原始标题: OpenAI’s head of platform engineering on the next 12-24 months of AI | Sherwin Wu
发布日期: 2026-02-12 | 来源频道: @LennysPodcast
📝 深度摘要
本播客嘉宾Sherwin Wu是OpenAI平台工程负责人，负责API和开发者平台建设，其团队支撑了几乎整个AI创业生态。对话聚焦未来12-24个月AI发展趋势，试图回答一个核心元问题：为何绝大多数企业AI部署以失败告终？Sherwin指出，问题不在技术本身，而在于组织采用模式断裂——纯自上而下的推行忽视了员工实际工作流程。成功需要双轨并行，同时他提醒构建AI产品必须面向模型未来能力而非当前状态，因为今天的scaffolding将在12-18个月后被淘汰。此外，AI降低软件成本将催生"一人十亿估值公司"新范式，工程师管理也应借鉴外科医生模式。
核心干货概览 (Key Takeaways)
- 开发者平台现状：OpenAI API平台支撑了几乎整个AI创业生态，95%的内部工程师使用Codex，100%的PR由Codex审查。工程师角色正在从代码编写者转型为技术负责人，管理agent集群。
- AI部署的ROI困局：大多数企业AI部署呈负ROI，原因并非技术本身，而在于采用模式——纯自上而下的推行方式忽视了最后一公里的工作流程特性。成功案例需要同时具备自上而下的支持（购买工具、建立团队）和自下而上的采用（员工主动学习和 evangelize）。
- “模型将吞噬你的脚手架”：2022年以来，模型能力快速迭代使得大量早期构建的scaffolding（如向量存储、agent框架）被直接替代。构建AI产品必须面向模型未来能力而非当前状态。
- 一人十亿估值公司的崛起：AI降低了软件构建和公司运营成本，未来可能出现一个创始人驱动的高杠杆公司，周围环绕100家小型初创提供定制化支持软件。B2B SaaS将迎来黄金时代。
- 工程师即外科医生：管理理念来自《人月神话》，将顶级工程师视为外科医生——管理者提供一切支持资源（手术刀、团队、决策），让工程师专注于核心工作。
对话背景与核心议题 (Context)
本播客嘉宾Sherwin Wu是OpenAI平台工程负责人，负责API和开发者平台。鉴于几乎所有AI初创都基于OpenAI API构建，Sherwin拥有对整个AI创业生态的独特观察视角。访谈聚焦于未来12-24个月AI领域的演进方向，涵盖开发者工具变化、AI企业部署策略、管理哲学、以及一人公司模式等核心议题。Sherwin分享了他对AI采用曲线、模型能力跃迁、以及技术决策背后逻辑的深度思考。
深度逻辑拆解 (Deep Dive)
2. AI采用的"最后一公里"困境
Sherwin指出一个反直觉现象：硅谷技术圈严重高估了普通企业对AI技术的接受程度。绝大多数AI部署失败并非因为模型能力不足，而是组织层面的采用断裂。
失败模式：CEO宣布"我们要成为AI优先公司"，全员被要求在绩效考核中体现AI使用，但员工不知道如何使用。没有人教他们，没有内部案例可参考，工作流程与工具之间存在巨大鸿沟。
成功模式：自上而下与自下而上相结合。自上而下确保资源投入（购买工具、建立专门的"老虎队"）；自下而上则需要找到那些"Excel巫师"型员工——技术 adjacent 但非软件工程师，他们对AI工具天然敏感，能够在实践中探索出具体应用场景并向同事分享。
OpenAI内部转变发生在Codex和ChatGPT出现后——当员工自己能直接使用工具解决问题时，AI采用才真正爆发。
3. “模型将吞噬你的脚手架”
这是来自Finol创始人Nicholas的核心洞察。2022年ChatGPT发布时，开发者构建了大量scaffolding来弥补模型能力不足——向量存储、prompt工程框架、agent编排工具。但随着模型快速进化，大量scaffolding被直接内置到模型能力中。
关键建议：构建AI产品时，必须假设当前模型的所有能力都将在未来12-18个月内被更好模型覆盖。OpenAI VP of Science Kevin Whale有句著名的话：“这是模型最差的一天”——意味着今天构建的系统明天可能就被颠覆。
应对策略：保持低级别抽象（responses API），等待模型能力成熟后再加层。不要在scaffolding上投资过多，而是投资于理解模型进化方向。
4. 一人十亿估值公司与社会结构变迁
Sherwin提出一个有趣推演：AI降低了软件构建成本和公司运营成本，未来可能出现"一人十亿估值公司"。
这个"一人"并非真正独自工作，而是有大量小型初创围绕其构建定制化软件——10-20家初创分别解决客服、播客运营、Newsletter等细分问题。这些公司可能只有1-2人，年收入1000万-5000万美金，对VC来说不够"规模"，但对个人创业者而言足够成功。
