深度｜对话Sam Altman：企业级市场是OpenAI 26年重点发力方向，25年B端业务增长已超过C端增长

深度｜对话Sam Altman：企业级市场是OpenAI 26年重点发力方向，25年B端业务增长已超过C端增长 深度｜对话Sam Altman：企业级市场是OpenAI 26年重点发力方向，25年B端业务增长已超过C端增长 Modified January 5 你知道，从一年前到现在，我们大概把 compute 翻了三倍。明年我们希望再翻三倍，希望之后还能再翻三倍。营收 的增长甚至会比这稍微快一点，但它大体上是跟着我们的 compute fleet 走的。所以我们到目前为止还从未遇到一种情况：我们无法把拥有的 compute 很好地资产化。我觉得如果我们现在有双倍的 compute ，我们现在就会有双倍的营收。 企业对基础设施的需求与债权融资 Alex Kantrowitz ： 好，既然你提到了数字，我们就聊数字。收入在增长， Compute 支出也在增长，但 compute 支出仍然超过收入的增长速度。我看到有报道说： OpenAI 从现在到 2028 、 2029 之间可能会亏损大约 120billion ，然后那时你们会实现盈利。那你讲讲，这个怎么变化？拐点在哪里？ Sam Altman ： 我的意思是：随着收入增长、以及推理在整个 fleet 里占比越来越大，它最终会吞没训练的支出。这就是计划： 训练花很多钱，但收入会越来越多。 如果我们不是继续把训练的开支提升得这么快，我们会早得多、早得多就盈利。但我们正在下注的是：非常激进地投资去训练这些大模型。 Alex Kantrowitz ： 全世界都在想：你们的收入怎么和投入对齐。有人问过：如果今年的轨迹是做到 $20billion 收入，而你们的投入承诺是 1.4trillion ，那我觉得，最好能把这件事讲清楚。 Sam Altman ： 再强调一次，是在非常长的时间跨度里。对。 Alex Kantrowitz ： 这也是我想把它直接拿出来问你的原因。我觉得最好能一次把它讲清楚：这些数字到底会怎么运转。 Sam Altman ： 我发现有一件事：我当然做不到，而且我认识的几乎没有几个人能做到。你可以在脑子里对很多数学问题有很好的直觉，但对指数增长，人们通常很难快速、准确地建立一个心算框架。不知道为什么，进化让我们需要在脑子里做好很多数学直觉，但 “ 建模指数增长 ” 似乎不在其中。 所以我们相信的是：我们能在很长一段时间里保持收入的陡峭增长曲线，而我们现在看到的一切也持续表明这一点。前提是我们必须有 compute ；没有 compute ，我们做不到。我们现在被 compute 严重限制，它对收入线的影响非常大。所以我认为，如果有一天我们出现大量闲置 compute ，并且无法在 “ 每单位 compute 的盈利基础上 ” 把它资产化，那时候你说 “ 这到底怎么运转？ ” 会非常合理。 但我们已经用很多不同方式把账算过了。当然，随着我们在降低 compute 成本方面做的工作逐渐落地，我们也会在赚钱上变得更高效。同时我们看到了消费者增长，看到了企业增长，还有一堆我们甚至还没发布、但未来会发布的新型业务。但 compute 真的是支撑这一切的 “ 生命线 ” 。所以这一路上会有一些 check points ；如果我们在时间点或数学上有点算错，我们也有一定的灵活性。 但我们一直处在 compute 赤字阶段。它一直限制着我们能做什么。我不幸地认为这可能永远都会存在，但我希望它不那么严重，并且我希望随着时间推移让它变得没那么严重，因为我认为我们能交付很多很棒的产品和服务，而且这会是一个很棒的生意。 Alex Kantrowitz ： 所以本质上是：训练支出会下降。 Sam Altman ： 作为比例会下降，但总量会继续上升。 Alex Kantrowitz ： 然后你的预期是，通过企业推动、通过人们愿意为 ChatGPT 付费、通过 API ， OpenAI 能把收入增长到足够高，从而用收入覆盖这些投入。 Sam Altman ： 对，这就是计划。 Alex Kantrowitz ： 我觉得最近市场有点 “ 失控 ” 。我认为真正吓到市场的一点是： debt 进入了这个等式。关于 debt 的常见逻辑是：当某件事可预测时你才会去借债。然后公司借钱、建设，然后获得可预测的收入。但这是一个全新品类，它是不可预测的。你怎么看 debt 进入这件事？ Sam Altman ： 首先我认为，市场更 “ 失控 ” 的时候其实是今年早些时候：我们去见某家公司，然后那家公司股价第二天就涨 20% 或 15% 。 Alex Kantrowitz ： 那太离谱了。 Sam Altman ： 那种状态非常不健康。我其实很高兴现在市场多了一点怀疑和理性，因为在我看来，当时我们正朝着一个非常不稳定的泡沫走去。而现在，我觉得大家开始有一定程度的纪律性。 所以我反而觉得：之前是疯狂，现在更理性。至于 debt ，我认为我们某种程度上知道：如果我们建设基础设施 —— 我们这个行业 —— 总会有人从中获得价值。虽然现在仍然非常早期。我同意你说的 “ 早期 ” ，但我不觉得还有人会质疑 AI infrastructure 不会产生价值。所以我认为 debt 进入这个市场是合理的。 我也认为还会出现其他类型的金融工具。我猜人们在创新如何为这些事情融资时，也会出现一些不太合理的工具。 但借钱给公司去建数据中心，这在我看来没问题。 Alex Kantrowitz ： 我觉得担忧在于：如果发展速度跟不上，比如有一种情景 —— 你可能不同意 —— 模型进步趋于饱和，那么这些基础设施的价值就会低于预期。然后是的，这些数据中心仍然对某些人有价值，但也可能被清算，然后被别人打折买走。对吧。 Sam Altman ： 顺带说一句，我确实怀疑这一路上会有一些繁荣与萧条。这些事情从来都不是一条完全平滑的线。 首先，对我来说非常清楚的一点是 —— 而且我愿意拿公司去押注这件事 —— 模型会变得好得多、好得多。我们对这一点有相当好的 “ 视窗 ” ，我们非常有信心。即便它们不再继续变强，我也认为世界具有很强的惯性。人们适应新事物需要时间。 我相信 5.2 所代表的经济价值，相比这个世界到目前为止 “ 学会如何从中榨取的价值 ” ，差距巨大到一种程度：即便你把模型冻结在 5.2 上不再进步，你还能创造多少新增价值、从而推动多少收入？我赌会非常多。 事实上，你没问这个，但我想稍微 rant 一下：我们以前经常谈一个 2x2 的矩阵：短 timelines/ 长 timelines 、慢起飞 / 快起飞；在不同阶段我们觉得概率如何变化；你可以据此理解很多这个世界应该优化的决策与策略 —— 取决于你认为自己会落在那个 2x2 的矩阵的哪个格子里。 但现在在我脑子里，这幅图又多出来一个 z 轴： overhang 小 /overhang 大。我以前大概没认真想过这件事。但回头看，我一定是默认了 overhang 不会那么大： 如果模型里蕴含了很大价值，世界会很快学会怎么部署它、用起来。 但现在在我看来，世界大部分地方的 overhang 会非常巨大。 当然会有一些领域，比如某一批程序员，采用这些工具后会大幅提升生产力。但总体来说，你有一个聪明得离谱的模型，可老实说，大多数人问它的问题，仍然和 GPT 4 时代差不多。科学家在变，不同的程序员在变， knowledge work 可能会变，但总体有一个巨大的 overhang 。而这会给世界带来一堆非常奇怪的后果。我们还没有完全想明白它会如何展开，但这跟我几年前的预期非常不一样。 Alex Kantrowitz ： 我想问你关于这种 capability overhang 的问题。基本上，模型能做的事情远比它们现在被用来做的多。我一直试图理解：为什么模型明明更强，却没有被用起来？而且很多企业在尝试落地时，并没有得到投资回报。 Sam Altman ： 我也不太确定该怎么理解，因为我们又听到很多企业在说：你就算把 GPT 5.2 的价格提高 10 倍，我们也还是会买。你们定价严重偏低，我们从中获得了巨大价值。这听起来和 “ROI 不好 ” 不一致。尤其你去听程序员怎么说，他们会说：这东西我愿意付 100 倍的价格之类。可能只是管理层把事情搞砸了。 假设你相信 GDPVal 的数字 —— 当然你也可能因为很充分的理由而不信，也许它们是错的 —— 但如果它是真的：对于这些定义明确、持续时间不太长的知识类工作， 10 次里有 7 次，你会对 5.2 的输出同样满意或更满意。那你就应该大量使用它。但现实是，人们改变工作流要花非常久。他们太习惯让 junior analyst 去做案头工作之类的事情了，所以 …… 这种习惯的黏性比我想的更强。 说实话，我自己也仍然在用几乎同样的方式运行我的工作流，尽管我知道我本可以比现在更大量地使用 AI 。 