震撼預警：滿血版o1倒計時，奧特曼完整專訪流出：o系列瘋狂迭代，馬上起飛

確認了，滿血版o1或許真的要來了！

兩天前，「謎語人」Sam Altman一條神秘的o2「預告」，直接讓全網炸開了鍋。

而在調侃之餘，也有網民發文直指問題要點：「o1泄露到底是怎麼回事？模型是不是完整版？最近會不會發佈？」

緊接著，外媒Futurism發文稱，自己獲得了一份官方聲明——OpenAI的確準備開放o1模型的有限外部訪問權限，但在過程中遇到了一個問題。

目前，這一問題已經得到了修復。（可能指的就是這次的泄露事件）

根據已知的信息，完整版o1將具備函數調用、開發者message、結構化輸出、流式傳輸等能力，並且很可能會成為OpenAI有史以來最顯著的一次突破性進展。

其中，圖像理解和200k token上下文，已在上週末率先被全網玩瘋。

種種這些猜測或許並非空穴來風，畢竟除了玩梗式的的推文外，Sam Altman本人也曾在公開場合暗示——o系列模型將會得到快速的改進。

幾天前的OpenAI倫敦開發者日上，來自20VC的Harry Stebbings，與Altman開啟了線上對談。

Altman在QA環節中直言，OpenAI模型會越變越好，如果我們繼續迭代下去，就會粉碎更多初創公司。

o系列全新進化，就在眼前

問題1：展望未來，OpenAI的發展方向是推出更多類似o1這樣的模型，還是大家所預期的更大規模的模型？

Sam Altman表示當然希望在各個方面有所突破，而推理模型對OpenAI來說尤為重要。

他認為，也希望LLM推理能力的提升，能夠打開一扇新的大門，讓OpenAI能夠實現多年來一直期待的許多功能。

比如，推理模型或許會為新的科學發現做出貢獻；幫助人類編寫更複雜的代碼……這些都將推動科技的顯著進步。

因此，我們可以期待o系列模型將會得到快速的改進，這對OpenAI自身來說，具有重要的戰略意義。

問題2：展望OpenAI未來規劃，你如何看待為非技術背景創始人，開發無代碼工具，幫助其構建和擴展AI應用？

Altman堅定地認為這一定會實現的。而第一步是開發能夠提高編程效率的工具，讓已經會編程的人更加高效。

但最終目標是，OpenAI能夠提供真正高質量的無代碼工具。

實際上，現在市場中已經有一些優秀的0代碼工具，但若要說，通過這一方式構建一個完整的創業項目，還需要一段時間。

初創公司機遇在哪？

問題3：如果有人現在花很多時間微調他們的RAG系統，這是不是在浪費時間？OpenAI最終可能會掌控應用層的這部分，對嗎？你會如何去回答一個有這種疑慮的創始人?

Altman對此表示，「我們通常會這樣回答：OpenAI會全力以赴，並且相信我們能夠不斷提升模型的性能」。

如果你的業務主要是修補當前模型的一些小缺陷，那麼一旦我們成功改進了模型，你的業務可能就不那麼重要了。另一方面，如果你的公司能夠從模型的不斷進步中受益，那就再好不過了。

他更進一步解釋道，創業公司的機遇藏在哪裡？

假設今天有個預言家告訴你，OpenAI o4模型將會非常出色，能夠完成現在看來不可能的任務。那麼即使預測可能有誤，但至少這符合OpenAI的發展方向。

若是你選擇了o1-preview表現不佳的某個領域，打算修補讓其勉強能用。而這個問題，可能在OpenAI下一代模型中自然就解決了。

也就是說，與其小修小補，不如將更大的精力放在更有價值的方向上。

這也是OpenAI試圖向創業公司傳達的基本理念。

問題4：對於你剛才提到的某些領域，確實存在被OpenAI碾壓的可能性。如果現在有創業者在思考，OpenAI可能會在哪些領域形成壓倒性優勢，而在哪些領域不會？作為投資人，也在尋找哪些不會受到衝擊的投資機會。創業者和投資人應該如何看待這個問題呢？

Altman認為，未來將會有數萬億美元的新市值被創造出來。

這些市值將來自於利用AI開發的產品和服務，這些創新在之前要麼是不可能實現的，要麼是非常不切實際的。

OpenAI會把模型做到最好，無需投入巨大精力就能完成你想要的任務。但是除此之外，還有大量機會是在這項新技術基礎上開發令人驚歎的產品和服務，Altman認為這些機會只會越來越多。

