OpenAI CPO Kevin Weil:GPT-5即将推出,今年内AI将实现99%代码自动化
最近,OpenAI首席产品官(CPO)Kevin Weil接受了一场非常值得关注的访谈,他透露了几个令人振奋的重要消息,其中最核心的就是关于GPT-5和AI代码自动化的进展。
大家关心已久的GPT-5到底什么时候发布?在访谈中,Kevin虽然没给出具体的日期,但他说得很直接:
「我不会给你具体时间,但GPT-5会很快出现。我们现在就已经在认真地做这件事了。」
从这句话可以看出,GPT-5的推出并非遥遥无期,而是指日可待了。这也意味着,OpenAI正在快速推进模型升级的步伐。
而GPT-5究竟强在哪?Kevin透露了一个重要细节,就是GPT-5可能会融合目前的GPT系列(例如GPT-4)和OpenAI另一个系列“O系列”模型的能力,也就是说GPT-5将集各家之所长,实现功能上的整合统一。
访谈中最让人惊讶的是,Kevin对AI代码自动化速度的判断。他表示:
「AI对代码的自动化今年内就会达到99%,不会拖到2027年。」
这个预测比业内其他专家(比如Anthropic曾预测的2027年)要激进得多。Kevin对AI技术的发展速度充满信心,认为AI即将在今年底前完成大部分的编程任务,这意味着工程师们的工作方式即将发生翻天覆地的变化。
AI自动化代码有两个关键进步方向:
1. 更大的模型预训练(pre-training):AI模型通过学习更多的数据,实现更全面的知识积累。
2. 强化推理能力(reasoning):模型变得更聪明,不只是机械地写代码,而是能够主动思考,深入理解和解决复杂问题。
访谈中提到,OpenAI已经在竞争性编程领域超越了很多人类顶级程序员,甚至可能比预期(2027年)更早地超越人类水平。
AI不只会写代码:全民皆可成为软件创造者
Kevin强调AI的意义远不止于代码自动化,它更大的价值在于:
「让软件开发不再只是工程师的专利,而成为每个人都能接触、使用和创造的工具。」
换句话说,当AI帮我们完成了大量底层的工作后,人们可以更多地关注“为什么”和“怎么做”,AI则帮你搞定具体的“做什么”的部分。
其他值得关注的内容
除了GPT-5和代码自动化,访谈中Kevin还提到了一些有趣的未来方向:
• 高级语音功能(Advanced Voice)
AI的语音交互将在近期有重大升级,用户体验更自然、更流畅。
• 个性化教育(Personalized Education)
他对AI提供个性化的教学服务感到非常兴奋,让孩子能够以自己的节奏深入探索知识。
• Deep Research
Kevin认为Deep Research是OpenAI自ChatGPT以来最棒的产品之一,用户可以提出非常复杂、深奥的问题,获得具体且富有洞见的答案。他甚至形容Deep Research的体验已经接近于AGI(通用人工智能)。
• 不认同“全民基本收入”躺平的未来
Kevin不相信人类未来会因为AI普及而躺在沙发上靠基本收入生活。他认为人们天生渴望创造,AI的出现不会消灭人类对创造的热情,反而会协助人们更好地实现自我价值。
• AI时代工作的新形态
Kevin预测,AI不会仅仅取代现有的工作,而是创造出新的职业,人的角色会转变为更有战略性、创造性,关注整体目标(“so what”),而AI则处理具体细节(“what”)。
• 关注用户体验与教育应用
OpenAI非常重视AI的用户体验,比如更自然的人机对话,及AI在教育领域提供个性化的学习体验。
综合来看,Kevin Weil的访谈还是透露了不少信息:
• GPT-5即将问世,并整合多个模型的能力;
• AI代码自动化今年内会达到99%,改变软件开发方式;
• AI将促进新的职业形态,增强人的战略价值;
• AI将进一步走进日常生活,改变教育、创作等领域。
这次访谈信息量很大,展现了OpenAI的野心和清晰的发展路径,也预示着2025年AI即将带来的一系列巨变。
对普通用户来说,接下来值得关注的就是GPT-5发布后的具体表现,以及AI到底会如何改变我们的工作和生活方式。
访谈文稿
在这段与 OpenAI 首席产品官(CPO)Kevin Weil 的深度对话中,我们探讨了 AI 的快速发展及其潜在影响。Kevin 分享了一个令人震惊的预测:编程将会在今年之内(而不是别人所预测的 2027 年)实现完全自动化。他还解释了为什么 OpenAI 的模型已经可以跻身世界顶尖程序员之列,并谈到了 Deep Research、GPT-4.5 的类人特质、未来的就业形态以及 GPT-5 的推出时间表。别错过 Kevin 提出的“价值数十亿美元的初创公司点子”,以及他对 AI 如何改变教育与普及软件创造的愿景。
主持人(Host)开场
Host:
好的,各位观众,我们刚刚和 Kevin 进行了对话。作为这个节目的“门外汉”主持人,我大致能跟上他提到的大部分内容,但肯定还漏掉了一些。Varun 估计比我理解得更深。Varun,你怎么看?你认为有哪些值得注意的地方?