快问快答 Alex Kantrowitz ： 我还有四个问题。我们来个 lightning round ，看看能不能快速过一遍。先说你们在做的那个 device 。我听到的说法是：手机大小、没有屏幕。如果它就是一个没有屏幕的 “ 手机 ” ，那为什么不能只是一个 app ？ Sam Altman ： 首先，我们会做一个小的 devices 家族，不会只有一个 device 。 随着时间推移 —— 这不是在 “ 猜测 ” ，所以我也可能最终完全错 —— 但我认为人们使用电脑的方式会逐渐发生转变：从一个 “ 愚钝、被动反应 ” 的东西，变成一个 “ 非常聪明、主动 ” 的东西，它理解你整个人生、你的上下文、你周围发生的一切；它也很了解你身边的人 —— 无论是物理上在你身边，还是通过你正在使用的电脑与你 “ 接近 ” 的那些人。我不认为当前的 devices 很适合那样的世界。 我非常相信：我们是在设备的边界条件下工作。你手里那台电脑，它有一堆设计选择：它可以 open 或 closed ，但它没法做到那种 —— 比如 “ 你专心听这场采访，但设备保持关闭状态；如果我忘了问 Sam 某个问题，你就贴在我耳边小声提醒一下 ”—— 这种模式。也许那会很有用。 而且还有 screen ，这把你限制在几十年来我们一直使用的 GUI 的方式里。还有键盘 —— 它当初被设计出来就是为了降低你输入信息的速度。这些长期以来都是未经质疑的前提，但它们确实有效。然后一个全新的东西出现了，它打开了一个巨大的可能性空间，但我不认为当前 device 的形式是最优匹配。如果它恰好就是最优，那反而会非常奇怪 —— 对于我们现在拥有的这种不可思议的新能力来说。 Alex Kantrowitz ： 天啊，这个我们能聊一小时。但我们先进入下一个： Cloud 。我们之前聊过建 cloud 。这是我们收到的一封听众邮件：在我公司，我们正在从 Azure 迁出，并直接对接 OpenAI ，把它集成到产品里来驱动 AI 体验。重点是把 trillions of tokens 的流量注入到产品栈里，让 AI 体验贯穿整个 stack 。这是不是你们要用这种方式去做一个大的 cloud business ？ Sam Altman ： 首先， trillions of tokens ，确实很多 tokens 。而且如果你问 compute 的需求和我们的 enterprise strategy ：企业已经很明确地告诉我们，他们想从我们这里买多少 tokens 。而且我们会在 2026 年再次无法满足需求。 但整体策略是：大多数公司似乎都希望来找我们这种公司，然后说我想用 AI“ 重塑 / 重命名 ” 我的公司。我需要一个为我公司定制的 API 。我需要为我公司定制的 ChatGPT Enterprise 。我需要一个能跑所有这些 agents 的平台，并且我可以把数据托付给它。我需要把 trillions of tokens 注入到我的产品里。我需要让所有内部流程变得更高效。而我们目前还没有一个很好的 all in one 解决方案给他们。我们想把这个做出来。 Alex Kantrowitz ： 你的野心是把 它做到能和 AWS 、 Azure 并列的那种程度吗？ Sam Altman ： 我觉得它会是和那些不太一样的一类东西。我并没有野心去提供 “ 托管网站所需的所有服务 ” 之类的 —— 我甚至也说不清具体包括什么。但在概念上，是的：我猜人们还会继续有他们的、可以称为 web cloud 的东西。然后我认为会出现另一种东西：公司会说 —— 我需要一个 AI platform ，用于我内部想做的一切、我想对外提供的服务等等。它在某种意义上也运行在物理硬件上，但我认为它会是一套相当不同的产品形态。 Alex Kantrowitz ： 我们快速聊一下 discovery 。你说过一句让我很感兴趣的话：你认为 models—— 或者是人和 models 一起工作 —— 明年会做出一些小的 discoveries ，五年内会有大的 discoveries 。那到底是 models 在做？还是人类在和它们并肩做？你为什么有信心这会发生？ Sam Altman ： 是人们在使用 models 。至于 models 自己能 “ 想出该问什么问题 ” ，那种能力我觉得还更远一些。但如果世界因为新知识而受益，我们应该非常兴奋。我认为人类进步的整个过程一直是：我们造出更好的工具，然后人们用它去做更多的事。 