這裏，他再次強調了，如果企業正在開發一個工具，是為了繞過某個模型的缺點，那麼這個工具很快就會被淘汰掉。

在當時看起來，開發一些工具面部模型的不足，似乎是一個不錯的方向。但現在，初創公司應該著眼於開發真正有價值的應用，比如出色的AI輔導老師、AI醫療顧問等。

Altman感覺，之前之前有95%的人在押注模型不會有太大進步，只有5%的人相信模型會顯著改進。但現在，這個情況已經完全反轉了。現在，人們已經意識到了模型改進的速度，也瞭解到了OpenAI發展計劃。

AI創造數萬億美金價值

問題5：軟銀董事長孫正義預測每年AI將創造9萬億美元的價值，這將抵消他認為所需要的9萬億美元資本支出。我很好奇，當你看到這個預測時，你是怎麼想的？你如何看待這個觀點？

Altman表示，我不能把它歸結為任何具體的數字。我認為如果能在數量級上大致正確，那對現在來說就足夠了。顯然，這個領域將會有大量的資本支出，同時也會創造巨大的價值。這在每一次重大技術革命中都會發生，而AI顯然就是這樣一次革命。

明年OpenAI將大力推進下一代系統。無代碼軟件智能體誕生，雖不知還需要多長時間，但可以以此為例來展望未來。

想像一下，如果任何人都可以描述他們想要的整套企業軟件，這將為世界經濟帶來多大的價值。當然，這還需要一段時間。

但當我們實現這一目標時，想想現在開發這樣的軟件有多困難和昂貴。如果能維持相同的價值，但使它更容易獲得、更便宜，這將產生巨大的影響。

Altman認為未來會看到許多類似的例子。包括此前，他提到的醫療保健和教育，這兩個領域如果能得到改善，對世界來說都價值數萬億美元。如果AI能以全新的方式推動這些領域的發展，那將是非常令人興奮的。

AI智能體，完成人類不可能的事

問題6：就AI價值傳遞的機制而言，開源是一種非常重要的方法。你如何看待開源在AI未來中的角色？當你們內部討論是否應該開源某些模型時，考慮的因素是什麼？

Altman同樣認為在AI生態系統中，開源模型顯然佔據非常重要的位置。而且，現在已經有一些非常優秀的開源模型存在。同時，他認為也需要有市場需求為精心設計、集成良好的服務和API。

他表示，所有這些技術都應該被提供出來，讓人們根據自己的需求進行選擇。OpenAI有開源模型，但作為面向客戶的最終產品和服務方式，OpenAI會選擇提供AI智能體。

問題7：你如何定義今天的AI智能體？對你來說，什麼是AI智能體，什麼不是AI智能體？你認為人們對AI智能體的理解有什麼誤區？

對此，Altman認為AI智能體是這樣的：你可以給它一個長期任務，在執行過程中只需要最少的監督。

在人們認知誤區上，Altman稱更多的是我們都還沒有直覺去理解在未來世界里AI智能體會是什麼樣子。

對此，他舉例做了說明。當人們談論AI智能體代表他們行動時，經常給出的例子是：你可以讓AI智能體為你預訂餐廳。然後，它就會自己打開OpenTable或者直接給餐廳打電話。

但AI智能體更有趣的是，在這樣一個世界里，你可以做一些作為人類你不會或不能做的事情。

比如，不是讓AI智能體給一家餐廳打電話訂餐，而是讓它同時聯繫300家餐廳，並找出哪一家對你來說最特別的。

不僅如此，在300個地方可以接電話的也是智能體。它可以進行人類無法做到的大規模並行操作。

這隻是一個簡單的例子，但它展示了AI智能體可能突破人類帶寬限制的潛力。

另外，Altman認為AI智能體更有趣的應用是，成為一個一個非常聰明的高級同事。你可以與之合作完成項目，它可以很好地完成一個為期兩天或兩週的任務。當它遇到問題時會聯繫你，但最終會給你帶來很棒的工作成果。

問題7：這是否從根本上改變了SaaS的定價方式？通常SaaS是按用戶數量收費，但現在AI智能體實際上是在替代人力。考慮到AI智能體可能成為企業勞動力的核心部分，你如何看待未來的定價模式？