Varun:
Kevin 是 OpenAI 的首席产品官,带领了他们的 Deep Research 团队,也负责他们几乎所有的产品。说实话,让我印象最深的一点,就是之前有位 Anthropic 的同事跟我说,编程会在 2027 年左右被彻底自动化。但 Kevin 说:“等一下,也许今年或明年就能实现完全自动化。” 他对产品的思考方式也很有意思,包括他谈到的“AI 技能是否会变得同质化(commoditization)”这一点。他不认为这是简单的“同质化”,因为每个模型总会有能力上的差异,只是这些差异会不断变化。
另外,Kevin 在访谈中谈到了很多关于时间表的预测、对未来一两年的展望,以及一些可能的商业创意,比如他的“价值数十亿美元的创意”。我和 Tanmay 都深挖了一些他提到的点,非常值得大家关注。我不想在这里剧透太多,强烈建议大家完整观看。
Host:
是的,没错。还有,别忘了订阅关注哦。多亏你们的关注和支持,我们才能进行这么有趣的对话。那么,话不多说,让我们播放片头吧!
Host:
好,Varun,今天很特别,因为大家终于能看到我们节目里除了我们俩之外的其他嘉宾。我们请到了 OpenAI 的 Kevin Weil。Kevin,你能先给大家简单介绍一下吗?包括你在 OpenAI 的工作重点,以及你为什么这么“特殊”?
Kevin:
哈哈,说我“特殊”是因为我非常幸运,现在担任 OpenAI 的首席产品官。我可以说,这是我工作以来最有乐趣、也最具挑战性的一份工作。
在此之前,我也在不少地方工作过,比如 Twitter 最早只有大约 40 人的时期,我做过工程师,一直到它成长到 4000 人左右时,曾担任产品负责人。后来我在 Instagram 做过产品负责人,也曾是 Meta 那个加密项目 Libra 的联合创始人,还在 Planet 做过几年卫星业务。但这里和以往最大的区别在于,过去那些公司里,你对计算机能做什么,基本有一个比较稳定的预期。数据库会变快,但一年也就变快 5% 或 10%,技术的迭代速度比较平稳。
可是在 OpenAI,我们每隔两个月就会让计算机实现一些前所未有的能力,彻底改变我们对技术可行性的认识。这就意味着我们每隔两三个月,就要对产品的方向和定位进行重新思考。虽然这很紧张,但也特别有意思。
Varun 追问:OpenAI 的“研究 + 产品”双重角色
Varun:
你刚才提到 OpenAI 同时是顶尖的研究机构和产品公司。ChatGPT 已经成为现象级产品,甚至“ChatGPT”这个词都开始被当作动词使用了。很多人说,行业内也有其他在做研究的公司,但 OpenAI 不仅仅是技术领先,也在产品上抓住了全球用户的想象力。能不能谈谈你在 OpenAI 的日常工作是怎样的?你需要同时兼顾研究和产品,对吗?
