近日,OpenAI首席经济学家Ronnie Chatterji做客Possible播客,本次对话围绕AI对经济的实际影响展开,深入探讨了OpenAI首席经济学家这一职位的定位、未来12到18个月AI Agent在企业中的普及与工作边界的变化、AI在不同部门与国家之间的采用差异、AI对创业与小企业的影响、生产力数据与通胀的走向、2031年教育医疗领域的就业增长、地缘经济学对AI模型出口的影响,以及OpenAI经济研究如何建立学术公信力等话题。
Ronnie Chatterji认为,AI已经通过资本支出渠道体现在GDP中,但要在生产力统计中明确归因于AI还需要一点时间,更显著的体现将出现在未来12到18个月。他同时指出,用10%的经济增长率或失业率短期内飙升至三倍来描绘AI的冲击,偏离了合理的认知基准,即便宏观增长率只提升一两个百分点,也已是变革性的。
Ronnie Chatterji还表示,AI带来的变化首先发生在“表面之下”:员工正在跨越原有的岗位边界,去做以前未曾涉足的事情。在OpenAI内部,非技术部门比研究与工程团队晚四到五个月才全面Agent化,法务与人力资源等涉及大量结构化数据和流程的职能,是值得关注的先行领域。
展望2031年,Ronnie Chatterji预计教育与医疗将成为就业增长的主要引擎,最大的悬念在于这些岗位的薪酬能否提升。他还强调,经济效益与国家安全已不可分割,OpenAI的经济研究选择聚焦当下的扎实数据而非长远预测,并通过公开数据、同行评审、资助外部研究和跨党派顾问来维护学术公信力。
01 首席经济学家的团队构成
Ronnie Chatterji回忆,OpenAI最初联系他,是围绕《芯片法案》展开讨论,双方就半导体及其在AI中的作用聊了很久,对话对象也换了几次,最终话题聚焦到公司需要一位首席经济学家。他的职业经历一直在学术界与公共政策之间切换,不确定自己是否愿意在企业内部工作,于是提议帮对方起草一份职位描述。当OpenAI拿着这份职位描述回来找他时,他意识到自己有机会真正按照自己的想法塑造这个职位。考虑到AI的前景及其对经济的影响,他认为这是一个不容错过的机会。
职位设定在此后不断调整,那份职位描述大概已经变了六次,但有两点判断始终没变。一是他想做对人类有益的研究,为公众提供关于AI的准确信息。这个职位备受瞩目,人们会密切关注所发布的内容,因此有责任确保外界获得关于AI经济影响的正确信息。二是需要组建一支团队,既要有拥有博士学位和数据科学背景的人才,也要有懂得在组织内部推动事情落地的人。他深知跨部门协作推进事情有多么困难,因此想聘用具备MBA背景、真正推动过项目落地的人,最终建立起由项目经理、数据科学家和经济学家组成的多元化团队,在他看来,这种组合是必不可少的。
科技公司设立首席经济学家的传统,大约始于本世纪初。Ronnie Chatterji提到,曾在伯克利任教的Hal Varian决定加入谷歌时,他们还在使用其编写的教材。当时学术泰斗去科技公司任职极其罕见,在学界引发了巨大轰动,也让人意识到一个新时代开启了,此后越来越多的经济学家陆续加入科技巨头。
至于前沿实验室为何同样需要这一职位,他给出了两方面理由。其一,实验室拥有海量数据需要被解读,日常工作中最重要的部分就是对外输出数据和洞察,帮助商务部、英格兰银行等机构理解当下正在发生的行业变革。除全球极少数机构外,OpenAI在消费端拥有世界上关于AI应用最丰富、最优质的数据,因此以客观中立、不带预设立场的方式梳理并发布这些数据,是一项重大责任。公司虽有顶尖的数据科学团队,但数据科学家通常更聚焦产品层面的决策、赋能企业用户,同时仍需要经济学家跳出实验室的局限,审视更宏大的社会经济格局。
