图片来源：Alex Kantrowitz
Z Highlights
- 竞争是好事，它会逼着我们变得更好。面对竞争的加剧，OpenAI通过快速迭代和新产品发布来强化自身优势，并“确保我们能在这个领域赢下来”。
- 我们现在处在memory的GPT-2时代… 当它真的能记住你一生的每一个细节，并在此基础上做全面个性化，这会非常强大。
- 人们通常希望使用一个AI平台…我们一直在构建一个完整、协同的产品体系，确保我们是用户最愿意使用的产品。OpenAI通过打造强大的产品和基础设施来维持市场优势。
- AI应该能为不同任务生成不同的界面…它可能理解你那一天想完成什么，然后在后台持续为你工作。 未来的AI将不仅仅是工具，它会主动工作，并融入企业和个人的日常工作流中。
Sam Altman是OpenAI的CEO，曾管理过多个科技项目，领导OpenAI发展成全球领先的人工智能公司。在AI领域具有深厚背景，并且不断推动算力、产品和技术的进步。作为硅谷知名企业家和投资人，Sam Altman在人工智能和科技创新方面的洞察力备受业界关注。本次访谈由著名科技记者Alex Kantrowitz主持，深度探讨了OpenAI的技术发展、AI对社会的影响以及未来的创新趋势，访谈已于2025年12月19日发布。
OpenAI的AI竞赛：ChatGPT如何保持领先
Alex Kantrowitz：今天我们邀请到了OpenAI CEO Sam Altman，来聊一聊OpenAI在这场AI巨头竞赛中打算如何取胜，基础设施层面的账到底怎么算，以及OpenAI是否、以及何时可能IPO。Sam今天就在演播室，欢迎你。非常感谢你来。OpenAI已经10岁了，这简直不可思议。而ChatGPT已经3岁了。但竞争正在明显加剧。我们现在就在OpenAI总部，这里在Gemini3发布之后进入了红色警报状态。你放眼看去，到处都是试图削弱OpenAI优势的公司。而这是我第一次感觉到，这家公司似乎不再拥有一个绝对清晰的领先地位。所以我很好奇，你怎么看OpenAI会如何走出这个阶段，并最终赢得竞争。
Sam Altman：首先，关于红色警报，我们一直把它看成是一种相对低风险、但会周期性出现的应对机制。当潜在竞争威胁出现时，保持警惕、迅速行动是好事。我们以前也遇到过这种情况。今年早些时候DeepSeek出现时，就发生过一次。
Alex Kantrowitz：那次也进入红色警报了吗？
Sam Altman：是的。有一句关于疫情的说法，大概意思是：疫情刚开始时采取的每一个行动，其价值都远高于后来才采取的行动。大多数人都是一开始做得不够，后来才开始恐慌。我们在疫情期间也确实看到了这一点。我基本上是用同样的逻辑来看待竞争威胁的。我认为保持一点偏执是好事。
Gemini3并没有，至少目前来看，并没有造成我们当初担心的那种影响。但它和DeepSeek一样，确实暴露了我们在产品策略上的一些弱点，而我们正在非常迅速地解决这些问题。
我不认为我们还会在这个红色警报状态下待很久。从历史上看，这类状态通常持续六到八周。不过我很高兴我们在这样做。就在今天，我们发布了一个新的图像模型，这是用户非常想要的。上周我们发布了5.2，表现非常好，增长也非常快。接下来还会有一些新产品发布，同时也会持续做一些改进，比如加快服务速度。我猜未来很长一段时间内，这类红色警报可能一年会发生一到两次。这本质上是为了确保我们能在这个领域赢下来。当然，也会有很多其他公司做得很好，我也为他们感到高兴。但ChatGPT依然是市场上遥遥领先的聊天机器人。
而且我预计，这个领先优势会扩大，而不是缩小。模型本身会在各个地方变得越来越好，但人们选择一个产品——不管是消费级还是企业级——原因远不止模型本身。我们早就预期到这一点，所以一直在构建一个完整、协同的产品体系，确保我们是用户最愿意使用的产品。我认为竞争是好事，它会逼着我们变得更好。我相信我们在聊天领域会做得很好，在企业领域也会做得很好。未来几年，在新的产品类别里，我也相信我们会表现出色。
人们通常希望使用一个AI平台。就像他们在生活中用什么手机，也希望在工作中用同样的手机。AI也是一样。ChatGPT在消费端的强势，正在帮助我们赢得企业市场。当然，企业需要不同的产品形态，但人们会想：“我知道OpenAI，我也知道怎么用ChatGPT。”所以我们的策略是：做最好的模型，围绕它打造最好的产品，并拥有足够的基础设施来规模化提供服务。
