OpenAI正站在一个新的能力拐点上。从破解数学千禧年难题到计算机使用能力的跨越式提升，这家公司正试图向外界证明：AI已不仅仅是聊天工具，而是能够真正替用户完成工作的智能体。

OpenAI联合创始人兼总裁Greg Brockman近日在一档播客访谈中表示，公司旗下模型已成功找到纳维-斯托克斯方程（Navier-Stokes）的反例，证实这一流体力学核心方程在特定条件下存在奇点，从而攻克了七大"千禧年数学难题"之一。他将这一突破定性为"AI能够生成新知识"的里程碑，并认为这预示着AI在攻克疾病、开发新药等领域的雄心将发生"真正的变化"。与此同时，他透露，自ChatGPT Work推出以来，智能体的采用曲线"几乎垂直上升"，ChatGPT每周活跃用户已"远超10亿"。

Brockman表示，公司正将聊天与智能体两种模式加速融合，推动AI从"对话工具"转向"能真正主动、持续替用户分担工作"的形态。他认为，这才是AI长期以来真正的承诺——"让计算机真正按照你的目标和愿望运转"。

Brockman在访谈中将纳维-斯托克斯方程的突破描述为一个"意义重大的日子"。他表示，OpenAI的模型找到了一个反例或证明，确认这些理论方程在某些条件下确实存在奇点，即会出现"崩溃"的情形。这一问题长期悬而未决，属于数学领域最深刻的问题之一。

他强调，这一成果的意义不止于数学本身——这些方程在流体力学领域有广泛应用，涵盖洋流、飞机周围气流及湍流等现象。但更深远的影响在于，这表明AI模型已能够辅助科学家和数学家加速研究进程，并有能力挑战此前"遥不可及"的问题。"当你拥有这种水平的辅助能力时，谈论攻克疾病、开发新药，这些事情就会变得越来越触手可及。"Brockman说。

Brockman表示，Astra的发布令他"感到非常谦卑"，社区用户展现出的创意和应用方式远超预期。他明确表示，"在计算机使用这件事上，我们已经跨过了一个新的门槛"。

他介绍，用户利用Astra完成了将实体物理空间测绘并转化为3D模型、设计可实际制造的零部件等操作。在他看来，这一能力的核心价值在于：AI正从依赖"连接器"——即手工编码的系统接口——转向像人类一样直接操作计算机上的一切应用程序。"早在OpenAI创立之初，我们就怀揣这样一个梦想：终有一天，能创造出一个AI，在你自己能用电脑做的任何事情上帮到你。我认为，我们现在借助Astra真正做到了这一点。"

他同时承认，这些能力目前仍主要被技术用户挖掘，如何将其传递给"甚至不知道Blender是什么的普通消费者"，是公司面临的核心挑战之一。

Brockman透露，今年以来，用户正在从纯聊天类场景明显转向智能体类场景，自ChatGPT Work推出以来，智能体的采用曲线"几乎是垂直上升的"。与此同时，他强调聊天场景"依然生机勃勃"，ChatGPT的市场份额已重新开始攀升。

他指出，目前聊天与智能体是两种不同形态，但这只是阶段性状态。公司正在推进二者的统一与融合，目标是让AI不再要求用户关注上下文窗口、模型选择、思考强度等底层细节，而是真正聚焦于帮用户解决问题、"把时间还给用户"。

他也坦承，产品能力不断扩展带来了一种"先行者劣势"——大量早期用户已对ChatGPT形成固定印象，而当前能力已远非彼时可比。他认为，这本质上是一个"发现问题"，整个行业都需要正视，而ChatGPT每周超十亿的活跃用户规模，同时也构成了重新触达老用户的巨大机会。

Brockman将OpenAI在健康领域的布局划分为三个方向：面向普通用户的消费者端（每周有3亿用户提出健康相关问题）、面向临床医生的专业调优版本，以及直接向医院销售部署的企业端（包括与Epic系统的集成合作）。

