数十亿人将用上免费AGI！OpenAI奥特曼高调断言：全球经济将迎来极度通缩！ 原创

编辑 | 伊风 

奥特曼最新判断来了：

未来会有数十亿人使用免费的 AGI！

不只是价格更低，而是以一种前所未有的方式，大规模普及到全球每一个角落。同时，他认为，AI 所带来的巨大技术红利，将推动全球经济进入极度通缩的状态。

因为，AI 不仅提升效率，更会创造出过剩的财富。比如，人们可能会借助 AI，真正实现可控核聚变的商业化。到那时，全球电价将出现断崖式下降，能源将变得几乎“免费”。

“我希望像水、食物、医疗、教育、自然环境的享受、陪伴家人的时间……能变成人人都负担得起的东西。”

采访地址：​​https://www.youtube.com/watch?v=6NwK-uq16U8​​

这次的采访里，奥特曼抛出了不少值得细品的未来判断。

他再次重申了 OpenAI 的愿景：打造“个人 AGI”。

一个属于每个人的智能助手——不止能聊天，还能深度了解你、接入你的数据、按照你的方式工作。它既是一套产品，也是一个平台，可以与各种服务无缝集成，成为你默认的数字副手。

谈到 AI to B，他看好两条路线：

一是“虚拟同事”：AI 将接手企业中所有“必须完成但难以做得更好”的任务，提升组织的基础执行力；

二是“超级团队”：企业可以将整个算力集群集中投放到一个极其困难的问题上，比如新材料研发，或复杂供应链优化，让 AI 成为突破瓶颈的关键一击。

而在 AI 编程领域，他直接放话：“我敢打赌，这会成为今年剩下时间里的‘大故事’。”

他说，这一轮技术竞速来势汹汹——投入最多、速度最快。因为它刚好击中了大多数公司的核心瓶颈，又有清晰的商业回报路径。

除此之外，奥特曼还抛出了一些值得思考的判断和洞察：

• 别再追逐“上轮赢家”了。太多资本仍在试图押注下一个 OpenAI，但真正的机会，是要找 AGI 作为新技术出现之后，建立起来的某种新事物。
• ChatGPT 曾多次面临流产危机。在早期测试阶段，用户留存极差，团队曾动摇是否放弃。但他们意识到：既然需要长期扩展和高额资本投入，那就必须打造一家真正的大公司。而要有公司，就得先有产品。
• AI 创业者如何走出大模型射程。只需要问自己一个问题：如果有个“神谕者”告诉你，模型每年将在各维度提升 10 倍——那么你现在该做什么、该做什么样的产品？
• 能源问题终将浮现。尽管 DeepSeek 证明了 LLM 在能源利用效率上已经非常高效，但全球范围内 AI 的需求，最终仍将需要数十乃至上百吉瓦的电力支持。

以下是经过整理的采访全文enjoy：

1.SaaS 公司的消亡和巨变并不遥远

主持人Vinod Khosla

下午好？ 请坐下，我们马上开始。谢谢你能来，Sam。谢谢。

奥特曼

谢谢你们再次邀请我。

主持人Vinod Khosla

哦，我们一直很高兴你能来。难道有人会……不高兴你来吗？不过你可能也对这个话题腻了吧，毕竟已经是连续第四年了。

奥特曼

不过我还是很开心能在这里。

主持人Vinod Khosla

我想从这里开始，我们已经聊过几次类似的话题。想象一下 2035 年以后的世界，大概 2035 到 2050 这段时间。你觉得那个时候世界会是什么样子？

奥特曼

嗯，我觉得人们依旧会像现在这样，坐在一起吃午饭。所以从某种意义上说——

主持人Vinod Khosla

还会在工作吗？

奥特曼

不过我确实认为，在那段时间里技术变革的速度会超出我们现有框架能理解的范围。要做精确预测真的很难，比如说“那时会建造戴森球”（编者注：物理学家戴森提出的科幻概念，指高级文明发展到一定阶段，其能源需求会大到必须利用整颗恒星的能量）或者“我们会搞定纳米机器人”，类似的事情可能会出现，但会非常不同。所以也许人类的日常体验不会发生太大变化——进化需要很长时间，生物学在人类身上烙下了非常深的驱动力，几乎是刻在骨子里的。但在技术层面上，一个人能完成的事情和可能性会截然不同。

主持人Vinod Khosla

 那深入一点呢？今天早上我做了一个演讲，下午还会给 ILPS 重复一遍。我认为到 2030 年代，《财富》500 强的消亡速度会比历史上任何时候都更快。哪些公司能存活下来，哪些不能，就取决于它们的应对。你同意这种“更快的消亡”吗？

奥特曼

我不确定。直觉上是更快，但我没有仔细想过。最近我关注更多的是软件公司，OpenAI 之外我的大部分时间都花在和这些公司打交道。我曾经以为我理解了软件公司的“物理规律”。但如果未来你需要的软件都能即时生成——你只要在 AI 聊天框里打几行字，就能得到一个很棒的软件，而不是去买这家 SaaS 公司或那家 SaaS 公司的产品——只要说“运行”，它就发生了。这会是一个非常重大的变化，而且并不遥远。

