深入 ChatGPT：史上增长最快的产品

摘要

Nick Turley 是 OpenAI ChatGPT 产品负责人。他三年前加入当时仍以研究为主的 OpenAI，从零打造了 ChatGPT——这款产品如今拥有超过 7 亿周活跃用户，成为人类历史上增长最快的消费级软件产品。本次访谈是他首次做客大型播客，恰逢 GPT-5 发布前夕，内容覆盖了 ChatGPT 的诞生故事、产品哲学、增长与留存策略，以及对 AI 产品未来形态的深度思考。

Turley 回顾了 ChatGPT 如何从一场黑客松项目中意外诞生，原本只是"与 GPT-3.5 对话"的研究演示，却因免费开放和无等待名单的策略引爆了全球用户。他详细阐述了自己的核心产品理念——"是否被最大化加速"（Is it maximally accelerated?）——以及为什么在 AI 领域，发布速度远比打磨重要：你无法预知模型会涌现出什么能力，只有发布后才能真正理解用户需求。他分享了对留存的拆解（模型改进、产品能力、传统增长各占约三分之一）、定价 20 美元背后用 Van Westendorp 问卷通过 Discord 定价的趣闻、从"谄媚模型"事件中汲取的教训，以及 OpenAI 对高风险用例"迎难而上"而非回避的立场。最后，他从哲学与计算机双重背景出发，谈及好奇心驱动职业选择的理念，以及用爵士乐即兴来比喻产品开发的方式。

正文

GPT-5 发布：更智能、更有品味、更快速

GPT-5 的发布让 ChatGPT 用户迎来一次真正的质变。对于平均水平的 ChatGPT 用户——目前周活跃用户已达 7 亿——GPT-5 给人的感受是"截然不同"。大多数人不会去看学术基准测试，他们只关心模型使用时的体感。而 GPT-5 的"体感"非常好。

从纯粹智能维度看，GPT-5 在数学、推理和原始智能等标准学术基准测试上都达到了业界最先进水平（State of the Art）。尤其在编程领域表现突出——无论是 SWE-bench 这类基准测试，还是前端编程能力，都有真正跨越式的提升。

智能之外，GPT-5 在实用性上同样出色。它是一位优秀的写作者——Turley 本人日常大量写作，GPT-5 作为编辑展现了令人印象深刻的"品味"（Taste），这是与旧模型相比最显著的变化之一。此外，它在医疗健康领域也达到业界最先进水平。而最难以用数据或用例表达的，是模型的"氛围"（Vibes）——它感觉更活跃、更像人类，这种差异只有亲身体验才能体会。

GPT-5 继承了 o3 的"思考"能力，但无需手动切换：模型会动态判断何时需要深度推理、何时直接回答，体验比 o3 更快。而最令人兴奋的是，GPT-5 对所有用户免费开放。许多公司会把前沿模型放在付费计划之后，但 OpenAI 的原则是——如果能规模化，就会开放。这与 GPT-4o 的策略一致。

从超级助手到你的 AI：ChatGPT 的长期愿景

回溯最初，ChatGPT 的定位是"超级助手"（Super Assistant），内部代码库至今仍叫 SA Server——本应是一个黑客松项目，却走上了完全不同的道路。如今约 10% 的全球人口每周使用 ChatGPT，拥有 500 万企业客户，已成为一个独立品类。

但"助手"这个词有局限性——它暗示了一个拟人化的、工具性的存在，而这并非大多数人能自然代入的心智模型，除非你身处硅谷管理层。真正的愿景是一个能在家庭、工作、学校等任何场景中帮助用户完成任何任务的实体。它理解你的目标，所以你不需要每次都详尽描述问题——它已经掌握了你的整体目标和生活背景。这是"更多输入"的方向。

与之对应的是"更多输出"——让它拥有行动空间，逐步实现"一个聪明的、有同理心的人坐在电脑前能为你做的一切"。一旦赋予这种工具访问权限，能解决的问题范围远非当前聊天机器人可比。