其二,公司正在Agent经济中创造全新的经济参与者。他设想,下一代职场人要管理的AI Agent数量很可能超过真实的人类同事,这些Agent的行为模式如何、会催生出何种经济组织形态、又该依靠什么样的激励机制来规范其运作,都是经济学家有丰富经验可以回答的问题。海量数据资源,加上把经典经济学理论与推理框架应用于全新的Agent经济,构成了前沿实验室配置首席经济学家的核心理由。
02 未来一年Agent革命、工作边界的变化与被夸大的预期
谈到未来12到18个月的经济变化,Ronnie Chatterji预计有三件事将会发生,且已初露端倪。
第一件事是AI Agent革命将席卷企业界。在他看来,我们仍处于Agent革命的早期阶段,在旧金山说“早期”或许令人意外,但对世界其他地区而言确实刚刚起步。观察正在使用AI的公司会发现,即便是启用了连接器(即把AI连接到现有软件应用程序的功能)的公司,占比依然相对较小,这是一个巨大的突破口。当AI没有连接到电脑、只是一个简单的问答机器时,就无法充分发挥其潜力。他预计更多公司将采用这项技术,并在全球范围内大规模普及。
第二件事发生在就业市场。尽管AI能力已大幅提升,就业市场并没有像人们预期的那样发生剧变,真正改变的是表面之下的工作内容。观察人们在工作中的实际行动可以发现,很大一部分工作已超出原本的岗位描述:财务专业人士可能同时在做市场营销或人力资源管理,从事企业传播的人现在也能进行数据分析。人们正在跨越原有的岗位边界,去做以前未曾涉足的事情,随着企业内部越来越多的人掌握AI Agent的能力,这种趋势还会加速。
第三件事涉及生产力统计。Ronnie Chatterji认为AI将开始在生产力统计数据中得到更显著的体现,他指出,AI已经通过资本支出渠道体现在GDP中,但尽管硬件投资规模庞大,经济学家真正关注的是生产力,预计未来12到18个月就会看到这一变化。
至于当前公众讨论中的噪音,他首先点出的是增长数据。非经济学领域的人在思考增长数据时,往往引用极其夸张的数字。他曾在几个重大历史时刻在政府任职,深知10%的经济增长率是非常非常高的。人们容易说,看看历史上的经济增长率再乘以五倍就是了,但即便宏观增长率只提升一个百分点,也将是变革性的,提升两个百分点则每个人都会有切身感受,因此,认为未来几年能实现10%的增长,可能偏离了正确的认知基准。
就业方面的预期同样被放大。在他看来,失业率哪怕上升0.5到1个百分点,都会引发极其严肃的社会讨论,不会悄无声息地发生,至于失业率在短时间内增至三倍的设想,则相对不太可能。他回顾,新冠疫情期间自己在政府工作,从2020年初到三四月份失业率增加了两倍,这已相当戏剧性,也正是失业率飙升至三倍所面临的极端情况。如果要断言AI在未来12到18个月内也会引发同样的局面,那么对方所依据的经济模型,与他的截然不同。
03 AI落地的情况
在最快采用AI的部门上,Ronnie Chatterji看好法务和人力资源,认为这是两个不应被忽视的部门。他在OpenAI内部观察到,尽管公司的律师可能是经过筛选的特殊样本,但他们利用AI改进工作流程的能力令他很感兴趣,应用速度与他见过的任何团队一样快。
企业内部的采用节奏,他用OpenAI自身举例。2025年11月,旧金山各个群聊都在热烈讨论,每个人都在分享各种令人惊叹的事情,但直到2026年4月或5月,OpenAI的其他部门才变得像研究和技术团队一样深度Agent化。回顾2025年底,几乎所有研究和工程人员已在全部工作中使用Agent技术,而他自己作为经济学家属于非技术劳动力,尽管有诸多教育背景、学位和数据分析能力,仍被归为非技术人员,直到2026年4月或5月才算完全实现Agent化。这说明组织内非技术部门与技术部门之间大约存在四到五个月的滞后。他强调,并不是每家公司都像OpenAI,但法务、人力资源这类涉及大量结构化数据和流程的职能部门,是他会密切关注的领域。
