Sam Altman 最新萬字訪談自曝：大模型必定貶值，但不投資反而是錯？
「模型確實是會貶值的資產，這一點毋庸置疑。但說它們不值得投入訓練成本，這種觀點似乎完全錯誤。」
2024 年，OpenAI 規劃了三場重要的開發者大會（DevDay），分別在 OpenAI 總部的美國舊金山（10 月 1 日）、英國倫敦（10 月 30 日）和新加坡（11 月 21 日）舉辦。我們可以簡單理解為美洲站、歐洲站和亞洲站。隨著歐洲站在倫敦的圓滿落幕，AI 技術的未來圖景變得愈發清晰。
本次開發者大會雖然看起來還是在「畫餅」，但仍帶來了許多令人印象深刻的現場實機演示環節：一台搭載 o1-mini 的無人機在舞台上完成了從編程到起飛的全過程，展示了 OpenAI 最新模型對複雜設備的實時控制能力；緊接著，開發團隊僅用 30 秒就在觀眾面前完成了一款 iPhone 應用的構建，讓全場發出陣陣驚歎：
此外，OpenAI CEO山姆·阿爾特曼（Sam Altman）也在大會期間接受了 20VC 創始人 Harry Stebbings 的專訪。值得一提的是，這一次 Altman 沒有像以往一樣「打太極」（可以回顧我們往期的許多採訪整理），而是真的分享了不少他對 AI 發展的深刻見解，涵蓋了從模型演進到企業戰略的諸多關鍵話題：
談及推理能力的重要性：「推理能力是我們目前最重要的關注領域。我認為這將解鎖下一個重大的價值創造飛躍。」
關於智能體的定義：「你可以交給它一個長期任務，在執行過程中只需要最少的監督。」
對於未來定價的暢想：「不是按座位收費，甚至不是按智能體收費，而是基於持續為你工作的計算資源量來定價。」
對人才發展的思考：「世界上有很多非常有才華的人，他們沒有發揮出全部潛力，因為他們在一個糟糕的公司工作，或者他們生活在一個不支持任何好公司的國家。」
對模型商業化的看法：「模型確實是會貶值的資產，這一點毋庸置疑。但說它們不值得投入訓練成本，這種觀點似乎完全錯誤。」
獨有的人才招聘策略：「缺乏經驗並不意味著沒有價值。」
AI 革命不應該比喻為互聯網，而是比作晶體管：「它具有令人難以置信的擴展性，迅速滲透到了各個領域。如今你使用的產品和服務背後都包含著大量的晶體管技術，但你不會把這些公司看作是’晶體管公司’。」
談及智能體的未來應用：「我認為更有意思的不是人們常說的那種’幫你訂餐打電話’的智能體，而是那種像一位聰明的資深同事一樣，能與你在項目中真正協作的智能體。」
對未來的預測：「社會本身的變化程度可能會出人意料地小。」
以下是這場深度對話的主要內容，經 CSDN 精編整理。
01 明年是 OAI 進軍下一代系統的關鍵之年
主持人：大家好，歡迎來到 OpenAI DevDay。在現場我們收到了眾多觀眾的提問，就讓我們從其中一個問題開始。
縱觀 OpenAI 的發展路線，未來是會專注於開發更多類似 o1 這樣的精簡模型，還是會繼續追求更大規模的模型？您是如何思考這個技術路線的選擇的？
Sam Altman：事實上，我們希望能在各個方面都取得突破，但目前我們特別關注模型的推理能力。我相信，也希望這種推理能力能夠幫助我們實現許多長期以來的突破性目標。比如說，這樣的模型能夠為科學研究做出新的貢獻，能夠編寫更複雜的代碼，我相信這些都將推動重大進展。因此你會看到 o 系列模型的快速迭代，這對我們的戰略佈局來說至關重要。
主持人：關於 OpenAI 的未來規劃，還有一個我認為很重要的問題：你們如何看待為非技術背景的創始人開發無代碼工具，幫助他們構建和擴展 AI 應用？你們對這個方向有什麼思考？
Sam Altman：這個目標一定會實現，但我認為第一步是開發工具來提升已經掌握編程技能的人的生產力。當然，最終我們相信能夠提供真正高質量的無代碼工具，現在市面上已經出現了一些不錯的嘗試。但目前你還不能直接向 AI 要求說「我要構建一個完整的創業項目」，這還需要一段時間。
