"安全支出应该大幅超过软件支出"：药物发现的物理学变了没有、数学跑得快到底是因为可验证还是因为数据，以及"最好的 UI 是没有 UI"（No Priors / Greg Brockman，2026-10-15）¶

嘉宾: Greg Brockman — OpenAI 联合创始人兼总裁
主持: Sarah Guo 与 Elad Gil（⚠️ 转录稿无说话人标签，只有 >> 换人符，本库不逐条裁定两位主持各说了哪句；下文凡写"主持人"均指两人之一。✅ 唯一可定位的一处是开场白自述 "Today, Elad and I talk with Greg Brockman"，可确认该句出自 Sarah Guo，[00:00:00]）
来源: YouTube · 39 分钟
转录稿: sources/no-priors/20261015-AwuTTOJGEi0

⚠️ 专名与术语还原（自动字幕）：Dots（OpenAI 的常驻 agent 产品）、Astra（模型）、Daybreak（他说的防守方准入项目名）三处字幕拼写稳定，本库照录；Galois → "Galois"（正确）；Math Academy → "math academy"；HTTPS 一句残缺作 "should be over H"，本库按 HTTPS 理解。

⚠️ 本库判为不可靠、未写定的四处：① [00:19:07] 他形容 Dots "It's got its own car computer"——⚠️ "car computer" 疑为 "cloud computer" 一类的转录错误，本库只记"他说 Dots 跑在自己的一台计算机上"，不引用那个词；② [00:20:07] 他列举消费侧助手时字幕作 "the Instincts Muses of the world"——✅ 2026-10-29 部分解掉：a16z 2026-10-22 那期两次把 "Muse" 与 "Instinct" 作为两个并列产品提到（"你有 Muse 和 Instinct 这类产品，它们算是人的效用代理 agent"），本库据此判定这里是两个产品名而不是一个。 ⚠️ 但两者分别属于谁、具体是什么，两期都没说，本库仍不解释（🔗 另有一条记录指向 Muse 属于 Meta 一侧，见 High Taste Testers 那期的代号清单）；③ ⚠️ [00:37:15] 他说"即便 GPT-4 也比任何人知道得多"——⚠️ 本期开头刚说 GPT-6 已铺给十亿人，此处出现 GPT-4 可能是他举旧例、也可能是转录错误，本库照录不改；④ [00:14:05] "and of one diseases" 应为 "n-of-1 diseases"（单病例罕见病），本库按后者理解并标注。

✅ 本页认为这一期的价值集中在四处，而其中两处与本库既有材料正面冲突： ① ⚠️⚠️ 他明确否掉了"数学跑得快是因为可验证"这个解释，把原因换成了数据（[00:09:04]–[00:10:04]）。⚠️ 本库此前记录的同一问题的主流答案恰好是可验证性（Sacks 的"证明容易验证"、Friedberg 的"整个循环能在硅内闭合"）。 ✅ 这是本库第一条来自实验室内部、且方向相反的归因，见下文第二节。 ② ⚠️⚠️ "安全支出应该大幅超过软件支出"（[00:34:15]）——他自己加了"我可能不对"。✅ 本库 LLM 安全此前有大量攻防机制材料，但没有一条预算量级上的断言，这是第一条，且他给了可检查的推理链（软件趋近免费 → 价值转移到可靠性）。 ③ "防守方窗口"这条他 2026-09 已讲过的论证，本期有三处实质更新：窗口不会一直在、第一个被他点名的事件（韩国银行）、以及项目名 Daybreak。见下文第四节与他的人物页。 ④ 药物发现的"第一性原理"论证：⚠️ 他主张神经网络没有理由在自然语言上比在生物学上更强（[00:14:05]）。✅ 本库 AI 与科学发现上此前的反方论证（Anandkumar 的"AI for science 不是语言模型"、Xaira 的"因果模型需要因果数据"）与这条直接对撞，本页并列两侧。