企业之间的差距也在拉开。Ronnie Chatterji指出,当前阶段企业在AI采用上存在严重的不均衡:部分企业正全力发挥内部超级用户的潜力,另一些被称为中位数采用者的企业距离这一阶段还相差甚远。这种差距正日益扩大,且对AI如何转化为经济成果具有重大影响。
放眼不同国家,他环游世界与各地企业和民众探讨AI,发现人们的观点差异很大。日本、韩国等东亚国家对AI及其改造经济的能力充满乐观,这源于过往在技术领域的成功、与欧美不同的人口结构,以及许多企业已经从中获益,从韩国由SK海力士和三星支撑的芯片供应链便可见一斑。这些地区有大量企业在重度使用AI,且因为已经采用了其他技术,得以顺势引入AI、进一步逼近技术前沿。而在另一些国家,更多是消费者在运用AI的价值,企业端相对滞后,但在他看来这只是时间问题,与过去许多技术的扩散模式高度一致。
在积极的意外上,他首先提到印度尼西亚和巴西,两国的使用率比预期高得多,OpenAI接下来也会发布相关数据。他认为这很大程度上要归结于人口年轻化,其影响不亚于教育和收入水平,18到25岁的年轻人在高频使用AI,是全球通用的模式。以雅加达为例,当地关于AI的讨论与旧金山几乎同频,学生借助AI快速获取灵感、掌握技能并完成任务,与旧金山的同龄人如出一辙,中间没有任何滞后感。
印度是另一个例子,尽管如今不少人已不觉得意外。Ronnie Chatterji说,去印度参加AI峰会时,看到众多公司围绕AI开展业务依然令人震撼,大型企业集团的AI战略同样引人瞩目。他强调,虽然会涌现大量初创企业,但传统巨头也已认清局势,深谙商学院的商业案例,不想成为被淘汰的恐龙,正全力确保自己能用上AI。
消极的意外则集中在采用障碍更多的地区。目前的欧洲正陷入挣扎:既在思考如何在企业中高效发挥AI的生产力,也在思考如何在全球化又伴随全球格局变化的经济体中,维持对关键技术栈核心环节的控制。从德拉吉备忘录等文件可以看出欧洲内部的激烈辩论,不过他认为,将其视为欧洲针对AI在企业和社会中扮演何种角色所进行的一场真正积极的辩论,更为贴切。
04 AI对创业成本的影响
AI对创业成本的影响,是Ronnie Chatterji熟悉的领域,他的学术生涯正是从研究创业起步,学位论文也以此为题。当时创业还不是主流研究话题,但他觉得它与现实息息相关,多年后,他发现AI已经成为创业过程和新公司组建的又一个加速器。
失败的价值是他着重谈到的一点。最初研究创业时,他总以为最终目标不是零就是一,即成功打造一家公司,但与真正走过这段旅程的人交谈会发现,有时失败恰恰是学到最多东西的地方,也可能是创立下一家伟大公司的前奏。对许多人而言,创业经历让他们意识到自己更适合为别人工作,大多数人更适合做团队成员或联合创始人,而不是牵头创始人。因此在创业过程中,越快得到结果越好,AI的巨大优势之一,就是帮助人们更快走完这个流程,这意味着会有更多失败,但同样会孕育出更多有益的成功。
单人创业同样能被AI赋能。数据显示,在部分地区,人们可能很难接触到联合创始人,或者很难招募到首席营销官,对这些人来说,现在可以更快起步,通过AI借用一位专家、学习以前无法接触到的知识,这将是一股巨大的平权力量。在他看来,它会让一部分人更快地扩大规模,也会让另一部分人意识到需要把时间花在别的事情上,两种情况都行得通。
这种模式是否已在实际增长,他的回答是肯定的。在一些地区,人们可能无法轻易获得风险投资,想实现从0到1非常困难,如今启动速度变快了。OpenAI六个月前发布的一份报告显示,可能有400万用户在创业过程的某个环节使用了ChatGPT,可见这一现象相当普遍。
