OpenAI创始人红衫AI峰会最新爆论：AI创业者，想活命就别再跟老子卷大模型了！

最近，第3届红杉资本AI峰会刚刚在旧金山落幕。150位全球最顶尖的AI创始人齐聚红杉资本会场。峰会邀请到了OpenAI的创始人Sam Altman进行访谈，本文分享了本次访谈的核心观点总结和中文完整版逐字稿。

核心观点总结

1、OpenAI的核心业务壁垒与创业建议：奥特曼明确表示OpenAI将专注于“核心AI订阅和模型”，并建议创业者“不要做核心AI订阅，但其他一切都可以做”。这可以被解读为对AI生态系统参与者的一种明确的领域划分和警告。
2、年轻人对AI的深度依赖：他提到年轻人（特别是大学生）将ChatGPT用作“操作系统”，甚至“做重要人生决定前，几乎都会问ChatGPT他们应该怎么做”。这揭示了AI对年轻一代可能产生的深刻影响乃至依赖，引发社会伦理和教育方面的思考。
3、对大公司AI转型的尖锐批评： 奥特曼直言对大公司AI转型的缓慢感到“失望但不惊讶”，并预测它们最终可能会“屈服和最后一刻的仓促应对，但那时就有点太晚了”。这种批评相当直接。
4、AI智能与人类智能的比较：当被问及GPT-5是否会比所有人都聪明时，他回应道：“如果你觉得你比GPT-3聪明得多，那也许还有点距离，但GPT-3已经相当聪明了。” 这番言论可能被视为对人类普遍优越感的一种挑战。
5、反对“从未来倒推”的宏大战略： 奥特曼表示不相信那些试图从一个极其复杂的未来目标倒推执行步骤的宏大战略，并声称“从未见过那些人真正取得巨大成功”。这与许多商业战略理论形成对比。
以下是访谈的完整中文逐字稿：

红杉AI闭门会：Sam Altman访谈中文逐字稿

开场
主持人： 我们的下一位嘉宾无需过多介绍，Sam Altman先生。
主持人： 我想强调的是，Sam Altman先生已经是第三次参加我们的AI峰会并分享他的洞见，我们对此深表感谢。谢谢您的到来。
Sam Altman： 这里曾是OpenAI的第一个办公地点。
主持人： 的确如此。很高兴您能回到这个有纪念意义的地方。

一、回顾OpenAI的起点与早期发展

主持人： 让我们回到OpenAI最初的办公室。您从2016年开始创业。我们刚才也邀请了黄仁勋先生，他提到曾在这里交付了第一台DGX1系统。
Sam Altman：他确实送来了。是的，那台设备现在看起来非常小巧，令人感慨。
主持人：和现在的设备相比，确实如此。现在的机箱都非常庞大。那是一段有趣的回忆。
Sam Altman：当时那台设备有多重？那时候一个人大概还能搬动。
主持人：他说是大约70磅。虽然不轻，但一个人还是可以搬运的。
主持人：那么，在2016年的时候，您预想过OpenAI会发展到今天的规模吗？
Sam Altman：没有。那时候我们团队大约只有14人，大家都在这个新系统上进行探索。即便在当时，我们也是围坐在白板前，讨论未来的方向。坦白说，我们当时更像一个纯粹的研究实验室，对发展方向和信念非常坚定，但并没有真正具体的商业行动计划。不仅是公司或产品的具体形态难以想象，即便是大型语言模型（LLMs）这样的概念，也远未成形。我们当时主要在尝试让AI玩电子游戏。
主持人：尝试玩电子游戏。现在还在继续这方面的尝试吗？
Sam Altman： 现在我们在这方面已经取得了相当不错的进展。