⚠️ 引用他时必须一并标注的利益相关：他是 OpenAI 总裁。⚠️ 本期全部数字（1.2 亿/十亿级用户口径、近 400 个数学问题、10 亿美元承诺、25% 工程师、"80% 很快实现"）均为自述，本库一条未核实。 ✅ 但本期有两处他主动给的自我削弱，本页记下：谈药物发现时他明确说数据问题 "尚未解决"（[00:11:05]）、"我们还没到"神经网络能替代临床试验那一步（[00:17:06]）；谈安全预算时他说 "我可能不对"（[00:34:15]）。

一、本期的前情：GPT-6 与那批数学结果¶

主持人给的前情（[00:01:00]）：GPT-6 刚铺给"超过十亿人"；同一周 OpenAI 公布了数学方面的结果。

他对数学结果的定性（[00:02:01]）：

"一直有个问题是 AI 到底能不能产出新知识。到这个点上，已经没法否认了——答案确定地是能。"

⚠️ 但他同时给了限定，本库要求一并引用："我们还没有在产出全新的整套理论，但我们能解决这些有一百年历史的数学问题。"

他给的量（[00:05:02]）："我们公布了将近 400 个非常重要的、现在被解决掉的公开问题"，数学界正在逐个翻找里面的洞见。
⚠️ 本库标注口径差异：All-In 2026-10-10 那期谈的是 "一天放出 700 篇数学论文"。"问题"与"论文"不是同一个单位，本库不把这两个数字互相换算、也不判定哪个对。
⚠️ 他最在意的不是"解出来了"，而是"证明可读"（[00:05:02]–[00:06:02]）：他说领域专家读完后的反应是"为什么会把那个结果用到这里来"这类惊讶，而不是不可理解的证明。他拿四色定理作反例——"就是让机器检查了一堆情况，那里面没有美"，并由此说"我们进入了机器发现的另一个阶段"。
✅ 这条与本库 OpenAI 数学团队那期的经验规律同向（"AI 的证明普遍很短、很优雅，和我们一年前的预期相反"），是本库第二份指向同一现象的材料，且来自不同的人。
他的数学背景自述（[00:04:02]）：曾以为自己会成为数学家，受 Galois、Gauss 这类"按一百年、四百年时间尺度工作的人"影响；他认为数学的意义"不是客观的，是在观看者眼里的"。

⚠️ 一条被他接到 AI 安全上的技术路线：debate / iterative amplification¶

（[00:07:02]–[00:08:02]）被主持人问"定理再强，怎么跟人沟通"之后，他把这个问题接到了可监督性上，并点名了 OpenAI 自 2017 年起讨论的 debate 与 iterative amplification。

他给的例子是书摘：一个 AI 给你一段书摘，你没读过全书就无法判断好坏；但如果另一个 AI 的任务是证明这段摘要是坏的，它只要指出"书里这一段明显是重要情节、摘要里没有"，你不必读完全书就能判断这个反驳成立。

"你会发现，存在一些训练 AI 的方式，是真的与'让人类能够监督、能坐在驾驶座上'对齐的。"

✅ 本页认为这是本期在 LLM 安全上第二有价值的一条：本库此前关于"人如何监督比自己强的模型"的材料集中在评测与护栏，⚠️ 没有一条是具体的可扩展监督（scalable oversight）机制。

二、⚠️⚠️ 本期最该被记住的一条：他把"数学为什么跑得快"归因到数据，而不是可验证性¶

（[00:09:04]–[00:10:04]）这段他讲得很明确，而且是一步步否掉通行解释的：

先给框架：如果你理解一个 AI为什么在某个维度上变强了，那么所有具备相似属性的人类领域，你就该预期相似的结果。
然后否掉"可验证"这条：

"你可以认为，嗯，数学是可检查的——但现在这话已经不太对了。"

他的拆解是：最早确实是可检查的（写好的算术题、有个数值答案，直接比对即可）；但证明不是——形式化证明可检查，而他们现在真正产出的是自然语言证明，"要难得多"。

换上他的答案：

"我认为真正的核心洞见其实是数据。数学里你能拿到大量数据，理论物理里你能拿到大量数据。生物学里你能拿到大量数据吗？那显然是非常受数据限制的。"

配套的那句是他对深度学习的概括："算力、数据、算法 = 能力 = 结果，这是深度学习的基本物理。"

