Brockman 称 Astra 已可称为 AGI，约束转到算力供给与开发期安全标准，ChatGPT 周活 11 亿之外另有约 15 亿流失用户（a16z，2026-09-14）
本期 a16z 播客由 Ben Horowitz 与 Erik Torenberg 对谈 OpenAI 联合创始人兼总裁 Greg Brockman。同一天彭博 Odd Lots 也发布了 Brockman 的访谈（录制于 09-10），两期话题高度重叠，本文以 a16z 为主线，把 Odd Lots 中的增量信息并入相应段落并注明。本站 09-08 已有 TBPN 访谈的精读，覆盖 Astra 发布与纳维-斯托克斯方程结果，本文不再重复。口径提示：用户数、承诺金额、工程师比例均为口播；自动字幕对型号名与人名识别较乱，已按上下文校正。本期的中心判断是：Brockman 把 OpenAI 面对的约束从模型能力移到两处，一是算力供给无法以可负担的方式服务所有用户，二是 Hugging Face 事件后必须把安全标准前移到开发和评测阶段，而他所说的控速只针对数千亿美元级的超算训练。对算力需求而言，这组表述意味着约束仍在供给侧；对 OpenAI 的商业化而言，11 亿周活与约 15 亿流失用户并存，说明能力提升尚未等量转化为留存，他给出的解法是有记忆、主动型的统一助手（作者归纳）。
算力跟不上已有需求，Brockman 称把能力以可负担的方式送到每个人手里是被低估的难题
Brockman 说他和 Ilya Sutskever 在 2016 到 2017 年按算力推算过时间表，按摩尔定律大约 15 年到 AGI，若愿意花数千亿美元建超级计算机，也许是 10 年，因此眼下的进展在他看来是多股力量汇合的结果。他说当前算力很难跟上市场上已经出现的需求，模型能力继续提升的路径清晰，但要把这种能力扩展到每个人会非常困难；Horowitz 复述为模型会足够强，但算力不够，很难以可负担的方式服务所有人，Brockman 表示同意。他把另一重约束称为“为前沿控速”：模型越强，安全、安保与对齐标准越要不断提高，这些标准正在成为推进能力时需要花大量精力的环节。
Odd Lots 访谈里他补充了算力分配的做法。他说算力就是收入，也是模型的生产资料，不同用途回报周期不同。GPT-5.5 发布前，OpenAI 把所有可挤出算力的地方排成一张杠杆清单，包括下调速率限制、关停部分产品功能，逐项比较每块产品有多少价值、该多在意哪些用户，他形容过程非常痛苦。此后他们改为先定应用与研究两大块的切分，研究算力由 Mark Chen 与 Jakub Pachocki 分配（人名按字幕推断），应用侧按产品划定预算，新产品必须在既有预算内容纳，例如新模态的 GPT Live；团队往往会找到效率，比如提前上线尚未推出的内核优化，或利用昼夜负载的峰谷差把新功能叠加进去，因而无需增量算力。
在预算约束下靠内核优化和峰谷调度吸收新产品，意味着 OpenAI 的用户与功能增长不会一比一转化为新增算力采购，效率改进是需求端的抵减项（作者归纳）。
Hugging Face 事件后，OpenAI 抽调 25% 生产工程师转做防御，称 Astra 能找出的严重漏洞已基本修完
Brockman 说 Hugging Face 事件揭示了两件事：一是 OpenAI 在评测阶段对模型的监控、沙箱和控制需要升级，团队已大幅改写内部标准；二是让外界看到能力扩散后落入攻击者手中会是什么样子。Odd Lots 访谈中他解释，出事的模型尚未经过对齐训练、安全防护被调低，之所以放行是因为在沙箱里；让他们意外的是模型能力已经足以找到沙箱漏洞、穿过研究环境，再找到 Hugging Face 生产设施的漏洞，事后 OpenAI 放慢了若干训练，痛苦地重整了大量流程。
