OpenAI 的成功不僅屬於一家公司，也屬於一個生態；這個生態對一個離奇點子的包容，讓靈活商業探索成為可能。
2011 年 2 月，微軟和諾基亞宣布全面合作，合力挑戰 Android 系統。Google 高級副總裁維克·岡多特拉（Vic Gundotra）在社交媒體上評論這件事：「兩隻火雞加一起，也變不成一隻鷹。」
岡多特拉自然是說對了，微軟和諾基亞沒幾年就敗走手機市場。弱弱聯手挑戰強者，一般都是這樣的結局。
ChatGPT 大熱後，它的締造者 OpenAI 被貼上 「PayPal 黑幫」「烏托邦式創業」 之類的標籤。但在 2015 年，這個團隊成立之初看起來也是一個妄圖挑戰雄鷹的 「火雞大聯盟」。
OpenAI 的第一批投資者雖然都是硅谷響亮的名字：埃隆·馬斯克（Elon Musk）、彼得·蒂爾（Peter Thiel）、山姆·阿爾特曼（Sam Altman）、里德·霍夫曼（Reid Hoffman）、傑西卡·利文斯頓（Jessica Livingston），但他們所執掌的公司和機構都不是各自領域裡最專精於人工智能的那些。
海量數據和頂級人工智能科學家一般被認為是發展人工智能的必備資源。而美國最有資源的正是四大科技巨頭——Google（手機、地圖、搜索、郵件）、Facebook（社交）、蘋果（手機）、亞馬遜（購物）。這四家公司都在幾年內達到萬億美元市值，並將人工智能用在自己的產品上。它們當中，只有亞馬遜參與了 OpenAI，但只是捐了一些雲計算資源。
霍夫曼掌管的 LinkedIn 在數據量層面無法和 Facebook 相提並論。阿爾特曼 接手的 Y-Combinator 雖然有名，但孵化的公司最大的也只是 Airbnb。特斯拉是其中唯一一家人工智能巨頭，今天有上百萬輛車每天在全世界搜集數據——但在 2015 年，它只是一個年產 5 萬輛，前途未卜的創業公司。三年後，特斯拉銷量激增、加大人工智能研究投入，馬斯克便退出 OpenAI 董事會，說雙方有 「利益衝突」。
就是這樣一個開局，七年後的 OpenAI 成為全球最受關注的人工智能公司，讓 Google、Facebook 等科技巨頭措手不及。
創辦 OpenAI 之前，阿爾特曼在斯坦福大學的課堂提出了公式：創業成功 = 想法 * 產品 * 執行 * 團隊 * 運氣。
OpenAI，他唯一成功的創業項目，完美證明了這個公式。
共同的恐懼，幫 OpenAI 招攬到一批頂級 AI 科學家
OpenAI 故事的起點是 2015 年 7 月在加州門羅帕克的一場晚宴。召集者是剛接任硅谷著名孵化器 Y Combinator 總裁一年多的阿爾特曼。晚宴出席者們相識已久，不少在創業時代有過交集。他們還都熟悉瑞典哲學家尼克·博斯特倫（Nick Bostrom）的觀點，都對人工智能的未來充滿恐懼。
那時，AlphaGo 還不是全球圍棋冠軍，但計算機識別人臉的準確度已超過人眼，Google 的自動駕駛汽車也早在路上行駛多年，數千萬人使喚蘋果、亞馬遜的語音助手。機器越來越聰明，雖然還不到人的水平。
但根據博斯特倫 2014 年出版的《超級智能》（Super Intelligence）：以計算機發展規律，如果人工智能的聰明程度達到接近人類，它的智力用不了多久就會遠遠甩開人類——差距就像人類與老鼠那樣大，但這一次，人類扮演老鼠的角色。
馬斯克和阿爾特曼多次公開引用這個觀點，認為人類必須提前做好準備。阿爾特曼和馬斯克沒想着限制它，而是想積極推動開發造福全人類的人工智能，讓每個人都用上，去對抗壞的人工智能。正是這個宏大的願景幫他們聚攏了頂級人才。
晚宴上，負責 Google Brain 項目的人工智能科學家伊爾亞‧蘇茨克維（Ilya Sutskever）當場表示有意加入。他在 2012 年參與提出 AlexNet 模型，證實了深度學習潛力。這被認為今天新一輪人工智能浪潮，包括無人駕駛技術的起點。