主持人：在目前的技術棧中，OpenAI 處於某個特定位置。OpenAI 會在技術棧中走多遠？這是個很好的問題。如果現在有創始人正在投入大量時間調試他們的 RAG 系統，這算不算是在浪費時間？因為從長遠來看，OpenAI 可能會開發這部分應用層的功能。對於有這種擔憂的創始人，你會如何回應？
Sam Altman：我們通常是這樣回答的：我們會全力以赴，而且我們相信能夠持續提升模型的能力。如果你現在建立的業務主要是為了彌補當前模型的某些小缺陷，那麼假設我們做得對，這些業務在未來可能就變得不那麼重要了。
但另一方面，如果你建立的公司能夠從模型的持續進步中受益 —— 比如說，如果現在有個預言家告訴你，o4 模型將會變得異常強大，能做到現在看來不可能的事情，而你對此感到振奮，那雖然我們可能會判斷錯誤，但至少這與我們的願景是一致的。
如果你說「好，這裏有很多領域供我選擇」，但你選擇了其中一個讓 o1-review 表現不佳的領域，然後說「我要修補這個問題，勉強讓它工作」，那麼你其實是在假設模型的下一次迭代不會像我們預期的那麼好。
這就是我們試圖傳達給創業公司的核心理念：我們相信我們正處於一個相當陡峭的進步軌道上，今天模型存在的這些缺陷將會被未來的版本解決。我建議大家要認同這一點。
主持人：對於某些領域，確實存在被 o1 模型「碾壓」的可能性。如果站在今天創業者的角度，OpenAI 可能會在哪些領域形成碾壓之勢，哪些領域則不會？另外，作為投資人，我也想投資那些不會受到衝擊的領域。創業者和投資人應該如何思考這個問題？
Sam Altman：利用 AI 構建那些此前難以實現或根本不可能的產品和服務，這將創造出數萬億美元的新市值。確實有一些領域我們會努力參與，那就是讓模型變得極其強大，這樣你就不用那麼費力就能讓它們完成你想要的任務。但其他所有的事情，比如在這項新技術之上構建創新的產品和服務，我們認為這隻會變得越來越好。
有一件事在早期讓我感到驚訝 —— 現在已經不是這種情況了，但在 GPT-3.5 時代，感覺有 95% 的創業公司都在押注模型不會有太大進步。他們在做這些事情的時候，我們已經能看到 GPT-4 即將到來，我們想「天啊，它會變得非常強大，這些問題都將不複存在。」如果你只是在開發工具來規避模型的某個缺陷，這種價值將會越來越小。
我們總是容易忘記幾年前的模型有多麼原始。從時間跨度來看並不算太久，但當時確實存在很多局限。所以看起來有很多機會可以構建工具來填補這些空白，而不是去打造一個真正出色的 AI 導師、AI 醫療顧問之類的產品。所以我感覺當時 95% 的人在押注模型不會變得更好，只有 5% 的人在押注模型會變得更好。我認為現在這個比例已經完全顛倒過來了。我認為人們已經意識到了這種進步的速度，也聽到了我們想要實現的目標。所以這不再是一個問題，但這曾經是我們經常擔心的事情，因為我們能預見這將給所有這些非常努力的人帶來什麼影響。
主持人：你提到將創造數萬億美元的價值。近期，軟銀集團的孫正義在一次演講中指出，超級人工智能每年能夠產生 9 萬億美元的價值，這正好與他預計的 9 萬億美元資本支出口吻合。當你聽到這樣的預測時，你的看法是什麼？你對這種觀點持何態度？
Sam Altman：我認為即使我們能達到這一預測值的一個零頭，那也已經是非常顯著的成績了。確實，這個行業需要巨額的資本投資，同時也將帶來巨大的經濟收益。歷史上每次重大的技術革新都是如此，而 AI 無疑正是一場這樣的革命。明年對我們來說將是進軍下一代系統的關鍵之年。關於無代碼軟件時代的到來時間，我無法給出確切的時間表。但是，我們可以想像一下未來的場景：當每個人都能輕鬆地描述出他們想要的公司軟件系統時，這將帶來多大的經濟效益。儘管這一目標的實現仍需時日，但如果真的實現了，考慮到目前構建此類系統所需的巨大難度和高昂成本，這將是一個顛覆性的進步。