然后在这个过程中，人们又造出更多工具。我们就是靠这种 “ 脚手架 ” 一层一层往上爬：一代又一代，一个 discovery 接一个 discovery 。 而且 “ 问题是由人类提出的 ” ，我认为丝毫不减损工具的价值。 所以我觉得这很棒，我很开心。 在今年年初，我以为这些小 discoveries 会从 2026 年开始。结果它们在 2025 年就开始了 —— 就在 2025 。再强调一次，这些都非常小。我真的不想夸大，但对我来说， “ 有一点点 ” 在质感上就和 “ 完全没有 ” 非常不同。而且三年前我们发布 ChatGPT 的时候，那时的模型是不可能对人类知识总量做出任何新的贡献的。从现在到五年后， “ 走向大的 discoveries” 的这段旅程，我猜大概就是 AI 一贯的爬坡：每个季度变好一点点。然后突然有一天我们会说：哇，被这些 models 增强的人类，正在做一些五年前的人类绝对做不到的事。至于我们把它主要归功于 “ 更聪明的人 ” 还是 “ 更聪明的模型 ” ，只要我们能获得科学发现，我两边都很满意。 Alex Kantrowitz ： 明年 IPO ？我不知道。你想成为 public company 吗？看起来你们可以 private 运作很久。从融资角度来说，你会在 “ 还没必要 ” 之前就去上市吗？ Sam Altman ： 这里面有很多因素。我确实觉得 public markets 能参与价值创造是一件挺酷的事。从某种意义上，如果你把我们和以往任何公司相比，我们会非常晚才去上市。做 private company 很棒。我们需要大量资本。我们迟早会触及各种 shareholder limits 之类的东西。所以我期待当一个 public company CEO 吗？零期待。我期待 OpenAI 成为 public company 吗？某些方面我挺期待；某些方面我觉得会非常烦。 Alex Kantrowitz ： 我很认真听了你上 Theo Vaughn 的那期采访。非常精彩。 Theo 真的很懂。他还引用了 Yoshua Bengio ，他做了功课。你当时说 —— 那是在 GPT 5 发布之前 ——GPT 5 在几乎所有方面都比我们更聪明。我以为那就是 AGI 的定义。那难道不是 AGI 吗？如果不是，那这个词是不是已经有点变得没意义了？ Sam Altman ： 这些模型在 “ 原始算力 ” 意义上，显然是极其聪明的。过去几天有很多说法： GPT 5.2 的 IQ 是 147 、或 144 、或 151—— 不管具体是多少，取决于谁的测试，总之是个很高的数字。你也会看到很多领域专家说：它能做这些惊人的事情，而且它正在贡献价值，让人们更有效率。你看到了 GDPVal ，也看到了我们谈到的各种东西。但有一件事你还没看到： 模型今天不会做某件事时，它能意识到自己不会，然后自己跑去搞清楚该怎么学会、怎么理解；等你第二天回来，它就能把它做对。这种持续学习，连幼儿都能做到。但它在我看来确实是我们需要构建的重要部分。 那么，没有这种能力，你能不能拥有一种大多数人会认为是 AGI 的东西？我会说，有很多人会认为我们用当前模型已经到了 AGI 。我觉得几乎所有人都会同意：如果我们有现在这种智能水平，再加上那种持续学习能力，它就会非常非常 “AGI like” 。 但也许世界上大多数人会说：好吧，就算没有那一点，它已经能做大多数重要的知识工作，在大多数方面都比我们大多数人更聪明，那我们就算到了 AGI 。它还能做出一些新的科学小发现，那我们就算到了 AGI 。 我认为这意味着：这个术语虽然我们都很难停止使用，但它的定义非常不清晰。有一件事我很希望做：既然 AGI 我们搞错了 —— 我们从来没有真正定义它 —— 那现在大家关注的下一个词是 super intelligence 。 所以我的提案是：我们承认 AGI 其实就这么 “ 呼 ” 地过去了，它没有立刻让世界天翻地覆（或者长期会），但总之我们在某个时间点 “ 造出了 AGIs” ，处在一个模糊区间：有人觉得我们已经到了，有人觉得还没到，然后会有更多人觉得到了。 然后我们再问：下一步是什么？ 我给 super intelligence 一个候选定义：当一个系统能比任何人都更好地胜任 —— 美国总统、某家大型公司的 CEO 、一个非常大的 scientific lab 的运营者 —— 而且即便这个人类也在使用 AI 辅助，系统仍然做得更好。 