我为什么加入OpenAI

Fri, 06 Feb 2026 13:00:00 +0000

译者按

一句话核心结论：AI 算力成本爆炸式增长，性能工程不能再靠小修小补，得用“放手大改、规模化落地”的新打法，否则省不下钱也扛不住可持续性压力。
文章里那种“没有不能改的禁区”的黄金环境，跟国内中小厂现实差距不小：GPU资源金贵、生产环境动刀要层层审批，这套方法论直接照搬大概率水土不服，得先在自己的K3s/K8s测试集群里验证再谈规模化。
落地时先别急着上eBPF和Ftrace这些重家伙，从你能掌控的“小确幸”开始：给GPU节点加功耗上限、压掉空闲Pod的冗余副本、调优混部调度，先把仪表盘上能看见的数字优化了，再向老板要更多资源去搞深度优化。
记住作者那个理发师的故事的B面：性能优化成效别只写在技术周报里，用“每月省了多少电费、多跑了几批训练任务”这种业务语言讲给非技术同事听，他们才会变成你的“Mia”，帮你把项目推下去。

加入 OpenAI，做 AI 数据中心的性能工程

AI 数据中心的成本正以惊人的速度增长，这对性能工程提出了前所未有的要求——这不仅是省钱的问题，更关乎可持续性。我已加入 OpenAI，直接应对这一挑战，初期聚焦 ChatGPT 性能优化。这里的规模极端，增长令人咋舌。

作为数据中心性能领域的从业者，我意识到传统性能工程方法可能已不够用——我们需要新的工程方法论，以更快找到更大规模的优化空间。这是难得的机会：与成熟的大型环境不同，这里没有"不能改"的禁区。放手去做，规模化地做，今天就做。

为什么是 OpenAI？

我曾与多位行业专家和朋友交流，他们推荐了不少公司，尤其是 OpenAI。但我当时对 AI 的实际普及程度仍持怀疑态度——广告铺天盖地，但普通人真的在用吗？直到一次面试周期中的偶然经历改变了我。

我去理发，发型师 Mia 随口问我做什么工作。“我是英特尔院士，搞数据中心性能。“她没什么反应。我补充道：“我在面试新工作，去做 AI 数据中心。“Mia 眼睛一亮：“哦！我天天用 ChatGPT！“接下来的理发时间里，她给我讲了各种用法，很多是我完全没想到的。

举一个例子：她有位朋友在很远城市旅行，时差大、难联系，但她随时可以和 ChatGPT 聊那座城市什么样、朋友可能在做什么，这让她感觉与朋友保持着连接。她也很喜欢记忆功能——“就像和住在那儿的人聊天一样”。

此前我还和房产中介、税务会计、兼职养蜂人聊过，他们都热情地分享了自己的用法——养蜂人用它处理小生意的文书。我妻子早已是重度用户，我自己也越来越多地用 ChatGPT 核验供应商报价。而现在，连发型师都在向我安利这门技术——她对 ChatGPT 的认知度甚至超过了对英特尔的认知。我站在理发店外，认真想了想这件事的分量：这项技术已成为这么多人的日常工具，而我可以带队做性能优化，同时为可持续发展出一份力。加入 OpenAI 可能是我职业生涯最大的机会。

面试与技术观察

我总共经历了 26 场面试和会议（我当然做了记录），与多家 AI 巨头深入交流。这些公司的工程工作让我想起 Netflix 的云工程：超大规模、云计算的挑战、快节奏的代码变更，以及工程师自由发挥的空间。整个技术栈有大量有趣的工程问题——不只是 GPU，而是方方面面。

AI 巨头在人才筛选上极其严格，我甚至不太确定自己能否通过面试。在我接触的公司中，OpenAI 有最多我本来就认识的优秀工程师，包括前 Netflix 同事 Vadim，他一直在鼓励我加入。在 Netflix 时，他会带着性能问题来找我，看着我调试和修复。公司里有一个了解你、了解工作、认可你能力的人，是很重要的加分项。