同樣，我也認為在醫療和教育等領域，AI 的應用將以創新的方式推動發展，從而創造出數萬億美元的價值。我不認為具體數字是重點。確實有人在爭論是 9 萬億還是 1 萬億或是其他數字。你知道，比我聰明的人也在研究這個問題。但是這裏的價值創造潛力確實令人難以置信。
02 智能體的真正用途：人類因為帶寬限制無法完成的大規模並行任務
主持人：我們待會兒會談到 AI 智能體，討論這些價值是如何實現的。就價值傳遞的機制而言，開源是一種非常重要的方式。你如何看待開源在 AI 未來的角色？當遇到「我們是否應該開源任何模型或某些模」這個問題時，你們內部是如何討論的？
Sam Altman：在生態系統中，開源模型顯然有其重要地位。現在已經有一些非常優秀的開源模型。同時，也需要有精心設計的、集成度高的服務和 API。我認為這些都有其存在的價值，用戶會根據自己的需求做出選擇。
主持人：作為一種價值傳遞機制，我們一方面有面向客戶的開源方式，另一方面可以通過 AI 智能體。我注意到關於智能體的定義存在很多概念混淆。你是如何定義智能體的？在你看來，什麼是智能體，什麼不是？
Sam Altman：這隻是我的即興想法，沒有深思熟慮過——但在我看來，AI 智能體就是能夠接受長期任務，且在執行過程中幾乎不需要督導的存在。
主持人：你認為人們對智能體有什麼誤解？
Sam Altman：更準確地說，我認為我們都還沒有對這項技術最終會呈現什麼樣子形成直觀認識。我們都在暗示某些看起來很重要的東西。也許我可以舉個例子：當人們談論 AI 智能體代理時，他們經常給出的典型例子是：「哦，你可以讓智能體幫你預訂餐廳，它可以使用 OpenTable 或者直接給餐廳打電話。好吧，這確實能幫你省去一些麻煩。」 但我認為，更有意思的是那些人類做不到或不會去做的事情。
假設不是給一家餐廳打電話預訂，而是讓我的智能體同時聯繫 300 家餐廳，找出哪家能提供最適合我的餐食或者有什麼特別優惠。你可能會說：「讓你的智能體騷擾 300 家餐廳，這太過分了。」 但如果接電話的也是智能體，那就完全不是問題了。這可以是一個人類因為帶寬限制無法完成的大規模並行任務。這隻是一個微不足道的例子，但它說明了人類在處理能力上的局限，而這些限制可能對智能體來說並不存在。
我認為更有意思的不是人們常說的那種「幫你訂餐打電話」的智能體，而是那種像一位聰明的資深同事一樣，能與你在項目中真正協作的智能體。它可以獨立完成一個為期兩天或兩週的任務，在遇到問題時會來請教你，最終能給你帶來高質量的工作成果。
主持人：從根本上說，這是否會改變 SaaS 的定價模式？坦白說，當談到價值獲取時，傳統上都是按座位收費，但現在你實際上是在替代勞動力。當 AI 成為企業勞動力的核心組成部分時，你是如何看待未來的定價問題的？
Sam Altman：我只會做一些有趣的推測，因為我們確實還不太確定這個問題。想像這樣一個場景：你可以說「我需要一個 GPU、10個 GPU 或者 100個 GPU 持續處理我的任務。」這不是按座位收費，甚至不是按智能體收費，而是基於持續為你工作的計算資源量來定價。
主持人：我們需要為智能體應用專門構建模型嗎？你是怎麼看這個問題的？
Sam Altman：確實需要構建大量的基礎設施和框架支持，但我認為 o1 已經為我們指明了方向，展示了一個能夠出色完成智能體任務的模型應該是什麼樣子。
03 模型確實是會貶值的資產，但並非不值得投入
主持人：談到模型，業界普遍認為模型是會貶值的資產，模型的商品化趨勢如此明顯。你如何看待這種說法？考慮到訓練模型所需的資本投入越來越大，我們是否正在看到這種趨勢的逆轉，因為可能只有極少數機構能夠負擔得起如此龐大的投入？
Sam Altman：模型確實是會貶值的資產，這一點毋庸置疑。但說它們不值得投入訓練成本，這種觀點似乎完全錯誤。更不用說，當你在訓練這些模型時會產生一個正向的復合效應，你會在訓練下一個模型時變得更加熟練。從模型實際能帶來的收入來看，我認為這些投資是值得的。
