選自Calvin French-Owen博客

機器之心編譯

作者：Calvin French-Owen

揭秘 OpenAI 打工日常。

一直以來，OpenAI 都是媒體的重點關注對象，尤其在多位核心員工離職后，關于 OpenAI 內部文化和管理方式的討論更是愈演愈烈。

最近，OpenAI 前員工 Calvin French-Owen 發布了一篇深刻的反思文章，親身講述了自己在 OpenAI 工作的點滴，也為我們提供了關于 OpenAI 內部運作的第一手資料。

Calvin French-Owen 是誰？

Calvin 是一位經驗豐富的創業者、工程師。

據領英個人頁面顯示，Calvin 本科就讀于麻省理工學院的計算機科學專業。

大學還沒畢業，他就成為客戶數據平臺 Segment 的聯合創始人兼首席技術官。2020 年，Segment 被 Twilio 以 32 億美元收購。之后，Calvin 做過兩份短暫的全職工作，其中一份工作就在 Y Combinator。

2024 年 5 月，Calvin 加入 OpenAI，成為一名工程師，并參與了 Codex 項目的開發。Codex 是 OpenAI 推出的 AI 編程助手，旨在幫助開發者提高編碼效率。

在 OpenAI 待了一年多后，Calvin 于今年 6 月份離職。

離職三周后，他在個人博客中寫下了這篇名為《關于 OpenAI 的反思》文章。

至于離職原因，Calvin 強調并沒有什么私人恩怨，相反，他走的時候還挺糾結。

「從自己當老板到成為 3000 人公司的一員，這種轉變確實不小。現在，我想重新開始，找點新鮮感，但說不定哪天我會回去，畢竟 OpenAI 的工作吸引力太強了，能參與 AGI 的開發、接觸到可能是這十年最重要的技術，這種機會太難得了。」

沒有郵件文化，全靠Slack溝通

Calvin 透露，OpenAI 的增長速度快得驚人。

他剛加入時，公司剛過 1000 人，但一年后已經超過 3000 人，Calvin 的工齡甚至排在前 30%，而領導層的職責也跟兩三年前完全不同。

這么快的擴張，必然會出現各種問題，比如內部溝通、組織架構、產品發布、人員管理、招聘流程等等。

不同團隊的風格差別也很大：有的團隊全速沖刺各種新項目，有的負責大模型訓練，還有一些團隊則按部就班，節奏更為穩定。總之，OpenAI 沒有統一的工作體驗，因為研究、應用和市場推廣團隊的工作節奏完全不同。

特別有意思的一點是，OpenAI 內部事情幾乎全靠 Slack 溝通，基本不用郵件。Calvin 在公司一年大概只收到 10 封郵件。如果 Slack 通知沒有設置好，會覺得非常分散注意力；但如果管理得當，Slack 還挺好用的。

晉升靠實際能力，而不是演講或搞政治

OpenAI 在研究方面非常「自下而上」。Calvin 剛加入時，詢問下一季度的計劃，得到的回答是：「沒有這種東西！」（不過現在有了）。好點子可以從任何地方冒出來，事先沒人知道哪個會成功，研究進展靠一步步試錯，靠新發現推動，而不是什么宏大藍圖。

這種自下而上的文化讓 OpenAI 很看重能力，公司領導的晉升也主要看誰能提出好點子并執行到位。很多厲害的領導其實并不太擅長演講或搞辦公室政治，但在 OpenAI 這都不重要，好想法才是王道，他們更看重實際能力和成果，而不是表面功夫或內部博弈。

只要有好想法，無需請示，干就完了

OpenAI 強調「行動為先」（你可以直接去做事）。不同團隊常會不約而同想到類似點子。Calvin 剛去時參與了一個類似 ChatGPT Connectors 的內部項目。Codex 發布前，公司里大概有三四個類似的原型，都是幾個人自發搞的，不需要向上級請示，只要點子有潛力，團隊很快就會聚起來。

Codex 的負責人 Andrey 說，研究員就像「小型 CEO」，公司鼓勵研究員自己找問題、試想法，如果一個問題被認為「無聊」或「已解決」，基本不會再有人去碰它。

優秀的研究經理超級重要，但資源有限。他們能把不同研究工作串起來，推動更大規模的模型訓練。優秀的產品經理（PM）也一樣。

Calvin 舉了個例子。他合作過的 ChatGPT 工程經理（Akshay、Rizzo、Sulman）是他見過最沉穩的人，感覺他們什么陣仗都見過了。他們大多放手管理，專注于招聘優秀人才并為他們創造成功的條件。

戰略調整迅速，很注重保密

OpenAI 的戰略轉向很快。新信息來了就調整方向，不死守計劃。一個 3000 人的公司能保持如此高效決策的能力，這一點是谷歌比不了的。OpenAI 決策很快，一旦確定方向，就會全力以赴。

