OpenAI 离职员工爆料公司压力巨大发展速度惊人

上午看了一篇前 OpenAI 员工 Calvin 的离职感想，作者回顾了自己在 OpenAI 工作一年多的经历和观察，看完给我自己许多启发。创业维艰，即便是 OpenAI 这种迅速崛起的小巨头，一样压力巨大。

Calvin 提到 OpenAI 发展极快，员工人数一年内从一千多增长到三千多，团队文化多元且变化迅速。公司内部极度依赖 Slack 沟通，强调自下而上的创新氛围，好的想法可以来自任何人，行动力很强，决策和方向调整也非常迅速。OpenAI 的管理层更看重实际能力而非政治手腕，领导层高度参与日常事务。

OpenAI 是一个高度保密且压力巨大的地方，因为公司目标是 AGI，产品是可以影响数亿用户的，未来可能更多。同时，OpenAI 和公司管理层需要面对外界和媒体的密切关注。公司内部不同部门和资历的人目标和视角差异很大，但整体都在努力做正确的事。OpenAI 在 AI 红利分配上做得很开放，尖端模型很快就会对外开放 API，普通用户也能免费体验。

Calvin表示，“这些观点不代表公司立场——仅是我个人的观察”。

在安全方面，OpenAI 更关注实际风险，比如仇恨言论、滥用、政治操控等，理论风险也有人研究但不是重点。公司技术栈以 Python 为主，所有服务运行在 Azure 上，基础设施有很多 Meta 的影子。团队流动性强，协作灵活，产品开发节奏极快。作者参与了 Codex 项目的发布，整个产品从零到上线只用了七周，团队成员各自独立但高度协作。

这段经历让他收获巨大，无论是对大模型训练、代码管理还是与优秀人才共事都有很深的体会。他认为 OpenAI、Anthropic 和 Google 是 AGI 赛道的三大主力，每家公司都有不同的路径和基因。对于创业者来说，现在既是创业的好时机，也是观察未来趋势的绝佳窗口。

内容非常多，我把翻译后的文章贴到下面了，供读者参阅。

关于 OpenAI 的思考

作者：https://calv.info/openai-reflections

我三周前离开了 OpenAI。我最初是在 2024 年 5 月加入这家公司的。

我想分享一些个人思考，因为外界对 OpenAI 的种种举措众说纷纭，却鲜少有人真实描述过在那里工作的文化氛围。

纳比尔·库雷希曾写过一篇精彩的文章《关于 Palantir 的思考》，深入剖析了 Palantir 的独特之处。我也想趁记忆犹新时，为 OpenAI 留下类似的记录。这里不会涉及任何商业机密，更多是对这个处于历史关键节点的非凡组织当前状态的观察。

首先声明：我的离职决定不涉及任何个人恩怨——事实上这个选择让我非常纠结。从自主创业者转变为三千人规模企业的员工，这种身份转换并不容易。此刻的我渴望一个全新的开始。

未来完全有可能因为工作本身的吸引力而回归。毕竟很难想象还有什么比 AGI 更具影响力的项目，而 LLMs 无疑是这十年来最重大的技术创新。能亲眼见证部分突破性进展并参与 Codex 的发布，我深感幸运。

显然这些观点不代表公司立场——仅是我个人的观察。OpenAI 规模庞大，这里只是我窥见的一隅。

关于 OpenAI 首先要了解的是其惊人的扩张速度。我入职时公司刚过千人规模，一年后已突破三千人，而我的司龄竟排在前 30%。几乎所有管理层现在从事的工作与 2-3 年前都截然不同。

如此迅猛的扩张自然导致各种问题：公司沟通机制、汇报体系、产品交付流程、人员管理方式、招聘程序等等。团队文化差异显著：有些团队始终全力冲刺，有些则守着长期项目，还有些保持着稳定节奏。OpenAI 没有统一的工作体验，研究部门、应用部门和市场推广部门遵循着完全不同的时间维度。

OpenAI 有个与众不同的特点：所有工作——我是说所有——都在 Slack 上完成。这里没有电子邮件文化，我在职期间总共可能只收过 10 封邮件。如果你缺乏条理，这种模式会让人分心到崩溃。但只要妥善管理频道和通知设置，这套系统其实相当高效。