⚠️ 这与本库既有记录的冲突，本页认为必须并列¶

来源：No Priors / Greg Brockman、All-In 2026-10-10、a16z / OpenAI 数学团队

	对"数学为什么跑得快"的归因	推论
Sacks（All-In）	可验证性——"数学依赖证明，而证明容易被验证"（视频页 [00:45:30]）	可以做 RL 而不卷入人类反馈，所以编码与数学最快
Friedberg（All-In）	循环能在硅内闭合，且可并行、周期可缩短（视频页 [00:40:28]–[00:43:29]）	卡车司机不会很快被替代，因为循环出不了硅
⚠️ Brockman（本期）	数据量——而且他明确说"数学可检查"这个说法"已经不太对了"（[00:09:04]–[00:10:04]）	生物学的瓶颈因此是能不能拿到数据，不是能不能验证

⚠️ 本页的读法（综合，不应归给任何人）：三者并非完全互斥——数学同时具备数据多、可验证、循环短三个属性，所以在数学上无法分辨。✅ 但它们给出的是不同的预测，因此可分离：按 Sacks/Friedberg 的归因，下一个起飞的领域该是可自动判分且循环短的；按 Brockman 的归因，该是数据多的。⚠️ 而他自己点名的下一个领域是理论物理（数据多、但判分未必容易），这与他的归因自洽。

⚠️ 还需并读的一条限定：本库 OpenAI 数学团队那期说过，他们训练的是通用推理模型、这条路线不依赖自动形式化来引导推理。✅ 这与 Brockman 本期"自然语言证明很难检查"的说法同向——即前沿阶段靠的确实不是"机器判分"。

三、药物发现：他的第一性原理论证，以及他自己承认的两处未解¶

他把药物发现排在第一¶

（[00:13:05]）被问"OpenAI 内部怎么给各科学领域排序"时：

"如果只能挑一个你想彻底革新的领域，药物发现是最清楚、最明显的那个。"

⚠️ 紧接着的那句是本节最尖锐的："我认为我们会发现，人类在生物学上糟糕得不可思议，在药物发现上糟糕得不可思议。"

⚠️ 他的第一性原理论证（[00:14:05]）¶

"对人类来说，自然语言是我们非常适配的东西……而生物学完全是异己的。但对一个神经网络，我不觉得有任何理由相信它在自然语言上应该比在生物学上更强。"

推论：既然神经网络在自然语言上已经做到这个程度，那么从第一性原理出发，它应该能破解生物学的语言。

⚠️ 本库对撞材料：这条论证的三条反方¶

来源：Latent Space / Anima Anandkumar、No Priors / Xaira、本期

⚠️ Anandkumar 的"AI for science 不是语言模型"：在连续介质物理那一侧，transformer 不是慢，是跑不动，需要换架构（神经算子）。如果"语言"这个类比在物理上就不成立，Brockman 的第一性原理论证至少不是普适的。
⚠️ Xaira 的"因果模型需要因果数据"：观测数据再多也不自动给出因果结构。这正好落在 Brockman 承认的数据缺口上，但指出的是数据的"种类"而非"数量"问题。
✅ Brockman 自己给的那条（见下）：⚠️ 他没有否认数据缺口，他说的是"尚未解决"。

他承认的瓶颈，以及他认为最快能动的地方¶

⚠️ 数据问题他记为未决（[00:11:05]）："问题会是、而且这还没有解决：我们有数据吗？我们有能力拿到数据吗？" 他说有些领域会很快倒下，但会有别的瓶颈，而缓解瓶颈要靠湿实验室与仿真上的创新（[00:12:05]）。
✅ 他点名的非生物学瓶颈，本页认为是本节最可操作的一条（[00:11:05]）：监管申报（regulatory filings）——"写一份临床试验的完整论证要花大约一年"，而这类东西用 AI 写容易得多。⚠️ 这条不依赖任何生物学突破。
n-of-1 罕见病（[00:14:05]，⚠️ 字幕作 "and of one"）：他说有不少人要的那个药其实已经存在，只是散落在文献里某一篇论文中，找到就能治——"这类操作是可以大规模放大的"。
其它领域：他另点了材料科学，并说还有一条长尾（[00:14:05]–[00:15:05]）。