二、从API到ChatGPT：产品演进之路

主持人： 好的。之后你们又花了大约六年时间才推出了第一个面向消费者的产品——ChatGPT。在这一过程中，你们是如何规划里程碑，并逐步将产品打磨到现有水平的？
Sam Altman： 某种程度上是历史的偶然，我们第一个面向消费者的产品并非ChatGPT。
主持人： 的确，是DALL-E。而更早的产品是API。
Sam Altman： 是的，我们构建了API。在此过程中，我们经历了不少探索，也曾有几个重点投入的方向。最终，正如我之前提到的，我们认为必须构建一个系统来验证其有效性。但我们不仅仅是撰写研究论文，我们希望看到实际的应用，比如让AI在电子游戏中表现出色，或者开发机器人手等项目。在某个阶段，最初是一个人，后来发展成一个团队，开始对无监督学习和构建语言模型展现出浓厚兴趣。这催生了GPT-1，然后是GPT-2。到了GPT-3的阶段，我们都认为它具备了很酷的潜力，但对其具体的商业应用尚不明确。同时，我们也意识到持续扩大模型规模需要巨额资金。在完成GPT-3之后，我们希望进一步研发GPT-4，这意味着模型研发将进入十亿美元级别。除非是像粒子加速器那样的大型科研项目，否则很难单纯作为纯科学实验来推进。因此，我们开始思考两个层面的问题：第一，如何将其发展为一项能够支撑所需投资的业务；第二，我们预感到这项技术正朝着真正实用的方向发展。我们曾将GPT-2作为模型权重对外发布，但并未引起广泛关注。根据我对公司和产品发展的观察，推出API通常能在商业上取得积极成果，这在许多YC孵化的公司中都得到了验证。而且，如果能让产品更易于使用，往往会带来巨大的益处。因此我们考虑到，运行这些日益庞大的模型存在一定难度，于是我们决定开发相应的软件来优化其运行效率。此外，由于当时我们还不清楚具体应该构建怎样的产品，我们希望通过开放API，让其他开发者找到合适的应用场景。我记得不太清楚具体时间，大约是2020年6月，我们通过API发布了GPT-3。当时，全球大部分地区对此反应平淡，但硅谷的从业者们敏锐地注意到了，他们认为这预示着某种趋势。一个有趣的现象是，尽管我们几乎没有得到世界其他地方的关注，但一些初创公司的创始人却对此非常兴奋，甚至有人认为这就是通用人工智能（AGI）的雏形。据我所知，当时真正利用GPT-3 API成功构建起商业模式的，主要是少数几家提供“文案即服务”的公司，这几乎是GPT-3唯一在经济上可行的应用。然而，我们注意到一个关键现象，这个现象最终促成了ChatGPT的诞生：尽管开发者们难以利用GPT-3 API构建出大量成功的商业应用，但用户们非常喜欢在我们的“游乐场”（Playground）环境中与模型进行对话。当时模型的对话能力还很差，我们尚未掌握通过RLHF（基于人类反馈的强化学习）来优化对话体验的方法，但用户依然乐此不疲。从某种意义上说，除了文案写作，这种对话式交互成为了API产品唯一的“杀手级应用”，这也最终引导我们决定构建ChatGPT。当ChatGPT 3.5发布时，基于API可以开展业务的领域从最初的一个扩展到了大约八个。但我们对于“用户就是希望与模型对话”的信念已经变得非常坚定。因此，在DALL-E取得一定成绩后，我们更加明确了目标，特别是结合我们已经掌握的微调技术，我们希望构建一款用户可以直接与之对话的模型和产品。ChatGPT于2022年推出，从2016年11月30日算起，大约经过了六年时间。
主持人： 是的，这背后凝聚了大量工作。ChatGPT于2022年推出，如今每周有超过五亿用户与之互动。非常好。接下来，请准备回答一些观众的提问，这也是Sam Altman先生的要求。

三、OpenAI的运营哲学与产品迭代

主持人： 正如帕特所说，您已经连续三届参加我们的峰会。期间行业也经历了不少起伏。但似乎在过去的六个月里，OpenAI始终保持着高强度的产品发布节奏。你们发布了众多新成果，产品迭代和发布速度持续加快，这非常了不起。我想请教一个多方面的问题：您是如何让一家大型公司在发展过程中不断提升产品迭代速度的？
Sam Altman： 我认为许多公司在规模扩大后容易犯一个错误，那就是没有相应地增加业务范围和项目数量。它们仅仅是按照预期变大，但产出的产品数量并未增加，这时，组织的低效和臃肿问题就会凸显。我坚信，应该让每个成员都保持忙碌，团队规模要精简，用相对较少的人力去完成更多的事情。否则，每个会议都会充斥着大量人员，大家为了产品中微不足道的功能归属而争论不休。商界有句老话，优秀的高管总是忙碌的，因为不希望团队成员虚耗光阴。我认为，在我们公司以及许多其他科技公司，研究员、工程师和产品经理是核心价值的创造者，必须让他们保持高效和高影响力。因此，如果公司要持续成长，就必须拓展更多的业务领域。否则，大量的员工只会陷入无休止的争论、会议和空谈中。我们努力让相对较少的员工承担起重大的责任，而实现这一目标的关键在于同时推进多个项目。而且，我们确实需要做很多事情。例如，我们现在有机会去构建一个真正重要的互联网平台。但要实现这个目标，如果我们希望成为用户在各种服务中、贯穿其整个生命周期所依赖的个性化AI，覆盖所有主流及细分领域，那么我们就必须构建大量的产品和服务。
主持人： 在过去的六个月里，您有没有什么特别引以为傲的发布成果？
Sam Altman： 我认为，我们现在的模型已经非常出色了。当然，它们在某些方面仍有提升空间，我们也在为此快速努力。但在当前阶段，ChatGPT已经是一款非常优秀的产品，其核心在于模型本身的高质量。当然，其他因素也很重要，但我依然对一个模型能够如此出色地完成如此多样的任务感到惊叹。

