OpenAI聯合創辦人跳槽對手公司、總裁休長假！奧特曼為何落得眾叛親離下場？|數位時代 BusinessNext

OpenAI 高層爆出了大地震，聯合創辦人 John Schulman 辭職跑去了競爭對手的公司。不過，他們高層的問題還不止於此：另一位聯合創辦人兼總裁 Greg Brockman 也正在長期休假，產品副總裁 Peter Deng 也被曝離職。

John Schulman（約翰·舒曼），長年領導 OpenAI 強化學習團隊，被譽為「ChatGPT架構師」。也是他在 Ilya Sustkever 離開之後，臨時接管了超級對齊團隊。結果，昨天他宣佈「做了一個艱難的決定」，加入隔壁 Anthropic，也就是 Claude 團隊。

與此同時，OpenAI 總裁 Greg Brockman 也宣佈將休長假，直到年底。OpenAI 計畫 10 月 1 日起在全球各地舉辦開發者日等活動，他也將缺席。

Brockman 自述是在連續工作了 9 年之後第一次放鬆，但對年底之後的計畫說的比較模糊，也有網友認為是出於保密協議。

等於說，現在 OpenAI 領導層已經成了一個空殼，除了阿特曼似乎已經沒有其他人了。

ChatGPT 架構師離職

舒曼本科在加州理工學習物理，在 UC 柏克萊短暫學習過神經科學，後來師從強化學習大師 Pieter Abbeel，完成電腦科學博士學位。

在他成為 OpenAI 聯合創辦人時，博士還未畢業。

OpenAI 是他在實習之外工作過的第一家，也是唯一一家公司。

他的代表作、最高被引論文 PPO，即是 ChatGPT 核心技術 RLHF 中選用的強化學習演算法。

後來在從 GPT-3.5、GPT-4 到 GPT-4o 的一系列工作中，舒曼都領導了對齊/後訓練團隊。

這次他自述的離職原因也是與此相關：希望加深對 AI 對齊的關注，並開啟職業生涯的新篇章，可以重返實際的技術工作。

不過，他也給足了 OpenAI 面子，補充「不是因為 OpenAI 缺乏對安全對齊工作的支持而離開」，只是出於個人希望集中精力。

在 ICML2023 的演講中，舒曼自述過個人接下來關注的研究方向之一： 如何避免過度最佳化 。ChatGPT 中的一些令人討厭的行為（例如過度道歉）是過度最佳化的結果。RLHF 很容易對狹窄的指標進行過度最佳化，例如模型可能學會了能獲得獎勵的捷徑，但沒有真正理解。

在今年五月份與 Podcast 主持人 Dwarkesh Patel 訪談時，舒曼也表示，算力應該更多從預訓練向後訓練轉移。

OpenAI 人才持續流失，Anthropic 成最佳去處

由於在 AI 安全方面理念和阿特曼不合，OpenAI 的人才發生了大量流失。

今年5月，超級對齊團隊的兩名負責人——首席科學家 Ilya Sutskever 和 RLHF 發明者之一Jan Leike，在同一天內相繼離開 OpenAI。

彼時離超級對齊團隊的成立，還不到一年。

Jan Leike 離開後更是連發十幾條推文，對著 OpenAI 瘋狂炮轟，控訴其沒有兌現 20% 算力的承諾，並且對安全的重視程度遠不及產品。

後來，Jan Leike 選擇加入了 OpenAI 的競爭對手 Anthropic，繼續進行超級對齊的研究。

在 GPT-4 項目上與 Jan Leike 共同領導對齊工作的 Ryan Lowe，也已於3月底離開 OpenAI。

還有超級對齊成員之一 William Saunders，以及參與過 GPT-4 對抗性測試的 Daniel Kokotajlo，也都從 OpenAI 離職。

更不必說隔壁 Anthropic 的創始人 Dario Amodei 和 Daniela Amodei 兄妹，也是 OpenAI 出身。

哥哥 Dario 離開前是 OpenAI 的研究副總裁，妹妹 Daniela 則是安全與策略部門副總監，走的時候還把 GPT-3 首席工程師 Tom Brown 等十幾名員工一起帶到了 Anthropic。

導致他們選擇出走創業的原因之一，就是 OpenAI 在安全問題尚未解決的情況下就直接發佈了 GPT-3，引發了他們的不滿。

對安全的重視，加上創始人的背景，也讓 Anthropic 成為了包括 Jan Leike 和這次離職的舒曼在內的 OpenAI 員工的主要去處之一。

OpenAI 這邊最近在安全工作上也有所動作——

7月末，OpenAI 把安全部門高級主管 Aleksander Madry 調離了安全崗位，並給他重新分配了「AI推理」的工作。

但 OpenAI 告訴媒體，Madry 到了新職位上之後，仍將致力於人工智慧安全工作。

CEO 阿特曼也是強調，OpenAI 一直都很重視安全工作，並堅持了「給整個安全團隊至少 20% 算力」的承諾。

但眼尖的網友很快發現，阿特曼玩了一波偷換概念，原來承諾的的是給超級對齊團隊 20% 算力，被偷偷改成了全部安全團隊。

所以，在阿特曼的推文之後，網友也是毫不留情地把這一背景資訊新增了上去，並附上了當時 OpenAI 的官方連結。

延伸閱讀：台積電遇到「專利蟑螂」了！在美被控7項專利侵權，發生什麼事？

本文授權轉載自：T客邦

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問