對此，Altman推測道，你可以選擇使用1個、10個或100個GPU來持續處理問題。這不是按用戶數或按智能體數收費，而是基於持續為你工作的計算量來定價。

問題8：我們是否需要為AI智能體使用專門構建模型，還是現有模型就足夠了？你怎麼看？

毋庸置疑，OpenAI還需要構建大量基礎設施和算法框架。目前，o1模型就是朝著完成出色智能體任務模型方向發展的。

模型是貶值資產，但會有正向效應

問題9：在模型方面，業界普遍認為模型是貶值資產，模型的商品化趨勢非常明顯。你如何看待這個問題？考慮到訓練模型所需的資本投入不斷增加，我們是否實際上看到了這種趨勢的逆轉，即只有少數人能夠負擔得起模型訓練的成本？

Altman稱，模型確實是貶值資產，但稱其價值不如訓練成本高，這種觀點似乎完全錯誤。更不用說，當你不斷訓練模型時，會產生一個正向的復合效應，你會越來越擅長訓練下一個模型。從模型中實際獲得的收入，他認為是能夠證明投資是合理的。

但這種情況並不適用於所有公司。可能有太多人在訓練非常相似的模型。如果你的技術稍微落後，或者你的產品缺乏那種能提高用戶粘性的常規商業特性，那麼確實，你可能難以獲得投資回報。ChatGPT是成功案例代表，擁有數億用戶。所以即使成本很高，OpenAI也可以在大量用戶之間分攤這個成本。

問題10：你如何看待OpenAI模型如何隨著時間的推移繼續保持差異化，以及你最想關注哪些方面來擴大這種差異化？

推理是OpenAI目前最重要的關注領域。Altman認為這將是解鎖下一個巨大價值飛躍的關鍵。

OpenAI團隊會在很多方面改進模型，包括進行多模態工作，以及在模型中加入其他對用戶非常重要的功能。

問題11：你如何看待推理和多模態工作？面臨的挑戰是什麼，你想要達到什麼目標？我很想瞭解這一點。具體是指推理和多模態的結合嗎？

Altman肯定道，我希望這能自然而然地發揮作用，顯然，實現這一目標需要付出一些努力，但你知道，就像人類嬰兒和幼兒，即使在語言能力還不成熟的時候，也能進行相當複雜的視覺推理。所以這顯然是可能實現的。

問題12：OpenAI如何在核心推理能力方面取得突破？我們是否需要開始推進強化學習作為一種途徑，或者除了Transformer之外的其他新技術？

關於OpenAI做到這點的獨門秘訣，即便是人們不確切如何做到的，也能複製出來。但真正令Altman自豪的一點是，團隊能夠反復去做一些全新的、完全未經證實的事情。這是推動人類進步最重要因素之一。

所以，Altman幻想退休後要做的事情之一是寫一本書，分享自己學到的關於如何建立一個能做到這一點的組織和文化的所有經驗，而不是僅僅複製其他人已經做過的東西。

要讓公司偉大，就只招30歲以下員工？奧特曼：沒這回事

問題13：你提到人才被浪費，能具體解釋一下嗎？

Altman表示，世界上有很多非常有才華的人沒有發揮出他們的全部潛力，原因可能是他們在一家不適合的公司工作，或者他們生活在一個缺乏良好就業機會的國家，或者其他各種原因。

AI讓我最興奮的一點是，我希望它能幫助我們，比現在更好地讓每個人發揮最大潛力，而我們現在離這個目標還很遠。我相信，如果給予機會，世界上有很多人本可以成為傑出的AI研究人員。

問題14：在過去幾年里，你個人經歷了令人難以置信的超高速增長。如果回顧過去10年你在領導力方面的變化，你認為最顯著的變化是什麼？

他認為，這幾年對自己來說最不尋常的是事物變化的速度。OpenAI幾乎在兩年內完成了從零增長到1億美元收入，再到10億，再到100億的過程。

OpenAI不僅要做研究，還要從0開始建立一個公司。他們並不是一個傳統意義上的矽谷創業公司，那種逐步擴大規模並服務大量客戶的公司。而且，OpenAI面臨的挑戰是獨特的，需要在極短的時間內完成從研究到大規模商業化的全過程。

