ChatGPT 背后的男人：在 OpenAI" 卖铲子 " 的这几年。

智东西 1 月 20 日报道，ChatGPT 背后的一位中国工程师—— OpenAI 核心贡献者翁家翌，日前在 AI 播客 WhynotTV Podcast 接受专访，他首次详尽讲述了自己从清华少年到 OpenAI infra 骨干的经历。

作为强化学习与后训练（Post-Training）系统的关键工程师，翁家翌深度参与了 GPT-3.5、GPT-4、GPT-5 等核心模型的训练，其搭建的 infra 系统已成为 OpenAI 内部大模型训练与迭代的基础底座，也是 ChatGPT 持续进化的关键支撑。

在这场长达两个多小时的对谈中，翁家翌披露了 OpenAI 内部 Post-Training 系统的构建逻辑，也解释了 OpenAI 为何能持续产出爆款模型。

他还分享了他对 AGI 定义、OpenAI 不 "open" 批评以及内部人才流动加剧等现象的第一手观察。

面对 DeepSeek、TikTok、英伟达、谷歌等科技巨头抛来的橄榄枝，他为何最终选择了 OpenAI？

谈及职业方向，他又为何自称 " 卖铲子里最面向客户的那位 "，并立下目标 " 我要最大化我在 OpenAI Blog 上出现的次数 "？

这场对谈，给出了答案。

01." 卖铲子 " 到主导 Post-Training，他是 OpenAI 模型背后的基础构建者

在 OpenAI 内部，几乎每一个大型模型的发布名单里，都能看到翁家翌的名字，他主导搭建了 OpenAI 强化学习后训练（Post-Training）阶段的核心基础设施。

"每发一个大的 release，每发一个大的模型，我的名字就得放上去。" 他说，" 因为大家都在用整个 Post-Training infra 去训练 RHF 的模型。"

他说自己 " 是卖铲子里最面向客户的那位 "，因为强化学习模块处在整个基础设施栈的最顶端。他还给自己的职业生涯设定过一个指标：" 我要最大化我在 OpenAI Blog 上出现的次数。"

面对年轻人，他的建议仍是：持续投入工程建设，而不是学术研究。他不避讳地说：" 长远来看，我还是觉得现代学术界应该要被重构。" 在他看来，如果目标是进入工业界，最重要的是匹配真实的工作需求，"AI Lab 最缺的其实就是 Infra 人才，infra 是个无底洞。"

学术界研究往往陷在一些困境里，如 Atari、MoJoCo 等任务上过度拟合，并不能转化为实际问题的解决能力。他谈及，" 我在 2022 年 8 月就意识到这个问题，所以逐步停止了天授的开发，转向在 OpenAI 内部构建更有意义的 RL Infra。"

而在 OpenAI 内，他目睹了一系列 " 半偶然半必然 " 的变革。加入之初，他参与的就是 WebGPT 后续项目，通过强化学习让模型更好地与用户交互。他负责构建的 RL 训练系统在 ChatGPT 爆发式上线之前，已成为公司内部主力使用的 infra 之一。

发布当天，OpenAI 服务器数次被挤爆，他形容这种 " 自发涌现的需求 " 就像自己做 tuixue online 时遇到的情形，"说明这确实是一个值得投入精力的方向 "。

被问到 OpenAI 为何能做出如此爆款，翁家翌归结于两个因素：一是单位时间迭代效率足够高，二是领导层真正懂技术。

OpenAI 在引入了几位前 Google 工程负责人之后（如 Barret Zoph、Liam Fedus），团队开始系统性提升工程效率，单位时间的迭代次数和成功率是正比的。

他强调，"RL 本质上就是 trial-and-error（试错）。你试得越快越多，成功就越近。"

OpenAI 的领导层也保持对细节的强关注。Greg Brockman（联合创始人兼总裁）几乎参与过公司所有基础设施模块，而 Sam Altman（联合创始人兼 CEO）则通过研究助理及时了解公司内部进展。他认为这种技术细节的敏感性和上下信息通畅正是 OpenAI 创新持续不断的原因。

翁家翌称，" 管公司就像管代码库，一旦不一致，整个系统就会像拼装的人类，身子动了，脚没动。"