在他看来,关键在于头脑风暴与构思,以及如何从第一步迈向下一步。他很久以前写过一篇关于创业过程的论文,指出最常见的失败原因仅仅是向别人讲述自己的想法并获取反馈这一步,听起来不可思议,却是大多数人面临的现实。如今可以克服这种摩擦,直接问AI对想法的看法并获得建设性反馈,这正是AI真正能发挥重大作用的地方。
已在运营的小型企业同样受益,可以借助AI优化产品组合或人力资源策略。比如餐厅可以弄清楚菜单上应该有哪些菜品、哪些卖得最好、选址是否合适,这些事情以前可能雇不起顾问来做,现在有了AI的赋能。Ronnie Chatterji认为,AI对创业的补充和辅助作用非常重要,也将成为经济收益的重要组成部分。
05 AI是否已体现在生产力数据中
谈到AI是否已体现在生产力数据中,Ronnie Chatterji表示,AI已经反映在GDP中,应当客观承认这一点。从资本支出看,GDP增长中有40个基点到1个百分点可以归因于AI基础设施投资,意义重大,一直在为宏观经济提供强劲的推动力。
下一步是转化为生产力,也就是经济学家所说的全要素生产率。他看过Jason Furman引用的一些数据,与AI效应在生产力统计中的显现是一致的,但目前还不能完全确信这就是AI带来的,仍需做更多工作来验证,而这类验证往往只能在事情发生之后进行。他以1995年那次著名的美联储会议为例:格林斯潘确信已经看到技术带来的生产力提升,耶伦作为令人敬佩的经济学家,当时表示在数据中还没有看到,但最终结果是,会后相关数据预测被大幅上调。
基于这段历史,他判断我们可能正处于那个关键时刻的开端,不过对他而言,要在数据中明确看到并将其归因于AI,还需要一点时间。他对市场和激励机制有足够信心:企业领导者们正在加倍投入、在整个组织中推广这项技术,一定看到了回报,这将转化为实际的生产力。这不会在所有公司同时发生,也不会在全球每个角落同步进行,他借用William Gibson的那句话说,未来已来,只是分布不均。
资本支出繁荣推高需求和通胀,而未来的生产力提升有望拉低通胀,这场拉锯会如何演变?Ronnie Chatterji说,经济学家总是喜欢看这种博弈。通胀的成因是多维度的,今天推高通胀的因素,包括全球局势、食品杂货价格,以及一些与AI毫无关系的变量。与AI相关的部分则需要审视硬件供应链,比如DRAM内存的价格,过去一年里飙升幅度非常惊人。他认为由供应链瓶颈引发的通胀只占很小一部分,随着基础设施扩建、供给增加,这部分通胀假以时日将会消退,当然在一定程度上也取决于价值链各环节企业的竞争策略。
从长期走向看,他预计最终胜出的是AI压低许多商品和服务价格的力量。两年内可能还无法看到显著变化,但长远来看,这种通缩效应会变得非常巨大。他提到,在旧金山人们称之为杰文斯悖论,而他只把它叫做向下倾斜的需求曲线:当降低完成某件事的成本时,只要弹性达到一定水平,人们的需求就会增加。借助AI可以看到许多市场的规模扩张,目前就已显现这种趋势。
06 2031年的经济图景:增长、教育医疗的就业与娱乐业
设想AI持续兑现价值、直接来到2031年,Ronnie Chatterji认为,从采用模式看,像美国这样在采用率上领跑的国家,如果这一愿景成真,将从AI中获取最大红利,历史会以可能更大的规模重演IT革命关键时期的情形。他提到斯坦福大学经济学家Nick Bloom、John Van Reenen和Raffaella Sadun那篇著名论文,深度剖析了当时美英两国企业的IT采用情况:美国企业的采用率更高,并具备互补的管理实践,借此获得了更高的生产力,这种生产力红利极大地推动了美国经济增长。如果AI的回报如预期,2031年也会看到同样的景象:美国企业全面采用AI并将其推向全球,美国的经济增长率提升,若能在稳态下额外获得1%到2%,甚至3%到4%的增长率,将是极具历史意义的。