Alex Kantrowitz：能不能回到刚才那个点——就算“commoditization”不是最准确的词，但对日常用户来说，模型可能会出现某种程度的“parity”。因为你一开始说，日常使用可能感觉差不多，但在前沿会差很多。那对于ChatGPT的增长来说——我用Google举例——如果ChatGPT和Gemini在日常使用上体验类似，那么Google通过各种入口分发Gemini的能力，会构成多大的威胁？相比之下，ChatGPT得为每一个新用户去拼。
Sam Altman：我认为Google依然是一个巨大的威胁，是一家极其强大的公司。如果Google在2023年就真的决定认真对待我们，我们会处在非常糟糕的境地。我觉得他们完全可能直接把我们碾过去。但当时他们的AI努力，在产品方向上走得不太对。他们也曾有过自己的红色警报，但他们并没有那么当回事。
Alex Kantrowitz：现在大家都在疯狂红色警报。
Sam Altman：另外，Google可能拥有整个科技行业里最伟大的商业模式。我觉得他们会很慢才愿意放弃它。但把AI直接“外挂”到web search上，我不认为那样有效。
这其实是一个更广泛的趋势，我觉得很有意思：把AI叠加到现有做事方式上，我不认为会比在AI-first的世界里重新设计产品更好。这也是我们当初想做消费级设备的原因之一，但它同样适用于很多层面。如果你把AI塞进一个messaging app，让它帮你总结消息、帮你起草回复，那确实会好一点点。但我不认为那是终局。终局不是“你有一个很聪明的AI，它作为你的agent，和别人的agent对话，然后判断什么时候该打扰你、什么时候不该打扰你，哪些决策它能处理，哪些需要来问你”。
search会是类似的变化，生产力套件也是类似的变化。我猜……虽然总是比你想的要慢，但我认为我们会看到主要品类里出现全新产品：它们是围绕AI从头构建的，而不是在旧产品上“加AI”。而这可能是Google的一个弱点，尽管他们有巨大的分发优势。
AI界面的进化：从信息总结到智能助手
Alex Kantrowitz：我和很多人讨论过这个问题。ChatGPT刚出来的时候，有个说法是：你可能不应该把AI塞进Excel，而应该重新想象你怎么用Excel。在我脑子里，那就像是你把数据上传，然后你“对着数据说话”。但后来人们发现，要实现这些，需要某种backend。所以是不是应该先构建backend，然后你把AI当成一个新软件来交互？
Sam Altman：差不多就是正在发生的事情。那为什么你又不能把它直接附加在上面？你当然可以附加，但……
我一天中花大量时间在各种messaging app里，包括email、text、Slack等等。我认为这就是一个错误的界面。所以你可以把AI附加在这些界面上，它确实会好一点点，但我更希望的是：早上我可以直接说——今天我想完成这些事情、我在担心什么、我在想什么、我希望发生什么……
我不想整天和人发消息。我不想你给我总结消息。我不想你给我展示一堆草稿。你能处理的就都处理掉。你了解我，你了解这些人，你知道我想做成什么。然后如果你需要我介入，再每隔几个小时批量给我更新一次。但这是一种完全不同的工作流，不是现在这些app的工作方式。
Alex Kantrowitz：对。我本来想问你：ChatGPT在接下来一年、以及未来两年会变成什么样？你说的就是那个方向吗？
Sam Altman：老实说，到现在这个时间点，我原本以为ChatGPT会比它刚上线时“变化更大”。
Alex Kantrowitz：你当时预期它会怎么变？
Sam Altman：我也说不太清。我就是觉得那个chat界面不会像后来事实证明的那样走得那么远。它最初就是……现在看起来更好一些，但整体仍和当时作为research preview放出来时非常相似。它甚至并不是为了做产品而做的。我们知道文本对话界面很好——大家习惯给朋友发消息，他们喜欢这种方式。chat界面确实很好，但我原以为，如果它要成为一个这么大、并且被广泛用于真实工作的产品，那么界面必须比现在进化得更远。我仍然认为它应该更进一步。但我低估了当前界面那种“通用性”的力量。
我认为接下来应该发生的，是AI能为不同任务生成不同的界面。比如你在聊数据，它应该能用不同方式展示数据，你也应该能用不同方式去交互。我们在Canvas这种功能上已经有一点点苗头，但应该更互动。现在基本是来回对话。如果你能“围绕一个对象”持续对话，而它能持续更新，那会更好：你有更多问题、更多想法、有新信息进入，它就不断更新。
而且它应该随着时间更主动：它可能理解你那一天想完成什么，然后在后台持续为你工作，需要时推送更新。你在Codex上已经能看到一部分这种趋势——我认为今年最令人兴奋的事情之一，就是Codex变得非常好，这指向了我希望未来呈现的很多形态。但这件事也让我意外。
