OpenAI 一年亲历者笔记：高速成长背后的真实体验
离开是新的开始，不是“跑路”
2025年7月，我正式离开了OpenAI。回头看加入（从2024年5月开始）到辞职这段时间，内心其实非常纠结。不是遭遇八卦或与同事闹僵——恰恰相反，如此大体量公司的创业激情让我一度舍不得离开。但，从“自己主宰一切”的创业状态，到3,000人大公司里担任小小一员，这种角色转变让人渴望重新出发。
或许，OpenAI的工作魅力未来还会令我回头——毕竟，能目睹/参与AGI（通用人工智能）和LLM（大模型）诞生的现场，是这代科技工程师无与伦比的荣幸。“Codex”发布，我也有幸是其一份子。
本篇仅为个人视角，并非公司官方观点。OpenAI像一座大厦，而这里是我的一面窗。
“烈火烹油”般的成长速度
刚加入时，OpenAI员工只有1,000多。一年后，超过3,000人。在新老交替飞快的环境下，管理层多数人在两三年前还干着完全不同的事。组织架构、汇报体系、产品发布、招聘和内部沟通都频频出现“水土不服”。团队节奏各异，有的疯跑，有的稳扎稳打，还有的在小步快跑。OpenAI早已不止一种公司文化，研究、产品、市场团队完全是三种时钟。
工作方式：“Slack宇宙”与自下而上的能量
OpenAI内部几乎一切靠Slack沟通，几乎不用邮件。没整理好通知的人会被消息淹没，整理好的人才有高效节奏。
特别是研究团队，极为“去中心化”，没有详细的季度路线图。很多好点子源于个人灵感，一项成果常常不是按大规划推动，而是试错迭代出来的。公司也非常崇尚“凭实力说话”——你想干啥不需要谁批准，真的能落地才是王道。厉害的人往往不擅长做PPT，不耍手腕，唯有好想法能“晋升”。
行动至上、团队流动性大
在OpenAI，几人小组可以自发推动一项全新试点，无需逐级汇报。只要跑出来，团队就能迅速集结。有些功能内部都能出现三四个平行竞品，最后优胜者上线。领导普遍不爱管琐事，而是选对人、让高手自己闯。
整个公司对“方向变化”容忍度极高，有新数据就能马上推翻原定计划。“大象快转身”在谷歌几乎不存在，但OpenAI能做得到。一旦确定新方向，全员all in。
聚光灯之下，公司异常低调
OpenAI在全球范围关注度极高，媒体报道、传言、预测比公司内部消息还快，团队十分保密。内部有不同权限的Slack空间，业务、营收数据极为敏感，连家人朋友都基本不能提工作细节。
企业文化：理想与压力并存
OpenAI比你想象得更严肃。目标是“打造AGI”，影响着数亿级用户。要考虑医疗、心理、教育等各种应用场景，又要时刻盯着Meta、谷歌和Anthropic的动态。大国政府的紧密关注更增加了责任感。
但每个同事都在认真“做对的事”——并不只是资本驱动。公共舆论压力极大，各类误读和黑料层出不穷，却没有动摇团队的理想主义。
需要注意的是，公司内部极其多元。老员工更像“科研院，造福人类”的理想主义者，新员工则有更多商业野心。这种多元，使OpenAI像个始于实验室、意外生出爆款App，又逐步面向B端、G端多维发展的混合体。
全球共享的科技“红利”基因
OpenAI让世界各地人都能平等用到最新的AI模型——免费的ChatGPT可用，API也没有高门槛。这在商业公司并不多见，也成为公司核心信条之一。
“安全”不是口号，而是每日现实挑战
比起过度担心“AI起义”那类极端情景，OpenAI内部更注重实际风险：防止仇恨言论、滥用、操纵舆论、危险内容，保障产品安全可控。关注理论AI风险的人也有，但更多研发精力放在现实问题。
物质激励稀缺，“精神股东”才是常态
OpenAI不像硅谷同行那样到处派发毛巾T恤。内部偶有福利“抢购”，还搞垮过商城服务器。与其看重“礼包”，更看重“脑力分红”——个人成长、产品影响力远胜物质奖励。
GPU 成本高得令人咋舌
一个功能的算力消耗，可能相当于一家中等科技公司全年的服务器资源——这也是AI行业的残酷现实。几乎一切开支，在显卡面前都只是零头。
代码与工程实践：大厂与初创并存
OpenAI有庞大代码库（主要是Python），风格迥异。有经验的谷歌老兵写的“工业级”组件与博士生写的“临时小工具”并存。API主要靠FastAPI，数据校验靠Pydantic，没有过分严格的代码规范。
基础架构全跑在微软Azure云。最稳定的三项服务分别是：Kubernetes，CosmosDB，Blob存储，对亚马逊云习惯的工程师会觉得自动扩展、权限管理远不如AWS，“自己造轮子”是常态。
大量Meta（前Facebook）技术人才流入，所以基础设施令人想起Meta早期，比如自己实现的TAO（分布式存储）等。整个代码体系以“对话”为中心，聊天相关的代码已深入骨髓。决策不是“委员会拍脑袋”，而是谁能主动做就谁先干，重复造轮子、代码冗余甚至有点“混乱”，但足够灵活。
暴涨的团队也带来痛点：老旧代码夹杂，无测试、CI频出故障、构建时间过长等现实问题，内部团队正在努力改善。
“大消费品牌”冲击与技术实践感悟
- 真正的大众产品就是“秒有流量”。Codex上线当天，流量立刻暴涨，让来自B2B行业的我非常震撼。
- 大模型如何训练？从小试验到大规模工程，既要算法创新，也要数据调优，大型训练像超大分布式系统，常有未曾想到的“边角问题”。
- 如何用好GPU？不要只盯硬件参数，更要反推业务需求，如响应时延、Token数、启动速度。每代模型都极大影响算力规划。
- 管理超大Python项目需要提前埋设防错机制，重视主分支卫生以及代码易用性。
Codex发布历程：把“不可能”变成现实
Codex上线是我OpenAI生涯最高光的时刻。准备期两队合并，“连续一周高强度冲刺”，七周时间开发上线。“白天写代码，晚上养娃”，每个成员都在极限输出。临上线前一晚，全组人熬到凌晨，第二天8点又准时发布。仅左侧边栏上线按钮，产品立马接收百万级流量，这就是头部App的影响力。
我们有8名工程师、4名研究员、2名设计师、2名市场、1名产品，是名副其实的“特种兵小队”。大家默契合作，几乎无需太多指挥，各自把一摊事做到最好，这正是优秀团队的最强底色。
我们选择异步形态来打磨产品，希望用户把AI助手视为“搭档”，愿意放权让它自己做事、等它“交作业”，而不是每一步都事必躬亲。这种尝试有风险——模型已经很强，但信任还未普及，能力还有空间。
看到Codex上线两月，630,000条PR（代码合并请求），平均每个工程师贡献7.8万个PR，我真的觉得难以置信。这种规模、速度与影响力，是多少工程师梦寐以求的巅峰。
一年反思：值得的选择 & 面向未来的建议
曾经我也担心：放下创业自由，加入大公司会不会失去自我？但回首，这一年是我成长最快、收获最多的阶段。如果你是个创业者，一直没做出突破，不妨重新审视打法，或加入一流实验室。今天正是行动与直面未来的最好时机。
AGI（通用人工智能）的竞赛，现在像“三国演义”：OpenAI、Anthropic、谷歌，各自有独特路线、文化、资源，选择加入都不会后悔。
感谢家人和所有队友，有你们才有这段璀璨时光。未来可期，路在脚下。
