近日，OpenAI CEO Sam Altman接受播客《Founders》主持人David Senra的访谈，本次对话 Sam Altman围绕创业方法论、AI产业发展节奏与公司战略等方向展开深入探讨。
访谈中，Sam Altman对Shopify CEO Tobi Lütke提出的“2026年将是各行业重新洗牌之年”的判断表示不认同。他指出，即便拥有GPT-4这样的技术突破，整个经济体系的惯性也远超技术从业者的想象，人们依然会沿用旧的供应商、旧的工具习惯，软件行业大规模颠覆需要的时间比此前预估的更长，这场变革会以更平缓的方式发生。
在产品战略上，他明确了OpenAI要做一家平台公司而非纯粹的产品公司，将提供覆盖整条性价比曲线的顶级AI服务，把自己定位为服务1亿家新企业与80亿人的新型公共基础设施。为此他透露，公司去年主动关停了Sora和自研浏览器Atlas两个被外界看好的项目，在算力、人才均有限的前提下，将资源集中投向Codex与通用人工智能这一条主线。他还判断，当前人机协作方式即将迎来类似“苹果手机之前的智能手机时代”的转折点，所有技术碎片已经齐备，唯独缺少那个能重新定义人机交互方式的产品时刻，而下一个前沿将是让AI拥有远超任何个人所能掌握的完整上下文，从而承担起真正的决策辅助角色。
此外他还透露，尽管亲手打造了Codex这样的效率工具，自己20年来使用电脑的方式却几乎没有改变，依然在用老办法逐条处理邮件、在应用间来回切换，他将这归因为一种产品层面尚未被真正解决的失败，而非单纯的习惯问题。
他还判断，当前人类顶尖智慧与顶尖模型的智能水平大致相当，而这一局面即将被彻底反转，这意味着接下来AI发展将面临比过去更艰难的抉择。
关于研究方法论，他将管理AI研究项目类比为早年做天使投资人的经历，提出研究领域同样存在幂律法则，真正稀缺的是那些愿意为极不受欢迎的信念死磕到底的“非标品”人才，这也是他解释2015年OpenAI在几乎无人问津AGI的情况下毅然创立的核心逻辑。
以下为访谈全文整理：
01
Tobi Lütke与“大洗牌”预言：Sam为何不认同这个时间表
David Senra此前采访过Shopify CEO Tobi Lütke，他向Sam Altman提出：为什么认为Tobi是当下最有趣的CEO之一？还记得Tobi大概在2024年写过一封信，信中提出所有企业首先要做的就是评估AI能否解决当前的问题，当时哪怕是在十八到二十四个月前，很多人都觉得这个判断极其荒谬。
Sam Altman：让我印象最深的是，在AI极其早期的阶段，一直到它发展曲线的每一个节点，Tobi始终是最具前瞻性的CEO。他亲自下场写代码做测试，给我们提供关于产品矩阵和模型能力的详尽反馈。在大家还没反应过来的时候他就断言，我们不能做一家随波逐流的公司，必须全面拥抱AI Agent，否则死路一条，我们要自己动手构建。每次和他交流，我都觉得他走在了所有人的最前沿，不管对方是不是CEO。他亲力亲为，拥有极其敏锐的嗅觉，总是比其他任何CEO领先六到八个月。
当时的确很荒谬。但这正是我的观点，他总是能领先一步，而且事实证明他是对的。他全身心投入，非常务实，从不搞炒作那一套。他只会说，这就是它目前真正的能力，这是我认为它很快能做到的，这是我要带领公司前进的方向。他对技术的现状有着极其深刻的洞察。很多人都会发产品反馈，但他是唯一一个既是大公司CEO，又能提供极其精准、详实且处于技术最前沿反馈的人。
（关于Tobi对2026年的预言）Tobi向David Senra表示，等到2026年回头看，会发现这一年是各行业面临重新洗牌的一年，他认定一定会有人打造出一个AI原生版的Shopify，而那个人一定是他自己，因此他每天深夜都在实打实地重构业务。如果让Sam从零开始，会用现在的技术做些什么？
Sam Altman：我正想说关于他的另一件事，那就是他亲力亲为。他亲自使用这些工具，亲自写代码，亲自测试模型，亲自尝试重塑自己的工作流。大多数CEO到了他那个级别，手下都有无数个管理层级，团队会试着落实这些事情，试着让老板开心，试着粉饰太平。我认为如果你不亲自去感受，是很难真正懂它的。据我所知，他经常整夜亲自钻研。我不太确定2026年是否会成为每个企业都感觉面临重新洗牌的一年。在这一点上我可能不太同意他的时间表，但我懂他表达的精神内核，我也确实能感觉到这种洗牌正在发生。
