由于原文太长，所以这次切分为两部分，第一部分是原文翻译，第二部分是我的介绍和评论。

原文链接：https://calv.info/openai-reflections
原文发表于 2025-07-15，作者网站 calv.info
我的翻译链接：https://deusyu.app/posts/openai-reflections-1/

介绍与评论

Calvin French-Owen 是 Segment 的联合创始人兼 CTO，在 MIT 读书时就开始创业。

  • Segment 是一家 客户数据平台（Customer Data Platform, CDP），帮助企业收集、整合并路由用户数据。公司创立于 2011 年，并于 2020 年被 Twilio 以 32 亿美元收购。

换句话说，Calvin 在加入 OpenAI 之前就已经实现了财富自由。他选择再度出发，不是为了“下一桶金”，而是为了参与一场更大的事业——见证并推动 AGI 的到来。

他的这篇《Reflections on OpenAI》，不是一个旁观者的议论，而是一位经历过 从 0 到 1、从 1 到 100 的创业者和工程师的深度思考。也正因为如此，他对 OpenAI、Anthropic、Google 三巨头的基因划分，带有一种“过来人”的洞察：既理解技术难点，也能看清组织命运。

看着快刀青衣已经总结了这封信几个”反常识观点“：

  1. OpenAI 内部几乎不用邮件，一切都在 Slack 上
  2. 没有产品路线图，自下而上做研发
  3. 3000 人公司还能闪电决策
  4. 让 GPU 成本压倒一切
  5. 用兴趣来分配工作

我与第一条的共鸣：异步 vs 实时

对于第一条，其实有点像国内互联网的工作方式。我曾在外企工作，一般就是“微软套件”：Microsoft Teams + Email。IM 用 Teams，审批类走邮件，通常等上半天是常态。很多人把这种流程称为“WLB”，也确实是某种节奏的体现。

国内互联网是另一个极端。IM 工具一般用飞书、钉钉、企业微信、Kim，直接 DM，甚至直接 Call。我个人非常不喜欢后者：除非公司快倒闭，否则不要轻易打扰别人实时注意力。

异步，是高级协作的标志。

另外就是——那些习惯用语音沟通的人，往往不是因为懒，而是写不出来。一件事如果说不清楚，写下来只会更混乱。很多人正是因为结构化表达能力差，才选择语音来遮掩混乱。

所以我常说：

有些人菜，不是只菜在技术，而是菜在思维 —— 技术和表达，一样都菜。

不是“用了语音才菜”，而是“因为菜，才只能用语音”。

第二与第三条：从涌现到太初有为

第二条和第三条，实际上揭示了 LLM 成长的核心机制：涌现（emergence）。

也就是说——你无法提前计划 LLM 会带来什么突破，只能用递归、实验、自下而上的方式去逼近它。

我第一次真正理解“涌现”，是在 KK 的《失控》里。那本书让我意识到：复杂系统中最强的秩序，往往不是设计出来的，而是放任出来的。

这种组织模式有两个关键特征（也和快刀青衣提到的完全一致）：

  1. 决策权集中在少数真正懂技术的人手中
  2. 公司文化鼓励“先做再说”，而不是“先讨论再做”

所有“路线图导向”的组织，最终都会走向瓶颈。因为你永远画不出未知的地图。

真正的研发突破，往往来自非计划。

这就是我常说的——

太初有为，而不是太初有道。

如果用传统 B2B 路线图做法来养一个 LLM，你很可能会提前限制它能“长多高”。这就像试图用 Excel 预测一棵藤蔓会爬到哪堵墙上。

第四条：GPU 成本 ≈ 真正的秩序锚点

OpenAI 有个极端但有效的成本观念：一切都换算成 GPU 成本。

原文打了一个绝妙的比喻——Codex 的一个小功能，其 GPU 成本就相当于 Segment 创业时期全公司基础设施的开销。传统公司纠结打印纸、水和差旅费；OpenAI 则把一切预算简化为一个问题：

这件事，用多少算力？

当 GPU 成本压倒一切，其他预算都变得无关紧要。这就像你花几千万买了套房子，还在犹豫要不要买个 50 块钱的垃圾桶——不值得关心。

这不是挥霍，而是秩序。

这不是不算账，而是只算关键账。

OpenAI 把资源配置的问题简化成一个核心原则：

一切围绕主导成本优化，一切技术决策为算力服务。

这对我们有什么启发？

每个组织，都有自己的“GPU 成本”。

它可能是人力，也可能是注意力，也可能是获客成本。

你唯一该死死盯住的，不是会议纪要、也不是差旅审批，而是：你的主要资源在燃烧哪里？

类比到个人也一样：

你的“GPU 成本”，就是时间 + 注意力。

不是所有事都值得你认真。

更重要的是，有些事根本不值得你知道它发生了。

搞清楚主耗资源点，搞清楚你真正的成本锚点，然后：

围绕它设计一切，其他的都别管。

第五条：兴趣 ≈ 最真实的调度器

在 OpenAI，项目不是靠计划推动的，而是靠**兴趣 + 技术诱饵（nerd-sniping）**触发的。

很多研究项目的起点，只是某个研究员盯上了一个技术难题，然后就开始做了。

没人分派任务。也没人等排期审批。真正吸引人的 idea，会自然地把人聚过来。

甚至连“管理”也不太存在：

你是你自己的 PM、你的 EM、你的 mini CEO。

你会看到这样一种运作方式：

某个项目突然显示出希望，周围自然就会冒出一撮人围上来，把它推进成产品。
谁都没有“被分配”过来，但大家都觉得：

这事值得干一把。

最后一节：什么样的人，会再次出发？

一位早已财富自由的大佬，本可以过着惬意的半退休生活。

但在“千年未有之大变局”面前，他果断出山，投身其中。

让我想起那句话：

总有些事，高于其他。

而与某些印度成功人士不同：

有些人成功后热衷讲成功学，有些人开始教量子力学，有些人沉迷复读“何不食肉糜”。

而硅谷的许多大佬，早已跳出人类躯壳，思考的，是星辰大海。