编辑 | 姜篇
布罗克曼：“A wave of entrepreneurship.”
布罗克曼：一轮创业浪潮即将出现。
程序员不一定先失业，可能先离开公司。
OpenAI总裁布罗克曼说，他已经看到一些从业者辞职创业。AI让一个人能够完成过去需要一支团队才能推进的工作，开发者对公司的依赖正在下降。
布罗克曼：“Setting goals and being accountable for outcomes.”
布罗克曼：由人设定目标，并对最终结果负责。
Agent可以写代码、跑测试、检查漏洞，甚至操作软件完成长期任务。程序员的工作会逐渐从亲手执行，转向决定做什么、怎样验收，以及失败后由谁负责。
布罗克曼：“Young people can develop much faster.”
布罗克曼：年轻人可以成长得更快。
他的判断是，AI接走基础工作后，新人可以更早参与真实业务。
同一场访谈里，布罗克曼还谈到了几个已经发生的变化：Codex用15分钟找出13项网站安全问题；Astra可以连续工作24小时；1万个Agent被同时投入一个数学问题；OpenAI还暂停了部分生产工程师原来的项目，让他们转去建设安全系统。
这些变化指向同一件事：AI对程序员的影响，不只体现在岗位数量上。公司会变小，团队会被重新分工，一部分开发者也会获得离开组织、独立完成产品的能力。
以下为访谈内容，我们进行了翻译与整理。
四分之一生产工程师被临时调去“守系统”
OpenAI最近经历过一次让内部高度紧张的安全事件。
布罗克曼在访谈中回忆，一款模型从受控环境中逃逸，随后进入了生产环境。团队没有把它当成一次普通Bug，而是立刻调整监控、沙箱和内部控制。
接着，OpenAI做了一个很重的组织决定。
布罗克曼：“原项目先停下来。你们现在负责防守，负责把安全架构提升一个等级，并用模型找出其中的漏洞。”
这里的“四分之一”，指OpenAI的生产工程师，不是全公司的四分之一，也不是宣布永久取消原有岗位。
但这个动作仍然说明了一件事：当模型获得浏览器、终端和生产工具后，安全不再只是上线前的一次审查。
模型能力每提高一截，工程团队都要重新检查权限、隔离和监控是否还挡得住它。
布罗克曼谈OpenAI暂停部分生产工程师的原项目，让他们转去升级安全架构
Agent接走执行流程以后，工程师的时间会更多落在目标、验收、风险和责任上
这比“AI会不会写代码”更接近开发团队眼下的问题。
代码生成更快以后，生产环境没有变简单。能够写出补丁的模型越多，团队越需要知道谁可以动哪些系统、修改完成后怎样验证、出错后由谁叫停。
Agent开始接管一整条工作流程
布罗克曼举了一个自己的例子。
他让Codex检查个人网站。大约15分钟后，Agent返回了13项安全发现。接下来它没有停在“给建议”这一步，而是进入Cloudflare控制台，配置安全响应头，把网站迁移到Pages，并安排48小时后的复查。
布罗克曼：“15分钟后，Codex带回了13项安全发现。接下来的45分钟里，它直接操作控制面板，把修复做完。”
Codex检查网站并返回13项安全发现
变化发生在扫描之后。
过去的AI通常只会告诉开发者“这里可能缺少安全头”。新的Agent会继续登录后台、修改配置、迁移服务，再为自己安排后续任务。一次对话里的建议，开始变成一条可以自行推进的工作流。
布罗克曼把电脑操作能力看得很重。
他认为，Agent能走多远，最终取决于工具和上下文。屏幕、键盘、鼠标是人类使用软件的通用接口，模型一旦学会这套接口，很多没有API的旧系统也会进入它的工作范围。
布罗克曼：“对Agent任务来说，关键会落到工具和上下文。它需要看见环境，也需要知道前面发生过什么。”
布罗克曼谈工具与上下文对Agent能力的影响