另一位加入的技術天才是今天的 OpenAI 董事長、CTO 格雷格·布羅克曼 (Greg Brockman)。布羅克曼是硅谷新興獨角獸 Stripe 的第 4 位成員，任首席技術官，推動 Stripe 的估值漲到 35 億美元，並重新塑造了美國電商的支付體驗。如果他繼續陪着 Stripe 長大，可以在接下來七年獲得數億美元回報——現在 Stripe 的估值已經漲到 630 億美元。但在當時，布羅克曼認為，投身人工智能研究更重要。
左側是格雷格·布羅克曼，右側是伊爾亞‧蘇茨克維。來自布羅克曼的博客。
晚宴結束後，布羅克曼就開始四處挖人組建團隊。他找的第一個人是約書亞·本吉奧 (Yoshua Bengio）。2019 年，因為對深度學習的貢獻，本吉奧和傑弗里·辛頓（Geoff Hinton）、楊立昆 (Yann LeCun) 一起獲得圖靈獎，唯獨他不在為大公司效力。
本吉奧給布羅克曼列了深度學習領域最好的研究人員名單。接下來的幾周，布羅克曼挨個聯繫名單上的人，儘管沒有 Google 、Facebook 等公司的天價薪水，他還是靠着宏大的願景說動了其中 9 位加入。
2015 年底，世界頂級的人工智能學術會議 NeurIPS（當時還叫 NIPS）舉辦期間，OpenAI 帶着 10 億美元的投資承諾宣告成立，目標是開發 「通用人工智能」 技術，專利和研究成果全部開放。
人們驚訝於 OpenAI 的願景，但沒多少人對這個缺少數據的聯盟有信心。那一年擔任 NeurIPS 大會主席的計算機科學家尼爾 · 勞倫斯（Neil Lawrence）說，OpenAI 的願景令人欽佩，但 「沒有數據共享，OpenAI 將無法造福人類」。
沿着 Google 打下的基礎，找到可行的技術方向
2016 年，主流的人工智能技術路線是 「監督式的深度學習」，需要用精心標註的數據教會計算機自動完成任務。比如你想讓計算機識別照片中的貓，你需要用上萬張有貓的照片訓練模型，而且要人去標清楚每張圖片中什麼是貓，然後計算機才能在新的照片裡認出這種毛絨絨的動物。如果之後要識別狗，還得再來一次。
但 OpenAI 沒有大規模的數據，也沒足夠多的錢僱傭人手去標註數據。它選的技術路線是 「非監督的強化學習」。強化學習是指讓機器不斷試錯學習如何做某件事。非監督代表着讓機器自己學，不要人引導它。這是 DeepMind 重點研究的技術，他們用它做出了 AlphaGO。
曾在 OpenAI 負責技術路線圖的人工智能科學家達里奧·阿莫代 (Dario Amodei) 評價說，OpenAI 早期開展研究的方式類似風險投資，在一個領域設定 「投資組合」，不同的團隊往不同的方向下注，最終選出最有可能做出通用人工智能的項目。
OpenAI 早期選了三個方向：一是做機器人，他們認為 「機器智力的發展需要物理實體」，於是開發出了可以單手玩魔方機器手系統 Dactyl；另一個是最遊戲人工智能，藉助打遊戲提升機器智力水平，一開始在雅達利復古遊戲中實驗，後來做了打 Dota 的人工智能；第三個是開發語言模型，讓人工智能用文本語言學習理解世界，也就是 GPT 系列。
前三年，OpenAI 的研究成果沒什麼特別的。「我們所做的一切都只是簡單的想法，但正確嗎？我們還沒有搞清楚，有點茫然」，OpenAI 聯合創始人布羅克曼 2018 年接受採訪說。這時 Google 已經遙遙領先，它的語音機器人在發布會上偽裝成人打電話給餐廳預訂位置——這很快引發了商業公司濫用人工智能的討論。
OpenAI 的轉折時刻是 2019 年 2 月 14 日發布 GPT-2 模型，主要功能是根據用戶輸入的內容，生成續寫文本。比如輸入《指環王》中的句子，它會在幾次嘗試當中的某一次，生成讓人無法分辨真假、劇情和原著不同，但看上去符合邏輯的續文。