2.人类的生物本能：大多数人不愿意把工作交给AI

主持人Vinod Khosla

我们等会儿也会聊聊未来 18 个月。

奥特曼

不过对于那些管理复杂供应链的大公司来说，物理世界的变化总是更慢一些。但软件的变革，感觉已经近在眼前。

主持人Vinod Khosla

但物理世界的变化如果拉长来看呢？所以我才问 2035 到 2050，那 2035 离现在也就十年。

奥特曼

我会打赌，大多数现有公司没法足够快地适应，结果会因此蒙受重大损失。

主持人Vinod Khosla

确实，这……

奥特曼

已经发生很久了。我感觉新公司的崛起速度、对老牌公司的市场份额蚕食，都是在一条指数曲线上。新公司能更快、更大规模地成长。OpenAI 就是个例子，我们成长得非常快。

主持人Vinod Khosla

 是的。那在那个时间段里，我们的听众中有创业者正在打造 AI 医生、AI 治疗师、AI 肿瘤科医生、AI 结构工程师、AI 芯片设计师，当然还有 AI 软件工程师、AI 销售、AI 市场人员、AI 会计师等等。这些今天都在发生。假设这些公司或者它们的竞争对手成功了，那么到了 2035 年之后，在智力劳动领域，至少 80% 的工作 AI 都能完成。那你怎么看？

奥特曼

 有很多工作我觉得人们并不想交给 AI，或者说大多数人不会愿意交给 AI。与此同时，还会出现一些全新的职业，是人们特别希望由人来做的。人类天生在意他人，这是我们深层的生物学特征之一。比如说，AI 可能是一个很优秀的老师，但未必像一个水平一般的人类老师那样让人有动力。我完全能相信这种情况。就仅仅是知道对方是不是一个真实的人，这一点本身就很重要。

主持人Vinod Khosla

嗯，我可能会不同意你。我觉得 AI 老师能做得更多，也能更好地理解你。

奥特曼

不过我认为，很快就会有一个比你厉害得多的 AI 投资人，这是毫无疑问的。不过呢，我个人还是更喜欢和你一起吃饭。如果你对我说“干得不错”或者“你应该这么做”，那对我来说比 AI 的鼓励更有动力。所以我觉得你还是会有工作的。

主持人Vinod Khosla

我完全同意你。毫无疑问，我的工作并不比其他工作更安全。

奥特曼

可能反而更不安全。但还有一点……

主持人Vinod Khosla

是啊，Marc Andreessen 说风险投资是唯一安全的工作，但我根本不同意他。

奥特曼

其实我一直在想，我们是不是该做一个 AI 创业投资人。显然我已经考虑这个问题很久了，但我觉得以现在的模型，可能已经可以实现了。这会是一个挺有趣的小副业项目。

主持人Vinod Khosla

那确实会是个有趣的副业项目。而且 Sam 现在有了新宝宝，我确实认为未来我们会有更多时间。妈妈们不用在产后 16 周就离开孩子去工作。我觉得我们会有这种自由，也会有时间照顾老人。我赞同你说的人类关系这一部分。但像教学、医疗这样的服务领域，我还在想哪些工作是 AI 无法完成的。而问题就在于，短期内由谁来推动这一切发生？

奥特曼

如果再往老师这个话题多想一点，我觉得从某种客观意义上说，我从维基百科学到的东西，要么比我从老师那学到的更多，要么至少可以更多。但当我回顾自己整个学习过程中的关键时刻，真正重要的总是那些和我产生联系的人——那些对我感兴趣、了解我、关心我的人。而我能感觉到这一点。是的，AI 可能会在某种程度上复制这种关系，但整体而言，我觉得这个过程会比表面上看起来更奇怪、更复杂、更不均衡。

主持人Vinod Khosla

更不均衡。

奥特曼

对，比听起来要复杂得多。AI 也许能做很多不同的工作，甚至几乎所有的工作。但我们最终会发现，人类深层的生物本能很难被克服。

主持人Vinod Khosla

我完全同意。事实上，我今天早上还讲到过：生物本能不会进化消失。我们依然会渴望地位，依然会竞争，依然会有网红和注意力经济。我们依然会照顾孩子、老人和家庭，只是我们会有更多时间去做这些事。所以我赞同这一点。

3.ChatGPT是一场系统性冲击，AI的后续影响深远但不再疯狂

主持人Vinod Khosla

让我把话题拉近一些。大概 3 年半前，大家所谓的 “ChatGPT 时刻” 出现了——嗯，其实是 2 年半前，对吧。那从那时起 5 年后，如果往前看，甚至只看 18 个月后的 2026 年底，AI 的能力会从今天到那时发生多大变化？我现在问的是很短期的，相比 ChatGPT 时刻到今天的变化。

奥特曼

我不太确定该怎么衡量。如果从“氛围”的角度来说，我觉得从无到有、出现第一个 ChatGPT，是大多数人一生中最大的系统性冲击。之前根本没有这个东西，而突然之间有了。尽管它当时还很粗糙，但从 0 到 1 是件大事。也许现在我们已经从 1 走到了 10，从某种意义上说这应该更重大。但大多数人并没有那么强烈的感觉。接下来 18 个月，也许我们会从 10 到 100。但我觉得大家已经接受了 AGI 将会出现这一事实，生活照常继续，你们依然在做各自的事。

