来源：WhynotTV Podcast #4 嘉宾：翁家翌（2022年加入OpenAI，post training RL infra核心贡献者，从ChatGPT、GPT-4o到GPT-5的每次模型跃迁背后都有其身影；此前在清华开源作业资料、开源强化学习框架天授、做免费签证查询系统tuixue）
本文整理自WhynotTV Podcast对翁家翌的深度访谈。翁家翌是OpenAI一系列模型背后的核心贡献者，其贡献可总结为三个关键词：强化学习、post training、infra。以下按主题组织，每个主题包含「新的变化」和「嘉宾观点与解释」两个维度，力求让未观看视频的读者快速理解核心内容与得出观点的原因。
一、Open之争与闭源逻辑：对普通人的Open，而非对大公司的Open
新的变化
OpenAI自创立起便以"让通用AI平等造福全人类"为使命，名字里的"Open"曾被视为开源精神的象征。但随着ChatGPT引爆全球，OpenAI逐步走向闭源，这与早期承诺之间产生了张力。一个外部可见的新变化是：DeepSeek以OpenWeights的姿态崛起后，OpenAI内部重新评估了开源策略，但最终仍维持闭源路线——这不是理念退让，而是生存博弈。
嘉宾观点与解释
翁家翌：OpenAI的使命应拆成两部分看——“实现AGI"和"造福全人类”。实现AGI靠对预训练、算力、RL的scale up；造福全人类目前的落地方式是做产品、以尽可能便宜的价格（比如免费ChatGPT用户、免费语音模式）让普通人接触到技术，而不是直接丢一个裸的模型权重给大众。
他明确区分了两类"Open"：OpenAI的Open不是对其他大模型公司的Open，而是对普通人的Open。 一个普通人拿到裸权重也不知道怎么用，所以把体验做好、价格压低比开源权重更接近"造福全人类"。
为什么不得不闭源？他给出了一个博弈论式的解释：理论上存在"开源+接受社区反馈+更快实现AI"的路径，但执行上有现实困难——一旦你开源，其他人立刻能追上并闭源再训，会导致OpenAI在当前环境下融不到资、没人持续输血。“哪怕我想为了AGI造福全人类，但可能有人不这么想，有人就是想挣钱。为了防止这样的情况发生，OpenAI不得不闭源。”
值得玩味的是，翁家翌本人"当然会很开心"把两三年的R&D开源出来——他透露张书满（注：其面试并招他进OpenAI的leader）甚至问过他要不要开源，他当时觉得"为了公司考量不太好"。DeepSeek的OpenWeights确实让OpenAI重新做了一轮内部评估。这表明OpenAI内部并非没有开源的冲动，而是被竞争现实压制。
二、大模型生死线不是算法，而是infra的迭代速度
新的变化
一个被外界严重低估的事实是：大模型公司的真正生死线不是某个榜单分数、不是某篇论文的算法创新，而是单位时间内infra的迭代次数与成功率。翁家翌透露，OpenAI很长时间以来都没有刻意为刷LMSYS等榜单做事，真正引起内部警觉的不是哪个模型在榜上超过GPT多少分，而是DeepSeek声称迭代速度非常快。
嘉宾观点与解释
翁家翌：他引用一句同事（前阿里PhD，做过知名framework）的话——“教一个researcher如何做好engineering，要远比教一个engineer如何做好research来的难。“这句话点破了当下AI lab的人才需求逻辑。
他的核心判断是：当前的问题在于infra，你能不能scale up、单位时间内能迭代多少次，直接决定了生产效率。idea是非常便宜的，找有research直觉的人（比如从GPT-1开始就在做的Alec）讨论一下就有了，真正的瓶颈是把infra打对、快速验证。“每家infra都有不同程度的bug，谁修bug，谁修的bug越多，那谁的模型训得就越好。“他甚至猜测Llama训不过GPT，maybe就是因为bug太多。
为什么是infra而非算法成为瓶颈？背景是：toy task（玩具任务）的瓶颈在环境，模型很简单，训练和采样都很便宜；但大模型的RL infra正好相反——环境非常简单（就是一个prompt，几微秒），但模型采样和训练要几百到几千秒。所以高性能、scale（如何用更多GPU、更高效吞吐）才是关键，且会深入到inference优化的实现细节。
