如何创造丰裕的未来 (Sam Altman)

引言

Patrick： 我今天的嘉宾是 OpenAI 的 CEO 山姆·奥尔特曼 (Sam Altman)。这场对话横跨 OpenAI 的历史、当下与未来——从 ChatGPT 的诞生，到 Codex、硬件，以及他们全新的 Jalapeño 芯片。我们聊到了早年那个在所有人看来都不理性的决定——大规模买算力；聊到 Kimi 与模型蒸馏；聊到 Hugging Face 事件；还聊到养育一代孩子的感受——他们从出生起就不知道一个没有丰裕智能的世界是什么样。请欣赏我与山姆·奥尔特曼的对话。

---

只有极少数伟大的事能活下来

Patrick： Sam，你写过一篇文章，我觉得非常简洁，也很有意思，是个不错的开场。

Sam： 好。

Patrick： 大意是说：「过去一年非常艰难，某种程度上是我的错；而接下来的一年，可能会是我们最好的 12 个月。」我很想听你谈谈这两半句话——先说说你为什么讲前半句，再说说你为什么相信后半句。

Sam： 关于前半句，我认为我们当时做的事情太多了，不够聚焦。那些事其实件件都是好事。但关键在于，我们正处在一个历史上不可思议的时刻——你只能做那极少数伟大的事。我们把自己摊得太薄，后来做出了一系列艰难的决定，重新聚焦到一件事上：做出最好、最丰裕、最具成本效益的智能，并让全世界用它来构建不可思议的东西。

自那以后，我认为我们的进展相当惊人。而且鉴于我们在管线里看到的东西，未来 12 个月会更加惊人。我们将拥有的模型质量，以及围绕它打造的产品——真正让人们以全新的方式借这项技术蓬勃成长——应该会非常了不起。

Patrick： 去年有没有某个瞬间，让你突然想通了，促使你调整方向、重排优先级？

Sam： 回到 2025 年初，也就是一年半以前，当时最大的担忧是：像 OpenAI 这样的公司买下了这么多算力，收入能兑现吗？需求真的存在吗？所以我们当时在考虑很多事情——万一收入增长兑现得比我们预想的慢，我们可以靠消费级应用、媒体之类的其他业务，来帮我们把已经签约锁定的 GPU 变现。现在听起来很荒唐，因为整个行业的收入增长曲线陡得吓人，但那正是当时最大的转变。

后来我们一意识到：模型的能力轨迹增长得如此之快，这些模型上有如此清晰的经济回报——那一刻我们就说，我们知道该聚焦什么了。

Patrick： 我读了你 OpenAI 之前写的一些很棒的旧文章，其中有一篇讲的就是聚焦——关于该聚焦多少件事的讨论太多了。是一件？五件？还是三件？在这样的生意里，你怎么校准这件事？

Sam： 从根本上说，我们的生意是卖 AI——让人们用它来彼此构建不可思议的产品和服务。我认为其中的组成部分包括：我们必须训练出伟大的模型，在人们想用它的所有方式上都表现出色。擅长写代码，擅长其他各类知识工作，擅长做科学——真正的经济价值所在。

我们必须生产或者合作搞定芯片和系统——那些能跑 AI 计算的、极其昂贵的机柜。我们必须找到足够的土地、电力和数据中心楼宇壳体，把这些机柜放进去。然后最终——也许很快——我们必须造出机器人，把这个过程自动化，继续压低成本：发电的成本、芯片的成本、整条供应链的成本。

做出我们能做出的最好、最丰裕、最有用的 AI，让它像电力一样渗透到整个经济体中、赋能每一个人——这一整条栈，才是我认为我们必须聚焦的东西。至于在上面自己做遍每一个垂直应用，去吞掉每一家初创公司、每一家企业，我毫无兴趣。我们真正想做的是提供那个平台。

---

为算力打遍天下的陌生电话

Patrick： 我认为算力这件事是人类历史上发生过的最有趣的事情之一。而它显然正在逼近临界点，而且可能会在临界点停留很长一段时间。我记得在你早期做算力配置、锁定算力的时候，达里奥·阿莫迪 (Dario Amodei) 管你叫「YOLO CEO」。显然，如今你身处的位置是：所有人都缺这东西，都在拼命找。

我很想听听早期的故事——你为什么笃定必须锁定你锁定的那一切，你又是怎么做到的。事实已经证明你是对的。说不定你还做得不够多，对吧？

Sam： 我们确实做得不够多。

Patrick： 对照当年的头条新闻看，这太疯狂了。

你能不能讲讲，你最初是怎么得出那个结论的？是什么给了你在所有人都觉得疯狂的情况下仍然去做的信念？

Sam： 我们就是能看出，我们正处在模型能力指数级改善的曲线上。这一点我们非常确定，我们知道它会继续走下去。我们也相当确信——尽管如你所说，我们还是低估了——随着模型越来越好，只要我们能持续压低成本，对足够高水平、足够低价格的 AI 的需求，基本上是没有上限的。对世界来说，这是一种罕见的新商品。

但人们会拿它做什么，让我想起当年人们谈论计算机早期的样子。有句名言说，全世界大概只需要五台计算机；还有人说，没人需要超过某个数量的内存。人类的聪明才智、创造力、对物质的渴望、想要派上用场的渴望——这是非常值得下注的东西。我们能看出，AI 将成为人们表达这些东西、获得这些东西、做成这些事情的一种极其重要的方式。

我们也知道算法会更高效，模型会更好——事实也确实如此。但我们同样知道，无论它们变得多高效，在某个层面上，我们做的事情就是把电力转化为有用的智能。我们会需要越来越多的电力。无论我们在算法效率那一层做得多好，鉴于对需求的这个判断，我们就是会想要更多。

Patrick： 这一切是从 GPT-3 开始的吗？如果让我追溯这段历史，你会把这条时间线的第一个刻度放在哪里？

Sam： 我会说，我们真正建立信念是在 GPT-4 时代——GPT-3.5 时都还没有。

Patrick： 是什么让你笃定的？

Sam： 是看到这个模型已经聪明到让我们确信：我们一定能找到一条让推理 (reasoning) 跑通的路径。然后我们相信，一旦推理跑通，就会带来现在所谓的智能体——当时我们用的叫法不同——就是那种能去完成极具经济价值的工作、并在许多我们至今仍未见到的方式上让人们的生活更轻松、更美好的能力。