这真的可能发生吗？无论是2026年还是2046年，显然不可能字面上包含所有行业。
Sam Altman：我认为有些领域是难以被AI替代的。AI越强大，那些与AI毫不沾边的企业反而越具有竞争壁垒，因为我们会更加渴望那些真实的、非技术的体验，或者我们会更加热衷于体育赛事之类的东西。所以不是所有行业，但我认为会有大量的软件企业面临重新洗牌。
那你是不同意他的时间线预测吗？能详细说说吗？
Sam Altman：我不同意这个时间线。我认为这需要更长一点的时间。我热爱初创公司，我认为初创公司是经济体系中最酷的存在，我整个职业生涯都在试图真正理解它们。我曾以为在我们发布GPT-4时，大概是在2023年，软件行业很快就会出现大规模的颠覆，企业洗牌会立竿见影地发生。但我后来发现我在某些事情上判断错了。其中一点就是在速度上，整个经济体的惯性实在太大了。人们依然遵循旧有的方式行事，继续从原来的供应商那里采购，继续用固有的习惯使用工具。我认为这在很多方面其实是件好事，它会让这场巨大的变革过渡得更加平稳和缓慢，我对此心怀感激。但这确实意味着我们之前对时间线的预估都过于激进。即使拥有如此不可思议的技术，我认为AI是人类发明过的最伟大的技术之一，社会和经济的适应速度也会慢得多。
我自己经历过的一个例子是，当奈飞问世并开始提供DVD租赁邮寄服务时，甚至在他们开启流媒体时代之前，让我震惊的是人们依然会跑去百视达租影碟。这让我觉得匪夷所思，因为我每天上下学的路上都会开车路过一家百视达，我亲眼看到大家还在这么做。这个例子一直深深印在我的脑海里，它告诉我什么是习惯的惯性以及人们做事的方式。改变行为习惯远比那些技术极客们想象的要难得多。
02
Sam亲手打造Codex却改不掉旧习惯
Tobi采用AI的速度比任何人都快，OpenAI自己作为技术的创造者，是否也发生过让Sam对自己的行为都感到震惊的事情，比如明明清楚有更好的方式，甚至自己就在打造能优化它的产品，却依然无法摆脱旧的习惯定势？
Sam Altman：百分之百存在。很高兴你问了这个问题，我一直期待这个问题。让我觉得在心理上最充满矛盾的一点是，20年来，我一直用同一种方式使用电脑。我现在手里有一个叫做Codex的神奇工具，大家都有。这意味着我本该彻底以不同的方式使用我的电脑。我不应该再点来点去，不该在消息应用之间来回复制粘贴。我不应该盲目地滑动邮件列表，硬着头皮挑一封最不痛苦的去回复。我不该再列传统的待办事项，不该像以前那样机械地完成那些枯燥重复的电脑操作。然而我的大脑深处仿佛写死了一段代码，只有这样做才叫工作，才算高效。
如果你问我，我绝对不会说我喜欢那种旧方式。事实上我会表达相反的看法，而且是真心的。但是通过真实的揭示偏好来看，明明现在有了更好的方法，我可以做得更快。我可以用Codex处理更多日常工作，搞定那堆邮件，清空待办事项，处理所有这些事情。但我依然在使用老办法。这完全说不通，唯一的解释只能是我潜意识里其实喜欢这种旧方式，或者它能给我带来满足感。
你觉得需要发生什么改变，才能让你更深层次地采用自家产品？
Sam Altman：我真的不太确定。它正在逐渐发生，也许这才是正确的答案，这种改变必须是渐进的，想要彻底颠覆一个人根深蒂固的习惯和工作流是非常困难的。我认为我们可以利用这项技术打造出更好的产品，让这一切过渡得更加无缝。但现在给人的感觉是，我们都横跨在这两个世界之间，我们依然保留着可以用旧方式操作的电脑，同时又拥有能用全新神奇方式操作电脑的Codex，而我们不确定在什么场景下该用哪一个。我认为这主要是一个产品层面的失败。
我们现在所处的阶段，让我想起了苹果手机诞生之前的智能手机时代。我算是一个早期采用者，那个时候很多技术要素都已经具备了，它们虽然缺少多点触控，但主要是缺少让苹果手机真正成为苹果手机的产品理念。我觉得我们现在就处在这样一个世界里，我们已经集齐了所有的技术碎片，但还没有迎来那个能彻底改变人们与技术交互方式的苹果手机时刻。