他认为，这三大支柱各自成熟后将产生协同效应，有望真正变革医疗体验。他以自身经历为例——其妻子曾历经五年辗转多位专科医生、最终才被确诊患有一种影响全身的遗传性疾病——指出当前高度专科化的医疗体系存在严重的信息割裂问题，而AI的价值正在于能够跨领域打通信息、识别人类医生难以发现的关联模式。"能真正深入帮助你打通生活方方面面，同时在医学所有领域拥有深厚专业知识——这才是AI真正的力量和潜力所在。"他说。

针对外界对Operator项目的质疑，Brockman将其定性为"时机问题"，而非失败。他表示，Operator当时的模型能力"刚好在门槛之下"——作为一个基于云端的计算机操作系统，速度慢、准确性不足，"用起来相当痛苦"，未能跨过实用性门槛。

但他强调，Operator的价值在于为后续能力积累提供了真实世界的部署经验。此后团队长期专注、系统性解决积压问题，最终在Astra中实现了真正的突破。他将这一过程概括为OpenAI的核心工作方式："每当我们真正把一项挑战摆在面前，认真思考如何安全、妥善地完成它，真正去交付价值的时候，我们就是这么做事的。"

Brockman同时指出，今年公司整体运作已从"大公司式产品实验"切换回"创业公司式专注模式"，这是推动当前一系列进展的重要背景。

以下为访谈全文：

主持人：今天邀请到了OpenAI联合创始人兼总裁Greg Brockman。欢迎来到节目，Greg，最近怎么样？

Greg Brockman：挺好的，谢谢邀请。

主持人：谢谢你抽空过来。今天是个大日子，能不能先聊聊数学方面的这个突破？到底发生了什么？为什么这件事这么重要？我知道相关的时间线上有不少反复的说法，希望你能给我们讲清楚，纳维-斯托克斯方程今天到底发生了什么。

Greg Brockman：对于AI和现代科学进步来说，这确实是意义重大的一天。今天我们宣布，我们的模型解决了纳维-斯托克斯方程问题——我们找到了一个反例，或者说一个证明，证实这些理论方程在某些条件下确实存在奇点，也就是说会"崩溃"。这个问题悬而未决已经很久了，它是七大"千禧年难题"之一，属于数学领域中最深刻、最重要的问题之一。

我认为这个问题本身很重要——这是人类的新知识，这个证明本身也非常优雅、非常漂亮，我觉得这里面有很多值得学习的地方。这些方程在流体力学和其他领域都有很多应用。但对我来说，更重要的是，这件事代表了我们目前模型能力所处的水平——我们真的可以生成新的知识，可以从这些模型中学习，让它们帮我们解决那些原本遥不可及、或者需要花很长时间才能解决的问题。

主持人：那我该怎么理解这件事呢？这会帮我订机票吗？会帮忙攻克癌症吗？还是说，这只是帮你们招募那些对这类东西着迷的研究员？因为我觉得，这件事已经在科技圈掀起了波澜，但我猜，这不会成为那种朋友家人聚在后院烧烤时会聊起的话题，毕竟大多数人离这个领域隔着好几层关系。

Greg Brockman：首先，这个具体成果本身，或者说这些方程本身，是有实际应用的——它们能帮助我们更好地理解从洋流到飞机周围气流、湍流之类的各种现象。但更重要的其实是，这背后更广泛的洞见和方法，能够帮助科学家和数学家进一步加速他们的研究。我觉得这再一次说明：如果我们的模型能帮忙解决这类问题，那接下来会发生什么？还有哪些问题是可以立刻应用上的？

我认为，当你拥有这种水平的辅助能力和模型能力时，谈论攻克疾病、开发新药，这些事情就会变得越来越触手可及。我确实认为，我们能够着手挑战的问题的雄心程度，将会发生真正的变化。

主持人：即便这件事没有真正破圈传到大众世界，这个周末肯定也会成为热门话题，因为这个周末大家好像都在聊Blender、聊用Astra搭建各种东西。能不能给我们讲讲Astra这次发布的情况？反馈怎么样？你们学到了什么？听起来中间经历了几次"重置"，模型的扩展表现得很好。这次发布和之前的发布相比，有什么不一样的地方？

