在 AI 领域，从“One Model Rules All”的 AGI 愿景，到如今各种垂直模型、微调技术和开源生态百花齐放，行业共识正在发生巨大转变。本期节目，a16z 的 Martin Casado 深度对话 OpenAI 开发者平台工程主管 Sherman Wu。
他们探讨了 OpenAI 如何在作为垂直应用（ChatGPT）和水平平台（API）之间取得平衡，以及为什么“微调”（Fine-tuning）和“强化微调”（Reinforcement Fine-tuning）正在成为企业挖掘数据价值的关键。Sherman 还分享了他从 Quora、Opendoor 到 OpenAI 的独特职业路径，以及对开源模型、Agentic AI 和未来编程范式的深刻见解。
您将了解到：
* OpenAI 的双重身份： 既是拥有 8 亿周活用户的超级应用开发者，又是为数百万开发者提供 API 的基础设施提供商，这种内部张力如何化解？
* 微调的崛起： 为什么企业不再满足于通用模型？强化微调（RFT）如何让企业利用私有数据训练出超越通用模型的垂直领域专家？
* 开源与闭源的博弈： OpenAI 为何开始拥抱开源？开源模型对 API 业务不仅没有蚕食，反而促进了生态繁荣？
* Agent 的形态： 从自由探索的 Coding Agent 到受 SOP 严格约束的客服 Agent，未来的 AI 智能体将呈现怎样的多样性？
* 编程的未来： 为什么 Sherman 认为未来的应用不仅不会屏蔽底层模型，反而会更直接地将模型能力暴露给用户？
时点内容 | Key Topics：
* OpenAI 的平台愿景： API 与 ChatGPT 并行，不仅是产品，更是将 AI 惠及大众的两种不同路径。
* 从 Opendoor 到 OpenAI： Sherman 分享他在 Opendoor 定价团队的经历，以及这段经历如何影响他对 AI 平台建设的理解。
* 微调（Fine-tuning）的新范式： 传统的监督微调（SFT）只能改变语气，而强化微调（RFT）能让模型在特定任务上达到 SOTA 水平。
* 模型多样化： 行业共识从“一个模型统治所有”转变为“多模型共存”，不同模型（如 o1, gpt-4o）服务于不同场景（如深度推理 vs. 快速响应）。
* 开源模型的影响： OpenAI 发布开源模型并非反商业，而是为了做大生态，推理服务的复杂性是其护城河。
* Agent Builder 与低代码： 尽管有人质疑低代码工具的灵活性，但对于受监管行业和标准化流程（SOP），确定性的 Agent 构建工具至关重要。
* 提示工程（Prompt Engineering）的演变： 从早期的“模型会自动理解”到现在的“上下文工程”（Context Engineering），开发者需要更精细地管理输入。
* AI 原生应用的交互： 为什么未来的应用很难像传统软件那样完全封装 AI？用户与模型的直接互动（如 Cursor）或许是不可逆转的趋势。
* 定价模式的思考： 从按 Token 收费到按结果收费（Outcome-based pricing），AI 商业模式的探索仍在继续。
相关链接与资源：
[视频来源]www.youtube.com
本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来比较奇怪。如想了解更多信息，请关注微信公众号“心流赫兹”获取AI最新资讯。