就业结构上,教育和医疗保健领域将迎来大规模增长。在他的判断里,社会愈发富裕时,人们通常倾向于在教育和医疗上投入更多资源,当收获来自AI的巨大红利后,真正重要的事物和优先事项便会突显出来,照顾他人和教育下一代就是其中极重要的一环。他还提到,将技术引入这些领域时,通常也会随之增加大量人手,这是过往教育技术和医疗保健技术发展留下的历史规律。
人们的偏好也指向同一个方向。如果要在用机器人代替幼儿园老师,或者缩小班级规模、安排两位老师教原来一半学生之间做选择,大家绝对更愿意多雇一些老师,大多数美国人对医生、护士和其他护理人员也会做出同样的选择,因此这些行业会涌现多得多的就业机会。至于薪酬,最大的悬念是能否提升这些岗位的待遇:教育和医疗约占美国工作岗位的七分之一,如果把经济重心转移到这些领域,而新岗位的薪酬不及人们之前的收入,就缺乏实际收益。这些岗位的待遇必须得到改善和重赏,实现这一目标有很多实施路径。
娱乐业则是另一个可能的就业引擎。Ronnie Chatterji说,现在有很多孩子梦想长大后成为网红,经济学家喜欢剖析所有新出现的职位头衔,以前大家总在讨论网络安全专家,现在可能就是网红了。娱乐业会迎来爆发,比如那些出色的播客创作者,过去甚至没有专门的词汇来定义他们。利用AI和其他工具提供娱乐的新兴品类大有可为,内容可以在YouTube等平台上分发,也可能衍生出我们从未设想过的全新媒介来创作视频和艺术。
07 护理经济的资金来源与Agent平台
大量增加教师、医生、护士等岗位,资金从哪里来、由谁买单?Ronnie Chatterji的回答是,如果AI能如预期带来丰厚回报,就会有充足的资金去实现。部分解决方案可能涉及重塑对劳动力和资本征税的方式:只要理顺经济机制和激励政策,并建立起合理的政府疏导渠道,就能把AI创造的生产力红利精准导入这些重要领域,如果没做好,就需要建立更完善的机构去保障,这本身也是公共管理的重要职责。他指出,纵观历史,人们非常愿意在教育和医疗上投入资金,大家可能在投入规模和效率上存在分歧,但总体上一直在向这两个领域倾注大量资源,如果实现了生产力的大幅跃升,这种投入必定会延续。这可能需要改革税收制度和资金分配机制,但如果AI无法产生这些红利,连做这件事的底气都没有,而在AI大获成功的世界里,完全有充裕的资金投资教育和医疗。
当人人都让AI Agent代办申请、争夺稀缺资源时,系统会不会被挤爆?Ronnie Chatterji用餐厅预订打了个比方:如果所有人都让自己的AI Agent去预订同一家热门餐厅,而餐厅只有一部电话,电话就会被打爆,所以餐厅本身也需要一个Agent平台,这就需要在供需两端都有能够互相沟通的平台。如果在人人都在申请名额或争夺稀缺资源的未来,整个过程由一套遵循既定规则的Agent平台居中协调,就能看到巨大的福利收益。许多经济学家正致力于此,在他看来,这是AI最令人兴奋但也最容易被忽视的潜力之一。
他同时提醒,人们总是担忧AI会削弱人类专家的权威,但这往往忽略了AI作为“首诊”节点的场景:对很多人而言,如果方圆一百英里内连一位行为健康专家都没有,他们原本就处于服务盲区,此时AI作为一个可以倾听交谈的初始节点就极其有价值。他不否认AI在很多时候也会对专业知识体系造成冲击,需要在市场和公共政策层面防患于未然,但在许多地方人们从一开始就面临资源断层,这些正是即将见证的变革,也将转化为一条巨大的生产力渠道。
08 AI模型出口与贸易取舍