不過公平地說，這種情況並不適用於所有人。可能現在有太多機構在訓練非常相似的模型。如果你在技術上落後，或者你的產品缺乏那些能夠保持其粘性和價值的基本商業要素，那麼確實可能很難獲得投資回報。我們很幸運擁有 ChatGPT 和數億用戶使用我們的模型，所以即使成本很高，我們也能在龐大的用戶基礎上分攤這些成本。
主持人：你如何看待 OpenAI 模型未來的差異化發展，以及你們最想在哪些方面擴大這種差異化？
Sam Altman：推理能力是我們目前最關注的核心領域。我相信這將開啟下一個重大的價值創造飛躍。當然，我們會在多個維度改進模型，包括開展多模態方面的工作，以及在模型中加入其他我們認為對用戶極其重要的功能。
主持人：你是如何看待推理能力在多模態領域的應用？這方面有什麼挑戰，你們想要實現什麼目標？
Sam Altman：特別談到推理能力在多模態中的應用，我希望這會是一個水到渠成的過程。顯然，實現這一目標需要付出很多努力。但你看，就像人類一樣，在嬰兒和幼兒時期，即使語言能力還不夠成熟，也已經能夠進行相當複雜的視覺推理。所以這顯然是可以實現的。
主持人：確實如此。隨著 o1 為推理時間設定了新的標準，視覺能力將如何發展？
Sam Altman：在不透露太多細節的前提下，我保證基於圖像的模型會有顯著的進步。
04 缺乏經驗並不意味著缺乏價值
主持人： OpenAI 是如何在核心推理能力上取得突破的？我們是否需要開始推進強化學習作為一個新方向，或者在 Transformer 架構之外探索其他新技術？
Sam Altman：這裡面其實包含兩個問題：一個是我們如何做到的，另一個是每個人都很關心的問題 ——Transformer 之後會是什麼。關於我們如何做到的，這是我們的特殊秘訣。複製已知可行的東西相對容易，其中一個原因是你已經確信這是可能的。所以在一個研究實驗室取得某項突破之後，即使你不完全清楚他們是如何做到的，去複製它也是可行的。你可以在 GPT-4 的複製品中看到這一點，我相信你也會在 o1 的複製品中看到這一點。
最難能可貴的，也是讓我最引以為豪的，是我們的文化孕育出了一種能力：持續探索全新且未經驗證的領域。很多組織——我不是在說 AI 研究人員，而是一般而言——很多組織都聲稱自己具備這種能力。但在任何領域，真正能做到的都很少。從某種意義上說，我認為這是推動人類進步最重要的要素之一。這也是為什麼我幻想退休後要寫一本書，記錄下我所學到的關於如何建立這樣一個組織和文化的所有經驗。
這不是要建立一個只會複製他人成果的組織。因為我認為世界需要更多這樣的創新文化。雖然這受限於人才，但現實是有大量人才被浪費了，因為我們都不太擅長建立這種組織風格、文化，或者不管你想怎麼稱呼它。所以我希望能看到更多這樣的嘗試。這正是我認為我們最與眾不同的地方。
主持人：人才是如何被浪費的？
Sam Altman：這個世界上有太多極具天賦的人，但他們無法充分發揮自己的潛力，可能是因為他們在一個管理不善的公司工作，或者生活在一個缺乏優秀企業的國家，又或者是其他諸多原因。說到 AI 最讓我興奮的一點是，我希望它能幫助我們比現在做得更好，幫助每個人充分發揮自己的潛能，而我們現在離這個目標還很遙遠。世界上有很多人，我相信如果他們的人生軌跡稍有不同，本可以成為傑出的 AI 研究員。
主持人：近幾年，你經歷了令人難以置信的超高速增長。你剛才提到要在退休後寫一本書，回顧過去 10 年你在領導力方面的轉變，你認為自己最顯著的改變是什麼？
Sam Altman：對我來說，這幾年最不尋常的是事物變化的速度。在一般公司，你有時間經歷從零到 1 億美元收入，從 1 億到 10 億，從 10 億到 100 億的過程。你不必在短短兩年內完成所有這些。而且你也不必同時建立公司。我們必須進行研究，但我們並不是一個傳統意義上的矽谷創業公司，你知道，那種在擴張和服務大量客戶的公司。不得不這麼快地完成這一切，意味著有很多東西我本應該有更多時間去學習，但我沒有得到這個機會。