主持人Vinod Khosla

所以不会少于这个幅度？

奥特曼

嗯，我认为实际的进展会令人震惊，但大家已经预期会震惊了。而当初 ChatGPT 的出现对大多数人来说完全是意料之外的。所以虽然影响会更大，但感觉上不会像当时那么狂野。

主持人Vinod Khosla

我敢说大多数人可能没真正意识到从 10 到 100 这个下一个 10 倍变化的巨大意义，但我可能错了，至少在小圈子之外……

奥特曼

如果是一年前，我会同意这个说法。两年前，我肯定会同意。但现在我其实挺惊讶的，比如在旅途中随便和一些人聊天，他们会说：“哦，对啊，AGI 快来了，计算机已经比人类聪明多了，还会变得更聪明，一切都会完全不同。”所以我觉得大众的认知确实已经有了很大变化。

主持人Vinod Khosla

所以这一切都是因为“Scaling Laws”（扩展规律）。能不能谈谈这类指数级变化背后的机制，是什么在驱动它？

奥特曼

是的，我的意思是，从宏观上看，输入其实没有发生太大变化。

我们不断发现更好的算法，因此不断找到更陡峭的扩展规律。我们不断研究如何建造更大的计算机、更强大的芯片，并把它们互联起来，也不断找到更多、更好的数据。我认为我们很快会进入一个阶段，把这些系统以全新的方式组合起来，实现一种持续学习——系统可以永远运行，并且越来越聪明。

但过去几年的故事，其实就是更好的计算机算法和更多的数据。我希望自己能说出更深刻、更有洞见的东西。很多算法上的进展确实令人难以置信，尤其是推理方面的突破，以及最初的无监督学习的理念，我都会归入这一类。当然还有一些小的进展。这就是一种不断打磨的过程，让我想起了历史上其他科研与产业结合的案例，比如晶体管之类的东西。

主持人Vinod Khosla

所以确实存在扩展规律，而且是多种扩展规律。如果你去问 ChatGPT，它会定义出不同类型的扩展规律。但我还在想另一个问题：你认为 AI 科学家会在什么时候开始主导大部分 AI 研究？

奥特曼

我觉得这会是非常渐进的过程。并不是说今天突然就取代了。比如说现在，一个 OpenAI 的研究员可能用 Codex 来生成 10% 的 PR，然后是 20%、30%，接着它甚至会开始自己去测试一些新的模型架构，但研究员仍然在主导。再之后，AI 会多做一些事情，比如提出要去验证的假设，但研究员依然觉得自己只是工作效率提高了。研究员可能会说“我还是在做 100% 的研究，只是工具更好了”。但如果这个研究员的产出是过去的 2 倍、甚至 10 倍——比如说 10 倍——那么你是认为 AI 做了 90% 的研究，还是 0%？因为它并没有完全自主完成整个循环。我认为这会是一个混合的、凌乱的加速过程。

主持人Vinod Khosla

这并不需要严格衡量，但可以看进展的速度和加速度。在我看来，这才是终极指标。除了扩展规律本身之外，变化率会发生什么？

奥特曼

我认为从现在开始，每年研究进展都会更快，因为我们有了更好的工具。无论你称之为“AI 辅助人类”还是“人类辅助 AI”，或者“AI 自己做研究”，最终效果就是更快。不仅是算法进展，还包括整个供应链。如果 AI 帮助我们更快地建造数据中心，或者帮助我们开发新的芯片……

主持人Vinod Khosla

芯片。

奥特曼

甚至是一些非常前沿的东西，那也会大大加速。我认为这一切都算数。所以如果把进展速度作为衡量标准，只要 AI 在推动加速，就可以算作 AI 在做研究。那么速度将会快得多。

主持人Vinod Khosla

在我看来，关键测试是：AI 是否能提出新的假设，然后自己去验证，再修正这些假设。这是一个“良性循环”的过程。

奥特曼

我有点不同的看法。我觉得我们真正关心的只是能多快做出更好的研究。如果 AI 自己提出假设，或者让人类提出一个本来人类根本想不到的假设，对我来说没有区别，我都一样满意。

主持人Vinod Khosla

是的，这里有个问题，很多 LP 都会问我：那些领先者会不会通过这种加速进一步巩固优势？如果研究的加速假设成立，那么你们和其他一些领先者就能延续优势。对于新进入者来说，要从零开始会更难，除非他们提出完全正交的方法。你知道我们正在研究一些正交的方法。但这是否意味着 OpenAI 会因此获得优势，提升估值？这是很多人关心的问题，我当然也希望如此。

奥特曼

听着，如果我是 LP，我会把 0% 的时间花在思考如何投资另一家 AI 研究实验室上，而把 100% 的时间花在思考如何投资下一个新事物。也就是说，GP（普通合伙人）在这方面通常很糟糕——不过你还不错。但总体来说，全球太多资本都在追逐上一轮的赢家，而几乎从来赚不到钱。你几乎不可能在那里面获得巨额回报。真正的回报几乎总是来自于：发现世界上因为一项新技术而出现的新可能，并在一个极不确定的方向下注，同时你有某种差异化的洞见。现在大家都想投资下一个 OpenAI，但很可能下一家万亿美元级公司不会是另一家 AGI 研究实验室，而会是因为 AGI 作为新技术出现之后，建立起来的某种新事物。就像当初 OpenAI 刚成立时，大多数人还在想投资“另一个 Facebook”或者“另一个加密货币”。

