Greg Brockman：安全支出应「远超」软件支出——防御者窗口、25%工程师停工加固，与药物研发的数据物理

先说结论：这期 No Priors（主持人 Elad Gil 与 Sarah Guo，转写把 Elad 记作"Ilan"；嘉宾为 OpenAI 联合创始人、总裁 Greg Brockman，2026-10-15 发布、约 39 分钟）表面是「OpenAI 又发新东西」的巡回介绍，真正的骨架是 Brockman 对两个「物理规律正在改变」的领域的判断：药物研发的瓶颈不在算法而在数据获取；网络安全的攻防平衡正处在一个稍纵即逝的「防御者窗口」，而窗口期的正确动作是把安全支出推到「远超软件支出」的程度。这两句话分别解释了 OpenAI 为什么同时押注科学发现和安全基建，也把「人类掌握方向盘」（humans in the driver’s seat）这句使命陈述落成了具体的产品与预算决策。

数学成果：从「AI 能否产生新知识」到「洞见在哪里」

开场由主持人定调：OpenAI 本周把 GPT-6 推向了超过十亿用户，并发布了新的数学成果。Brockman 对数学这部分的定位值得完整转述：他认为这是「真正的里程碑」，因为「AI 是否真能创造新知识」这个老问题「已经不可能否认——答案明确是肯定的」；但他同时划清边界：模型还提不出完整的新理论，目前做到的是解决百年量级的悬而未决的问题。他给出的数字是：已发表约 400 个「非常重要的开放问题」的解答，数学界正在逐个检视、从中提取洞见——他强调价值不在「机器吐出一个没人看得懂的证明」（他举四色定理这类「不可理解的证明」作为反例），而在洞见是否可被人吸收。

沿着「人如何跟上」这条线，Brockman 展开了几个通常被忽略的论点。其一，他自述数学出身（受 Galois、Gauss 感召），认为数学之美「在旁观者眼中」，不是纯客观对象——所以机器产出的数学最终要回答「给人类带来了什么理解」。其二，他预期模型「心智理论」能力增强后，会把人类「带上通往新理解的道路」，并用自己重学数学的经历（Math Academy + ChatGPT）说明知识水位会被整体抬高。其三，也是最有历史纵深的一点：他重提 2017 年以来 OpenAI 讨论的辩论（debate）与迭代放大（iterative amplification）——当 AI 解决的问题超出人类核查能力时，需要设计「可局部检验」的论证结构。他举的例子很具体：判断一份书籍摘要是否漏掉关键情节，不需要读完一本书，只要 AI 指出「第 X 章有个关键情节、摘要里没有」，人就足以裁决。这套机制同时服务于对齐——让人保持监督能力，是他反复强调的 OpenAI 基本价值观。

药物研发：算力、数据与「生物学的语言」

被问到科学发现里下一个落点时，Brockman 给出的框架是「物理规律外推」：算力 × 数据 × 算法 = 能力 = 结果，这是他所称深度学习的基本物理。数学被率先攻克，是因为模型智力到位、且数据充足；生物学的困难则完全不同——数据瓶颈。他的原话判断很硬：「如果要在所有领域里挑一个彻底革命化，药物研发是最清晰、最明显的选择」，且从第一性原理出发，「神经网络没有理由更擅长自然语言而不是生物学——既然它在语言上这么强，就应该能破解生物学的语言」。

主持人补充的管道经济学数字（节目引述）：一款药平均 15 年、约 15 亿美元，其中临床前小鼠实验约 1500 万美元、临床试验占 14 亿美元以上；时间上两三年对十二年。Brockman 的回应分三层：早期研究（AlphaFold 式的分子设计与结合预测）只是第一步，真正的瓶颈在管道后段；有些领域的根本数据就是不存在，湿实验室创新与仿真方式将变得极其重要；以及一个被低估的短期机会——文献挖掘：很多人所需的药其实已经存在，「只是埋在某篇论文里」，把「找到那篇论文」规模化就能救人，且已有先例。材料科学与「一长尾领域」被他列为同类候选。

监管这段是本期最容易被忽略、却最有信息增量的部分。主持人问：如果技术成立，限制因素会不会变成监管？Brockman 先承认临床试验「由监管钦定，且理由正当」，然后用自动驾驶作类比：当自动驾驶比人类安全 10 到 100 倍时，正确的政策可能反转为「特定区域只许自动驾驶」——监管应随被证明的能力重写整个系统，而不是给新技术发临时通行证。他提到各国监管差异已经导致试验外流（澳大利亚与美国规则不同，「人们把试验搬到监管环境更合理的地方」），并给出一个克制的判断：「能否用神经网络得到比真跑临床试验更好的预测？我们现在还做不到，但可以想象会到达」；长期研究至少需要「一个长周期的时间刻度」来校验。他估计「可能性的 80% 会很快兑现」，剩下 20% 卡在时间与数据上。（以上均为嘉宾观点，节目未提供独立验证。）

网络安全：防御者窗口与「安全支出应远超软件支出」

访谈后半段是全场锋利度最高的部分。Brockman 的核心命题：网络安全的物理正在改变，我们正处在「防御者窗口」（defender’s window）——最强前沿模型帮助防御者的能力已经到位、但尚未广泛扩散，而广泛扩散的攻击能力正在随各家每次模型发布而棘轮式上升。窗口期的动作决定结局：OpenAI 通过 Daybreak 计划向防御者「负责任地开放」最强模型，用于发现和修复自家系统漏洞；并与 CrowdStrike 等公司合作、协同事件响应、与政府和社区联动。