Greg Brockman：首先，社区对Astra的反响真的让我很震撼。说实话，看到大家展现出的各种创意和五花八门的应用方式，我感到非常谦卑、也非常受触动。可以很明确地说，我们在计算机使用这件事上，已经跨过了一个新的门槛。

这个模型现在真的能够以一种前所未有的方式，去操作各种不同的应用程序。人们也充分利用了这一点，认真思考该怎么去创造。很多人展示了3D创作成果，把物理空间实景测绘下来，转化成3D模型，还在思考能不能用它来设计实体零件。有人分享了他设计一个"淋浴排水口防堵毛发装置"的过程——这挺酷的，他们现在真的能把这个东西制造出来了，这算是"淋浴防堵毛发超级智能"了吧（笑）。

主持人：是的，这些东西听起来很平常，但其实特别重要。我感觉很多这类应用往往会被忽略。

Greg Brockman：没错。我觉得这里有个很关键的点：我们有时候谈的是那些宏大的挑战，或者一些很小众的应用场景，但真正重要的是——你日常生活中那些想要解决的问题，现在真的可以被解决了。我们真正想做的，是赋能每一个个体，让每个人都能拥有"超能力"，能够完成更多事情。真正去造福人们、赋能人们，打造能真正帮到你日常生活的工具，这就是我们正在做的事情。

主持人：看起来这个周末，科技圈里有大量人用Blender把自己家彻底"重建"了一遍，规划了一次翻修，多亏了Astra。不过我很好奇你们怎么把Codex、ChatGPT Work、桌面版ChatGPT这些整合到一起。我现在有一台装了英伟达显卡的游戏PC，还有一台Mac mini，各种设备都有——我知道自己这么折腾其实没必要，对我来说更像是种乐趣，是那种"早期尝鲜者"愿意东拼西凑去解锁各种能力的阶段。但未来，这一切应该都会被收进同一个提示框里，我随口问一句"我该不该翻修房子"，它可能就直接帮我建出一个3D的Blender模型来回答这个问题。你怎么看，这个周末我们看到的这些"重度玩家"展示出的能力，未来要怎么才能真正走进那些甚至不知道Blender是什么的普通消费者手中？

Greg Brockman：我觉得你说得完全正确——我们确实很想把这些工具，从原来那种需要用户具备底层操作能力或指导的模式，转变成真正让人能够"自由飞驰"的状态：让用户真正被赋能，去设定目标和方向，同时你依然应该能感觉到自己可以深入到细节里去，能够理解它，能够提供监督——因为归根结底，你应该对最终结果负责。但与此同时，你也拥有一个绝对意义上的"放大器"，就像蹦床，或者像是"给思维装上的火箭"，随便你怎么打比方。

我觉得，从实际层面来看，今年我们确实明显看到，用户正从纯聊天类场景转向智能体（agentic）类场景。但我也想强调，聊天场景依然生机勃勃——我们现在每周活跃用户已经远远超过10亿，你可以看到ChatGPT的市场份额又开始重新攀升，因为我们在教育、医疗以及其他很多对人们重要的领域，都投入了大量精力去做各种应用。与此同时，那些注重生产力、深度知识工作的应用场景，正在真正起飞——自从我们推出ChatGPT Work以来，智能体的采用曲线几乎是垂直上升的。

我认为，聊天和智能体这两种模式眼下确实是两种不同的形态，但这只是一个阶段性的状态，我们正在持续推进把它们统一、融合起来，我们也开始看到一种全新的、人们更愿意接受的AI消费形态正在浮现。我觉得，这其实正应验了AI一直以来的承诺——你能拥有一个可以对话、并且能真正主动、持续地替你分担工作的东西。如果把时间往回倒五年、十年，人们对AI的期待，绝不会是一个"底层语言模型"——你还得考虑上下文窗口、还得选择思考强度、还得挑不同的模型，这些都不是未来该有的样子。