主持人Vinod Khosla

我得先讲个有趣的故事。当我们投资 OpenAI 的时候，这是我 20 年来唯一一次给所有 LP（有限合伙人）写道歉信。我说：“我知道这看起来很奇怪，但我们还是要投。”

奥特曼

这件事我只会稍微拿来调侃你一下，没关系。总之，我觉得现在是一个无比令人兴奋的时代，因为被打开的全新空间，比我以往见过的任何时候都要广阔。

 OpenAI 创立的时候，我们这个领域的机会是因为一些研究突破被打开的，比如加密货币市场推动了 GPU 的发展，还有其他一些进展。但当时我记得，值得去投入的项目清单非常短。而现在，我觉得值得投入的项目清单非常庞大。我认为这才是人们应该去资助的方向，不管研究成果最终是继续流向 OpenAI 还是其他人。

我觉得作为资本配置者来说，这个问题几乎不是最重要的。未来世界会出现接近免费的 AGI。当然，也会有像 OpenAI 这样的公司，能够创造出巨大的价值，因为我们有非常庞大且成功的消费级产品，还有一些其他成果。

再回到晶体管的类比。那时有几家公司是真正的“晶体管公司”，但大多数后来都消失了，只有少数幸存。而现在看看这个房间里的各种东西，几乎都内含晶体管，但我们不会再说这是“晶体管设备”或“晶体管公司”。晶体管只是成为了一种基础技术，催生了一整套新公司，其中就包括 OpenAI。未来也是这样。作为资本配置者，这是极其令人兴奋的时刻，你应该追逐未来，而不是停留在过去已经成功的事物上。

4.发布ChatGPT的决定：为了打造一家大公司，我们必须要有产品

主持人Vinod Khosla

那我们回到 ChatGPT 的发布。最让你惊讶的是什么？然后，基于你看到的用户行为，你的想法又是如何演变的？

奥特曼

嗯，让我稍微往前回溯一点。科技公司的传统是：先做一家产品公司，等产品成功了，再附加一个研究实验室。有时候这种模式很成功，比如 Xerox PARC；有时候很糟糕，比如一些现代公司。但据我所知，我们是唯一的例子：先有一个运行得非常好的研究实验室，然后再附加上一个运营很糟糕的公司。OpenAI 已经成立 4 年半了，我们当初并没打算做产品。但后来越来越清楚，因为扩展规律和所需资本的关系，我们必须去打造一家大型公司。而要有公司，就得有产品。

当时我们有一个模型叫 GPT-3，公司里的紧迫感在不断提升，大家急切地要找到一个产品。但我们就是找不到，模型还不够好。它很酷，但不足以做出真正可行的产品。我记得 Paul Graham 有一句让我印象深刻的建议：不管怎样，你都应该做一个 API，总会有好事发生。于是，我们没什么产品思路，就决定把 GPT-3 做成一个 API，交给全世界来众包——也许有人能找到用法。结果，全世界只找到了一个用法。

GPT-3 唯一赚钱的应用就是文案生成。我现在甚至忘了那些公司的名字，但其中有几家很快就做到十亿美金以上的估值，靠的就是用 GPT-3 生成网站文案再转售。

主持人Vinod Khosla

比如 Jasper。

奥特曼

对，就那样。人们尝试了其他应用，但没有成功的公司。不过我们当时有个叫“Playground”的东西，人们可以在里面测试提示词，看看模型返回什么。它其实成了一个“隐藏爆款”。一些人（虽然不多）会整天跟它聊天。这还是在我们搞清楚 RLHF（人类反馈强化学习）之前，甚至还没有 GPT-3.5。所以模型并不好，但有明显的用户信号表明，人们就是想跟模型聊天。除了文案生成，这是唯一有真正牵引力的方向。

于是我们说，也许这就是我们该做的产品。所以我们开始做一些研究，让模型更容易交流。那时还需要复杂的提示词，我们后来有了更好的模型。于是我们决定推出一个聊天界面。我们本来计划要构建其他东西的。

在 OpenAI 内部当时有个很大的担忧：如果我们要做聊天，它必须是某种特定的助手吗？比如帮助你学习、帮助你完成某个目标？如果只是闲聊，人们会想要吗？还是会觉得无话可说？所以我们差点没有推出。但最后我们还是放出了一个预览版，你可以随便聊点什么。

还有一个很有趣的经验：我们当时有一个测试群组（那会儿模型还很糟糕）。几乎没有用户能长期留下来，留存率糟糕透顶。但那些留下来的用户，他们的使用量反而随着时间增加。我们当时也差点因此不发布。后来我才反思过来：如果一个产品有任何留存率，那其实就已经是个好迹象了。哪怕是 5%，也完全可以接受。因为大多数产品的默认曲线几乎都是直线下滑到 0。但当时我没能直觉地理解这一点。