OpenAI 奉行彻底的自下而上文化，研究部门尤其如此。我刚入职时曾询问下季度路线图，得到的答复是"这玩意儿不存在"（不过现在有了）。好点子可能来自任何角落，而且往往很难预先判断哪些想法最终最有价值。与其说存在什么宏伟"总蓝图"，不如说进展是迭代式的，随着新研究成果涌现而自然呈现。

得益于这种自下而上的文化，OpenAI 也极度崇尚任人唯贤。公司历史上的领导者晋升，主要取决于他们提出优质创意并付诸实践的能力。许多能力超群的领导者根本不擅长全员大会演讲或办公室政治——这在其他公司可能是致命伤，但在 OpenAI 影响相对较小。在这里，最好的创意往往能笑到最后。

这里盛行行动导向的文化（想到就能做）。不同团队不约而同地产生相似创意的情况屡见不鲜。我最初参与的一个与 ChatGPT 连接器类似的并行（但内部）项目就是如此。在决定正式推出前，公司内部至少同时存在 3-4 个不同的 Codex 原型。这类尝试通常由少数人自发推进，无需层层审批。一旦显现潜力，团队就会迅速围绕其组建。

Codex 项目负责人安德烈常对我说，应该把研究员视为"迷你执行官"。这里鼓励自主探索，静观其变。由此衍生出一个现象——多数研究突破都源于研究者被某个难题"狙击"后产生的专注攻关。若某个方向被视为乏味或"已解决"，往往无人问津。

优秀的研究主管既能产生巨大影响，又受制于有限权限。顶尖者擅长串联不同研究线索，促成更大规模的模型训练。杰出产品经理亦是如此。

与我共事的 ChatGPT 产品经理们是我见过最酷的客户代表。他们给人的感觉仿佛早已见识过所有风浪。多数时候他们采取相对放权的管理方式，但总能慧眼识人，并确保团队获得成功所需的支持。

OpenAI 调整方向的速度令人咋舌。这让我想起在 Segment 时我们特别推崇的理念——根据新信息及时修正路线，远比固执执行既定计划更有价值。令人惊叹的是，像 OpenAI 这样规模的企业仍保持着这种文化基因，而谷歌显然已失去这种特质。这家公司决策迅捷，一旦确定方向就会全力以赴。

公司承受着巨大的舆论压力。作为来自 B2B 企业背景的人，这种关注度让我颇感震惊。我经常在内部尚未官宣时，就看到媒体报道抢先披露消息。每当告诉别人我在 OpenAI 工作，对方总会带着先入为主的成见。推特上甚至有不少用户运营着自动机器人，专门监测新功能的上线动态。

因此，OpenAI 是个高度保密的地方。我无法向任何人详细透露自己的工作内容。公司设有多个权限各异的 Slack 工作区。营收和资金消耗数据更是严格保密。

OpenAI 比你想象的更为严肃，部分原因在于其肩负的使命至关重要。一方面，团队致力于实现通用人工智能（AGI）的目标——这意味着需要攻克无数技术难关。另一方面，他们正在打造数亿用户依赖的产品，从医疗咨询到心理治疗无所不包。更重要的是，公司正置身于全球最激烈的竞技场中。我们会密切关注 Meta、Google 和 Anthropic 的动态——相信他们同样如此。世界各国政府也正以极大的兴趣密切关注着这个领域。

尽管 OpenAI 在媒体上屡遭诋毁，但我在那里遇到的每个人实际上都在努力做正确的事。鉴于其以消费者为中心的特点，它成为大型实验室中最受瞩目的一个，也因此招致了大量诽谤。

话说回来，你可能不该把 OpenAI 视为铁板一块的整体。我认为 OpenAI 最初就像洛斯阿拉莫斯实验室那样的组织——一群探索科学前沿的科学家和技术狂人。这个群体意外催生了史上最具病毒性的消费级应用，继而发展出向政府和企业销售的雄心。随着时间推移，组织内部不同资历、不同部门的人逐渐形成了迥异的目标与观点。你在其中待得越久，就越可能透过"研究实验室"或"公益非营利"的视角看待事物。