（关于产品决策方式）David Senra以苹果公司团队汇报新款MacBook笔记本电脑的故事为例：乔布斯走进会议室，只是开机、关机，试着掀开屏幕，发现有延迟，丢下一句"把这台MacBook改成那样"就转身离开，整场会议就此结束。Sam是怎么处理产品改进的，是基于自身需求出发的吗？
Sam Altman：我现在的精力主要放在研究和算力上。我也很希望能花更多时间在产品上，我们在产品方面有很优秀的团队，但对我们来说最重要的事情是打造出智能的模型，并能让它们高效且丰富地服务于广大用户。只要把这一点做对，我相信其他一切都会水到渠成。从哲学层面讲，我非常倾向于去寻找那些能维持指数级增长的、高杠杆的难题。对我们而言这就是模型与算力，我也觉得这类问题天生就非常适合我。
03
为什么算力与研究天生适合Sam
为什么算力和研究这类问题天生适合Sam？
Sam Altman：要实现我们这种规模的算力扩张，需要一套复杂的供应链。这涉及到很多有趣的商业合作需要弄清楚，我很喜欢做这个。这其中还有有趣的财务挑战，你要如何为这个可能已经是，或者正在迅速成为人类历史上最昂贵的基础设施项目进行融资。还有在这个规模上建设算力所面临的技术挑战，从设计自己的芯片，到晶圆代工厂的供应链，再到制造服务器机架的人，乃至支撑这一切的电力系统，我一直对能源很感兴趣。所有这些要素交织在一起，所以在如此庞大的规模上建设算力，汇聚了技术、商业、政策、供应链和物流等诸多领域的有趣难题。
我曾经是一名初创公司投资者，在我的职业生涯中，我发现与初创公司投资最接近的事情就是管理一个研究项目。当然它们之间也有很多截然不同的地方，表面上看普通的研究员和普通的创始人因为显而易见的原因看起来并不相同，但也有很多相似之处，比如你如何找到非共识的下注机会，你如何决定在何处保持坚定信念，你如何理解指数级增长的样子，你如何管理那些极其拔尖的天才，以及更重要的一点，你如何识别他们。
多聊聊你在初创公司投资学到的经验和做研究之间的相似之处。
Sam Altman：最大的一个共同点就是幂律。人们在投资中总是谈论这个，这意味着你必须重塑你的大脑思维，因为我们天生似乎并不适合这种思考模式，你最成功的那笔投资的回报将超过你其他所有投资回报的总和，而排名第二的最佳投资的回报也会超过剩下所有投资的总和。AI研究至少也呈现出这种规律。当我们刚起步时，人们认为AGI是完全不可能实现的，或者可能性极低。那是2015年，就因为我们宣称要追求AGI，遭到了整个领域内学术巨头们的猛烈抨击。后来当我们开始真正专注于大语言模型时，我们再次遭到了群嘲，大家都说这太荒谬了。但我至少从我的初创公司背景中懂得了一个道理，只要如果成功了价值就能无可估量，那么承担高风险的押注就是可以接受的。研究工作也是如此。能成为优秀研究员的人，往往具有非共识的思维、独特的新视角并且精力极其充沛，我脑海中反复浮现的一个词是非标品。
04
什么是“非标品”人才
能不能更具体说说“非标品”人才，是指那种长板极其突出的人吗？
Sam Altman：你绝对不想去资助这样一位创始人，他对你交谈过的过去一千个人都在做的同一个点子，仅仅只做了一点微不足道的改动，然后试图说服你，甚至试图说服他们自己，觉得他们完全不同并且在做着全新的事情。但这实际上只是在随大流，走在大家都在走的同一条赛道上，做着大家眼里他们该做的事，那就是去创办一家初创公司。他们可能听彼得·蒂尔无数次强调过你要做些与众不同的事情，所以他们试图在表面上模仿这一点，但骨子里却不是真心的。
对我来说区别十分明显，当你遇到一个思维方式天生就和大众不同，并且愿意为了极不受欢迎的信念死磕到底的人。他们很可能会失败，但如果他们对了，至少他们会取得巨大的成功，这与那些仅仅给俗套想法包上一层光鲜外衣的人截然不同。在2015年底我们创立OpenAI时，世界上几乎没有任何追求AGI的团队，除了DeepMind和我能想起来的另外一两家，在当时这绝对是一个极具非共识的事情。在同一年可能有成千上万的创始人去开发照片分享应用，那可能不是一个好主意。今天无数人都想创办AI实验室，有一小撮人正在做着完全不一样的新事情，这些事在AI变得这么好之前实际上是根本无法实现的，而且目前看起来依然不是个好主意。但这正是我作为初创公司创始人最想资助的项目，也是最终给我带来回报的项目。研究员也是同理，很多研究员只会跟风追逐上一个热门风口，但只有极少数研究员对全新的理念抱有极高的信念。我认为过去和现在，我们都是这类人才心目中最好的研究实验室。
