本文共4854字
他曾是OpenAI的首席研究官，亲历了从GPT-3到ChatGPT的整个技术革命进程。
在OpenAI最关键的发展阶段，他不仅见证了AI如何从实验室走向千家万户，更深度参与了这场改变世界的技术变革。
如今，作为独立观察者的鲍勃·麦格鲁，对AI的未来发展、编程领域的变革、下一代的教育，以及如何管理顶尖技术团队，都有着独到而深刻的见解。
在这场与红杉资本的对谈中，麦格鲁分享了他对编程未来形态的预判——AI代理与人类程序员将长期共存；回顾了OpenAI独特的“技术团队成员”文化如何打破研究与工程的壁垒。
更重要的是，作为一位八岁孩子的父亲，他展现了如何在AI时代培养下一代的实用智慧。
从Arduino项目到硬币收藏，从日常的深度研究到团队管理哲学，这位AI领域的核心参与者，正在用自己的经历诠释着人与AI共存的理想状态。
核心要点：
1.编程工作会变成人机合作——AI处理具体任务，人类专注创意设计
2.OpenAI用统一的“技术团队成员”头衔，打破了研究员和工程师的等级区分
3.教育应该重点培养学习能力和独立解决问题的能力，而不是教具体技能
4.AI应该帮助人们成为某个领域的专家，而不是替代人的思考
5.管理优秀人才的关键是建立信任关系，真正关心他们的成长
6.团队合作的要点是了解每个人的需求，实现共赢
7.AI让网络威胁更严重，但也让防御手段更强大
8.深度研究和AI助手已经成为工作中必不可少的工具
鲍勃·麦格鲁（Bob McGrew）
OpenAI前首席研究官（图左）
斯蒂芬妮·詹（Stephanie Zhan）
现任红杉资本合伙人（图中）
桑娅·黄（Sonya Huang）
现任红杉资本合伙人（图右）
1
AI编程将长期是“人机混合”模式
红杉资本：感觉软件工程刚刚经历了一个快速起飞的时刻。仅从变化速度来判断，市场中至少有一部分人认为超级智能起飞的可能性比之前想象的要高得多。
你怎么看编程领域发生的变化？
鲍勃·麦格鲁：一方面，编程确实发展得很快。但另一方面，早在2020年1月，我们一看到GPT-3，就启动了训练GPT-3编程的项目。
当你看指数曲线时，实际上进展速度一直是一样的，但当突破某个临界点时，这种进展的影响会变得非常非线性。这就是过去几年编程领域发生的事情。
我认为编程未来会是一种混合模式：在IDE（集成开发环境）中与用户一起的传统编程方式，就像Cursor（AI编程助手）那样，以及在后台作为AI代理进行编程，像Devin（AI软件工程师）那样。
这种情况会持续很长时间——在AI采用方面，一两年已经算很长时间了。
比如“氛围编程”（vibe coding），产品经理可以用它创造非常酷的原型和演示，用来获取用户反馈。
但之后这些东西会被丢弃，然后由专业软件工程师重新构建。
因为如果你得到一个你无法理解的代码库，这是经典的软件工程问题——这是负债还是资产？
经典答案是这是负债。你必须维护这个东西，但你不知道它如何工作，没人知道。这很糟糕。通常答案是从头重写实际上更便宜。
我们还没有让AI代理来理解代码库的舒适方式。我认为这个负债已经减少了，但仍然是净负债。
你需要人类来进行设计，从高层次理解代码库，以便当项目变得过于复杂、AI无法理解时，人类可以进行问题分解，将其分解成足够小的问题让AI处理。
红杉资本：你提到了一个有趣的区分——一边是能自主处理任务的AI代理软件工程师，另一边是在IDE中借助AI编程的人类程序员。能详细解释一下吗？
鲍勃·麦格鲁：我认为这已经是一个连续谱了。AI代理软件工程师能做的事情是：修复错误、代码重构等需要相对较少品味且结果明确的事情。
另一个很好的用例是将COBOL软件翻译成Python。当你正确完成时，结果非常明确，但这是大量繁重的工作，非常无聊，你找不到聪明人愿意来做这件事并做好。
另一方面，如果你在做需要大量品味判断的事情，每个实现细节都可能产生连锁反应——可能会暗中影响系统性能，可能会影响用户界面的后续发展方向，甚至需要重新设计系统的底层架构。
这些工作目前只能依靠人类的判断来完成。
我觉得很有意思的是：有没有足够详细的规范或架构图，让AI代理为我们编写，这样当你将工作从一个代理转移到另一个代理时——甚至可能是第二天使用不同上下文的同一个代理——它能真正在代码库上取得进展。
这些是我希望在未来几年看到答案的问题。
2
为什么OpenAI不区分
工程师和研究员？
红杉资本：为什么OpenAI叫“member of the technical staff”（技术团队成员）？
鲍勃·麦格鲁：这是个好问题。很长时间以来，甚至在我加入OpenAI之前就是这样了。我相信这是格雷格·布罗克曼（OpenAI联合创始人）的想法。
