OpenAI权力更迭、产品战争不断:Brockman归来能否带领OpenAI成功上市?

数量1倍数特性.pdf 立即下载

影子国王,是怎么炼成的

在Dario踢走Brockman之前,两家公司的创始团队关系亲密。2018年,Brockman在晚宴上对妻子Anna「一见钟情」。两人约会不久,Dario的妹妹、如今Anthropic的总裁Daniela和Brockman打了100美元的赌,赌Anna不是「the one」。一年后,Brockman和Anna结婚,婚礼一部分在OpenAI办公室举行,一只机械手充当戒指传递者,Daniela认赌服输,掏出100美元支票。曾经赌钱的朋友圈,如今变成了AI史上最贵的对决。

那个睡在工位上的人

Greg Brockman今年38岁,父母是医生,家里有个业余农场,养着马、珍珠鸡、鹅、一头牛和一头猪。他在北达科他州Thompson镇长大,那里只有一千来号人,见朋友要跑好几英里。Brockman第一笔收入是在Mannheim Steamroller的圣诞演出里扮演姜饼人赚的100美元。后来他考上哈佛,只念一年就退学,转去MIT,没几个月又退学。

2010年,Brockman成为支付公司/dev/payments(后改名为Stripe)的第4号员工。他在法庭上说,当年花6美元买的创始人股份,如今值4.7亿美元。在Stripe时,同事常看到Brockman趴在桌上睡着,穿着黑色American Giant连帽衫,周围散落着披萨盒。有一次,得知要命的deadline后,他当晚就写完了代码。Collison评价他「Greg不愧是Greg」。

2015年,Brockman离开Stripe,开始为OpenAI拉人,早期班底大多是他招来的,公司成立时办公室就设在他家客厅。到了OpenAI,他还是把会议压缩到周二,80%时间写代码,长期不带直接下属。硅谷称这种人为「10x engineer」。这也解释了Dario把他踢出项目的原因,他的工作方式被称为「大脚怪(Bigfooting)」,即凭借强悍工程能力空降项目,无视既有上下文,按自己意志推翻重来。

政变、仙人掌与一篇Nature论文

2023年感恩节前夜,OpenAI董事会发生变故,Altman被突然解雇,董事会成员Ilya Sutskever给出的理由之一是Altman无力约束Brockman。Brockman随后也被踢出董事会,但保留管理层职位,他决定辞职,妻子Anna同意。大批员工跟着出走,舆论哗然,Altman五天后复职,内部称这段时间为「the blip」。

几个月后,Sutskever也离开,双方谈判激烈。最后,Anna送给他一盆仙人掌作为告别。Brockman休了三个月假,去了Arc Institute。休假期间,他作为核心贡献者参与Evo 2开发,这是一个前沿基因组语言模型,训练数据覆盖9.3万亿个核苷酸、超过12.8万个基因组,动用2000多块H100。最终,他们做出能读写DNA的AI,设计出人工噬菌体,论文登上Nature。

战神归位,「垂帘听政」结束了

2024年底,Brockman回到OpenAI,换上黑色皮衣。「the blip」后,他给自己立了新格言「去谈那些最难谈的话」。今年2月,Altman说服他接管OpenAI全部产品战略,他从多年没有直接下属的10x工程师,变成管着近1500人的管理者。在Musk诉OpenAI的法庭上,他的证词显示持股价值逼近300亿美元,比不持有OpenAI直接股权的CEO Altman富得多。

王座易主,追兵已经摸到门口

5月28日,Dario执掌的Anthropic完成650亿美元Series H融资,估值飙升至9650亿美元,超越OpenAI的8520亿美元,成为地球上最贵的AI独角兽。Brockman上任后砍掉Sora独立App。

手刃Sora:算力修罗场里的冷血逻辑

Sora是OpenAI继ChatGPT之后的第一个独立应用,上线后冲到App Store榜首,Altman曾计划以它为基础打造AI原生社交媒体平台。但Brockman认为「我们没法什么都做」,砍掉了它。

视频生成的Diffusion Transformer架构算力消耗是文本的成百上千倍,在全网算力吃紧的情况下,硬推Sora独立App会影响ChatGPT和Codex的响应速度。而Codex年初60万周活,5月底突破500万。为保住开发者体验,Brockman砍掉了Sora。Sora App于4月26日正式关停,API将在9月24日跟进,用户需在截止日期前导出内容,否则永久删除,Disney的合作也随之终止。

编码战争:Codex vs Claude Code

砍掉Sora省下的算力被用于AI编码工具战场,OpenAI的Codex与Dario的Claude Code正面对决。Codex增长迅速,年初60万,4月300万,5月31日突破500万,OpenAI为此重置用户使用额度。有开发者称用了Codex再切回别家模型能明显感觉到差距。

Claude Code根基更深,npm月下载量4630万,是Codex CLI 1400万的三倍多,年化收入达25亿美元,开发者平均每周使用超过20小时。从2024年6月的Claude Sonnet 3 .5算起,Claude系列模型在编程排行榜上长期领跑。

如果需要连续编码8小时不被限速打断,Codex是更好的选择,其云端沙盒模式任务消耗token少;如果面对复杂的多文件重构,Claude Code准确率更高,更像经验丰富的高级工程师。此外,GitHub代码提交量和AI agent发起的Pull Request数量都在大幅增长,代码正在被AI重写,Brockman和Dario分别站在两端。

超级应用:一个窗口,一个AI,干所有事

OpenAI应用业务CEO Fidji Simo承认「我们摊得太多了」,ChatGPT、Codex、Atlas浏览器三大产品线各自为战,抢算力资源,质量都达不到管理层要求。Brockman的解决方案是将三大团队合并成全新的核心产品与平台团队,由Codex原负责人Thibault Sottiaux掌舵。