02. 他为 ChatGPT 模型搭建后训练系统，也在重构下一代 Infra

ChatGPT 3.5 正式发布之前，OpenAI 内部其实已开始在 GPT-4 上验证强化学习后训练（RLHF）流程的可行性。

翁家翌回忆，当时他负责的正是 RLHF 训练 Pipeline 的整体搭建：旧的 infra 是跑不动的，我在新 infra 上调通了第一版，先在 4 上做通，再迁回 3.5。这套 Post-Training 系统随后被用于整个 ChatGPT 系列模型的训练中。

这并不是一条 " 拿来即用 " 的流水线。他谈及，OpenAI 内部并没有现成可复用的 RLHF 基线，很多关键流程都需要从头构建。

真正的挑战，是模型效果的衡量标准并不清晰。" 你训练出很多个 checkpoint（检查点），但你不知道哪个是真的更好。" 用人类反馈奖励评估时，模型可能一开始奖励信号很高，之后却因过度拟合（hacking）而性能下降。

最终，团队只能依赖 "human-in-the-loop（人机协同）" 的评估流程，即让内部员工亲自交互测试、打分投票，选出效果最佳的版本。

从技术结构上看，这套 Post-Training 系统的难度远高于他曾经开发的 " 天授 " 框架。toy task（验证算法的小规模仿真环境）的瓶颈在环境，而大模型的瓶颈在模型本身。

环境是一个 Prompt，计算只要几微秒，但模型训练和采样则是几百甚至上千秒。系统工程的复杂性在于吞吐与扩展的平衡，以及对 GPU 资源的极限压榨。

而他正是那个站在强化学习、系统工程与大语言模型交叉点的人。他不仅要懂 RL 本身的逻辑，也得理解分布式系统、语言模型的推理方式以及底层架构。

工作强度一度让他因头痛被送进急诊。" 基本是早上醒来开始 debug，写到晚上睡觉，一周六天。" 自那以后，他强制自己每周跑两次 3000 米，恢复体力。翁家翌回忆称，" 我之前在清华的时候，上体育课是就是 3000 米不及格，然后完全不会跑 3000 米的。"

同时，翁家翌也正在参与 OpenAI 下一代 RL Infra 的重构工作。" 旧架构已经三年多了，堆积的问题其实已经很多了。"OpenAI 要推倒重来，目标是清理技术债，帮助研究员以更高迭代效率推进实。

03. 他在福建省队拿下 " 唯一一块铜牌 "，叩开清华大门

面对 " 你小时候是个什么样的小孩 " 的问题，翁家翌从奥数讲起。他在数学上展现出超常的直觉能力，常常别人还在计算时他就已经写完了答案。

尽管解题速度快，他却并不认为自己是学得快的人，反而觉得自己在理解新知识时总是比别人慢，需要付出两到三倍的时间。同时，他也具备一种策略意识：既然慢，就要提前学。

他在初中就主动找数学老师问高中课程内容，初二就完成了大部分高中数学学习，初三开始学微积分。翁家翌坦言，" 我想投资自己的未来。"

进入高中后，他因为升学压力开始参加信息学竞赛 OI（Olympiad in Informatics），希望以此作为进入顶尖大学的路径。他说，对于非北京的学生而言，直接考入清华北大 " 几乎难如登天 "。

他曾在数学竞赛上小有成绩，但因为学校资源有限、自己准备不充分，最终选择放弃数学竞赛，转而专注于 OI。

他在福建省内的选拔中一路拼到省队，在高二那年凭借一道最小二分覆盖题得到了全场最高分，顺利拿到清华 " 降 60 分 " 录取资格。但他也坦言，这是一次 " 险胜 "：" 那年福建省队只有一个铜牌，就是我。"

而这一路的训练，也塑造了他的习惯和思维方式。他回忆高三备考期间仍 " 偷偷写代码 "，甚至在没有编译器的 iPad 上直接键盘敲代码，这样的经历训练了自己对程序结构的完整认知与快速定位 bug 的能力。

