01

AI 将从编写代码进化为驱动全 AI 型公司

去年我们在此发布了 AI Defense 产品，预计在两三周内，该产品 100% 的代码都将由 Codex 编写，这标志着我们正处于指数级增长曲线上。作为 Codex 的首个设计合作伙伴，我们想了解你认为这种发展的上限在哪里？

Sam Altman： 这太不可思议了。Codex 是我近段时间看到的 AI 领域最重大的更新。昨天发布的应用程序让我深感我们已经突破了临界点，它将在极短时间内创造巨大的经济价值。这不仅会改变 OpenAI 的运作方式，也将重塑所有公司的运作模式。目前模型已经达到了某个阈值，界面和工具链也已经跟上了。如果说 ChatGPT 是第一个标志性时刻，那么现在我再次感受到了 ChatGPT 时刻的到来，我们清晰地看到了知识工作的未来缩影以及企业和个人将如何以完全不同的方式利用 AI 协同工作。

（关于发展的上限）我认为上限在于出现全 AI 驱动型公司。目前我能预见到的是，一个编码模型不仅能创建复杂的软件系统，还能与现实世界互动并围绕其建立公司，这将具有极其深远的意义。

02

如何看待 OpenClaw

关于目前正在发生的趋势，比如 Multbook 和 OpenClaw ，你认为这只是一阵风，还是我们能从中获得某些启示？

Sam Altman： 这绝对不是昙花一现。虽然 Multbook 的前景尚不明确，但 OpenClaw 绝非过客。代码本身很强大，但如果赋予代码通用的计算机操作能力，其威力将成倍增长。最初安装 Codex 时，我曾坚持在没检查操作前绝不给它完全的电脑控制权，但这种坚持只持续了两个小时，因为它实在太好用了。后来虽然出于安全建议我改为使用两台笔记本电脑办公，但在搞清楚运行机制后，给 AI Agent 开放电脑和浏览器的完全访问权限确实能带来惊人的效果。这种模式将长期存在。将 Codex 风格的工作流扩展到所有知识工作领域，让它帮你操作电脑、浏览网页、编辑文档，这将引发知识工作方式的真正变革 。

OpenClaw 在整合这些创意并使其落地方面做得非常出色，这必然是未来的组成部分。

至于 Multbook 预示的新型社交互动，在同一个空间中由许多代理代表人类进行交流协作，这具有很大的想象空间。未来的社交网络可能就是每个人创造并投放多个 AI 代理，让它们在其中协作产生新想法，这与今天的社交模式将完全不同。

03

目前的软件架构逻辑因未考虑人机共用而存在大量阻碍

除了基础设施、算力和电力这些显而易见的约束，还有哪些不那么直观的因素在阻碍我们？这是否意味着软件架构将发生根本性变化，转而为 AI Agent 而非人类进行优化？

Sam Altman： 显性的约束依然是核心，比如能源和硬件制造。但不那么直观的约束中，我最关心的是如何平衡安全、数据访问与模型效用。目前还没有完美的答案，我们需要发明一种全新的安全或数据访问范式。另一个挑战是如何重写所有软件，使其能同时被人类和 AI 高效使用。目前的软件交互逻辑中存在很多古怪的阻碍。

（关于软件架构重构）没错。举个简单的例子，我希望我的 AI Agent 能帮我处理 Slack 消息，因为它现在就像个信息泥潭。但在目前模式下，如果 AI Agent 代表我阅读 Slack 频道，它会将消息标为已读，从而破坏我作为人类用户的工作流。很多软件在设计之初并没有考虑过人机共用的场景。未来，我们可能需要为 AI 设立独立的用户账户，或者重写软件，使其在以 AI 使用为主的同时，依然兼容人类的传统操作。另一个障碍是永远在线的计算。AI 可以全程监听会议或观察你的操作以提供价值，但现有的计算机硬件、权限系统和法律体系并不支持这种模式。比如你希望录制会议供 AI 学习，但在学习完后自动删除录音，这些易用性问题都需要解决。

04

企业必须快速吸收 AI 同事，否则将在竞争中失去先机

现在科学领域进步神速，但另一方面，很多组织在基础应用上却举步维艰，这涉及到潜力盈余的问题，就像当年人们最初只用到 Word 的 2% 功能。对于想要提高 AI 采纳率的 CIO 和 CISO 们，你有什么建议？比你预想的还要慢吗？

Sam Altman： 潜力盈余感确实比以往任何时候都要强烈，甚至超过了 ChatGPT 发布前夕。虽然人们已经在用 AI 做很多事，但它在科学发现、软件编写以及通用知识工作方面的潜力还远未被完全挖掘。我们过去总把自动化研究并推动经济转型看作遥远的未来，但现在 AI 已经开始实实在在地做这些工作了。这种技术的扩散和吸收速度确实比想象中慢。

（关于普及速度）是的，但我之前太天真了。回看历史，这种缓慢其实并不令人意外。虽然 ChatGPT 和 Codex 的增长速度已经打破了纪录，但对照其展现出的潜力，普及速度确实显得滞后。我的建议是，企业必须寻找能快速吸收这些新工具的方法，不要在数据访问和安全问题上纠缠数年，否则将失去先机。那些没有准备好快速接纳 AI 同事的朋友的公司，将处于巨大的竞争劣势。这确实需要投入大量精力并承担一定风险。

Jeetu Patel： 我们在使用 Codex 时发现，最初几个月只把它当工具，直到后来才意识到应该把它看作队友。

Sam Altman： Codex 应用程序确实第一次让人有了与队友互动的真实感。这其中的教训是，即使拥有了惊人的模型技术，如何包装产品、如何进行交互设计、如何降低使用门槛依然至关重要。现在，与 AI 协作的感觉已经完全不同于简单的工具对话，这正是未来的大势所趋。