经济政策的主导部门已经发生了变化。Ronnie Chatterji回顾,职业生涯早期,很多经济政策相关的工作由财政部和白宫主导,但审视过去十年,商务部已成为该领域的核心参与者,甚至可以说是最重要的主导者,如果问题涉及企业、AI技术采用和中小企业,商务部绝对是关键部门。
在未来五年出口本土AI模型究竟是做大经济蛋糕还是导致技术优势外流的问题上,他引入了“经济学101”与“经济学102”的框架。经济学101教导人们,哪里成本最低且最具规模效应,就在哪里生产,这也是全球半导体制造中心最终高度集中在海外特定地区的原因;经济学102则指出,当生产高度集中在某一个地理区域时会产生外部性,尤其是该地区处于地缘政治敏感地带时,这种外部性不仅体现在环境和可持续发展层面,更会直接牵涉国家安全。因此,决策时必须带着经济学102的视角,充分考量这些外部性及其对国家竞争力的影响。
由此他得出的判断是,获取AI模型无疑将在全球范围内扮演重要角色,但在前沿能力以及网络安全等关键领域,各国出于国家利益考量,势必会对这些能力的输出与分配极为谨慎,因为大国间的力量制衡与国家安全恰恰维系在这些核心技术之上。经济效益和国家安全实际上不可分割,必须共同构成经济政策制定者的重要考量工具。
这也是他第二次在政府任职期间学到的重要一课。第一次任职时他主要负责经济事务,几乎完全不与国家安全或国防部门的人打交道,但到了第二次任职,几乎所有工作都变成了地缘经济学,即处于国家安全与传统经济政策交叉地带的经济学,这是一个颠覆性的巨变,他们这一代经济学者根本没有受过这种训练。他回忆,读研究生第一天向教授请教产业政策时,有人对他说那是欧洲人才搞的东西,在美国不需要关注,但重返政府部门时,却在绞尽脑汁思考如何在美国本土重建一个充满活力的半导体制造业。他相信这种政策视角的转变将超越任何一届政府的任期,未来在AI、量子计算、能源、合成生物学等众多领域都会面临同样的问题,这不仅改变了经济学的研究范式,也彻底重塑了以往的政策制定方式。
针对保护本国民众与维持市场开放之间的取舍,Ronnie Chatterji指出,如今许多深科技市场的演变与互联网时代截然不同,但人们对此认识还不够深刻。过去大家习惯直接用全球人口估算总潜在市场,而当世界不同地区形成各自独立的技术栈时,总潜在市场的计算方式将完全不同。以量子计算与互联网对比,当年大家大力推动全球更多人接入互联网,但量子计算最核心的问题是谁能率先突破、谁的技术最强,这种底层逻辑将改变这些技术的总潜在市场规模,并随之重塑科技公司的战略走向,在量子计算和AI领域都能清晰看到这种趋势。
很多人观察政府与企业的互动时,会觉得与以前的做法完全不同,在他看来原因很简单:技术本身的性质变了。相比早期消费级科技产品,深科技天生与国家安全有着极强的绑定关系,这意味着政府必须扮演截然不同的角色,也意味着要在保护国家安全与拥抱更广阔市场之间做出权衡。不同的决策者和企业会向不同方向施力,但如果这种权衡在未来多届政府中演变为一种普遍共识,他也不会感到惊讶。
09 学术合作与公信力:外部研究、公开数据
OpenAI内部视角与学术象牙塔有何不同,身份又会给公信力带来什么挑战?Ronnie Chatterji坦言,决定接受这份工作时他反复权衡过。因为曾深耕政府部门,他知道加入私营企业后视角会发生转变,这也是他研究生毕业以来第一次全职加入一家商业机构,上任后他立刻意识到必须推动与外部学者的广泛合作。