一个关键的数据点：当被问及OpenAI在"单位时间迭代速度和成功率"这个指标上是否世界第一时，翁家翌直接回答"不是，肯定不是”，并说这跟组织架构有关——抽一个团队去做startup，迭代速度斜率会远高于OpenAI，因为代码库小、沟通成本少、use case集中；而OpenAI要同时考虑很多use case和各种trade off。这是组织规模化的必然问题。
更值得关注的是他对未来的预判：OpenAI当前那代infra已用了三年多，堆积的问题很多，团队正在推倒重来做下一代infra，目标是清理残留依赖、给research更好的iteration speed。
三、读PhD还是进工业界：现代学术界应被重构
新的变化
在AI时代，“读PhD再进AI lab"的传统路径正受到挑战。翁家翌作为硕士进OpenAI、却成为核心贡献者的人，给出一个与主流建议相反的判断——尽早进工业界比读PhD更好，因为PhD培养的能力与AI lab当下真正需要的能力之间存在错位。
嘉宾观点与解释
翁家翌：“如果你想进工业界，那么读PhD就是浪费生命。“这是他在接触工业界后形成的判断。理由是：你可以以Master为跳板，在本科或硕士时攒够材料、做出与众不同（如开源infra）的项目，让自己能与同期PhD同台竞技，让对方挑选Master的你而不是另一个PhD。差异化是关键。
为什么PhD在当下AI lab不再占优？他给出了深层逻辑：现在的AI lab拼的是infra的正确性和单位时间迭代次数。idea很便宜，有research直觉的人（在领域深耕多年的资深者）动脑比普通PhD动脑更有用，你找他们讨论就行；你要做的是在单位时间内验证多少有效idea、且是正确infra、正确结果、快速迭代。
而PhD的培养体系重点是"如何有好的学术方向、把故事讲圆、图画漂亮、实验报告做好”，这恰好不是公司当下的核心需求。“现在的时代，工程能力是第一位的。“学术RL还有一个被诟病的问题：对着toy benchmark（玩具基准）overfit，比谁在100k时分数高，而工业界完全不care这个——工业界用RL解决真实问题。翁家翌正是2022年8月意识到这一点后，逐步停止了天授的开发，把精力转向OpenAI的RL infra。
他甚至判断：“现代学术界应该要被重构。“但他也补充，这个判断有时间性——放在他入职的那个时间点还不好说，是后来才变得明显。
四、RLHF先在GPT-4上调通，再回到3.5
新的变化
外界往往以为RLHF（基于人类反馈的强化学习）是随着ChatGPT（GPT-3.5）同步成熟的。但翁家翌透露了一个反直觉的时序：RLHF其实先在GPT-4上调work，才回到3.5上成立。当时3.5用的是旧的那套infra，而新infra是2024年8月才ready，他先在新infra上用4跑通了第一版PPO（2022年9月）。也就是说，3.5发布时，更强的4早就内部存在了。
嘉宾观点与解释
翁家翌：他刚进OpenAI（2022年7月）时，还没有"post training"这个概念区分，当时只有John Schulman下面的RL team，在做WebGPT之后的版本（用3.5做Browsing，但效果不好，因为browsing需要Turbo级别模型）。于是退而求其次先把用户交互体验做好，用RLHF解决Chat/instruction following。
他还原了关键挑战：RLHF的难点在于"你不知道性能应该长什么样”——训练出一堆checkpoint，却不知道哪个真的更好。RLHF reward可能先上去再慢慢往下掉，单一指标会saturate成直线，无法判断。当时的解决办法很朴素：建一堆sampling-based的eval看每个batch size的情况，但batch size只是个数、过了某个数就好，方差很大、噪音很多。最终只能"真的拉起来看一看、交互几次，多找几个人来投票”——也就是说，eval RLHF还是用人类来做eval，因为当时的技术没有别的办法。
