OpenAI总裁兼共同创办人布罗克曼（Greg Brockman）在Astra正式发布前接受科技策略网站Stratechery专访时表示，OpenAI或已进入AGI时代。Astra是OpenAI首款使用超过10万颗GPU完成训练的模型，训练规模创下公司纪录。

布罗克曼并指出，Astra在「电脑使用」能力上已跨过重要应用门槛，使AI不再需要依赖各个软体单独提供API或连接器，而是能直接操作各类软体。

这项能力也让OpenAI内部开始重新思考过去为AI建立的大量「技能」与操作规范。

布罗克曼表示，Astra首次在超过10万颗GPU的规模上完成训练。对OpenAI而言，如此庞大的算力部署不只是模型能力提升的象征，同时也是一项工程挑战。

他指出，大量算力同样投入安全与对齐工作，Astra也是OpenAI迄今对齐程度最高的模型。随着AI能力持续增强，安全性与对齐的重要性也同步提高，已成为模型开发不可忽视的核心工作。

AI从「连接器时代」走向直接操作软体

布罗克曼认为，Astra其中一项重要突破在于「电脑使用」能力。

他指出，过去两年AI应用很大程度上处于「连接器时代」。由于AI无法直接使用人类日常操作的各种软体，开发者往往必须针对不同软体打造连接器，透过API让AI取得操作权限；但部分软体根本没有API，也因此难以纳入AI工作流程。

如今，随着模型具备直接操作电脑的能力，这项限制开始松动。布罗克曼将其形容为接近「万用连接器」的技术，AI不再只能在预先限定的环境中执行任务，而能进一步操作更多软体。

这项变化已开始影响OpenAI内部的工作方式。布罗克曼认为，这类能力未来也可能提升企业及个人的工作效率。

不过，他也强调，能够操作电脑并不代表所有问题都已解决。企业仍需要建立相应的安全护栏，包括监督、管理、追踪及可观测性等机制。

布罗克曼：OpenAI「已进入AGI时代」

谈到人工通用智慧（AGI），布罗克曼给出相当积极的判断。他认为，OpenAI可能在前一代模型、Astra或下一代模型中的某个阶段，跨过多数人对AGI的认定门槛。

他甚至表示，从某种角度来看，OpenAI「现在已经进入AGI时代」。

在布罗克曼看来，AI进入这一阶段后，能力、安全与对齐不应被视为彼此取舍的选项，而必须同时推进。这些因素如今也逐渐成为AI开发过程中的关键瓶颈。

AI能力超越既有规范　过去建立的「技能」反成限制

Astra的训练过程也让OpenAI重新检视过去为模型建立的操作规范。

布罗克曼透露，OpenAI今年投入大量时间打造的部分「技能」，原本是为了示范模型在公司内部处理工作的正确方式，但随着模型能力提高，这些规范有时反而拖累模型表现。

他表示，Astra已经能够比既有规范更有效地泛化，甚至找到比人类预先设计的方法更好的处理方式。原本用于辅助模型学习的「技能脚手架」，在模型能力提升后，反而可能成为限制。

ChatGPT用户规模成OpenAI长期「投资」

对于ChatGPT庞大的消费者用户群是否会让OpenAI分散资源，布罗克曼则将其视为长期投资。

他指出，美国约有三分之一人口每周使用ChatGPT，这种普及程度在先进科技产品中相当罕见。布罗克曼认为，大量消费者使用所累积的价值，将在未来模型能力进一步提升时发挥作用。

不过，他也承认，单纯以聊天形式呈现AI，未必能让使用者充分感受到模型能力提升所带来的变化。

因此，OpenAI希望进一步整合消费者与企业应用，最终打造单一AGI系统，而非分别开发两套技术架构。

他也特别强调了健康领域的布局，称「每周有3亿人透过ChatGPT进行健康查询，3亿人，这是一个巨大的数字。」

让AI反过来检查OpenAI　直接寻找系统漏洞

安全性也是此次访谈的重要议题。布罗克曼透露，OpenAI已开始让Astra直接检查自家系统，寻找可能存在的安全漏洞。

他表示，Astra不只是分析程式码，而是从端到端的角度检视系统实际运作方式，找出经过验证的漏洞，并协助OpenAI进行修补。

至于先前Hugging Face安全事件，布罗克曼坦承，OpenAI在防御准备及应对速度方面仍存在不足。他也表示，随着模型能力提高，现在已到了需要更加重视这类风险的阶段。

自研Jalapeño晶片　布罗克曼：不是要取代辉达

在AI算力与晶片布局方面，布罗克曼也谈到OpenAI自研Jalapeño晶片计划。

他强调，辉达(NVDA-US) 仍是OpenAI首要的计算合作伙伴，双方合作不会因OpenAI发展自有晶片而改变，反而持续深化。

布罗克曼认为，自研晶片所累积的内部专业能力与辉达的合作并非互相取代，而是能产生「乘法效应」。

他并透露，在Jalapeño晶片开发进入最后一个月、面临期限压力时，团队曾直接让AI执行最佳化工作。事后检视AI提出的方案时，发现其中包含大量原本已列入待办清单、但团队自身一直没有实际执行的最佳化项目。

这也成为OpenAI观察AI参与晶片设计能力的一项实际案例。