我本来想说“有点尴尬”，但也不算。它显然非常成功。我只是惊讶于：三年来ChatGPT的外观和交互方式变化竟然这么小。
Alex Kantrowitz：界面确实有效。
Sam Altman：是的。
AI记忆功能的未来：打造个性化体验
Alex Kantrowitz：但内部“guts”显然变了。你刚才谈到个性化，这对我来说很重要。我觉得你们的memory是一个真正的差异化。我最近几周一直在和chatGPT对话，规划一次包含很多安排要素的旅行。我可以在一个新窗口里直接说：好，我们继续规划这个旅行。它有上下文，它知道我要跟谁一起去，它知道我要做什么。它知道我还在为旅行做fitness规划，并能把这些事情综合起来。memory能做到多好？
Sam Altman：我认为我们根本还没有概念。因为人类的极限是：即便你有世界上最好的personal assistant，他们也记不住你一生中说过的每一句话。他们不可能读过你所有email，不可能读过你写过的每一份文档，也不可能每天看着你的工作并记住每一个细节。他们不可能以那种程度参与到你的生活中。而且人类没有无限、完美的记忆。
但AI绝对可以做到。我们其实经常讨论这件事：现在的memory仍然很粗糙，很早期。我们现在处在memory的GPT-2时代。但当它真的能记住你一生的每一个细节，并在此基础上做全面个性化——而且不只是事实，还包括你那些很细小的偏好：你可能自己都没意识到表达过，但AI可以捕捉到——那会非常强大。
这也是我最兴奋的方向之一。它可能不是2026就会完全实现，但这是我非常期待的一部分。
Alex Kantrowitz：我之前请过一位neuroscientist上节目，他提到你在大脑里找不到“thoughts”。大脑并没有一个地方专门存储thoughts，但computing有——它有地方能存。所以你能把所有thoughts都存下来。随着这些bots保存我们的thoughts，当然会有隐私担忧。但还有一点也很有意思：我们会和它们建立关系。我觉得这是整个时刻里最被低估的事情之一：人们感觉这些bots像是他们的伙伴、在照顾他们。你怎么看这种——我不知道用“intimacy”是否合适，但这种陪伴感、亲密感？是否存在一个“拨盘”，你可以把它调到：让人们和这些东西变得很亲密；或者把拨盘往回调，让它们保持一定距离？如果这个拨盘存在，你会怎么去调到一个正确的位置？
Sam Altman：确实有更多的人，比我原来想象的更多，想要一种我们姑且称为“close companionship”的东西。我不知道最合适的词是什么。relationship好像不太对，companionship也不完全对。我不知道怎么称呼，但他们想要和AI形成某种深层连接。而且在当前模型能力水平下，想要这种连接的人就已经比我预期的多得多。我们低估它有很多原因。
在今年年初，说“我想要那样的东西”还会被认为很奇怪。现在也许很多人仍不想要。但从隐藏偏好来看，人们就是更喜欢他们的AI chatbot能理解他们、对他们温暖、支持他们。即便有些人嘴上说自己不在乎，实际也会更偏好这种体验。
我认为其中有一些版本可能非常健康。并且我认为成年用户应该有很大的选择权，让他们决定自己想处在这个光谱的哪个位置。当然，也有一些版本在我看来是不健康的，但我相信仍会有很多人选择那样的东西。另外也确实有一些人希望得到最干、最高效、最工具化的体验。
所以我猜，就像很多技术一样：我们会先做实验；会发现一些unknown unknowns，有好的也有坏的；社会会随着时间逐渐形成对“这个拨盘应该怎么调”的共识；然后人们会拥有很大的自由，把它调到非常不同的位置。
Alex Kantrowitz：所以你的想法是：让用户自己决定？
Sam Altman：是的，绝对如此。但我不认为我们已经知道它应该走到多远——也就是我们应该允许它走到多远。我们会给用户相当程度的个人自由。有一些我们讨论过的功能，其他服务可能会提供，但我们不会。比如我们不会让AI去试图说服用户：应该和它建立一种排他的romantic relationship。我相信其他服务会这样做。
Alex Kantrowitz：因为越“粘”，那个服务就越赚钱。这些可能性稍微认真想一想，确实有点吓人。
Sam Altman：完全同意。这件事确实是我个人最能看到“可能会走得很糟糕”的方向之一。
企业级市场是OpenAI 26年重点发力方向