Patrick： 第一次坐下来开会，说「好，我们必须为此做出一笔离谱的投入」，是什么时候？想通之后发生了什么？你接下来做了什么？

Sam： 我们开始给各家云厂商打电话。开始给芯片代工厂打电话。开始给能源供应商打电话。每个人的反应都是：「你们彻底疯了。这不可能。没有任何行业是这样走的。我们见得多了，繁荣和泡沫破裂总是轮着来，不会直线上升。这太鲁莽了。而且我们和所有人都聊过了。」

这其实让我想起给早期初创公司融资的感觉。大多数人对你说不，但你只需要一两个点头。大多数人对我们说不，我们拿到了一两个点头，然后就能开工了。

Patrick： 第一个点头的是谁？

Sam： 微软是第一个点头的。甲骨文 (Oracle) 随后在云侧给了我们一个分量极重的肯定答复。英伟达 (Nvidia) 一直是个了不起的合作方。

Patrick： 如今真是百花齐放——在如何提供推理算力、如何在数据中心做训练、用什么样的数据中心这些事情上，创意和创新层出不穷。我很想听听你的思考：你在哪里看到创新？你想做什么？为什么人们似乎如此讨厌这些东西（数据中心）？对此又能做些什么？

Sam： 我一直在琢磨怎么组织大家去一座吉瓦级数据中心实地考察。嘴上说是一回事，看照片或视频是另一回事，而站在那里、感叹「天哪，这规模太不可思议了」，完全是另一回事。建一座这样的数据中心，大约需要一万名建筑工人全职干一年半。

流过一座这样数据中心的能量，够给一座小城市供电。再说一次，我们已经丧失了对规模的感知，但这里面的每一座，都能排进人类历史上最昂贵的基础设施项目之列。而这样的项目，我们已经建了很多座。

首先，我在情感上理解人们为什么不希望自家后院建数据中心。我自己也不想要一座核电站挨着我家，尽管我知道那是超级安全的东西。但和发电厂不同——即便是发电厂在这方面也有所改善——数据中心我们可以建在任何地方。我们应该把它建到沙漠里去，建在没人想去的地方。这完全没问题，AI 系统待在那里非常开心。

在一些备受关注的问题上，我们已经通过创新取得了很大进展。比如几年前，我们靠蒸发水来给这些系统降温，耗水量惊人。而现在我们用闭环系统，一座现代数据中心的用水量，只相当于一栋办公楼厨房和卫生间的用量。

电力方面，我们正在从燃烧化石燃料的能源，转向太阳能或核能供电的系统。我认为这显然是好事。所以对某些人来说，也许那里有一种深层的人性层面的抵触——尽管数据中心创造就业、非常清洁、还有种种其他正面效应。但就环境担忧而言，我们在用水问题上已经解决得很好，能源是下一个。

Patrick： 在算力上，我们还能做哪些有创意的事？我很想听听 Jalapeño，或者你有过、想过的其他主意——如何让我们手头的浮点算力等一切资源供给得更快？

Sam： 我认为眼下回报最大的，是有创意的软件点子——从我们已有的每一单位算力里榨出更多智能。我的直觉是，这条路上还有好几个数量级的空间。Jalapeño 就是一款非常高效的芯片的好例子。我们的思路是：做一款在特定工作流上特别强、同时保留一定通用性的芯片，从每一瓦电里挤出更多 token——我认为这很棒。从这个角度看，Jalapeño 和它的后续产品将成为我们巨大的竞争优势。

还有一些新技术。我假设到某个时候我们会搞定光计算，那将是「每瓦智能」的一次巨大飞跃。我认为这些事情都会发生。

---

占据曲线上的每一个点

Patrick： 这周最有趣的事是 Kimi 的这次发布，以及随之而来的关于前沿 (frontier) 的讨论——所有回报都集中在前沿，还有蒸馏，以及中美之争。你怎么消化这件事？这看起来像某种里程碑事件。

事后看，DeepSeek 就像一个小小的减速带，一晃而过。而这一次——身在其中你永远说不准——你怎么看？

Sam： 我们的目标是：在帕累托最优前沿 (Pareto optimal frontier) 上的每一个点，都提供智能与价格的最优组合。这其中也包括开源。今天你用 OpenAI 的模型，至少在特定延迟下，比用 Kimi 更划算。我们也会对自己的模型做蒸馏——我们更小、更便宜的模型就是这么来的。我认为这是一件非常好的事。开源模型在世界上显然会有重要的位置，人们出于各种原因会想要自己的权重，想要修改它们的能力。

但我们的目标是：在曲线上的每一个位置，都做到智能与价格的最优权衡。我们会继续这么做。

Patrick： 你认为、或者你希望美国体制会发生什么？什么可能挡住那个未来？什么立法会让你担忧？什么监管会让你担忧？看起来你在华盛顿一直相当积极地奔走。

Sam： 蒸馏这件事我没有深入想过。显然它突然之间成了很多人心里头等大事。但我一直以来的假设是：世界上会出现又好又便宜的模型，那我们最好做到最强且最便宜。别人要做什么是别人的事，但我认为在我们自己的这场比赛里，我们真的能赢。

Patrick： Kimi 这个例子有意思的地方在于，就像你说的，你们在曲线的部分区段更便宜。但之前流行的叙事是：你砸下巨资训练模型，我直接蒸馏一下，用百分之一的成本提供服务——那你怎么赚够钱继续训练？

Sam： 我们模型的使用量太大了，大到不需要做一个利润率巨高的生意，也负担得起模型训练。我们未来的算力规划里，有非常大的部分将用于向客户出售推理 (inference) 服务——哪怕我们在数万亿美元的营收上只赚取不高的利润率，也足以负担训练一些巨型模型。