Kevin:
是的,OpenAI 最早在大约十年前成立时就是一家研究型机构,当时只有一小群“疯狂”的人坚信自己可以做出 AGI(通用人工智能)。那时几乎没人相信他们,但结果证明他们看对了方向。后来我们在机器人手臂、Rubik’s Cube 解法等研究中崭露头角,尤其是发现了通过扩展计算量和数据规模,让模型获得指数级能力提升的“Scaling Laws”。这样,OpenAI 很快就在 AI 研究领域占据了世界领先地位。
不过,自从 ChatGPT 发布以后,我们又不只是研究型公司了,还必须是一家优秀的产品公司。我们现在有面向企业和开发者的 API 产品,也有像 ChatGPT 这样的面向普通用户的产品,还有在规划中的更多产品。要想真正做出好的 AI 产品,必须让研究团队和产品团队深度协作,而不是简单地互相“扔成果”。
我们发现,如果研究团队只是把模型丢给产品,或者产品团队只是把需求丢给研究,很难做出最好的东西。最理想的情况是:在研究端有新想法时,产品团队能立即共同参与探讨,看看这些新能力能解决哪些用户痛点;或者产品团队在使用模型时发现瓶颈,能立即反馈到研究团队,共同想办法训练或微调模型。只有这样,才能确保我们在竞争激烈的市场中保持领先。Google、Anthropic、Meta 等等也都在做很好的研究,想要胜出就必须高效地整合“研究 + 产品”。
主持人插话:AI 与职业未来
Host:
我其实很好奇的是,AI 快速发展的同时,会带来哪些新工作或新角色?有些人说,“高技能 + AI”的人会更有竞争力,也有人说 AI 会催生全新的工作形态。也有人担心现有工作会被取代,所以 AI 新增的工作机会到底在哪里?
Kevin,你在做产品时,是否想过哪些点子、哪些方向特别值得创业者去做?你可能自己没空做,但觉得这会是一个很有前景的新业务?
Kevin:
对,这个问题很有意思。就好比说,如果原本你以“智力”见长,比如编程就是一种“智力象征”,结果编程一旦被大量“自动化”或“同质化”,很多人会感到失落。不过另一方面,每次科技革命都会带来新的岗位、新的可能性。
谈到具体的创业点子,我确实常常见到一些用我们 API 能做的酷事儿,但我们自己不一定会去做。比如说,有人在用 GPT 模型来做教学辅导,用于某些小众领域的学习;或者把 AI 直接嵌入到企业内的各种流程中,重塑传统软件。说到底,我认为 AI 带来的最大价值,是让更多普通人也能进行软件创作或信息处理。随着模型能力越来越强,创业者可以把 AI 嵌入到各行各业,做出很多过去想都不敢想的东西。
总之,我不相信未来所有人都坐在家里拿基本收入(UBI),然后无所事事。大部分人还是想创造、想帮助他人。正如你在使用 ChatGPT 时,它经常节省你五到十分钟的时间,但更重要的是,它还能做你原本不具备能力去做的事,比如帮你做专业领域的研究,或者从海量数据中提炼出关键内容。
这就是我们最近在做“Deep Research”时的感受。过去,ChatGPT 虽然能帮你节省时间,但很多事你自己本来也能完成,只是效率会低一些。而“Deep Research”这种功能能够做你“本来就不会做、也没法做”的事情。举个例子,我本身喜欢物理,我曾让它帮忙调研缪子对撞机(muon collider)的资料。结果只花 20 分钟,就给我整理出了一份 15 页的报告。我自己是没办法在同样时间里做完这些工作的。再比如给我孩子查一些医学资料,也能带来极大帮助和安心感。这种“创造额外价值”而不仅仅是“节省时间”,才是我认为 AI 真正的潜力所在。
Varun 继续追问:GPT-4.5 的表现
Varun:
你提到了 Deep Research 也提到了 GPT-4.5。有人说在纯粹的推理能力上,GPT-4.5 可能不如那些更偏“数学推理”的模型,但 4.5 的“类人”写作和交流能力真的很棒。你怎么看待这两种不同的进化方向?是做更大规模的预训练,还是做更好的“推理训练”?或者说这两者并不冲突?