我觉得这个框架在棋类游戏上发生过一件很有意思的事：最初是人类对 AI ，我对 DeepBlue 那件事记得非常清楚。然后有一段时间，人类 +AI 的组合，比单独的 AI 更强。但后来，人类反而是在拖后腿；最聪明的方式变成了 “ 没有人类参与的 AI” ，因为人类并不理解 AI 的那种巨大智能，反而会干扰它。我觉得类似的框架可以用来理解 super intelligence 。我认为那还很遥远，但我非常希望这一次我们能有一个更干净的定义。 Alex Kantrowitz ： Sam ，我已经 在你的产品里每天使用了三年。我肯定变强了很多。我甚至无法想象它们接下来会走到哪里。 Sam Altman ： 我们会努力让它们继续更快变好。 Alex Kantrowitz ： 好。这是我们第二次对话了，我很感谢你两次都这么坦诚。非常感谢。谢谢你抽时间。祝你今天愉快。 原视频： Sam Altman: How OpenAI Wins, ChatGPT’s Future, AI Buildout Logic, IPO in 2026? https://www.youtube.com/watch?v=2P27Ef LLuQ 编译： Ian Cao 请注意，本文编译自文未载明的原始链接，不代表 Z Potentials 立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。 Z Potentials 将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。 END 你知道，从一年前到现在，我们大概把 compute 翻了三倍。明年我们希望再翻三倍，希望之后还能再翻三倍。营收 的增长甚至会比这稍微快一点，但它大体上是跟着我们的 compute fleet 走的。所以我们到目前为止还从未遇到一种情况：我们无法把拥有的 compute 很好地资产化。我觉得如果我们现在有双倍的 compute ，我们现在就会有双倍的营收。 企业对基础设施的需求与债权融资 Alex Kantrowitz ： 好，既然你提到了数字，我们就聊数字。收入在增长， Compute 支出也在增长，但 compute 支出仍然超过收入的增长速度。我看到有报道说： OpenAI 从现在到 2028 、 2029 之间可能会亏损大约 120billion ，然后那时你们会实现盈利。那你讲讲，这个怎么变化？拐点在哪里？ Sam Altman ： 我的意思是：随着收入增长、以及推理在整个 fleet 里占比越来越大，它最终会吞没训练的支出。这就是计划： 训练花很多钱，但收入会越来越多。 如果我们不是继续把训练的开支提升得这么快，我们会早得多、早得多就盈利。但我们正在下注的是：非常激进地投资去训练这些大模型。 Alex Kantrowitz ： 全世界都在想：你们的收入怎么和投入对齐。有人问过：如果今年的轨迹是做到 $20billion 收入，而你们的投入承诺是 1.4trillion ，那我觉得，最好能把这件事讲清楚。 Sam Altman ： 再强调一次，是在非常长的时间跨度里。对。 Alex Kantrowitz ： 这也是我想把它直接拿出来问你的原因。我觉得最好能一次把它讲清楚：这些数字到底会怎么运转。 Sam Altman ： 我发现有一件事：我当然做不到，而且我认识的几乎没有几个人能做到。你可以在脑子里对很多数学问题有很好的直觉，但对指数增长，人们通常很难快速、准确地建立一个心算框架。不知道为什么，进化让我们需要在脑子里做好很多数学直觉，但 “ 建模指数增长 ” 似乎不在其中。 所以我们相信的是：我们能在很长一段时间里保持收入的陡峭增长曲线，而我们现在看到的一切也持续表明这一点。前提是我们必须有 compute ；没有 compute ，我们做不到。我们现在被 compute 严重限制，它对收入线的影响非常大。所以我认为，如果有一天我们出现大量闲置 compute ，并且无法在 “ 每单位 compute 的盈利基础上 ” 把它资产化，那时候你说 “ 这到底怎么运转？ ” 会非常合理。 但我们已经用很多不同方式把账算过了。当然，随着我们在降低 compute 成本方面做的工作逐渐落地，我们也会在赚钱上变得更高效。同时我们看到了消费者增长，看到了企业增长，还有一堆我们甚至还没发布、但未来会发布的新型业务。