117
1📝 本期播客简介
本期我们克隆了：Matthew Berman How to Understand the Next Wave of AI Before Everyone Else | Tibo Interview
原内容更新时间：2026-08-24
在这期对话中，主持人 Matthew Berman 邀请到了 OpenAI 的核心团队成员 Tibo，深入探讨了 AI 行业从底层算力架构到顶层产品交互形态的剧烈变革。Tibo 曾就职于 Google DeepMind，亲历了大模型爆发前夕的技术探索与组织掣肘，随后在 OpenAI 深度参与了模型迭代与产品落地。
对话围绕 OpenAI 的自下而上创新文化展开，详细拆解了 Codex 与 ChatGPT 走向深度融合背后的产品逻辑、大模型带来的全新工作流、超快推理模式对人机交互心流的重构，以及前沿模型在推理与基础设施层面的“递归自我改进”。面对算力成本、竞争格局与公众对 AI 未来的焦虑，Tibo 从第一性原理出发，分享了 OpenAI 如何通过死抠效率来推动顶尖智能的普惠化。
👨⚕️ 本期嘉宾
Tibo：前 Google DeepMind 基础设施与研究产品成员，现任职于 OpenAI。专注于大模型训练基础设施、模型高效推理以及面向大众和开发者的 Agent 产品化落地，亲历了从早期 LMChat 到 ChatGPT 及 Codex 融合的完整演进过程。
⏱️ 时间戳
从 DeepMind 到 OpenAI 的文化差异
亲历 LMChat：谷歌为何错失大模型发布先机
OpenAI 的自下而上文化与颠覆自己的勇气
给创业者的建议：倾听反馈与快速重新调配资源
下一代 Agent 与人机交互范式
下一代模型演进：为什么笔记本电脑成了瓶颈
并行 Agent 开销 vs 超快模式下的心流体验
两种智能未来：极致贴合的个人 Agent 与端到端全自动化
ChatGPT 与 Codex 的融合：消除技术界面的连续光谱
竞争定位、社区善意与算力规划
面对行业竞争：聚焦自身独特优势与最大化普及
“实体重置按钮”的由来：补偿机制与社区善意
算力规划的前瞻性与大模型带来的架构自优化
递归自我改进与超快模式的未来
处于初期的递归自我改进：用模型重构推理基础设施
强化学习暂停风波：安全与对齐的必要加固
14倍超快模式的应用场景：高危排障与实时创意画布
成本下降与智能普及：六个月后的前沿模型将极其廉价
🌟 精彩内容
💡 顶尖智能走向单一界面的终局
未来的个人 AI 不应该根据用户是否懂代码而强行划分界面，人群是一个连续的光谱，最理想的系统会像水一样自适应每一个独特个体的习惯与需求。
"人群是一个连续的光谱，我们发明的那些标签，像软件工程师、设计师，只是人类为了处理抽象概念而发明的……我们在努力打造一个能适应所有人的完美界面。"
💡 技术应当主动适应人类而非反之
大语言模型真正的突破在于它回归了人类最自然的交流方式。交互体验的终极形态是极度符合人性的无感延伸，而不是逼迫用户去学习复杂的 Prompt 技巧。
"所以我们极力做到不让你去适应它，而是让技术本身被打造得非常自然，像人类在这个世界中行为方式的自然延伸。"
💡 递归自我改进正在基础设施层悄然发生
外界往往将自我改进窄化为模型自己写模型，但实际上，利用当前最强大的模型来重构推理栈、优化底层算子和设计交互系统，已经是极高收益的递归演进。
"但我们看到取得巨大成功的地方，是用这些模型去开发位于使用模型关键路径上的基础设施，这也是一种递归自我改进的形式。"
💡 算力效率的飞跃正在重塑心流状态
极高的推理速度不仅仅是缩短等待时间，它彻底改变了开发者的认知负荷——从疲于管理数十个并发任务的上下文切换，回归到单线程毫秒级反馈的极致心流。
"然后当你有了超快速度，再加上语音，突然之间你就会觉得，好吧，这东西运行起来的速度即使不比你快，也跟你一样快了。这样你就能保持心流状态……"
💡 顶尖智能的普惠化是效率迭代的必然结果
当技术的推理效率与 token 利用率持续提升，曾经昂贵且遥不可及的前沿能力，会在极短的时间周期内迅速下沉为无处不在的基础设施。
"所以我认为，现在不管是处于什么前沿水平，六个月后运行起来都会便宜得多得多。所以我会这么回答这个问题：技术随着时间推移，自然而然会变得非常非常高效。"
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