GPT-2 是一個主要用 800 萬篇 Reddit 論壇帖子、總計 40GB 文本訓練出來的語言模型，從數據中提煉出來的規律和特徵——也就是參數有 15 億，是上一代語言模型 GPT 的十倍。
阿爾特曼當時參加一檔播客錄製時說：「自然語言模型變得越來越好，是人工智能領域最令人興奮的發展之一。」 一向言簡意賅的他，把這句話說了兩遍。
大型語言模型也是許多大公司投入的方向。Google 發布了 BERT 系列模型，在閱讀理解、對話等多個文本任務的表現超過人類，並刷新世界紀錄。微軟在 2020 年初訓練出 Turing-NLG 的大模型，有 170 億參數，是當時最大的模型。
不過在大公司，訓練大語言模型只是人工智能研究院的一個項目。而在 OpenAI，這是優先級最高的事項，研究員投入 30 多位，它招攬的頂級科學家幾乎都參與其中。
除了之前訓練 GPT-2 時用到的 Reddit 上的數據（後來大幅擴充），OpenAI 的科學家還把此前 12 年從 6000 萬個域名中收集的新聞報道、帖子、書籍全文以及各種網頁等數千億個單詞的英文資料餵進模型，英文維基百科全部只占數據量的 3%，然後消耗數千萬美元的計算資源開發出了 GPT-3。
GPT-3 的參數是 Turing-NLG 的 10 倍，不需要針對訓練就能寫詩歌 / 報道、回答問題、編寫代碼，大多數情況下結果讓人難辨真假。《紐約時報》隨後發布的一篇專欄文章稱，GPT-3 寫散文、詩歌、代碼的能力 「令人驚奇」「令人羞愧」 又 「令人毛骨悚然」。
但這類大語言模型仍然存在一些問題，當時調用一次就需要消耗不少資源，等待幾分鐘甚至十幾分鐘才能出一個結果，想要在商業中應用基本不可能。
GPT-3 發布後，OpenAI 朝着兩個方向繼續前進，一是開發 GPT-4，大概率會在今年發布。另一個是從 GPT-3 拆出參數更少、聚焦特定任務的模型，用更新的數據訓練它，配合人類反饋數據強化能力，降低成本、提高能力，使其在商業應用上可行。
ChatGPT 就是 GPT-3 大幅度強化對話能力、並用數十萬人類反饋數據訓練後的結果，它的基礎模型被命名為 GPT-3.5。據報道，ChatGPT 是 OpenAI 在 2022 年 11 月中旬臨時開發出來的，只用了 13 天時間。起因是 OpenAI 的高管擔心對手先發布同類產品 「搶它風頭」。結果超出預期，ChatGPT 在全球掀起風暴。
在 Meta（Facebook 母公司）首席人工智能科學家、圖靈獎得主楊立昆看來，ChatGPT「不特別具有創新性」「沒有什麼革命性」。
ChatGPT 和它的基礎大模型 GPT-3 的確建立在多年技術積累上，不少都出自 Google。它最核心的技術是 Google 在 2017 年提出的 Transformer 模型架構，讓大規模並行處理海量數據成為可能。
因為 ChatGPT 而備受關注的 「人類反饋強化學習」（RLHF）訓練方式，也是出自 DeepMind，它能讓模型從人類對機器不同的結果反饋（讚揚或批評）中，不斷學習、改進輸出結果。
就像 iPhone 發布前，多點觸控的技術也已誕生多年，歷史上任何一個產生巨大影響力的產品出現前，它背後技術要素大都齊全。
相比在單個方向上實現技術從 0 到 1 的拓荒創新，OpenAI 做到的不只是把各種技術融在一起，還在持續的反饋中迭代 5 年，找到一個適合給大眾使用的產品形態。
對 OpenAI 來說，2018 年以來一直堅持訓練大語言模型，還需要勇氣。GPT-2 發布前，OpenAI 錢已經不太夠用了。根據 OpenAI 提交給美國國稅局的文件，2017 年它光花在雲計算上的錢都有 790 萬美元。布羅克曼等人測算，訓練大模型消耗的計算量，每 3、4 個月會翻一倍。這個趨勢得到了驗證。據多位業內人士估算，OpenAI 訓練 GPT-3 一年，僅算力成本就有 2000 萬美元。
