From Gatekept to Frontier Labs 深度访谈

开场介绍 Jay Jung 的背景：他曾在 Meta、Microsoft、AWS 等公司参与大规模基础设施和产品建设，如今在 OpenAI 负责 GTM Innovation Labs。访谈先抛出几个核心议题，包括是否还需要学习编程、AI 是否会让大量应用消失、SaaS 的未来如何变化，以及工作是否会变得可选。主持人也说明频道关注创始人故事，希望通过真实经历帮助创业者学习。

Jay 说明自己在 OpenAI 领导 GTM Innovation Labs，团队的任务是从零到一构建有黏性的产品，先观察哪些产品真正被用户采用，再将成功方案扩大规模。目前主要服务内部用户，但外部用户也是重要机会。他提到 DocuGPT 是较公开的产品案例，并介绍 OpenAI and OpenAI 博客记录了过去一年团队构建的多项服务。主持人指出公开内容只是部分图景，并引出“用 OpenAI 构建 OpenAI”的经验问题。

Jay 总结在 OpenAI 内部构建 AI 产品的最大学习是“理解用户”。由于团队运行速度极快，是否处在前沿并不只取决于技术，而是取决于用户真实反馈。他认为工程师越能面向用户，越能看到从问题到产品效果的完整链路。团队的工作方式是先听用户，迅速做出 V0，再基于反馈迭代。同时，他们用自己构建的 AI 工具继续改进新工具，形成递归式提升循环。

Jay 表示自己加入 OpenAI 后才真正成为 Codex 的重度用户，并发现它已成为生成代码和开发应用的重要方式。随着模型能力提升，特别是他提到更快的 5.3 与 Spark 组合，他能把早晨想到的想法通过一个 prompt 变成基础版甚至完整可运行产品。团队也在构建并内部使用 GTM assistant、inbound sales assistant、DocuGPT 等工具，让数百名用户测试产品，再用这些工具继续提升工作流效率。

围绕 DocuGPT，Jay 说明该项目由 OpenAI and OpenAI 中的相关团队协作完成，发布当天 DocuSign 股价下跌约 12%，一周内跌幅达到 17% 到 18%，但他也谨慎表示不能确定直接因果关系。他认为这体现出许多公司对前沿实验室的担忧：模型之上的一个衍生功能，可能正好是某些 SaaS 公司的核心原语。谈到 SaaS 是否会被 AI 吃掉，他没有给出确定答案，但认为 SaaS 的构建方式、消费方式和 AI native 转型都会持续变化。

Jay 讨论未来工作形态时呼应一些创始人的观点，认为工作可能会变得可选。随着 AI 和机器人技术持续进步，许多可自动化的工作都会被自动化，尤其是在 AGI 或超级智能之后。他把“未来的工作可能是没有工作”视为激进但可能发生的状态。对于社会影响，他保持乐观，认为人们将拥有更多灵活性，可以把时间投入绘画、学习或真正想做的事；即使不工作，人类仍会需要连接、保持好奇并继续推动创新。

主持人追问在工作形态变化下，想进入科技行业的人应如何准备。Jay 承认自己一年前会坚定建议学习编程，但现在已经修正这一判断，因为他自己已经很久没有亲手写代码，而 AI 自动化构建的速度超出预期。他认为答案不再是人人必须成为软件工程师，而是要对 AI 保持好奇，理解其底层机制，比如后训练、Transformer、论文内容等。这种理解不只适用于工程师，也会影响产品经理、机械师等各类职业。

在讨论 AI 编程技能时，Jay 认为优秀的使用者不只是会写 prompt，还要理解 AI 如何处理大功能请求和小修复。他用“普通司机”和“会修车的司机”作比喻：日常使用可能差别不大，但当系统出问题或需要提升性能时，懂机制的人更有优势。对应到软件开发，理解代码从高层到中层的结构，知道提示词可能如何影响代码路径、方法调用和 API 使用，能帮助人提出更好的 prompt 并构建更好的产品。最后他提到 OpenAI 生态中的 skills 和 apps SDK，认为它们能提升个性化与应用集成能力。