四、OpenAI的愿景、生态与未来规划

主持人： 你们同时在构建小型和大型模型，业务范围广泛。那么，在座的各位创业者应如何找准定位，避免与OpenAI直接竞争而成为“炮灰”呢？
Sam Altman：我认为，理解我们的定位很重要：我们致力于构建并成为用户的核心AI订阅服务及其主要使用方式。其中一部分功能将体现在ChatGPT内部。未来，我们还会围绕该订阅服务推出其他几个关键组成部分。但最主要的是，我们希望持续构建更智能的模型，并提供核心的交互界面，例如未来的设备、类似操作系统的新形态等等。然后，我们希望——尽管目前尚未完全明确——推出一个真正能够支撑我们平台生态的API或SDK（软件开发工具包）。这可能需要几次尝试，但我们一定会实现。我希望这能为世界创造巨大的财富，并赋能其他开发者在此基础上进行构建。总而言之，我们将专注于核心AI订阅服务和底层模型，以及核心的交互界面。在此之外，仍然有海量的机会等待发掘和构建。
主持人：所以建议是，不要尝试做核心AI订阅服务，但其他领域依然大有可为。
Sam Altman：我们会努力。当然，如果有人能做出比我们更优秀的核心AI订阅产品，我们也非常欢迎。
主持人：好的。有传言称你们正在以400亿美元的估值进行融资，或有类似的数字，这些都只是传闻，我并不清楚。
Sam Altman：感谢您的关注，我们已公开宣布的融资进展良好。
主持人：好的，我只是想确认一下贵公司是否已就此发布官方信息。
主持人：从现在开始，OpenAI的愿景和目标是什么？
Sam Altman：我们将继续努力研发卓越的模型并推出优秀的产品。除此之外，并没有一个详尽的总体规划。我的意思是，在座有很多OpenAI的员工可以证实这一点。我们并非那种预设一个宏伟蓝图然后按部就班执行的公司。我坚信应该专注于做好眼前的事情。如果试图从一个极其复杂的未来设想倒推当前的行动步骤，通常效果不佳。我们清楚地知道，我们需要海量的AI基础设施，需要建设大规模的“AI工厂”；我们需要持续改进模型；我们需要构建顶级的消费者产品及其所有配套组件。但我们为自身的灵活性和应变能力感到自豪，我们会根据外部环境的变化及时调整策略。因此，我们明年将要推出的产品，可能现在甚至还没有开始构思。我们坚信能够构建出一系列深受用户喜爱的产品，对此我们抱有坚定不移的信心。我们也坚信能够构建出色的模型。实际上，我对我们当前研究路线图的乐观程度前所未有。
主持人：研究路线图上具体有哪些内容？
Sam Altman：非常智能的模型。但是，就眼前的具体步骤而言，我们通常是一次规划并执行一到两步。
主持人：所以您更倾向于逐步推进，而非制定长远的倒推式规划？
Sam Altman：我听过一些人阐述他们宏伟的战略，设定一个遥远的目标，然后从未来倒推至现在，规划每一步行动，仿佛要一步步占领世界。但我从未见过采用这种方式的人真正取得过巨大的成功。
主持人： 明白了。现场哪位有问题？麦克风会递给您。