Kevin:
我认为两者确实都很重要。做更大的预训练,可以让模型获得更广泛的知识与更自然的语言表达;而更好的 RL(强化学习)和推理训练,可以让模型在复杂的逻辑推理、数学、科学任务上发挥更出色。
GPT-4.5 在“写作”或“交流”上的提升非常明显,这在一些“软性”指标或用户偏好测试中能很清晰地表现出来。你让不同模型写同一篇文章,很多人都会更喜欢 GPT-4.5 的写作风格,因为它听起来更自然、更接近人类表达。虽然这种进步难以用纯数字去衡量,但通过 A/B 测试就能明显看出优劣。
不过,如果你是要让模型参加高阶科学或数学基准测试,单靠 GPT-4.5 现在还没法跟那些专门强化推理能力的模型相提并论。所以,我们内部其实会同时推进更大规模的预训练和更深入的推理训练。以后的模型一定是二者结合,才能既拥有深厚的知识、又具备优秀的推理及分析能力。
Varun 的使用体验:Deep Research 带来的“惊喜时刻”
Varun:
坦白说,在 Deep Research 发布之前,我一度考虑是否要取消 ChatGPT 的付费订阅,转去试试 Claude 或其他模型。但看到大家在推特上对 Deep Research 的评价非常好,我就有点 FOMO(害怕错过),索性升级成了 ChatGPT Pro 账号。结果使用以后真是“哇”——这大概是我继初次见到 ChatGPT 之后,再次感受到那种“颠覆性惊喜”的时刻。
Deep Research 的搜索扩展很强大,几乎不会乱编(hallucination 很少),而且给出的答案深入细节,能引用 Reddit 或各种博客里鲜为人知的信息,这种体验非常接近“AGI”的感觉。对比市面上一些类似的搜索型产品,比如 Perplexity 或其他插件之类,都还不在一个量级上。
所以我想问,这个成果是更多地依赖了你们的新模型,还是你们在产品设计上做了大量工作?因为在 Deep Research 里可以感受到,在产品层面,你们对信息抓取、来源验证等做了不少优化,而不仅是一个“通用大模型”在跑搜索。
Kevin:
两方面都有贡献。一方面,模型本身的能力变强了,另一方面,我们在数据来源、搜索与检索管线、模型微调、用户交互设计上,也做了很多探索和打磨。
要做到尽可能少的幻觉(hallucination),就需要在检索部分、信息提取和上下文构建上设计得非常严谨。这个过程并不是简单地把搜索结果扔进模型,而是需要对搜索结果做聚合、去重、筛选,再以合理的格式提供给大模型。如果把“产品思路”倒推给“研究方向”,在模型微调的过程中也需要大量数据和验证,这都是我们在 Deep Research 项目里投入的心血。
所以可以说,这个产品的惊艳之处是“模型能力 + 产品设计”深度结合的结果。我们当然也会持续努力,让更多人用得上,而且会不断迭代。我们知道行业竞争激烈,但我们也希望始终引领市场。毕竟我们的使命是“让 AGI 造福全人类”,这其中就包含了要让更多普通用户能用上这些先进 AI 技术,无论是通过 ChatGPT 等自家产品,还是通过 API 让数百万开发者在各自的应用中调用我们的模型。
主持人提问:AI 与教育
Host:
你刚才谈到把 AI 赋能给普通用户,包括孩子和学生。如果未来 AI 可以回答几乎所有“为什么”的问题,或者自动化许多研究和学习工作,传统教育体系会有什么变化?比如孩子在学校里学到的东西,是不是会在 10 年后变得不再有用?你对未来教育有什么看法?
Kevin:
对,这也是非常值得思考的问题。我自己的看法是,AI 不会让我们停止学习。相反,我们可以更高效地学习,更有针对性地学习,甚至学习很多“以前学不到”的东西。
举例来说,我们已经看到了很多使用 ChatGPT 或其他大模型辅助教学的实验。孩子在做作业时,如果有一个随时随地的智能辅导,可以按照孩子的理解水平因材施教、实时给出反馈,这其实大大提升了学习效率。未来,学生或许能学得更深、更广,而不是只记住一些机械知识点。
此外,如果某些基础的程序编写或数据处理未来由 AI 直接完成,那么人类可以把更多精力放在更具创造性、更需要综合思考的领域上。我们现在看到的只是一个开端。对于教育行业、对于每个学生和家长,AI 都会带来新的可能性。
如果再往后看十年、二十年,我想一些传统课程可能会被重塑,但学习本身不会消失,只是大家会更依赖 AI 工具。人类依然需要思考、需要提出好问题、需要对结果进行判断和决策。在所有这些环节里,我们都依然扮演不可或缺的角色。
结语:OpenAI 的下一步
Varun:
听起来未来一片广阔。那最后想问一个所有人都关心的问题:GPT-5(或者你们的下一个重大版本)大概什么时候会来?会不会很快?
Kevin:
哈哈,这个问题嘛……我只能说,我们一定会继续快速迭代,但具体时间表暂时不便透露。我们每隔两个月就会有很多模型能力上的突破,接下来还是会保持这种快节奏。毕竟,AI 领域竞争正变得越来越白热化,我们也希望尽快把更多有用的功能和改进交到用户手中。
所以,请大家持续关注我们吧。我们会努力让 ChatGPT 和我们的 API 更加强大、更具创新性。
Host:
好的,今天非常感谢 Kevin 做客。大家如果喜欢这期内容,请一定记得订阅、关注并分享。感谢收看,我们下期见!