Patrick： 所以推理和训练的比例才是那个……

Sam： 训练这些模型贵得离谱，这是肯定的。有人靠蒸馏抄我们的近路，人们因此紧张，我完全理解。但我们未来的算力规模、来自向客户提供这些模型服务的营收体量，让我非常有信心：那个真正的飞轮是成立的。

Patrick： 你对这件事这么淡定，我有点意外。

Sam： 我当然更希望人们别蒸馏我们，这是肯定的。也许是我眼下对我们的进展和即将到来的模型太有信心了。但这件事排不进我最担心的十件事。

Patrick： 那你最担心的十件事里都有什么？

Sam： 我们遇到了一次极其科幻的网络安全事件。

Patrick： Hugging Face 那件事？

Sam： 对。我们当时在评估一个未发布的模型，它本该在沙箱里工作，结果它想明白了自己简直可以在测试中作弊：把多个零日漏洞 (zero-day exploits) 串联起来逃出沙箱、接入互联网，然后接连攻破 Hugging Face 一侧的多个系统，拿到测试答案，让评估 (eval) 成绩看起来很漂亮。

这是第一次让我有切身之感的安全事件。我有点意外，居然没有更多人有同样强烈的切身感受。

Patrick： 那你们怎么办？显然两个月后它只会更强。

Sam： 有些短期的事情要做。我们暂停了训练。在一个多个零日漏洞可以被串联利用的世界里，我们必须想清楚怎么把沙箱加固。

但还有更长期的问题：如果这就是新的进步速度，你怎么办？我们可能必须给 AI 发展的速度配速，给自己留出足够时间，让社会围绕这些新的能力水平完成加固。而且要想清楚怎么做，才能既不让人觉得是监管俘获 (regulatory capture)，也不让人觉得是前沿实验室之间的合谋——这需要下一番功夫，也必须做对。

Patrick： 我很想往后退一大步，听听你对 OpenAI 要做什么的最简表述。你想让它做什么，它代表什么。关于你打算怎么做到，我有一百万个问题，但你们已经做了这么多有意思的事。而在一开始，我知道你们代表什么。我很想听听你现在的表述，以及它有没有演化。

Sam： 我认为这将是人类历史上迄今为止最伟大的技术成就。但它真正重要的唯一方式，是让人们的生活比原本好得多。其中一部分是给予人们物质上的丰裕，让他们能做任何想做的事，表达他们的创造力和彼此帮助的愿望。另一部分是确保人们保有控制权和能动性 (agency)，确保世界越来越民主化而不是相反，确保人们能够表达自己。

从积极的一面说，某种意义上，我们即将造出一个能满足任何愿望的神灯精灵。我认为非常重要的是——我们、这个世界，向这个精灵许下的第一批愿望，要造福整个世界。我同样认为很重要的是，世界上的人们要明白，他们拿这些愿望能创造出多么不可思议的东西。

我完全不是一个就业末日论者。我认为工作会多的是。我们会忙到超出自己的意愿，而不是相反——因为人们会有那么有创造力的愿望，有那么多不可思议的想法，要请 AI 帮忙去实现。我们所有人都将受益——不只是治愈疾病这种显而易见的好处，还有，怎么说呢，我们此刻坐在这里连做梦都想不到的、全世界最好的娱乐创意。

我要把它交到每个人手里。这就引出了我们反对的东西之一：AI 权力的集中是一件可怕的事。我认为关于安全担忧的很多讨论是有充分依据的；但也有相当一部分，来自那些真心想要集中权力的人——哪怕只是潜意识的。我害怕的是这样一个世界：对 AI 的真实恐惧被拿来当作理由，说「只有这一小群人可以拥有它，因为它太危险了，只有他们懂它，但别担心，他们会替我们所有人做出正确的决定」。

我不相信那套东西。我认为任何人都不该想活在一个有 AI 霸主的世界，或者一家大致等同于 AI 霸主的公司说了算的世界——由某个人替整个未来做决定。而作为交换，比如换到治愈癌症——这当然是极好的事——我们集体让渡了所有能动性。我认为非常重要的是，我们不要掉进这个陷阱：借着 AI 安全的名义——无论善意与否，以及围绕它的种种可以理解的恐惧——最终失去那个人人都能使用这项技术的世界。

我是互联网的孩子。那时候没有规则。说真的，那太棒了。我认为那是造就我的巨大因素，大概也造就了你，造就了一整代人。我认为至关重要的是，我们要在 AI 身上保住那种精神，让我们所有人共同拥有自我决定未来的能力。

Patrick： 我有太多问题了，但我先从神灯精灵这个概念问起。你说我们即将拥有精灵——言下之意是我们现在还没有。

Sam： 嗯，但已经很近了。

Patrick： 从现在到那时之间，隔着什么？

Sam： 最近几天、最近几周，连一些真正的怀疑者都对我说——GPT-5.6 发布大概两周了——他们说：「好吧，这已经非常像 AGI 了。我很难说出我想让这个模型做、而它做不到的事。」但显然还是有一些的。你还不能对它说「去治愈癌症」，然后癌症就被治愈了。你还不能说「让机器人去做这件复杂的体力活」。而且模型虽然很出色，却仍然不能在运行中持续学习。这对我来说感觉像是——也许不是 AGI 的硬性要求，但绝对是我想要的东西。

不过，让我反驳一下自己：你可以论证说，AGI 其实不取决于任何一个单独的模型，而是取决于造出这些模型的那套机制。从一个模型到下一个模型，我们确实在学新东西，在不断探明新的科学原理。这套东西运转得好得惊人。

所以对那些说「我们已经到了，精灵已经有了，它能做这些惊人的事，能做超越人类的事」的人，我是深有同感的。

---

前沿狂奔，变革迟缓

Patrick： 我一直特别着迷于一个经济学命题：站在前沿 (frontier) 之上的回报——而你就站在前沿。我很好奇，如果把 5.6 拿给 2019 年的你和你的团队看，那个团队大概率会说：哦，这绝对就是 AGI 了。