五、观众问答环节

关于大公司AI转型

提问者1： 您认为大型公司在推动组织向AI原生化转型的过程中，无论是在工具应用还是产品研发方面，普遍存在哪些误区？很明显，在当前的创新浪潮中，小型公司在效率和成果上似乎远超大型公司。
Sam Altman： 我认为这基本上是每一次重大技术革命都会出现的现象，不足为奇。大型公司所犯的错误与它们以往犯的错误如出一辙，那就是个人和组织都容易陷入固有的思维模式和行为方式。如果外部环境每隔一两个季度就发生剧烈变化，而公司的信息安全委员会仍然每年只召开一次会议来决定允许哪些应用程序、如何将数据整合到系统中，那么这种滞后性所带来的痛苦是显而易见的。但这正是“创造性破坏”的过程，也是初创公司能够脱颖而出的原因，更是整个行业向前发展的动力。坦率地说，我对大型公司在此轮变革中展现出的意愿和速度感到失望，但并不意外。我的预测是，它们可能还会经历几年的内部博弈和观望，假装这场变革不会颠覆一切。然后，当它们最终被迫做出改变、仓促应对时，往往为时已晚。总的来说，初创公司更容易超越那些固守传统模式的企业。这种现象也体现在个体层面。例如，观察一个普通的20岁年轻人如何使用ChatGPT，再对比一个普通的35岁成年人的使用方式，两者之间的差异令人难以置信。这让我想起智能手机刚问世时的情景：每个孩子都能迅速上手并熟练运用，而年长一些的人则需要花费大约三年时间才能掌握基本操作。当然，人们最终都会适应。但是，目前在AI工具的使用上，这种代际差异非常显著。我认为，公司的表现只是这种现象的另一种体现。
主持人： 还有其他问题吗？

关于年轻人使用ChatGPT的场景

提问者2： 紧接着上一个问题，您观察到年轻人使用ChatGPT有哪些令我们感到惊讶或印象深刻的创新用例吗？
Sam Altman： 他们确实将ChatGPT当作一个操作系统来使用。他们会采用复杂的方法进行设置，将其连接到大量个人文件，并且在脑海中记忆或在笔记中保存着相当复杂的提示词。我认为这些都非常酷，也令人印象深刻。还有一点值得注意，他们在做出人生重要决定之前，几乎都会咨询ChatGPT的意见。模型掌握了他们生活中每个人的相关背景信息以及他们之间的谈话内容。记忆功能的引入在这方面确实带来了显著的改变。当然，这可能是一个概括性的说法，但大体而言，年长一些的用户可能将ChatGPT视为Google的替代品；二三十岁的用户可能将其视为生活顾问之类的角色；而大学生则更倾向于将其作为一个操作系统来使用。

OpenAI内部如何使用ChatGPT

主持人： OpenAI内部是如何应用ChatGPT的？
Sam Altman： ChatGPT为我们编写了大量的代码。
主持人： 大约多少？
Sam Altman： 我不清楚具体的数字。而且，我认为用数字来衡量这个问题本身就有些不妥。例如，你可以说某个微软产品20%或30%的代码是由AI编写的，但仅仅用代码行数来衡量其贡献是非常片面的。或许更有意义的说法是，它正在编写真正有价值的代码，那些真正核心和关键的部分。
主持人： 这很有趣。下一个问题。

关于API的未来与消费者产品的融合

提问者3： Sam Altman您好。我注意到一个有趣的现象，您在回答阿尔弗雷德关于公司未来发展方向的问题时，主要聚焦于消费者市场和打造核心订阅服务。同时，贵公司大部分收入也来源于消费者订阅。那么，为什么在未来十年后仍计划保留API呢？
Sam Altman： 我非常希望未来这些不同的服务能够融为一体。例如，用户应该能够使用OpenAI账户登录其他第三方服务；而其他服务也应该拥有强大的SDK，以便在某个合适的时机能够接管并整合ChatGPT的用户界面。关键在于，如果您希望拥有一个真正了解您、掌握您的信息、知道您希望在何时分享何种内容，并拥有您全部背景信息的个性化AI，那么您一定希望能够在各种场景下无缝使用它。我承认，当前版本的API距离这个理想愿景还有很长的路要走，但我相信我们最终能够实现它。