而那時，OpenAI 的投資人在 2015 年底承諾的超 10 億美元資金，只到賬了一小部分。
與微軟結盟，巧妙的利益平衡
布羅克曼等人推動 OpenAI 完成從 0 到 1 的發展過程。之後 OpenAI 從花費巨額費用支持 GPT-3 上線到 ChatGPT 震動世界，主要靠阿爾特曼。
阿爾特曼去年初在社交媒體上發的一個帖子，恰如其分地體現了他的世界觀：「我非常感興趣的一種大學替代方案是：找出全球最聰明、最有進取心的 18 歲年輕人，給他們 10 年以上的薪水和資源，讓他們做自己想做的任何項目，配上聰明的同齡人——換他們未來收入里的幾個百分點。」
這差不多就是他曾在 YC 做的事：選拔聰明、渴望成功的年輕人，為他們提供培訓，幫他們成功——用一小筆錢（1.2 萬美元）換走創業項目 7% 股份。硅谷創業教父保羅·格雷厄姆（Paul Graham）創辦 YC 後，孵化出了 Airbnb、Stripe、Cruise、Dropbox 等超級獨角獸，今天這些公司的總價值已有數千億美元，超過阿里巴巴或者騰訊。
2014 年，格雷厄姆把 YC 交給阿爾特曼時，阿爾特曼除了早年有一次不太成功的創業，職業經歷主要在 YC 孵化器當導師、提供融資建議。但 YC 和大部分投資機構不同，它的合伙人不雇投資經理，堅持自己理解技術。投資核聚變項目，也是阿爾特曼自己做的功課。
阿爾特曼是阿倫·索金（Aaron Sorkin）電影裡典型的聰明人形象，語速很快、回答簡練。他有比師傅更大的野心、更激進的時間表。2015 年，阿爾特曼被問及 YC 在五年後會怎樣，他回答 「一年投資一千家公司」。這個數字是他接手前，YC 十年孵化的公司總數。
山姆·阿爾特曼，來自 YC。
不過他沒有待到那個時候。2019 年初，阿爾特曼辭去 YC 總裁的職務，接管 OpenAI。他在 OpenAI 做的第一件事，就是組建盈利公司 OpenAI LP，然後自己擔任首席執行官（CEO），找融資。
「最引人注目的人工智能系統，除了需要算法創新，還消耗最多的計算資源，」OpenAI 同期發布的一篇博文中寫道，「接下來幾年，我們要投資數十億美元採購雲計算資源，吸引並留住有才能的人。」
當時硅谷有這等資源的公司基本都在投資自己的人工智能技術。阿爾特曼多次飛去西雅圖，為微軟 CEO 薩蒂亞·納德拉（Satya Nadella）現場展示 OpenAI 的模型。
微軟早年為了 Windows 全力打擊競爭對手，是硅谷創新者們眼中的 「惡人」。但納德拉接手微軟後不再追逐操作系統的占有率，改去資本市場講雲計算的故事。雙方有了合作空間。
2019 年 7 月，經過一個多月的談判後，OpenAI 拿到微軟的 10 億美元投資，雙方的利益也達成了微妙的平衡。
對納德拉來說，投資 OpenAI 是一筆划算的生意。簽約後，微軟成了 OpenAI 的唯一雲計算供應商——投出去的錢，相當一部分變成了微軟的雲計算收入。
微軟還成了 OpenAI 技術商業化的 「首要合作夥伴」。這意味着其他公司想使用 OpenAI 的技術，最好的方式是通過微軟的 Azure 雲計算。
OpenAI 從這筆融資中獲得了繼續訓練大模型的資源。布羅克曼隨後接受採訪強調，授權部分技術（給微軟）是為了獲取研發通用人工智能的資金，OpenAI 仍有選擇權，沒義務必須把微軟選定的技術授權給它，「如果與 OpenAI 的使命相悖，我們不會做」。
據市場消息，在 2019 年到 2023 年之間，微軟又投資了 OpenAI 20 億美元。2023 年初，OpenAI 發布 ChatGPT 引發大量關注的同時，微軟再次向它投資 100 億美元。
除了業務上協同，OpenAI 還在股權架構與利潤分配上，與微軟等投資方達成了一種罕見的協議：
微軟新一輪投資完成、OpenAI LP 首批投資人收回初始投資後，微軟有權獲得 OpenAI LP 75% 利潤；