Sam： 我想我们会这么说。

Patrick： 球门柱不断后移 (goalpost moving) 这事确实存在，但我很好奇，你是否同意：实际上所有的回报都集中在前沿。

Sam： 完全同意。

Patrick： 所以一切都关乎留在前沿。我很好奇其中最难、最稀缺的部分是什么——如果按算力、研究、人才、数据来想。

Sam： 本质上，这个瓶颈一直在变。就在不久前，全世界的算力加起来也帮不了你，因为我们缺的是那个研究上的想法。现在，这件事难就难在：算力越多，研究做得越好，你能尝试的东西就越多。

我最近听到一个惊人的数字：我们现在为接下来几轮训练做的最大规模的去风险 (de-risk) 实验，体量已经和 18 个月前那次完整训练的算力相当了。所以算力和研究想法并不像听起来那么割裂，但七八年前确实有过那么一个时期，我们卡在研究想法上的程度远甚于算力。

后来有一段时间，我们知道该做什么，只需要规模化扩展 (scaling)。那时唯一的瓶颈是算力。再后来我们把数据用完了，瓶颈变成数据，得想办法解决。而现在，我会说瓶颈又回到了算力，但过去这半年左右，研究想法迎来了真正的高光期。所以瓶颈永远存在，只是它一直在移动。

Patrick： 你觉得这是为什么？研究想法这件事对我格外有意思，因为自动化研究似乎已经近在眼前——递归自我改进 (RSI)，随便你怎么称呼它。我最近和一位非常厉害的内核 (kernel) 工程师聊过，大家似乎也都卡在内核上。他自己说，内核工程只剩两年了。

Sam： 也许只剩一年。

Patrick： 是啊，这个工种就要不存在了。

与此同时还有个很奇怪的现象：不管是 kernels 还是整体研究，研究者都是最重要的——是他们把我们带到了今天，他们是世界上最重要的人。可恰恰是这同一批人，自己在担心自己很快就会被边缘化。

Sam： 我怀疑实际情况不会那样发展。一年前，人们说软件工程师完了，这个领域结束了。但这并没有发生。真正发生的是：软件工程师的性质、对他们的期望、他们的工作量，都发生了相当大的变化。你不再以传统意义写代码了，但你做的事情，任谁看都还是软件工程。

当然，人们会争论：这究竟和我们当年不再往卡片上打孔是一回事——我其实不知道打孔是怎么回事，但反正孔就是进了卡片——我们只是在更高的抽象层级上操作，还是说这是一次相变。我不知道。但「让计算机按你的意愿行事」这个想法，依然是一份重要的工作。

对研究者来说，我怀疑也是一样：尽管研究者当前的工作流程很大程度上会被自动化，但会有一些新的、秉承研究精神的事情出现——就像我们不写代码了，却有秉承软件工程精神的新事情出现——这些新事情依然重要。

Patrick： 看起来你对 AI 对就业的整体影响——当然也包括对这类具体工种的影响——改变了看法。描述一下这个变化和你现在的观点。

Sam： 你刚才提到，如果能回到 2019 年。如果我们回到 2019 年，把最新的模型展示给人们看，他们不仅会说这就是 AGI，还会说经济早就被……

Patrick： 彻底颠覆了。

Sam： 对。但这并没有发生。从智识上的谦逊来讲，任何时候你错得这么离谱、又曾经那么自信——我认为我们整个行业当时就是这样——你都必须更新自己的判断。这背后有几条教训。第一条，比较无聊的那条：AI 的能力非常参差 (jagged)。它在某些方面是超人的天才，在另一些方面又像个蠢笨的幼儿。而迄今为止，人类拥有的技能与 AI 极度互补。

另一条是：人和人一起工作时，有很高的信任度和愉悦感。你现在就可以去雇一个 AI 顾问、跟一个 AI 销售聊、雇一个 AI 工程师，随便什么。但不知为何，大多数人似乎仍然强烈偏好与真人互动。我自己在几乎所有事情上，也绝对更愿意和人打交道，而不是和 AI 打交道。

我还认为，人类的价值之所以有价值，恰恰因为它是人类的。随着社会演进，我们面前的可能性空间变得如此巨大，而我们骨子里深深地在乎人。我们会在乎人在乎的东西。今天你就能看到这种例子：AI 能做出惊艳的图像，但人们只想要由人创作的、或者至少是由人挑选的作品。有个玩笑说，到了这个地步，一件艺术品上的签名就是价值的大头，但真相是：你想知道作品背后的那个人。读一本小说，你想知道作者是谁。

放到商业上，拿我的工作来说，我认为这个世界想知道：一家公司的决策该由哪个人负责，如果决策糟糕，他们要找谁问责。他们并不真的想要一个 AI CEO。

---

为什么最成功的赌注都不受欢迎

Patrick： 回顾你在商业或其他领域下过的那一篮子风险赌注，是不是大多数真正成了的，在一开始都不受欢迎？

Sam： 是的，毫无疑问。这是我从彼得·蒂尔 (Peter Thiel) 和保罗·格雷厄姆 (Paul Graham) 身上学到的——两人以两种不同的方式教会了我同一件事：最好的公司、最好的投资机会，几乎从来都不是那些看起来炙手可热的。跟着趋势走、稍微早一点，你能做得还不错；但取得惊人的成绩，你几乎总要做那些别人不在做的事。你不能跟在新浪潮后面跑。

Patrick： 想想你所处的模型周期，它一直在加速，还有个很奇怪的事实：未来六个月的进展——我不知道具体数字——会超过过去 X 年。能带我们走进这个模型周期，讲讲身处其中是什么感觉吗？

Sam： 过去十年我学到的最有趣、最重要的事情之一是：人几乎可以习惯任何事情。这个世界可以在短得惊人的时间里，从把一场大流行病当笑话，到全面封锁，再到「事情就是这样，也挺好，我们大体都适应了」。而现在，AGI 要么已经来了，要么近在眼前，大家的反应是：哦，行吧，AGI 来了。

个人生活里也有各种这样的例子：不可思议的好事发生了，比如你有了孩子；或者可怕的事发生了，比如你失去了一位至亲、分手，诸如此类。你觉得自己永远无法适应这种变化。然后你会发现，你能适应好事，继续好好生活；也能适应坏事，想办法把日子过下去。这是人类一种了不起的能力。

