現(xiàn)在GPT-5的迭代日志正在OpenAI內(nèi)部流轉(zhuǎn)，全球AI從業(yè)者都在猜下一代大模型能有什么技術(shù)突破。但大家大多把目光放在了算法創(chuàng)新上，很少有人留意那些不直接定義算法，卻能決定模型能不能持續(xù)變好的核心人物。

翁家翌就是這樣一位華人工程師，他的名字在OpenAI的技術(shù)致謝名單里反復(fù)出現(xiàn)，從ChatGPT-3.5到GPT-5的完整后訓(xùn)練流程，他是極少數(shù)全程參與的華人，更是OpenAI強化學(xué)習(xí)和推理基礎(chǔ)設(shè)施的關(guān)鍵搭建者。

畢業(yè)時他放棄了DeepSeek、谷歌的offer，選擇加入當(dāng)時還處于發(fā)展初期的OpenAI，這個決定不僅改變了他自己的職業(yè)方向，某種程度上也影響了全球AI行業(yè)的競爭格局。

少年筑基 從奧數(shù)愛好者到編程大神

翁家翌的天賦最早是在數(shù)學(xué)上顯露出來的，他跟普通孩子不一樣，不只是被動接受知識，反而對邏輯推理有種天然的敏感，尤其喜歡鉆奧數(shù)難題。

他自己也說過，自己學(xué)東西不算快，但理解深度比同齡人深得多，這種特質(zhì)讓他在數(shù)學(xué)學(xué)習(xí)里一直很突出。

初中的時候他就開始超前學(xué)，主動啃高中數(shù)學(xué)課程，初三就已經(jīng)在深入研究微積分了。

他不是為了攀比成績，更像是在給未來鋪路，提前把底層邏輯摸透，后面學(xué)新東西的時候就能更輕松。這種對底層原理的執(zhí)著，一直跟著他，也為后來做基礎(chǔ)設(shè)施搭建埋下了伏筆。

真正的轉(zhuǎn)折點是接觸編程之后，那時候信息學(xué)競賽還不是升學(xué)捷徑，他偶然接觸到編程，一下子就被這種用邏輯搭建世界的方式吸引了。

不像別人只是埋頭刷題，他更癡迷計算機系統(tǒng)的底層架構(gòu)，這份鉆勁讓他很快在競賽圈站穩(wěn)了腳跟。

他的競賽之路挺不容易的，中學(xué)時代沒有好的編程設(shè)備，就靠一臺普通iPad練代碼。那時候移動端編程環(huán)境特別差，沒有自動補全功能，沒有一鍵編譯的快捷鍵，連基礎(chǔ)的語法高亮都沒有，用iPad寫代碼簡直像苦行僧修行。

但這種被迫的離線練習(xí)，反而練出了他超強的人腦編譯能力。寫代碼之前，他得在腦子里把整個邏輯框架搭好，提前想到可能出現(xiàn)的語法錯誤和性能問題，久而久之就養(yǎng)成了落筆就定型的編程習(xí)慣，對效率也變得格外執(zhí)著。

信息學(xué)競賽里，算法的時間復(fù)雜度是生死線，而常數(shù)優(yōu)化就是高手之間的細(xì)微較量。為了讓程序快上十幾毫秒，他會反復(fù)研究內(nèi)存對齊，琢磨CPU緩存命中率，這種對效率的極致追求，成了刻在他骨子里的工程基因。

憑著這份堅持，他在競賽里拿了不少好成績，2015年得了全國青少年信息學(xué)奧林匹克聯(lián)賽銅牌，還有亞太信息奧林匹克中國賽區(qū)銀牌，在福建競賽圈小有名氣。

雖然只是銅牌，但他展現(xiàn)出的工程能力已經(jīng)被清華大學(xué)注意到，最后憑著60分的降分優(yōu)惠，成功走進(jìn)了這所全球頂尖學(xué)府之一。那時候的他大概也沒想到，當(dāng)年在iPad上反復(fù)打磨的代碼習(xí)慣，多年后會用來支撐全球最頂尖的AI訓(xùn)練系統(tǒng)。