微軟收回 130 億美元投資、從 OpenAI LP 獲得 920 億美元利潤後，它分享利潤的比例從 75% 降到 49%；
OpenAI LP 產生的利潤達到 1500 億美元後，投資方的全部股權轉讓給 OpenAI 的非營利基金。
可以說，微軟這上百億美元的投資是 「租了 OpenAI」。等 OpenAI 開始賺大錢之後，微軟能直接分錢。但如果 OpenAI 變得極其賺錢，就能拿回微軟手中的股份，不再受其制約。
不過 1500 億美元是個非常遙遠的目標。據多個媒體獲取的 OpenAI 財務信息，OpenAI 預計今年營收會達到 2 億美元，2024 年會達到 10 億美元。全球最賺錢的商業公司蘋果也是最近一個財年才有 1000 億美元利潤。
雖然何時能夠盈利仍是未知數，但 OpenAI 已經有了獲取收入的能力。而且它賺錢的方式也是更有想象力的平台模式。
是一個產品，也是一個基礎設施
過去兩個多月，ChatGPT 的影響力迅速擴大，成千上萬關於它的截圖和模仿者的努力，讓更多人關注到它背後的 OpenAI 和 GPT-3 系列模型。
在 ChatGPT 出現之前，OpenAI 就已經從 GPT-3 中拆出了兩個模型。
一個是優化編程能力的 CodeX，成為 GitHub 上自動補齊代碼應用 Copilot 的基礎，輔助了上百萬程序員寫代碼。Copilot 去年 8 月開始收費，每月 10 美元。
另一個是 DALL-E，在 120 億參數的 GPT-3 基礎上用網絡上的數億圖片訓練的模型，它的迭代版 DALL-E2 可以根據一句話生成逼真圖像，去年也曾掀起 AIGC （人工智能生成內容）潮流。
在這些應用中，OpenAI 的主要商業模式是出售 API（應用編程接口），讓開發者調用基礎模型開發應用，按最終用戶使用服務的次數收費。
GPT-3 系列模型帶來的新機會不只屬於重金投資 OpenAI 的微軟。2021 年 5 月，OpenAI 設立創業基金，到現在投資了 10 多家使用 OpenAI 模型接口開發應用的公司。阿爾特曼還把 YC 模式帶到了 OpenAI，推出創業加速器項目 Converge，用 100 萬美元投資換創業公司 10% 的股份。
還有更多淘金者衝進來。根據 gpt3demo 網站統計，現在已經有了 628 個調用 GPT-3 系列模型開發的應用程序，比 ChatGPT 出現前多了 160 家。背靠 GPT-3 模型的寫作輔助工具 Jasper，成立 18 個月估值就竄到 15 億美元。
今天最成功的技術巨頭，幾乎都是先做了一個成功的產品，然後將這個產品變成一個基礎設施，孕育一代新的創業公司。
1980 年代初，IBM 開放個人電腦標準，在賣電腦的同時讓電腦硬件有了統一的標準，成為一個平台。隨後微軟開發更易用的 Windows 操作系統，砍掉了得會編程才能用電腦的門檻，讓更多人用上電腦，孕育軟件和互聯網的創業機會。再到互聯網時代，一開始只做搜索引擎的 Google 和賣書的亞馬遜都各自成長為平台，支持不同的新公司，從中抽取收入。智能手機也是類似的演化路徑，從 iPhone 開始，全程以比 PC 更快的速度、更大的規模重來了一遍。
人工智能也在延續類似路徑發展。過去幾十年，英偉達等芯片公司和 AWS、微軟搭建出了算力基礎設施。在這個基礎上，Google 和 Meta 開發出了 TensorFlow、Pytorch 等軟件基礎設施，一步步壓低門檻，各種人工智能嘗試隨之出現。GPT-3 和 ChatGPT 在生成文字逗你玩的同時，也是人工智能生成內容的基礎設施，意味着創業公司有可能在它的基礎上找到突破口，讓這個技術找到現實的應用。
最終，OpenAI 的成功不僅屬於一家公司，也屬於一個生態；這個生態對一個離奇點子的包容，讓靈活商業探索成為可能。
[題圖:來自OpenAI*文:賀乾明*編輯:黃俊傑/來源:晚點LatePost]