Alex Kantrowitz：你提到了enterprise。我们聊聊enterprise。你上周在纽约和一些新公司的编辑和CEO共进午餐，你告诉他们：enterprise会是OpenAI明年一个非常重要的优先级。我很想听你更详细讲讲：为什么这是优先级？你认为你们和Anthropic相比如何？也有人会说这是OpenAI从消费导向转向企业导向的“转向”。请你整体概述一下enterprise。
Sam Altman：我们的策略一直是C端优先，原因有几个。第一，当时模型不够稳定、能力也不够强，难以满足大多数enterprise用途。现在它们正在达到那个水平。第二，我们在C端上有一个非常清晰的机会去赢——这种机会很少见，也很难得。我认为一旦你在C端上赢了，就会让你在enterprise上赢得容易得多。我们现在正在看到这一点。就像我前面提到的，今年enterprise的增长超过了C端的增长。考虑到模型现在的水平、以及明年会达到的水平，我们认为现在就是我们可以非常快速建立一个重大enterprise业务的时间点。
我认为我们已经有一个很强的enterprise业务，但它还可以增长得更多。企业看起来准备好了，技术也准备好了。coding是目前最大的例子，但还有很多垂直领域增长也非常快。我们开始听到企业说：我真正想要的是一个AI platform。Finance，Science是我个人最兴奋的领域，目前我们的顾客支持做得也很好。我们还有一个叫GDPVal （ZP注：GDPval（Gross Domestic Product-weighted evaluation）是OpenAI推出的一个评估基准，用于衡量AI模型在专业知识工作任务中的经济价值表现）的东西。
Alex Kantrowitz：我正想问这个。我能把我的问题直接抛出来吗？因为我给Box的CEO Aaron Levy发了消息，我说我要见Sam，我该问什么？他说，问问GDPVal。GDPVal是衡量AI在knowledge worktasks上表现的指标。我回去看了你们最近发布GPT5.2的release，里面有一张GDPVal的图。当然，这是OpenAI自己的eval。但图里显示：GPT5 thinking（夏天发布的那个）在38%的任务上与knowledgeworkers“tied”。
Sam Altman：我觉得是beat or tied。
Alex Kantrowitz：对，beat or tied，38.8%。而GPT5.2thinking在70.9%的knowledge worktasks上beat or tied。GPT5.2 pro是74.1%。它跨过了expert level的阈值。它处理了看起来大约60%的专家级任务——也就是能让它在知识工作上达到专家水平的那些任务。这些模型能够完成如此多的knowledge work，这意味着什么？
Sam Altman：你刚才在问垂直领域，我觉得这是一个很好的问题。我刚才有点卡住，是因为这个eval覆盖的范围非常广，我想大概有四十多个不同的“企业垂直职能”：做一个PowerPoint、做一份法律分析、写一个小webapp，各种各样的事情。
这个eval的核心是：在企业必须完成的很多事情上，专家是否更偏好模型的输出，相对于其他专家的输出。当然，这些都是小而明确、边界清晰的任务。它们不包括那种复杂的、开放式的creative work，比如“想出一个新产品”。也不包括很多协作型、团队型的工作。
但如果你拥有一个“同事”，你可以给它分配一小时的任务，然后它返回的结果，你有74%（如果你用pro）或者70%（如果你想省钱）概率更满意，这已经非常惊人了。如果你回到三年前ChatGPT刚发布时说：三年后我们会达到这种水平，大多数人会说绝对不可能。
所以当我们思考企业如何整合这些能力时，它已经不再只是“它会写代码”。而是：它能处理大量的知识类任务，你可以把这些任务“分发”给AI去做。企业真正把它整合进工作流里需要时间去摸索，但影响会非常可观。
AI职能自动化与人类角色变化
Alex Kantrowitz：我知道你不是经济学家，所以我不会问你“工作岗位在宏观层面会受到什么影响”这种问题。但我想给你读一句我在Substack上《Blood in the Machine》里听到的、关于这如何影响工作的说法。这是一位technical copywriter说的。他说：“chatbots出现之后，我的工作变成了管理这些bots，而不是管理一支reps团队。”好，这在我看来以后会经常发生。但这个人接着又说：“一旦这些bots被训练到足以提供‘足够好’的支持，我就出局了。”