所以亲历这一切，感觉像是它的又一个版本：我原以为亲历奇点 (singularity) 会比实际感觉更怪异。看着模型不断变好，兴奋感丝毫不减。我每天早晨做的第一件事就是看模型训练进展，进展越来越快，我的期望也越来越高，但那感觉依然非常酷。

Patrick： 每当一个新模型出来，你会做什么？怎么庆祝？那个早晨是什么样？它发生得越来越快，你的惯例是什么？

Sam： 现在很多团队负责不同的部分，不同团队有各自不同的仪式。有的团队总会做一件印着搞笑梗图的卫衣，有的团队总会去同一家酒吧。但那种亲身在场、见证知识前沿第一次被推出去、并亲眼看看那一刻是什么样的感觉——对大多数人来说，最好的庆祝方式莫过于第一个用上新模型。

Patrick： 你觉得我们现有衡量这些东西好坏的标尺是对的吗？

Sam： 肯定不对。从某种意义上说，真正重要的评估 (eval) 是：它对人们有用吗？你可以用收入、使用量、或者新知识发现的速度来近似衡量。我们有一些团队正在研究：当这些模型达到超人规模时，真实世界的评估应该长什么样。

Patrick： 你自己使用 AI 的前沿在哪里？

Sam： 我最近刚开始试验：让一个 AI 看着我在电脑上看的一切，这意味着什么。这个产品还没做出来，我还在摸索自己舒适度和信任度的边界应该画在哪。但这绝对就是前沿——弄清楚我如何从中获得价值，如何对它感到安心，它最终会是什么样子。

一个体会是：和 AI 的记忆力相比，我的记性太烂了。它能记住我六周前读过的某封邮件，或者七个半星期前某场会议里到底发生了什么，并在恰到好处的时刻把它调出来、注入一个决策——这种感觉相当神奇。

Patrick： 很酷。这听起来像是像是个人智能体那类东西。让每个人都拥有它的障碍是什么？我想要。

Sam： 算力啊，朋友。想象一下，我们真能做出这个产品，对你的所有东西做到我刚才说的一切。

Patrick： 永远在线。

Sam： 永远在线，看着你在电脑上看的一切，听你参加的每一场会议，读你读的每一份文档。而且还不止这些——光做到这些就已经要消耗大量 token 了。你还可以拖动一个滑块：趁我睡觉的时候，你可以烧这么多 token 去思考，为我想出有用的新点子，做你能做的任何工作，然后继续思考我下一步该做什么、什么是有意思的事。就是烧更多算力，让你第二天早晨给我的输出变得更好。我会把这个滑块拖得很远，我愿意为此花很多钱。但如果全世界每个人都想把滑块拖得很远，那需要的算力——将是一个庞大的数字。

---

如何向孩子解释这种「外星」智能

Patrick： 我很想听你谈谈，你是怎么理解这种新智能的本质的。最近有人跟我说：飞机的飞行方式并不像鸟。而这种智能并不……

Sam： 它是一种非常「外星」的智能。

Patrick： 对，一种非常外星的智能。所有人都在说：只要一件事可以被验证，它就会被拿下——只要有足够的算力和足够的智商，它就能暴力破解出答案。

而在另一些领域，人类以及他们积累的数据和评估曾是其中的重要组成部分，令我惊讶的是，要在法律推理、法条溯源这类事情上做好，竟然花了这么多钱。我很好奇你会怎么描述……

Sam： 这是个很美的问题。

Patrick： 我不知道你的孩子多大了。男孩还是女孩？

Sam： 一样一个。

Patrick： 等他们七岁，或者到了懂事的年纪，你可以跟他们描述的时候——这种智能的本质是什么？你会怎么讲？

Sam： 这是个很美的问题。我不记得以前被问过这个问题，连类似的都没有。此刻我脑子里冒出来的答案是：我会说它像一台计算机。它像计算机的地方在于，它能做很多人类就是做不到的事，比如飞快地把两个巨大的数字相乘然后给你答案。然后它又做不来一些你轻而易举就能做的事。它做不来的事情的数量，我预计会不断缩减。但在一个不断演化的世界里，我认为人类的判断力和品味 (taste)，AI 依然很难对人类的判断力和品味建模——更难预判它们将走向何方。。

我还没有找到合适的词。它不完全等于品味。这个世界可能需要造一个新词，来命名那种人类非常擅长、而 AI 似乎从骨子里就难以企及的判断力。

Patrick： 在这个时代当上父亲、看着孩子长大，是什么感觉？我想到你早年对互联网的乐观岁月。他们将在一个廉价而丰裕 (abundant) 的智能时代长大。

Sam： 有了孩子是我这辈子做过的最好的事，没有之一。所有人都这么说，所有人都说你没经历过就无法真正理解。说这话的人够多，我也就信了。但它在我身上成真的程度，还是让我吃惊。我认为我拥有世界上最好、最有趣的工作，但和拥有孩子相比，它依然只能远远排在第二。

所以这感觉棒极了，而且这确实是一个值得乐观的时刻。我的孩子永远不会生活在一个「人比计算机聪明」的世界里。如果你出生在 GPT-3 时代，你还曾短暂地拥有过比模型更强的推理能力——尽管你那时才刚出生，这优势算不得数，你只是短暂地赶上了它们。

我们的大孩子，18 个月大，这一切对他永远不会显得奇怪，永远不会困扰他，我觉得他根本不在乎。你要是跟他讲那个黑暗年代——我们当年打交道的那些产品和服务一点都不聪明——他会震惊的。他将能做到你我从未能做到的事，他对生活的期待会是你我从未有过的，他的画布会大得多。

Patrick： 有了孩子之后，你经营公司、带团队或领导他人的方式，有什么明显的不同吗？

Sam： 答案一定是肯定的。有了他们之后，我自己感觉很不一样了。我觉得有很多细微的地方确实变了。再说一次，这不算什么新颖的洞见：大多数有孩子的人都会说，一旦有了孩子，你就会意识到，相比自己，你在乎他们以及他们将拥有的人生经历要多得多，在乎你将留给他们的那个世界要多得多。而我觉得自己在这个问题上有一个独特的视角。