我最欣赏这家公司的一点在于，它在分配人工智能红利方面真正做到了"说到做到"。尖端模型并非专属于需要签订年度协议的企业级客户。世界上任何人都能直接使用 ChatGPT 获取答案，甚至无需登录。他们提供了可注册使用的 API 接口——大多数模型（哪怕是当前最先进或专属技术）往往很快就会被纳入 API 供初创企业使用。你完全可以想象出一个与当今现状截然不同的运作模式。OpenAI 在这方面功不可没，这至今仍是该公司的核心基因。

安全问题实际上比你在 Zvi 或 Lesswrong 上读到的更为重要。有大量人员致力于开发安全系统。鉴于 OpenAI 的性质，我看到更多关注点集中在实际风险（仇恨言论、滥用、操纵政治偏见、制造生物武器、自残行为、提示注入）而非理论风险（智能爆炸、权力追逐）。这并非意味着无人研究后者，确实有团队专注于理论风险。但从我的视角来看，这不是重点。大部分已完成的研究并未公开，OpenAI 确实应该加大力度推动这些成果面世。

与其他公司在招聘会上随意派发周边商品不同，OpenAI 并不常发放宣传品（甚至对新员工也是如此）。取而代之的是定期"限量投放"，员工可订购库存商品。首次投放时需求过于火爆，直接导致 Shopify 商店崩溃。当时内部流传过一篇教程，指导如何通过 POST 正确的 json 数据包来绕过购买限制。

与 GPU 成本相比，几乎所有开支都微不足道。举个例子：作为 Codex 产品组成部分开发的一个小众功能，其 GPU 成本消耗就相当于我们整个 Segment 基础设施（虽不及 ChatGPT 的规模，但也承载了相当比例的互联网流量）。

OpenAI 可能是我见过最具野心的组织，其雄心程度令人震撼。你或许会认为拥有全球顶尖的消费者应用程序就足够了，但他们渴望在数十个领域展开竞争：API 产品、深度研究、硬件、编程代理、图像生成，以及若干尚未公开的领域。这里就像一片沃土，能让创意生根发芽并茁壮成长。

这家公司对推特动态异常关注。如果你发布与 OpenAI 相关的内容并引发病毒传播，很可能会有内部人员注意到并予以考虑。我朋友曾开玩笑说："这家公司是靠推特情绪驱动的"。作为一家面向消费者的企业，这种说法或许不无道理。当然，他们依然非常重视使用数据、用户增长和留存率等分析指标——但网络情绪同样至关重要。

OpenAI 的团队比其他地方更加灵活流动。在推出 Codex 时，我们需要几位经验丰富的 ChatGPT 工程师协助才能如期上线。我们与 ChatGPT 的几位工程经理沟通后，第二天就有两位顶尖人才随时待命支援。这里没有"等待季度规划"或"重新调配人力"的流程，一切推进得极为迅速。

领导层高度可见且深度参与。这在 OpenAI 这样的公司或许显而易见，但每位高管都显得全情投入。你会经常看到 gdb、sama、kw、mark、dane 等人在 Slack 上积极发言。这里不存在挂名领导。

OpenAI 采用了一个巨型单体代码库，主要使用 Python（尽管 Rust 服务正在增多，还零星分布着用于网络代理等功能的 Golang 服务）。这催生了许多看似古怪的代码，因为 Python 的写法实在太多样。你会遇到既有来自十年谷歌老兵设计的大规模库，也有新晋博士随手写的临时 Jupyter 笔记本。几乎所有功能都围绕 FastAPI 构建接口，用 Pydantic 进行验证。但总体上并没有强制执行的代码风格指南。

OpenAI 的所有业务都运行在 Azure 上。有趣的是，我认为真正可靠的服务只有三个：Azure Kubernetes 服务、CosmosDB（Azure 的文档存储系统）和 BlobStore。这里没有能与 Dynamo、Spanner、Bigtable、Bigquery Kinesis 或 Aurora 真正对等的产品。在自动扩展单元方面进行深度思考的情况相对少见。其 IAM 实现方案往往比 AWS 提供的功能局限得多。而且他们明显更倾向于自主研发。