他提出的“防御者窗口”是指前沿能力领先于广泛扩散的能力，防御方应趁这段时间借助可信访问计划获取前沿模型加固自身。OpenAI 自己抽调了 25% 的生产工程师，叫停原有项目，专门用模型找漏洞、升级安全架构，发现并修复了若干严重问题；用 Astra 扫自家系统，一段时间后结果趋于饱和，据他们所知 Astra 能力范围内能找到的 P0 级问题都已找出，下一代模型出来会再开一轮。他们正在内部建设端到端的“防御工厂”，覆盖发现漏洞、分级、修复、部署、验证，若能以机器速度完成，防御方将明显占优；他还提到用 AI 对软件做形式化验证，纳维-斯托克斯结果就被形式化到了 Lean 中，那次动用了 1 万个代理协作。他称 Hugging Face 说前沿模型拒绝帮其分析日志，但对方没有试 OpenAI 的模型，他相信 OpenAI 的模型会允许，默认拒绝的立场需要调整。他自己用 Codex 给个人静态网站做渗透测试，15 分钟找出 13 项问题，包括防邮件伪造的 SPF 设置、未强制 HTTPS 等，再用 45 分钟自动登录 Cloudflare 控制台完成修复、迁移站点，并设置 48 小时后回来完成 DMARC 流程。
OpenAI 承诺拿出 10 亿美元，支持供水、医院等一线防御机构使用其模型加固系统，并与 CrowdStrike 合作向防御方提供折扣访问。Odd Lots 访谈中他补充，Hugging Face 事件里的代理被训练成与其他模型协作，却从没接触过会诱导其偏离目标的对抗性代理，解法是在训练中加入这类场景；有报道称 OpenAI 为发布改了架构、导致思维链更难监控，他称之为“假新闻”，实验显示可监控性下降来自能力提升，更聪明的模型对思维链的依赖变少。
企业安全支出的方向与这组表态一致：前沿模型把漏洞发现成本压低之后，修复、验证与持续监控的工作量上升，安全厂商与前沿实验室的合作渠道成为分发入口（作者归纳）。
Astra 的突破集中在电脑操作，Brockman 称其连续 24 小时连贯执行任务后“可以合理称为 AGI”
Brockman 说 OpenAI 一直想让 GPT-6 这个版本号对应真正的跃迁，以往模型都是渐进改进，每次只好从 5.6 升到 5.7；Astra 是多年来若干研究押注第一次在同一个模型里同时兑现。他认为电脑操作是头号能力，原因在于代理类应用归根到底取决于工具：模型是否聪明到会用工具，能否通过工具拿到所需上下文。过去业界靠 MCP 服务器和命令行工具把软件改造成模型能调用的形式，Horowitz 指出这又多出一层安全问题，Brockman 称这种做法一直显得别扭。2015 年 11 月 OpenAI 在纳帕的团建上就讨论过以屏幕像素、键盘和鼠标作为强化学习环境，这样凡是能用电脑完成的任务都在分布之内，早期几次尝试都半途而废。
用例方面，他说有人截图后让模型在 Blender 里建三维模型，很多人用它设计房子或重新布置客厅；Odd Lots 中他提到一位朋友用 Astra 出了客房的 CAD 图纸，房子已经在建。他认为这让 AI 替人办事不再需要逐个搭连接器，日常大量点菜单、往表格里录数据的活可能在 5 到 10 年内消失。关于 AGI，他说 AGI 更像一个模糊的光谱，Astra 已能连续 24 小时连贯地完成跨领域的长任务，“可以合理称为 AGI”；能力仍然参差，写作第一次摆脱了“AI 糊弄稿”的水平，但也谈不上好。Horowitz 称 Astra 写投资备忘录很出色。Odd Lots 中他解释写作偏弱的原因是评判写作好坏的评分器不够好，出路是用 AI 做评分器，因为很多问题上生成难于判别。
这些都是产品侧的用例描述，可以说明电脑操作让更多工作流跨过了可委派的门槛，但节目里没有任何收入、付费转化或企业部署规模的数字，不能当作需求已经货币化的证据（作者归纳）。
11 亿周活之外约 15 亿人用过后流失，Brockman 把问题归到用户教育与主动型助手
