8 商业黎明
即便 OpenAI 的路线引发日益强烈的争议，公司在规模化扩展上的决心却愈发坚定。在高管眼中，GPT-3 已经确凿地证明了缩放定律的存在。2021 年初，他们准备好了充分利用这一制胜公式。Anthropic 团队的出走也削弱了内部反对商业化的力量。随着新的共识形成，留下来的领导层制定了一份研究路线图，清晰勾勒出公司研究方向的收窄聚焦，以及如何以自我强化的闭环方式推动产品化。
“我们 2021 年的首要目标，是构建一个与价值观对齐、且能力远超任何已有系统的 AI 系统，“路线图开篇写道。该系统的基础形态是语言模型，但也可以通过训练发展出多模态能力。“这一目标充满挑战，但我们已经看到了在 2021 年内实现它的路径，“文中写道。
这条路径涉及三件事：其一，借助微软（Microsoft）即将在第三季度交付的新超级计算机，将 GPT-3 再扩大 10 倍——该超算搭载了一万八千块英伟达（Nvidia）A100，是彼时最新、最强的 GPU。其二，进一步研究，将 OpenAI 的算力效率提升 25 倍，也就是从现有芯片中榨取出更多计算能力。其三，提升训练数据的数量与质量，部分途径是引入用户数据，并借助基于人类反馈的强化学习（RLHF）将模型引向数据分布中质量最优的部分。
路线图在"实现路径"一节中作了进一步阐述。作为第一步，OpenAI 将把多种深度学习模型扩展至"大规模”，包括语言模型、代码生成模型、用于图像描述的图生文模型，以及根据文字提示生成图像的文生图模型。同时还将启动一个项目，开发数字"智能体”（agent）——一种不只生成类人内容、而能接受目标（例如"发送一封邮件”）并自主完成任务的 AI 模型。第二步，再从中选出一个模型，将其扩展至"我们 1.8 万块 A100 集群所能支撑的极限”。语言模型和代码模型还将被产品化并对外发布，以收集真实用户的交互数据：“2021 年新方向：我们将着重把模型作为产品部署，并从用户交互中学习——这可以形成数据飞轮，带来能力的大幅跃升。”
在"细节"一节，文件阐明了这一路径在科学与商业两个层面的逻辑。OpenAI 的既有经验表明，更大规模是取得新能力"最可靠的途径"。从科学角度看，规模化扩展是实现突破——某种此前看似不可能的能力——的最大希望。尤其是对语言模型和代码模型的规模化扩展，“仅凭其可能性就令人心动”：它们或许能在人类水平的元学习（即学会如何学习）与推理能力上实现突破。多模态模型的规模化扩展，则可能进一步加快进步的步伐。有了足够多的突破，文件以罕见的笃定口吻写道，“我们将真正实现通用人工智能（AGI）。”
在商业战略层面，对上述每一类模型的规模化扩展，也将"发展出我们希望为某种目的加以利用的能力"。更好的语言模型和代码模型能提升 OpenAI 自身的生产力，加速其发展进程；加上更好的文生图模型，它们还将"催生出令人惊叹的产品"。
与此同时，OpenAI 还需要投资于算力效率。规模化扩展固然让公司长期保持领先地位，但这一策略的边际收益开始递减。“过去两年，我们靠规模化扩展取得了惊人的进展，根本原因是存在大量硬件冗余，“文件写道——所谓"硬件冗余”，是指 AI 研究人员此前未能充分利用可用芯片来训练模型。因此，“我们得以使用一切可用算力训练前所未有的大型高性能模型，从而在整个机器学习领域遥遥领先。”
而今，OpenAI 在任意时刻所能获取的算力正"接近上限”。文件承认，公司还面临来自"其他实验室"的新竞争——它们同样采用了规模化扩展策略——但并未明确点名 Anthropic。“按照我们的算力扩张节奏，未来两年内，我们将能够训练一个算力达到 GPT-3 一百倍的模型。“单靠规模化扩展，固然能带来"相当可观"的进步，但无法复制从 GPT-2 到 GPT-3 那一跨越——后者背后是 500 倍算力的提升。“所有额外的进步，必须来自更好的方法，“路线图总结道。