推动外部合作有两个原因。第一,学术界能看到很多视野之外的维度,如果在合规且安全的治理框架下为他们提供一个观察业务进展的窗口,他们敏锐的学术洞察反过来也会带来极大的启发。毕竟不可能在自己的团队里配齐所有领域的专家,不可能同时拥有顶级理论家或宏观经济学家等所有细分领域的人才,因此向外借力、与学界合作尤为关键。第二,需要公开发表研究成果。经济学家之间的沟通方式是通过工作论文和学术期刊,听起来或许有些老套,但如果想真正影响经济学界对AI趋势的认知,就必须撰写这些论文。尽管发表周期极其漫长、同行评审过程也非常严苛,但这恰恰是最重要的一环,因为论文一旦正式发表,就能构建起一套新的知识体系,深度影响整个经济学界的思考范式。他举例称,最近一篇刚发出的工作论文,不到一年的时间里引用量已达850次,这意味着有850位学者认为研究有价值并在此基础上展开了进一步探索,如果能持续输出高质量研究并促成发表,将产生更广泛的影响力。
公信力是一个一直存在的巨大挑战,他承认,在商业利益与学术中立之间保持平衡绝非易事。为打消外界疑虑,团队重点推进了三项举措。首先,除与外部学者合作之外,尽可能多地公开底层数据,并向学界表明,如果想跑回归分析或做深入验证,这些数据都开放使用,以此建立透明度。其次,学术期刊有严苛的同行评审机制,如果论文最终能被顶级期刊收录,大众自然会认为至少在OpenAI之外的学术界也有人认可这项研究的严谨性。最后,要播撒学术的种子、支持其他学者的独立研究,而不是大包大揽。为此,OpenAI设立了名为Exchange的项目,截至目前已经资助了14支不同的研究团队,他们使用提供的数据开展研究,在学术倾向上完全独立于OpenAI。
OpenAI邀请Jason Furman和Michael Strain等代表不同政治派别的经济学家加入顾问团队,背后的考量是兼收并蓄。Ronnie Chatterji指出,在经济学界,即便政治立场迥异的学者,在高达85%的经济学基本盘上也能达成共识,只是在一些前沿领域观点的碰撞会非常激烈,因此确保社会各界都能在OpenAI的专家团队中找到代表自身立场的发声者就显得尤为重要。未来每天将有数以十亿计的用户向AI寻求关于个人理财、政治时事乃至人际关系的建议,打造这样一套深刻影响人类信息获取的系统,公众自然有强烈诉求要求系统保持中立客观,输出内容必须基于严谨的论据。不同人群对此的判定标准往往截然不同,邀请不同派别的权威学者担任顾问,能够更坦诚地与各个群体建立深厚信任。
信任的构建也不能仅限于高层顾问的背书。他强调必须亲自走向大众、与真实的群体对话,通过直观的演示向他们说明,输入相应的提示词,AI就会生成对应的结果。团队在国内为此走访了许多州,举办了大量研讨会和实践训练营,他说自己过去在讲台上是传道授业的老师,但在AI飞速发展的今天,走访中反而成了不断汲取新知的学生。无论在哪个行业还是过去在公共服务部门的经验中,他都深刻体会到,面对面的真诚沟通是化解偏见和敌对情绪的最佳良药,如果只沉浸在社交网络上与人唇枪舌剑,就容易忽略一个基本事实:当真正站在对方面前以诚相待时,人们很难再恶语相向。
被问及最期待哪位经济学家来审视OpenAI的数据时,他点名Daron Acemoglu教授,认为其目前针对AI提出的诸多批判性观点极具价值。有些人可能会觉得这种批评构成威胁,他的态度却截然相反,认为这恰恰是查漏补缺、不断进化的动力源泉。他从Acemoglu撰写的多部学界巨著中获益匪浅,非常渴望把底层数据毫无保留地分享给他,两人私下也有过交流,他很好奇Acemoglu梳理完这些数据后是否会得出与OpenAI完全一致的结论。他预计对方在对长远未来趋势的解读上或许仍会存在分歧,但在通过扎实数据进行严谨论证这件事上,Acemoglu是最理想的学术切磋对象,若要选出一位当代学者来深度校验数据,他无疑是首选。
研究方向上,Ronnie Chatterji的团队选择聚焦当下人们和企业如何实际应用AI。他回忆,刚开始组建团队时必须明确优先级,这其实是个极具挑战的过程,最初面对众多方向时他也想面面俱到,但OpenAI里经验丰富的同事极力劝导要做出取舍,因此团队决定只专注做好几件核心任务,把重心押注在当下和扎实的数据上,而不是勾勒遥不可及的长远预测。