（关于第四家实验室的可能性）David Senra转述Demis Hassabis的观点：按照当前的路线竞争，是资本门槛极高的三大巨头游戏，不可能出现第四个实力更强劲的玩家，但Demis认为大概有百分之十的可能性，会有某个潜心苦修的独立研究员从一个从未设想过的角度攻克这个难题。
Sam Altman：我完全认同。我不知道该如何量化这个概率，但这绝对是有可能的。这种情况肯定是有可能发生的，我非常喜欢这种可能性，我觉得这正是让一切保持激动人心的原因。
05
从被劝退到坚定押注AGI
David Senra提到，Sam这辈子一直对AI感兴趣，甚至为了学AI而考入大学，但当时一位教授告诉他，深度学习这条路是行不通的，而后Sam转而进入了创业投资领域。先做创始人再退居投资人是硅谷常见的职业路径，但Sam走了一条截然相反的路，先做投资人再回去做创始人运营公司，这种经历为什么重要？
Sam Altman：我这辈子一直都对人工智能感兴趣，我一直觉得AI将会是世界上最神奇且最疯狂的东西。我从没想过自己真能有机会从事这项事业，但我始终深爱着它。在大一到大二的那个暑假，我在人工智能实验室工作，但当时任何尝试都以失败告终，一位教授对我说，我们确切知道唯一行不通的就是深度学习，选这条路注定会毁掉你的职业生涯。当时我还是个容易听信权威的大一新生，也就把这话当真了，于是转而去研究其他的东西，后来我很偶然地踏入了初创公司的圈子，并且深深地爱上了它。所以我甚至不认为这是一次职业道路上的绕道，因为这段经历对我帮助极大。
我想表达的是我刚好走了一条截然相反的路，我先是做投资人，然后才去运营一家公司，这其实非常少见。而我对此心怀感激，因为作为投资人，当你真正深入研究和观察那些公司时，你能积累令人难以置信的经验法则和模式识别能力，这对我后来管理OpenAI提供了极大的帮助。这是一条与常规截然相反的路，它确实非常难得，我强烈推荐这种经历。
为什么这种经历会有帮助？
Sam Altman：当你在管理一家公司时，你会在过去的经历中面临一些类似的决策，或者说关键的生死抉择，你亲眼见过哪些方法行得通，哪些行不通。如果你必须进行一次高风险的战略转型，或者以一种非常棘手的方式解雇某位高管，你能依靠的仅仅是你过去五年或十年积累下来的有限经验。但是作为投资人，你见证过无数个关键时刻，虽然你没有日复一日运营公司的那种实操练习，但你目睹过大量重大的关键转折点，你每天都在看这些案例，所以我在那段经历中积累的丰富数据集是无价的财富。当我需要做决策时，我会想这家公司遇到类似情况时是这么发展的，我见过那位创始人犯过这个错误，或者那位创始人当时处理得非常漂亮。
06
AI能做出比人类更精彩的播客吗
David Senra提出一个假设：如果AI真的制作出了一档顶级播客，两个AI进行了一场比现在这场对话还要精彩的交谈，人们会在意吗，还是依然更倾向于听真实人类的声音？
Sam Altman：我对此深信不疑。我认为很多其他岗位可能会面临巨大的冲击和转型，但那些关乎人，关乎人与人之间的情感连接，关乎人们对他人喜爱之情的事情，在后AI时代不仅不会贬值，反而会变得愈发珍贵。
我也觉得真正只想和电脑交流、不喜欢和人类打交道的只是一小撮人。这就是为什么我认为即便我们真的迎来了超级智能，世界从宏观上看也不会发生天翻地覆的改变。在最底层的基因里，人们依然会本能地去关心他人，想要陪伴在他人身边，渴望与他人互动。当然肯定会有那么一些人完全沉浸在模型中，觉得人类只会碍事，或者是必须要对付的危险因素等等。但对于绝大多数人来说，人与人之间的连接才是生活的全部意义。
07
“AI安全”叙事里的反人类陷阱
David Senra提出，当发现有人企图利用AI攫取权力时，必须将他们曝光，确保他们无法得逞。