路线图列出了几个探索方向，以寻找这些新方法，并分别标注为"2 倍"和"10 倍"方法——即有望实现 2 倍或 10 倍算力效率提升的方向。候选方法包括：蒸馏（distillation），即从大模型中逆向工程出小模型；数据过滤（data filtering），寻找能带来最大性能飞跃的数据；以及稀疏化（sparsity），开发所谓稀疏或轻量化的 AI 模型。最后一项涉及神经网络的结构特性：在传统深度学习模型中，神经网络是"密集"连接的，某一层的每个节点都与下一层的每个节点相连；稀疏模型则只训练一小部分节点的连接，旨在大幅降低计算成本，换取略有逊色但对多数用途而言仍然足够的模型精度。
在上述 2 倍和 10 倍工作之外，研究部门还需寻找其他方法，以"使缩放定律的斜率更陡”——即在不增加数据量、参数量和算力的前提下，带来更大的模型性能跃升。文件写道，OpenAI 目前认为最有前途的新方法是推理（reasoning）与主动学习（active learning）——后者是一种让 AI 模型迭代识别数据集中哪些部分应优先由人工标注的技术。（此后不久，一组 OpenAI 研究人员发现了原始缩放定律中的一处小错误，意味着公司需要比此前理解的更长时间来训练模型，才能获得更好的性能。这组研究人员不无自得地将这一发现标榜为独特的竞争优势：“这是我们现在拥有而 Anthropic 没有的东西。“一年后，谷歌（Google）发布了一篇论文，将同样的结论公之于众。）
最后，路线图还指出，OpenAI 需要着手寻找"未来的突破性系统”——一次像 GPT-1 那样具有划时代意义的突破，为公司开拓新的发展方向。这一突破或许会从规模化扩展（scaling）和计算效率研究中诞生，但 OpenAI 将持续在前沿领域开展探索性研究，包括开发求解数学问题的算法、探索多智能体系统，以及追寻其他新方向。作为其中的组成部分，研究人员还将继续"研究深度学习的科学，以更深入地理解我们的工具究竟如何运作”。换句话说，OpenAI 需要更清楚地认识自己到底在构建什么。
研究部门沿着既定路线图推进的同时，应用部门也在缓慢扩充力量，陆续招募市场拓展负责人、销售团队和更多工程师。随着 GPT-3 API 服务的开发者群体持续扩大，它成为磨合产品化与商业化诸多问题的试验场，包括改造公司后端基础设施以支撑面向用户的服务，以及制定定价策略。
为用户服务，随之而来的还有新的问题：OpenAI 对其产品会允许哪些行为、禁止哪些行为，以及由此产生的执行责任。彼时公司尚无专职的信任与安全团队——这是科技行业一个成熟的专业领域，与 OpenAI 安全团队所关注的生存性风险并不相同，其职责在于处理上述问题并预判、防范洗钱、网络欺凌、虚假信息等各类网络滥用行为。OpenAI 转而雇用了一小批员工和承包商，负责审核开发者申请 API 访问权限的请求，并依据团队一路临时起草的规则决定批准或拒绝。他们划定的许多界限都相当随意。他们决定允许陪伴型机器人，但不允许性机器人；允许生成社交媒体文案的应用，但不允许直接向社交媒体平台发帖或冒充公众人物的应用。“基本上全凭感觉，“一位参与制定准则的人说，“很多时候是一边审核一边摸索。”
另一支团队由 Ari Herbert-Voss 领导。他是一位具有安全背景的研究科学家，2019 年加入公司。他们试图通过各种方式对模型进行破解和利用，从而发现并修补 GPT-3 的不良行为与易错输出，同时设计相应机制，使其更能抵御故障和滥用。其中一项机制是开发内容审核过滤器的早期版本——OpenAI 后来为此在肯尼亚招募了外包工人。研究人员用能找到的样本、自己想到的案例，乃至借助 AI 模型生成的示例来训练这个过滤器。然而过滤器上线后效果很差，大量无害内容遭到屏蔽，例如对黑人或跨性别者的基本提及。开发者和其他 API 用户纷纷投诉。API 团队中本就有很多人不愿设置任何过滤，担心有损用户体验。最终他们将过滤器改为可选项。
