往AGI的康庄大道上了。但是GPT的强大也引入一些新的隐忧，它的强大会不会为人类带来危险、破坏人类价值观、帮助作恶、扰乱社会秩序、甚至威胁人类的生存？

这是严重违背OpenAI的愿景和使命的。如何将强大的GPT模型与人类价值观和社会规范对齐？强大之后如何变得“对人类有用”？技术的问题要靠技术来解决。这时候OpenAI在早期训练Dota游戏智能代理时积累已久的强化学习功底就派上用场了。通过在预训练之后加入基于人类反馈的强化学习（RLHF，Reinforcement Learning from Human Feedback）来教导AI做一个对人类有益的“好的AI”，设立护栏，防止被用来做恶。这方面，OpenAI想得很远，投入的也很大，配得上它的“愿景和使命”。

工程智慧：Scale Law

如果回顾OpenAI在历史上做的一系列技术选择，我们会发现几乎所有的选择都是围绕“是否有利于通用人工智能Scale”的原则进行的，而与该技术在当时“是否能快速变现”、“是否主流”、“是否容易上手”、“是否效果立竿见影”完全无关。

做过技术架构，或者商业战略的人也都知道，“快速易扩展”是好的技术架构或者商业模式的“铁律”。这一铁律同样适用于通用人工智能的发展。OpenAI的团队显然是洞悉这一点的。他们甚至在2020年发表了一篇著名的论文《Scaling Laws for Neural Language Models》来总结模型参数、训练数据集大小、算力投入（FLOPs 每秒浮点操作）、网络架构之间的扩展法则。

其实除了模型的Scale Law，OpenAI对于迈向AGI道路上的各种Scale力量都有非常深刻的洞见和睿智的选择。

产品智慧：从超级应用到生态平台

从2018年OpenAI推出GPT 1.0到2020年GPT发展到3.0，OpenAI这时已经拿到大语言模型这样一张王牌，但怎么出牌也很重要。历史上握着一手技术好牌，但是打得稀烂的也比比皆是。以OpenAI强大的“通用人工智能”愿景来说，不做平台型公司是很难的。但是科技史上一上来就做平台的公司，大部分都折戟沙场。反观那些成功的平台型技术公司，绝大多数都是先从建立“超级应用”开始的。

历经硅谷顶级孵化器YC总裁的锻炼，OpenAI的另一位灵魂人物CEO Sam Altman，当然是产品战略高手中的高手。OpenAI选择先从ChatGPT这一“超级应用”入手，通过短短几个月的时间，积累了上亿的用户、海量的交互数据、和极强的品牌号召力，才有后面的ChatGPT API, Plugins等一系列大手笔的平台布局。以目前各种渠道的消息来看，OpenAI在产品上还有很多大招，让我们拭目以待。

顺便提一下，我在前面《AGI时代的产品版图和范式》文章中，也更深入地谈了很多我对AGI时代产品创新的思考。

股权设计：限制盈利公司

OpenAI最早是以非盈利组织的方式成立，初期资金以捐赠的方式募集。但显然创始团队低估了发展AGI需要的硬件和人才投入，也高估了捐赠的兑现（早期承诺的捐赠后来其实很多没到位）。因此到2019年3月，OpenAI重新设计公司治理架构，改为“限制盈利”的公司，接受微软10亿美金投资。

“限制盈利”规定向OpenAI投资的股东，未来从OpenAI能够获取的利润分配最多到投资额X100倍的上限。超出部分将由非盈利组织OpenAI Nonprofit控制。

这一精妙的股权设计既能吸引OpenAI所需要的投资，又防止了AGI过于强大而攫取巨额利润。平衡了发展AGI需要的商业支持和AGI造福全人类这一宏大愿景之间的矛盾。我觉得若干年后回看历史，这一股权设计也是商业史上一个伟大的发明。创始人兼CEO Sam Altman不拿股权，不求商业回报，一心追求AGI改变世界的胸怀也让人心生敬意。

战略设计：合纵连横

如果将OpenAI比作AI时代的一只小恐龙，那么在AI领域长期重兵投入、市值万亿的Google和微软显然是AI时代的两只大恐龙。OpenAI这样的“搅局者”如果被两只大恐龙中的任何一只盯上，都会惹火烧身。而OpenAI对于ChatGPT这样的“爆款应用”推出所引起的AI战国纷争显然有充分的预判和精妙的战略设计。

OpenAI首先通过和微软这只大恐龙的战略合作，既拿到百亿美金量级的宝贵发展资金，同时又通过GPT赋能微软Bing搜索、半路****Google这只大恐龙，还顺带将GPT赋能到自己一时半会照顾不到的B端市场（Azure云服务、Office 365等）以获取适当利润，而自己却可以集中精力、以C端市场为切入点、在构建AGI时代的生态平台上蒙眼狂奔。

这一巧妙利用巨头“创新者窘境”的合纵连横，让一家人数仅有300多估值不过300亿美金的创业公司，同时撬动两家市值万亿美金、员工近二十万的科技巨鳄的战略布局，放眼整个商业史，空前绝后，蔚为大观。

团队架构：学术+工程+产品+商业

读到这里很多朋友可能会问，OpenAI到底什么来头、何德何能如此彪悍？秘密无他，科技公司最贵的就是人才。OpenAI有着足以笑傲AI江湖的联合创始团队组合。

一号位CEO Sam Altman 20岁从斯坦福辍学创办Loopt，于2012年将公司以4300万美金出售。于2014被大自己二十岁的YC创始人、硅谷创业教父格雷厄姆说服接替他担任YC总裁。格雷厄姆很早就看到Sam Altman的卓越才华，在他眼里，Sam Altman就是硅谷未来的乔布斯。Sam Altman在硅谷的创业和YC的经历锻造了他在产品模式、商业战略、投融资方面的顶级才能。

二号位首席科学家Ilya Sutskever是深度学习之父Geoffrey Hinton的关门弟子，从ImageNet大赛一战成名，后来加入Google大脑，发明Seq2Seq大幅改善机器翻译，参与TensorFlow和AlphaGo的研发。是深度学习学术领域当仁不让的“开山功臣”。

总裁Greg Brockman之前创立著名支付公司Stripe并担任CTO，具有极强的工程技术能力和从零到一搭建技术团队的经验。是OpenAI长期的工程技术支柱。除此之外，像Andrej Karpathy 、John Schulman、Lukasz Kaiser等灿若群星的汇聚，使得OpenAI在AI人才密度上放眼全球，都属顶流之列。OpenAI的团队结构也反应OpenAI的AGI创业观：学术、工程、产品、商业，四大支柱缺一不可，而且各个都很强。

除了自己聚焦AGI还不够，OpenAI和Sam Altman还投资了众多核聚变、量子计算、加密货币等公司，围绕能源、算力、财富分配等未来变革进行大手笔布局。这些每一个都剑指AGI的未来。

综上所述，OpenAI无论是在技术的多个岔路口上的关键选择，还是在产品、工程、股权、战略、团队上，都打得一手好牌，是一家非常值得研究和重视的公司，也是我们窥视AGI时代的一扇窗户。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。