所以我认为，我们正在朝着真正的"能力放大"迈进：真正把时间还给用户，让计算机真正能够按照你的目标、你的愿望去运转。我认为这才是核心所在。我们也在安全地推进这一切——这是我们做出的核心承诺之一，也是我们思考这件事的方式。我们确实看到，这些工具的能力正开始快速提升，用户能做到的事情也在不断增加，而像Blender这样的底层工具，正逐渐变成一个"幕后细节"，逐渐淡出用户的视线——这绝对是我们前进的方向。

主持人：在AI这个领域，感觉存在一种近乎"先行者劣势"的现象——已经有几十亿人尝试过ChatGPT，其中一部分人是第一次接触，对这个产品能做什么已经形成了某种固定印象。而即便是最近这几周，也不断有新的智能体、新的产品上线，人们一试之下惊为天人。我觉得这挺有意思的，因为我自己算是那种拼命想把ChatGPT用到极致的人——比如说我一直挂着一个智能体，专门帮我盯着SpaceX的每次发射时间，一旦延期就通知我，这种在后台持续运行的智能体。但从战略角度看，我觉得这其实是一种新型的挑战，因为随着能力不断扩展，先行者几乎需要不停地向市场提醒，"看，这里还有这么多闲置的新用法可以挖掘"。

Greg Brockman：这个问题我们确实想了很多。我觉得这是一个"发现问题"（discovery problem），整个行业都需要认真、正式地去面对，虽然我们还没有完全解决，但我认为，比起以往任何一款产品，我们其实有真正的机会把这件事做得更好。

目前我们依赖的，你想想ChatGPT和ChatGPT Work，本质上都是一个文本输入框——就好比"这个新的文本框比旧的文本框强大得多"，但（笑）出于某些原因，人们还是更愿意用那个旧的文本框，因为新的东西"太让人困惑了"。人们真正想要的，是一个能帮他们解决问题的东西，整件事的意义就在于把时间还给用户，而不是逼着用户去搞懂所有这些内部细节。但与此同时，我们也拥有一个能理解你真实意图的模型——你告诉它"我想要什么"，它对你已经有了大量的背景了解，所以它其实也应该能够主动提醒你，比如："其实如果你换个方式问我"，或者"如果你添加这个连接器"，或者"如果你授权我做这件事"，或者"如果你以这种方式接入你的凭证"，我就能帮你去做另外这件事。

所以我们花了很多心思去思考这种"自我认知"的过程、这个引导用户上手的过程，我认为这是一个巨大的机会。你提到的那种劣势确实存在——人们尝试过一次，形成了印象，而现在的东西已经不一样了；但同时也存在优势——ChatGPT每周活跃用户超过10亿，这种使用规模是独一无二的，没有任何其他模型能达到这个量级。而且，之前尝试过ChatGPT的总人数，我记得大概是10亿到15亿左右，这对我们来说也是一个巨大的机会，可以重新回到这些老用户身上，告诉他们："嘿，我们现在可以帮你解决这个问题了，可以用你之前没见过的方式帮到你了。"

而且这是真实存在的——你看看现在有多少人用ChatGPT来查健康类问题，每周有3亿人在问健康相关的问题，这真的在切实改变着人们和他们所爱之人的生活。所以我们面前的机会真的非常大。

主持人：能不能继续聊聊健康这个话题？在那之前我想先说一点——我觉得这点很有意思，可能也是OpenAI可以做得更好的地方：现在AI行业里的每家公司，从营销角度看，都想成为"AI界的苹果"。但大家一想到"苹果式营销"，脑子里浮现的往往是"Mac对战PC"，或者1984年那支经典广告，那种大型品牌战役。但苹果在营销上真正做得好的地方，其实是他们会反复强调产品里那些非常具体的细节——比如他们会专门为新相机做广告，专门为Memoji做广告，专门为Safari里的某个具体功能做广告。而AI这个领域，需要传达的信息量其实要大一个数量级，因为它能做的事情实在太多了。所以我觉得，公司在广告投放上其实有巨大的空间——品牌宣传片当然很棒，Astra的发布视频也做得非常精彩，但其实应该有那种专门宣传ChatGPT具体某项能力、告诉大家"这能帮你省下多少时间"的广告牌。