主持人：你希望能有更多時間學習什麼？
Sam Altman：我反倒想問問自己——我到底知道些什麼？在腦海中浮現的眾多例子中，有一個是：要讓公司專注於如何實現下一個 10 倍而不是下一個 10% 的增長，這需要多少積極的努力。追求下一個 10% 的增長，基本上就是重覆過去行之有效的方法。但要讓一個公司從比如說 10 億美元收入增長到 100 億美元，需要進行徹底的變革。這不是簡單地「讓我們這周重覆上週的工作」的思維模式。
在一個增長如此迅速以至於人們甚至沒有時間掌握基礎知識的環境中，我嚴重低估了保持向前衝刺所需的工作量。這涉及大量的內部溝通工作，關於如何分享信息，如何建立結構，讓公司能夠每隔 8 個月、12 個月就思考更大規模、更複雜的目標。其中很大一部分是關於規劃，如何平衡當下和下個月必須完成的事情，以及為一年或兩年後的執行做好準備的長期工作，比如計算資源的構建，甚至是一些看似普通的事情，像在舊金山這樣的城市提前規劃足夠的辦公空間，在這種增長速度下都變得異常困難。
所以我認為，要麼是沒有這樣的操作手冊，要麼是有人掌握著一本秘密手冊但沒有分享給我。或者可能我們所有人都只是在摸索著前進。但確實有很多東西需要在過程中不斷學習。
主持人：矽谷投資人 Keith Rabois 在一次演講中說，你應該招聘 30 歲以下的年青人，這是另一位投資大神 Peter Thiel 教給他的，這是建立偉大公司的秘訣。考慮到你退休後要寫的這本書和這個建議，我很好奇：通過招聘這些充滿熱情和雄心的 30 歲以下的年青人來建立偉大的公司，你對這個說法有什麼看法？
Sam Altman：我們創立 OpenAI 的時候我也就 30 歲，或者差不多那個年紀。所以，你看，我自己也不算特別年輕。但看起來效果還不錯。
主持人：確實值得一試。那麼問題是，你如何看待這個權衡：是招聘極其年輕的 30 歲以下人才，他們帶來年輕、活力和雄心，但經驗較少，還是招聘那些經驗豐富、知道如何做事的人？
Sam Altman：顯然，這兩類人都能帶來成功。就像，我剛才還在給某人發 Slack 消息，談到我們最近在一個團隊招聘了一個人。我不確定他具體多大，但可能二十出頭，他的工作表現令人難以置信。我說，「我們能找到更多這樣的人嗎？這簡直太棒了。」我真的很難理解這些年青人是如何做到這麼優秀的。
但這確實會發生。當你能找到這樣的人才時，他們會帶來令人驚歎的全新視角、能量和其他獨特價值。另一方面，當你在設計人類歷史上最複雜和最昂貴的計算機系統，或者說各種類型的基礎設施時，我不會對剛剛起步的人完全放心，因為風險實在太高了。所以你需要兩者都有。我認為真正需要的是在任何年齡段都要堅持極高的人才標準。「我只招年青人」或「我只招有經驗的人」的策略在我看來都是有失偏頗的。
這個框架對我來說不太恰當。但其中確實有一個重要的觀點，這也是我對 Y Combinator 最感激的一點：缺乏經驗並不意味著缺乏價值。有些人在職業生涯開始時就展現出令人難以置信的潛力，他們能創造巨大的價值。作為一個社會，我們應該對這些人投下信任票。這是一件很棒的事情。
05 Sam Altman 也懷疑過 Scaling Law
主持人：業界普遍認為 Anthropic 的模型在編程任務上有時表現更出色。這是為什麼？你認為這個說法公平嗎？開發者在選擇使用 OpenAI 還是其他供應商時應該如何權衡？
Sam Altman：確實，他們有一個在編程方面表現出色的模型，這是非常令人印象深刻的工作。我認為開發者在大多數情況下會使用多個模型。我不確定隨著我們進入這個更加智能體化的世界，這種格局會如何演變。但我覺得未來會是 AI 無處不在的景象。我們現在談論和思考它的方式感覺有些不太對。也許用我的話來說，我們會從關注單個模型轉向關注整個系統。當然，這需要一定時間。