但 compute 真的是支撑这一切的 “ 生命线 ” 。所以这一路上会有一些 check points ；如果我们在时间点或数学上有点算错，我们也有一定的灵活性。 但我们一直处在 compute 赤字阶段。它一直限制着我们能做什么。我不幸地认为这可能永远都会存在，但我希望它不那么严重，并且我希望随着时间推移让它变得没那么严重，因为我认为我们能交付很多很棒的产品和服务，而且这会是一个很棒的生意。 Alex Kantrowitz ： 所以本质上是：训练支出会下降。 Sam Altman ： 作为比例会下降，但总量会继续上升。 Alex Kantrowitz ： 然后你的预期是，通过企业推动、通过人们愿意为 ChatGPT 付费、通过 API ， OpenAI 能把收入增长到足够高，从而用收入覆盖这些投入。 Sam Altman ： 对，这就是计划。 Alex Kantrowitz ： 我觉得最近市场有点 “ 失控 ” 。我认为真正吓到市场的一点是： debt 进入了这个等式。关于 debt 的常见逻辑是：当某件事可预测时你才会去借债。然后公司借钱、建设，然后获得可预测的收入。但这是一个全新品类，它是不可预测的。你怎么看 debt 进入这件事？ Sam Altman ： 首先我认为，市场更 “ 失控 ” 的时候其实是今年早些时候：我们去见某家公司，然后那家公司股价第二天就涨 20% 或 15% 。 Alex Kantrowitz ： 那太离谱了。 Sam Altman ： 那种状态非常不健康。我其实很高兴现在市场多了一点怀疑和理性，因为在我看来，当时我们正朝着一个非常不稳定的泡沫走去。而现在，我觉得大家开始有一定程度的纪律性。 所以我反而觉得：之前是疯狂，现在更理性。至于 debt ，我认为我们某种程度上知道：如果我们建设基础设施 —— 我们这个行业 —— 总会有人从中获得价值。虽然现在仍然非常早期。我同意你说的 “ 早期 ” ，但我不觉得还有人会质疑 AI infrastructure 不会产生价值。所以我认为 debt 进入这个市场是合理的。 我也认为还会出现其他类型的金融工具。我猜人们在创新如何为这些事情融资时，也会出现一些不太合理的工具。 但借钱给公司去建数据中心，这在我看来没问题。 Alex Kantrowitz ： 我觉得担忧在于：如果发展速度跟不上，比如有一种情景 —— 你可能不同意 —— 模型进步趋于饱和，那么这些基础设施的价值就会低于预期。然后是的，这些数据中心仍然对某些人有价值，但也可能被清算，然后被别人打折买走。对吧。 Sam Altman ： 顺带说一句，我确实怀疑这一路上会有一些繁荣与萧条。这些事情从来都不是一条完全平滑的线。 首先，对我来说非常清楚的一点是 —— 而且我愿意拿公司去押注这件事 —— 模型会变得好得多、好得多。我们对这一点有相当好的 “ 视窗 ” ，我们非常有信心。即便它们不再继续变强，我也认为世界具有很强的惯性。人们适应新事物需要时间。 我相信 5.2 所代表的经济价值，相比这个世界到目前为止 “ 学会如何从中榨取的价值 ” ，差距巨大到一种程度：即便你把模型冻结在 5.2 上不再进步，你还能创造多少新增价值、从而推动多少收入？我赌会非常多。 事实上，你没问这个，但我想稍微 rant 一下：我们以前经常谈一个 2x2 的矩阵：短 timelines/ 长 timelines 、慢起飞 / 快起飞；在不同阶段我们觉得概率如何变化；你可以据此理解很多这个世界应该优化的决策与策略 —— 取决于你认为自己会落在那个 2x2 的矩阵的哪个格子里。 但现在在我脑子里，这幅图又多出来一个 z 轴： overhang 小 /overhang 大。我以前大概没认真想过这件事。但回头看，我一定是默认了 overhang 不会那么大： 如果模型里蕴含了很大价值，世界会很快学会怎么部署它、用起来。 但现在在我看来，世界大部分地方的 overhang 会非常巨大。 当然会有一些领域，比如某一批程序员，采用这些工具后会大幅提升生产力。但总体来说，你有一个聪明得离谱的模型，可老实说，大多数人问它的问题，仍然和 GPT 4 时代差不多。科学家在变，不同的程序员在变， knowledge work 可能会变，但总体有一个巨大的 overhang 。而这会给世界带来一堆非常奇怪的后果。我们还没有完全想明白它会如何展开，但这跟我几年前的预期非常不一样。 Alex Kantrowitz ： 我想问你关于这种 capability overhang 的问题。