主持人给的产业结构数字（⚠️ 出自主持人，不是 Brockman）¶

（[00:12:05]）一款药约 15 年、15 亿美元；其中临床前（小鼠、分子）约 5,000 万美元、2–3 年，临床试验约 14 亿美元以上、约 12 年。⚠️ 主持人由此给出的论点是：AlphaFold 一类早期工作集中在"能不能结合"，而成本的大头全在下游。 Brockman 接受了这个框架。

监管：他的类比与他自己的刹车¶

他的条件句（[00:15:05]）："如果你真的能证明药物发现的物理学变了，那它当然应该渗透进系统的每一部分。"
自动驾驶类比（[00:16:05]）：如果自动驾驶达到比人类安全 10 倍或 100 倍，那当然应该重新思考整个交通系统。
监管套利已经在发生（[00:17:06]）：澳大利亚与美国的临床试验监管不同，"已经有很多人把试验搬到监管环境更合理的地方"。
⚠️ 他自己的刹车，本页认为必须和上面三条一起引（[00:17:06]）："是不是真的到了从神经网络拿到的结果比实际跑一次临床试验更好的程度？我们还没到，但你可以想象我们会到。"
⚠️ 他还给了一条结构性限制（[00:18:06]）：涉及长期结局的预测，很难不至少真的让时间走过一轮去对照。
他的总量预测（[00:18:06]）："我认为我们会看到可能性里的 80% 很快变成现实。" ⚠️ "可能性"的分母他没有定义，本库照录。

四、网络安全：三处相对 2026-09 的实质更新，以及那条预算断言¶

来源：No Priors / Greg Brockman（本期）

⚠️ "防守方窗口"的论证他在 2026-09-14 的 a16z 那期已给过完整三段式（双用性 / 防守方控制战场 / 窗口＝前沿能力与扩散能力之差）。✅ 本页只记本期的增量。

更新一：窗口是会关的，而且扩散侧在棘轮上涨¶

（[00:27:11]）

"我们处在我们称为防守方窗口的时期。……它们还没有被广泛击败，但被广泛击败的能力在棘轮式上涨，你从各家每一次模型发布到下一次发布都能看出来。"

⚠️ 他在 [00:32:14] 又把"窗口不会永远存在"重复了一次，并给了条件：防守方的安全性取决于两件事——一次性的基础功，加上他们用上的网络能力水平。

更新二：第一个被他点名的事件¶

（[00:27:11]）他说韩国有若干家银行的高调入侵事件"是由不同的模型驱动的"。

⚠️⚠️ 本库标注三点：① 他没有给时间、没有给银行名、没有说是哪些模型；② "由模型驱动"的归因方法他没有说明；③ ✅ 但这是本库收录的材料里，第一次有前沿实验室领导层点名一个"AI 驱动的真实攻击事件"并指向本国之外的具体目标——本库此前的同类事件（OpenAI–Hugging Face、沙箱逃逸）全部发生在实验室内部或评测中。本库记为一条未核实的当事方断言。

更新三：项目名与规模¶

⚠️ "Daybreak 项目"（[00:27:11]）：他说这是 OpenAI 向防守方负责任地开放峰值智能、用于找洞与修洞的准入项目。✅ 本库此前记录过 10 亿美元 frontline defenders 承诺，但没有项目名；他本期把 10 亿美元承诺与之并提（[00:29:11]）。
合作方：他点名 CrowdStrike（[00:36:15]），并说这是协同响应。主持人另点了 Socket（扫开源供应链）作为第三方生态的例子（[00:35:15]）。

他对成因的定性：这是人造的技术债¶

（[00:28:11]–[00:29:11]）

"互联网其实是为韧性建的，不一定是为安全建的。"

他说安全是事后栓上去的（病毒扫描、HTTPS 都是出事之后才加的），"这些真的是人的问题，是我们选择建造互联网的方式"。
他引了主持人提到的 XKCD 那张"全世界的基础设施压在一个人写的开源项目上"，并说"那个世界从来就说不通"（[00:34:15]）——⚠️ 而他给的成因是物理性的：写可靠软件太难、有这类专长的人太少，所以"用人类开发者根本不可能改变"（[00:35:15]）。
他重复了"从没有哪个 CISO 是资源充足的"（[00:28:11]）——⚠️ 与他 2026-09 的原话一致。

