免費閱讀22 次瀏覽

OpenAI 總裁 Greg Brockman 上 No Priors：資安支出應遠超軟體支出，藥物研發是 AI 頭號任務

站長

OpenAI 共同創辦人兼總裁 Greg Brockman 這次登上 Sarah Guo 與 Elad Gil 主持的 Podcast《No Priors》。錄音當週，依節目說法，OpenAI 才剛把 GPT-6 推向超過十億名使用者，又公布了一批數學成果。這集只有四十分鐘左右，但 Brockman 談了幾個很有份量的判斷：AI 已經能產生真正的新知識、藥物研發是 AI 最該全面改寫的領域、最好的介面就是沒有介面，以及一句連主持人都說「這是很大膽的說法」的話：資安支出應該遠遠超過軟體支出。

以下是聽完後整理的重點與評論。

誰在對話？

Greg Brockman：OpenAI 共同創辦人兼總裁。
Sarah Guo：創投 Conviction 創辦人，《No Priors》共同主持人。
Elad Gil：天使投資人與創業家，《No Priors》共同主持人。

以下凡是數字、產品與成果，皆為節目中受訪者或主持人的說法。

AI 能不能產生新知識？「答案已經無法否認」

Brockman 說，人類過去一千年生活品質提升的根本驅動力是技術與科學進步，而 AI 現在有能力大幅加速科學發現。長久以來大家爭論 AI 能否產生新知識，他認為到了這一刻答案已經很明確：可以。依他的說法，OpenAI 公布了將近 400 個重要的數學開放問題已被解決，其中不少是困擾數學界上百年的題目。

他也坦承還有距離：AI 目前還沒有提出全新的理論，但已經能解決百年難題。他更在意的不是「機器直接給答案」，而是一個配備這些工具的人，能做到過去無法想像的事；同樣的能力可以移轉到生物學，也可以幫一位小企業主把生意經營好。

Brockman 本身是數學背景，曾以為自己會成為數學家。他說，數學的價值不只是「有一份證明、沒人看得懂、問題解決了」，而是從中得到的洞見。他觀察到，各領域專家在檢視這批成果時，發現 AI 以出人意料的方式運用既有結果，和過去四色定理那種靠電腦窮舉、「毫無美感」的機器證明不同，他認為這代表機器發現進入了新階段。

AI 太聰明，人類怎麼監督？

Elad Gil 提出一個好問題：任何數學領域裡，本來就只有極少數人能判斷一份證明是否正確；當 AI 的成果越來越艱深，要怎麼讓人理解？

Brockman 認為這和 AI 安全與對齊直接相關。他提到 OpenAI 從 2017 年起就在研究「辯論」與「迭代放大」等方法：以「摘要一本書」為例，人很難判斷摘要好不好，除非自己讀完整本書；但如果有另一個 AI 專門挑錯，指出「這段關鍵情節沒被寫進摘要」，人不必讀完全書，也能判斷這個反駁有沒有道理。他說，這類訓練方式能讓人類保持監督、留在駕駛座上，同時也讓 AI 的成果變成真正能教會人的知識。

小評： 「用 AI 檢查 AI」是目前讓人類監督超人類能力系統最可行的方向之一，但最終仍取決於人能否判斷雙方論點。這也是為何 AI 的「可理解性」會越來越重要。

生物學的瓶頸是資料，不只是智慧

為什麼數學能有這麼大的突破？Brockman 的解釋是：模型的原始智慧到了一定程度，更關鍵的是資料。他用深度學習的基本公式來說明：算力、資料、演算法共同決定能力與成果。數學與理論物理能取得大量資料，生物學卻高度受限於資料。

所以他預期，把同樣的技術套用到生物學時，有些環節會很快被攻克，但也會出現新的瓶頸。其中有些甚至和生物理論無關，例如撰寫臨床試驗的監管文件，可能要花上一年，而這正是 AI 很擅長的事。至於真正缺乏基礎資料的地方，濕實驗室與模擬技術的創新就會變得非常重要。

Elad Gil 補充了一組業界常見的數字：一款新藥大約需要 15 年、15 億美元，其中臨床前階段約 5,000 萬美元、2 到 3 年，臨床試驗則占了 14 億美元以上與約 12 年。他指出，早期的 AI 生物研究（例如 AlphaFold）多集中在分子結合，但真正把藥做出來，下游還有很多問題要處理。