Greg Brockman：这一点我今年确实深有体会，算是真正意识到了这一点。举个例子，我们刚刚发布了ChatGPT图像2.5版本，如果你去看那支发布视频，我最喜欢的地方在于：它展示了有人创作了一张图片，然后展示了一大堆不同的变体，最后展示了这个人挑出自己最喜欢的那个版本，并把它变成了现实中的实物——比如有人说"这是我画的一个烛台小草图"，你会看到一个很棒的可视化效果，接着看到这个烛台真的被做出来摆在那里，你会立刻明白："对，这就是我想要的东西"，它一下子就能打动你。

我认为，真正向人们展示一个具体的使用场景非常重要。还有一点让我有点意外的是，我们有时候会展示一些比较小众的应用场景，对某个特定的人来说效果惊艳，但其他人不会因此联想到："既然它能做到这么厉害的事，那我是不是也能用它解决我一直想解决的另一个问题？"这种联想，其实比我原本想象的要难建立得多，不过仔细想想也合理。你真正想要的，是那种能让人一看就说"我现在就想要这个东西，我这就去试试"的具体使用场景，然后从那里开始，他们会不断去探索，逐渐发现："原来我确实有这样一个强大的应用场景，只是我当时都没意识到。"

主持人：对，Sora大概是这种效果发挥得最好的例子了。另外一点是，要不断提醒用户去主动问问AI它到底能做什么。我之前和一个做房地产开发的朋友吃饭，他整天都在用ChatGPT写各种交易备忘录，理解他手头在做的各种项目，他经常会问我："ChatGPT能不能做这个，能不能做那个？"我说，我很乐意回答你，但其实你手头就有一个工具，能直接跟你解释清楚具体该怎么做到你想要的事——也许它做不到，但大概率是能做到的。

Greg Brockman：对，我自己也是这样。我之前在折腾Blender那个项目的时候，也在想："我该把这个当作本地Codex线程来跑，还是放到云端跑？"我就直接问它，让它根据我的系统情况给我建议哪个更好，它给了我一个很好的答案，我就照着做了。

主持人：说到图像生成，2代模型刚出来的时候，我一度觉得"图像生成这事儿已经被解决了"。你觉得图像生成这个品类接下来会走向哪里？因为这感觉是所有功能里，对我来说"一次成型"效果最好的东西——尤其是它刚发布的时候，我有一个周六花了好几个小时在设计家具，试了成百上千个提示词。图像模型到底还能走多远？未来的方向是什么？还有哪些应用场景是你觉得值得关注的？我们之前也聊到过图像模型的下游影响——如果你能拍一张某个实体空间的照片，然后把它想象成各种不同的变体，这会带动大量现实世界中的实际行动，因为人们能"看见"这个东西。

Greg Brockman：对，然后他们会说，"我现在就想把这个变成现实"，我觉得这真的很酷。

主持人：没错。

Greg Brockman：我觉得这正是理解这件事的正确方式：每当你跨过一个新的能力门槛，从我的经验来看，总会解锁一些你事先根本想不到的全新应用场景。所以我认为，在知识型工作、专业性工作、营销等等这些领域，你只需要越过某个质量门槛——如果达不到，那顶多算是个不错的概念，但最终成果没法真正拿来用，也就等于问题并没有真正被解决。

而拥有精确的编辑控制能力、足够快的响应速度、真正的创造力，加上结果的多样性，以及能和用户之间形成良好的来回互动——我认为这些真正解锁了全新的应用场景，这背后是一个巨大的市场。举个可能不那么容易想到、但实际上正变得非常重要的应用场景：制作幻灯片，或者搭建精美的网站。能够在这个过程中嵌入图像生成能力，这一点相对于我们的一些竞争对手来说是OpenAI非常独特的优势，这样一来，你就能产出质量高得多的下游成果。所以我们其实是把图像、语音、编程这些能力，都看作同一个整体的组成部分，它们会汇聚在一起，打造出一个真正能赋能用户的AI——意味着你可以创造出任何你能想象到的东西。我觉得这会是一种前所未有的存在。