他强调，这是他第一次在工业级level上打RL infra。toy task的RL infra和大模型RL infra区别巨大：toy的bottleneck在环境（模型简单、采样训练便宜），大模型的bottleneck在模型本身（环境是prompt几微秒，但inference/training几百到几千秒）。这决定了大模型RL infra要同时懂RL、懂MLSys、懂两个模型怎么inference——“不在那个位置，学校的学生学不了这种东西。”
五、ChatGPT的爆红并非计划，而是"自来水"效应
新的变化
ChatGPT的爆款成功常被外界解读为某种深谋远虑的战略。但翁家翌还原的内部图景完全是另一回事：发布时只期待一两万用户、五天后可能就关了；团队当时也没意识到它是game changing；它真正的引爆是靠用户自发宣传（“自来水”），服务器被打包好几次。
嘉宾观点与解释
翁家翌：发布ChatGPT的初衷只是"看看能不能收集一些真实世界的用户数据”，收完可能五天就关，预期最初有一两万、然后跌回没了。结果是指数级增长。他本人第一次内测时只觉得"这是个会说话的模型，也就这样”，用几次能帮解决一点代码问题，但解决有限，没觉得突然。真正让他意识到引爆的是——他当时在开NeurIPS（ChatGPT 1月3日发布，12月），过几天后身边所有人都在讨论、觉得有用，并把OpenAI服务器打包好几次。“就跟tuixue一样，tuixue的服务器也被打包好几次。“这种自需求、自宣发的"自来水"效应，才是值得投入精力的信号。
值得补充的背景：ChatGPT发布时并非全公司all in，只有他们RL组在做。OpenAI blog的contributor名单里，John Schulman排第一，到赵胜佳为止就是他们组所有人。翁家翌直言，ChatGPT的成功"不是谁计划出来的，是半偶然半必然的化学反应”。
公司给他的初印象也并非想象中那么有方法论，而是"一个大号实验室”，有很多research直觉很强的人指明方向，然后做就好。真正的转变发生在Barrett、Luke、BM从谷歌过来加入张书满的RL team后——“引进谷歌的先进生产力来迭代”。他透露了一个核心方法论：单位时间的迭代次数与成功率成正比，迭代越多成功率线性往上走。这本身就是RL的本质（不断trial and error），也是一种哲学理念——先别想天才算法，把infra打好，从一周迭代30次提升到一周迭代300次。
六、Sam奥特曼为何是AI最难替代的人
新的变化
2023年11月Sam Altman被董事会开除又复职的事件，外界充满"伊利亚到底看到了什么"的玄幻解读。翁家翌给出内部视角：本质是不信任——伊利亚和其他董事会成员不信任Sam这个人（与官方调查报告一致），把底下干活的人吓了一跳，因为董事会对底层缺乏透明度。但结局却是伊利亚离开、Sam留下，且翁家翌认为Sam反而是AI最难替代的那个人。
嘉宾观点与解释
翁家翌：内部视角很直接——“不信任他这个人”，没什么玄幻的，外界的"伊利亚看到了什么"是捕风捉影的造谣。底下干活的人非常surprise、震惊，因为决策过程对底层不透明。
为什么最后是Sam留下、伊利亚走？很多员工觉得，如果由一个纯技术出身的人领导，可能没有那么多"原件”（远见）。AI的实现不只是技术，还掺杂大量商业因素——融资、算力、说服别人投钱。“如果你只有一个很好的研究经验，那可能还不是不支持你走这么长的路。长远来看还是需要Sam这样的人。”
由此他得出一个重要判断：Sam可能是AI最难替代的那个人。因为Sam可以被抽象成一个personality、一个identity，这个identity如果短时间内用AI替代，别人对这个identity的认同感就会缺失，所以不可替代。这背后是一个更深的组织命题——一个健康的组织里所有人都是可替代的（只要能持续培养新人、有造血能力，像干细胞一样），OpenAI现在没有谁是不可替代的。但Sam的身份认同属性构成了例外。