我们真的希望工程师和研究人员之间没有区别。
如果你看经典实验室，比如谷歌大脑（很多OpenAI创始人来自那里）甚至可能现在仍然存在很大区别：你是否有博士学位并且是研究人员，还是你是软件工程师，负责数据和实现。
这很糟糕，因为研究人员觉得他们不能亲自动手写数据代码或实现代码。但如果你不写代码，就无法理解研究中的系统方面。
想想是什么让亚历克·拉德福德成为天才研究员——每次他做事情时，都会仔细观察数据并思考这些数据的可能性。
他从一开始就编写自己的数据抓取代码。
如果你想要一个真正了解整个技术栈的人，保罗·格雷厄姆有一个关于绘画的精彩比喻：介质的阻力决定了你能创作出的绘画类型。
研究非常像那样，是一项艺术性的努力，研究人员本身也是艺术家，应该像艺术家一样行事。
通过不做这种区分，仅仅将所有人称为技术团队成员，我们能够创造一个更加公平的竞争环境。
后来这真的派上了用场——当我们有那些没有博士学位的人时。
OpenAI的许多优秀研究人员，比如Aditya Ramesh、Alec Radford，他们中许多人都没有博士学位，实际上是在OpenAI工作时学会了这门技艺。
3
AI应该让孩子成为“想做事情的专家”
红杉资本：萨姆·奥特曼最近在AI峰会上说了个有趣的观察：不同年龄段使用ChatGPT的方式不同。
老年人把它当谷歌替代品，20-30岁的人当人生教练，高中及以下学生当操作系统。
你周围的人如何使用ChatGPT？你如何让孩子使用ChatGPT？
鲍勃·麦格鲁：让我们想想那个“操作系统”的说法。
从最高层面看，ChatGPT的总市场是所有需要思考或行动、但你不想自己做的用户意图。
任何你希望被完成但不必亲自做的事情，都可能用AI来做。
这有一个版本听起来很可怕——人们什么都不为自己做了，出现“去技能化”，没人学习做困难的事情，我们都变成僵尸看着VR头显。
但我不认为那是人们真正想要的AI，也不是我想要的与AI的关系，也不是我现在看到人们在做的。
部分原因是ChatGPT作为操作系统的技术还不存在——众所周知，你无法用ChatGPT控制iPhone。但这也不是人们想要的。
我在我儿子身上看到了这一点。他八岁，从很小就开始使用ChatGPT。
我以前让他在模型公开发布前进行测试，他总是给出不错的反馈。
他花很多时间使用ChatGPT，但他知道这不是他的朋友，不是他的伙伴。
它是一位专家，一个他可以交谈的人，向他解释事情。如果你八岁，有个人能正确、详细且有耐心地解释事情，这非常宝贵。
他有好奇心，有热情。有一天，他决定成为硬币收藏家。
于是他收集了家里所有硬币，筛选出所有1970年以前的，去ChatGPT拍照并对每枚硬币提问：“这值多少钱？什么会让它更值钱？我如何测试？什么是铸币标记？”
这些事情我小时候可能也能学到，也许有书籍、杂志，也许我能查百科全书。
但现在所有这些都如此容易获取，对八岁孩子也很容易理解。
当我们去度假时，带他去了钱币店。店员们对这个八岁孩子知道这么多感到震惊。
他问的非常详细：“给我看看你所有的硬币。不，我不想要那个。我想要一个有旧金山铸币标记的。我想要今年的那枚。这一年它们都是用银制成的。”
钱币店老板非常惊讶，他从来没见过这种层次的孩子，至少以前没有。
我认为这就是我们想要的AI——AI应该让你成为想做事情的专家，应该消除做你不想做的枯燥事情的负担。
红杉资本：关于下一代，你还有哪些方式来准备他们应对AI将带来的能力？
鲍勃·麦格鲁：这是个非常难的问题。对于任何特定领域，你应该教儿子编程吗？
我想着我的八岁孩子，我女儿在写作文，我大儿子对数学很兴奋。所有这些事情都将被自动化。
所以显然不是某种特定技能需要教给他们。我想让孩子们真正明白两件事：
第一是学习和解决问题的过程。这就是数学、作文写作和编程的价值——这种学会学习的过程。
第二是拥有想法和项目，以及相信自己能做到的信念，以及利用手头任何工具来解决问题的能力。这就是自主性。
这就是我认为现在让孩子使用AI的正确方式。总是有取舍。
我八岁的孩子用ChatGPT做很多事情，但我不让他用它编程，因为他正在学习编程。
如果他发现不用它也能编程，那对他来说完成那项工作会非常困难。
我不让其他孩子用它做作业。但我希望他们掌握基础，一旦他们理解了更底层的内容，就能用它来扩展能力。
上周他决定做一个项目，让即将来访的祖父母可以按按钮，在另一个房间响起蜂鸣器，然后他可以去送早餐到床上。
他向ChatGPT求助。它说需要跳线、两块Arduino开发板等。他问了很多问题，让它给我们一份亚马逊购买链接。
我检查确保他不会被电到，在亚马逊上给他买了这些物品。