公司受外界關注極多，經常內部還沒宣布的事，媒體就先報道了。一些 Twitter 用戶甚至運行自動化機器人，監控 OpenAI 是否有新功能發布。

所以，OpenAI 很注重保密，這也使得 Calvin 沒法跟外人細說他究竟在干啥。Slack 工作區有嚴格的權限管理，收入和支出數據更是高度保密。

內部非常重視安全問題

OpenAI 比你想象的嚴肅，因為責任重大。一方面，公司目標是打造 AGI，壓力山大；另一方面，產品服務數億用戶，涉及醫療建議、心理咨詢等各種場景。同時，公司還在全球最大舞臺上競爭，盯著 meta、谷歌、Anthropic 的動態，當然它們肯定也在盯著 OpenAI。各國政府也在密切關注 AI 領域。

雖然 OpenAI 常被媒體批評，但每個人都在努力做正確的事。作為消費者導向的公司，它最受矚目，自然也招來最多非議。

但別把 OpenAI 看成鐵板一塊。它更像最初的洛斯阿拉莫斯實驗室：一群科學家搞前沿研究，意外做出了席卷全球的應用，然后開始向政府和企業拓展。不同部門、不同工齡的員工目標和視角差別很大。待得越久，越可能以「研究實驗室」或「公益組織」的角度看問題。

OpenAI 真的在踐行 AI 的普惠。尖端模型不只給大客戶，任何人都能用 ChatGPT，哪怕不登錄。API 對初創公司開放，最先進的模型也很快會上線。

安全問題比你想的更受重視。很多人致力于開發安全系統，重點解決實際風險，比如仇恨言論、濫用、操控政治偏見、生物武器、自我傷害、提示注入等，而不是空談理論風險（像智能爆炸）。理論風險也有人研究，但不是重點，很多安全工作還沒公開。

靠 Twitter 氛圍驅動

與其他公司在招聘會上隨意發放各種帶有品牌標志的紀念品不同，OpenAI 的周邊很少，甚至新員工也拿不到多少。公司會通過「限量發售」的方式，讓大家訂購現貨。第一次發售因為需求太大，直接把 Shopify 商店搞崩潰了。內部還流傳了一篇帖子，教大家如何通過發送正確的 JSON 數據來繞過限制。

跟 GPU 成本比，其他開銷都是小錢。舉個例子，Codex 一個冷門功能的 GPU 成本，就頂得上 Segment 整個基礎設施的開銷（Segment 規模雖不如 ChatGPT，但流量也不小）。

你可能會覺得，擁有全球頂級應用已經夠了，但 OpenAI 還想在多個領域競爭：API、深度研究、硬件、編碼代理、圖像生成等多個領域競爭，還有一些尚未公布的項目。

OpenAI 很關注 Twitter。你發條跟 OpenAI 相關的推文火了，內部很可能有人看到并討論。有人開玩笑說：「這公司靠 Twitter 氛圍驅動。」這話不假，當然，數據分析（用戶增長、留存等）也很重要。

團隊流動性高，領導層接地氣

OpenAI 的團隊流動性很高。Codex 發布時，需要幾位經驗豐富的 ChatGPT 工程師幫忙趕上線日期。他們跟 ChatGPT 的工程經理聊了一下需求，第二天就有兩位超厲害的工程師加入幫忙。沒有「等季度規劃」或「重新分配人力」的拖延，行動非常快。

領導層也很接地氣、很投入。每個高管，比如 Greg Brockman、Sam Altman、Karpathy、mark、dane 等都在 Slack 上參與討論，沒人當「甩手掌柜」

OpenAI 有點像早期 meta

OpenAI 用一個超大的單體代碼庫，主要以 Python 為主，但也有越來越多 Rust 服務和少量 Golang 服務，通常用于網絡代理這類場景。

因為 Python 寫法靈活，代碼風格看起來五花八門。你會看到谷歌老兵寫的可擴展庫，也會碰到剛畢業的博士扔在 Jupyter 筆記本里的臨時代碼。API 基本都用 FastAPI 開發，參數校驗用 Pydantic，但公司沒有強制執行統一的代碼風格規范。

OpenAI 所有服務都跑在 Azure 上。有趣的是，只有三種服務靠譜：Azure Kubernetes Service、CosmosDB（文檔存儲）和 BlobStore。沒有 AWS 那種 Dynamo、Spanner、Bigtable、Bigquery、Kinesis 或 Aurora 的直接替代品。自動擴展的思維用得不多，權限管理（IAM）功能也比 AWS 弱不少，公司更傾向于自己開發。

工程團隊里，meta 到 OpenAI 的人才流動很明顯。OpenAI 有點像早期 meta：爆款消費者應用、剛起步的基礎設施、追求快速行動。從 meta 和 Instagram 來的基礎設施人才都很強。基礎設施很多地方有 meta 的影子，比如自研了類似 meta 的 TAO（圖數據庫），還有邊緣身份認證整合的項目等。