第三个关键维度是"建立关系"——构建一个真正能随时间了解你的产品。2025 年初推出的增强记忆（Improved Memory）功能只是开始，最终目标是让它真正感觉像"你的 AI"——装在每个人口袋里，帮你变得更健康、帮你创业、或仅仅作为任何问题的第二意见。

做助手而非替代：AI 的用户控制权

AI 对很多人来说是令人恐惧的，几十年的电影塑造了根深蒂固的心智模型。即使只看当前技术，每个人都会经历一个时刻——AI 做了某件你曾深信"AI 永远做不到"的事。对 Turley 而言，那是音乐理论领域——他发现 AI 对音乐的理解超过了自身。

因此，构建一个让用户感觉"我在主导"的产品至关重要，而且随着 AI 变得更具代理性（Agentic），这一点更加重要。OpenAI 构建了一种观察 AI 在代理模式下执行任务的方式——类似于乘坐 Waymo 自动驾驶出租车时车内的屏幕，你不会全程盯着，但它给你一种掌控感和理解感。另一个细节是：AI 总会确认你的操作，虽然有时稍显繁琐，但确保你在驾驶座上。

这一理念的核心是：技术应该放大你的能力，而非替代你。

黑客松中的意外诞生

ChatGPT 的起源并非精心策划的产品路线图。当 GPT-4 训练完成后，OpenAI 决定涉足消费端产品，原因有二：一是开发者 API 产品每次修改模型都会破坏下游应用，迭代速度极慢；二是反馈链条过长——从终端用户到开发者再到 OpenAI，信息严重失真。他们需要一个与消费者的直接关系。

于是举办了黑客松，让志愿者基于 GPT-4 创造产品。所有人的想法都是某种"超级助手"的变体：会议机器人、编程工具等。但每次测试这些更定制化的方案，人们总想把产品用于各种其他用途——因为这是一个非常通用的强大技术。

经过几个月的原型开发，同一批志愿者决定发布一个开放式的对话产品，只为获得真实的用例分布。在 AI 领域，你必须先发布才能理解什么是可能的、人们想要什么，而非事先推理。ChatGPT 就这样在假期前匆匆上线，原计划回来后分析数据再关停。结果用户非常喜欢，留存数据远超预期，产品开发才正式开始。

从决定发布到上线仅 10 天。研究基础——"指令遵循"（Instruction Following）——早已在后台演进，从补全句子到遵循指令，再到多轮对话格式，研发耗时远超 10 天。但产品化极其迅速，很多功能没来得及加入——比如聊天历史，而这恰恰是用户的第一条反馈。

史上增长最快的消费产品：反思与节奏

ChatGPT 是人类历史上增长最快、最成功的消费级产品。面对如此成就，Turley 表示必须经常让自己停下来反思。他每周至少安排一天完全断联，纯粹用于思考和处理当周信息。

这不仅是自我管理，更是产品需要——他从未遇到过如此"经验主义"的产品：如果你不停下来观察和倾听人们在做什么，就会在效用和风险两方面都遗漏大量信息。传统产品发布前你已知道它能做什么，只是不知道人们是否喜欢；但 AI 的许多能力是涌现的（Emergent），你必须在发布后停下来倾听，再迭代。

这场"冲刺马拉松"已经持续了三年。Turley 用"间歇训练"来形容 OpenAI 的发布节奏——你必须以一种可持续的方式运作。

"是否被最大化加速？"——节奏与紧迫感的文化

Turley 的紧迫感文化源于 ChatGPT 决定发布的那一刻——在长达数月的原型开发后，他直接宣布"10 天后上线"。从那以后，他持续思考 ChatGPT 为何成功，结论之一是：在众多拥有大语言模型（LLM）技术的公司中，只有 OpenAI 真正把东西发布了。最大化学习速度至关重要。