藥物研發是 AI 的頭號任務

被問到 OpenAI 如何排序各個科學領域，Brockman 毫不猶豫地說：如果只能選一個領域全面革新，那就是藥物研發。 他的第一性原理推論很有意思：人類天生擅長自然語言，對生物學卻相當陌生；但對神經網路而言，沒有理由認為它擅長自然語言、卻不擅長生物學。既然神經網路在自然語言上的表現如此驚人，理論上也應該能破解「生物學的語言」。

他也提到短期就可能有影響的方向：例如許多罕見疾病患者，其實治療方法早已存在於某篇論文裡，只是沒人找到；AI 能大規模把這種「找到那一篇論文」的工作做起來。材料科學與其他長尾領域，也會出現實質改變。

至於監管，Sarah Guo 指出臨床試驗的步驟由法規規定，終究要說服監管機構。Brockman 以自駕車類比：如果自駕車安全性達到人類駕駛的 10 倍甚至 100 倍，整個交通體系與法規當然應該重新設計；同理，如果能證明藥物研發的「物理定律」已經改變，制度也應該跟著調整。他也承認目前還沒有到「神經網路比實際臨床試驗更準」的程度，長期效果仍需要時間驗證，但他相信可能做到的事情裡，大約八成會很快實現。

小評： 這段把 AI 製藥的討論拉回現實。真正卡住新藥的不只是找分子，而是漫長的臨床試驗與監管流程。對投資人來說，能縮短臨床試驗與法規文件時程的應用，可能比「AI 設計分子」更快看到成效。

Dots：你下班了，它還在工作

節目也聊到 OpenAI 的主動式代理人 Dots。Brockman 形容它「永遠開著、永遠在工作，你停下來，它繼續做」。他自己的 Dots 會追蹤他答應要做卻還沒做的事、該回卻沒回的訊息，每天早上整理成待辦清單；它也會主動發現他沒交代的事，例如行事曆衝突，或提醒他得提早離開某個會議才趕得上下一個行程。因為它能整合他的信箱、Slack 與他最近在問的問題，所以非常理解他的工作脈絡。

他強調，Dots 本質上是「形式的改變，而不是能力的改變」，背後是同等級的模型，但放進職場、以這種形式運作，就是一大轉變。他目前只開一個，圖示是一隻小貓頭鷹。

工作助理和生活助理會合流

Elad Gil 問，像 Dots 這種工作助理，會不會和 Instinct、Muse 這類消費型助理分道揚鑣？Brockman 認為兩者一定會合流，主要差別在成本：大眾消費產品要能免費或極低成本地大規模提供，職場則只要付更多錢能換來更多回報，就值得投入頂級智慧。他舉例，把記憶功能開放給所有 ChatGPT 免費使用者，是一項非常龐大的工程。

他也說，OpenAI 的優勢之一是同時擁有 ChatGPT 約 12 億名消費者，以及領先的程式開發與企業業務，「沒有其他人兩者兼具」，因此策略是把兩條戰線統一成一條。他還觀察到一波「創業者的文藝復興」：有人告訴他，若不是確定有可靠的 AI 能處理各種創業門檻，自己根本不會辭職創業。

最好的介面就是沒有介面

Brockman 說：最好的 UI 就是沒有 UI。 你可以用說的、用 Slack 或 iMessage 傳訊，甚至直接打電話給 AI。ChatGPT 從一個文字框起步，而他們要走向的是連文字框都不需要的 AI，「這才是我們當初被承諾的 AI」。

但沒有固定介面，不代表沒有畫面。他說 OpenAI 推出了「智慧介面」，讓 AI 能即時生成介面：訂機票時需要比較選項的複雜畫面，組裝腳踏車時可能需要一個專屬小程式，過去沒人會為此請工程師寫一個月，現在 AI 可以在你需要的當下做出來。他也提到 GPT-6 能先給出快速回答、再繼續思考並補上更完整的答案。

企業場景則更複雜：有管理員、有資安團隊、有更多利害關係人，新功能需要讓企業控制何時開放。這就帶來一個難題：既然沒有介面，要怎麼讓使用者知道某個功能因為公司設定而被關閉了？他坦言這個挑戰不會自己消失。

資安的「物理定律」正在改變

這是本集最重要的段落。Brockman 說，我們正處在所謂的「防守方窗口」：最頂尖的 AI 能力可以先幫助防守方強化自己，但人人都能取得的 AI 資安能力正隨著每次模型發布而提升。他提到南韓已出現由 AI 模型驅動、針對銀行的高知名度駭客事件，因此防守方必須善用這段時間。