对ChatGPT的9亿周活用户来说,未来可以在同一个窗口里与AI聊天、写代码、浏览网页、管理文件、调用外部服务,由同一个模型驱动,通过同一个订阅或API计费,自主执行复杂数字任务,这就是内部代号「Super App」的终极形态。这是一场豪赌,成功则OpenAI能在IPO前讲出更大的故事,失败则ChatGPT流量份额下降,Google的Gemini份额上升。

根据计划,OpenAI将于2026年Q4上市,目标估值8520亿美元,而Anthropic已经9650亿,留给Brockman的时间不多了。

尾声

法庭上曝出Brockman 2017年的私人日记,他当时想「在财务上,怎样才能让我达到10个亿」,还在给Musk的邮件里说「我的动力来源是让自己的工作获得公众认可」。九年后,他账面上有300亿。采访最后,记者问他和妻子上次度假时间,他想不起来,说「也许等AGI实现之后吧,等我们完成了使命」,说完又意识到漏掉了妻子,补充说「我觉得我妻子也是一个值得拥有一些时间的人」,代价是他连上次休假在哪都记不起来了。

__EF550.zip 立即下载

相关推荐

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

frontend-design skills

frontend-design skills

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

一种具有实验验证的层级扰动抑制深度跟踪控制算法,适用于欠驱动型AUV(Simulink仿真、Matlab代码)

内容概要:本文详细介绍了一种专为欠驱动型自主水下航行器(AUV)设计的层级扰动抑制深度跟踪控制算法,该算法通过构建分层控制架构,有效应对海洋环境中复杂的外部扰动(如水流、波浪等)以及系统内部的非线性动态特性,显著提升了AUV在执行深度跟踪任务时的控制精度与系统鲁棒性。研究不仅涵盖了控制策略的理论设计与稳定性分析,还包括详细的Simulink仿真模型搭建、Matlab代码实现及参数设置,并通过对比实验验证了所提方法在抗干扰能力和跟踪性能方面相较于传统控制算法的优越性。资源包内含完整的可运行代码、仿真模型和详尽的文档说明,便于研究者复现结果并在此基础上进行二次开发与创新。; 适合人群:具备自动控制理论基础、海洋工程或机器人相关学科背景,且熟练掌握Matlab/Simulink仿真环境的科研人员、研究生及高年级本科生。; 使用场景及目标:① 深入学习和研究欠驱动AUV的先进运动控制技术,特别是深度跟踪控制策略;② 开展水下机器人抗外部扰动控制算法的设计、仿真与性能验证工作;③ 作为毕业设计、科研项目或学术论文的技术支撑与代码原型,加速研究进程。; 阅读建议:建议使用者结合提供的Matlab代码与Simulink模型,逐模块理解算法的实现逻辑与数据流,推荐从简单静态环境仿真入手,逐步过渡到复杂动态扰动工况,通过调整控制器参数与扰动强度,全面掌握算法的性能边界、鲁棒性特征及优化潜力。

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

国央企如何构建高效的内部技术转移与创新协同机制?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

圆柱形永磁体的磁场建模研究(Matlab代码实现)

内容概要:本文围绕圆柱形永磁体的磁场建模展开系统性研究,基于毕奥-萨伐尔定律建立了有限尺寸圆柱形永磁体的物理模型,推导出其在空间任意点产生磁场强度的数学表达式,并采用数值积分方法结合Matlab编程实现磁场分布的精确计算与三维可视化。研究深入探讨了磁体的几何参数(如半径、高度)和磁化方向对磁场分布特性的影响,实现了磁场矢量的多维度仿真分析,为电机设计、磁传感器开发、磁悬浮系统等工程应用提供了坚实的理论依据与高效的仿真工具支持; 适合人群:具备电磁场与电磁波、大学物理等相关理论基础,并熟悉Matlab编程语言的高校理工科学生、科研人员及从事磁性器件设计与仿真的工程技术开发者; 使用场景及目标:①掌握基于经典电磁理论的磁场建模方法与数值求解流程;②学习并实践Matlab在科学计算与物理场仿真中的高级应用技巧;③为永磁材料相关装置的结构优化与性能评估提供可靠的仿真手段;④服务于高校课程教学、科研项目验证及工程原型开发; 阅读建议:建议读者在学习过程中紧密结合电磁学基本原理,逐步理解公式推导逻辑,动手运行并调试所提供的Matlab代码,通过调整磁体参数观察磁场变化趋势,从而深化对永磁体空间磁场分布规律的认识,并尝试将其拓展应用于实际工程项目中。

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

高校技术转移办公室人员在进行技术成果推介时,如何高效生成具有说服力的推介材料.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

Pytorch中CrossEntropyLoss()详解

交叉熵主要是用来判定实际的输出与期望的输出的接近程度。举个例子:在做分类训练的时候,如果一个样本属于第 K 类,那么这个类别所对应的输出节点的输出值应该为1,而其他节点的输出都为0,即 [0,0,1,0,….0,0] ,这个数组也就是样本的 Label,是神经网络最期望的输出结果。我们用交叉熵损失函数来衡量网络的实际输出与正确标签的差异,利用这种差异经过反向传播去更新网络参数。交叉熵:它主要刻画的是实际输出(概率)与期望输出(概率)的距离,也就是交叉熵的值越小,两个概率分布就越接近。

flyingluohaipeng的博客 3861
上一篇: Gemini 3.5 Flash:宣传与体验落差大,额度、路由、能力问题多还贵!
下一篇: 黄仁勋封迈威尔为下一家万亿企业,它凭啥?AI互联和定制芯片市场潜力巨大!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值