关于为应用层公司赋能

提问者4： 是的，我或许有一个与此相关的问题，您刚才的回答也部分触及了。我们当中有许多人正在构建应用层面的公司，希望利用这些基础模块和不同的API组件，或许还包括一些尚未公开发布的深度研究API，来开发新的产品和服务。那么，为我们这些应用层公司提供支持和赋能，会成为OpenAI的一个优先事项吗？我们应该如何理解OpenAI在这方面的规划？
Sam Altman： 是的。我认为，我期望的未来是介于两者之间的一种状态。未来互联网可能会出现一种类似于HTTP级别的新型协议，使得各种服务和信息更加联邦化，并能够分解为更小的组件。智能体（Agents）将能够持续地暴露和调用不同的工具，而身份认证、支付、数据传输等功能都将内置于这个得到普遍信任的底层协议之上，从而实现万物互联。我目前还无法完全清晰地描绘出它的具体形态，但它正逐渐从模糊的设想中浮现出来。当我们对此有了更清晰的认识时，可能还需要经历几次迭代才能最终实现。但这正是我希望看到的未来发展方向。

关于传感器数据与AI

提问者5： Sam Altman您好，我是罗伊。我很好奇，AI显然可以通过获取更多输入数据来提升性能。贵公司是否考虑过将传感器数据，例如温度等物理世界的实时数据，输入到AI模型中，以帮助其更好地理解现实世界？
Sam Altman： 人们已经在进行这方面的尝试。开发者会将各种传感器数据输入到API中，例如GPT-3的API或其他类似接口。在某些特定的应用场景下，这种做法的效果可能不是特别理想。但我想指出的是，最新的模型在处理这类数据方面似乎表现得相当不错，这与早期模型不同。因此，我们未来可能会在某个阶段更深度地将传感器数据整合到模型中，目前这方面已经有了很多积极的进展。

关于语音技术的重要性

提问者6： Sam Altman您好。我非常兴奋能在Playground中体验语音模型，因此我有两个问题。第一，在OpenAI的基础设施优先级排序中，语音技术占据怎样的地位？第二，您能否分享一下，您认为语音技术将如何在OpenAI的产品，特别是在核心产品ChatGPT中得到应用和体现？
Sam Altman： 我认为语音技术极其重要。坦率地说，我们目前尚未打造出足够优秀的语音产品。但这没关系，我们当初也花费了相当长的时间才研发出足够好的文本模型。我们最终会攻克这个难题。当我们成功做到这一点时，我相信会有更多人愿意频繁使用语音交互。当初我们首次推出当前的语音模式时，最令我感兴趣的一点是，它在传统的触摸交互界面之上增加了一个全新的信息流。用户可以一边通过语音与模型交流，一边同时在手机上进行点击等操作。我始终认为，在“语音+图形用户界面”（Voice + GUI）的融合交互方面，还存在着巨大的创新空间，我们尚未完全发掘其潜力。但在此之前，我们会首先努力将语音交互本身做到极致。当我们实现这一点时，我相信它不仅能在现有设备上带来酷炫的体验，更有可能催生一个全新的设备类别——前提是我们能让语音交互达到真正媲美人类的自然流畅水平。

关于编程的核心地位

提问者7： 我还有一个关于编程的问题。我很好奇，在OpenAI的战略中，编程是被视为另一个垂直应用领域，还是对其未来发展更具核心意义？
Sam Altman： 编程对OpenAI的未来更具核心意义。我认为，编程将成为未来模型与世界交互的主要方式之一。目前，如果您向ChatGPT提出请求，通常会得到文本回复，有时可能是图片。但在未来，您可能希望得到一个完整的程序，或者至少是为每个响应定制渲染的代码——至少我是这样设想的。您会希望这些模型能够真正在现实世界中执行任务、产生影响，而编写代码将是实现这一目标、调用各种API等操作的核心途径。因此，我会说编程将处于一个更为核心的战略地位。我们显然也会通过API和平台向开发者提供编程相关的能力，但更重要的是，ChatGPT本身就应该非常擅长编写代码。
主持人： 所以，AI将从辅助工具的角色，逐渐演变为能够自主行动的智能体，最终甚至能够直接构建和运行应用程序。
Sam Altman： 我认为其发展轨迹会是这样的，是的，这是一个非常连续的演进过程。

关于构建更智能模型的关键要素

提问者8： 您对更智能模型的研发路线图充满信心，这非常鼓舞人心。我通常会从数据、数据中心、Transformer架构、测试时计算等要素来理解模型的构建。在您看来，是否存在某个被低估的、或者未来将成为关键组成部分，但目前尚未被大多数人充分认识到的要素？
Sam Altman： 您提到的这些要素，每一项都极具挑战性。显然，最具杠杆效应的仍然是重大的算法突破。我认为在算法层面，可能还存在若干个能够带来10倍甚至100倍性能提升的突破点，尽管数量不会很多，但即便是一两次这样的突破也意义非凡。总的来说，是的，算法、数据和算力，这些是构建更智能模型的核心要素。