Sam Altman：我完全同意。关于AI，我最担心的两大风险之间其实存在一定的相互制衡。一个是失控，即AI在某种程度上变得过于强大，以至于我们无法保证能够如愿地控制它。另一个则是权力过度集中，即某一家公司、某一个大语言模型或是某个人掌握了过多的权力。这两种情况的根本症结在于，它们的发生都代表着一种极其反人类的立场。正确的态度应该是，我们希望人类能深度掌控未来并被高度赋权，人才是这一切的核心意义所在。我们绝不能因为不信任或不喜欢人类，就把控制权逐渐拱手让给一个AI，把所有的信任都寄托在模型上，让它拥有主宰世界的全部权力和决策权，这是一种极度厌恶人类的做法。但我认为，世界上确实有一小撮人认为这就是最终的理想结果。
这种观点还有另一个变体，那就是因为不信任人类，所以必须限制谁有权接触这项技术及其使用方式。出于对各种可能发生的可怕后果的恐惧，我们要把权力集中在少数几家公司手中，禁止其他人使用，只给大众分发一些好处。对此我有一个讽刺性的总结，那就是AI领域中确实有一些人实质上在主张，我们将赋予世界治愈所有疾病的良方，会让商品变得极其低廉，以此来交换人们交出对未来的自主权、影响力以及权力。这不仅是打着安全的名义，更会导致绝对且猖獗的不平等，少数人将垄断巨额财富和权力，而其他人只能得到看似非常不错的生活必需品。这是一套极其糟糕且极度反人类的推销说辞，但不知为何，总有人心甘情愿地去兜售它。
你觉得他们为什么会心甘情愿地去兜售这套说辞？
Sam Altman：我认为源于恐惧和对权力的渴望。当人们谈论AI的风险时，有很多人对这些风险的巨大破坏力感到极度紧张，被这种恐惧完全支配，进而觉得必须挺身而出保护世界。因此他们会主张，为了安全我们必须在这里牺牲大量的自由，因为这与我们以往见过的任何风险都不同。但最终，这往往成了为众多追逐权力的行为进行辩护的借口。
历史上的先驱者对AI的态度普遍更乐观，认为AI会让生活变得更美好。
Sam Altman：你说得完全对，回顾Claude Shannon和Alan Turing的时代，他们谈论的都是AGI会有多么美妙，以及它将能实现的所有伟大成就。当我们刚创办OpenAI时，我们确实承受了来自末日论者的巨大压力。现在，我赞同末日论者的部分在于，这是一项极其强大的技术，在安全性方面我们宁可保守一些，在技术的每个发展阶段都应谨慎行事。但我不同意他们的一点是，他们认为这是一个无解的难题。
回顾OpenAI成立之初，业界普遍持有两种观点。第一，我们根本不可能也绝对不会在十年内构建出任何接近AGI的东西。第二，退一步说，就算真做到了，也绝对无法确保其安全性。末日论者会断言，一旦创造出在诸多方面比世界上绝大多数聪明人还要聪明的AI，那一刻世界肯定已经被毁灭了，对齐工作注定会失败。当时人们对十年后的未来就是持有这种绝对的立场。然而，我们已经构建出了大多数人当年认为高度接近AGI的模型，许多积极的事情已经发生，而世界末日这种疯狂糟糕的预测并没有应验。因此这理应刷新人们对未来的预测。
我们面前当然还有更高风险的挑战需要解决。但我们的方法，这也是我从初创公司学到的经验，就是把产品推向现实世界，从真实的客户那里获取反馈，去发现系统在哪里崩溃，在哪里能够平稳运行。这是打造优秀产品的途径，同样也是打造安全产品的途径。在AI安全领域，我们所取得的进展远远超出了绝大多数人最初的预期。
为什么进展会超出预期？
Sam Altman：因为每周都有十亿人在使用我们的产品。每当我们的模型跃升到一个新层级，我们就把它推向世界，看看哪些功能有效，哪些无效，看看用户在哪里出于正当需求希望我们放宽护栏，看看我们在哪里出现了对齐失败，又在哪里遭遇了安全系统故障。ChatGPT问世还不到四年，就已经有十亿人将其用于各种敏感且重要的事务中。尽管它仍有缺陷，但在如此短的时间内，面对如此强大的技术，我们能够交付出一个被广泛认为安全的产品，这绝对是在象牙塔里闭门造车无法实现的。我相信这就是构建优秀、安全、稳健且实用的技术和产品的方式，这也是在Y Combinator学到的宝贵经验。对于大多数AI安全领域的专家来说，能在达到目前发展阶段的同时，依然保持现有的安全保障水平，似乎是完全不可能的。我确实认为接下来的挑战会更加艰巨，但我坚信脱离现实绝对无法解决这些问题。