这种情况会不会变得更常见？这会不会是那些“坏公司”会做的事？因为如果有一个人类能够去编排、调度一堆不同的bots，那你可能会想把这个人留下来。我也不确定。你怎么看这个问题？
Sam Altman：我同意你说的：很明显可以预见，大家都会在管理很多AI，让它们做不同的事情。最终，就像任何优秀的manager一样，希望你的团队会越来越强，而你只是承担更大的范围和更多的责任。我并不是那种“jobs doomer”。
短期我确实有些担忧。我认为在某些情况下，这个转型可能会很艰难。但我们在生物本能层面就被深深“写死”了：我们在乎其他人、在乎其他人在做什么。我们似乎非常关注相对地位，总想要更多，总想成为“有用的人”、提供服务、表达创造力——不管是什么驱动我们走到今天的。我不认为这些会消失。
当然，我也确实认为未来的“jobs”（甚至我都不确定还该不该叫jobs），也就是到了2050年我们整天在做的事情，很可能和今天看起来完全不同。但我并不认为会出现那种叙事：什么“生活将失去意义、经济会彻底崩溃”。我希望我们会找到更多的意义；经济我认为会显著变化。但我觉得你永远不要和进化生物学对赌。
我经常思考我们如何把OpenAI的所有职能都自动化。甚至不止如此，我还会想：如果OpenAI有一个AI CEO，这意味着什么？这并不会困扰我。我会为此感到兴奋。我不会抵抗。我不想成为那种死死抓着不放的人，说“我用手工方式能做得更好”。
Alex Kantrowitz：但AI CEO不就是会做出一堆决策，把我们的所有资源都导向“给AI更多能量和算力”吗？所以你得给它加个监管，对吧？
Sam Altman：对。显然，你不希望一个不受人类治理的AICEO。这是个很疯狂的类比，但我还是说一下。如果你设想一种版本：世界上的每个人都相当于是一家AI公司的董事会成员，每个人都可以告诉AI CEO该做什么；如果AI CEO做得不好，大家还能把它开掉；并且大家对重大决策拥有治理权；而AI CEO的工作是努力执行董事会的意志。我觉得对未来的人来说，这可能看起来是一件相当合理的事。
期待：未来模型的进步与基础设施建设
Alex Kantrowitz：好，我们一会儿要聊基础设施。但在离开“模型与能力”这一部分之前：GPT-6什么时候来？
Sam Altman：我预计——我也不确定我们什么时候会把某个模型称作GPT-6——但我预计明年第一季度会有一些新模型，它们相对5.2会有显著提升。关于显著提升，我现在还没法给你一个具体的eval分数。
Alex Kantrowitz：你是指更多在enterprise这边，还是？
Sam Altman：肯定两边都会。面向消费者会有很多改进。消费者现在最想要的主要不是更高的IQ。企业仍然想要更高的IQ。所以我们会针对不同用途，以不同方式去改进模型，但我们的目标是做出一个让所有人都更喜欢得多的模型。
Alex Kantrowitz：那我们聊infrastructure。你们大概有1.4trillion左右的基础设施投入承诺。我听过你关于infrastructure的很多说法。你说过：如果人们知道我们能用compute做什么，他们会想要更多更多。你还说：今天我们能提供的东西，和10xcompute、100xcompute相比，差距非常大。你能不能把这个再讲具体一点？这么多compute，你们打算拿来做什么？
Sam Altman：我前面提过一点。我个人最兴奋、最兴奋的事情，是用AI和大量compute去发现新的科学。我相信科学发现是这个世界变得更好的最关键因素之一。如果我们能把海量compute投到科学问题上、发现新的知识——现在已经开始出现最最微小的一点点迹象了。非常早期、非常小。但按照我对这个领域历史的理解：一旦那条“曲线”开始出现、并稍微从x轴抬起来，我们就知道该怎么把它做得越来越好。但这需要巨量compute。所以其中一个方向就是：投入大量AI，去发现新科学、治疗疾病，还有很多其他事情。
一个最近挺酷的例子是：我们用Codex做了Sora Android app。他们大概不到一个月就做出来了。他们用了非常多——在OpenAI工作有个好处是你用Codex没有任何限制。他们用了海量tokens，但他们完成了原本需要很多人花更长时间才能完成的事情，而Codex基本上替我们完成了大部分。你可以想象它还能走得更远：整个公司都可以用大量compute来构建产品。