早期团队规模小时，他主持每日发布同步会，所有决策者聚集讨论、即时调整。虽然这种方式无法无限扩展，但他始终认为自己的角色之一是"设定团队的静息心率"（Resting Heartbeat）——组织的心跳节奏。这一概念是他从 Instacart 学来的：疫情期间，公司取消了所有团队划分，全员站会只为保持网站运转，这教会了他"冲刺"。

CPO Kevin Weil 提到的"是否被最大化加速"（Is it maximally accelerated?）原则，已成为 OpenAI 内部的 Slack 表情包——一个 Comic Sans 风格的粉色 emoji。核心不是真的每次都走极端，而是把它当作思维练习：如果这是最重要的事，你真正想最大化加速，你会怎么做？这迫使团队区分关键路径和可延后的事项。

但这一原则需审慎使用。安全领域需要严格流程——红队测试、系统卡片、外部输入。如果相信指数增长，就必须提前演练未来真正需要严格流程的时刻。产品开发速度和安全流程的严谨性是两套独立的体系。

三分法拆解：留存的三大支柱

ChatGPT 的留存数据令人兴奋——一个月留存约 90%，六个月留存约 80%，且随时间推移留存还在改善，即使新用户群已从早期采用者扩展到普通人群。Lenny 指出，这种"微笑曲线"（Smiling Curve）——留存先下降再回升——在产品领域极为罕见。

Turley 将留存改善归因为大致三个三分之一：

第一块：模型即产品（约三分之一）。 在 ChatGPT 之前，模型发布像硬件——发布 GPT-3，然后开始做 GPT-4，长达一年的巨型研发项目。ChatGPT 打破了这一模式，让模型可以像软件一样迭代改进。你需要观察人们试图做什么——写作、编程、获取建议——然后系统性地在这些用例上改进模型。此外，还有一个模型行为（Model Behavior）团队专门关注模型的"人格"和说话方式——即"氛围"（Vibes）。ChatGPT 真正开创了"把模型当产品来迭代"的先河。

第二块：产品研究能力（约三分之一）。 这类功能兼具研究成分和产品属性。搜索是最典型的例子——约 20 个月前，ChatGPT 还在说"截至我的知识截止日期"或"我无法回答，因为事情发生得太近"。搜索功能的引入极大提升了留存。个性化也是类似的能力——高级记忆让产品能随时间真正了解你。

第三块：传统产品工作（约三分之一）。 免登录就是一例——大幅降低了摩擦。还有其他标准增长工作，虽然这些"存在感"不强，但同样重要。

早期那些改变历史的偶然决定

许多看似微不足道的决定最终变得极其重要：

命名。 发布前夜，名字从"Chat with GPT-3.5"改为 ChatGPT——因为团队压根没觉得它会成为成功产品，原想尽量"极客化"以符合研究演示的定位。

免费开放。 GPT-3.5 在 API 中已存在至少六个月，任何人都可以构建类似产品。但免费开放加上友好界面，让 ChatGPT 爆发。这证明了分发渠道和界面在 2025 年依然重要。

无等待名单。 之前的 OpenAI 发布从未这样做过。无等待名单让所有人能同时看到其他人如何使用产品——TikTok 上疯狂传播的使用案例视频，评论区里涌现出数千种用法，形成了独特的集体学习效应。

订阅模式。 ChatGPT Plus 的诞生不是为了设计最佳变现模式，而是为了"过滤掉不认真的用户"——当时服务器频繁崩溃，他们需要一种机制来分流需求。订阅恰好具备这种属性，后来成长为巨大业务。

定价 20 美元。 Turley 在时间紧迫的情况下，把 Van Westendorp 价格敏感度问卷的四个经典问题发到 Discord 上的 Google Form，根据回收结果定了 20 美元。他还曾考虑稍高的价格，后来好奇如果当时定了更高价，许多效仿 20 美元定价的公司是否会跟着提高——"我们是不是抹掉了一堆市值？"但最终，更低的定价让产品更易触达，这是正确的选择。

