清華學(xué)霸翁家翌：拒絕DeepSeek，到OpenAI去

出品｜搜狐科技

作者｜常博碩

編輯| 楊 錦

“如果人生是一場游戲，那我的游戲結(jié)算分數(shù)是記得我名字的人的數(shù)量?！?/p>

做更有意義的事，讓更多人記得他的名字，這是翁家翌從高中時代以來的夢想。

近日，ChatGPT背后的一位中國工程師翁家翌在AI播客WhynotTV Podcast中亮相，并首次講述了自己從清華少年到OpenAI基礎(chǔ)設(shè)施工程骨干的經(jīng)歷。

2020年，翁家翌在清華大學(xué)計算機科學(xué)與技術(shù)系獲得本科學(xué)位，隨后，在卡內(nèi)基梅隆大學(xué)碩士畢業(yè)后，2022年，翁家翌加入OpenAI任研究工程師。

在OpenAI期間，翁家翌的名字出現(xiàn)在了從ChatGPT到GPT-4o再到GPT-5的幾乎每一次重大模型發(fā)布的貢獻者名單中。他的核心貢獻可以總結(jié)為三個關(guān)鍵詞：強化學(xué)習(xí)（RL）、后訓(xùn)練（Post-training）以及Infra(基礎(chǔ)設(shè)施)。

在清華“做慈善”

在清華，翁家翌第一次清晰地意識到“信息差”這件事。

“我不覺得信息差是一件值得被保護的東西?！庇谑?，在崇尚內(nèi)卷和競爭的環(huán)境里，翁家翌做了一件在當(dāng)時并不“討老師喜歡的事”。他把自己所有搜集到的作業(yè)、代碼、學(xué)習(xí)資料，幾乎原封不動地開源到GitHub。

“你現(xiàn)在去清華隨便抓個計算機系的學(xué)弟，問認不認識捐樓的人，他們大概率不認識，但你問他認不認識翁家翌，他應(yīng)該認識。因為畢竟大家都看我的作業(yè)?！?/p>

在清華，信息差往往被當(dāng)作一種生存資源，但是他卻覺得，每個人都應(yīng)該平等的擁有信息。

“我不想讓后人重蹈覆轍，經(jīng)常疲于奔命。因為很多人不是很擅長搜集東西，但是他其實是很有能力的。如果能夠給這些人一個信息平權(quán)的機會，那他可能會活得更好。我當(dāng)時覺得如果把自己的作業(yè)開源的話，可能會幫更多學(xué)弟學(xué)妹擁有更多自己的時間去做他們更想做的事情?！?/p>

這種信息平權(quán)與開源的理念后來一直影響著他的生活。

大二那年，他進入朱軍老師的實驗室。在貝葉斯、GAN（生成式對抗網(wǎng)絡(luò)）、強化學(xué)習(xí)三個方向里選了強化學(xué)習(xí)，“我當(dāng)時其實不知道它們分別是什么，以為強化學(xué)習(xí)是搞圖像的?！?/p>

翁家翌坦言，圖形學(xué)曾是他最感興趣的，他在圖形學(xué)課程甚至完成了一個16K高清圖渲染大作業(yè)，并發(fā)明了一種加速迭代收斂的新算法，最終拿到了全班僅有的兩個A+之一。

但他還是做了取舍。“搞科研不能腳踏兩條船”，他最終選擇了繼續(xù)走強化學(xué)習(xí)的路。

他的第一個科研項目是在一個上世紀(jì)90年代的游戲中訓(xùn)練神經(jīng)網(wǎng)絡(luò)，讓智能體在固定地圖里完成從出生點到終點的任務(wù)，包括殺怪、撿血包、避障、通關(guān)。雖然最終他用強化學(xué)習(xí)方法拿下冠軍，但卻意識到自己并不享受整個過程。

他將強化學(xué)習(xí)研究稱為“煉丹”，因為研究者往往需要花費數(shù)周時間在黑盒般的算法中反復(fù)調(diào)試超參數(shù)。這種痛苦的經(jīng)歷讓他意識到，當(dāng)時的強化學(xué)習(xí)研究高度依賴啟發(fā)式（Heuristic）方法，且環(huán)境單一、算力匱乏，極難實現(xiàn)規(guī)模化（Scale up）。

也正因此，他開始有意識地將重心轉(zhuǎn)向工具層面：“我非常擅長做軟件工程的事，可以重構(gòu)代碼、優(yōu)化用戶體驗。至于怎么調(diào)，那不是我想碰的東西?！?/p>

在進入OpenAI之前，當(dāng)時業(yè)界主流的強化學(xué)習(xí)框架是RLlib。在翁家翌看來，RLlib雖然功能強大，但極其臃腫且抽象層級過高，導(dǎo)致研究者很難看清底層的邏輯，且修改成本極大。于是秉持著“與其忍受，不如重造”的想法，他在短短兩周內(nèi)就手擼出了天授框架的第一版。

