新智元报道
编辑：英智
OpenAI 如何以自下而上的文化和行动导向，推动大模型突破？从零到上线仅用 7 周，Calvin 带你走进 OpenAI 编程智能体 Codex 的诞生过程，体验高强度冲刺的魔力。
外界对于 OpenAI 众说纷纭，很少有人从内部视角描述它的真实文化。
三周前，在推出 Codex 后，Calvin French-Owen 离开了 OpenAI。
在 2024 年 5 月，他加入了 OpenAI，全程见证了 OpenAI 编程智能体 Codex 的诞生。
如今，Calvin French-Owen 想趁热打铁，效仿 Nabeel Quereshi 的《对 Palantir 的反思》，揭秘 OpenAI 的独特之处。
没有任何商业机密，更多的是他对当下历史性时刻的思考——在当前阶段，关于这个史上最迷人组织之一所呈现的样貌。
首先澄清：离开 OpenAI 并非因为个人矛盾，实际上他对这个决定非常纠结。
从创业公司创始人，转变为一家 3000 人规模企业的员工，这个角色转变并不容易。
现在，他渴望一个全新的开始。
但这份优质的工作完全有可能再次吸引他回来。
构建 AGI 是无与伦比的使命，LLM 无疑是这十年最重要的技术突破。
他很幸运能亲眼见证一些技术进展，并参与了 Codex 的发布。
当然，这些仅为个人观点，不代表公司立场。OpenAI 海阔天空，这只是管中窥豹的一瞥。
深度揭秘 OpenAI 文化
首先，要了解的是 OpenAI 的发展速度之快。
2024 年 5 月，他加入时，OpenAI 大约有 1000 多人。
一年后，员工数暴增至 3000 多人，他的工龄竟然排在前 30%。
几乎所有领导层如今负责的工作，都与他们两三年前的大相径庭。
如此快速的扩张导致许多机制出现问题：内部沟通、组织架构、产品发布流程、人员管理和招聘体系等，都在不断调整。
不同团队的文化差异显著：有的团队全力冲刺，有的负责大型计算任务，有的则节奏更平稳。
因此，OpenAI 的体验因团队而异，研究、应用和市场团队的工作节奏完全不同。
Slack 驱动一切
OpenAI 的独特之处在于，所有事情——没错就是指所有事情——都依赖 Slack 运转。
几乎所有工作都在 Slack 上完成，没有电子邮件。
如果不擅长信息管理，这种模式会让你分心到崩溃；但如果精心规划频道和通知设置，这套系统其实相当高效。
OpenAI 的文化非常「自下而上」，尤其是在研究领域。
刚加入时询问下一季度的路线图，他得到的回答是：「没有路线图」（现在有了）。
好的想法可以来自任何地方，很难提前预测哪个想法会成功。
相比宏大的总体计划，OpenAI 的进展靠不断试错和研究突破推动。
得益于这种文化，OpenAI 也极为推崇「实力至上」。
公司领导者的晋升主要基于他们提出好点子并付诸实践的能力。
许多优秀领导并不擅长演讲或办公室政治，但在 OpenAI，这不是重点。
真正的好想法往往能脱颖而出。
行动导向！
公司鼓励直接行动。不同团队常不约而同地探索类似想法。
刚加入时，他参与了一个与 ChatGPT Connectors 类似的内部项目。
Codex 发布前，内部有3-4 个不同的原型项目，通常由几个人自发启动，无需特别审批。
一旦显现出潜力，团队便会迅速围绕它们集结起来。
Codex 负责人 Andrey 曾说，研究员就像独立的小高管，独立探索项目。
优秀的研究经理和项目经理（PM）影响力巨大，同时也极为稀缺。
最顶尖的经理能将众多不同的研究项目串起来，推动更大规模的模型训练。
他合作的 ChatGPT 工程经理非常沉稳，他们大多放手管理，但擅长招聘优秀人才，并尽力为他们创造成功的条件。
OpenAI 能快速调整战略方向，决策调整非常迅速。
这是创业时就很看重的：根据新信息做正确的事，远比固守计划重要。
令人惊讶的是，OpenAI 这样的大公司仍保持这种灵活性，谷歌显然做不到。
一旦决定某个方向，公司会全力以赴。