一个Agent不够，OpenAI开出一万名“数字研究员”
单个Agent能接手完整任务，下一步就是让大量Agent同时工作。
OpenAI在Navier-Stokes实验里运行了1万个并发Agent。不同小组沿着不同研究路线搜索，彼此交换线索，Codex再把有价值的结果收拢起来。
布罗克曼：“我们在Navier-Stokes问题上使用了一万个Agent。”
布罗克曼介绍OpenAI的一万个Agent并行实验
OpenAI公布的数据很大：约270万条Agent消息、约1300亿输出Token。系统在启动约88小时后形成了一套解法，随后又花17小时用Lean做形式化验证。
这项结果仍然需要外部研究者继续复核，不宜写成数学界已经毫无争议地“彻底解决”。它更适合被看成一次多Agent工程实验：一个人很难同时维护上万条推理路线，系统却可以把它们分组、并行，再集中筛选。
多Agent系统需要任务拆分、群组通信、结果汇总和独立验证
对软件团队来说，这套结构并不遥远。
难点会从“谁来亲手改完所有文件”，转向“怎样拆任务，怎样防止重复劳动，怎样判断哪个结果可信”。
程序员的生产力单位从代码变成任务
布罗克曼对长期Agent的描述，已经超出一次对话或一次代码生成。
布罗克曼：“Astra可以围绕长周期任务连贯工作24小时。能力还不均匀，但持续时间已经变了。”
布罗克曼介绍Astra连续工作24小时的能力
如果Agent只能工作五分钟，开发者可以把它当成更快的补全工具。它能够持续工作一天，任务的边界就会扩大到“迁完一个服务”“查清一次故障”“完成一轮安全加固”。
程序员交付的单位也会跟着变化。
过去常见的计量方式是提交、代码行和完成的工单。多Agent环境里，更重要的数字可能是：一次任务调用了多少Agent，有多少结果被丢弃，人工在哪一步接管，最终是否通过验收，以及上线后有没有引发回滚。
少敲键盘，不会让工程师自动变成管理者。新的工作很具体：把需求写成可以执行的边界，给Agent准备上下文和工具，再对结果做最后判断。
公司会先变小，岗位不会原样保留
布罗克曼预计，AI会带来一轮创业浪潮。
布罗克曼：“我们会看到一轮创业浪潮。很多人正在离开原来的岗位，因为这些工具让一个人能完成更多工作。”
布罗克曼认为AI工具会推动更多人离职创业
每个程序员都去独立创业并不现实，公司也不会就此消失。
更可能先发生的是，小团队能更早完成产品原型、基础设施和运营工具。过去需要前端、后端、测试和运维排队完成的第一版产品，可能由几个人加一组Agent跑出来。
分工还会存在，只是位置会变。当“做出第一版”越来越便宜，竞争会转向那些更难复制的部分：客户从哪里来，数据是否可靠，系统怎样进入真实业务，出了事故谁来承担损失。
对开发者来说，创业门槛降低是一面，岗位边界被压缩是另一面。
只承担明确执行任务的职位会先受到压力，能够把技术结果接到产品和业务的人更难被替换。
Agent接走基础任务后，新人靠什么成长
访谈里有一个听上去很乐观的判断。
布罗克曼：“如果AI接走基础工作，年轻人可以更早参与真正的业务，也可能成长得更快。”
图片
布罗克曼谈AI接走基础工作后年轻人的成长路径
问题在于，很多高级工程师正是从这些“基础工作”里长出来的。
如果Agent把这些环节全部做完，新人只看最后一张diff，很难知道模型试错了多少次，也不知道为什么某个看似更漂亮的方案不能上线。
团队需要主动重建学习路径。新人可以让Agent执行，但必须跟着一项任务走完问题确认、约束设置、执行记录、日志核对、上线和复盘。跳过手工劳动可以，不能把形成判断力的过程一起删掉。
安全团队只剩一个“防守窗口”
布罗克曼认为，强模型刚出现、能力还没有大范围扩散的这段时间，是防守方少有的准备窗口。