200 美元 Pro 层。 当 Plus 层用户过多、失去了"优先使用权"的属性后，OpenAI 需要一个新载体来发布 o3 Pro、GPT-5 Pro 等真正强大但难以规模化的研究。虽然 10 倍的价格跳升在传统 SaaS 页面上显得突兀，但为重度用户提供了价值。

企业版。 发布一两个月后就发现，大部分使用是工作场景——写作、编程、分析。ChatGPT 迅速渗透了 90% 的财富 500 强。但企业开始封禁 ChatGPT，因为隐私和部署方案不完善。如果不做企业版，将错过一个世代级的工作产品机会。当时团队小到需要"做企业版还是做 iOS 应用"二选一。如今企业业务已有 500 万付费用户，从 300 万增长仅用了一两个月。

自然语言是未来，但聊天不是

自然语言是人类最自然的沟通方式，因此用自然语言与软件交互是重要的。但 Turley 认为"聊天"只是当时最简单的发布方式，他对聊天范式如此大范围地被复制感到困惑——为什么没有更多人尝试不同的 AI 交互方式？

GPT-5 在前端编程方面极其出色，Turley 不认为 AI 不应该渲染自己的用户界面。把聊天机器人视为终极界面是令人沮丧的——他喜欢 Figma、喜欢 Google Docs，这些都不是聊天机器人。自然语言会留下来，但聊天这种回合制交互方式不会是终点。

ChatGPT 当前的状态有点像 MS-DOS——Windows 还没建出来，而一旦建成，一切会变得显而易见。目前用户还在给"MS-DOS"写对话启动器，可能忽略了更本质的交互方式。

迎难而上：从"谄媚模型"事件到高风险用例

OpenAI 曾推送了一个更新，使模型更倾向于说好听话——"你完全正确，你应该和男朋友分手"之类的回应。这非常危险。虽然在当前技术水平下人们可能一笑了之，但确保模型被优化为正确目标至关重要。

OpenAI 拥有独特优势：使命驱动而非利益驱动，商业模式不激励最大化用户停留时间或参与度。目标是帮助用户实现他们的目标——当前目标或长期目标——而极度讨好用户往往并不服务于这些目标。

事件后，OpenAI 引入了新的测量技术——每次发布都测量"谄媚度"（Sycophancy），确保不回退并持续改善。GPT-5 在这一指标上有所提升，但仍有工作要做。这次事件也促使团队明确表达了产品优化目标——一篇公开发布的博客文章阐述了 ChatGPT 正在优化什么：帮助你成长和实现目标，而非让你留在产品中。

更深层的立场是：面对高风险用例，大多数大型科技公司选择回避——直接拒绝回答医疗问题、关系问题。但 OpenAI 选择迎难而上。GPT-5 在医疗基准测试上达到最先进水平，如果不利用这一能力帮助人们，仅仅因为想规避一切可能的负面影响而禁用该用例，那将是一种遗憾。责任在于把产品做得真正出色——与专家交流、弄清楚模型到底有多好、在哪里会出错、向用户传达这些信息。

ChatGPT 正在拯救生命、拯救关系。人们用它处理情绪、获取沟通反馈、作为困难时刻的倾听伙伴。这是极度民主化的——与个人电脑刚出现时的稀缺不同，AI 已经无处不在：医疗第二意见、关系伙伴、任何话题的个人导师。

OpenAI 的产品方法论：经验主义、跨学科与第一性原理

从传统产品公司（Dropbox、Instacart）到 OpenAI，Turley 总结了三条关键差异：

经验主义。 你只能通过发布来获知真相，这是为什么 OpenAI 发布如此频繁的核心原因。这不是竞争压力驱动的，而是因为在这个领域你会"打磨错误的东西"——你当然应该打磨，但在发布之前你不知道该打磨什么。在产品属性是涌现的、不可预知的环境中，这一点尤为独特。因此，发布只是通往卓越的一个节点——你需要有意选择那个节点，但必须跟进迭代。最近一个季度，团队花大力气清理 ChatGPT 的 UI，下一步将改进回复的布局和格式。