为什么接下来的挑战会更难？
Sam Altman：因为当前世界上最顶尖的人类智慧，大约与世界上最顶尖的模型的智能水平相当，而这种局面马上就要反转了。模型的能力实在是太不可思议了，而且正以极其陡峭的轨迹不断进化。也许那些未知的未知带来的挑战相对而言并没有变得更难，但从绝对层面来看，它们确实显得更加棘手。在这个过程中我们将面临一系列艰难的抉择，何时该暂缓开发，何时该决定现在就将其投入现实去检验，或者何时又该花更多时间进行深入研究。
最近我和别人聊天时，有一件事让我印象深刻。美国联邦航空管理局成功地让航空飞行变得极其安全。从表面上看，飞行似乎是一件极其危险的事情，但你现在上飞机时可能根本不会有丝毫顾虑。在航空业发展初期，情况绝非如此安全，他们建立了一套极其严密、极度客观的事故报告机制，他们从不试图对任何事故敷衍了事，而是致力于提取尽可能多的信息。在某种意义上，我认为这种方法对任何新技术都非常有效，却往往被低估了。
所以当我们开始部署模型，当决定将ChatGPT推向世界时，我们深知它并不完美，我们知道它会产生幻觉，也知道它存在其他缺陷。但我们更清楚必须让这个世界亲身体验这项技术，我们必须在实践中学习如何确保其安全，我们必须将权力交还给大众，绝不能仅仅利用它来强加我们自己的世界观。我们不能躲在实验室里试图推演所有的影响，那根本行不通，因为社会和模型是协同进化的，我们必须将其作为一个联合项目共同推进。如果出现问题，我们将进行非常严密的事故调查，发布清晰透明的事后分析报告，并从中汲取最大程度的教训。我们不仅会改进自己的技术和产品，还会努力与其他AI开发者分享这些经验。我认为，至少到目前为止这种方法的效果出奇地好。这些都是科技史和初创企业发展史留给我们的宝贵经验。
08
为什么每个人都在用AI却又都讨厌AI
为什么现在几乎每个人都在使用AI，但似乎每个人又都在讨厌AI？
Sam Altman：坦白说，人们总是对快速的社会经济变革感到恐惧。在整个工业革命期间，人们对正在发生的变化绝对不是普遍感到满心欢喜的。我认为人类社会拥有某种内置的惯性，对快速变革抱有天然的怀疑态度，这可能反而是个好机制，它在动荡时期或局部狂热时期可能对社会起到了保护作用。所以我认为这种现象有其积极的一面，这是人类生物学的一个特性，我坚信绝对不要试图去强行对抗它。
另外，许多正在构建AI的人一直在向外界传递这样的信息，我们有百分之二十五的概率会毁灭世界，但我们依然要全速冲刺，因为如果我们不做别人就会捷足先登。又或者是，这东西真的太可怕了，明年一半的工作岗位将会消失，希望大家一切都好，但这确实让人恐惧。作为一个行业，我们并没有很好地向公众解释AI带来的好处，以及我们将如何降低这些负面风险。
即便有人提出全民基本收入或者未来工作将成为一种可选项等解决方案，业界也鲜有讨论为何赋予人们更多而非更少的权力和个人自由如此重要，而这一点对绝大多数人来说却是至关重要的。
作为一名企业家精神的热爱者，我最坚信的莫过于，真正赋予人们力量去探索新事物，推动他们信仰的事业，让他们拥有创建公司、发明技术和追逐梦想的自由，以及维持这一切运作的社会体系。我认为即使人们不认为自己具备企业家精神，甚至永远不想创办一家大企业，他们也绝对明白这种自由和自主权有多么重要。所以，当他们听到有人隐晦或直白地表示，在AI时代这种自由将会减少，因为极少数人将垄断权力，而这少数人会替大家做出伟大决策并保障所有人的安全时，公众对此感到极度恐惧是理所当然的。
同时我也认为，即便大多数人不想创办规模庞大的企业，但仍有许多人渴望创办小型公司，这在过去绝非易事，通常需要相当的特权、运气和资源。而我们即将见证有史以来规模最庞大的小微企业创业热潮，我相信AI正在为这一切赋能。然而出于某种原因，整个行业包括我们自己对此谈论得还不够多，尽管我们已经看到了种种迹象。这是一件极其棒的事情，我们目前还没有开发出足够多的产品来加速这一进程，但我确信未来我们会看到更多这样的创新。
09