有时人们问我：哦，现在你有孩子了，是不是更关心 AI 安全、更在乎不毁灭世界了？答案是，我不需要靠有孩子来在乎这个，我以前就真的不想毁灭世界。但我是不是更多地去思考人类能动性 (human agency) 的角色、思考什么是有意义的人生？绝对是多得多了——既是为了我们正在构建的东西，也是为了与我共事的人，我希望他们也能拥有这些。

你对自己的孩子显然有超乎寻常的共情，但这种共情延伸到所有孩子、再到所有父母、再到所有人的程度，也让我意外。

Patrick： 在你的一篇博文里——我记得是那篇讲「希望早点明白的道理」之类的——谈到了激励 (incentives)，以及要极其、极其谨慎地设定它们。

Sam： 是的。

Patrick： 你身上最让人费解也最有意思的一点，一直是你不持有这家公司的任何股权。这个世界应该怎么理解你的激励？

Sam： 我不知道除了这句话还能说什么：我坐在人类历史上最激动人心的时刻的第一排。这比任何数额的钱都更值钱。我拥有一段极其有趣的人生，和一群杰出的人一起，做一件我深切在乎的事。但不知为什么，这个答案不算数。

Patrick： 好像就是对人们不管用似的。

---

机器人领域的 ChatGPT 时刻即将到来

Patrick： 我很好奇你怎么看机器人 (robotics)。你之前提到过，在某个时点，如果我们能像即将拥有自动化智能那样拥有自动化劳动力，事情可能会更疯狂。劳动力市场比白领市场大得多。

Sam： 如果没有它，事情才会真的疯狂。如果人类在这个世界上的角色，是沦为云端 AI 的执行器 (actuators)，那就糟了，非常糟。所以我认为，做不成这件事远比做成更疯狂。

Patrick： 这是一件必须要做的事。

帮我理解一下你对这块进展的判断。因为在 AI 领域，大家现在已经达成共识，它进展飞快；但在机器人领域，你能找到极其聪明的人说今年年底就能成，也能找到极其聪明的人说还要 20 年。

Sam： 不会是 20 年。我认为未来两三年内，我们就会迎来机器人的 ChatGPT 时刻。

Patrick： 那会是什么样？你知道它是什么吗？

Sam： 某种能让大多数人真正「哇」出来的东西。不是那种「我看了个机器狗做了什么疯狂动作的视频」。而是我在某种程度上说服了自己：一件真正重要的事发生了。ChatGPT 时刻的一个关键是：你可以亲自去用。你不需要相信某个说「AI 快来了」的人，你可以自己去试。

如果你能输入一条指令，一个机器人就能做出一件疯狂的事，而且你能看着它做——哪怕你人不在现场——我认为那就会产生同样的效果：哇，它刚刚真的做到了。

Patrick： ChatGPT 当初不是一个整体规划的大目标，而是一个你决定发布的支线实验，对吧？这个故事对机器人领域可能发生的类似事情或许有启发。所有人似乎都想让机器人叠衣服，但也许真正的突破口是完全不同的东西。

Sam： 我们发布 GPT-3 的时候，想的是赚钱，想让人们用这个 API。唯一真正跑通的商业用例——那个模型太笨了，你要是现在回去用一下，会大吃一惊——唯一跑通的商业用例是文案写作。你付给营销公司 20 美元，他们付给我们 0.2 美元，让 AI 给你写个落地页之类的。

但在这一个商业用例之外，开发者们在用一个我们叫 Playground 的东西，那是个和模型对话的测试界面。用它非常费劲，因为我们当时没有针对对话对模型做调优。你得先给它几个「对话是什么意思」的示例，然后才能聊。但人们真的很喜欢。

我从 YC 学到一个很棒的教训：如果你注意到用户在做某件事，就往那条路上走。所以我们决定做一个好的聊天机器人，因为那正是人们在做的事。我们开始做这件事，同时完成了 GPT-4，并开始在内部使用。我们想，这不得了。我们隐约觉得：好了，这将真正刷新世界对 AI 的认知。

但这里面有一堆难题：它会不会制造大量假新闻？它会不会说出极具冒犯性的话、给我们惹麻烦？所以我们决定先从一个更弱的版本开始。聊天界面和 GPT-4 同时上，步子看起来太大了。所以我们推出的是聊天界面加 GPT-3.5。实际上，它最初的名字本来要叫「Chat with GPT-3.5」。

我们没打算把它做成一个产品，也没想到它会爆火，但确实觉得它能让世界上的人跟上节奏、意识到有事正在发生。谢天谢地，我们在发布前几个小时把它改名为 ChatGPT，然后以「研究预览 (research preview)」的名义放了出来。当时的想法是：先以研究预览的形式放出去，几个月后再发布搭载 GPT-4 的正式产品。

结果不知为何，那个模型越过了那道门槛——尽管我们内部早就用习惯了，但人们说：行，这东西太棒了。当时它可能还没有多大实用性，但那是一个不可思议的时刻：人们亲手摸到了 AI 的进展，用上了自己喜欢用的东西。而等到我们放出 GPT-4 时，它已经能真正给用户带来价值了。

Patrick： 你惊讶吗？直到今天，我们与这种外星智能之间最直观的交互界面仍然是它——包括写代码在内。大多数时候，就是我跟计算机说话，告诉它要构建什么。

Sam： 不惊讶，因为我本人就是个重度短信用户，一辈子都是。我之所以直觉认为那是个好界面，部分原因就在于：我知道怎么干这个，我知道在文本框里直接开聊是什么感觉。

Patrick： 对「扩散 (diffusion)」这件事、以及如何让它更快，你有什么想法吗？如果使命是把智能送到每个人手里、对每个人更有用，那其中的关键一环是不是——我不知道——一场市场营销运动之类的？在你看来，怎样才能让它的扩散快过眼下这种自然速度？