問題15：有哪些事是你不知道，但希望能有更多時間去學習的？

他表示，在腦海中一長串問題中，有一個特別突出，那就是如何讓公司實現下一個十倍增長，而不是10%增長。

這是個十分困難的問題，實現10%的增長，之前有效的方法會依然有效；但要讓一個公司的收入從10億美元達到百億美元，就要發生許多變化。

在這個增長如此迅速的環境中，人們甚至沒有時間掌握基礎知識。

他嚴重低估了朝下一個大目標前進所需的努力，同時還要兼顧其他事情。

這就需要大量的內部溝通，包括分享信息、建立結構，讓公司每隔幾個月就能思考十倍的、更複雜的問題。比如如何規劃當前的緊急任務和長期項目。

具體來說，為了一兩年後的發展，怎樣提前擴展算力？或者是一些看似普通但很複雜的事，比如在舊金山規劃足夠的辦公空間。

因為沒有任何先例，所有只能摸著石頭過河。

問題16：企業家Keith Raboy在一次演講中提到，他從Peter Thiel那裡學到，僱傭30歲以下的年青人，就是建立偉大公司的秘訣。你怎麼看待這個建議？

Altman表示，自己創立OpenAI的時候，就是在30歲左右。這建議值得一試，但也沒那麼絕對。

每個公司和團隊的情況都不同，關鍵是要找到適合公司文化和發展階段的人才。

無論是帶來青春、活力和雄心的「特洛伊木馬」，還是經驗豐富的「老人」，僱傭這兩類人都能成功。

他提到，就在剛剛自己還在給同事發消息，討論最近新僱傭的一個年青人。雖然才20出頭，但他的表現令人驚歎，能不能找到更多這樣的人呢？不過另一方面，我們在設計人類史上最貴、最複雜的計算機系統時，完全沒有經驗的人會讓人擔憂，因為風險太高。

因此，理想的情況是二者兼顧，在任何年齡段都有極高才能標準的人。

按年齡劃分人才，顯然太簡單粗暴了。Y Combinator給我的最大感悟就是，缺乏經驗並不意味著沒有價值，在職業生涯初期就表現出驚人潛力的人，可以創造更大的價值。我們應該押注這樣的人。

問題17：現在很多人覺得Anthropic的模型在編碼任務上表現更好，你怎麼看待？開發者何時應該選擇OpenAI，何時選擇其他模型提供商？

奧特曼表示，的確他們的模型在編碼上很出色。至於開發者如何選擇，取決於具體任務和需求。每個提供商都有優勢，開發者可以多嘗試，看誰在特定用例中表現更好。

而在未來，AI將會無處不在。奧特曼認為，目前我們還是在講單個AI模型，但未來我們一定會轉向討論整個AI系統。

Scaling Law還會多久

問題18：有人說Scaling Law不會持續太久了，但它比我們想像的時間長。你怎麼看？模型性能提升的軌跡會像現在這樣繼續嗎？

奧特曼表示，模型能力改進的軌跡會像從前一樣繼續演進，在很長一段時間內都會如此。

難道你從未對此懷疑過嗎？

他表示，自己當然會遇到一些無法理解的模型行為，如失敗的訓練嘗試等等。每當我們接近一個技術範式的極限，都必須開闢新的道路。

在這個過程中，他也曾遇到最難克服的挑戰。

比如研究GPT-4時，一些棘手的問題在相當長一段時間內困擾了團隊很久，但最終還是解決了。而在轉向o1和推理模型的過程中，道路也是漫長而曲折。

這時如何保持團隊士氣呢？奧特曼表示，很多人都對AGI充滿熱情，這本身就是一個強大的動力，沒有人會覺得這條路很輕鬆。

他引用了這樣一句話：「我從不祈求上帝站在我這邊，而是祈求自己站在正確的一邊」。押注深度學習，感覺就像站在了正確的一邊。

問題19：有一句名言叫，「生命中最沉重的東西不是鐵或金，而是未做出的決定」。什麼未做出的決定最令你沉重？

奧特曼表示，其實並沒有一個特別大的決定困擾著自己。會有一些重要決策風險極高，一旦做出就難改變，比如是否投資下一個產品，或者如何構建下一代計算機系統。他會和大多數人一樣，拖延做出決定。