Sam Altman希望AI能拥有比任何人都庞大的上下文
David Senra提到，Sam曾在另一档播客中提及，自己甚至在权衡应该让AI访问电脑上多少信息，希望展开聊聊这个话题。
Sam Altman：对于最新一代的模型，我不想用足够聪明来形容它们，因为我们永远应该去追求让它们变得更聪明，不过它们现在确实已经非常聪明了。到了现阶段我反而觉得，AI缺乏足够多关于我的有用上下文，这让我感到了限制。我希望AI尽可能多地了解我从而更好地辅助我，我希望它能去做那些我做不到或者不想亲自做的事情。我不可能去读内部Slack上的每一条帖子，也不可能去读客户讲述的每一个关于ChatGPT哪里好用或哪里不好用的故事，我根本做不到。除此之外我本可以读比现在更多的研究论文，但这极其消耗精力。但我非常希望能有一个AI Agent持续不断地为我提供帮助，它能够审视并理解海量的上下文，其处理能力远远超出我的极限，也超出了我自己投入时间或精力所能覆盖的范围。更重要的是，当我需要做决策时它能有效利用这些上下文，为我提供极具价值的建议。
因此我认为我们之前将注意力集中在模型智能上是非常正确的，以至于在产品层面我们还没有充分思考，赋予模型超越任何人所能掌握的庞大上下文并帮助人类做出重大决策究竟意味着什么。我的直觉是我们正处于一个转折点，即将见证一种截然不同的与AI协同工作的方式，这种方式将拓展出一个人类自身根本无法达到的新维度。世界上有很多绝顶聪明的人，但没有任何人能在短短几秒钟内阅读数万页的上下文还能极其精准地加以利用，而这正是AI能够做到的事情，这将是一种前所未有的极其不可思议的赋能。
10
Sam Altman揭秘OpenAI为何要做“新型公共基础设施”
Sam说核心重点是获取更多算力然后投入研究，那么在产品构建上，OpenAI是否必须自己做产品？现在推出了Codex，David甚至都摸不清OpenAI的产品线，想知道公司究竟有多少个产品，收入从哪里来。
Sam Altman：实际上我认为我们应该更倾向于做一家平台公司，而不是纯粹的产品公司，当然我们也会打造产品。我们刚刚把ChatGPT和Codex合并了。过去我们有ChatGPT、Codex和API。Codex这个名字起得有点不太合适，因为它能做的不仅仅是编程，它可以胜任任何类型的工作，这就让大家产生了误解。
我认为大多数人真正想要的是一个单一的交互界面，连接到个人或企业专属的AGI，这个AGI能够协助他们处理任何需求，同时他们也希望拥有通过API在这个系统之上构建任何所需应用的能力。这才是我们应该提供给这个世界的平台。我们将提供覆盖整条性价比曲线的顶级AI服务，我们将做到极致。如果你需要极其高端的AI来推动科学发现那很棒，如果你需要成本极低的AI来处理海量且不需要天才般智慧的常规工作，我们同样能满足你的需求。你可以把它看作是一种新型的公共基础设施或新型商品，大家想大规模地使用AI，希望成本低廉响应迅速运行稳定，并且能够完美融入他们的上下文体验流畅，这些需求我们都能满足。
回归到单一产品层面，用户的核心诉求终归是向AI提问。也许未来AI会主动为我提供信息，但无论如何你会拥有这样一个交互界面，它最初是以聊天机器人的形态出现，现在又加入了代码Agent，我认为在未来某个阶段它会演变成一个更加持久运作的专属Agent，随时随地在任何你需要的地方运行。我不认为我们应该去涉足每一个产品类目，去和我们所有的客户竞争，也不认为我们应该试图吞噬整个经济。我们要做的是提供这个平台，努力让一亿家新企业和八十亿人以各种前所未有的方式去使用它。总结来说就是一个直接面向产品的交互界面，一个供开发者自由发挥的API，这两者最终也会深度融合，剩下的就完全取决于人们如何使用它以及在它之上构建什么了。
11
Sam Altman亲手关停了Sora和Atlas浏览器的考量
为了领悟专注这件事，Sam曾经犯过哪些错误？为了倾注全部精力去追求伟大，是否不得不忍痛扼杀了许多好主意？
Sam Altman：为了追求伟大的目标而牺牲掉好主意，可能是所有创业者或企业必须经历的最艰难的一课。扼杀好主意让人心里很不好受。无论你觉得自己有多大的决心去做这件事，似乎大家也许是出于选择成为创业者这类人的天性，在这方面都做得极差，我也做得极差，我很有自知之明。