基本上，模型能做的事情远比它们现在被用来做的多。我一直试图理解：为什么模型明明更强，却没有被用起来？而且很多企业在尝试落地时，并没有得到投资回报。 Sam Altman ： 我也不太确定该怎么理解，因为我们又听到很多企业在说：你就算把 GPT 5.2 的价格提高 10 倍，我们也还是会买。你们定价严重偏低，我们从中获得了巨大价值。这听起来和 “ROI 不好 ” 不一致。尤其你去听程序员怎么说，他们会说：这东西我愿意付 100 倍的价格之类。可能只是管理层把事情搞砸了。 假设你相信 GDPVal 的数字 —— 当然你也可能因为很充分的理由而不信，也许它们是错的 —— 但如果它是真的：对于这些定义明确、持续时间不太长的知识类工作， 10 次里有 7 次，你会对 5.2 的输出同样满意或更满意。那你就应该大量使用它。但现实是，人们改变工作流要花非常久。他们太习惯让 junior analyst 去做案头工作之类的事情了，所以 …… 这种习惯的黏性比我想的更强。 说实话，我自己也仍然在用几乎同样的方式运行我的工作流，尽管我知道我本可以比现在更大量地使用 AI 。 快问快答 Alex Kantrowitz ： 我还有四个问题。我们来个 lightning round ，看看能不能快速过一遍。先说你们在做的那个 device 。我听到的说法是：手机大小、没有屏幕。如果它就是一个没有屏幕的 “ 手机 ” ，那为什么不能只是一个 app ？ Sam Altman ： 首先，我们会做一个小的 devices 家族，不会只有一个 device 。 随着时间推移 —— 这不是在 “ 猜测 ” ，所以我也可能最终完全错 —— 但我认为人们使用电脑的方式会逐渐发生转变：从一个 “ 愚钝、被动反应 ” 的东西，变成一个 “ 非常聪明、主动 ” 的东西，它理解你整个人生、你的上下文、你周围发生的一切；它也很了解你身边的人 —— 无论是物理上在你身边，还是通过你正在使用的电脑与你 “ 接近 ” 的那些人。我不认为当前的 devices 很适合那样的世界。 我非常相信：我们是在设备的边界条件下工作。你手里那台电脑，它有一堆设计选择：它可以 open 或 closed ，但它没法做到那种 —— 比如 “ 你专心听这场采访，但设备保持关闭状态；如果我忘了问 Sam 某个问题，你就贴在我耳边小声提醒一下 ”—— 这种模式。也许那会很有用。 而且还有 screen ，这把你限制在几十年来我们一直使用的 GUI 的方式里。还有键盘 —— 它当初被设计出来就是为了降低你输入信息的速度。这些长期以来都是未经质疑的前提，但它们确实有效。然后一个全新的东西出现了，它打开了一个巨大的可能性空间，但我不认为当前 device 的形式是最优匹配。如果它恰好就是最优，那反而会非常奇怪 —— 对于我们现在拥有的这种不可思议的新能力来说。 Alex Kantrowitz ： 天啊，这个我们能聊一小时。但我们先进入下一个： Cloud 。我们之前聊过建 cloud 。这是我们收到的一封听众邮件：在我公司，我们正在从 Azure 迁出，并直接对接 OpenAI ，把它集成到产品里来驱动 AI 体验。重点是把 trillions of tokens 的流量注入到产品栈里，让 AI 体验贯穿整个 stack 。这是不是你们要用这种方式去做一个大的 cloud business ？ Sam Altman ： 首先， trillions of tokens ，确实很多 tokens 。而且如果你问 compute 的需求和我们的 enterprise strategy ：企业已经很明确地告诉我们，他们想从我们这里买多少 tokens 。而且我们会在 2026 年再次无法满足需求。 但整体策略是：大多数公司似乎都希望来找我们这种公司，然后说我想用 AI“ 重塑 / 重命名 ” 我的公司。我需要一个为我公司定制的 API 。我需要为我公司定制的 ChatGPT Enterprise 。我需要一个能跑所有这些 agents 的平台，并且我可以把数据托付给它。我需要把 trillions of tokens 注入到我的产品里。我需要让所有内部流程变得更高效。而我们目前还没有一个很好的 all in one 解决方案给他们。我们想把这个做出来。 Alex Kantrowitz ： 你的野心是把 它做到能和 AWS 、 Azure 并列的那种程度吗？ Sam Altman ： 我觉得它会是和那些不太一样的一类东西。我并没有野心去提供 “ 托管网站所需的所有服务 ” 之类的 —— 我甚至也说不清具体包括什么。但在概念上，是的：我猜人们还会继续有他们的、可以称为 web cloud 的东西。然后我认为会出现另一种东西：公司会说 —— 我需要一个 AI platform ，用于我内部想做的一切、我想对外提供的服务等等。它在某种意义上也运行在物理硬件上，但我认为它会是一套相当不同的产品形态。 Alex Kantrowitz ： 我们快速聊一下 discovery 。你说过一句让我很感兴趣的话：你认为 models—— 或者是人和 models 一起工作 —— 明年会做出一些小的 discoveries ，五年内会有大的 discoveries 。那到底是 models 在做？还是人类在和它们并肩做？你为什么有信心这会发生？ Sam Altman ： 是人们在使用 models 。至于 models 自己能 “ 想出该问什么问题 ” ，那种能力我觉得还更远一些。但如果世界因为新知识而受益，我们应该非常兴奋。我认为人类进步的整个过程一直是：我们造出更好的工具，然后人们用它去做更多的事。 然后在这个过程中，人们又造出更多工具。我们就是靠这种 “ 脚手架 ” 一层一层往上爬：一代又一代，一个 discovery 接一个 discovery 。 而且 “ 问题是由人类提出的 ” ，我认为丝毫不减损工具的价值。 所以我觉得这很棒，我很开心。 在今年年初，我以为这些小 discoveries 会从 2026 年开始。结果它们在 2025 年就开始了 —— 就在 2025 。再强调一次，这些都非常小。我真的不想夸大，但对我来说， “ 有一点点 ” 在质感上就和 “ 完全没有 ” 非常不同。而且三年前我们发布 ChatGPT 的时候，那时的模型是不可能对人类知识总量做出任何新的贡献的。从现在到五年后， “ 走向大的 discoveries” 的这段旅程，我猜大概就是 AI 一贯的爬坡：每个季度变好一点点。然后突然有一天我们会说：哇，被这些 models 增强的人类，正在做一些五年前的人类绝对做不到的事。至于我们把它主要归功于 “ 更聪明的人 ” 还是 “ 更聪明的模型 ” ，只要我们能获得科学发现，我两边都很满意。 Alex Kantrowitz ： 明年 IPO ？我不知道。你想成为 public company 吗？看起来你们可以 private 运作很久。从融资角度来说，你会在 “ 还没必要 ” 之前就去上市吗？ Sam Altman ： 这里面有很多因素。我确实觉得 public markets 能参与价值创造是一件挺酷的事。从某种意义上，如果你把我们和以往任何公司相比，我们会非常晚才去上市。做 private company 很棒。我们需要大量资本。我们迟早会触及各种 shareholder limits 之类的东西。所以我期待当一个 public company CEO 吗？零期待。我期待 OpenAI 成为 public company 吗？某些方面我挺期待；某些方面我觉得会非常烦。 Alex Kantrowitz ： 我很认真听了你上 Theo Vaughn 的那期采访。非常精彩。 Theo 真的很懂。他还引用了 Yoshua Bengio ，他做了功课。你当时说 —— 那是在 GPT 5 发布之前 ——GPT 5 在几乎所有方面都比我们更聪明。我以为那就是 AGI 的定义。那难道不是 AGI 吗？如果不是，那这个词是不是已经有点变得没意义了？ Sam Altman ： 这些模型在 “ 原始算力 ” 意义上，显然是极其聪明的。过去几天有很多说法： GPT 5.2 的 IQ 是 147 、或 144 、或 151—— 不管具体是多少，取决于谁的测试，总之是个很高的数字。你也会看到很多领域专家说：它能做这些惊人的事情，而且它正在贡献价值，让人们更有效率。你看到了 GDPVal ，也看到了我们谈到的各种东西。但有一件事你还没看到： 模型今天不会做某件事时，它能意识到自己不会，然后自己跑去搞清楚该怎么学会、怎么理解；等你第二天回来，它就能把它做对。这种持续学习，连幼儿都能做到。但它在我看来确实是我们需要构建的重要部分。 那么，没有这种能力，你能不能拥有一种大多数人会认为是 AGI 的东西？我会说，有很多人会认为我们用当前模型已经到了 AGI 。我觉得几乎所有