他尤其沉迷于 " 常数优化 " 这种在算法竞赛中优化时间和代码长度的工程挑战，尽管他说这可能 " 没什么用 "，但 " 真的很有意思 "。他总结说，OI 让他意识到，" 我真的可以从里面获得快乐 "。

04. 他在清华开源作业、修校园网 Bug，误打误撞走进了强化学习

进入高校后，如果要说清华生活里最 " 出圈 " 的事，是翁家翌给把所有的作业都开源了。

他收集了前几届流传下来的 " 上古作业 " 和课程材料，在征得无版权部分的确认后，悉数上传到了 GitHub。他说，在清华，信息差往往被当作一种生存资源，但 "我觉得每个人都应该平等地拥有这些信息"。

他笑称，" 随便我们抓一个计算机的学弟，问问你认不认识捐楼的人，哪怕他把名字放在楼上面，你认不认识他？不认识。但你们认识我，因为毕竟大家都看我作业活的。" 他还打趣说，"比捐楼还有用。"

除了 " 火遍校园 " 的作业库，翁家翌在大二也开启了科研之路。他误打误撞报了清华计算机系的 " 学术新兴计划 "。当时他对科研方向还一无所知，只是模糊觉得 " 图像的东西挺有意思 "，于是盲选了强化学习，结果本以为是搞图像的，后来发现其实是打游戏的。

他其实一直对多个方向有浓厚兴趣。除了 AI，他也喜欢图形学和网络安全。在大学时，他曾和学长一起发现并修复了清华网的漏洞，使得本应收费十元的成绩单可以免费甚至一分钱下载。他修好 Bug 之后，还反馈给了教务部门。

图形学一度是他的最爱。他在图形学课程中投入了大量时间与情感，完成了一个几乎没有人敢尝试的 "16K 高清图渲染 " 大作业，并发明了一种加速迭代收敛的新算法，最终拿到了全班仅有的两个 A+ 之一。

但最终，他还是放弃了图形学。" 搞科研不能脚踏两条船 "，他做了取舍，选择了继续走强化学习的路。

05. 那些看似 " 折腾 " 的科研尝试，成了他走向 OpenAI 的 " 前传 "

自此，翁家翌开启了他的第一个科研项目：在一个上世纪 90 年代的游戏中训练神经网络，让智能体在固定地图里完成从出生点到终点的任务，包括杀怪、捡血包、避障、通关。

最终，他用强化学习方法拿下冠军。

尽管结果不错，他却坦言并不享受整个过程。" 这个环境太单一了，要疯狂地用技巧防止训练崩掉。即使不崩，你也不知道怎么调参才能保持。" 他说，"这种感觉就像‘炼丹’，这比 CV（计算机视觉）调参难十倍、一百倍，全靠 heuristics（启发式方法）。"

也正因此，他在大四有意识地将重心转向工具层面，尝试搭建一套面向强化学习的小型基础设施库。" 我非常擅长做软件工程的事，可以重构代码、优化用户体验。" 他说，" 但至于怎么调，那不是我想碰的东西。"

大三暑假，他曾前往蒙特利尔的 Mila 研究所交流实习。彼时他投出大量套磁信却迟迟没有回应，最终在清华导师的帮助下，才联系上实习机会。他回忆，那年是 2019 年夏天，正好是 Mila 创始人、本体研究所负责人 Yoshua Bengio 荣获图灵奖的几个月后，" 好在我是提前联系的，不然估计就进不去了。" 尽管进入的是 Bengio 所在的实验室，但他直接跟随的是一位 Postdoc，任务是尝试做一个类似 MoE（混合专家模型）的项目。

那是他第一次接触 Transformer 和语言建模。他花了很长时间上手，最终也只是 " 撮了一个东西出来 "，没什么效果。他回忆：" 要让这种东西 work，首先得有算力、有工程能力，还要能 scale up。当时就我一个人几块卡，哪怕方向对，也搞不出来。"

"NLP 的任务太分散了。" 他也观察到，当时很多人在尝试把 RL 用于训练语言模型，但 Transformer 容易在强化学习中崩塌，没人知道怎么让它不崩。

后来人们才发现，要让它 work，环境必须 " 纯 "，比如纯文本输入。

他坦言，当时对这些方向并没有清晰认知，只觉得处处受限。" 算力不够，认知也不够，哪怕有今天的理解，当时还是做不出来。"