OpenAI 备受外界关注。内部尚未公布的消息常被媒体提前曝光。甚至有X用户用脚本监控 OpenAI 的新功能发布。
因此，公司内部非常注重保密，无法详细透露工作内容。
Slack 工作空间有不同权限，收入和支出数据更是严格保密。
OpenAI 也比你想象的要严肃，这里的风险和机遇都太大了。
一方面，公司追求 AGI，责任重大；另一方面，产品服务数亿用户，涵盖医疗建议到心理咨询等场景。
尽管 OpenAI 常被媒体批评，他遇到的每个同事都在努力做正确的事。
作为最受关注的 AI 实验室，OpenAI 容易招致批评。
不应该将 OpenAI 视为单一的整体。
它最初是一群科学家和技术爱好者，共同探索科学的前沿。
这个团体偶然间催生了历史上最具病毒传播效应的消费级应用。随后，它又萌生了向政府和企业销售产品的雄心。
因此，不同时期加入、身处不同部门的员工，其目标和视角也大相径庭。
待得越久，就越可能倾向于从「研究实验室」或「非营利组织」的视角看待公司。
积极分享成果
最欣赏的一点是，公司在分享 AI 成果方面，是真正地说到做到。
顶尖模型没有被限制在高价企业套餐中，任何人都能免费使用 ChatGPT 获取答案。
API 向初创公司开放，最先进的模型通常很快接入 API。
这一点 OpenAI 值得高度赞扬，也是公司文化的核心。
OpenAI 对安全的重视超出外界猜测。
许多人在开发安全系统，重点关注实际风险（如仇恨言论、滥用、政治偏见、生物武器、自我伤害、提示注入等），而非理论风险（如智能爆炸）。
安全方面的工作大多未公开，OpenAI 应更积极分享这方面成果。
纪念品稀缺：不像其他公司大肆发放纪念品，OpenAI 的纪念品限量分发。第一次投放需求太大，Shopify 商店直接崩溃。内部还流传了如何用 JSON 绕过限制的教程。
GPU成本惊人：相比 GPU 开支，其他成本几乎微不足道。比如，Codex 一个功能模块的 GPU 成本，就相当于我们整个 Segment 基础设施的开支。
雄心勃勃：OpenAI 可能是最有野心的组织。不仅满足于顶级消费级应用，还想在 API、深度研究、硬件、代码代理、图像生成等多个领域竞争。这里是实现想法的沃土。
X驱动：公司很关注X。病毒式传播的 OpenAI 相关内容常被内部注意到。朋友开玩笑说：这家公司靠X氛围驱动。
团队流动性：团队协作非常灵活。Codex 发布时，需要 ChatGPT 工程师支持，第二天就来了两位高手加入，没有繁琐的审批流程。
高管参与度高：领导层非常投入，gdb、sama、kw、mark、dane 等人常在 Slack 上发言，没有甩手掌柜式的领导。
代码与技术栈
OpenAI 使用一个庞大的单一代码库（monorepo），以 Python 为主，但也加入了 Rust（用于部分服务）和 Golang（用于网络代理等）。
由于 Python 的灵活性，代码风格差异很大：既有谷歌十年老兵设计的可扩展库，也有刚毕业的博士写的临时 Jupyter 笔记本。
API 开发主要依赖 FastAPI，数据验证用 Pydantic，但公司没有统一的代码风格规范。
OpenAI 的全部基础设施运行在 Azure 上，只有三项服务被认为是可靠的：
-
AzureKubernetes Service：用于容器管理。
-
CosmosDB：Azure 的文档存储。
-
BlobStore：用于对象存储。
OpenAI 较少依赖自动扩展单元，权限管理（IAM）功能也比 AWS 更受限。公司倾向于「自研优先」。
在工程团队中，有大量从 Meta（包括 Instagram）跳槽到 OpenAI 的人才。
OpenAI 在很多方面类似早期 Meta：拥有现象级消费应用、基础设施尚在发展、追求快速行动。
这些 Meta 背景的工程师为 OpenAI 带来了强大的基础设施经验，也导致 OpenAI 的基础设施有些 Meta 的影子，比如：
-
自研了类似 Meta TAO 的系统（用于图数据库）。
-
在网络边缘整合身份认证的尝试。