05

大规模基础设施投入是明智之选

在基础设施和电力方面，你投入了大量资金。你是如何看待这些约束的？即使现在已经有了数万亿美元的投资计划，你认为人们是否仍低估了所需的容量？

Sam Altman： 所有证据显示，AI 模型的能力会持续增强，同时单位任务的成本 and 资源消耗会大幅下降。历史告诉我们，一旦某样东西变得又强又便宜，人们的需求就会爆发式增长。因此，我们正按 AI 使用量每年加速增长的预期进行规划。

（关于 Token 需求量）如果这 5 万亿美元能迅速投入，也许足够了。虽然中间可能会出现短暂的供应过剩，但长远来看，世界对 Token 的需求是无穷无尽的。尽管我们会提高效率，让你在口袋里的设备上靠电池运行强大模型，但对能力的追求不会停止。资本主义和供应链正在重新配置以应对这一变化。AI 的市场需求就像电力需求，取决于不同价格水平下的质量和速度。如果我们继续让 AI 变得强大且便宜，需求将是海量的。我们正处于潜力盈余阶段，人们还在探索聊天或代码之外的用途。未来，AI 将渗透到公司运行、科学研究和个人生活的方方面面。只要价格合理，大规模投入基础设施绝对是明智之注。

06

前沿模型领先地位至关重要，本地化私有模型需求将激增

你是否担心美国在开源领域目前并未占据绝对的领先地位？是什么阻碍了你们的行动？如果你我们在开源领域缺乏实质性的影响力，而全球其他领先力量却具备这种优势，世界格局会有怎样的不同？

Sam Altman： 我确实对此感到担心，我认为我们应该在开源领域投入更多力量。

（关于行动阻碍）主要是精力和时间的分配问题，但我认为我们必须设法解决。

（关于全球格局影响）明确地说，我认为最重要的是我们在前沿模型上保持领先，我希望用户能通过 API 和其他产品来使用这些模型。因此，即便我们没有在开源领域领先，虽然不算理想，但也是可以接受的。人们希望拥有并控制自己的模型，尤其希望能本地运行。想象一下未来，如果你拥有一个了解你生活全貌的模型，它运行在某种永远在线的新型设备上，记录一切并为你创造巨大价值，我个人会非常希望这种模型运行在我能控制的推理过程中。我认为这种需求是普遍存在的。如果我们落后了，虽然不是世界末日，但我非常希望我们能保持领先。未来对本地运行的私有模型的需求会日益增长。

07

AI 驱动的科学发现未来可能探索与制药等行业共享收益

OpenAI 已经走上了全栈路线，包括研发芯片和扩建数据中心。谈谈你们目前的商业模式以及它将如何演变？对于目前的付费转化率、使用频率以及广告模式的潜在可能，你有什么看法？此外，你曾提到过参与科学发现的收益分配模式，这会是未来的新增长点吗？

Sam Altman： 我们目前有两大类产品，此外还有一些新兴业务。除了 ChatGPT 和 API 业务，我们的 Codex 发展潜力也非常巨大。未来，我们还会涉足消费级设备、机器人等领域。人们似乎非常愿意为 AI 订阅服务付费，人数远超我们的预期。企业用户自然愿意为 ChatGPT Enterprise 支付费用。至于普通消费者，虽然我记不清确切数字，但已经有数千万用户在支付订阅费，这让我感到非常惊喜。我认为这方面还有很大的提升空间。随着 Codex 等产品的加入，付费意愿会更高。对于大规模消费级业务，广告确实是一个不错的模式，但我们在实施时必须非常谨慎。此外，企业对 AI 云订阅的需求也在增加，他们希望与 AI 公司建立深度合作，由我们处理安全、上下文链接和访问权限。他们希望在这个通用平台上运行大量的 AI Agent，这些 Agent 可以来自我们，也可以来自第三方，甚至运行其他公司的模型。他们需要 ChatGPT Enterprise 许可和大量的 API 接入，我认为这也会形成一种成熟的模式。

（关于科学发现收益模式）明确地说，我们并不想从那些仅仅购买 API 并做出发现的客户那里抽取分成。那是属于他们的成就。但我可以预见，在未来，如果我们投入数十亿美元进行推理并治愈了一种重大疾病，我们可能会探索与制药公司合作，共同承担成本并从中获得一定的版税。这虽然不是我们现在的业务，但 AI 驱动的科学发现前沿需要巨大的资本投入，因此在某些情况下，我们可能会扮演投资者的角色。

08

2026 展望：模型性能将持续飞跃，年底主观感受提升可达十倍

关于这些技术的应用前景，你认为目前的想象力缺口在哪里？同时，谈谈宏观层面的逆风和顺风，你最担心什么？在模型性能飞跃的背景下，到 2026 年，我们会在解决问题能力等方面看到多大幅度的提升？

Sam Altman： 我能想象数以十亿计的人形机器人建造数据中心、开采原材料、建设发电厂。我能想象在各种新服务和科学发现的推动下，经济以前所未有的速度增长。我甚至能想象发射冯·诺依曼探测器 (Von Neumann probes)。但除此之外，我也无法预知了。

（关于宏观趋势）顺风在于模型本身。我们目前正处于能力盈余状态，模型性能将迅速提升。我们一直试图以一种严肃而非炒作的方式来沟通这种趋势，今年模型将会变得极其强大。这种顺风能让我们构建出不可思议的东西。至于逆风，可能是全球局势动荡、大规模供应链中断等。

（关于能力提升幅度）到今年年底，主观感受上的能力提升大概会达到 10 倍。虽然很难给出一个精确的衡量指标，但这听起来是合理的。