清華淬煉，開源先鋒與強化學(xué)習(xí)初體驗

2016年翁家翌進(jìn)入清華大學(xué)自動化系，后來憑著優(yōu)異成績轉(zhuǎn)入計算機系，最后躋身姚班。姚班可是中國計算機天才的搖籃，里面的每個人都在為GPA、競賽獎項和科研機會拼盡全力，翁家翌卻走出了一條不一樣的路，他選擇用開源打破大家之間的信息壁壘。

那時候校園里還流行把筆記當(dāng)成私有財產(chǎn)，翁家翌卻反其道而行之，把自己的課程作業(yè)、學(xué)習(xí)筆記、實驗報告，甚至踩過的技術(shù)坑，全都傳到了GitHub上。他覺得代碼的價值在于流動和復(fù)用，不是鎖在個人硬盤里發(fā)霉。

這份信息平權(quán)的想法，讓他在清華園里得了個慈善黑客的稱號，他的開源資料在學(xué)弟學(xué)妹之間廣泛流傳，幫很多人突破了學(xué)習(xí)瓶頸。

除了分享資料，他還帶著工程潔癖改造公共系統(tǒng)。當(dāng)時清華大學(xué)的教務(wù)選課系統(tǒng)又慢又多漏洞，他實在看不下去，就自己寫腳本修復(fù)問題，用技術(shù)優(yōu)化校園服務(wù)。

也是從這時候開始，他慢慢意識到，比起解決單個問題，搭建高效可復(fù)用的工具和系統(tǒng)，能創(chuàng)造更大的價值。

到了大二大三，翁家翌開始接觸深度學(xué)習(xí)和強化學(xué)習(xí)，加入了朱軍教授領(lǐng)導(dǎo)的TSAIL實驗室。朱軍教授團隊專注于不完全信息決策問題，這正好和他對系統(tǒng)優(yōu)化的興趣契合，也給了他第一個施展工程能力的科研平臺。

在實驗室期間，他參與了ViZDoom AI比賽項目，這個項目基于游戲毀滅戰(zhàn)士開發(fā)，要求AI在復(fù)雜不確定的環(huán)境里完成決策任務(wù)，對強化學(xué)習(xí)算法的穩(wěn)定性和效率要求都很高。

靠著扎實的工程能力和對算法的理解，他所在的團隊2017年第一次參賽就拿了亞軍，2018年更是成功奪冠，成為這個賽事中國賽區(qū)的首個冠軍隊伍。

這次奪冠讓他徹底看到了強化學(xué)習(xí)的潛力，也發(fā)現(xiàn)了當(dāng)時行業(yè)的一個明顯痛點。那時候強化學(xué)習(xí)在學(xué)術(shù)界發(fā)展很快，但工程界的工具卻跟不上，主流的框架又大又笨重，過度封裝就像個黑盒子，研究員想改一行底層邏輯都要牽動全身。

這種算法領(lǐng)先工具落后的現(xiàn)狀，讓他萌生了自己做一款高效簡潔的強化學(xué)習(xí)框架的想法。

開源封神，天授框架

2020年春節(jié)疫情突然爆發(fā)，校園封鎖讓翁家翌有了充足的時間打磨想法。那個被隔離的寒假，他想著要做一把趁手的工具，就基于PyTorch重構(gòu)了強化學(xué)習(xí)的訓(xùn)練流程，天授框架就這樣誕生了。

天授這個名字取自史記，意思是能力來自天賦而非單純學(xué)習(xí)，剛好貼合強化學(xué)習(xí)靠與環(huán)境交互自主學(xué)習(xí)的核心。

和當(dāng)時的主流框架比，天授的設(shè)計理念很不一樣，主打簡潔高效可擴展。他放棄了復(fù)雜的類繼承，用模塊化設(shè)計讓數(shù)據(jù)流清晰可查，以前要幾千行代碼才能實現(xiàn)的算法，在天授里幾百行就夠了，訓(xùn)練速度還大幅提升。

天授有三個很突出的優(yōu)勢，一是代碼足夠簡潔，整個框架才1500行左右，卻能支持多種主流強化學(xué)習(xí)算法，大大降低了研究員的學(xué)習(xí)和使用成本。二是訓(xùn)練效率高，通過并行采樣優(yōu)化和緩存設(shè)計，每秒能處理5000到6000幀數(shù)據(jù)，比同期其他框架快不少。