大三暑假交流归来后，翁家翌开始准备出国深造的申请。但那段时间并不顺利。他坦言，状态其实 " 不太好 "。

眼看身边的同学纷纷进入 CMU、Stanford 等名校实验室，发出 ICLR、NeurIPS 等会议论文，而自己 " 什么都没有 "，落差感袭来。" 当时的话，我确实是有一点失望的，其实也花了一段时间来调整自己。后面觉得我一直以来应该都是想做一些让自己与众不同的事情。"

最终，他只申请上了硕士。" 当时确实有些失落 "，他说在清华，哪怕是国外的 PhD 和 Master，也会被视作天差地别。

翁家翌坦言，"我一直觉得，GPA 不是唯一的评价指标。你得创造自己的评价体系。" 他引用导师的标准：" 计算机系的三大指标：论文、比赛、GitHub 三位数以上的 Star。" 这句话影响了他很久，也让他意识到，除了刷成绩，还有很多 " 可见的价值 " 能让一个学生被世界看到。

本科期间，他努力在 " 尽可能少花时间 " 的前提下保持成绩刚好够用，" 够用就行，多一分都不想花时间。" 他会在期末前计算当前的 GPA，" 比如 87 分是 B+，那我就很满意了。"

不过，面对出国这个选择，他也并非完全独立于大环境之外。那是在 2019 年 12 月，他拿到 offer 时正值疫情。

06. 他用两个项目 " 做慈善 "：天授与 tuixue online，一炮而红

在申请季与疫情交叠的那段时间，翁家翌做了两个项目，一个叫 " 天授 "，一个是 "tuixue online"。他形容这两个项目都不是功利性的。

" 我不想发 paper，觉得没有意义。" 翁家翌坦言。对他来说，多一篇少一篇论文并没有意义。" 我申请已经够用了，比赛我也有了，GitHub 三位数 star 也勉强算有。我更想做一个正儿八经的、能被真正用起来的项目。"

" 天授 " 的起点，是不想再浪费时间 " 炼丹 "。2019 年底，他意识到强化学习（RL）领域的问题不在于算法本身，而在于实验平台。

他看了当时最主流的 RLlib 源代码，发现抽象极度复杂，几十万行代码几乎无法动手，干脆推倒重来。于是他在 2020 年春节假期开始自写一套 RL 实验平台，第一版两周就完成了。

不同于 RLlib 的 " 腐化 "，天授从设计伊始就追求极致的一致性（consistency）。翁家翌认为，天授 " 火 " 的核心在于真正抓住了科研用户的需求：一套简单、好改、稳定的框架。

另一个项目 "tuixue online"，则源自亲身需求。他急需一个实时爬虫工具来查询签证预约状态。" 于是，我就手撸了一个轻量爬虫，不然没办法。" 他说。同时，翁家翌也觉得很多人应该有这个需求，所以就开源了。

这个项目迅速传播，一开始就有一百多万点击，现在累积已经破千万。虽然最终因为美领馆升级系统而失效，他也没再维护，但这个 " 短命项目 " 完成了自己的使命。

他把这两个项目都称作 " 做慈善 "。" 完全 nonprofit（非盈利），这种慈善项目让我感觉非常满足过。"

当被问及这种 " 对 impact（影响力）的追求 " 是何时萌芽的，他回忆起高三时一个 " 灵光一现 " 的想法：" 如果人生是场游戏，结算分数就是死后还有多少人记得你的名字。"

翁家翌称，" 我觉得，你不可能对所有人都好，这个是很难做到的事情。但是，我可以尝试力所能及地对我身边的人好，做一些对大家有意义的事。"

07. 加入 OpenAI 之前，他已彻底想清楚：要工程，不要 " 炼丹 "

2020 年，翁家翌远程开始了 CMU 的硕士课程，因疫情一年都在家上网课。也正是在这段时期，他开始准备找工作。他一开始投了 18 家公司，仅收到 Google 和 AutoML（陈天奇团队）的 offer。" 我不想去 Google，在大厂当螺丝钉，然后做一些自己不是那么喜欢的事儿。"