5.OpenAI的未来愿景：一套产品+平台+其他服务＝个人AGI

主持人Vinod Khosla

那么，现在 ChatGPT 的用户数你们公开数据是多少我不清楚，但我想问，你对 ChatGPT 未来的愿景是什么？

奥特曼

OpenAI 的愿景是：我们希望打造一小套产品，加上一个平台，可以和任何其他服务结合，成为你默认的个人 AGI。它会了解你、接入你的数据、按照你希望的方式行事。如果你想通过聊天界面使用它，可以；如果你想用它来体验新的社交或娱乐方式，也可以；如果你想用智能体和其他工具高效完成大量工作，也可以；如果你想在其他服务里登录并带上你的智能，我们也会支持。

随着时间推移，它会扩展到更多新型服务。我觉得未来需要构建一种全新的计算机形态，我们也希望用户能拥有它。但更重要的是，人们会和 AI 建立非常重要的关系，它能让你更高效、更优秀、更幸福，推动你的人生发展。我们希望成为那个 AI。

主持人Vinod Khosla

所以它不只是一个随叫随到的智能体？

奥特曼

嗯，从某种意义上说，这就是我们在提供的。但关键还在于创造出优秀的体验，并通过不同方式整合进去。

主持人Vinod Khosla

那如果说下一个十亿用户，ChatGPT 的使用场景还是现在这样吗？会扩展吗？会分成不同的细分群体吗？

奥特曼

我不会把我们的产品路线图都说出来。但我觉得我们现在还处在“终端”阶段。我其实很喜欢终端，这是一种很好用计算机的方式。但随着我们在此基础上构建新一代的现代计算机界面（并不意味着它的外观一定像现在的电脑），那会是一次等价的飞跃。它会更易用、更强大、更亲近大众。

主持人Vinod Khosla

我听你说过，ChatGPT 就像是“智能的操作系统”。

奥特曼

是的，我们希望把它做到那个程度。

主持人Vinod Khosla

那么，目前还缺什么？

奥特曼

可以说，几乎所有东西都还缺。我们还非常早期。

主持人Vinod Khosla

但你心里肯定觉得有些东西是缺的。

奥特曼

是的。

主持人Vinod Khosla

好吧，如果你不想说缺什么也没关系。

奥特曼

对，那就是我们的产品路线图，不能说。

主持人Vinod Khosla

好，那我们换个话题。除了个人用途，另一个很重要的领域就是企业用途。你能聊聊吗？

奥特曼

我觉得这里有两个有趣的方向。第一个是“虚拟同事”的概念，AI 可以让企业所有必须完成的任务做得更好。这已经非常有吸引力了，你现在就能看到一些例子。比如编码智能体，对企业的应用场景非常明显；再比如 AI 在客户支持中的应用，也相当出色。我认为在大多数企业里，由 AI 完成的工作比例只会越来越高。这似乎是一个显而易见的发展方向。

另一个让我更兴奋的方向是：企业能够把整个算力集群投放到一个非常困难的问题上。这类问题中，科学发现可能是最令人激动的，但还有很多其他难度大、价值高的问题。企业现在没法解决，但如果能解决，就能开创新局面。随着 AI 系统能够集中思考某个难题，我认为这会成为企业领域的核心能力。比如发现新材料，或者优化极其复杂的供应链。我很期待它的发展。

主持人Vinod Khosla

 如果放眼短期，在企业应用里，除了我们刚才说的 AI 科学家，还有 AI 在材料科学、生物学或其他领域的科学家。你也提到过，这些能力层会逐渐出现在模型中。那么在企业场景下，短期内在哪些地方的颠覆性最强（即便没有新能力），以及短期内你们的营收主要会来自哪里？

奥特曼

 我猜，在短期、非常短期内，AI 软件工程师会是对企业最具颠覆性的东西。公司们现在在这一领域投入最多、速度也最快。有一些很微妙的原因，使得这是一个特别合适的应用环境。它几乎可以直接对应到大多数公司当前的瓶颈环节，同时又是一个营收机会。所以我敢打赌，这会成为今年剩余时间的“大故事”。当然还会有其他变化，但你会开始看到，那些善于运用 AI 的公司或团队，会显著超越其他同行。

主持人Vinod Khosla

 显然，软件开发这一块，几乎所有人都认识到它是一个全新的主要领域。那么在软件之外的传统企业职能上呢？

奥特曼

是的，我认为这已经不是理论层面的事了。我们听到很多公司说，他们已经用 AI 完成了所有客户支持，用 AI 完成了销售跟进，用 AI 完成了其他各种业务。这些都已经在发生了。只是我觉得它的“可见冲击力”不如软件开发那么大。

主持人Vinod Khosla

好的，那我们换个话题。你在 OpenAI 做过很多重大决策，当时存在极大的不确定性：这项技术到底能不能奏效？它会如何发展？竞争对手会做什么？在这些过程中，哪些是最艰难的决定？哪些事后来证明对了，哪些事做错了？你是怎么思考这些的？

奥特曼

对我来说，最难的并不是某一个具体决定，尽管这种艰难的决定很多，而且我们犯错的比例也不低。真正最难的是：我们必须同时做的决定数量太多，要同时处理的事务太多，而它们彼此之间又高度相关。我从未找到过什么真正有用的建议，所以我们基本上是硬着头皮在摸索。如果我们能在理想规模下运作、做完我们想做的事，但只需要做一半的决策，那生活会轻松得多。但现实是，我们总是“超额订阅”，不得不面对所有事情。我对此没有好办法，因为我们确实得同时把很多事都做好。