攻击者最终也会获得相似能力。等到漏洞发现、利用代码生成和自动攻击都被模型加速，安全团队再靠手工响应就来不及了。
OpenAI想建设的“防御工厂”，会在新能力出现后自动扫描系统，发现漏洞、判断优先级、生成修复、部署并再次验证。
布罗克曼：“整条链路要跑起来：发现、分级、修复、部署、验证。下一款模型发布时，再把新的能力接进来。”
布罗克曼描述持续运行的AI安全“防御工厂”
AI可以加快安全修复链，但权限边界、人工确认和回滚路径仍需提前建设
放进普通开发团队，这套做法可以从小处开始：让Agent持续检查依赖漏洞、权限变化和异常配置；每次修复必须带测试、执行记录和回滚方案；生产密钥、付款、删除数据和正式发布仍由人确认。
安全Agent要交付的结果，是把从发现到复测的时间压下来，而非再生成一份更长的报告。
目标和责任还在人的手里
主持人追问，Agent越来越强以后，人还剩下什么？
布罗克曼的回答没有停在“人类有创造力”这种宽泛表述。他提到两件更具体的事：人负责设定目标，也要对结果负责。
布罗克曼：“设定目标、对最终结果负责，这两件事仍然很根本。人的价值也从来不只是完成一项项任务。”
布罗克曼谈人类在目标设定和结果责任中的位置
这句话放进软件工程里很好理解。
Agent可以修改支付系统的幂等逻辑，产品团队仍要决定历史订单怎样补偿；它可以给数据库迁移脚本补测试，工程师仍要判断灰度范围和回滚条件；它可以把所有测试跑绿，却不知道某个业务风险是否值得接受。
模型会完成越来越多动作，责任链不会自动跟着转移。谁决定让Agent接触生产数据，谁批准上线，谁在异常时叫停，这些安排必须写进系统和流程里。
“AGI时代”已经到了，能力仍然参差不齐
布罗克曼在访谈中说，我们已经进入AGI时代。但他给“AGI”留了很大的解释空间。
布罗克曼：“AGI更像一段模糊的光谱，而不是某天突然跨过的一条线。”
他的依据来自任务持续时间和自主性：模型开始连续工作数小时甚至一天，可以记住上下文、使用工具并主动推进。但能力仍然“参差不齐”，某些任务很强，换个环境又会犯低级错误。
开发团队可以暂时放下“AGI到底算不算到来”这场争论。
更实用的判断是：在你自己的仓库里，Agent能够独立工作多久；它在哪些步骤会失去上下文；失败能否被测试、日志和权限系统及时拦住。
评论区：效率提高一百倍，还是一场AGI营销
一位从历史学转向3D建模和游戏开发的网友说，自己刚装Codex一周，部分流程已经快了100倍，还能做过去做不了的东西。
图片
YouTube网友分享使用Codex后的效率变化
另一位网友抓住了新人培养的矛盾：新人过去靠基础工作学习，AI接走基础工作以后，他们究竟从哪里获得经验？
图片
YouTube网友讽刺“跳过基础工作就能更快成长”的说法
布罗克曼宣布“AGI时代已经到来”，也引来了对利益关系的质疑。
图片
YouTube网友质疑AGI叙事与OpenAI自身利益的关系
还有人担心，安全会不会变成限制普通人使用能力的理由，而少数机构继续掌握最强模型。
YouTube网友质疑前沿模型能力和安全权力是否会集中在少数机构
写在最后
“AGI时代来了”很适合做传播，OpenAI内部已经发生的组织变化更值得看。
更具体的信号已经出现在OpenAI内部：四分之一生产工程师可以被临时调去建设安全系统，一个Agent能够在网站后台连续执行一整条任务，一万个Agent可以围绕同一问题并行搜索。
程序员不会在某个早晨集体消失，岗位也很难原样保留。重复执行会继续交给Agent，任务拆分、上下文准备、结果验证、安全控制和事故责任会占据更多时间。
下一阶段的工程师，不能只证明自己比模型写得快。他要让一组能力不稳定、权限各不相同的Agent，在真实系统里完成工作，同时知道什么时候该停下来。
