性能之神加盟OpenAI：Brendan Gregg要为ChatGPT“修引擎”

曾被工程师奉为“系统排障圣经”的《性能之巅》作者、火焰图发明者Brendan Gregg，正式加入OpenAI。他不坐办公室，也不在硅谷，而是远程从澳大利亚的家中，一头扎进ChatGPT背后那片由数万张GPU组成的“算力丛林”里。

这不是普通的人才流动。Gregg不是来写PPT的，他是来拆解、重构、重写底层性能逻辑的。在Netflix时，他让服务器故障排查时间从几天缩短到几分钟；在Intel，他用eBPF技术让内核级性能监控变得像打开仪表盘一样直观。他的工具，至今仍是全球运维团队的标配——你用的监控系统里，很可能藏着他的代码。

这次，他面对的不是几台服务器，而是成千上万台GPU组成的超级集群。ChatGPT每秒处理数万次请求，每一次响应背后，是内存带宽的拉锯、GPU调度的争抢、网络延迟的累积。传统调优方法在这里失效了——你不能靠“重启试试”解决一个需要72小时训练的模型卡顿。

Gregg说：“我们不是在优化一台电脑，是在驯服一台会呼吸的机器。”他正在设计一套专属于大模型的性能诊断体系：不是看CPU利用率，而是看显存碎片如何拖慢推理；不是查磁盘I/O，而是追踪张量在跨节点传输时的微秒级延迟。他甚至开始和OpenAI的硬件团队一起，重新设计数据流路径——让模型权重的加载像高速公路的车流，而不是堵在收费站。

有人问他为什么选OpenAI。他说：“我小时候看《星际迷航》，总幻想能跟那台叫‘主控计算机’的AI对话。它不说话，但你一问，它就知道你要什么，还比你快一步。现在，ChatGPT有点像它了——只是它太慢了，有时候卡得像老式拨号上网。”

他的目标很朴素：让每一次提问，都像打开水龙头一样顺滑。不是“能用”，而是“用起来感觉不到它的存在”。

他不是来当顾问的，是来动手改代码的

别被“顶级专家”“殿堂级人物”这些词唬住。Gregg不是那种只开会、画架构图的高管。他在OpenAI的工牌上写的是“工程师”。每天早上，他先看凌晨的性能日志，挑出那些“奇怪的尖峰”，然后写脚本、改内核模块、跑压测。他最近在测试一种新的GPU任务调度策略，能减少15%的空闲等待时间——这相当于每天省下相当于一座小型数据中心的电力。

他的团队里没有“AI专家”，全是搞底层的硬核工程师。有人负责追踪NVLink的拥塞，有人专攻H100的显存带宽瓶颈，而Gregg，是那个总在深夜发 Slack 消息的人：“你们有没有试过把这组kernel的内存对齐改成256字节？”

一位内部工程师透露：“他来之后，我们连‘性能优化’这个词都不敢乱说了。他说，‘别跟我说优化，告诉我哪里慢，我带你去看数据。’”

火焰图还在，只是现在画的是GPU

当年，他发明的火焰图，让工程师第一次能“看见”程序调用栈的热力分布。如今，他正在把这套思路迁移到AI集群上——不是画CPU的函数调用，而是画GPU的Kernel执行、显存分配、跨节点通信的时序图。

OpenAI内部已经悄悄上线了“Gregg View”——一个基于他思路开发的实时性能可视化面板。工程师现在能一眼看出：哪个模型的推理请求在哪个节点上被“卡”了，是网络慢了，还是某个显卡的显存碎片化太严重。

这不是炫技。这是救命。当ChatGPT在高峰期每分钟响应50万次请求时，一个0.1秒的延迟，就是5万次用户体验的断裂。Gregg知道，真正的性能优化，不是让服务器跑得更快，而是让用户感觉不到它在“跑”。

他不是来造神的，是来让神别卡顿的

有人问他，加入OpenAI是不是为了“改变世界”？他笑了笑：“我只想让那个在凌晨三点问‘帮我写个周报’的小姑娘，别等三秒才看到回复。”

他没提奖金，没提股权，也没说要造下一代模型。他只说：“如果一台机器每天被几千万人用，那它每秒的延迟，就是几千万人的耐心。”

现在，全世界最懂“机器哪里会喘不过气”的人，坐在悉尼的阳台，盯着屏幕，手指敲下一行代码——

他要让ChatGPT，不再卡顿。