要說真正困難的，是每天都會出現的「51/49」決定，也就是說這些決定幾乎沒有明顯的對錯之分。

之所以這些決定會到自己這兒，就是因為很難抉擇，自己也並不見得比他人做得好。給人壓力的這種抉擇太多了，而非任何一個特定的決定。

而面對這些時，奧特曼也沒有一個固定的商量人選。

他認為，正確的做法是有15到20個信賴的人，每個人在特定領域都有良好的直覺和豐富的經驗。

奧特曼的擔心：複雜性瘋長

問題20：你最擔心的是什麼？

Altman稱，我最擔心的是我們整個AI領域正在嘗試做的所有事情的普遍複雜性。雖然我相信最終一切都會好起來，但目前這感覺像是一個極其複雜的系統。

現在，這種複雜性在每個層面上都在瘋狂地增長。不僅僅是整個行業，在OpenAI內部，甚至在任何一個團隊內部都是如此。

舉個例子，剛剛談到的半導體擔憂，你必須平衡電力供應、網絡決策、及時獲得足夠芯片的能力，以及可能存在的各種風險。

同時，你還需要準備好相應的研究來配合這些資源。這樣你就不會措手不及，或者擁有一個無法充分利用的系統。你需要有正確的產品來使用這些研究成果，以支付那些令人瞠目結舌的系統成本。

所以，僅僅說「供應鏈」可能會讓它聽起來太像一個簡單的流水線了。實際上整個生態系統的複雜性，在每個層面就像分形掃瞄一樣，與自己之前在任何行業看到的都不一樣。

AI與互聯網革命完全不同

問題21：很多人將當前的AI浪潮比作互聯網泡沫時期，因為它們都有類似的興奮和熱情。你覺得這種比較恰當嗎？

Altman認為這兩者有很大的不同，尤其是在資金投入方面。Larry Ellison曾說，要入局基礎模型的競賽，起步就需要1000億美元。

你同意這個說法嗎？當你聽到這個數字時，你的反應是什麼？

Altman稱，不，我認為實際花費會比這少。但這裏有一個有趣的觀點：人們總是喜歡用以前的技術革命來類比新的技術變革，試圖將新事物置於更熟悉的背景中。我認為這總體上是一個壞習慣，儘管我理解為什麼人們這麼做。更重要的是，我認為人們選擇用來類比AI的那些例子特別不恰當。

比如說，互聯網顯然與AI非常不同。你提到了成本問題，是否需要100億美元或1000億美元才能在AI領域具有競爭力。但互聯網革命的一個顯著特徵是，很容易入門。

現在，有一點可能更接近互聯網的是，對於許多公司來說，AI可能只是互聯網的延續。就像其他公司製造AI模型，而你可以使用這些模型來構建各種創新產品。AI在這種情況下就像是構建技術的一個新的基本要素。但如果你試圖構建AI系統本身，那就是一個完全不同的遊戲了。

還有人將AI比作電力革命，你怎麼看？

Altman表示，人們確實經常用電力來類比AI，但我認為這在很多方面都說不通。如果非要做類比的話，我認為晶體管可能是一個更好的例子。

晶體管是物理學的一個重大發現。它具有令人難以置信的擴展性，很快滲透到各個領域。就像我們有摩亞定律來描述計算能力的指數增長，現在我們可以想像出一系列關於AI的定律，告訴我們它將如何快速迭代。

整個科技行業都從晶體管技術中受益。你使用的產品和服務中涉及了大量晶體管，但你並不會把這些公司看作是「晶體管公司」。同樣，未來AI可能會無處不在，但不是每個使用AI的公司都會被稱為「AI公司」。

OpenAI未來兩年藍圖

關於OpenAI未來五到十年的發展規劃，如果你有一根魔杖，能夠描繪未來的場景，你能為我勾勒一下OpenAI在五年和十年後的藍圖嗎？

Altman對此表示，自己可以輕鬆描繪出未來兩年情況：如果OpenAI目前方向是正確的，並且能夠開發出優秀的AI系統，特別是推動科學進步方面。

他認為，在5年內，我們可會看到技術本身以令人難以置信的速度改進。

預測的第二部分是，儘管技術飛速發展，但社會本身的變化可能出人意料地小。舉個例子，如果5年前問人們，計算機是否會通過圖靈測試，他們可能會說不會。如果你告訴他們計算機真的通過了，他們可能會認為這將給社會帶來翻天覆地的變化。