这也顺带回答了"OpenAI做的东西外面能否复刻"的问题——翁家翌说"你可以这么认为，把自己东西做好就好，没有什么黑魔法”。这与OpenAI神秘光环的外部认知形成对照。
七、组织臃肿的解药：无限context的agent当CEO
新的变化
随着OpenAI从翁家翌入职时的280人膨胀到3000多人（三年十倍），“小而美团队做硬核创新"的风格能否保持成为核心问题。翁家翌提出一个颇具未来感的解法：人类组织臃肿的根因是人脑context有限、无法同时存下所有context，而AI可以——未来每个公司可能有一个拥有无限context的agent来当CEO，负责所有的信息共享和决策。
嘉宾观点与解释
翁家翌：他赞同Sam Altman"人才密度极高的小团队不容忍平庸"的说法——人才密度高会自发涌现意想不到的东西；环境平庸则个人自扫门前雪、拖延。但他坦言OpenAI保持小而美风格的概率在下降（“没有下降那么厉害”），可以通过划分小团队专门做研究、简化组织架构、取消不合理会议来缓解，组织架构比其他都重要。
什么是利于硬核创新的组织架构？信息流通通畅——上面的决策能无损传达到下面，下面的进展能无损传到上面，否则决策者与执行者向两个方向使力。OpenAI靠一把手二把手的技术敏感性做到这一点：Sam有研究助理帮他了解内部最新研究进展，Greg"整个OpenAI几乎都是他参与过的”，他们愿意钻进细节了解每个毛细血管。翁家翌有个精妙的类比：“管公司跟管代码库很像，靠system。不一致的话就像一个拼砖的人身子动了脚没动，很奇怪。”
组织变大的真正代价不是人才密度下降，而是难以保持context sharing的一致性——这会导致infra不一致、infra臃肿、组织结构臃肿。人脑context有限是根因。所以他设想：理论上应该有一个拥有无限context的agent来替代人类做context sharing，“可能未来每个公司有一个这样无限context的agent来当CEO，负责所有的sharing和decision。可能没有比这样的agent更适合的decision maker了。”
八、开源、信息平权与impact：把代码当慈善
新的变化
在加入OpenAI之前，翁家翌就已经用开源和代码影响过无数人——在清华开源作业与资料打破信息差、开源强化学习框架天授、做免费签证查询系统tuixue。他把代码和工具视作一种"慈善”（non-profit），这与当下"开源为商业服务"的主流叙事形成鲜明对比，也构成了他个人评价体系的底层逻辑。
嘉宾观点与解释
翁家翌：清华时期他把所有收集到的上古作业和材料（除有版权的）全部在GitHub开源，理由是打破信息差——“信息差在清华生存很有用，但我觉得每个人都应该平等地拥有这个信息。“他甚至半开玩笑说，这比捐系楼有用：“你认不认识捐新系楼的人？不认识。你认不认识加一？应该认识，因为大家都看我的作业活。"（弹幕飘过"加一”）
这个逻辑延续到天授和tuixue。天授（强化学习框架）的诞生，源于他发现现有RL框架（如rlib/ray）几十万行代码、抽象太多、无法改，于是从零手撸，两周写出第一版，一个算法不到20行。它做对了的事是"抓住用户需求”——科研干活的人都需要好改、好用的RL框架。一致性是关键：一个项目从头到尾一个人包办就consistent，多人贡献会因为assumption无法及时传递而复制粘贴、膨胀、腐化。他后期把维护权转给社区，坦言五年后天授"有一点腐化”，因为继任者的context跟他不一样会重写代码，但长远可接受。
tuixue（签证查询系统）则源于他自己的需求——疫情/科委期间签证临时管一管，需要实时知道是否有slot。他写了爬虫免费给大家用，总点击量早已过千万。这两个项目都是纯non-profit，“做这种慈善项目让我感觉非常满足”。
支撑这一切的是他独特的内生评价体系。高三某天他脑子里蹦出一个idea（他半开玩笑说"可能是未来的我往过去的我发送信息”）：人生的结算分数是"记得你名字的人的数量”。这意味着你需要被更多人认识、做对大家有益的事让更多人记得你。他明确区分这与fame（名望）不同——有些名望在别人看来收益是负面的，他要的是"对身边的人好、做有益的事"得到的发自内心的认同。
