Nan Yu
@thenanyu · OpenAI 产品团队（原 Linear 产品负责人）
分享个人职业动态：我将加入 OpenAI，负责 Codex 和 ChatGPT 的产品工作。在 Linear 的四年旅程令人难忘，很骄傲能与团队一起打造出今天的产品。期待将软件工艺的积累带到下一个篇章。 原推 →
AI 行业传来重磅人事变动：前 Linear 产品负责人 Nan Yu 正式加入 OpenAI，将主导 Codex 和 ChatGPT Work 的产品方向。这一任命正值 OpenAI 宣布 Codex 活跃用户突破 2500 万的关键节点，显示出公司对开发者工具的重视。与此同时，Reinforcement Learning 奠基人 Rich Sutton 在《Training Data》播客中提出争议性观点：「持续学习本应被视为学习的常态」，并直指当前 AI 研究领域的认知偏差。他与联合创始人 Khurram Javed 创办的 Oak Lab 正致力于解决 AI 模型「学一次就停」的固有缺陷。
在企业 AI 赛道，Box CEO Aaron Levie 预测了一个重要趋势：随着开源基础模型能力持续提升、后训练基础设施日趋成熟，拥有大规模数据的企业将不再局限于数据授权这一单一变现路径，而是能够「合理且低成本地训练自己的专属模型」。他预判通用前沿模型在广泛场景下仍将保持优势，但垂直领域的专属模型数量将呈指数级增长。这一判断呼应了 Vercel CEO Guillermo Rauch 关于「代码 Token 即基础设施」的观点——企业需要像治理云资源一样治理 Token 消费，通过 AI Gateway 实现细粒度的预算管控和用量观察。
产品方法论层面，Meta AI 总监 Madhu Guru 为 PM 群体提供了实操框架：真正具备竞争力的产品负责人，必须比大多数前沿实验室的研究员更了解自家模型的「能力边界」与「失败模式」。她建议从四个维度建立这种洞察力——各尺寸模型当下的能力基线、典型失败场景、绕过限制的工程 workaround、以及未来 2-3 个月的能力演进轨迹。与此同时，Y Combinator CEO Garry Tan 分享了 GBrain 的最新进展：新一代检索系统已在「无 LLM 干预的记忆读取」评测中达到 SOTA，且新增了从 Agent 对话自动提炼记忆的新能力，标志着 AI Agent 基础设施向更自主化的方向演进。
强化学习领域的奠基人 Rich Sutton 在《Training Data》播客中提出了一个看似简单却极具颠覆性的观点：「持续学习（continual learning）本应是学习的默认状态，而不是需要特别强调的进阶主题。」他认为，在 AI 狂热之前，「没有人会专门讨论非持续学习，因为那根本不合逻辑——所有学习都应该是持续的。我们总是在行动、总是在学习，这才是正常状态。」Sutton 坦言自己并不认为观点激进，只是「以普通方式思考」，「怪异的是整个领域」。
Sutton 与长期合作者 Khurram Javed 共同创立的 Oak Lab，正致力于解决当前大模型「一次训练、永久停滞」的核心瓶颈。Javed 作为 Sutton 在阿尔伯塔大学的前学生，两人合作的焦点是如何让 AI 系统在真实世界中保持持续演进的能力。Sutton 的「苦涩教训（The Bitter Lesson）」早已成为 AI 领域的圣经级文献，而 Oak Lab 的新研究议程则试图将这一原则延伸到持续学习领域——即通过大规模计算和通用学习方法，让模型能够在不断交互中自然进化，而非依赖人工设计的静态知识注入。
收听原片 ↗分享个人职业动态：我将加入 OpenAI，负责 Codex 和 ChatGPT 的产品工作。在 Linear 的四年旅程令人难忘，很骄傲能与团队一起打造出今天的产品。期待将软件工艺的积累带到下一个篇章。 原推 →
提出关于 AI 持续学习的核心观点：「持续学习」这个概念本身就不应该存在——所有学习都应该是持续的。我们总是边行动边学习，这才是常态。当前 AI 领域的问题在于人们认为「一次性训练、永久使用」是正常的，而 Sutton 与 Javed 创办的 Oak Lab 正试图纠正这一认知偏差。 原推 →
预测企业专属模型时代的到来：随着开源基础模型能力快速提升、后训练基础设施日趋成熟，拥有大量数据的企业将拥有全新的商业模式选择。过去，数据授权是唯一的变现路径；现在，企业可以合理且低成本地训练自己的专属模型，无需与前沿实验室在基础研究中正面竞争。通用模型在广泛场景下仍将领先，但垂直领域的专属模型数量将呈指数级增长。 原推 →
提出「设计系统即 Markdown」的新范式，并强调编码 Token 本质上是基础设施。他比喻当前企业对 Token 的使用方式如同「给实习生一张无限额度的 AWS 密钥」——既无法治理、优化也无法观察成本。Vercel 推出的 AI Gateway 正在解决这个问题，提供按密钥、按用户的细粒度预算管控。 原推 →
为产品负责人提供模型前沿洞察力的四维框架：①各尺寸模型当前能力基线；②典型失败模式；③绕过限制的工程 workaround；④未来 2-3 个月的能力演进轨迹与产品路线图影响。她强调，这是当前 PM 工作的核心组成部分，具备这种洞察力的 PM 将在 AI 产品中建立显著竞争优势。 原推 →
分享 GBrain 的最新进展：新一代检索系统已在「无 LLM 干预的记忆读取」评测中达到 SOTA 水平。同时新增了从 Agent 对话自动提炼记忆的能力，这是他推荐的「丰富 AI 大脑的最佳方式」。相关评测代码已开源。 原推 →
指出信任将是个人 Agent 普及的最大障碍与核心驱动力。在 AI 工具从「辅助」走向「代理」的关键转折点上，用户对 Agent 的信任建立将决定市场渗透速度。 原推 →
探讨 AI 拟人化的双重效应：适度的拟人化有助于人类理解、预测和使用 AI；但当拟人化被用于制造恐慌、夸大 AI 意识或改变 Agent 的道德地位时，则会产生严重危害。他呼吁在拥抱 AI 能力的同时保持务实态度。 原推 →