主持人：談到模型的擴展，你認為擴展定律（Scaling Law）還能在多少次模型迭代中保持有效？業界普遍認為這不會持續太久，但似乎比人們預期的持續時間更長。
Sam Altman：你真正想問的其實是「模型能力提升的軌跡是否會保持目前這樣的形勢？」在不透露具體細節的情況下，我相信答案是肯定的，而且這種趨勢會持續相當長的時間。
主持人：你有懷疑過這一點嗎？
Sam Altman：當然有過。為什麼？我們遇到過很多挑戰，比如一些我們無法理解的模型行為，一些失敗的訓練過程，各種各樣的問題。當我們接近一個技術範式的盡頭，必須尋找下一個突破口時，我們不得不探索新的方向。最困難的是什麼？當我們開始研究 GPT-4 時，遇到了一些讓我們非常困擾的問題，我們真的不知道該如何解決。我們最終找到瞭解決方案，但確實有一段時間我們完全不知道該如何構建那個模型。然後在轉向 o1 和推理模型的構想時，雖然這是我們很早就熱切期待的方向，但這確實是一段漫長而曲折的研究之路。
主持人：在面對這些漫長而曲折的道路，當訓練過程可能失敗時，保持士氣是否困難？你是如何在這些時期維持團隊士氣的？
Sam Altman：你知道，我們這裏有很多人都對構建通用人工智能充滿熱情，這本身就是一個強大的激勵因素。沒有人期望這會是一條輕鬆的、直達成功的道路。有一句歷史名言，我可能會引述得不夠準確，但其內核是這樣的：「我從不祈求上帝站在我這一邊，而是祈求我能站在上帝那一邊。」 在深度學習領域進行探索就有這樣一種感覺 —— 彷彿是在追隨某種正確的方向。你只需要堅持，它最終似乎都會有效，儘管在途中會遇到一些重大障礙。對此的深刻信念一直支撐著我們。
主持人：我能問你一個特別的問題嗎？我最近聽到一句很棒的話：「生活中最沉重的不是鐵或金，而是那些未作出的決定。」對你來說，什麼樣的未決定事項最令你感到沉重？
Sam Altman：這每天都在變化。不是說有一個特別重大的決定。當然，確實有一些重要的決定，比如我們是否要在這個還是那個產品方向上投入，或者我們要用哪種方式構建下一代計算系統。這些都是非常關鍵的、單向門式的決定，就像其他人一樣，我可能推遲它們的時間過長了。但最大的挑戰在於日常決策。每天都會遇到一些模棱兩可的決定，它們之所以會上報到我這裏，正是因為都是些難以權衡的事情。我並不覺得自己特別可能比其他人做得更好，但我還是得做出決定。困擾我的不是某一個特定的決定，而是這些決定的數量。
主持人：當面臨這些左右為難的決定時，你會特別傾向於諮詢某些人嗎？這些人有什麼共同特點？
Sam Altman：不會。我認為錯誤的做法是依賴某一個人來處理所有事情。至少對我來說，正確的方式是擁有 15 到 20 個值得信賴的人，你相信他們每個人在特定領域都有獨到的見解和豐富的經驗。你可以像「打電話求助朋友」一樣，找到在具體問題上最有經驗的專家，而不是試圖找一個在所有方面都精通的人。
06 AI 革命不應該比喻為互聯網，而是晶體管
主持人：說到艱難的決策，我想談談半導體供應鏈。你現在對半導體供應鏈的擔憂程度如何？
Sam Altman：我不太清楚該如何量化這種擔憂。當然是會擔心的。這可能不是…好吧，我可以這樣說：它不是我最擔心的問題，但確實位列所有憂慮的前 10%。
主持人：我能問問你最擔心的是什麼嗎？我覺得問這個問題已經超出了會惹麻煩的程度。
Sam Altman：這關係到我們整個領域正在嘗試做的事情的普遍複雜性。這感覺像是一個……我認為最終一切都會沒問題，但確實是一個極其複雜的系統。而且，這種複雜性現在在每個層面都呈現出瘋狂的狀態。你可以說這種情況在 OpenAI 內部也存在，在任何一個團隊內部也是如此。
舉個例子，既然你剛才談到半導體：你必須在電力供應、網絡架構決策、及時獲取足夠芯片等方面取得平衡，還要考慮可能出現的各種風險，同時確保研究進度能夠及時跟上，這樣你就不會完全措手不及，或者最終得到一個無法充分利用的系統。還要有合適的產品能夠利用這些研究成果，進而支付這個系統令人瞠目結舌的成本。