这一选择很大程度上源于他在政府任职的经历。他曾坐在决策者的位置上,深知若初衷是为政府官员和企业高管提供真正能落地的决策依据,那么提供当下最真实的现状数据才最迫切,他们现在恰恰最缺这类实打实的数据。这远比长远预测实在,因为长远预测可能每隔半年就被推翻并不断推迟落地时间,所以聚焦当下是更务实也更具价值的策略。
代价同样存在。发布研究成果时,外界可能会觉得结论并不新奇,但在此之前并没有确凿的数据支撑这种直觉,因此基于严谨数据的实证研究才是最有力的底气。在瞬息万变的时代对未来做出准确预测极其困难,长远预测固然能拓宽公众认知边界、激发人们思考前所未有的问题,但也极易制造噪音,反而干扰企业和政府领导者的实质性决策。回顾向政策制定者输送过的所有研究成果,他发现得到最积极反馈的往往都是非常落地的内容,比如用数据清晰展示AI当下究竟如何影响就业市场,因为无论是施政重心还是研究使命,都在于解决当下的实际问题,这也意味着必然要舍弃一些对长远未来的预测。
与全球数字基础设施建设者同行
第二十一届中国IDC产业年度大典(IDCC2026)暨数字基础设施科技展(DITExpo 2026)将于12月10日到11日在北京首钢会展中心1号馆(四高炉)举办,期间将同步召开包括第二十一届中国IDC产业年度大典(IDCC2026)主论坛、2026全球数字基础设施合作发展论坛(DIFGC2026 BEIJING)、2026算力产业生态高质量发展大会暨Token工厂生态合作大会、2026中国IDC产业年度评选、AI Factory产业链投融资闭门论坛、DIF Match交易配对会(Matchmaking Session)、GW级智算集群建设与运营论坛、中国智算中心算电协同论坛、中国智算液冷产业发展论坛暨COOL-AIDC论坛、AIDC能源基础设施论坛、国产超节点产业创新论坛、“物理AI·底座重构”产业创投论坛、智能体创新应用发展论坛、WODI数字基础设施青年女性论坛、“东数西算”市长闭门会、IDC圈企业俱乐部年度盛典、企业俱乐部iTalk演说家、Shougang Galaxy Night首钢星际之夜国际合作酒会、科华数据专场、西门子专场、伊顿电源专场等在内超过50场重磅主题活动。
大会将全面聚焦Agent、大模型、多模态大模型、token工厂、AI工厂、GPU集群、超节点、存储、网络、表后发电、高密度液冷、SST、800V、绿电直供、虚拟电厂、微电网、PPA、GW级、NeoCloud、光互连、预制化、模块化、储能、Token出海、太空算力、海底数据中心等算力产业核心热点议题,共探AI时代IDC产业价值链重构。
同期还将举办数字基础设施科技展(DITExpo 2026)共同见证算力产业全景生态。DITExpo 2026采用“双馆八区”全新展区架构,覆盖从能源底座到算力核心、从AI应用到产融协同的完整产业链,现场举办多场重磅活动,包括Token采购团、算力Supernova TOP30、Token Ocean供需墙等。与此同时,12月10日-16日还将举办全球AI基础设施中国周Global AI Infrastructure Tour(GAIT)·China2026等活动。
第二十一届中国IDC产业年度大典(IDCC2026)暨数字基础设施科技展(DITExpo 2026)将汇聚10000+全球算力产业链优秀企业及同行者,全面聚焦产业热点议题,全力深化资源对接合作,七天同期联动,精彩不容错过,诚邀各界关注并报名参与!
| 文章来源:数字开物
• END•
【专栏】精品再读
热门跟贴