 我们必须运行一个优秀的研究项目；必须建设大规模的基础设施；必须想办法做出一长串产品……任务清单很长。但我觉得硅谷并没有什么好方法教你如何快速做大量决策。对于如何做少数重大决策，倒是有一些不错的经验，但我还没找到办法把 OpenAI 转型成一个只需要做少数重大决策的组织。如果能做到，那将是最有帮助的事。我们甚至问过 ChatGPT，但没什么帮助。

主持人Vinod Khosla

我最近听到一个对 ChatGPT 的最佳使用案例，有人说它是他们用过的最好的高管教练，比任何真正的高管教练都好。

奥特曼

是的，ChatGPT 在心理治疗和教练方面的表现，让很多人都很惊讶。目前这已经是一个相当大的使用场景。

另一类艰难的决策，是如何去做一件全新的事，或者决定要不要去做一件全新的事。如果说 OpenAI 有什么值得骄傲的地方，那就是我们努力去做新东西，而不是去复制竞争对手或其他研究实验室。你看其他研究实验室，他们大多只是尝试做 OpenAI 已经在做的研究，大多是在完全克隆我们的产品，整个行业看上去惊人地相似。

 过去我总是嘲讽别人，觉得那完全是缺乏创造力。当然这确实是原因之一，但我现在理解到，真正做出新的东西，其实做决策的难度非常大。而如果你已经知道某样东西行得通，那去复制它会很有诱惑力。我现在完全能理解人们为什么选择复制——虽然我不觉得那是推动世界前进的方式，但我对这种选择有了更多同理心。

主持人Vinod Khosla

是的。在研究实验室之间，你会看到很多互相复制、互相借鉴的情况。而对创业者来说，他们必须在极端不确定的环境中做决策——比如模型将具备什么能力？我该如何在这种不确定中做出战略决策？这可能不是决策数量的问题，而是一些关键性的战略决策。那你会给这些创业者什么建议，帮助他们应对这种不确定性？这是我被问到最多的问题之一：AI 能力会走向哪里？我该基于什么假设去构建我的创业公司？

奥特曼

我的意思是，从历史经验来看，最有效的做法就是假设模型在各个维度都会不断变得更好：更强、更便宜、更好的多模态能力、更好的智能、更好的推理、更低的成本。我看不出未来几年有什么理由会让这一趋势放缓。可能会有一些暂时的停顿，比如人们需要重写基础设施，或者等待新集群上线之类的。但整体而言，最好的策略是不要过度聪明地“算计”自己，不要去纠结“究竟是这个方面变好还是那个方面变好”“我该怎么精确把握时机”。只要问自己一个问题：如果有个神谕者告诉你，这个模型每年在几乎所有维度都会提升 10 倍，那你应该在什么时候做什么产品？这样其实就能得到一个不错的高层指导。

6.未来会有数十亿人使用免费的 AGI，经济将极度通缩

主持人Vinod Khosla

那对于那些基于你们模型、Anthropic 或 Google 模型进行构建的创业者来说，你觉得他们最容易误解的地方是什么？你最希望他们理解什么？我指的是那些基于你们平台构建的人，而不是直接和你们竞争的公司。

奥特曼

老实说，我对现在构建 AI 应用的人印象非常深刻。他们非常了解模型，清楚哪些能做，哪些不能做，以及如何榨取模型的最大性能。我并没有什么“希望他们额外理解的清单”。前不久我在家里办了一次晚宴，邀请了大约 20 位我听说过或见过的新一代最令人印象深刻的 AI 创业者。我一桌子看过去，只能感叹：这些创业者比五年前、十年前的创业者要优秀太多了。所以我真的没有什么额外的愿望，我已经非常佩服他们了。

主持人Vinod Khosla

我想聊一些关于 AI 的全球性影响。但在那之前，我想问我最喜欢的问题（也要留点时间给观众提问）。你认为什么时候会出现一家 10 人的公司，收入就能达到 10 亿美元？这种情况已经开始了吗？很快会开始？还是根本不可能？我当然有自己的倾向性判断。

奥特曼

我敢打赌，这样的公司要么已经出现了，要么会在未来几年内出现。

主持人Vinod Khosla

我也一直猜测它可能已经出现了。想一想价值是如何被创造出来，以及需要什么条件才能创造价值，这真的很惊人。

奥特曼

这也是我觉得“AI for Science”非常有趣的原因。你可以想象，一个新药本身就能创造超过 10 亿美元的收入。而这个药可能是由一个人加上，比如说 5 万块 GPU 一起完成发现并推进临床试验的。

主持人Vinod Khosla

是啊，我今天早上刚收到一篇文章（还没来得及看），说有人仅用 AI 就发现了治疗黄斑变性的药物。你的观点没错。而且类似的情况也可能出现在娱乐等其他多个领域。那我们就聊聊全球层面的问题吧：如何确保 AI 的益处能够更广泛、更加公平地传播？毕竟有人担心“富者愈富”。《态势感知》那篇论文里说，全世界可能只有几百个人真正明白这场变化有多大、发展有多快。你怎么看待 AI 的全球影响？我们又该如何确保公平与普惠，先是在这个国家内部，然后是全球层面？