三是穩(wěn)定性強，他創(chuàng)新性地把整個訓(xùn)練過程納入單元測試，每次代碼迭代都不會影響算法穩(wěn)定性，這在當(dāng)時的強化學(xué)習(xí)框架里是獨一份的。

框架開源后很快就在GitHub上收獲了幾千星標(biāo)，成了全球很多強化學(xué)習(xí)研究員的首選工具。

連圖靈獎得主Yoshua Bengio的實驗室都很認(rèn)可，翁家翌也因此獲得了大三暑假去Bengio實驗室深造的機會，深入研究強化學(xué)習(xí)和自然語言處理的交叉領(lǐng)域。

這段經(jīng)歷不僅讓他接觸到全球頂尖學(xué)術(shù)資源，更堅定了他用工程能力賦能科研的職業(yè)方向。

除了天授，翁家翌還有個很有溫度的開源項目Vaccine Hunter（退雪）。疫情期間，全球留學(xué)生都面臨簽證預(yù)約難的問題，美國大使館的名額緊張，系統(tǒng)還不穩(wěn)定，很多人因為簽證據(jù)誤了學(xué)業(yè)。

他就用自己的爬蟲技術(shù)，做了一個實時監(jiān)控美國簽證預(yù)約名額的網(wǎng)站。這個網(wǎng)站界面簡單但功能實用，能第一時間捕捉到名額釋放信息，還會推送通知幫留學(xué)生搶機會。

高峰期的時候，網(wǎng)站日訪問量突破百萬，累計服務(wù)了上千萬用戶，成了很多留學(xué)生的救命工具。

退雪項目讓翁家翌真切感受到技術(shù)落地的力量，代碼不只是能跑通測試用例，還能實實在在影響別人的生活。

他后來在訪談里也說，用代碼和工具幫別人，打破信息差，是他追求的人生意義之一。這份技術(shù)向善的想法，也成了他后來選擇工作的重要標(biāo)準(zhǔn)。

跨界沉淀，CMU思考與職業(yè)抉擇

2020年翁家翌從清華本科畢業(yè)，去了計算機科學(xué)的頂尖學(xué)府卡內(nèi)基梅隆大學(xué)，攻讀計算數(shù)據(jù)科學(xué)碩士學(xué)位，方向是系統(tǒng)領(lǐng)域。這兩年的深造不只是為了拿個文憑，更多是他沉淀思考職業(yè)方向的關(guān)鍵時期。

疫情期間CMU的課程都是線上開展，這讓他有更多時間關(guān)注工業(yè)界的動態(tài)。那時候大模型的浪潮已經(jīng)初顯苗頭，OpenAI、DeepMind這些機構(gòu)都在加速推進(jìn)大規(guī)模語言模型研發(fā)，學(xué)術(shù)界和工業(yè)界的研究模式差異越來越明顯。

翁家翌敏銳地察覺到，AI行業(yè)的競爭焦點正在從算法創(chuàng)新轉(zhuǎn)向工程落地能力，單純做學(xué)術(shù)研究已經(jīng)跟不上工業(yè)界的迭代速度了。

基于這個判斷，他提出了一個大膽的觀點，要是想進(jìn)工業(yè)界，讀博可能不是最優(yōu)選擇。在他看來，博士階段的研究大多聚焦細(xì)分領(lǐng)域的理論突破，而工業(yè)界更需要能快速搭建系統(tǒng)、解決實際問題的工程人才。

所以在CMU期間，他把重心放在強化工程能力和拓展行業(yè)視野上，為進(jìn)入工業(yè)界最前沿做好了準(zhǔn)備。

2022年碩士畢業(yè)時，翁家翌收到的offer堪稱神仙打架，谷歌、英偉達(dá)、臉書AI研究院，還有幻方浩方也就是后來的DeepSeek，都向他伸出了橄欖枝。

