作者加入OpenAI是为了应对AI数据中心快速增长的能耗问题，致力于通过性能工程优化ChatGPT等系统的效率。他看中OpenAI的规模和创新空间，认为这是前所未有的机遇。一次理发时与发型师的对话让他意识到AI已深入日常生活，这促使他最终选择加入OpenAI。

标题：我为何加入OpenAI

人工智能数据中心惊人的高速增长成本，正在呼唤一场史无前例的性能工程革命——这不仅关乎成本节约，更关乎地球未来。我选择加入OpenAI直面这一挑战，初期将聚焦ChatGPT性能优化。这里的规模堪称极致，增长速度令人震撼。作为数据中心性能领域的专家，我意识到传统性能工程方法可能力有不逮——我正在构思新的工程方法，以期实现前所未有的优化效果，并以更快速度达成目标。这是千载难逢的机遇，与成熟规模化环境不同，这里仿佛没有所谓"难以改变"的禁区：立即行动，大规模实施，就在当下。

选择OpenAI的契机源于一次理发经历。当发型师米娅得知我从事AI数据中心工作时，她立即兴奋地分享了自己使用ChatGPT的多种场景：从了解远方旅行朋友可能参与的旅游活动（弥补时差导致的沟通障碍），到借助记忆功能获得"与当地人对话"般的体验。这次对话让我真切体会到ChatGPT如何成为普通人的必备工具——此前房地产经纪人、税务会计甚至兼职养蜂人都曾向我热情描述他们如何运用这项技术处理日常事务。

在职业决策过程中，我进行了26场与AI科技巨头的面试会议，最终OpenAI脱颖而出有几个关键因素：其一，这里云集了我熟知的顶尖工程师，包括前Netflix同事Vadim；其二，工作内容让我想起Netflix云计算工程的黄金时期——超大规模、技术挑战、快速迭代与工程师的高度自主权；其三，技术栈的复杂性远超GPU层面，涉及全系统深度优化。

人工智能其实是我年少时的梦想。受英国科幻剧《布莱克七人组》（1978-1981）中超级计算机Orac的启发，大学时期我曾尝试开发自然语言处理软件，却受限于当时的内存容量（连完整字典都难以加载）。如今使用ChatGPT时，我惊喜地发现它能完美模拟Orac的性格特征，甚至将其设置为我的个性化应答模式。

目前我作为OpenAI技术团队成员远程工作，向Justin Becker汇报，主要负责ChatGPT性能工程团队。首个项目是制定跨组织性能提升与成本优化战略。未来将根据需求灵活运用eBPF、Ftrace等性能分析工具，同时探索Codex在编码之外的潜力。

特别说明：本文纯属个人观点，未经公司授意。经米娅同意，文中引用了她的真实案例——当我数月后再次光顾理发店时，她依然坚定表示"全天候使用ChatGPT"。

（作者注：本文同时回答了Linux Plumber's Conference与会者的疑问，关于《何时组建性能工程团队》系列文章的第二部分已在入职前完成初稿，即将发布。）

以下是评论内容的总结，平衡呈现不同观点并保留关键引用：

1. 质疑加入OpenAI的动机

   • 主要观点：认为作者加入OpenAI是为了金钱和潜在的高估值回报。
   • 引用：
     "Just say you joined for the money...the best chance at something like that again is OpenAI" (rvz)
     "Are you sure you didn’t just join for the money?" (Banditoz)

2. 支持个人选择与能力

   • 主要观点：认为作者有权选择职业，且其能力足以胜任。
   • 引用：
     "Brendan can do whatever he wants. Hes that good." (thinkingkong)
     "I don’t have a problem with you joining OpenAI; best of luck there!" (perf99999999999)

3. 对环保声明的质疑

   • 主要观点：认为“拯救地球”的说法不实际，优化效率可能反而增加资源消耗（杰文斯悖论）。
   • 引用：
     "You’re in for a surprise buddy." (puttycat)
     "Your work...will not reduce X or Y, it will simply help them produce more 'tokens'." (perf99999999999)

4. 对AI应用场景的批评

   • 主要观点：认为AI用于替代人际连接是悲哀的，且无需高能耗。
   • 引用：
     "This seems rather sad. Is this really what AI is for?" (amluto)
     "A small local model...should do just fine." (amluto)

5. 对文章风格的负面评价

   • 主要观点：批评文章自以为是或类似LinkedIn风格。
   • 引用：
     "This article is so full of itself I can hardly stand to read it." (indigodaddy)
     "Strong LinkedIn vibes in this entry." (pyrale)

6. 隐私与伦理担忧

   • 主要观点：呼吁确保用户数据不被滥用。
   • 引用：
     "make sure user prompts...are never read, never analyzed" (Iamtiberius)

7. 幽默与讽刺

   • 主要观点：调侃作者或OpenAI的现状。
   • 引用：
     "Mia was right. Listen to Mia." (light_triad)
     "Did the article intentionally start with a LLM cliche..." (jhhh)

总结呈现了围绕金钱动机、环保主张、AI伦理、文章风格等多角度的争议，同时保留原始评论的关键表述。