他介紹了 OpenAI 的幾項做法：透過 Daybreak 計畫，負責任地讓防守方使用最強模型找出並修補漏洞；承諾投入 10 億美元，協助第一線防守者取得與使用模型；並與政府、社群協調事件應變，也和 CrowdStrike 等公司合作。

他的核心論點是：這些漏洞本來就存在，問題出在人類寫的每一行程式碼。網際網路是為了韌性而建，不是為了安全，資安一直是事後補上的，「從來沒有哪位資安長的資源是過多的」。主持人也提到 XKCD 那張經典漫畫：全世界的基礎設施，竟然仰賴某個人在地下室維護的開源專案。Brockman 認為，這筆累積數十年的技術債現在會浮上檯面，也是時候還清了。好消息是，AI 讓還技術債變得可行，甚至能做過去幾乎沒人做的「形式化驗證」，直接證明軟體的安全性質。

他也分享 OpenAI 內部的做法：每當新模型推出，就要先拿它來保護自己。他們曾把約四分之一的正式環境工程師手上的專案全部暫停，專心用當時最強的模型檢查整個基礎設施、做紅隊演練、建立可重複使用的工具，直到這個模型再也找不出新問題為止；下一個模型出來，就再做一次。長期來看，越來越多程式碼由 AI 協助撰寫，而他們也在訓練模型從一開始就寫出安全的程式碼。

資安支出應遠超軟體支出

被問到企業的資安預算應該占多少，Brockman 給出全集最大膽的答案：資安支出應該遠遠超過軟體支出。 他說自己未必正確，但邏輯是：當寫軟體的門檻變得幾乎免費，你要的就不只是軟體，而是可靠、安全、值得信任的軟體，軟體的韌性才是價值所在。他也提到軟體供應鏈攻擊，例如有人上傳惡意套件、許多公司因此中招，過去之所以難以解決，是因為懂這些冷門技術的人實在太少，而 AI 可以改變這件事。

小評： 「資安支出超過軟體支出」聽起來誇張，但背後的邏輯成立：當軟體開發成本崩跌，稀缺的是可信任度。對投資人而言，這指向資安產業可能迎來結構性的需求擴張；不過這仍是 Brockman 的個人判斷，實際預算如何移轉還需要觀察。值得一提的是，OpenAI 本身也在推動相關計畫，這番話同時也符合它的商業方向。

讓人類留在駕駛座

最後，Sarah Guo 問到 OpenAI 早期「以人為本」的精神是否還在。Brockman 說，OpenAI 的使命是確保 AGI 造福全人類，而「人類」是關鍵：人類應該牢牢坐在駕駛座上，掌握未來，這項技術應該放大人的能動性，即使模型在能力上超越人類也一樣。

他提到賈伯斯在 iMac 上加了把手的故事：讓人覺得自己能掌控這台機器，隨時可以把它拿起來。他認為 AI 也需要同樣的精神。未來人類在某些領域可能更像執行長或董事會成員，身邊有比自己更專業的團隊，但最終的問題仍是：你快樂嗎？這是你要的嗎？這讓你的生活更好了嗎？他說，技術是提升人類文明的最根本力量，這也是 OpenAI 對 AI 的期待。

這對讀者代表什麼？

AI 開始產生新知識：若近 400 個數學難題的成果經得起檢驗，AI 輔助科學發現已從口號走向實績。
生物學的關鍵在資料與流程：藥物研發的瓶頸不只在分子設計，還有臨床試驗、監管文件與資料取得。
代理人走向主動與無介面：Dots 這類常駐代理人與即時生成介面，可能改變人們使用軟體的方式。
資安進入「防守方窗口」：企業應趁現在用最強模型找漏洞、還技術債；資安需求可能出現結構性成長。

關係揭露

Brockman 為 OpenAI 共同創辦人兼總裁，文中他對 OpenAI 產品與計畫的描述屬於公司觀點。主持人 Sarah Guo 與 Elad Gil 都是活躍的 AI 領域投資人；本文未能確認他們與 OpenAI 之間是否有直接投資關係。

來源

節目原始影片：The Changing Physics of Cybersecurity and Drug Development with OpenAI President Greg Brockman（YouTube／No Priors，2026 年 10 月 15 日）
節目頁面：No Priors（Apple Podcasts）
本文為聽後整理，文中數字、產品與說法皆為受訪者或主持人於節目中的陳述。

非逐字翻譯、觀點整理，不構成投資建議。