聊天功能深入代碼庫。ChatGPT 火了后，代碼庫很多地方都圍繞聊天消息和對話設計，這些基礎元素根深蒂固。Codex 稍有不同（更偏向 API 響應邏輯），但仍大量借用現有技術。

代碼為王。沒有中央架構或規劃委員會，干活的團隊說了算。結果就是，鼓勵行動優先，但也導致代碼庫重復，比如隊列管理或代理循環的庫就有五六個。

快速擴張的工程團隊和工具不足帶來了一些問題。后端單體服務（sa-server）有點像「垃圾堆」，主分支的持續集成更容易出問題，測試用例跑半小時是常態。這些問題不是沒法解決，但這種問題哪兒都有，擴張太快會更嚴重，好在內部團隊正在努力改進。

從敲下Codex第一行代碼到發布，只用了7周

除了以上內容，Calvin 還分享了 Codex 的發布情況。

2024 年 11 月，OpenAI 定下 2025 年推編碼 Agent 的目標。到 2025 年 2 月，內部工具已很有效，市場也冒出很多「氛圍編碼」工具。

Calvin 提前結束產假，加入 Codex 團隊。一周后，兩支團隊合并，開始瘋狂沖刺。從第一行代碼到發布，只用了 7 周。每天干到深夜 11 點或凌晨，早上 5:30 被新生兒叫醒，7 點到辦公室，周末也加班。團隊全力以赴，每周都關鍵。

這種速度太夸張了。很少有公司能這么快從點子到發布完整產品。項目還不小：構建容器運行環境、優化代碼倉庫下載、微調專門處理代碼編輯的模型、支持 git 操作、開發新界面、接入互聯網，最終打造出這個好用的產品。

無論你對 OpenAI 有什么看法，這家公司至今仍保留著那種「沖刺發布」的精神。

Codex 團隊有 8 個資深工程師、4 個研究員、2 個設計師、2 個市場人員和 1 個產品經理。沒人需要太多指導，但需要協調。

發布前一晚，團隊五人熬到凌晨 4 點，忙著部署主服務。第二天早上 8 點，回到辦公室，準備發布公告和直播。功能一上線，流量立馬涌入。「我從沒見過一個產品僅靠出現在 ChatGPT 側邊欄，就能立刻吸引這么多用戶，這就是 ChatGPT 的威力。」

產品形態上，Codex 選擇了完全異步的方式，用戶啟動任務，讓代理在獨立環境中運行。「我們的設想是，未來用戶會把編碼 Agent 當『同事』：發個任務給它，讓它干活，然后它提交一個 PR。」

這有點冒險。現在的模型很好，但還不完美，能運行幾分鐘，但還不能持續幾小時。用戶對模型能力的信任度不一，他們甚至還不完全清楚模型的真正能力。從長遠看，Calvin 相信編程會越來越像 Codex。

Codex 擅長處理大代碼庫和多任務并行。相比其他工具，它能同時跑多個任務并比較結果。公開數據顯示，Codex 發布 53 天生成了 63 萬個公開 PR，平均每位工程師貢獻約 7.8 萬個，私有 PR 可能更多。

離職感言

Calvin 坦言，最初他對加入 OpenAI 有點忐忑。放棄創業自由、接受管理、做大機器的小齒輪，他不確定能不能適應，所以剛加入時很低調，以防不合適。

他想從 OpenAI 得到三樣東西：

了解模型訓練和未來方向；跟牛人共事、學習；發布一個好產品。

而以上這些他無疑都實現了。此外，他還得到了其他收獲。

「大型消費品牌」的威力：在 OpenAI，所有衡量指標都圍繞「Pro 訂閱」展開。即使是像 Codex 這種偏工具類產品，也主要以「個人使用」的視角來設計引入流程，而不是從「團隊使用」角度出發。只要按一上線，流量馬上就來了。大模型的訓練：模型訓練是一個從「實驗」到「工程」的過程。最初都是小規模實驗，如果結果不錯，就會被整合到更大的訓練中。實驗不僅涉及調整核心算法，還要優化數據組合，仔細分析結果。到了大規模訓練，就像在搞巨型分布式系統工程，會有各種意想不到的邊緣情況，需要你去排查解決。GPU 計算的門道：Codex 發布時，需要預測負載容量要求，核心經驗就是，應該從你需要的延遲要求（整體延遲、token 數量、首個 token 時間）出發，而不是從 GPU 能支持的性能去推算。每次模型迭代都會大幅改變負載模式。在大型 Python 代碼庫中工作：當有大量開發者同時維護一個倉庫時，你必須增加各種「防誤操作」機制，比如「默認可用」、「主干分支保持干凈」、「不容易被誤用」等。這些都需要通過規范和工具來系統性保障。

最后，Calvin 表示，如果你是創業者，覺得公司沒進展，建議深入反思如何才能取得更多進展，或者加入頂級實驗室。目前來看，AGI 的競爭是三強爭霸：OpenAI、Anthropic、谷歌。每家路子不同，在任何一家工作都會大開眼界。

https://calv.info/openai-reflections