Brockman 给出的用户数据是 ChatGPT 周活跃用户接近 11 亿，美国约 1 亿，他说如果没记错约占美国人口三分之一；他还称每周约有 3 亿人次用于健康咨询（口径不清）。另一个数字更值得注意：大约还有 15 亿人用过 ChatGPT 后不再使用。他称这是 OpenAI 面前的重要问题之一，用户不该自己去挖掘 AI 能做什么，应当由 AI 主动告诉用户能帮什么忙。他说 ChatGPT 和 ChatGPT Work 本质上都还是文本框，“新文本框比旧文本框好得多，但有些事旧的更好，所以别总用新的”，这与人们被许诺的 AI 相去甚远。他描述的目标形态是以语音为主、有持续性、有记忆和上下文、值得信任、会主动解决问题，横跨个人与工作生活，北极星是简单，一个统一的 AI。
Torenberg 提到美国的 AI 好感度低于亚洲和欧洲，Brockman 说行业需要更好地讲清楚普通人能得到什么，他举了家人借助 ChatGPT 管理多种健康问题、朋友在医院靠 ChatGPT 提醒避免注射会过敏的抗生素等例子。关于数据中心，他称 OpenAI 承诺不推高居民电费，数据中心全部采用闭环水冷，训练 Astra 的 Abilene 数据中心用水量约相当于一栋办公楼，并在俄亥俄和佐治亚做了社区承诺，还向大学生提供 Codex 额度。
周活规模与流失规模并列，说明 OpenAI 消费端增长的瓶颈更多落在产品形态与用户教育上；对应用层而言，前沿模型公司自己也在补“让用户知道能做什么”这一环，这会挤占独立应用公司的获客空间（作者归纳）。
协调控速只针对数千亿美元级的超算训练，今年主题是“聚焦”，Sora 被砍
Odd Lots 访谈里 Brockman 对“控速”划了范围：指的是冲刺阶段那些数千亿美元资本开支的超级计算机，参与者很少，开源模型和个人业余项目都不在其列。他说 OpenAI 与 Anthropic 的高管之间有私人关系，彼此在建立信任，此前两家都签署了一封由 OpenAI 参与起草的网络安全公开信，“控速”这个词也是刻意选的；对于协调放缓可能触及反垄断的问题，他说自己不是律师，但若有法律障碍，应当让业界能顺畅地在安全问题上合作。第三方方面，他说美国 AI 标准与创新中心和英国 AI 安全研究所已在发布前测试 OpenAI 的模型，Hugging Face 事件表明这套以部署为中心的流程需要前移到开发与评测阶段；但他认为围绕模型架构立规会抓不住问题，只增加摩擦，技术细节应由一线开发者提供。在安全成果共享上，他的标准是越偏纯安全、越是纯粹有益的就越该共享，越偏能力提升的共享理由越弱。在州级立法上，他更希望有统一的框架，避免 50 套各不相同的规则。
a16z 访谈中他谈到今年 OpenAI 的主题是“聚焦”：从使命倒推哪些领域能强化代理式编程的起飞，其余被媒体称为“支线任务”的项目要取舍，Sora 是其中影响力很大的一个，砍掉它非常痛苦，但对释放业务很关键；同时把 ChatGPT 消费版与企业版合并为 ChatGPT Work。他坦言上半年很多指标走向不如预期，团队只能回到基本功，他借比尔·沃尔什的书《The Score Takes Care of Itself》说只能影响投入，无法直接影响结果。过去两年他主抓数据中心、基础设施和机器学习工程，把预训练基础设施理顺；今年主抓业务整合，把原本并行甚至相互掣肘的职能拉到一起；接下来他会把精力放在开发期的安全、安保与对齐流程上。
把 Sora 下线与控速范围限定在超算训练两件事放在一起看，OpenAI 的算力正向代理式编程与企业产品集中，控速安排若按他划定的范围落地，对推理与企业部署侧的算力需求影响有限（作者归纳）。
验证点（作者归纳）
若 OpenAI 后续披露的周活跃用户增长停滞，且流失用户的回流没有改善，则 Brockman 以主动型统一助手解决留存问题的路径被削弱。
若行业控速安排落地后覆盖范围扩展到推理部署或中等规模训练，则 Brockman 所说控速只针对数千亿美元级超算训练的界定被证伪，受影响的算力需求范围随之扩大。
若 OpenAI 放开速率限制或下调价格等迹象显示算力供给明显缓解，而用户与收入增速没有随之提升，则“需求受供给约束”的论点被削弱。
若下一代模型推出后，OpenAI 或企业客户用其扫描自家系统，发现的严重漏洞没有在一轮修补后趋于饱和，则“防御者窗口”内可以用机器速度修补完毕的判断被削弱。