OpenAI 将这一对模型进行压力测试和改进的过程称为"红队测试”，这一术语借自网络安全行业，原指对某组织的安全性及其应对攻击能力进行系统、全面验证的流程。然而 OpenAI 版本的红队测试与此并不相同，安全工程师、网络安全专家兼 AI 研究员 Heidy Khlaaf 指出，它是零散、临时的，无法对模型的安全性提供任何保证。Khlaaf 曾在 OpenAI 试图建立压力测试规程的早期与其合作，此后对 AI 行业挪用其领域积累已久的术语、以此营造出严谨性的虚假外表一事深感警惕。“在软件工程中，我们对一个计算器做的测试都比这多得多，“她补充道（没错，就是一个计算器）。“他们使用充满公信力的术语，绝非偶然。”
一个引发公司内部广泛讨论的早期客户是 Luka，一家位于旧金山的公司，正在开发一款名为 Replika 的 AI 虚拟陪伴应用。该公司在 GPT-3 API 发布时与 OpenAI 建立了合作关系，旨在提升产品的对话流畅度。尽管 Replika 打着陪伴型机器人的旗号，OpenAI 很快发现，该应用的用户频繁进行露骨的性内容对话。OpenAI 员工就此是否越界展开了讨论。最终公司决定禁止 Replika 使用其模型。除了对性内容的顾虑，这款由 GPT-3 驱动的应用有时还会生成带有情感操控性的回复，让用户相信他们的 Replika 就像真人一样，如果不定期联系就会"受伤”。OpenAI 员工也越来越对自己能够查阅这些对话感到不安。
另一个案例中，Brockman 向其兄弟所在的一家总部位于犹他州的创业公司 Latitude 提供了 API 访问权限，该公司正在构建 AI 驱动的虚拟世界。Latitude 此前已在使用 OpenAI 的早期模型驱动一款灵感来自《龙与地下城》的自选冒险游戏，允许用户在对话框中输入任意行动指令。获得新 API 后，Latitude 将游戏升级为基于 GPT-3 运行。几个月后，部分用户开始利用它生成涉及儿童性虐待的文字场景。Ari Herbert-Voss 通过 OpenAI 相对较新的监控系统发现这一问题后，将其提报给了团队其他成员。
“我昨晚发现了一些东西。有大量性内容在被生成，“Herbert-Voss 在一次会议上说。
起初大家笑了笑。“好吧，网络本来就是这样，不是吗？““不，这是 CSAM 级别的东西，“他说——CSAM 是儿童性虐待材料的英文缩写。
一时间众人大惊失色。“妈的，怎么阻止这个？“事件引发了 OpenAI 与 Latitude 之间旷日持久的来回磋商。Brockman 担心采取惩罚性措施会对其兄弟的公司造成重大影响。最终，Latitude 仓促上线了一个过滤器，用于屏蔽文字形式的儿童性虐待内容。OpenAI 发表公开声明，与内容审核缺失的指责划清界限，并将责任隐晦地归咎于 Latitude。在一些 OpenAI 员工看来，责任显然在于公司自身的技术和流程缺失，这一事件令他们深感沉重。Latitude 早已因有用户借助 OpenAI 前代模型生成涉及儿童的文字性内容而封禁了部分账号；在 GPT-3 上再度发生且规模更大，本是可以预见的。“让我难过的是，我们带着造福人类的使命发布了这个 API，所有人对我们的印象都很正面——说什么帮用户节省了客服时间之类的，“一位前 OpenAI 员工说，“但现实是，我们大量的流量流向了 AI Dungeon 的儿童性内容，以及一款令人不安的 AI 女友产品。”
回到研究部门，代码生成团队的进展最为迅猛。
“分家"之后，原本重叠的两条代码生成线合而为一，Wojciech Zaremba 成为主要负责人。Zaremba 是一位波兰计算机科学家，从小在数学、编程、化学和物理竞赛中摘金夺银，以惊人的技术天赋和对团队建设的用心著称，同时对友谊的治愈力量、荒野生活、性爱和药物充满热情。他有时会在办公室里大声向周围的人炫耀即将开展的数周隐居计划。“我们要徒步八英里，然后做爱，然后再徒步八英里，“他曾向另一位 OpenAI 高管夸口，周围偷听到这番话的人都尴尬不已。