主持人：说回健康这个话题。我想大多数人已经知道，你可以把一些化验数据和睡眠评分综合起来分析，但你最近勾勒的这款产品的未来方向，感觉复杂得多，也深入得多。能不能讲讲ChatGPT在健康领域未来会走向哪里？

Greg Brockman：我会把我们在健康领域做的事情，理解成三个方面。

第一是消费者端——刚才提到的，每周有3亿人在提健康相关的问题。

第二是临床医生端，这是自下而上的方向，本质上是一个专门为临床医生打造的、经过调优的ChatGPT，能给他们提供直接引用医学文献等等的能力。

第三个支柱是企业端，也就是直接卖给医院、让医院来部署使用——你可以看到，比如我们和Epic系统有集成合作，我们正努力让这三大支柱分别做到最好的独立服务。但随着这三者逐渐形成势头，你会发现它们之间其实能够产生协同效应——这才是真正有可能改变美国乃至全世界医疗体验、真正变革医疗行业的关键所在。

想想看，作为一个患者，你需要做多少工作：如果你要看不同的专科医生，你得把自己的病历从一个医生带到另一个医生那里，还得反复解释一遍"我的问题是什么"；但最终，做决定的责任还是落在你身上——不管你愿不愿意，你才是那个必须做出决策的人。如果所有信息都能在不同医疗机构之间顺畅共享，而这一切建立在同一个平台之上，这就变得可能了。再比如说临床试验招募——这是药物研发中一个巨大的瓶颈，要找到符合条件、并且真正能从参与某项试验中获益的人。如果你拥有这样的数据，如果人们愿意把这些信息托付给你，那这既能真正造福他们本人，同时也能造福整个世界。

所以，我理解我们正在做的事情，其实是在努力打造世界上最好的医疗健康平台，真正把医疗行业带入AI时代。我认为这将彻底改变很多人的生活质量，能真正提升非常多人的生活水平——而且我们已经在很具体的层面上看到了这一点。我最喜欢的一些关于ChatGPT的故事，就是有人说："嘿，我从ChatGPT那里得到的信息救了我自己一命"，或者"救了我所爱之人的命"——有人遇到了某个医疗问题，医生跟他说了A，但他通过ChatGPT去核实、理解医生说的话，甚至据此对医生提出了质疑，最终得到了一个好的结果。这样的事情，每天都在发生。所以我认为，AI在健康领域的应用，我们其实才刚刚触及冰山一角，这也是AI所有应用场景里，最积极正面的一类应用之一。

主持人：是的，我特别好奇记忆功能的进步会怎样和健康结合起来——因为我预想，随着ChatGPT的记忆能力不断发展，也许我开一个新对话，它就能自动调出恰好相关的信息，或者能关联到三周前的某段对话。如果你把这种能力真正应用到健康相关的问题上，它或许能识别出某些模式——那种通常需要人类花上好几年才能发现的模式，比如某种病症之类的："嘿，你之前问过的这些看似不相关的问题，其实是有关联的，你可能得顺着这条线索深挖一下。"

最后一个问题——抱歉，你先说。

Greg Brockman：我正想说，我完全同意这个判断，我们已经非常具体地看到了这样的例子。就拿我自己的亲身经历来说——我妻子曾公开谈过她的一些健康状况，那其实是一段长达五年的求医经历：她看了很多专科医生，每个医生都只关注这个"大象"的一部分，只处理各自负责的那一小块。直到最后，是一位过敏科医生说："我觉得你出现的这些症状其实是相互关联的，你其实患有一种影响全身各个系统的遗传性疾病。"

这种情况真的很难说清楚，到底有多少人正遭遇类似的困境，却从来没能找到真正的答案；有多少人正处在那种"高度专科化"的诊疗体系里，永远没办法把整体的诊断拼凑到一起。我认为，这正是AI真正的力量和潜力所在——它能够真正深入地帮助你打通生活的方方面面，同时也在医学的所有领域都拥有深厚的专业知识。