⚠️ 可证伪的那条：饱和循环，以及 25% 工程师¶

（[00:30:11]–[00:31:12]）他把 2026-09 讲过的 "P0 饱和" 复述为一条例行流程：

"每次新模型发布，你都要用它来保护自己、找出你的漏洞，然后饱和掉。"

同期数字：抽调约 25% 的生产工程师，"你们所有项目暂停，现在只做安全"，用当时的峰值模型红队自家全部基础设施，并建了工具以便以后重复做。⚠️ 与 2026-09 的 25% 是同一个数字，本库不判定是同一次行动还是又一次。
他的下一步主张（[00:31:12]）：既然现在大量代码是 AI 辅助写的，就可以训练模型一开始就写安全的代码——"我们正在训"。
✅ 他点了一条本库此前没有的具体技术路径（[00:30:11]）：形式化验证——"这些模型显然很擅长证明东西，为什么不去证明软件的安全属性？"⚠️ 他给的理由是成本："技术一直都在，只是工作量太大，所以没人对任何有分量的东西做。"
⚠️ 主持人的收敛式总结，以及他没有正面接（[00:31:12]–[00:32:14]）：主持人说业界共识是会先有一段攻击增多的过渡期、防守再追上；他的回答是"我对我们能怎么度过这个时刻很乐观"，并转向需要协同响应，⚠️ 没有确认也没有否认那个过渡期。本库照录这个回避。

⚠️⚠️ 那条预算断言（[00:34:15]）¶

主持人先给了基线：传统上安全大概占 IT 预算的个位数低百分比，并问"现在应该是多少"。他的回答：

"我有一种感觉：网络支出、安全支出，应该大幅超过软件支出。我真的这么认为……我可能不对，但当我看向我们将要进入的那个世界——软件在某种意义上正在变成准入门槛、变得如此便宜……你要的不只是软件，你要的是可靠、安全、你能信得过的软件。"

✅ 本页认为这条值得单独记，理由是它的推理链是可检查的：软件成本趋近于零 → 软件本身不再是价值所在 → 价值转移到"这软件能不能信"。⚠️ 而它可被证伪：如果安全支出在未来数年仍停在 IT 预算的个位数百分比，这条就错了。本库建议按一条带时间的预测跟踪，而不是按观点收录。

⚠️ 需要并读的本库材料：Black Hat 2026 一线视角给过一条相反方向的观察——"奖励最少 token"意外产出了攻击的省力路径排序，以及agent 与密钥的交互是未解问题。✅ 即一线材料指向攻方的边际成本也在塌，而 Brockman 的预算论证默认守方能把钱花出效果。本库不判定谁对。

五、产品形态：Dots、"最好的 UI 是没有 UI"，以及消费/企业合流¶

Dots：常驻的主动 agent¶

（[00:18:06]–[00:20:07]）他说 Dots 实质改变了很多人的工作方式。他的描述：

"一个主动的 agent，始终在线、始终在工作。你停下来，它继续。"
他自己那个 Dot 在做的事：盯他本该做却没做的事（该发没发的消息、答应了没做的事），每天早上醒来就有一份清单；还会注意他没要求它注意的东西——日程冲突、"你得早点离开这个会才赶得上下一个"。
它的上下文来源：知道收件箱、知道 Slack、知道在做哪些项目、知道他最近在问什么问题。
他自己只跑一个 Dot，图标是只猫头鹰（[00:20:07]）。

⚠️⚠️ 他自己给的定性，本页认为是本节最该引的一句（[00:19:07]）：

"在某种意义上，Dots 只是形态（form factor）的改变，不是能力的改变。……但在工作场景里，这种形态改变配上这个智能水平，就是改变游戏规则的。"

✅ 这条直接接上他 2026-09 的自我批评（"这不是我们被许诺的那个 AI"——ChatGPT 与 ChatGPT work"都是文本框"）。⚠️ 本库此前唯一提到 Dots 的材料是 a16z 消费 AI Top100 那期，那是外部榜单视角；这是第一份来自内部、且讲形态而非榜位的材料。

