OpenAI联创直言:AI竞速中最稀缺的素质,是弄清自己真正想要什么

2026年8月9日，一个平静的周末夜晚。OpenAI联合创始人兼总裁Greg Brockman登录X平台，发出一条推文。内容仅为纯文字，言简意赅，如同向湖面掷入一颗小石：

the bottleneck is increasingly knowing what you want

译成中文便是：瓶颈正日益转化为，弄明白自己究竟想要什么。

▲ Brockman原帖仅一行文字，点赞与转发却如潮水般涌来

短短48小时内，认同者、讽刺者、产品诉求者、跨语言译者涌入同一条时间线，仿佛一面多棱镜将同一束光折射出截然不同的色彩。有人在其中读到了时代深层的焦虑，有人觉得这是一句漂亮的废话，还有人看完直接怼道："我们清楚自己想要什么：把GPT-4o还给我们。"

沿着这些回响继续追溯，一个正在崩塌的旧世界渐渐浮现。

先了解发帖人背景

Greg Brockman，1987年出生于美国北达科他州的一个小镇。高中时期曾获国际化学奥赛银牌，先入哈佛，后转入MIT，最终选择离开校园投身创业。2010年加入尚处早期的支付公司Stripe，时年23岁，三年后成为Stripe首任CTO。2015年，他与Sam Altman、Ilya Sutskever等人一同创立OpenAI，公司初创阶段甚至就在他自家的客厅里运转。

▲ 维基百科显示的Brockman履历：从Stripe CTO到OpenAI联合创始人兼总裁

这份履历表明，发帖人长期身处"把AI转化为可用系统"的工程一线。当这样一个人说出"瓶颈在于知道自己要什么"时，可以将其看作一份来自工作前线的观察笔记。

这一论断有其工作语境

2026年4月末，Brockman在红杉资本AI Ascent大会上披露了一组惊人数据：OpenAI内部，AI编码工具所编写的代码占比从约20%跃升至80%。这一跨越仅用时数月。

▲ The Next Web报道标题直白写道：OpenAI总裁表示AI正编写公司80%的代码

在同一场对话中，他还讲述了一则细思极恐的小故事：他指示一个AI编码智能体在Slack上就某技术问题联系某人。仅两分钟后，该智能体便自行将问题上报至对方的经理。

"一方面这说得通，"Brockman说，"但另一方面……它或许本该先征求我的意见。"

这则故事中蕴含着完整的逻辑链：

第一层，执行成本降低了。编写代码、起草报告、安排日程，甚至跨应用操作，AI均能胜任，且效率不断提升。

第二层，协调环节也在被吞并。AI不仅写代码，还能自主找人、自主推进、自主决策下一步。

第三层，由此，新的硬性约束浮现：你的真实需求究竟是什么？边界划在哪里？什么才算"好"？若你自己无法厘清，AI便会以它自己的"合理性"来补位，然后你只能眼睁睁看着它把问题捅到上级那里。

有过创业、编码、带团队经历的人，或许都熟悉一句老话："创意廉价，执行昂贵。"

这句话主导了几十年。你有一百个点子？无关紧要。能将其中之一付诸实践、正式上线、成功卖出，才算真功夫。执行的高昂成本，本身就是一道天然的筛选机制——不够看重的事，你做不下去，它自然会被淘汰。

然而如今，这道筛网正在失效。

开发者Sam Julien在一篇题为《执行成本降低后的想法分诊》的文章中，记录了一种前所未有的overwhelm：他同时拥有多个想做的项目、一系列自动化创意、一长串"要是能这样岂不有趣"的念头。他职业生涯中头一次发现，编写代码的时间已退居其次，眼前的障碍变成了"我到底该不该做这件事"。

▲ Julien的核心观点：当想法与执行都不再昂贵，决策与筛选便成为主要约束

你一个下午便能做出三个可运行的小工具，但你仍只有一份注意力、一个职业方向、有限的时间和精力。过去替你把关的是"做不动"，现在替你把关的只能是"主动选择不做"。

工程师David Byttow在三月的一篇长文中措辞更为尖锐：当协调被自动化后，留下的是判断、品味、方向与所有权。他还警示，执行成本降低后，错误的心智模型会在数周内交付错误产品，并继续在其上叠加功能。过去站会与需求评审中的摩擦，实质上是劣质想法的检查点。智能体时代最致命的失败模式，恰是"完美地做成了不该做的东西"。