其中幻方的offer很有吸引力，當(dāng)時幻方正計劃組建AI實驗室，專注AI基礎(chǔ)設(shè)施研發(fā)，和他的技術(shù)方向高度匹配。

在很多人看來，選幻方是更穩(wěn)妥的選擇，作為本土崛起的AI巨頭，幻方有充足的資金和算力支持，還能給他核心研發(fā)崗位和廣闊的成長空間。

翁家翌也認(rèn)真考慮過這個選項，他坦言要是當(dāng)時沒有更好的選擇，大概率會選幻方。但最后他還是拒絕了DeepSeek，選擇了OpenAI。

這個決定背后，是他對頂級研究方法論的追求。在他心里，OpenAI和DeepMind是當(dāng)時AI領(lǐng)域最強的兩個實驗室，這里聚集了全球最頂尖的人才，還有一套成熟的工業(yè)級研究體系。

他想要的不是高薪，而是能親身感受世界最前沿的研究是如何系統(tǒng)性落地的機會。

和谷歌這些大廠比，OpenAI的非螺絲釘式工作模式更吸引他。他不想在大廠里做自己不感興趣的前后端工作，變成龐大系統(tǒng)里可有可無的一員。而OpenAI的扁平化架構(gòu)，還有用工程能力驅(qū)動研究的文化，剛好契合他的職業(yè)追求。

另外，當(dāng)時OpenAI正在全力推進(jìn)強化學(xué)習(xí)人類反饋技術(shù)研發(fā)，這和他在天授框架里積累的經(jīng)驗完美契合，能讓他把強化學(xué)習(xí)技術(shù)用到億級用戶的產(chǎn)品上。

面試時的一次智力較量，更讓他堅定了加入OpenAI的決心。

他的面試官是OpenAI聯(lián)合創(chuàng)始人，也是PPO算法的發(fā)明者John Schulman，算是現(xiàn)代強化學(xué)習(xí)領(lǐng)域的奠基人。

這場面試沒有考套路化的算法題，而是給了他一個開放性的全流程任務(wù)，John Schulman給了他三個小時，讓他從零開始寫一個完整系統(tǒng)。翁家翌只用了兩個小時就完成了開發(fā)，演示時出現(xiàn)的漏洞也當(dāng)場修復(fù)，整個過程流暢又高效。

John Schulman對他的表現(xiàn)特別認(rèn)可，后來也解釋過選擇他的原因，一是他GitHub倉庫里的代碼質(zhì)量很高，邏輯清晰干凈，二是他相信有扎實系統(tǒng)工程能力的人才，能給任何研究項目帶來正向增益。

這次面試不僅讓他拿到了OpenAI的offer，還得到了行業(yè)泰斗的認(rèn)可和指導(dǎo)。

OpenAI封神，基建鑄爐者的技術(shù)突圍

2022年7月，翁家翌正式加入OpenAI，成了當(dāng)時團隊里第一個碩士應(yīng)屆畢業(yè)生，也是最年輕的研發(fā)工程師之一。他順利加入了John Schulman領(lǐng)導(dǎo)的強化學(xué)習(xí)團隊，直接參與ChatGPT的后續(xù)研發(fā)。

那時候ChatGPT還沒發(fā)布，但OpenAI已經(jīng)意識到強化學(xué)習(xí)人類反饋技術(shù)的核心價值，翁家翌帶來的強化學(xué)習(xí)和系統(tǒng)優(yōu)化經(jīng)驗，剛好填補了團隊的技術(shù)空白。

剛?cè)肼殯]多久，他就展現(xiàn)出了驚人的工程能力。他不僅熟悉各種強化學(xué)習(xí)算法，還能從系統(tǒng)層面優(yōu)化訓(xùn)練流程，解決大規(guī)模分布式訓(xùn)練中的性能瓶頸。

在ChatGPT 3.5的后訓(xùn)練階段，他主導(dǎo)優(yōu)化了強化學(xué)習(xí)人類反饋的訓(xùn)練管線，大幅提升了模型的迭代速度和穩(wěn)定性，為ChatGPT的成功發(fā)布打下了堅實基礎(chǔ)。

翁家翌對John Schulman充滿感激，他說John Schulman不僅給了他進(jìn)入OpenAI的機會，還教會了他系統(tǒng)性做研究的方法。

John Schulman離職那天，他甚至關(guān)掉電腦難過了一下午，這份知遇之恩也讓他更加珍惜在OpenAI的工作機會，全身心投入到技術(shù)研發(fā)中。