在人员方面（至少工程团队如此），从 Meta 到 OpenAI 的人才输送管道非常显著。OpenAI 在很多方面都像早期的 Meta：拥有现象级消费应用、基础设施尚处萌芽期、且追求极速发展。我接触过从 Meta 和 Instagram 挖来的基础设施人才，绝大多数实力都非常强劲。

将这些元素综合起来，你会发现许多基础设施的核心部件都带着 Meta 的影子。比如内部重写了 TAO 系统，在边缘端统一身份认证的尝试。肯定还有其他我不知道的类似项目。

聊天功能已深度融入系统架构。自 ChatGPT 爆火后，大量代码库都围绕聊天消息和会话概念构建。这些基础组件如今已根深蒂固，忽视它们将自担风险。我们在 Codex 项目中曾稍作偏离（更侧重响应 API 的经验），但仍大量借鉴了既有成果。

代码为王。这里没有中央架构或规划委员会，决策通常由计划执行工作的团队自行做出。结果是整个团队具有强烈的行动导向，代码库中经常会出现大量重复模块。光是队列管理或代理循环这类功能，我就见过至少六个不同的实现库。

在工程团队快速扩张而配套工具跟不上的领域，确实暴露出一些问题。sa-server（后端单体架构）成了代码堆放的"垃圾场"。主干分支的持续集成系统崩溃频率远超预期。即便并行运行测试用例并考虑部分依赖关系，在 GPU 上执行仍需要约 30 分钟。这些问题并非无法解决，但确实提醒我们：这类问题普遍存在，且在超高速扩张时会愈发严重。值得肯定的是，内部团队正在全力改善这一状况。

一个大型消费品牌的模样。直到我们开始研发 Codex 时，我才真正理解这一点。所有指标都以"付费订阅数"来衡量。即便是 Codex 这样的产品，我们最初设想的用户激活路径也主要围绕个人使用而非团队场景。这让我这个长期从事 B2B/企业级业务的人颇感冲击——只需启动开关，第一天就能获得用户流量。

大模型训练的高阶逻辑。整个过程存在从"实验探索"到"工程实现"的连续光谱。多数创意始于小规模实验，当结果显现潜力时，才会被整合进更大规模的训练。实验阶段既要调整核心算法，也要优化数据配方并精细分析结果。而大规模训练则如同巨型分布式系统工程，总会遇到意料之外的边缘案例，调试重任完全落在团队肩上。

如何进行 GPU 运算规划。作为 Codex 项目上线的一部分，我们必须预测算力需求，这是我第一次真正对 GPU 进行基准测试。核心要点在于：应该从实际需要的延迟指标出发（整体延迟、token 数量、首 token 响应时间），而非自下而上分析单个 GPU 的支撑能力。每次模型迭代都可能彻底改变负载模式。

如何管理大型 Python 代码库。Segment 公司采用的是微服务架构，主要使用 Golang 和 Typescript，其代码规模远不及 OpenAI。我深刻领悟到如何根据开发人员数量来扩展代码库——必须建立更多防护机制，比如"默认可用"、"保持主干清洁"、"防误用设计"等原则。

在 OpenAI 度过的最后三个月里，我大部分时间都在推动 Codex 的发布。这无疑是我职业生涯的高光时刻之一。

首先回顾一下背景，2024 年 11 月时，OpenAI 曾设定 2025 年推出编程助手的目标。到 2025 年 2 月，我们内部已流转着几款高效运用模型的工具。当时我们正承受着推出专业编程助手的压力——显然模型能力已发展到对编程极具实用价值的阶段（市场上涌现的智能编程工具热潮就是明证）。

我提前结束陪产假归队，协助 Codex 项目的发布工作。返岗一周后，我们仓促完成了两个团队的合并（过程略显混乱），随即展开了一场疯狂冲刺。从写下第一行代码算起，整个产品仅用七周便宣告完成。

这次冲刺可能是我近十年来最艰苦的工作经历。大多数夜晚都要熬到 11 点甚至午夜，每天清晨 5:30 被新生儿吵醒，7 点又赶回办公室，周末基本都在加班。整个团队全力以赴，因为每周都至关重要——这让我恍然回到了 YC 创业孵化器的日子。