他对问题根源的定性带有历史感：漏洞一直都在——每一行人写代码都要问「安全吗？开发者受过训练吗？」；互联网「本质上是按韧性而非安全建造的，安全是后来打上去的补丁」（蠕虫病毒时代之后才有杀毒软件、才有 HTTPS），如今这笔技术债要一次性浮出水面、「该还债了」。他引用 XKCD 那张「全世界的基础设施依赖一个在地下室维护开源项目的哥们」的漫画作为图标式注脚，并指出供应链攻击（恶意包上传）之所以能打击一片公司，是因为「极少有公司审计自己的供应链」。

OpenAI 内部的实操给了这套论述一个罕见的可验证样本：他们抽调了约 25% 的生产工程师，「所有项目暂停，你们现在只做加固」，用当时的最强模型扫描全部基础设施、做分级、把流程工具化以便复用，「找到并修复了一批问题，直到这个模型能发现的问题被『饱和』」——然后下一个模型发布，再来一轮。「应用—加固—饱和」的循环被描述为新常态。往前推一层，他指出两条收敛路径：AI 生成代码天然可以「预设更安全」；以及形式化验证——模型擅长证明，「为什么不证明软件的安全性质？」此前它贵、小众、痛苦，「没有任何重要系统这么做」，现在都可能改变。

由此他给出本期最大胆的判断，也是节目开头预告的「quite a claim」：「网络安全支出、安全支出，最终应当远超软件支出」。逻辑链是：软件本身的进入门槛正在趋近于零（软件变得便宜），当人人都能生成软件时，差异化的价值就移到「可靠、安全、可信」上——软件不再是稀缺品，对软件的信任才是。主持人以「IT 预算该怎么改」的角度追问后表示这解释了为何第三方安全生态（如扫描开源供应链的 Socket 等公司）正在同步生长。Brockman 承认过渡期会出现「先攻强守弱、防御再追上」的阵痛，但他认为存在「防御者跑赢攻击者」的终局，前提是整个生态协同响应、且给资源不足的关键基础设施补课。

产品与哲学：Dots、无 UI，与「人类坐在方向盘后」

访谈穿插的产品信息有三块值得留存。Dots 是一个「永远在线的主动智能体」：Brockman 自己的 Dot 会追踪他答应过没做的事、发现日程冲突、提醒他提前离会，整合收件箱与 Slack、知道他最近在关心什么问题；他的定性是「Dots 改变的是形态因子而非能力——它是一个 Astra 级别的模型、带着自己的云电脑」（Astra 为节目中对 OpenAI 新一代模型的称呼，具体命名以官方为准）。消费级与企业级的融合：他判断两者必然收敛，但压力不同——消费端拼免费/低价与规模（把 memory 功能带给全部免费用户是「巨大的工程投入」），工作端则「只要回报存在，就值得堆更多算力上峰值智能」；OpenAI 的独特位置是「12 亿 ChatGPT 消费者 + 领先的编程与企业业务，没有第二家两者兼备」，战略是统一成一条战线。而 UI 的终局被他讲得很干脆：「起点是一个文本框；我们要去的地方，连文本框都没有」——配合即时生成的 generative UI（订机票的复杂界面、组装自行车的一次性小程序，「你永远不会雇人写一个月，但对 AI 实时生成毫无问题」），以及「模型对『该想多难』的校准能力」。

收尾回到使命陈述。Brockman 的表述是：确保 AGI 造福全人类，「人类」是关键词——人应牢牢坐在方向盘后、掌握对未来控制权，技术应放大人的能动性，「即使模型能力超过人」。他用「CEO 与董事会」作类比：专家和团队在多数维度上比你强、想法可能更好，但根本问题始终是「你满意吗？这是你想要的吗？这让你的生活更好了吗？」——技术是文明生活质量的根本驱动，这也是他给「何为亲人类（pro-human）的 AI 公司」下的操作性定义。

读者启发

三条可迁移的链条。其一，「安全支出 > 软件支出」是一个可以直接映射到自己组织的预算判断：当生成软件的边际成本趋零，组织差异化的护城河从功能产出转向可靠性工程——安全预算在 IT 总盘中的占比，会成为比功能数量更诚实的组织健康指标。其二，「防御者窗口」是一个通用的时间结构：任何能力在「强者可用、尚未扩散」的区间内，先手方享有结构性优势，窗口随扩散棘轮关闭——把它套用在合规、数据治理、模型评测上都成立，关键是识别「每次模型发布都在重置攻防」的节奏。其三，药物研发一段提供了「判断 AI 能否攻克某领域」的清单：先问数据是否充足、能否被制造（湿实验室/仿真）、再问验证周期是否允许至少一个长周期刻度——这套问法比「AI 能不能做 X」的空泛争论有用得多。需要保留的怀疑：Brockman 是 OpenAI 的总裁，他的「安全支出远超软件支出」与 Daybreak、形式化验证的叙述同时也在为前沿模型的稀缺性定价；数学成果的「400 个问题」、GPT-6 十亿用户等数字均出自节目陈述，本文未做独立核实；「80% 可能性快速兑现」是嘉宾的主观估计而非预测模型。

（归属说明：事实与引语来自节目转写，嘉宾观点均标注为 Brockman 个人陈述；主持人补充以「主持人」标注；转写校正：No Prayers=No Priors、Ilan=Elad；转写在 OpenAI 安全投入的具体金额处截断，本文未采信该数字。）