對他而言，天授不僅僅是一個技術(shù)項目，更是一個“產(chǎn)品”。在他看來，技術(shù)是什么樣不重要，重要的是抓住需求。

后來，為了解決留學(xué)生群體的信息差，他開發(fā)了“退學(xué)網(wǎng)（Tuixue Online）”，一個能夠自動抓取簽證預(yù)約狀態(tài)的系統(tǒng)。對翁家翌而言，只要解決了大家真實的痛點，它就是有價值的。

他把這兩個項目都稱作“做慈善”。這不僅讓他確定了自己真正所熱愛的技術(shù)方向，也帶給他強大的滿足感：“完全nonprofit（非盈利），這種慈善項目讓我感覺非常滿足。”

“我不想去大廠當(dāng)螺絲釘”

碩士期間，翁家翌便開始琢磨找工作的事。“一開始投了18家公司，就收到Google和AutoML（陳天奇團隊）的offer。”

面對大廠的橄欖枝，他說：“我不想去Google，在大廠當(dāng)螺絲釘，然后做一些自己不是那么喜歡的事兒。”

在此之后，他拿到幻方量化、英偉達、TikTok，以及Facebook AI Research（FAIR）的offer?！爱?dāng)時幻方要搞一個AI Lab，也就是后來的DeepSeek?！?/p>

他坦言，如果沒有其他選擇，可能就會加入幻方做強化學(xué)習(xí)infra。但最終，他等到了OpenAI。

“OpenAI跟DeepMind是當(dāng)時RL里面搞得最好的兩個research lab（研究實驗室）。我希望能夠有一個機會來體驗世界上最前沿的一些research（研究）到底是怎么做的，而不是像在學(xué)校里面，像小作坊一樣只有幾個PHD手搓一個東西?！?/p>

2022年，翁家翌正式加入OpenAI，那時ChatGPT還沒走進大家的視野。

翁家翌完整參與了從ChatGPT、GPT-4o到正在研發(fā)中的GPT-5幾乎所有重大模型的開發(fā)進程。他的名字出現(xiàn)在每一份核心貢獻者名單中，他的工作邏輯可以說是用極致的工程能力為科研算法鋪路。

在OpenAI內(nèi)部，翁家翌最核心的貢獻是主導(dǎo)并搭建了整個后訓(xùn)練階段（Post-training）的強化學(xué)習(xí)基礎(chǔ)設(shè)施（RL Infra）?！懊堪l(fā)一個大的release（發(fā)布），每發(fā)一個大的模型，我的名字就得放上去?！彼χf，“因為大家都在用整個Post-Training infra去訓(xùn)練RHF的模型?！?/p>

所謂的Post-training，其實是讓大模型變得更像人的關(guān)鍵環(huán)節(jié)。翁家翌搭建的RL Infra支撐了模型在這個階段的對齊和邏輯推理訓(xùn)練。這意味著他要處理的是如何在大規(guī)模算力集群上，讓強化學(xué)習(xí)算法穩(wěn)定、高效地運行，且能靈活適配研究員們不斷冒出的新想法。

在翁家翌看來，模型的性能差異有時并不源于算法優(yōu)劣，而源于基礎(chǔ)設(shè)施的完善程度。他表示：“每家的Infra structure都有不同程度的Bug，誰修的Bug多，誰的模型性能就越好。”他在OpenAI的日常，很大一部分就是通過極致的工程手段，排除系統(tǒng)中的不確定性，讓算法的潛力得以完全釋放。

“賣鏟子”是翁家翌對自己技術(shù)路徑最生動的隱喻。在淘金熱中，挖金礦的人（做研究、發(fā)Paper）可能空手而歸，但賣鏟子的人（做工具、造基礎(chǔ)設(shè)施）永遠有其確定性的價值。

同時，翁家翌也正在參與OpenAI下一代RL Infra的重構(gòu)工作。“舊架構(gòu)已經(jīng)三年多了，堆積的問題其實已經(jīng)很多了。”O(jiān)penAI要推倒重來，目標(biāo)是清理技術(shù)債，幫助研究員以更高迭代效率推進實。

在OpenAI在取得巨大的成功之后，有無數(shù)的團隊成員離開了這家公司。但在翁家翌看來，“一個健康的組織就是所有人都是可以被替代的?！?/strong>他也承認，在OpenAI內(nèi)部，現(xiàn)在沒有誰是不可替代的。