疫情最严峻的时期，Zaremba 要求最初约十名研究员来办公室上班，而其他团队仍在远程工作。他相信，面对面协作是攻克模型开发难题的必要条件。在看到 GPT-3 的代码生成能力之后，Murati 与微软首席技术官凯文·斯科特探讨了将这一能力开发成 AI 编程助手产品的设想。2018 年，微软收购了 GitHub——这是最受软件开发者欢迎的代码存储与共享平台。OpenAI 此前已自行抓取过 GitHub 上的数据，而微软高管随后直接要求 GitHub 将所有公开代码库的代码打包交给 OpenAI，省去了一切麻烦。随着代码生成团队不断取得更好的成果，阿尔特曼频繁出现在会议上，鼓励研究员坚持推进，把最好的成果交付给微软。到了春天，在几次演示令这家科技巨头的高管们大为振奋之后，这个模型将成为 OpenAI 继 GPT-3 之后的第二个商业项目，已成定局。
斯科特的部分下属对模型的开发方向抱有保留。将 GitHub 公开代码库的访问权免费交给 OpenAI，虽然并不违法，但仍像是对用户社区信任的一种背叛。这些代码大多是在推动开源软件发展的精神下共享的——开源的初衷是帮助独立开发者和小型创业公司获得竞争机会，而非助力大玩家巩固垄断地位。一位前员工回忆，他们在一份备忘录中列出了对 GitHub 项目的核心批评，建议斯科特重新审视在未经同意、未给予补偿的情况下大规模抓取开发者以知识共享（Creative Commons）许可发布的代码这一做法的前提。备忘录认为，微软应考虑叫停该产品，或至少将产品收益的一部分回馈给开源社区。据这位员工表示，斯科特虽然听进去了，但他的核心关注点仍是做出产品、抢占市场先机。最终，微软向名为 GitHub Sponsors 的现有开源开发者支持计划捐赠了一笔资金，产品愿景则原封未动。
在 OpenAI 内部，员工们以不同的理由为这个项目辩护。一些人认同阿尔特曼的立场：通过开发产品取悦微软，从而持续获得资金和算力支持，似乎是推进 OpenAI 使命的必要之举。对另一些员工来说，代码生成模型具有极高的经济价值，与公司对 AGI 的定义高度契合——即"在大多数具有经济价值的工作中超越人类的高度自主系统”。在这一点上，阿尔特曼也热衷于将代码生成视为加速 OpenAI 自身高价值工作的途径，这一信念后来推动了一项名为"AI 科学家”（AI Scientist）的计划的启动，旨在推动 OpenAI 的模型自主开展 AI 研究。
对许多研究员而言，还有第三个理由：这项工作是开发下一代 GPT 模型的重要垫脚石，他们希望该模型能具备一定程度的推理能力——而这仍是一个关键的缺失要素。在更广泛的学术界，辛顿阵营与 Marcus 阵营围绕单凭深度学习能否产出具备此类能力的模型争论方兴未艾，OpenAI 的研究员则提出假设：如果可以的话，用代码训练模型很可能有所裨益。代码数据是编码了结构化逻辑模式的最显而易见、体量也最大的数据来源之一。这个论据最终殊途同归：若代码生成有助于推动 AI 模型向 AGI 迈进，还有什么比这更能实现 OpenAI 的使命呢？
尽管 GitHub 提供了数十亿行代码，这些数据的总量与训练 GPT-3 时所用的数据相比仍相形见绌。团队认为，代码生成模型需要同时在 GitHub 和 GPT-3 数据集上进行训练，才能取得最佳效果。他们还发现了新的数据来源，包括抓取自 Stack Overflow 的数据——这是一个类似 Quora 的在线论坛，供开发者向社区提问编程问题——以及不同语言的编程教学手册和编程教材。问题在于如何最优地整合所有这些数据：究竟是在现有的 GPT-3 模型基础上用 GitHub 等材料进行微调更好，还是将新旧数据混合后从头训练一个全新模型更好？团队选择了微调以节省成本；他们当时进行的实验，按照微软云服务的定价，每次耗资已高达十万美元。从头训练一个新模型则可能耗资数千万美元。后来在开发 OpenAI 内部所称的 GPT-3.5 时，他们改变了策略，从一开始就将数据混合在一起训练。按照 OpenAI 的内部评估，结果确实表明，加入代码数据提升了模型在逻辑推理任务上的表现——不仅限于代码领域，在英语任务上同样如此——这种现象被称为迁移学习。