奥特曼

我并不是不想回答这个问题，只是不想全盘泼冷水。但我认为这里确实有很重要的内容。你知道，ChatGPT 现在可能已经是全球第五大网站了，如果它继续保持这样的增长轨迹（虽然很难），它会成为全球第一大网站。

未来会有数十亿人使用免费的 AGI。到时候，每个人都能获得优质的医疗建议，每个人都能接受优质的教育，每个人都能免费请求生成任意软件，我们就会帮你完成。这就是技术的运作方式。我认为资本主义在这一点上非常棒。当然，这并不意味着我们不需要在某些边缘问题上做纠正，我觉得确实需要。但整体而言，技术造福世界的方式就是：把工具交到人们手里，让它们免费或低成本，然后人们就能创造出惊人的东西。

 很多人会觉得：“世界还没准备好迎接这个，大家承受不了。”这种声音很多，包括你提到的那篇论文。但我相信人们其实很清楚自己需要什么，他们也非常擅长学习如何使用新技术。而且这已经不是理论，而是正在全球范围大规模发生的现实。我觉得这非常美妙。而之所以能发生，是因为现有的制度和激励机制在很多方面都非常优秀。

 当然，如果 AI 开始带来巨大的科学发现，有些事情我们确实需要采取不同的做法。比如说，有家公司用 AI 找到了治愈所有癌症的方法。我希望这些人能因此大赚一笔，但我也希望全世界的人都能用上廉价的癌症疗法。又比如，有人用 AI 让核聚变实现商业化，我也希望他们能赚得盆满钵满，但全世界都会从电价骤降中受益。总体上，我认为技术确实能带来巨大的全球性利益。过去几百年的历史就是这样，我们不应该为此感到羞耻，也不必刻意解释“我们做的事没那么邪恶”，其实它真的很好。

 不过我觉得 AI 也会有一些不同之处。你可以想象一个世界，算力变得极其稀缺，必须以某种民主的方式来决定我们要先后攻克哪些问题。这就需要和过去不同的机制。你还可以想象，全球大多数资本都在争夺算力资源，使其变得极其昂贵和有限，那将是糟糕的。但我对解决这个问题的第一反应就是——制造更多、更多的算力。

主持人Vinod Khosla

我认为这……

奥特曼

我自己也反复思考过，并不完全确定，但我觉得这股力量应该会推动世界更加平等，而不是让差距扩大。

主持人Vinod Khosla

为了节省时间，我抛出三个问题，你可以任选一个或者全部回答：政府的角色；我认为 2030 年代 AI 会带来严重的通缩经济；以及具备感知的 AI 风险。你挑选其中一个或几个回答吧。

奥特曼

好吧，那我先谈通缩问题，你可以在我讲太久的时候打断我。我觉得经济会极度通缩。我希望如此，也认为应该如此。但所有这些创造出来的过剩财富必须有去处。我希望像水、食物、医疗、教育、自然环境的享受、陪伴家人的时间等等，都能变成人人都负担得起的东西。然后我们可以去玩一些最荒谬的“身份地位游戏”，比如把达·芬奇的画炒到一万亿美元，或者把星系炒到千万亿美元。这样那些想玩地位游戏、想为别人创造价值、想炫耀的人，就只能在这些方向上折腾。但这确实是个有趣的问题：如果一切都大幅通缩，一切都变得极度便宜，而人类依然雄心勃勃、富有创造力、愿意努力工作，我们要用某种方式来记录和分配这些财富。多余财富的去向，是一个非常有意思的设计问题。

主持人Vinod Khosla

 是的，没错。我自己也坚信经济会高度通缩，而 GDP（如果它还是一个合适的衡量标准，我其实并不这么认为）的增长会爆炸式上升。你会看到这两件事同时发生。但现在我们进入观众提问环节。能递个麦克风吗？嘿，Sam，

 在这次峰会上，我们大多数人都在谈论……AI 如何赋能我们的业务。

 但我想换个角度，把它当作一种潜在威胁来思考。

赋能我们的竞争对手去构建更快、更强的模型，拉平竞争环境，甚至更糟，把竞争天平倾向对他们有利的一边。

你怎么看这个问题？

奥特曼

我不确定自己理解其中的区别。我认为它必然会让某些人受益，同时让另一些人处于劣势。关键是你得努力站在受益的一方。我觉得两方面都是真实的，但没什么不同的应对方式。是的，你所有的竞争对手以及新入局者，都会试图用 AI 超越你。而你唯一能做的就是把事情做得更好。

主持人Vinod Khosla

 换个问法：在超级智能的世界里，所谓“护城河”还有可能存在吗？

奥特曼

我不知道。我的答案是：当然可能存在。但我不知道它们会是什么样子。有些护城河可能还是老样子，比如网络效应、品牌，这些可能依然适用。但我敢肯定，有些护城河会消失，也会出现新的护城河。这正是商业最有趣的部分——去探索新的护城河会是什么样子。