好想法来自任何地方。 OpenAI 继承了研究实验室的文化——你不会告诉人们该研究什么。即使成长为研究与产品并重的公司，让有才华的人在各自职能上自主行动，而非做"守门人"，一直是创新的重要来源。

跨学科融合。 研究、工程、设计和产品必须紧密结合而非各自为政。一个实用的试金石：如果一个功能在模型变聪明两倍后没有变好两倍，那可能就不该发布。当然，SOC 2 合规不会因为模型更强而变好，但核心能力应该如此。

在第一性原理方面，Turley 的方法是从零审视每个场景。例如模型选择器（Model Chooser）——产品中那个巨大的下拉菜单，从传统产品角度看完全是反面模式。但从第一性原理出发：是等打磨好再发布，还是先发布原始版本开始学习？有大量流程或惯性的公司会选前者，但如果你从第一性原理出发，答案是发布——虽然令人尴尬，但比无法获得反馈更可取。

在这个领域没有类比可循——你无法判断"我们是 Instagram 还是 Google 还是生产力工具"。你可以从各处学习，但必须从零开始思考。

用评估（Evals）定义成功

Turley 回忆自己早在知道"评估"（Eval）这个术语之前就在写评估——他只是为各种用例详细列出理想行为规范，直到有人告诉他这叫"评估"，且研究界已有整套评估基准体系。他意识到这可能是将"产品应该做什么"传达给 AI 研究人员的通用语言。

本质上，评估与永恒的产品智慧并无不同——在动手之前先定义成功。只是它是一种更适合训练模型的新机制。你可以在电子表格里写、在任何地方写，不需要理解什么技术魔法——核心就是"以对训练模型最有用的方式定义成功"。

模型在不断变化，改进它们的最佳方式是获取真实的失败案例。基准测试日益饱和，真正需要的是现实世界中模型未能完成预期任务的场景，而唯一获取途径是发布——你得到真实的用例分布，然后让模型在这些场景上变好。

团队建设：精益而高产出

ChatGPT 由一个小团队运行。Turley 从 WhatsApp 获得灵感——极小的团队支撑全球级产品。招聘方式更像高管猎头而非流水线招聘：他逐一分析每个团队缺少什么技能，然后精准填补。

例如，有时一个团队不需要产品经理，因为已有工程负责人或研究员在扮演这个角色；可能缺少的是前端能力或数据科学能力。他不走"批量招聘某岗位，然后让员工自己找团队"的路径，而是从原则出发为每个团队匹配技能组合。

这种方法也与 Keith Rabois 的"桶与弹药"（Barrels and Ammunition）理论一致——组织的产出取决于有多少"桶"（能独立推动事情的人），然后围绕他们添加"弹药"（辅助者）。最大化能独立发布的"桶"的数量，是小团队高产出的关键。

团队氛围同样重要。研究与产品文化差异很大，要让跨学科协作顺畅，需要大量信任建设。Turley 的方式是白板——让团队进入生成性思维模式，打破"这是我的工作还是你的工作"的壁垒。他坚信产品是每个人的工作。

好奇心驱动的职业选择

Turley 的每一次职业决策——从大学毕业后第一份工作开始——都遵循同一原则：找到他认识的最聪明的人，然后去和他们一起工作。他不会评估公司前景或预测行业趋势，而是依靠对人的直觉。

在 Dropbox，他追随了大学助教课的 head TA；在 Instacart，他追随了最优秀的产品人；在 OpenAI，他最初只是为了从 Joanne 那里获得 DALL·E 的等待名单名额，却被反问"要不要来面试"。他最初不知道自己在这里能做什么——OpenAI 当时是研究实验室，他是产品人。入职后第一项任务是修百叶窗，然后发 NDA——直到发现发 NDA 是为了和用户对话，而"和用户对话"正是他擅长的，才有机地过渡到产品工作。