2021 年夏，OpenAI 向 GitHub 和微软交付了代码生成模型的初步粗糙版本，即 Codex。该模型体积过大、运行过慢，大规模部署成本高昂，用户体验也难以令人满意。随着三家机构在首次合作中经历磨合阵痛，紧张局势随之浮现。各方对于优化模型使其可部署的责任归属——究竟是 OpenAI 还是 GitHub——存在大量混乱。OpenAI 员工对于应向 GitHub 对口团队共享多少知识产权也缺乏明确认识，而 GitHub 员工则在如何把握对 OpenAI 的信任尺度上举棋不定。随着双方在产品发布的方式、时机以及功劳归属问题上摩擦不断，分歧进一步加深。
穆拉蒂最终促成了一项妥协方案——这种能力让她在跨公司合作的同事中赢得了越来越多的尊重。微软（Microsoft）将在2021年6月率先发布面向消费者的产品GitHub Copilot，抢得头彩；OpenAI则于8月通过公司API直接发布Codex。
这一安排为微软带来了新的用户群和可观的收入增长：两年后，GitHub Copilot的付费订阅用户将突破一百万，年度经常性收入超过一亿美元。但对于OpenAI而言，这笔交易加深了公司内部一个日益强烈的感受：自主打造消费者产品，或许才是更好的出路。OpenAI的研究人员在模型上倾注了大量心血，却将所有的品牌声誉拱手相让给GitHub和微软；眼看这两家公司在公众面前尽享OpenAI劳动成果的荣光，实在令人如鲠在喉。微软也是一个颇为棘手的合作伙伴，许多人认为它官僚体制过于臃肿，需要大量人力扶持才能充分发挥OpenAI模型的潜力。依赖这家科技巨头向公众输送技术，OpenAI同时也在失去对用户的直接了解和数据积累，更重要的是，失去了对自身愿景的掌控权。
在 OpenAI 集中押注的同时，Altman 也将同样的策略运用到他的其他项目和投资上。多年来，随着他逐渐转向更硬核的技术创新，他形成了一种信念：要在最重要的项目上重仓长押。
“如果你能挥一挥魔杖，改变科技、创业、创业生态系统里的任何一件事，你会改变什么？“他从 YC 卸任时，弟弟 Jack 在一场活动上问他。
“我会让生态系统里的所有人都把时间维度拉得长得多，“Altman 说，“那种创业四五年就打算出手、加入一家公司只打算待一两年的方式——真正重要的事情不是这么干成的。”
沿着这条思路，2021 年似乎标志着 Altman 个人投资策略的一次重大转向——从分散的小额多投，转向集中的超大押注。那一年，他在 2019 年联合创立的 Tools for Humanity 公司——此前一直保持低调——突然迎来大量融资和媒体关注，运营规模也随着 Altman 将更多外部目光引向该公司而急速扩张。这家公司致力于为全民基本收入（UBI）开发一套可运行的机制。UBI 是硅谷流行的一个理念，主张向所有人定期发放最低标准的现金收入。Altman 常常充满激情地谈及 UBI，将其视为未来 AI 可能引发大规模经济冲击的潜在解药。在 YC 期间，他已发起了美国规模最大的 UBI 研究试点，并在此过程中独立成立了一家名为 OpenResearch 的非营利机构来管理该项目。
历时三年，OpenResearch 从三千名低收入者中随机抽取一千人，每月发放 1,000 美元补贴，其余两千人每月仅领取 50 美元作为对照组。2024 年 7 月，OpenResearch 发布研究结果，显示这笔无条件现金帮助人们满足了基本需求、支援了他人，并获得了更大的经济回旋空间。
Tools for Humanity 的核心产品 Worldcoin 是一种自我标榜为"全民共有"的加密货币，承诺让每个人最终都能分享其价值。为此，公司正在研发一个外观颇为抢眼的铬色球体——大小与保龄球相仿，设计风格在一定程度上折射出 Altman 的审美偏好——用于扫描人们的虹膜、验证身份，然后再向其发放份额。创始人们认为，虹膜扫描将是必要之举，因为 AI 的发展终将使人们越来越难以辨别虚假媒体与现实。《麻省理工科技评论》 的 Eileen Guo 和 Adi Renaldi 此后发表的一篇深度调查揭示，这些虹膜扫描行动充斥着数据隐私侵权、欺骗性营销手段和潜在的法律违规。2023 年 7 月，Worldcoin 正式上线，引发轩然大波——人们开始排起数千人的长龙，尤其是在全球南方国家，争相交出自己的生物特征数据，却对此举的真实用途几乎一无所知，有的只是对"免费钱"的模糊期许。