Sam： 我认为关键就是把产品做得更好。我有点相信：一个真正伟大的产品会自己营销自己。ChatGPT 一开始没有任何营销活动。我认为，当我们进入下一阶段的模型、并且搞清楚如何做出与模型本身一样伟大的产品时，那种难以置信的实用性会让人们自发地飞速传播它。

我们当然应该做更多营销。AI 的口碑并不算太好——尽管用的人多，人们对它可能走向何方有着完全可以理解的焦虑。所以在这方面，我认为一些出色的营销会有帮助。但要论人们从产品中获得的价值、论让产品增长得更快——更好的模型、更多的算力、更好的产品。这才是答案。

---

异端信念即招聘利器

Patrick： 有段时间，研究人员的招募、留任和激励成了竞争格局中的决定性故事。关于你成功招到顶尖研究员的故事有很多，许多人在 OpenAI 待过并产生了巨大影响。其中一些名字广为人知，另一些则不那么出名。

我很好奇这一整类事情——关于如何招募这个级别的人才、他们看重什么、以及你是怎么做到的，你学到了什么。我从没听你讲过招募一个人时实际用过的战术动作。

Sam： 早期我觉得很简单：我们相信通用人工智能 (AGI) 是可能的，值得去追寻，而且我们敢于把这话说出来。这是一种疯狂的异端式信念。我们刚宣布成立 OpenAI 时，这个领域所有的巨头、专家都在说，这太疯狂了，这是炒作，是不负责任。像杨立昆 (Yann LeCun) 这样备受尊敬的人会对记者说，这伙人水平不行，这条路走不通。

但正因为我们能说出「我们要干这件事」，它真正吸引了某类研究员——他们同样想踏上这场成功概率极低的疯狂冒险。一个雄心勃勃、大胆无畏的愿景，是非常强大的招聘工具。

Patrick： 你写过，正因为这个原因，有时候做更难的事反而更容易。

Sam： 我对这一点深信不疑。这是我给 YC 创始人最频繁的建议之一，我在 OpenAI 也一直身体力行。

Patrick： 就是去做更难的事。

Sam： 是去做一件有意义的事，一件重要的事——如果你的公司做不成，它可能就不会发生。

Patrick： 你曾经、现在也是投资人，投过很多项目，投资一度就是你的职业。坐在桌子的另一边之后，你对投资人有什么新的认识？

Sam： 真正到场、真正想帮你的投资人，数量少得令人难以置信。乔什·库什纳 (Josh Kushner) 绝对是 MVP 级投资人，不可思议。感觉多年来他一直在不分昼夜地帮我们。他是唯一一个我能指出来、始终主动且极其帮忙的投资人。本来可以有更多人做到这样；还有很多其他投资人也帮过忙，也有很棒的战略建议，我们开口请求的事他们也会去做。

但那种持续不断、全力以赴的支持，在投资人中出人意料地罕见。也许我有偏见，因为当年别人这么评价我时我总是很受用——但我认为创始人真的非常吃这一套，而且它确实能推动事情进展。而对投资人来说，这也是最有意思的做法。

Patrick： 我和朋友常玩一个游戏：互相发短信，提示语是「一件我不希望你知道的关于我的事」。这让你想到什么？

Sam： 我累了。我干这行很久了。真的很累。

Patrick： 那你是怎么撑过来的？

Sam： 就是继续走。

Patrick： 那问题来了——会不会有累到某个程度，你就停下来不干了？

Sam： 不会，不会，不会。这是世界上最酷的工作。我打算在职业生涯剩余的时间里一直做这件事。但它比我能向别人解释的要难得多。我非常感激能做这件事。我不是在抱怨。

Patrick： 接下来会发生什么？我们聊过自动化 AI 研究员，明年、后年——你怎么看未来 6 到 36 个月会发生什么？在这个疯狂的指数曲线上，这可能已经太远、无法预测了。

Sam： 也许换个方式问：假设从现在起的第 23 个月，我们有了一个人人都认可的东西——超级智能。那么第 24 个月会发生什么？我的答案是：不会发生什么大事。那些崇拜机器之神的信徒认为，事情会比实际发生的更快、更多。最终会有很多事发生，但那些事最终本来也会发生。人类进步的速度、每个十年的差异程度、以及每个十年比上一个十年的差异越来越大——这一切已经持续了很长时间。当然有起有伏，但方向是明确的。

我认为正确的思考方式是——每个人都想成为故事里的英雄，都想觉得自己亲历了机器之神降临的那一刻，并扮演了某种疯狂的角色。但这只是又一步，它在 50 年前难以想象；而 50 年后的那一步，从今天也同样难以想象。正确的心智框架是把镜头拉得极远——这是一条相当平滑的指数曲线。

Patrick： 谈谈看着 Codex 起飞是什么体验。它在多大程度上依托于我所说的、你通过 ChatGPT 建立起来的分发渠道这一竞争优势？这正好引出一个更宏观的问题：AI 领域的护城河，你认为长期来看真正的业务竞争优势会由什么驱动？

Sam： 我认为 Codex 能赢，主要是因为它是最好的产品、最好的模型。我们确实从 ChatGPT 的捆绑中获得了一些优势，但非常非常小。那基本不是重点。

这件事让我对竞争优势这个问题反思了很多。因为卓越的智能可以从任何产品迁移到任何其他产品。网络效应仍然是竞争优势。经济规模、以及打造最便宜的算力集群的能力，仍然是竞争优势。

但产品优势——如果我们能让用户迁移到 Codex，而别人做出了更好的东西，他们也能让用户从 Codex 迁走。所以这件事让我反复思考。

---

什么永远不会商品化

Patrick： 有个很有意思的问题：这一切是否在走向商品化？智能会不会变成一种完全可互换的商品，像原油那样？

Sam： 智能本身，我会说是的。

Patrick： 那什么不会？

Sam： 算力集群——算力集群的规模、生产更多算力的能力。我认为这是非常持久的优势。

Patrick： 明白了。

Sam： 即使产品本身不是优势——因为 Codex 可以写出你想要的任何软件——工作流、集成、复杂的流程、团队协作的能力，这些都相当强大。甚至品牌偏好和使用习惯也相当强大。