談及ChatGPT的成功，翁家翌將其歸功于OpenAI組織內(nèi)部的信息流暢度。他分享到，領(lǐng)導(dǎo)層始終保持對細節(jié)的強關(guān)注，Greg Brockman（聯(lián)合創(chuàng)始人兼總裁）幾乎參與過公司所有基礎(chǔ)設(shè)施模塊，而Sam Altman（聯(lián)合創(chuàng)始人兼CEO）也通過研究助理及時了解公司內(nèi)部所有的技術(shù)進展。

談及AGI，翁家翌表示：“OpenAI內(nèi)部抓15個人，可能有20種定義AGI的方法?！睂τ谒麃碚f，“如果AI能完成80%、90%我認為有意義的任務(wù)，那它可能就是是AGI了?！钡蔡寡?，目前他日常負責(zé)的代碼上，尚無法放心交給模型修改。

雖然熱愛開源，但人總是要在現(xiàn)實之間做出權(quán)衡。面對“OpenAI不Open”的質(zhì)疑，翁家翌表示：“你沒法直接把最好的模型開源，因為公司要生存，這很現(xiàn)實”尤其在資源密集型的模型研發(fā)階段，資本輸血與商業(yè)可持續(xù)是讓公司能夠存活和繼續(xù)創(chuàng)新的必要條件。

不過他也開心地說道，如果公司資源不受限，“我當(dāng)然會很開心地開源RL Infra團隊這兩三年的成果?！?/p>

“如果想進工業(yè)界，讀PhD是浪費生命”

在找工作之前，其實翁家翌也思考過要不要讀博。他說，在清華的體系里，學(xué)歷永遠是越高越好，“當(dāng)身處那個環(huán)境的時候，其實很難跳出這個評價體系?！?/p>

但翁家翌想建立一個自己的評價體系。他對這個問題直言不諱：“如果想進工業(yè)界，讀PhD其實是在浪費生命?！?/p>

在他看來，“教一個研究員（Researcher）如何做好工程（Engineering），要遠比教一個工程師（Engineer）如何做好研究來的難?！?/p>

在訪談中，他多次強調(diào)一個對工業(yè)界極其關(guān)鍵、但在學(xué)術(shù)體系中并不被優(yōu)先訓(xùn)練的工程化迭代能力。

傳統(tǒng)PhD訓(xùn)練，更強調(diào)的是如何選一個“學(xué)術(shù)上成立”的方向，如何把故事講完整、把實驗結(jié)果畫得漂亮、把論文寫得自洽。這些能力在學(xué)術(shù)體系中至關(guān)重要，但在工業(yè)界，尤其是大模型時代的AI公司里，已經(jīng)不再是最稀缺的能力。

在他看來，今天的研究型工業(yè)實驗室，并不缺創(chuàng)新和想法，也不缺能夠判斷方向?qū)Σ粚Φ娜恕?strong>真正稀缺的是誰能在單位時間內(nèi)，驗證更多正確的Idea。而這件事，幾乎完全依賴于工程與Infra。

他表示，如果目標(biāo)已經(jīng)非常明確是要進入工業(yè)界、進入AI lab，那更有效的路徑，反而是盡早通過碩士、本科階段的項目積累，構(gòu)建出與博士學(xué)生同臺競爭的能力結(jié)構(gòu)。

“你完全可以以master為跳板，甚至在本科的時候，就攢夠進入工業(yè)界的籌碼。關(guān)鍵不是你有沒有PhD title，而是你有沒有差異化?！?/p>

在訪談的最后，翁家翌表示，如果讓AI去解決一個世界難題，他最想做的是預(yù)測未來。

“所有的東西都是可以被預(yù)測的，所以理論上它是可以用AI解決的。”在翁家翌看來，世界是確定性的，自由意志是幻覺，所有事件在宇宙大爆炸之初就已注定。這是他堅信的宿命論。

“上帝不擲骰子”，他說，“我嘗試去證偽，我也非常想讓他能夠證偽。”“我覺得三維生物都是有自己的局限性的。在三維生物的認知里面，時間就是一個線性單向流動的。但是有可能在四維的時間里面，時間并不是單向流動的，它可以任意跳躍。這是我找到的迄今為止合理的解釋?！?/p>

他認為，面對這種令人不安的世界觀，最好的方式就是假裝不知道，然后去體驗當(dāng)下的人生。

盡管在事業(yè)上取得了巨大成功，但翁家翌坦言自己目前正處于一個迷茫期。他感覺在RL Infra這個他長期熱愛的領(lǐng)域確定性的事情變得越來越多。他給自己未來的目標(biāo)是擁有充分的自由和資源去找到并做自己真正想做的事。

在訪談的最后，他說：“我曾經(jīng)一度想通了自己想要什么，但是我其實還是沒有那么想通，這個問題值得一生去思考?！?/p>

運營編輯 |曹倩審核｜孟莎莎