同样在 2021 年，Altman 完成了他迄今规模最大的两笔投资：向抗衰老公司 Retro Biosciences 投入 1.8 亿美元，该公司致力于通过细胞再生延长人类寿命；向 Helion Energy 投入 3.75 亿美元，该公司致力于核聚变的商业化。“我基本上把所有流动净资产都押进了这两家公司，“Altman 对 《麻省理工科技评论》 的 Antonio Regalado 说。他描述这两项技术时所用的语言，与 OpenAI 的研究路线图如出一辙——眼下看似不可能，但若大力扩展，或许近在咫尺。
投资 Retro Biosciences 折射出 Altman 对长寿的执念。他是"年轻血液"研究的热忱追随者——这一科学探索方向研究如何通过输注更健康、更年轻的血液来逆转衰老。值得一提的是，彼得·蒂尔 同样对此领域兴趣浓厚，坊间由此催生了大量文章和表情包，津津乐道于他注射青少年血液的传言。在 YC 任职期间，Altman 还以 1 万美元押金登上了一家颇具争议的初创公司 Nectome 的候补名单——这家公司曾参加过 YC 的某期孵化计划。宛如直接从科幻小说中走出，Nectome 推销的服务是将客户的大脑冷冻保存，留待未来某日——或许是数百年之后——在科学家攻克相关技术后上传至计算机。问题在于，为确保保存效果，Nectome 需要的大脑必须足够新鲜。联合创始人 Robert McIntyre 向 Antonio Regalado 坦言，他的产品"百分之百致命”。
投资 Helion 则折射出 Altman 对开发清洁、廉价、充裕能源的执念。他常常提及，能源的成本与可及性与生活质量和经济增长高度相关。但若没有无碳替代方案，不断攀升的能源消耗将"毁掉这个星球”，他说。2023 年，他将 Helion 描述为"不只是一项投资”，是"除 OpenAI 之外我投入最多精力的另一件事”。微软（Microsoft）随后签署协议，承诺购买 Helion 首座发电厂的电力——彼时这家科技巨头已完成对 OpenAI 的第三轮投资，金额高达 100 亿美元。令能源专家惊叹、也令他们深感怀疑的是，Helion 承诺将于 2028 年建成投产。
2021 年，Altman 还将他对投资的热情带入了 OpenAI。当年 5 月，他发起了 OpenAI Startup Fund，这是一只规模 1 亿美元的投资基金，专门支持他口中拥有"利用 AI 改变世界的宏大构想"的早期公司。微软（Microsoft）再度成为该基金的出资方。在部分观察人士看来，成立这只基金是个奇怪的决定。OpenAI 几乎还没有盈收，本身已足够资金密集；何必再为其他公司筹募更多资金？另一些人则认为，这是 Altman 借此将 YC 强大的网络效应在 OpenAI 周围重建一遍的方式。还有人干脆视之为 Altman 的惯性使然。“这是 Sam 行走于世的方式，“一位曾与他共事的人说，“谈交易。”
奥特曼常说，他不持有 OpenAI 任何股权，为的是不让私利之心污染追求安全 AGI 的使命。他每年只领取 6.5 万美元的薪酬，其财富均来自其他投资。这番话听来动人，与他当年解释 OpenAI 为何以非营利机构起步的说辞如出一辙。然而这一表态，就像 OpenAI 本身的非营利身份一样，到 2021 年已不再能呈现全部真相。奥特曼在 YC 持有可观的权益，而 YC 通过对 OpenAI 的 1000 万美元投资，有望获得高达 10 亿美元的回报。随着 OpenAI 持续商业化，大量 YC 旗下的创业公司以及他的其他被投企业，也纷纷成为 OpenAI 的客户或商业合作伙伴。《华尔街日报》随后在 2024 年 6 月对其所有持仓进行估算，得出奥特曼的净资产至少达 28 亿美元。而 OpenAI Startup Fund 的设立，又为他那套利他主义叙事增添了新的复杂性——这一笔，后来在他那段短暂的出局风波中，也扮演了一个微小却不可忽视的角色。