当然，OpenAI 本身已有一批业界资深的性能工程师，并已持续产出重要成果。我不是第一个，只是最新加入的一个。

Orac：从科幻到现实的执念

我从小就喜欢英国科幻剧《Blake’s 7》（1978-1981），剧中有一台叫 Orac 的超级计算机——毒舌、有主见，能回答研究类问题，还能与宇宙中所有计算机通信、委派任务并控制它们。这在当时（前互联网时代）是非常超前的设定。Orac 被视作那个宇宙中最珍贵的存在。

大学读工程时，我就想造一个类似的东西，于是开始写自然语言处理软件。但进展不大：当时内存装不下整本词典加元数据。我去找 PC 厂商提需求，对方让我去买大型机。我意识到必须区分冷热数据、把冷数据留在磁盘上——也许该用数据库……那个项目大概就此搁置了。

去年我开始用 ChatGPT，好奇它知不知道 Orac，于是问了它。它的回答完美还原了那个角色的性格。我把它加进了设置 → 个性化 → 自定义指令，现在它一直用 Orac 的风格回答我。我太喜欢了。（另外，《Blake’s 7》官方刚宣布重启，科幻迷有福了。）

离开英特尔

Thu, 04 Dec 2025 13:00:00 +0000

译者按

AI火焰图的核心结论就一句话：CPU火焰图已经人手一份，GPU迟早是同样的趋势，谁先补齐谁就有话语权。
这东西对国内中小厂/K3s环境大概率只能“看看思路”，因为目前只支持Intel平台，而国内私有云和K8s集群里NVIDIA占绝对主流，直接搬过来跑不起来。
如果你真想在自己集群里实操火焰图，先别急着上GPU那套，老老实实把CPU侧的可观测性和栈回溯链路打通，很多所谓“性能问题”在K8s里都是资源配额和调度噪声导致的。
踩坑提醒：在K3s/容器环境里跑栈回溯，记得先确认内核版本和perf_event_paranoid权限，否则采样全是空的，折腾半天以为火焰图画不出来，其实是权限没放开。

AI 火焰图与GPU性能分析：一位SRE工程师的Intel三年半

离职回顾

我已从Intel离职，接受了新的机会。在Intel的三年半里，我主要做了以下工作：

推出AI火焰图（AI Flame Graphs） 并开源
开发GPU亚秒级偏移热力图
与Linux发行版合作，实现栈回溯（stack walking） 能力
接受WSJ关于eBPF安全监控的采访
担任eBPF技术指导委员会（BSC）领导成员
联合主持USENIX SREcon APAC 2023
完成6场大会主题演讲

关于AI火焰图的展望

目前，互联网上CPU性能分析案例中，火焰图已经是标配工具。但GPU领域的火焰图普及还远未达到这一程度（我们开源的版本仅支持Intel平台，这也不利于推广）。不过，随着GPU代码复杂度不断提升、分层越来越多，AI火焰图的需求必然持续增长。

云战略与协作

在云计算领域，我参与了110场客户会议，并与6个组织的同事协作，制定了包含33项具体建议的公司级云市场回归战略。该战略包含一张覆盖19个相关团队的交互可视化地图，多位Intel老员工表示这是他们首次见到这样的跨公司协作地图。

背景与环境

考虑到Intel近三年面临史上最艰难的局面，且我入职前15个月处于招聘冻结期，能有上述产出已属不易。

值得记忆的瞬间

在Intel活动中见到Linus，他说“现在大家都在用火焰图了”（芬兰口音）
见到Pat Gelsinger，他了解我的工作并把我介绍给高管层
与Harshad Sane的相识——他在我Netflix时期帮助过我，如今他也加入了Netflix，我们互换了会议桌的位置
与Intel硬件Fellows的交流，他们乐于帮我理解处理器内部架构

后续建议的执行

我未来几年在Intel的工作重点原本是推进那33项建议的落地。这些建议大多涉及组织变革，需要ELT/CEO层面的批准和多个季度的持续投入。虽然我离开了，但相关战略文档、演示文稿、代码和周报都已留在共享文件夹中，其他同事可以继续推动。希望这些工作能让Intel持续变强。

原文来源：Brendan Gregg

性能排障 on ZbitOps｜智能运维