这正好解释了他为何能挣脱GPA、PhD等外部评价体系：他采纳了导师给的"非官方评价体系"——论文、比赛、GitHub三位数以上star。GPA他会"最低限度投入，够用就行"，87分B+就很满足，多一分都不愿花。但他也强调，这个impact标准只对自己要求、不对别人要求，而且"你不是这个标准的奴隶"——如果发现被自己所困的标准推着走，可以改。“OpenAI的model某种程度上可以这么认为"是他当前impact的载体。
九、创业、迷茫与确定性世界观：投资未来与忘掉剧本
新的变化
访谈末尾，翁家翌展现出一个处于"迷茫期"的状态——曾经想通想要什么，现在又想不通了。这与他笃信的"确定性世界观"形成张力：他相信世界是一个确定性的马尔可夫过程，人没有自由意志，连下一句话说什么都是宇宙大爆炸那一刻定好的。在这种世界观下，“投资未来"看似悖论，但他仍坚持投资，因为"投资一下还是会更好的嘛”。
嘉宾观点与解释
翁家翌：关于创业，他说"可能有（种子），但现在还没看到很好的idea”，且觉得OpenAI还是个不错的地方待着。他更偏好product方向——像天授、tuixue那样有用户、能根据反馈持续迭代的东西，“技术什么样不重要，重要的是抓住需求”。即便tuixue第一版只是白天晚上各手动更新一次时间，也有很多需求。
关于未来想做的事，他希望"十年后的翁家翌做自己那个时候想做的事，有足够的资源、足够的能力做自己想做的事"，并且不去干预那时候想什么——因为想法会变。除了技术上的投资，他现在的另一个"投资未来"是提前退休、攒够资本做自己想做的事。但他坦言目前手头的事（RL、infra、做impact的事）在很长一段时间都是他想做的，“只是随着时间推移、逐渐稳定或发生一些事情后，每个人的重心会变。我曾经想通想要什么，现在又想不通了”——处于人生的某个迷茫期，因为"已经看到头了，剩下都是很确定性的事情，AI是板上钉钉的事了"。
这与他的确定性世界观一脉相承。他从六七岁起就在想"你怎么知道我说的这句话不是早就确定性的"。他多次尝试证伪"世界是宿命论"却证伪不了，“我非常想让它证伪”。在这种世界观下，如果真有一个能预测未来的AI model，对个人是灾难、会导致所有价值体系崩塌，“对人类社会来说最好的选择可能是毁掉这样的AI model让它永远不要出来”——但有些人就是愿意去开发它。他找到的迄今合理自洽的解释是：时间线可能不是线性单向的，在四维里时间可以任意跳跃，“未来的我帮助过去的我完成某些决策"是一种可能性（无法证伪）。而他应对这一切的方式很朴素——“忘掉这一切，假装不知道，去体验当前的经历”，并笑称"幸福的傻瓜是幸福的”。
结语
这场访谈最大的价值，在于让外界第一次从一个"卖铲子最顶端的人"的视角看清了OpenAI这台机器真正运转的齿轮。翁家翌的叙事反复指向几个被低估的真相：
第一，大模型之争的胜负手是infra而非算法。每家infra都有bug，谁修得多谁就赢；OpenAI并不刻意刷榜，真正警觉的是DeepSeek的迭代速度；而OpenAI在这个生死线指标上"肯定不是第一"，这是组织规模化的必然代价。
第二，AI lab当下最需要的不是PhD而是工程能力。idea很便宜，把infra打对、快速迭代才是稀缺能力；“教researcher做好engineering比教engineer做好research难得多”。这对年轻人的选择是直接信号。
第三，OpenAI的Open是对普通人的Open，闭源是博弈论下的生存选择。内部并非没有开源冲动，是被竞争现实压制；DeepSeek的OpenWeights确实触发了内部重新评估。
第四，Sam奥特曼是AI最难替代的人，不是因为他懂技术，而是因为他是一个被认同的identity——AI能替代决策，但替代不了身份认同。而组织臃肿的终极解法，可能是一个拥有无限context的agent来当CEO。
翁家翌自己或许最能代表这代AI核心建设者的状态：笃信确定性，却仍在投资未来；曾想通想要什么，如今又陷迷茫；把代码当慈善，却在闭源公司里搭最核心的infra。他用一句话作结——“这个问题值得一生去思考。”