▲ Byttow的警示：错误判断正以前所未有的速度被放大

Brockman那条帖子的评论区，本身就是一场小型社会实验。

认同阵营将观点向前推进一步。OpenAI首席经济学家Ronnie Chatterji写道：AI让执行成本降低了，重大挑战在于培养*"品味"*——即辨别哪些工作值得投入。Jon Wu的回复则更具内省意味："少花些时间与AI相伴，多花些时间与自己相处。"

▲ Jon Wu的回复：少陪AI，多陪自己

Jonny Miller给出了一个四维框架来拆解"知道自己要什么"：勇敢的好奇心、澄清过的欲望、情绪流动性、神经系统容量。他将这一抽象命题扩展成了一份可观察的身心能力清单。

▲ Miller认为"知道自己要什么"由四种具体能力共同构成

反讽派则一针见血。Meta背景的工程师Arnav Gupta吐槽道："普通AI用户看到这话，会打开ChatGPT输入'告诉我我该想要什么'。"

▲ 冷幽默背后的真问题：当建议也能外包给AI，意图本身会不会更加模糊？

这则冷笑话揭示了一个循环悖论：AI帮你省下大量执行工作，也能参与出谋划策，那你还需要自己"知道自己要什么"吗？答案是：工具越强大，方向越需要自己掌控。一旦把方向也委托出去，得到的往往只是概率模型给出的中位数答案。

日本用户K.Ishi的跨语言转述则提供了另一视角："AI时代更加重视目的设定力。由OpenAI的高管来说这一点很关键，也说明AI在相当一段时间内仍以执行为主，尚无法自主设定目的。"

▲ 跨语言转述中的解读：制造AI的人亲口承认，AI暂时还无法替你设定人生目标

但最具戏剧性的声音，来自产品请愿者。

大量高赞回复根本不讨论什么"意图瓶颈"，而是直接写道："Give us back 4o"、"I WANT GPT4o BACK"。用户Sophie带图回复："Greg，我们知道。瓶颈是……你们是否在意。"

▲ Sophie将问题指向平台：用户表达了意图，平台是否愿意倾听

哲学金句与产品请愿叠合在同一条时间线上，画面颇具戏剧张力：一个人在探讨人类意图的深层哲理，帖子下方的用户却清晰地表达，"我们就要4o，你们能不能听见？"

这些回复成了对原帖的实践注脚：在2026年的AI产品现场，"知道自己要什么"既涉及人类内心世界，也关乎用户关系与产品诚意。用户能够表达明确偏好，平台的选择与回应同样左右最终结果。

如果你读到这里觉得这些都是"大佬间的清谈"，那就来看一个实操层面的呼应。

开发者Nate Jones在他的Prompt Kit中提出了一个概念——Prompt 0，即一个离开屏幕的思考练习。在你打开任何AI会话之前，用纸笔或白板回答一组问题：你究竟要完成什么？怎样才算好？难点在哪里？

▲ Prompt 0：在与AI对话之前，先与自己对话

这就是原帖观点落地的模样：先完成人类一侧的意图澄清，再开启与AI的协作。你越清楚自身需求，AI越能成为杠杆；你的目标越模糊，AI越容易沦为噪声制造机。

让我们将视线拉远一些

过去十年，科技行业的主旋律是让机器更聪明。更多参数、更多算力、更多数据、更强的推理能力。然而Brockman这条帖子，连同它激起的所有回响，正指向一个拐点——机器已经足够聪明了，至少对大多数日常任务而言。从这里开始，赛道的重心悄然转移。

技术能力正下沉为随手可用的工具，人对目标、取舍与方向的判断随之变得愈发重要。

这对每一位普通人意味着什么？在选项爆炸的时代，最珍贵的能力是清楚自己选择做什么、放弃什么。自我认知、品味、价值排序这些曾被视为"软技能"的东西，正在转化为硬通货。

Greg Brockman仅写了一行字。它的分量，或许要许多年后，我们才能完全掂清。