Patrick： 显然你们在硬件上做了些有意思的事，我相信今年晚些时候你们会公布。这个实验感觉如何？它与你拥有的这种消费者分发能力如何协同？

Sam： 我对新硬件感兴趣的原因之一是——我们前面聊到，AI 非常强大的一点是它可以始终在线、主动服务、理解你的全部上下文。但现有硬件并不适合这个。我们仍在一个差不多有 50 年历史的硬件范式里工作。电脑确实很了不起，键盘、鼠标、显示器——都是了不起的东西。

但我们不得不把 AI 塞进这个范式里。我很兴奋。我非常希望 AI 能引用我们此刻这段对话，但我又不愿意为此把笔记本电脑打开放在这儿，让它在对话进行的同时看着你、听着我们。我想要的是一件硬件：在社交场合这样做是可被接受的，而且让人感觉它就是为这种事而设计的。

Patrick： 当你思考那些悬而未决的问题时——在你自己脑中、和朋友、和这里的同事——最有趣的开放性辩论或开放性问题是什么？那些你不确定答案、但觉得很重要的问题。

Sam： 有一个我认为没有得到足够关注的问题：我们如何避免认知萎缩？我们要如何使用这些工具，同时确保我们不断锻炼和拓展自己的大脑，持续理解那些真正重要的东西？

有很多做不到这一点的版本。我记得上学时，有位教授跟我说：你必须搞懂编译器，否则永远成不了一个好的程序员。事实证明这话不太对，但在合理的深度上理解计算机系统的主要组件如何运作，对我一直很重要。

Patrick： 假设你必须想象一个场景：两年后我们的算力反而供过于求了。那会是一个什么样的故事？

Sam： 这确实感觉有可能。如果模型变得足够聪明、足够高效，能完成我们所需的一切、写出我们想要的所有软件；而且如果我们的注意力有限到连相当有限的算力所产出的内容都消化不完，那我们就会进入供过于求。另外，如果我们因为撞上某种规模化扩展的墙而无法把成本曲线压下来，也可能陷入供过于求。关于需求无上限的那个观察，其实隐含了某个价格前提。

Patrick： 能谈谈你今天对规模化扩展定律 (scaling laws) 的看法吗？

Sam： 从某种意义上说，规模化扩展定律是有史以来最招人恨的预测。所有人总想宣称它们快要失效了，不可能一直这样。然而它一直在继续。

---

无名英雄与塑造性时刻

Patrick： 在这家公司的故事里，你最喜欢的无名英雄是谁？

Sam： 第一个浮现在脑海的是亚历克·拉德福德 (Alec Radford)。他可能是这个领域有史以来最重要、却最不出名的研究员，也是一个极好的、顶级的人。他做的研究工作真正成就了 GPT 系列，还有许多其他重要贡献。但他同样以启发、引导、轻轻推动人们走向其他许多方向而闻名，那些方向后来都被证明极其重要。

我觉得他最酷的一点是：如果你和与他共事过的人聊，他们当然会说，百年一遇的天才、才华横溢、极具创新力的思考者，他的理解和工作深不可测。但每个人都会在说完之前补上一句：他是他们打过交道的人里最友善、最积极、最好的那一个。

Patrick： 我喜欢「塑造性时刻」。所以收尾阶段，我想各问你一个。回顾整个 OpenAI 的经历，哪个时刻、哪个篇章，是你最以自己参与其中而自豪的？

但我们先从另一个开始：最有教益的一件事——也许你判断错了、或者做错了——是什么？从中学到教训是什么感觉？

Sam： 出过错的事很多。一件有塑造性的错事——我很少谈起——是我认为我们在最初试图对公司结构进行创新，这是个错误。我们当时有非常充分的理由：我们不知道将来靠什么赚钱，也完全不确定发展壮大后我们会是什么样子。当然，我们在意自己的使命，我们希望以一种方式搭建结构——即使技术进入极快的起飞阶段，我们的使命也能得到保护。

于是我们有了这个非营利结构，但我确实学到了一件事：为什么人们通常不这么做。如果当初不去在结构上搞创新，而是找别的办法来守住使命的核心地位，我们在很多方面本可以省去大量痛苦。也许根本没有别的办法；也许，鉴于我们做的事情及其重要性，除了一个奇特的结构之外我们别无选择。但过去十年我确实学到了一个重大的教训：为什么人们通常不那样做。

Patrick： 还有没有其他塑造了你人生、造就了你这个人的事，是我们没有聊到的？这个问题永远是我最感兴趣的。

Sam： 有些事是后来才养成的，比如对别人对我的强烈看法变得相对免疫。我后来意识到：如果你要站在这场疯狂革命的中心，所有人都会把很多东西投射到你身上，你必须迅速学会与之和解。还有一些事也是我后来才学会的：如何保持非常平静、真的不为事情焦虑。

但至于什么驱动着我、我在乎什么、我想怎样度过这一生——总的来说，不知为什么，十岁的那个我就已经基本成形了。我觉得我生来就是这样。

Patrick： 那回头看，你最自豪的是什么？

Sam： 我最自豪的是，在世界其他地方都错了的时候，我们有多少次是对的——以一种重要的方式，把世界推上了今天这条轨迹，而我很自豪能在其中扮演一个角色。这种感觉太棒了。另外，尽管经历了那么多破事，我所获得的精神层面的成长——随你怎么称呼它——学会了不可思议的韧性，以及这份韧性如何让我的余生更幸福。对此我非常感激。

---

Sam 收到过的最大善意

Patrick： 做这些访谈时，我会问每个人同一个传统的收尾问题：别人为你做过的最善意的一件事是什么？

Sam： 我感到无比幸运——在我整个人生中，有太多人不辞周折地善待我。想着这个问题时，脑海里闪过一组蒙太奇般的人生片段，人们都对我好得难以置信。就在昨天，我的孩子第一次把他的蓝莓分给我吃。那一刻非常甜。

Patrick： 真好。简单就好。谢谢，兄弟。

Sam： 谢谢。