OpenAI核心貢獻(xiàn)，鑄造大模型成長的奠基人

如果把預(yù)訓(xùn)練比作讓模型讀完互聯(lián)網(wǎng)上所有書籍，那后訓(xùn)練包括強化學(xué)習(xí)人類反饋和指令微調(diào)，就是教模型怎么像人一樣交流，遵守安全規(guī)則。

翁家翌主導(dǎo)搭建的后訓(xùn)練基礎(chǔ)設(shè)施，就是連接這兩個階段的核心橋梁。他也是極少數(shù)全程參與ChatGPT 3.5、GPT-4、GPT-4V、GPT-4o、GPT4.5、GPT-5后訓(xùn)練流程的工程師，OpenAI近三年來所有核心模型的研發(fā)，都有他的參與。

翁家翌核心貢獻(xiàn)主要集中在三個方面，首先是大規(guī)模分布式訓(xùn)練系統(tǒng)的搭建。OpenAI訓(xùn)練模型要調(diào)動成千上萬個GPU協(xié)同工作，任何一個節(jié)點出問題都可能導(dǎo)致整個訓(xùn)練中斷。

通過優(yōu)化節(jié)點通信協(xié)議，設(shè)計容錯機制，保證了訓(xùn)練集群的穩(wěn)定運行，大幅降低了訓(xùn)練中斷的風(fēng)險。他中學(xué)時養(yǎng)成的優(yōu)化習(xí)慣在這里派上了大用場，靠著摳細(xì)節(jié)修漏洞，把GPU的利用率拉滿，為OpenAI節(jié)省了巨額的算力成本。

其次是多模態(tài)融合基礎(chǔ)設(shè)施的研發(fā)。隨著GPT-4V、GPT-4o這些多模態(tài)模型推出，OpenAI需要同時處理文本、音頻、視頻等多種數(shù)據(jù)的訓(xùn)練。

翁家翌還帶領(lǐng)團隊重構(gòu)了訓(xùn)練管線，實現(xiàn)了不同模態(tài)數(shù)據(jù)的高效融合和協(xié)同訓(xùn)練，解決了多模態(tài)數(shù)據(jù)處理中的延遲和一致性問題，為模型的多模態(tài)能力突破提供了技術(shù)支持。

最后是強化學(xué)習(xí)人類反饋訓(xùn)練流程的迭代優(yōu)化。這項技術(shù)直接決定模型能不能對齊人類價值觀，翁家翌通過優(yōu)化獎勵模型訓(xùn)練、策略迭代等核心環(huán)節(jié)，讓模型能更快學(xué)習(xí)人類反饋，同時提升了訓(xùn)練過程的可解釋性和穩(wěn)定性。

他搭建的強化學(xué)習(xí)基礎(chǔ)設(shè)施，成了OpenAI后續(xù)所有大模型迭代的核心支撐，也讓他成了團隊里不可或缺的技術(shù)核心。

翁家翌曾說過，模型公司本質(zhì)上拼的是基礎(chǔ)設(shè)施修復(fù)漏洞的速度。在他看來，AI行業(yè)從來不缺想法，缺的是能快速驗證想法、把技術(shù)落地的工程能力。

每家公司的基礎(chǔ)設(shè)施都有漏洞，誰能更快修復(fù)優(yōu)化，誰就能在模型迭代中搶占先機。

其實翁家翌的封神之路，不只是一個人的成長故事，更是一代中國青年工程師在全球化技術(shù)浪潮中突圍的縮影。他的經(jīng)歷，給無數(shù)想進(jìn)入AI行業(yè)的年輕人提供了寶貴的啟示。

扎實的底層能力永遠(yuǎn)是核心競爭力。從少年時代的數(shù)學(xué)和編程積累，到清華期間打磨工程能力，翁家翌的每一步都在夯實基礎(chǔ)?，F(xiàn)在AI行業(yè)迭代很快，算法和模型層出不窮，但底層的工程能力和邏輯思維，永遠(yuǎn)是立足的根本。