关于平衡研究自由与自上而下的指导

提问者9： 您好。我的问题是，您领导着世界上最顶尖的机器学习团队之一。在管理这样的团队时，您是如何在给予像伊尔亚·苏茨克维（Ilya Sutskever）这样的顶尖人才充分自由去探索深度研究或其他看似令人兴奋的前沿方向，与自上而下地设定明确目标（例如“我们要构建这个产品，必须让它成功，即使我们不确定它是否能奏效”）之间取得平衡的？
Sam Altman： 对于某些需要高度协调和统一执行的项目，确实需要一定程度的自上而下的指导和管理。但我认为，大多数情况下，管理者往往会过度干预。坦率地说，或许存在其他成功运营人工智能研究实验室或一般性研究机构的方法，但在OpenAI成立之初，我们花费了大量时间去研究和理解一个运营良好的研究实验室究竟是怎样的。为此，我们不得不追溯到很久以前的历史，事实上，几乎所有能够在这方面提供真知灼见的人都已经不在了，距离上一次真正意义上的优秀研究实验室的黄金时代已经过去了很长时间。人们经常问我们，为什么OpenAI能够持续创新，而其他AI实验室似乎更多地在模仿？或者为什么某个生物实验室X成果寥寥，而实验室Y却能硕果累累？我们总是反复强调我们所观察到的那些基本原则，我们是如何学习并应用它们的，以及我们从历史中汲取的经验教训。然后，每个人听后都表示赞同，但转过头去可能还是会选择其他做法。这没关系，他们来寻求建议，最终如何决策取决于他们自己。但我发现，我们努力在我们研究实验室推行的这几个核心原则——这些原则并非我们原创，而是我们从历史上其他成功的科研机构那里“厚颜无耻”地借鉴来的——对我们而言非常有效。而那些基于某些“更聪明”的理由而选择另辟蹊径的机构，往往未能取得预期的成功。

关于AI在人文社科领域的潜力

提问者10： 我认为这些大型模型有一个非常吸引人的特质，尤其对于我这样的知识爱好者而言，那就是它们有潜力体现并帮助我们解答人文学科中那些长期悬而未决的、关于艺术旨趣的周期性演变等重大问题。甚至，它们还能帮助我们探究社会中系统性偏见等现象在多大程度上真实存在，并检测那些以往我们除了提出假说外几乎束手无策的、极其微妙的社会动态。我想了解，OpenAI是否考虑过，或者已经制定了相关的路线图，与学术研究人员合作，共同解锁这些在人文学科和社会科学领域前所未有的新认知？
Sam Altman： 我们有这样的考虑和实践。是的，看到研究人员在这些领域所取得的进展，确实令人振奋。我们设有专门的学术研究项目，通过这些项目与学界合作，并开展一些定制化的研究工作。但多数情况下，学者们提出的需求往往是希望能够访问我们的模型，或者更具体地说，是访问我们的基础模型。我认为OpenAI在这方面做得非常好。我们业务模式的一个很酷的特点在于，我们的激励机制在很大程度上促使我们将模型做得尽可能智能、成本尽可能低廉、并且尽可能广泛地普及，这无疑对学术界乃至整个世界都大有裨益。因此，尽管我们也会开展一些定制化的合作，但我们常常发现，无论是研究人员还是普通用户，他们真正期望的，还是我们能够全面地提升通用模型的整体性能。所以，我们大约将90%的资源和精力都投入到这个方向上。

关于模型定制化

提问者11： 我对OpenAI如何看待和规划模型的定制化非常感兴趣。您提到了联邦式的身份认证，例如通过OpenAI账户登录并携带用户的记忆和上下文信息。我好奇的是，您是否认为当前的定制化方法，比如针对特定应用场景进行模型后训练，只是一种权宜之计？或者说，OpenAI未来的主要方向是持续改进核心模型的通用能力，而不是大力发展定制化？您是如何思考这个问题的？
Sam Altman： 从某种意义上说，我认为理想中的“柏拉图式状态”是拥有一个体积非常小巧的推理模型，但它能够处理万亿级别的上下文信息（context tokens）。用户可以将自己一生的全部数据——每一次对话、读过的每一本书、收发的每一封邮件、浏览过的每一个网页——都输入到这个模型中。这个模型的核心权重无需针对特定用户进行重新训练，也无需进行任何形式的定制化。然而，它却能够基于用户提供的完整上下文进行高效推理。这意味着，您生活中的所有信息，以及来自其他数据源的全部内容，都会持续不断地汇入这个上下文环境中，您的公司也可以采用同样的方式来处理其全部数据。目前我们还无法完全实现这一理想状态，但我认为任何其他的定制化方法，都可以视为对这个“柏拉图式理想”的一种妥协。这正是我最终希望我们能够实现的定制化方向。
主持人： 最后面还有一个问题。

