在OpenAI位于旧金山的办公室里，工程副总裁Thibault Sottiaux正盯着屏幕上密密麻麻的代码。过去两年间，他带领的团队将AI编程工具变成了OpenAI增长速度最快的产品线——仅2025年第四季度，Codex系列就贡献了近3亿美元的收入，同比增长超过400%。而现在，他接过了更重的担子：负责ChatGPT的全面架构升级，这被内部称为“Project Atlas”，旨在将聊天界面背后的模型能力、工具生态与用户体验彻底重写。
从学术研究到工程实战
Thibault Sottiaux并非典型的硅谷工程师。他拥有鲁汶大学的计算机科学博士背景，专攻程序合成与形式化验证。2019年加入OpenAI时，正是GPT-2刚刚发布的节点。他最初参与的是强化学习与代码生成的基础研究，但很快意识到：如果仅仅把AI当作一个“写代码的玩具”，它永远无法进入生产环境。
“代码生成不是让模型背诵栈溢出答案，而是理解意图、构建抽象、处理错误——这需要从编译器理论到人机交互的全链条设计。”——Thibault Sottiaux在2025年NeurIPS上的演讲
他的团队率先推出了Codex API，并在GitHub Copilot的大获成功基础上，进一步探索了“代码补全→单元测试→文档生成→部署运维”的端到端闭环。这种产品思维让OpenAI的编程工具在开发者中获得了“比Copilot更懂项目上下文”的口碑。
ChatGPT的“内核革命”
“Project Atlas”并非简单的版本号更新。据多位内部人士透露，这次变革的核心是让ChatGPT从一个单模态对话机器人进化成一个多智能体协作平台。具体来说，Sottiaux的团队正在重构模型推理层，使其能动态调度数十个专用子模型（如代码解释器、图像生成器、网页浏览代理），并根据用户意图自动分配计算资源。
“你可能告诉ChatGPT‘帮我做一个预算报告，附上图表和注释’，它现在会同时调用代码模型生成数据，调用绘图模型做图表，再调用自然语言模型写分析——这一切都在毫秒级内完成，用户看到的只是一个流畅的对话流。”Sottiaux在一次内部全员会上这样描述。
此外，这次升级还将引入长期记忆模块和跨会话上下文管理。这意味着ChatGPT能记住你三个月前的项目偏好，甚至能在你不主动提及的情况下，关联过去和现在的任务。
行业背景：AI编程的白热化竞争
2025年末以来，AI编程赛道迅速变得拥挤。Anthropic发布了Claude Engineer，谷歌将Gemini Code Assist深度集成到Android Studio，而Meta的开源模型Code Llama 3在HumanEval上首次超越了非开源竞争对手。面对挑战，OpenAI选择将编程能力作为ChatGPT升级的“尖兵”，而非独立的产品线。
编者按：这种战略选择值得玩味。当竞品纷纷推出独立编程IDE或插件时，OpenAI却把最赚钱的编程能力内化到通用对话产品中。这或许意味着该公司判断：未来的AI竞争不是“垂直工具战”，而是“基础平台战”——谁能把最多的能力封装进最简单的交互界面，谁就能锁定用户。
事实上，Sottiaux在接受WIRED专访时也暗示了这一点：“我们不想让用户在不同的AI工具之间跳来跳去。ChatGPT应该像一个聪明的同事，你不需要知道他背后有多少个专业大脑，你只需要说出你想做的事。”
挑战与隐忧
然而，这种“大一统”架构也带来了工程与伦理的双重挑战。工程上，多模型调度的延迟优化难度极大——如果某个子模型响应慢了，整个对话体验就会卡顿。伦理上，当AI能同时执行代码、联网、生成内容时，潜在的误用风险也指数级增加。例如，攻击者可能通过同时命令多个子模型来绕过单一安全检查。
Sottiaux对此表示，团队正在开发一套“意图防火墙”系统，在模型调度之前就对用户输入进行多维度风险评估。“我们不会为了功能全面而牺牲安全基石。”他说。
未来路线图
根据公开的招聘信息和专利文件，“Project Atlas”的下一阶段将引入硬件级适配：ChatGPT将能根据设备（手机、PC、AR眼镜）自动调整模型大小和部署位置。这意味着用户将不再需要联网——本地芯片就能运行小型化但足够聪明的模型副本，仅在必要时连接云端。
“让AI无处不在，但又不被觉察。”这或许是Sottiaux所追求的终极目标。对于一家以“安全AGI”为使命的公司来说，这条路注定不平坦，但至少，代码已经写在了最前头。
本文编译自WIRED
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接