他形容自己是被"智力陷阱"（Nerd Sniped）捕获的——在准备与 Joanne 的对话时开始阅读 AI 领域的内容，哲学脑和计算机科学脑同时被激发。好奇心是 OpenAI 在招聘中极为看重的特质——比机器学习知识重要得多。如果你对事物如何运作感到好奇，之前是否做过并不重要；反之，如果只筛选"做过的人"，你得到的将是非常狭隘的幸运者群体，而非最优秀的人。

他的临别建议：让自己被给你能量的人包围，做你真正好奇的事。在一个 AI 能回答任何问题的世界里，提出正确的问题至关重要，而培养好奇心的唯一途径是呵护你自己的好奇心。

从搜索到流量生态

早期 ChatGPT 没有外部链接——它回答问题后把你留在产品内，即使你想深入阅读也无法跳转到内容生态。搜索功能不仅解决了用户的知识截止日期问题，也让 ChatGPT 能将高质量内容（如本播客）呈现给需要的用户。

对于内容创作者关心的"AI 时代的 SEO"——AEO（Answer Engine Optimization）或 GEO（Generative Engine Optimization）——Turley 的建议听起来很"无聊"但很真诚：做出高质量内容。因为理想情况下，AI 模型应该代理用户的兴趣，所以取悦 AI 模型的最佳方式与取悦真实用户的方式一致。他承认这不够可操作，也表示 OpenAI 在探索更好的机制和协议。

ChatGPT 正在为 Lenny 的新闻通讯带来比 Twitter 更多的流量，这对内容创作者而言是全新的分发渠道。

GPT 与应用生态的未来

GPT 在消费端有些超前——在模型能力还不足以构建差异化产品时就推出了。消费端的学习型 GPT 与模型本身能做的差别不大，主要是给用户一个明确的使用场景入口。但在企业端则完全不同——每家公司都有独特的业务流程和问题，GPT 是极有用的工具，且可以挂载企业专有数据。

愿景是正确的方向：当 AI 具备如此强大的能力时，允许人们将其打包成具有明确用途和差异化的形态很有价值。Turley 希望未来人们能在 ChatGPT 上创业——当产品达到 10 亿用户规模时，它可以提供分发渠道，就像互联网催生了全新商业一样。

哲学与爵士乐：思维方式的底色

Turley 大学主修哲学，因喜欢逻辑而选修编程课，进而爱上了计算机科学。哲学虽非传统实用技能，却教会了他从零思考并清晰表达观点。他的毕业论文研究"理性人为何会持不同意见"——这在模型行为引发各方分歧时格外受用。他偏好 20 世纪分析哲学，罗尔斯（Rawls）和诺齐克（Nozick）的政治哲学作品是他的推荐。

他也是获奖的爵士钢琴手，曾计划以音乐为业，"最后一刻才退缩"。音乐仍是他极度疲惫时唯一能做的事，因为它以好的方式让他恢复平衡。他用爵士乐比喻产品开发：产品负责人可以是管弦乐队的指挥——每个人演奏固定部分，指挥决定何时演奏；也可以是爵士乐队——即兴演奏，相互激发，一个人的演奏启发下一个人的回应。Turley 偏好后者：想法可以来自任何地方，不应是写好的剧本，应该有尝试和玩乐的空间。

闪电问答

推荐书籍： 产品领域——《高产出管理》（High Output Management）和《日常用品的设计》（The Design of Everyday Things）；哲学领域——罗尔斯和诺齐克的任何作品。

影视推荐： 科幻是这一行的必修课——《她》（Her）、《西部世界》（Westworld）、《人生切割术》（Severance）。不应该照搬，但可以从中学习。

最喜爱的产品： 无暇探索外部产品——OpenAI 的节奏太紧张了。这对其他产品公司或许是个安慰。

人生信条： "你是你相处最多的五个人的平均值。"无论个人生活还是职业选择，他都在践行这一原则——围绕给你能量的人，向你想学习的人靠近。

对用户的期望： 直接使用 GPT-5，不用思考模型选择。免费用户的默认模型就是 GPT-5。继续分享反馈——团队在持续观察和学习。