在此之后，他继续投递并陆续拿到更多公司 offer，包括幻方量化、英伟达、TikTok，以及 Facebook AI Research（FAIR），其中幻方彼时正在筹建 AI Lab（后来成为 DeepSeek）。

他坦言，如果没有其他选择，可能就会加入幻方做强化学习 infra。但最终，他选择了 OpenAI。

这时距 OpenAI 尚未进入大众视野，ChatGPT 时刻还未来临。

他做出这个选择，更多是出于对强化学习和系统能力的认同。" 当时 OpenAI 和 DeepMind 是强化学习做得最好的两个 lab。"他想体验 " 世界最前沿的 research 是怎么做的 "，而不是留在几个 PhD 手搓的小作坊式科研环境里。他想学的是工业级科研的方法论。

他最终进入了 OpenAI 的强化学习组，由 John Schulman（OpenAI 联合创始人之一）亲自招入。" 是他亲自面试的我。我很感激他给了我机会。他离职那天，我难过了一整个下午，把电脑都关了。"

面试中，John Schulman 只给了两个人同一道工程题目，一个是翁家翌，另一个是 Codex 项目的关键成员 Andrey Mishchenko。" 那是一道端到端的题，很开放，他给了我 3 小时，我两个小时就写完了，现场还修好了一个 bug。"

他猜测，John 看重的是他的工程能力，"Schulman 说我的 GitHub 主页很‘漂亮’，他应该也认可我这个评价体系。"

谈及是否考虑过读 PhD，翁家翌说从未认真想过。"如果想进工业界，读 PhD 其实是在浪费生命。" 他说：" 你完全可以以 master 为跳板，然后来凑够 PhD 进工业界的标准。能够让对方挑选 master 的你，而不是另外一个 PhD。我觉得是想清楚差异化，这个是很关键的。"

PhD 的训练是让你擅长讲故事、写 paper、画图，而工业界要的是快速迭代和系统正确性。他说，自己的一位 OpenAI 同事也曾是强化学习方向的 PhD，后来开发了一个很出名的 RL 框架。这位同事总结过一句话，让他印象深刻："教一个 researcher 如何做好 engineering，比教一个 engineer 如何做好 research 难得多。"

在翁家翌看来，研究的价值在于验证，而验证的关键是infrastructure。只要基础系统正确、超参合理、迭代效率高，就能快速筛选出有效想法。而 "idea is cheap"，真正稀缺的是验证的效率和质量。

" 每家 infrastructure 都有不同程度的 bug，谁修的 bug 多，谁的模型性能就越好。" 他直言不讳地说，自己没兴趣再做调参式的研究了，" 我更愿意卖铲子。"

翁家翌的想法是：把 infra 地基打好，让别人去玩，让别人去发 paper，也许还能带上挂名。

08.OpenAI 还 "Open" 吗？从 AGI 定义到组织焦虑，翁家翌给出答案

在翁家翌看来，"Agent" 和 " 强化学习的 post-training" 之间没有本质差别。" 它们本质上是一个东西，只是中间多了几步交互。" 他认为，在技术路径上，环境变化是主要区别，但并不构成新挑战。

谈及 AGI 的定义，他并不认同有统一标准。"OpenAI 内部你抓 15 个人，可能有 20 种定义 AGI 的方法。"他自己的定义是：" 如果它能完成 80%、90% 我认为有意义的任务，那它可能就是是 AGI 了。"

而当前他日常负责的代码上，尚无法放心交给模型修改。翁家翌称，"AI infra 的数据集覆盖极低，成本太高了，目前还触及不到这块。"

在被问及是否担忧自己被 AI 取代时，他认为每个人往往会过度反应，" 但实际上不会这样的，它是个很慢的、循序渐进的过程。"

翁家翌自称热爱开源，但也非常清楚这背后的权衡。"你没法直接把最好的模型开源，因为公司要生存。" 开源与公司生存之间是不可避免的取舍，尤其在资源密集型的模型研发阶段，必须保障资本输血与商业可持续。