关于未来12个月的价值创造点

提问者12： Sam Altman您好，感谢您抽出宝贵时间。您认为在未来12个月内，大部分的价值创造将主要来源于哪些方面？是更先进的记忆能力、更强的安全性，还是允许智能体执行更多任务并与物理世界进行更深度交互的协议？
Sam Altman： 从某种意义上说，价值的持续创造将主要来源于三个方面：建设更强大的基础设施、研发更智能的模型，以及构建能够将这些技术有效融入社会各个层面的“脚手架”或支撑体系。如果在这些方面持续投入和努力，我相信其他问题会自然得到解决。从更具体的层面来看，我倾向于认为2025年将是“智能体执行工作”的一年，特别是在编程领域，我预计它会成为一个主导性的应用类别。同时，我认为明年还会有其他一些重要的进展。具体到2026年，我预计AI将在探索新知识、发现新事物方面发挥更大作用，或许我们会看到AI独立或辅助人类做出一些重大的科学发现。我个人相信，人类历史上大部分真正可持续的经济增长，在完成了对地球的初步探索和资源开发之后，主要源于科学知识的进步及其在现实世界中的应用。然后，到了2027年，我猜测AI的影响将从知识领域大规模扩展到物理世界，机器人将从一种新奇事物转变为能够创造显著经济价值的重要驱动力。当然，这只是我目前基于直觉的一个粗略判断。
主持人： 我能最后问几个简短的问题吗？
Sam Altman： 当然。

六、总结性提问与对创始人的建议

关于GPT-5

主持人： 其中一个问题是，GPT-5会比在座的所有人都更聪明吗？
Sam Altman： 嗯，我的意思是，如果您认为自己远比GPT-3聪明，那么或许GPT-5距离超越您还有一段路要走。但需要承认的是，GPT-3本身已经相当聪明了。

对创始人的韧性建议

主持人： 好的，还有两个关于您个人的问题。上次您出席活动时，OpenAI刚刚经历了一些波折。如今事过境迁，有了更多的距离和视角，您对在座的创始人朋友们，在培养韧性、耐力和内在力量方面，有什么建议吗？
Sam Altman： 随着时间的推移和经验的积累，应对困境会变得相对容易一些。作为创始人，在创业的旅程中不可避免地会面临诸多逆境，挑战的难度和风险也会随之增加。但是，当您经历过更多艰难险阻之后，情绪上所承受的压力反而会减轻。所以，从某种意义上说，是的，即使挑战本身在客观上变得更大、更艰难，但您应对挑战的能力以及在此过程中建立起来的韧性，会随着每一次的历练而增强。此外，我认为，作为创始人，在面对重大挑战时，最艰难的并非挑战发生的那一刻。在一家公司的发展历程中，总会遇到各种各样的问题。在危机发生的当下，您通常能够获得很多支持，肾上腺素也会帮助您集中精力应对，即使是像公司资金耗尽、濒临倒闭这样的严重危机，也总会有很多人伸出援手，您也总能设法渡过难关，开启新的征程。我认为，更难管理的是危机过后的心理余波和重建过程。人们往往非常关注如何在危机发生的瞬间有效应对，但对于如何在危机过后收拾残局、重建信心，这方面的讨论和指导却相对较少，而这恰恰是真正有价值、需要学习和提升的能力。我从未找到过特别好的资源，能够指导创始人们如何在危机发生的第0天、第1天或第2天之后，特别是在危机发生后的第60天，当您努力从废墟中重建时，应该如何调整心态、采取行动。而这，正是一个可以通过不断实践来提升和完善的领域。
结束语
主持人： 非常感谢您，Sam Altman。
Sam Altman： 谢谢。
主持人： 我知道您目前还在陪产假期间，再次感谢您拨冗出席并与我们分享，非常感谢。
Sam Altman： 谢谢。