举个例子，去年我们就关停了Sora。它是一个很棒的产品，既有趣又酷炫，但它消耗了海量算力，而它的重要性比不上Codex，因此我们将算力倾注在了Codex上。我们还叫停了名为Atlas的网络浏览器项目，我依然认为它是一款极其出色的产品，是当时最好的浏览器，但对于我们而言，它不如其他更值得我们投入人才的领域重要。
在一个算力有限、人才有限以及资源有限的世界里，我们进行了极其痛苦的抉择，最终我们认定打造用于知识工作并最终用于科学发现的通用人工智能是我们所能做的最重要的事情。任何处于生成这种智能上游的环节，比如研发我们自己的芯片、建设数据中心、编写优秀的底层基础架构软件当然还包括训练模型，这些无疑都至关重要。明确了这一点后我们就只需把这种AI作为服务提供出去，让人们利用它进行知识探索、日常工作和科学发现，从而提升他们的个人生活效率。我们要打造一个灵活且通用的平台，而不是把精力分散在做许多其他的事情上。
12
Sam Altman回忆OpenAI创立第一天的至暗时刻
Sam是怎么熬过没有客户信号、只能自己摸索研究节奏的那个阶段的？当时具体是怎么想、怎么做的？
Sam Altman：我们请教了一群曾在过去伟大的研究实验室工作过的人。OpenAI创立之时，正值硅谷里每个人包括我都想把创办研究实验室作为面子工程的时候，当时有很多关于贝尔实验室或施乐帕克研究中心鼎盛时期的书非常畅销，每个人都在谈论这个话题，坊间有着大量的讨论。但真正对如何实操有鲜活记忆的人并不多，所以我们和Alan Kay聊了很多，我们也和少数其他人聊过，从他们那里得到了一些关于如何建立一个优秀研究实验室的建议，其中有些建议非常棒，但也有些在当下并不太适用。我们确实没有像贝尔实验室独立剥离前那样拥有一台巨大的垄断性印钞机。
回想那些早期日子，我印象最深的就是我在试图融资，然后不断失败，这就是我对OpenAI早期最深刻的记忆，付出了那么多努力，又那么令人沮丧，我真希望我们也有那样一台提款机，我记得这是我关于整个OpenAI最清晰的记忆之一。我们在2015年底宣布成立，但第一天上班是在2016年元旦刚过，当时我们11或12个人出现在Greg Brockman的公寓里，大概是周一或周二早上9:30的样子。假设那天是1月4日，大家都到齐了，之前已经做了大量的筹备工作，每个人走进来时都非常兴奋，感觉就像开学的第一天之类的。但很快大家环顾四周，有点茫然地问我们现在该干什么？有人说我们应该去弄块白板，Greg就让人去找了块白板，白板拿来了。大家又互相看来看去，我们现在该干啥？你能明显感觉到房间里的能量瞬间垮掉了。我们谁也不知道该做什么。这根本不像建立一个产品型初创公司，这不像让我们打造这个产品，让我们去和客户沟通。这就好像我们说想要实现AGI，也许我们应该写几篇论文，那就写论文吧，也许我们应该想些点子，那就想点子吧。每个人都有过那种我完全不知道自己在干嘛的时刻，那也是我的时刻之一。就好像我们刚刚启动了这个项目，但我们谁也不知道接下来要做什么。
于是我们就做自己知道怎么做的事情，最终我们发现很多方法行不通。最终我们摸索出了一种进行研究下注和评估研究成果的节奏，显然这远非完美，但我们确实找到了一条可以沿着它向前推进的梯度，我们弄清楚了如何获取那些极其聪明的人所需的资源，弄清楚了如何确保我们不会在荒野中彻底迷失方向。经过几年的时间，在大多是混乱的跌跌撞撞中，我们最终取得了大部分重大发现。最初作为无监督情感神经元论文的项目演变成了GPT-1，然后最终变成了GPT系列产品。正是由于Scaling Law方面的研究不仅给了我们购买算力的信心，更让我们对如何扩展模型有了理解，这一切才得以成型，并且还有很多其他的因素。在这个过程中我们学到了一些经验，比如刚才提到的排行榜机制确实有效，我们也学到了为了打动研究人员极度想要惊艳的一位知名人士，外部演示具有令人难以置信的威力。接着我们也学到了很多行不通的事情，比如设定虚假的最后期限。
| 文章来源：数字开物
• END •
【专栏】精品再读
热门跟贴