在他看来，OpenAI 的 "Open" 战略并不意味着对所有同行开放，而是尽可能以低门槛的方式让普通人用上强大工具。" 比如 ChatGPT 有免费版本，还有语音模式体验，这样可能是更有利于‘造福全人类’，而不是直接开源。你给出裸的模型权重，普通人也不知道怎么用。"

对于外界关于 "OpenAI 已不 Open" 的批评，他回应：理论上可以做到开源和社区反馈，但现实很难。你一开源，别人就立刻闭源压你，导致你融不到钱，没法继续实验。

他也坦言，如果公司资源不受限，" 我当然会很开心地开源 RL Infra 团队这两三年的成果。

被问到 OpenAI 实现 AGI 的最大挑战，他用一个词概括：" 执行。" 在他看来，" 只要组织能在正确方向上稳定执行，就足够了。" 他坦言，" 就比如说差点倒闭那次，只要别再那样就好。"

对于 Sam Altman 那场风波，他回忆称：" 董事会对 Sam 的不信任投票，把他赶了出去。" 但底层员工的反应是 " 震惊 "，因为对他们来说，董事会之前对内部几乎没有透明度，" 我们也不知道这个决策是怎么做的 "。

他还提到，OpenAI 最终支持 Sam 回归，是因为 "纯技术出身的人并不一定能撑起整个 AI 公司"。" 你需要一个能搞钱、搞算力、搞资源的人，不是只有很好的研究经验就行。"

他将 Sam 抽象成一个 "identity（精神符号）"，并说：" 如果你试图用 AI 来替代这个 identity，别人对它的认同就会缺失。"

他并不避讳团队流失的问题。对于人才流动，他的态度是：" 一个健康的组织，所有人都是可以被替代的。" 只要有造血能力，培养新人，OpenAI 就能持续运转。

但他也承认，OpenAI 并非在所有关键指标上都处于全球领先，比如在 infra 迭代速度上。

" 比如 DeepSeek 那波声称迭代很快，这确实让内部很多人警觉。" 他提到，这也是重构一版 Infra 的原因，Infra 的迭代是 OpenAI 生死线，" 我们早就不做为了刷榜而做的事了。"

他还解释说，大公司结构复杂、use case（应用场景）众多，难免影响效率。相比之下，" 一个初创团队集中做一个方向，斜率肯定高。" 他补充道：" 所有公司做大了都会变慢，看哪个‘没那么差’而已。"

他也提出一个设想：一个拥有无限上下文记忆能力的 AI Agent，或许才是最合适的 CEO。

现在的组织臃肿、context 共享不一致，是人类无法克服的限制，但 AI 可以。这样的 Agent 未来能解决管理的核心问题，承担起决策者角色。他说："人类的 context 是有限的，但 AI 可以。"

09. 如果 AI 真的能预测未来，人类该不该按下暂停键

在这段对话的最后，话题转向了一个更抽象的问题：如果让 AI 去解决一个世界难题，翁家翌最想做的是什么。他给出的答案是如何预测未来。

他坦言，"所有的东西都是可以被预测的，所以理论上它是可以用 AI 解决的。"

正因为如此，他反而认为，" 如果你能拿到一个能够预测未来的机器的话，那么对个人而言，其实是一个灾难，我觉得这会导致所有的价值体系的崩塌。"

他目前采取的应对方式，是 " 忘掉这一切 "，假装不知道世界是否确定，只专注于当下的体验与选择。

他也提出了一种解释：时间或许并非线性流动。未来的我，帮助过去的我来完成某些决策。

当话题回到现实，他对创业与未来的态度并不明朗。他并不否认创业的可能性，但明确称目前还没有看到足够好的想法，也认为 OpenAI 依然是一个值得留下的地方。

他更偏好有真实需求的产品，正如他过去做过的 " 天授 " 和 " 退学 online"。在他看来，" 技术不重要，重要的是就是抓住需求。"

谈到更长远的未来，他并没有给自己设定明确的终点。他希望十年后的自己，能够 " 做当时想做的事 "，有足够的资源与足够的能力。他仍然选择继续 "投资未来"，让他有选择的权利。

在播客的最后，翁家翌留下了一句答案。他坦言，" 我曾经一度想通了我自己想要什么，但是我其实还是没有那么想通，这个问题值得一生去思考。"