事實上，OpenAI在某種程度上滿足了圖靈測試的標準，但社會並沒有發生那麼大的變化。

這種現象可能會繼續發生：科學進步不斷超出所有人的預期，而社會變化相對緩慢。當然，從長遠來看，社會終究會發生巨大的變化。

快問快答

Harry：如果你現在是23、24歲，以我們今天的技術基礎設施，你會選擇開發什麼？

Altman：我會選擇開發一些由AI支持的垂直領域產品。比如說，一個最先進的AI輔導系統，能夠教授任何類別的知識。它可以是AI律師，也可以是AI輔助的CAD程師，諸如此類。

Harry：你之前提到過想寫一本書。如果你要寫這本書，你會給它起什麼名字？

Altman：我還沒有想好具體的標題。但我知道我希望這本書能夠存在，因為它可以釋放大量人類潛力。

Harry：在AI領域，有什麼是目前被忽視，但你認為每個人都應該更關注的？

Altman：一個能夠理解你個人生活的AI系統。它不一定要有無限的記憶容量，但至少是一個AI助手，它瞭解關於你的一切，可以訪問你所有的數據等。這個問題有很多不同的解決方法，但核心是創造一個真正瞭解個人的AI。

Harry：在過去的一個月裡，有什麼事讓你感到特別驚訝？

Altman：是一個我不能公開討論的研究結果。但我可以說，它令人驚歎地好。

Harry：你最尊重哪個競爭對手？為什麼是他們？

Altman：說實話，我某種程度上尊重這個領域的每個參與者。我認為整個AI領域都有令人驚歎的工作在進行，有許多才華橫溢、非常勤奮的人在其中。我不是想迴避這個問題，而是真的覺得在這個領域到處都有非常有才華的人在做出色的工作。

Harry：所以沒有特別突出的一個？

Altman：確實沒有特別突出的一個。

Harry：你最喜歡的OpenAI API是什麼？

Altman：我們新推出的Realtime API非常棒。但要知道，我們現在有一個相當大的API業務，裡面有很多優秀的產品。

Harry：你現在最尊重AI領域的哪位人物？

Altman：雖然AI領域有很多人在做令人難以置信的工作，但我認為Cursor團隊的成就真的很特別。我本可以列舉一些傑出的研究人員，但說到使用AI提供真正神奇的體驗並創造巨大價值，以一種別人還沒完全掌握的方式，我覺得Cursor團隊做得相當出色。在思考這個問題時，我特意沒有考慮OpenAI的任何人，否則OpenAI的人會佔據名單的前列。

Harry：你如何看待AI系統中延遲和準確性之間的權衡？你認為是否需要一個調節器來在它們之間切換？

Altman：這是一個很好的問題。就像現在我們在進行快速問答一樣，我雖然沒有回答得特別快，但也在儘量不過多思考。在這種情況下，低延遲是我們想要的。但如果你說：「嘿，Sam，我希望你在物理學上做出一個重要的新發現」，你可能會很樂意等待幾年。所以答案是，這應該是用戶可控的。根據不同的使用場景，用戶應該能夠調整AI系統的響應速度和準確度。

Harry：你希望在改進領導力方面時，最想在哪方面改進？

Altman：這周我最困擾的事情是，我對我們的產品策略細節感到比以往更加不確定。我認為產品總體上是我的一個弱項。而現在公司需要我在這方面提供更強有力和更清晰的願景。我們有一位出色的產品負責人和一個優秀的產品團隊，但這是一個我希望自己能更強的領域。現在我正急切地感受到這種不足。

Harry：你提到了產品團隊，你僱傭了Kevin Weil。我認識Kevin已經很多年了，他真的非常出色。在你看來，是什麼讓Kevin成為世界級的產品領導者？

Altman：「原則」是首先浮現在我腦海中的詞。

Harry：在專注方面呢？

Altman：專注包括我們要果斷地說「不」的能力，真正努力站在用戶的角度思考為什麼我們要做某事或不做某事，以及嚴格地避免陷入異想天開的幻想。我們需要保持務實和專注。

參考資料：

https://x.com/HarryStebbings/status/1853467276911300836

本文來自微信公眾號「新智元」，作者：新智元，編輯：編輯部 HYZ，36氪經授權發佈。