很多人也谈到视频模型会指向实时生成的user interfaces。那会需要大量compute。想要转型业务的enterprises会用掉大量compute。想象一下：医生想提供很好的个性化医疗，对每个病人持续测量能获得的每一个体征信号——你也能想象这会用掉大量compute。我们现在到底已经在用多少compute去生成全球性的AI输出，其实很难直观地表达。但下面这些数字非常非常粗糙。而且我觉得用这种方式说话挺“不严谨”的，但我总觉得这种mental thought experiment有时候多少有点帮助。所以先为这种不严谨道歉。假设今天一家AI 公司可能每天从前沿模型里生成大概10 trillion tokens量级的输出。可能更多，但我不认为谁能达到quadrillion tokens的级别，至少我不这么认为。再假设世界上有8 billion人，再假设每个人每天输出的tokens平均大概20,000。然后你可以开始做对比——而且公平起见，我们比较的应该是“模型提供商今天输出的tokens”，而不是消耗的所有tokens。你可以开始看，然后你会说：嗯，我们很快会让一家公司的模型每天输出的tokens超过全人类加起来的输出。再然后是10倍，再然后是100倍。
从某种意义上说这是个很傻的比较；但从某种意义上，它给了你一个量级概念：这个星球上“智力计算”的规模里，人类大脑和AI大脑大概分别占多少。那种相对增长速度也挺有意思的。
Alex Kantrowitz：所以我想问的是：你怎么知道确实存在这种对compute的需求？比如，如果OpenAI把投向科学的compute翻倍，我们就一定能获得确定性的科学突破吗？或者在药物上，我们就一定能更清晰地辅助医生吗？这里面有多少是对未来的假设，有多少是基于你今天看到的情况而形成的明确判断——也就是它一定会发生？
Sam Altman：我们基于今天看到的一切来判断：这会发生。当然，这并不意味着未来不会出现某些疯狂的情况。比如有人发现一种全新的架构，效率提升10,000倍。那样的话，我们可能就确实在一段时间内“建得太多”了。
但我们现在看到的一切——模型在每一个新水平上变强的速度；每当我们把成本降下来，人们想用它的意愿就会强多少；以及人们到底有多想用它——这些都在告诉我：需求会持续增长，人们会用这些东西去做很棒的事，也会用它做一些很傻的事。但整体看起来，这就是未来的形状。
而且不只是每天能做多少tokens，还包括我们能以多快的速度做出来。随着这些coding models变得更强，它们可以“想很久”，但你并不想等很久。所以还会有其他维度。最终不只是tokens数量，而是少数几个维度上的“对智能的需求”以及我们能用它做什么。如果你遇到一个非常棘手的医疗问题，你是想用5.2，还是想用5.2Pro——哪怕后者要消耗多得多的tokens？
Alex Kantrowitz：我会选更好的模型。
Sam Altman：我想你会的。
Alex Kantrowitz：我们再往深一层。说到科学发现，你能不能举一个科学家的例子——不一定要是真实你认识的，但也可以是你今天知道的那种——他会说：我有问题X，如果我能拿到Y的compute，我就能解决它，但我今天做不到。
Sam Altman：今天早上Twitter上有个讨论：一群数学家在互相回复，他们说：“我之前非常怀疑LLMs什么时候才能真的变得有用。对我来说，5.2是跨过那条边界的模型。它在一些帮助下做出了这个小证明，发现了这个小东西，但它正在改变我的工作流。”然后很多人接着说：“对，我也是。”也有人说5.1就已经可以了，但不多。
这是一个非常新的例子。这个模型大概才发布五天左右，人们就开始说：好吧，数学研究圈似乎在说——“OK，有件重要的事情刚刚发生了。”
Alex Kantrowitz：我也看到Greg Brockman在他的feed里强调了很多数学和科学方面的用法。我感觉在这些圈子里，5.2确实“点亮”了某种东西。所以接下来会怎样挺值得观察。
Sam Altman：这种规模的compute有个难点是：你必须提前非常久去规划和建设。所以你提到的那1.4trillion，我们会在很长很长的时间里花出去。我希望我们能更快。我认为如果我们能更快，需求也会存在。但建这些项目需要极其长的时间：运行数据中心的能源、芯片、系统、网络，还有所有其他东西，都需要时间。所以这会持续一段时间。
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2×2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2×2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
文章来自于“Z Potentials”，作者“Alex Kantrowitz”。