代码为王（Code wins）
OpenAI 没有中央架构或规划委员会，决策通常由执行工作的团队做出，这带来强烈的行动导向，但也导致代码库中存在大量重复功能。
例如，至少有六种队列管理和代理循环的库。
值得称赞的是，内部团队正投入大量精力来改善这一状况。
消费级品牌的运作
OpenAI 以「专业订阅」（pro subs）为核心衡量指标。
即使是 Codex 这样的产品，也主要考虑个人用户而非团队使用。这对于 B2B/企业背景的人来说有点颠覆认知。
产品上线第一天就能吸引大量流量，令人震撼。
大模型训练
训练过程介于「实验」和「工程」之间：
-
初期是小规模实验，调整核心算法和数据组合，仔细分析结果。
-
如果实验结果有潜力，会被纳入更大规模的训练。
-
大规模训练类似分布式系统工程，会遇到各种意外情况，需要不断调试。
Codex 发布
过去三个月，他参与了 Codex 的发布，这无疑是职业生涯的亮点之一。
2024 年 11 月，OpenAI 定下 2025 年推出编程智能体的目标。
到 2025 年 2 月，内部已有几个工具效果不错，市场对编程智能体的需求日益明确，模型在编程任务上已非常实用。
他提前结束陪产假，加入 Codex 发布工作。
回归一周后，两支团队合并，开始了疯狂冲刺。
从第一行代码到产品上线，仅用了 7 周！
Codex 的开发是近十年来最艰苦的工作。
每天工作到深夜 11 点或凌晨，早上5:30 被新生儿吵醒，7 点到办公室，周末也几乎都在工作。
整个团队全力以赴，每一周都至关重要，感觉像回到了 Y Combinator 的创业节奏。
这种速度令人叹为观止。从未见过任何组织（无论大小）能在如此短的时间内从想法到免费上线的完整产品。
Codex 构建了容器运行时、优化了代码库下载、微调了代码编辑模型、支持了各种 Git 操作、引入了全新功能界面、启用了网络访问。
最终打造了一款让用户用起来得心应手、体验极佳的产品。
OpenAI 依然保有那种全力以赴、快速发布产品的冲劲。
对的人聚在一起，真的能创造奇迹。
团队有 8 名资深工程师、4 名研究员、2 名设计师、2 名市场人员和 1 名项目经理。
如果有机会与 Codex 团队的成员共事，他们每一个人都非常出色。
发布之夜
发布前夜，五个人一直熬到凌晨 4 点，部署巨大的单体服务（一个耗时数小时的流程）。
早上 8 点，他们回到办公室进行发布直播，打开功能开关后，流量迅速涌入。
他从未见过一个产品仅靠出现在 ChatGPT 侧边栏就立即获得如此大的流量——这就是 ChatGPT 的力量。
Codex 采用完全异步的形式。
与当时的 Cursor 或 Claude Code 不同，团队希望用户能像与同事合作一样使用编程智能体：发送任务，代理在独立环境中运行，完成后返回拉取请求（PR）。
这是一个大胆的尝试。当前模型虽好，但还不够完美，能运行几分钟但无法持续几小时。
用户对模型能力的信任度千差万别，甚至不清楚模型的真正的上限在哪里。
Codex 在处理大型代码库时表现优异，能很好地理解和导航代码结构。
与其他工具相比，它最大的优势是能同时启动多个任务，并比较它们的输出结果。
公开数据显示，Codex 自发布以来生成了 63 万个 PR，平均每个工程师在 53 天内贡献了约 7.8 万个公开 PR（私有 PR 的数量可能更多）。
这可能是他职业生涯中最具影响力的项目。
坦白说，最初加入 OpenAI 时有些犹豫。
放弃创业者的自由、接受管理、成为大机器中的小齿轮，他不确定能否适应。
如果创业者感到停滞不前，可以：
-
深入反思如何能进行更多、更大胆的尝试；
-
加入一家顶级的 AI 实验室。现在是投身创造的绝佳时机，也是窥探未来的绝佳时机。
目前，通向 AGI 的竞争三足鼎立：OpenAI、Anthropic 和 Google。
公司路径因其 DNA 不同（消费级产品 vs. 企业级服务 vs. 坚如磐石的基础设施+数据），在其中任何一家工作，都将是大开眼界的经历。
参考资料：