主持人：好，最后一个问题。你会怎么讲述Operator这个项目的故事？它看起来像是一次失败，或者说是一段"支线任务"，但考虑到现在计算机使用能力的进步，它现在看起来又变得极其重要。这中间有没有一条清晰的传承脉络？Operator到底是什么？它是不是依然以某种形式存在于ChatGPT内部？计算机使用这个问题究竟是怎么被解决的？

Greg Brockman：我会把这一切都看作是时机的问题，也是"迭代式部署"这个理念的体现。总会有那么一个时刻，模型能力还没完全到位，但从真实世界的部署中学习，其实是非常有帮助的。我认为Operator当时的模型能力，其实是刚好在门槛之下——它是一个基于云端的系统，能够操作计算机，但速度慢，也不够准确，用起来其实相当痛苦，虽然有些人确实从中获得了价值，但整体来说确实没有跨过那个门槛。

如果你回顾一下后来发生的事情——OpenAI有一点做得非常好，就是我们会对真正重要的事情进行长期投入，然后踏踏实实地埋头苦干。今年，这个团队真正开始积累起势头，投入了大量精力，去系统性地清理掉一长串积压的问题，真正聚焦在解决"计算机使用"这个问题上，我认为他们交出了一份分量十足的成果单。当然还有很多事情要做，永远不会有"彻底完成"的那一天，但这确实是一个真正的里程碑。我觉得大家现在真的能体会到这件事的意义，因为过去我们一直生活在这样一个世界里：这些智能体是通过"连接器"来操作电脑的，也就是那种极其费力手写编码出来的系统，和人类使用电脑的方式完全不同——而人类其实早就能够使用电脑上的一切功能了，因为一切都是为人设计的。

所以，如果你拥有一个能像人类那样操作电脑的AI——事实上早在OpenAI创立之初，我们就怀揣着这样一个梦想：终有一天，我们能创造出这样一个AI，它能在你自己能用电脑做的任何事情上帮到你。我认为，我们现在借助Astra真正做到了这一点。我相信，未来人们还会不断发掘出更多的应用场景。但这本身就是一个很好的例子，说明了长期专注、脚踏实地、即便遇到困难也绝不放弃的重要性。

主持人：确实，我自己的感觉是，Astra真的像是把好几条不同的技术路线，恰好在对的时间点汇聚到了一起——模型本身的进步、计算机使用能力、语音能力，所有这些东西……一切都变得说得通了。

Greg Brockman：没错，这一切汇聚在一起，靠的是专注。我认为这正是这家公司做得极其出色的地方——每当我们真正把一项挑战摆在面前，认真思考该如何安全、妥善地完成它，真正去交付价值的时候，我们就是这么做事的。

主持人：换个角度说，回顾去年，感觉OpenAI当时的运作方式更像是一家"大公司"——当然它本身确实是一家大公司了，但当时那种产品实验的方式，更像是一个超大规模科技公司的做法：推出一个新产品，心想"只要有20%的命中率，甚至10%、5%的成功概率，那也可以接受"。而今年，感觉整个公司又切换回了真正的"创业公司模式"——那种"专注、专注、再专注"，所有事情都必须汇聚到一起，整个团队都得朝着同一个方向划桨。由此带来的势头、增长各方面的差异,把公司从原本那种像大公司一样运营、发布产品的状态，重新拉回到像创业公司一样去发布产品、保持专注的状态——这几乎是一件不可能完成的任务，但能看到这个过程真的令人惊叹。所以，谢谢你。

Greg Brockman：不客气，这确实是OpenAI很多很多人共同努力的成果，是我们真正想要凝聚起来的东西——我觉得这也是我们作为一家公司真正看重的东西：我们始终高度聚焦于我们的使命，认真思考我们所做的每一件事，是否真正在为实现这个使命添砖加瓦。

主持人：非常感谢你抽空来和我们聊天，很高兴见到你，我们很快再聊，Greg。

Greg Brockman：谢谢，祝你今天接下来一切顺利，再见。