"最好的 UI 是没有 UI"，以及一条他自己指出的矛盾¶

（[00:23:08]–[00:26:11]）

主张："首先，最好的 UI 是没有 UI。我认为在 AI 里我们正是往那儿走。" 落点是一个你能说话、能打电话、能在 Slack / iMessage 上找的东西——"Dots 今天就能这么用"。
"文本框"那句的终点（[00:25:10]）："ChatGPT 从一个文本框开始。而我们要去的地方连文本框都没有——那才是我们被许诺的那个 AI。"
⚠️ 但他紧接着引入了 intelligent UI / 生成式 UI（[00:26:11]）："即便没有固定 UI、没有按钮、没有菜单要学，AI 也能把结果雕成视觉上正好是你想要的样子。" 他举的例子是订机票（需要复杂界面才能看清所有选项）和装自行车（"你永远不会雇人为你写一个一次性的 app，但让 AI 实时做一个完全没问题"）。
✅ 他自己点出了"无 UI"主张的一处内部矛盾，本页认为这是本节的真内容（[00:24:08]）：企业场景里管理员会关掉一些功能，于是"有功能缺席"这件事本身需要被呈现给用户——"可重点本来是没有 UI 啊"。他的结论是"这不会自动消失，你得迎着这个复杂性上"。

消费与企业：他说会合流，区分主要是成本¶

（[00:20:07]–[00:22:08]）

他的判断：两者会合流，没有疑问；主要区分是成本——面向大众消费要解决免费或极低成本规模化，而在工作场景里"只要多付钱有回报，就值得砸更多算力"。
他举的自家例子：把记忆带给全部免费用户是"一项真正巨大的工程投入"，⚠️ 而"以高得多的成本对很少的人实现同样功能，非常容易"。
⚠️ 他给的用户数（[00:22:08]）："我们在 ChatGPT 上有 12 亿消费者，同时也有领先的编码与企业业务。别家没有谁同时具备这两样。"
⚠️⚠️ 本库标注口径问题：他 2026-09-14 给的是"约 11 亿周活"，本期的 "12 亿消费者"口径不同（消费者 ≠ 周活），本库不把两个数字当作增长对照；主持人开场说的 "GPT-6 铺给超过十亿人"是第三个口径。三者本库均未核实。
战略落点："统一这两边，这样我们不是在两条战线上竞争，而是一条。"
⚠️ 他对创业的预测（[00:22:08]）："我们会迎来一次创业者的文艺复兴。" 依据是他认识的人辞职创业时说"如果不是有个我信得过的 AI 能处理掉那些常规门槛，我永远不会这么做"。✅ 可与本库零人公司与 Kill My SaaS 两条中美对照材料并读。

六、收尾：人在驾驶座，以及那个 iMac 把手¶

（[00:36:15]–[00:38:15]）被问"OpenAI 最初那种亲人类的气质还在吗"：

"确保 AGI 惠及全人类——这里的'人类'是关键。我们认为人应该牢牢坐在驾驶座上，应该掌控未来，而这项技术应该放大人的能动性。"

被追问"即便模型在能力上超过人之后呢"，他给了两条：

能力是锯齿状的（jagged）（[00:37:15]）：有些地方 AI 显然比任何人都强。⚠️ 他举的例子是"即便 GPT-4 也比任何人知道得多"，见页首存疑标注。
⚠️ 那个类比，本页认为是本期最具体的一句（[00:37:15]）：Steve Jobs 为什么给 iMac 装把手——好让人觉得自己能掌控这台机器，"你随时能把它拎起来扔出窗外"。他说 AI 需要同样的精神。
他对人的未来角色的说法（[00:37:15]–[00:38:15]）：人会更像 CEO 或董事会成员——"你当然会有领域专家，会有在很多方面比你有更好想法的团队，但根本的问题是：你开心吗？这是你想要的吗？这让你的生活更好了吗？"

⚠️ 本页标注：这条与他 2026-09 的 "人有价值不是因为我们能做任务，我们有价值是因为我们是人" 是同一主张的两个版本，✅ 但本期的 CEO/董事会类比比上次更具体，也更容易被检验——它预设了人保留目标设定与问责权，而本库 AI 与就业上已有若干材料质疑这层是否也会被吃掉。