现在我们在组装它。我的做法是让他自己组装，能做多少就做多少。我来安装软件，因为他的电脑被限制了。这将是他的项目。
这太棒了——我们八岁时都无法做到这一点。他在这个过程中学到了很多。
不只是他把所有东西都外包给ChatGPT，现在他理解了Arduino是什么，电路板是什么，按下这个引脚会发生什么。
如果回想过去，你想做这个项目，这里有本Arduino的书，你得自己写代码。
我应该做什么样的电路板？我甚至不知道怎么做。这个项目可能就会无疾而终。
教育理论中有个常识：当有人提出问题时，那就是他们准备好学习的时候。
值得脱离脚本来回答他们的问题，因为你在为他们提供巨大帮助。
现在你有了这种能力——在你心理上准备好的时候随时获得问题的答案，而不是当你疲惫、在学校、想着其他事情时，恰恰在你真正想知道答案的时候。
4
忠诚度是打开一切的钥匙
红杉资本：你在日常生活中还如何使用AI？ChatGPT、深度研究、Howie AI安排日程，也许还有自动驾驶？
鲍勃·麦格鲁：我现在基本上只用O3。一旦你使用了好模型，很难再回到以前。
我觉得我可能能用Gemini 2.5，听说它非常好。但正如我们讨论过的，如果足够好，为什么还要换呢？
我每周进行五次深度研究，非常有帮助。我认为即使有一次它为你节省几小时工作，就足以弥补成本。
红杉资本：你用深度研究做什么？
鲍勃·麦格鲁：各种事情。一种是我和孩子们一起尝试解决某个以前没人问过的问题。
比如：当木材被压缩时会发生什么？一开始是弹性压缩，然后开始变形，再进一步就变成钻石，再进一步就变成黑洞。
但实际上有大约十二个步骤。这是个非常有趣的话题。
这种事情15年前可能会成为XKCD漫画，需要他几周时间才能弄明白。现在你可以在几秒钟内得到答案。
另外，当我思考新领域或新创业机会时也会用到。如果我对机器人感兴趣，就告诉我关于特定公司或特定市场的一切。
我还用AI助手安排日程，这很棒。我现在是独自工作，可以雇助手，但自己做更有趣。
但日程安排很无聊，能够抄送AI代理让它帮我安排非常愉快。
红杉资本：想听听你管理OpenAI研究组织的经验。这是一群极其聪明、有创造力的人。你有哪些管理这样组织的经验教训？
鲍勃·麦格鲁：这听起来可能无聊，但作为管理者，你必须做的核心事情是真正关心你管理的人。
很多时候作为管理者，你的日常工作是协调、帮助人们理解事情，忠诚度并不那么重要。
但有时你必须要求某人做困难的事情。
职业生涯早期，这可能是要求某人周日来上班。但后来，是要求他们放弃真正关心的项目交给别人，或者分享他们知道靠自己就能取得的研究突破的荣誉。
我从在Palantir与Alex Carp合作中学到：非常有才华的人有超能力，但也有令人不堪的弱点。
对于那些处于能力边缘的人，他们往往甚至不了解自己的弱点，但对周围的人来说再明显不过了。
在这样的能力水平上，当人们失败时，几乎总是自我毁灭的形式——有一个他们本可以做出的选择。
当某人以不好的方式做出改变职业的决定时，几乎总是因为他们必须做一件对他们来说非常困难的事情，必须面对对他们来说极其可怕但对其他人来说显然是正确答案的事情。
如果作为管理者，人们知道你只为自己的利益着想，当你让他们做某件事时，他们不会信任你。
但如果他们知道你在为他们着想，那么当你让他们做对他们来说非常困难且极其可怕的事情时，有时你可以帮助他们跨越障碍，解决问题，防止他们做真正愚蠢的事情。
即使解雇员工我也坚持这个标准。
如果他们无法胜任这个职位，我已经投入足够时间确认他们不会成功，那么告诉他们没有成功并给他们机会找其他地方，符合他们自身利益。
忠诚最终是我认为能打开管理中其他一切的钥匙。
红杉资本：研究实验室与工程文化很不同，你如何让高水平的研究人员拥抱合作？
鲍勃·麦格鲁：这非常困难。这是研究实验室与工程文化的一个重要区别。
工程文化中，大家都在一起构建一个产品是基本假设。
但研究往往来自学术界，有着负面文化——谁是PI（主要研究者），谁是第一作者，谁是最后作者，中间的其他人都不重要。
我们在这方面挣扎了很久，没有唯一答案。我们尝试过一种方法，有一段时间效果不错：发表论文时让OpenAI作为第一作者，这样就不会有第一作者之争。
最终，关键是当你与人合作时，理解他们想要什么。
你必须找到方法给他们想要的东西，让他们做想做的事，创造他们试图创造的艺术，同时让其他所有人也能这样做，并且所有事物最终合为一个整体。
#科创前沿#每日天使
本文内容整理自Bob McGrew在《Sequoia Capital》频道专访，公开发表于2025年06月17日。
编译、整理 / 彭昕然
编务 / 彭昕然
责编 / 梅浩宇
主编 / 张克侠