连锁反应：这种模式将导致创业生态结构根本性变化——少数大平台（提供模型和基础设施）+ 大量微型初创（每个解决一个垂直问题）。VC投资逻辑将从"寻找下一个独角兽"转向"覆盖微型投资组合"。
但Sherwin也指出支撑成本是现实障碍：即使AI帮助编写代码，处理大量用户支持请求仍需要人工介入，除非ACV（年度合同价值）极高。
5. 内部管理哲学：工程师即外科医生
Sherwin的管理哲学深受《人月神话》影响——将顶级工程师视为外科医生。外科医生在手术室中只负责核心操作，其他所有人（护士、麻醉师、技术员）都为其服务。
实践方式：管理者需要"前瞻角落"（look around corners）——预判工程师即将遇到的障碍并提前解决。这包括：组织层面的决策协调、资源调配，跨团队沟通。工程师应该感觉有一整支军队在支持他们。
时间分配：将50%以上时间投入给top 10%的高绩效工程师，而非在低绩效员工身上消耗精力。
方法论与工具箱 (Tactical Toolbox)
企业AI部署检查清单
- 双轨采用验证：确认既有自上而下资源投入（预算、工具采购），又有自下而上种子用户（技术adjacent员工主动探索）
- 组建AI Evangelist团队：识别"Excel巫师"型员工（非软件工程师但热爱工具），让他们全职探索AI应用并向全员分享
- 构建内部知识共享机制：定期hackathon、研讨会、内部案例库
- 避免纯绩效考核驱动：不要仅将AI使用纳入绩效评估，这会产生表面合规而非真正价值
AI产品构建决策框架
- 底层原语：使用Responses API保持最低抽象级别，等待模型能力成熟再升级
- scaffolding投资原则：假设任何scaffolding都可能在12-18个月后被模型能力覆盖
- 构建而非购买：当模型能力快速迭代时，构建自己的理解比购买封装工具更有长期价值
个人AI采用路径
- 从简单工具开始：安装Codex或ChatGPT桌面客户端，连接到日常工作工具
- 理解模型局限：明确知道模型能做什么、不能做什么，跟踪模型能力进化曲线
- 从一到两个用例切入：不追求全面覆盖，专注于能带来即时价值的1-2个场景
反直觉洞察与辩论 (Insights & Reflections)
硅谷的"气泡"困境
Sherwin尖锐指出：硅谷技术圈是一个严重的气泡。Twitter（X）上的AI讨论者都是"疯狂的高级用户"，他们使用agents、MCPs等前沿工具。但这不代表普通企业员工理解或需要这些。
大多数企业员工连基础的prompt都不会。他们只需要解决非常基本的问题——这意味着很多"AI赋能"项目实际上在解决一个不存在的问题。
客户声音的局限性
传统产品管理强调"倾听客户"，但在AI领域这可能是陷阱。原因是：
- 客户无法预判模型能力演进方向——他们的需求建立在今天模型能力上，而18个月后这些需求可能变得无关紧要
- 客户知道自己有问题，但通常不知道解决方案应该是什么形态
- 客户说"我需要X功能"时，可能真正需要的是Y——只有模型能力进化才能揭示这一点
正确的策略是"为模型未来能力构建，而非为今天客户需求构建"。
“一人十亿公司"的可能性辩论
Lenny提出质疑：考虑到支持成本——即使有AI帮助，处理大量用户请求仍需要人工介入（除非ACV极高、用户极少）。Sherwin回应：未来的解决方案可能是围绕核心公司构建10-20家小型初创，每家解决一个支持场景，形成"微服务化"的公司群落。
焦虑的解药
面对AI领域的信息过载和焦虑，Sherwin建议：
- 大部分信息是噪音，不需要掌握100%
- 从一到两个工具开始，小步尝试
- 理解AI将改变大多数工作，但不需要现在就掌握一切
金句 (Golden Quotes)
“现在的模型，就是它们未来最差的模样。” —— Kevin Whale, OpenAI 科学副总裁
“模型会将你搭建的‘脚手架’当做早餐一样轻易吞噬。” —— Nicholas, Finol 创始人
“软件工程师虽然并不等同于外科医生，但这个比喻一直铭刻在我的脑海中。”
“我们这些身在硅谷的人，总是会忘记自己其实生活在一个泡沫里。”
“你并不需要成为一名软件工程师，也能全身心投入到这场浪潮中。”
“接下来的两三年，将是科技界和创业圈在很长一段时间内最有趣的时光。”
“找到那些在 AI 应用方面的佼佼者并赋予他们权力，才是关键所在。”
“许多 AI 的部署并非源于自下而上的自发采用，而更像是一种行政指令，且表现出极强的自上而下的特征。”
“由于编写软件和构建产品的成本正在大幅塌缩，你最终可能会选择将大部分工作外包出去。”
“我只想鼓励大家，不要把眼前这一切视为理所当然。”
📺 视频原片
视频ID: B26CwKm5C1k