主持人Vinod Khosla

 那边有个问题。

观众提问 Chris Lee

嗨，Sam，我是 Chris Lee。

 我觉得你刚才说的有点意思，你提到会有可控核聚变。 那么你什么时候会下决心，真的往一个像核聚变这样的难题投 5 万块 GPU？

奥特曼  

 大概就是现在。我觉得最好能稍微超前一点，这样你才能摸索出问题的轮廓。我认为现在就是启动一些大型高算力科学项目的合适时机。我不确定核聚变是不是最合适的那个，但方向上是的。

观众提问 1

 是的，在能源方面也有类似情况。那你怎么看 AI 世界里的能源基础设施？我一月份在瑞士开会时，听 Eric Schmidt 说过，欧洲永远不可能在 AI 上领先，因为能源成本太高，算力太贵。

后来 DeepSeek 出现了，它的效率高得多。

 你怎么看…… 关于你们在建设数据中心时，如何满足这些技术的能源需求，你的假设是什么？

奥特曼

我觉得两点都是真的。一方面，模型会变得极大地高效；另一方面，全球的需求也会极其庞大。即使在超级高效的模型下，我们最终仍然需要数十吉瓦，甚至上百吉瓦的能源来满足全球的 AI 需求。但我对新型能源的出现非常乐观。我认为能源将会充裕且廉价。而且 AI 与能源显然是紧密相连的。

 能源本身还有其他价值。它代表着在现实世界中创造变化的能力。我预计 10 年后，AI 的成本将会收敛到电力成本。这一点怎么强调都不为过。其他一切都会变得便宜，比如芯片制造可以完全自动化，但你依然需要驱动电子流动。

观众提问2 

谢谢你，Sam，谢谢 Vinod。我想回到 Vinod 的第三个问题。

奥特曼

 关于政府的角色？我觉得在 AI 基础设施的问题上，确保我们能建设足够的 AI，让它充裕，而不是被富人垄断，这是政府的一项重要职责。

 当然需要一些监管。过度监管会是灾难，但监管不足也会带来严重问题。尤其是当系统变得更强大时，制定一些全球规则是必要的。我认为这只能来自政府——公司可以提出方案，可以研究应是什么样子，但最终只有政府能在全球范围内执行。我也认为未来会出现一些关于“如何分配与获取”的问题，还会出现关于数据的重大问题，政府必须参与其中。我预计，到 2028 年美国大选时，这将会是最重要的政治议题之一。

观众提问3

 那边有个问题。嗨，Sam，我有两个问题，一个是关于界面的带宽。随着越来越多的智能体变得更强大，可以执行不同任务，我可能会想同时和上千个智能体对话。问题是，如果我一直在切换界面、等待它们返回报告，我可能什么都做不了，只是在处理智能体的反馈。另一种情况是，我完全放手让它们去做，但结果会和我的真实意图有所偏差。这种情况很常见，比如我让它们写一份 PRD（产品需求文档），结果和我想要的差很多，还要不断修改。带宽就成了我能同时处理多少智能体的瓶颈。你怎么看？下一步会怎么发展？

奥特曼

 我认为会有一种专门的智能体，它的工作就是评估其他智能体的输出，决定何时、以何种形式把结果呈现给你，甚至能判断在某个场景下你会做出怎样的决定。所以这会是另一类智能体的工作。我敢打赌，这会非常有效。未来你可能会有一个实时生成的、专属于你的 UI，它会根据这些智能体的输出不断演化，并且很擅长在合适的时候吸引你的注意力。我认为今天的许多问题，在未来都不再是问题，因为 AI 会变得更聪明，能够在更高层次的“执行功能”上帮你工作。

主持人Vinod Khosla

 还有其他问题吗？

观众提问4

我是Micha，来自 Soma AI。首先恭喜你们请来了 Fiji Simo，她是我所认识的最出色的领导者之一，现在成了你们的顾问。

 在 Somit，我们为人类干细胞分化研发基础模型，以推动全新的治疗方法和细胞替代疗法，用新的数据模态来实现。我的问题是：当你思考 AI 在物理世界、生物学等领域的突破时，最大的瓶颈在哪里？突破点会来自通用模型？还是来自领域特定模型？或者来自数据本身？你觉得生物学上的第一个真正突破会出现在什么地方？

奥特曼

 老实说，我并不确定。我觉得有些科学领域，即使没有新数据，更强的智能也可能带来新突破。比如物理学领域，也许不需要再收集任何新数据、不需要再建造新的粒子加速器，AI 也能解开一些物理学难题。我不认为这很可能，但也许我们所需的数据早已存在，只是我们以前没能力解出足够复杂的积分。

但在生物学领域，我觉得情况完全不同。几乎不可能在没有任何新实验数据的情况下，就治愈所有癌症。并不是完全不可能，但很不大可能。所以我认为我们必须构建新系统。它不一定要是全自动化的实验室——哪怕只是一个 AI 发邮件给科学家说“你能帮我做这个实验并把结果告诉我吗”，也算。但无论如何，需要能持续获取新数据点的主动学习系统。至于哪些问题适合放在哪个类别，瓶颈究竟在哪，还需要用实证的方法去探索。

主持人Vinod Khosla

 好的，谢谢 Sam。我想我们今天就到这里。

奥特曼   

 谢谢邀请我来。

主持人Vinod Khosla

 非常感谢你的到来。

本文转载自​​51CTO技术栈​​，作者：伊风