这种开发节奏的惊人程度难以言表。无论是大公司还是小团队，我从未见过谁能如此迅速地将构想转化为正式发布、免费可用的产品。项目规模也毫不含糊：我们构建了容器运行时、优化了代码库下载机制、微调定制模型来处理代码编辑、处理各类 git 操作、开发全新交互界面、实现联网功能，最终打造出用户体验极佳的产品。

无论外界如何评价，OpenAI 至今仍保持着这种产品发布的热血精神。

好消息是，合适的人选能创造奇迹。我们曾是一支由约 8 名工程师、4 名研究员、2 名设计师、2 名市场拓展人员和 1 名产品经理组成的高级团队。若没有这个团队，我想我们早就失败了。虽然没人需要过多指导，但我们确实需要相当程度的协调配合。若你有机会与 Codex 团队的任何人共事，请记住他们个个都出类拔萃。

发布前夜，我们五人熬到凌晨四点才完成主系统的部署（这通常需要数小时）。随后赶回办公室准备上午八点的产品发布直播。当我们启动系统开关，立刻看到流量如潮水般涌入。从未见过哪款产品仅凭出现在左侧边栏就能获得如此迅猛的增长，这就是 ChatGPT 的魔力所在。

在产品形态上，我们最终确定了完全异步的交互模式。不同于 Cursor（当时版本，现已支持类似模式）或 Claude Code 等工具，我们的设计目标是让用户发起任务后，AI 代理能在独立环境中运行。我们押注的终极形态是：用户应像对待同事那样使用编程助手——发送指令后给予其工作时间，最终它会带着代码提交请求返回。

这确实像场赌博：当前模型处于微妙状态——表现尚可但未达卓越。它们能持续工作几分钟，但还撑不了数小时。用户对模型能力的信任度差异悬殊。甚至我们自己也尚未完全摸清这些模型的真实能力边界。

从长远来看，我确实相信大多数编程会变得更像 Codex 的模式。在此期间，观察各类产品如何发展将会非常有趣。

Codex（或许并不令人意外）非常擅长在大型代码库中工作，理解如何导航其中。与其他工具相比，我观察到最大的区别在于它能同时启动多个任务并比较输出结果。

最近我看到有公开数据比较不同 LLM 代理提交的 PR 数量。仅公开数据显示，Codex 已生成 63 万条 PR。自发布以来的 53 天里，相当于每位工程师贡献了 7.8 万条公开 PR（关于私有 PR 的倍数你可以自行估算）。我这辈子可能从未参与过影响力如此巨大的项目。

说实话，最初我对加入 OpenAI 心存顾虑。我不确定牺牲自由、拥有上司、成为庞大机器中微小齿轮会是怎样的体验。我低调处理了自己入职的消息，以防这份工作并不适合我。

我确实想从这段经历中获得三样东西：建立对模型训练方式和能力发展方向的直觉理解，与杰出人才共事并相互学习，推出一款卓越产品。

回顾这一年，我认为这是我做过的最佳决定之一。很难想象在其他地方能获得比这更丰富的成长。

如果你是一位创始人，感觉自己的初创企业确实停滞不前，那么你应该：彻底重新评估如何争取更多发展机会，或者加入大型实验室之一。当下既是创业的黄金时代，也是洞察未来走向的绝佳时机。

在我看来，通往通用人工智能的道路目前呈现三足鼎立之势：OpenAI、Anthropic 和谷歌。基于各自的企业基因（消费级市场导向/商业服务导向/坚如磐石的基础设施+数据优势），这些机构将采取不同的发展路径。在其中任何一家工作都将带来令人大开眼界的体验。

感谢 Leah 的全力支持，在无数个深夜承担了大部分育儿责任；感谢 PW、GDB 和 Rizzo 给予我机会；感谢 SA 团队的伙伴们——Andrew、Anup、Bill、Kwaz、Ming、Simon、Tony 和 Val——引领我入门；特别感激 Codex 核心团队让我体验了毕生难忘的旅程：Albin、AE、Andrey、Bryan、Channing、DavidK、Gabe、Gladstone、Hanson、Joey、Josh、Katy、KevinT、Max、Sabrina、SQ、Tibo、TZ 和 Will。这段冲刺岁月我将永远铭记。

砰然落幕。