說「供應鏈」可能讓它聽起來太像一個簡單的管道系統了。整個生態系統在每個層面的複雜性，就像是分形一樣，是我在任何行業都未曾見過的。某種程度上說，這可能是我最擔心的問題。
主持人：你說「前所未見」。很多人把這波浪潮比作互聯網泡沫時期，就熱情和興奮程度而言。我認為不同的是人們投入的資金規模。甲骨文創始人 Larry Ellison 曾說，要進入基礎模型競賽，起步就需要 1000 億美元。你同意這個說法嗎？當你看到這個數字時，你覺得這說得通嗎？
Sam Altman：不，我認為實際所需資金會比這少。但這裏有一個有趣的觀點：每個人都喜歡用之前的技術革命來類比，試圖將新技術革命放在一個更熟悉的背景下理解。首先，我認為總的來說這是一個不太好的習慣，儘管我理解為什麼人們會這樣做。其次，我認為人們選擇用來類比 AI 的例子往往都不太恰當。
互聯網顯然與 AI 有很大的不同。你提到了這一點，比如說成本問題，不管是需要 100 億還是 1000 億美元才能具有競爭力。互聯網革命的一個顯著特徵是入門門檻其實很低。現在，還有一點更接近互聯網的是，對於許多公司來說，這隻會像是互聯網的延續。就像是別人製造這些 AI 模型，你可以用它們來構建各種精彩的產品。它就像是構建技術的一個新的基礎要素。但如果你試圖構建 AI 本身，那就是完全不同的故事了。
人們使用的另一個例子是電力，我認為這個比喻因為很多原因都不太恰當。我最喜歡的類比，儘管我之前說過不應該過度使用這些比喻，是晶體管。它是物理學上的一個全新發現，具有令人難以置信的擴展性，並且迅速滲透到了各個領域。
我們以前有摩亞定律這樣的規律，現在我們可以想像一系列關於 AI 的定律，告訴我們它會以怎樣的速度變得更好。整個科技行業都從中受益。在你使用的產品和服務中都包含著大量的晶體管技術，但你不會把這些公司看作是「晶體管公司」。這背後有著極其複雜且昂貴的工業流程，以及龐大的供應鏈體系。基於這個看似簡單的物理髮現，帶來了驚人的進步，為整個經濟帶來了長期的巨大提升。儘管大多數時候你都不會去想它，你不會說「哦，這是一個晶體管產品」。它就像是，好吧，這個東西可以為我處理信息。你甚至不會去思考這一點，這已經成為理所當然的事情。
07 社會本身的變化程度可能會出人意料地小
主持人：接下來我想和你玩個快問快答的遊戲，請你直接給出下意識的答案。
如果你現在是一個 23、24 歲的年青人，擁有如今的基礎設施，你會選擇構建什麼？
Sam Altman：我會選擇某個由 AI 賦能的垂直領域。我想用教育輔導作為例子，可能是打造最好的 AI 輔導產品，或者是我能想像到的最出色的教學系統。類似的領域都可以，可以是 AI 律師，可以是 AI CAD 工程師，或者其他類似的方向。
主持人：你以前提到過寫書的計劃。你打算給這本書起什麼名字？
Sam Altman：我還沒有想好具體的書名。除了覺得這樣一本書應該存在，因為它能幫助釋放很多人的潛能之外，我還沒有深入思考過這本書的其他細節。所以也許會是關於人類潛能的主題。
主持人：在 AI 領域，有什麼是目前沒人關注但每個人都應該投入更多精力的方向？
Sam Altman：我特別期待看到，這個問題其實有很多不同的解決方案，但我想說的是某種能夠理解你整個生活的 AI。它不需要真的擁有無限的上下文理解能力，但是要有某種方式讓你能擁有一個 AI 智能體，它瞭解關於你的一切，能訪問你所有的數據等等。
主持人：在過去的一個月裡，有什麼事情讓你特別驚訝的嗎？
Sam Altman：是一個我現在還不能討論的研究成果，但它確實令人驚歎。
主持人：你最尊重哪個競爭對手？為什麼是他們？
Sam Altman：說實話，我現在基本上尊重這個領域的每一個參與者。我認為整個領域都在進行著令人驚歎的工作，有著才華橫溢、工作極其努力的人。我不是在迴避這個問題，而是我確實能在這個領域的各個角落看到非常有才華的人在做出色的工作。有特別突出的一個嗎？不太容易說。
