35
0🎙️ AI纪元背后，构建者们（builders）是何方大佬呢？
本期节目，让我们回顾WhynotTV对翁家翌的访谈。从清华姚班，到CMU，再到OpenAI后训练（Post-training）团队的核心成员，他是模型智能的重要塑造者，更是一个深谙“卖铲子”哲学的影响力制造者。
让我们走进他的世界，看一个在初高中就闯荡数学和信息学竞赛的少年，不断“投资未来的自己”，一步步走入世界AI风暴中心。他聊到“教一个 Researcher 做工程，比教 Engineer 做研究难得多”的论断，以及在OpenAI极高的人才密度中所看到的发展逻辑。最后，我们还会触及他的决定论哲学--在一切都是确定的剧本里，他为什么依然选择做一个“幸福的西西弗斯”？
------------------------
⏳ 时间轴：
00:30｜“投资未来”的少年时期：奥数，信息学竞赛（NOI）
01:48｜在清华姚班的 “信息平权”，评价体系的重构：“论文、比赛、GitHub Stars”
03:44｜为什么是 OpenAI 而不是读博？
06:09｜“卖铲子”的工程品味与 GPT-3.5/4 有趣小细节
09:15｜为什么 OpenAI 能成功？信息在组织内实现无损的双向流动
10:21｜谁会先被替代？研究院，infra构建者，还是sales销售？
11:12｜幸福的西西弗斯
12:17｜私货时间：我的信息学经历，人生的目标函数，科学的品味
------------------------
💡 本期核心洞察
1. 工程与科研哲学：“Engineering 是 Research 的底座”
在工业界实验室，核心竞争力在于 infra（基础设施）在单位时间内的迭代次数（例如一周迭代300次与30次的巨大差距）。
2. 评价体系：跳出固有评价体系，自创“函数目标”
比如他到本科老师提出的评价标准：论文、比赛、GitHub Stars，就是一种跳出绩点（GPA）导向、更符合工业界和学术界真实价值的评价体系。
3. 对组织与 AI 未来的判断
- OpenAI 的成功逻辑：信息在组织内能无损地双向流动；核心管理层（如 Infra 负责人）对系统有极深了解，避免了大型公司常见的组织臃肿。
- 职业替代性：他认为在未来，研究员（Researcher）最容易被替代，因为想法（Idea）是可以被建模和批量生产的；其次是 Infra 工程师；最后才是销售，因为销售涉及人与人之间的说服逻辑。
------------------------
Reference：
视频播客 WhynotTV（小宇宙、B站等平台）
翁家翌：OpenAI，GPT，强化学习，Infra，后训练，天授，tuixue，开源，CMU，清华｜WhynotTV Podcast #4
------------------------
“认知采样｜低比特备忘录”是一档专注分享AI新知与心得，探讨自我认知的播客节目。比特虽低，认真采样每一段认知。欢迎评论和订阅！🎉