主持人：告訴我，你最喜歡的 OpenAI API 是什麼？
Sam Altman：我認為新的實時 API（Real-time API）非常出色。當然，我們現在已經建立起了相當規模的 API 業務，其中有很多出色的功能。
主持人：在 AI 領域，你現在最敬佩的是誰？
Sam Altman：讓我特別表揚一下Cursor 團隊。當然，AI 領域有很多人在做著令人難以置信的工作，但我認為 Cursor 團隊真正做到了將願景變為現實。我本可以列舉很多值得稱讚的研究人員，但就利用 AI 來創造真正令人驚歎的用戶體驗，以一種前所未有的方式創造價值而言，我認為他們的成就確實非常突出。在思考這個問題時，我特意把 OpenAI 的任何人都排除在外，否則首先就會是一長串 OpenAI 的人員名單。
主持人：你如何看待延遲和準確性之間的權衡？
Sam Altman：你需要一個可以在兩者之間靈活調節的機制。就像現在我們在做快問快答一樣，我其實回答得還不夠快，但我在努力不過分思考。在這種場景下，你需要的是低延遲。但如果你說：「嘿，Sam，我希望你能在物理學領域有重大發現」，那麼你可能會很樂意等待準確性再發展個幾年。關鍵是，這種權衡應該由用戶來控制。
主持人：我想問問關於領導力中的不安全感，我認為這是每個人都會有的感受，但我們很少談論。當你思考領導力方面的不安全感，作為一個領導者你想要改進的方面，你今天最想在作為領導者和 CEO 的哪些方面有所提升？
Sam Altman：這周讓我最困擾的是，我對我們的產品策略細節感到比以往任何時候都更加不確定。我認為產品總的來說是我的一個弱項。而現在公司正需要我在這方面提供更強有力和清晰的願景。我們有一位出色的產品主管和一個很棒的產品團隊，但這是一個我希望自己能做得更好的領域，而且我現在正急切地感受到這種不足。
主持人：你招聘了 Kevin Weil 作為 CPO（首席產品官）。我認識 Kevin 很多年了，他確實很出色。
Sam Altman：Kevin 太棒了。
主持人：在你看來，是什麼讓 Kevin 成為一位世界級的產品領導者？
Sam Altman：我首先想到的詞是紀律性。
主持人：是在關注重點這方面嗎？
Sam Altman：是的，包括什麼該做什麼不該做、真正站在用戶角度來思考我們為什麼要做或不做某件事，以及始終保持嚴謹務實的態度，不輕易被天馬行空的想像所左右。
主持人：如果你有一根魔法棒，可以為 OpenAI 五年和十年內的願景描繪藍圖嗎？
Sam Altman：坦白說，我可以輕鬆地規劃接下來的兩年。但如果我們的判斷是正確的，如果我們開始打造的系統真的能在科學進步等方面發揮巨大作用……實際上，我想說的是，我認為在五年內，我們會看到技術本身以一個令人難以置信的速度不斷進步。人們可能會說：「哇，通用人工智能的時代來了又走了，不管怎樣，這個進步的步伐簡直瘋狂。」 我們在不斷髮現新的東西，不僅是關於 AI 研究，還有其他所有科學領域。如果我們現在能坐在這裏預見到那個場景，它看起來應該會讓人覺得難以置信。
我的預測的第二個部分是，社會本身的變化程度可能會出人意料地小。舉個例子：我認為如果你五年前問人們，計算機是否會通過圖靈測試，他們會說不可能。然後如果你說，假設有個預言家告訴你它一定會通過，他們會說，那將會給社會帶來翻天覆地的變化。而事實上，我們確實在某種程度上滿足了圖靈測試的要求，但社會並沒有發生太大的改變。這個突破就這樣悄然而過。這就是我預期會繼續發生的情況：科技進步，特別是科學進步會不斷超越所有人的預期，而社會本身則以一種我認為是健康的方式，保持相對穩定。當然，從更長遠來看，變革終將到來，而且會是巨大的變革。
參考鏈接： https://www.youtube.com/watch?v=peg-aX1oii4
本文來自微信公眾號「AI科技大班營」，翻譯：Eric Harrington，36氪經授權發佈。
