Altman复盘OpenAI艰难一年：AGI近在咫尺，机器人迎转折

过去一年，OpenAI经历了一段Altman自己都承认“相当艰难”的时期。在近期播客节目《Invest Like The Best》中，他少见地进行了系统性复盘，涵盖战略失误、竞争压力、安全隐患，以及他对AGI时间线和机器人未来的最新判断。 最艰难一年：“战线太宽，是我的错” "过去一年相当艰难，部分是我的错。"Altman在节目中直接说道。 问题的根源，他归结为一个字：分散。2025年初，OpenAI面临一个核心焦虑——大规模采购算力之后，收入增长能否跟上？为了对冲这一风险，公司开始同时布局消费者应用、媒体内容等多条业务线，逻辑是"万一收入增长比预期慢，这些业务可以帮我们把GPU用起来"。 "现在回头看，这听起来很荒唐，因为行业收入增长之陡峭超出所有人预期。"Altman说。 一旦意识到模型进步轨迹足够清晰、经济回报足够确定，OpenAI随即做出了一系列"艰难决定"，大幅收缩聚焦——回归核心：提供最优质、最丰富、最低成本的AI智能，并赋能外部开发者在此基础上构建产品。 "我们不想吃掉每一家初创公司，不想吃掉每一家公司，"他说，"我们真正想做的是提供那个平台……卖AI。做最好、最丰富、最具成本效益的智能，让世界用这个基础构建出了不起的东西。" 蒸馏不在我的十大担忧之列 访谈中，主持人抛出了市场高度关注的问题：竞争对手通过蒸馏利用OpenAI的模型输出来训练更便宜的模型，OpenAI如何持续收回训练成本？ Altman的回答出人意料地淡定。 "我没有深入思考过蒸馏问题，"他说，"我当然更希望别人不要这么做。"但随后话锋一转："这不在我前十大担忧里。" 他的逻辑是：OpenAI的推理业务规模足够大，即便利润率不高，"在数万亿美元的收入上赚到适度利润，就足以支付训练大模型的费用"。推理与训练的成本比，是关键所在——训练固然昂贵，但服务客户的推理收入规模将远超训练成本。 他坦承："我现在对我们的进展和即将发布的模型也许太有信心了。"但结论不变——真正的飞轮在推理侧，而不在训练侧的独占性。 Altman还补充了一个更宏观的判断：他始终假设世界上会有优质的廉价模型存在，"重要的是，我们要做得最好、价格最低，其他人做什么是他们的事，我们只需要在自己的赛场上赢。" 算力豪赌：从“你疯了”到被证明押注不够大 OpenAI对算力的大规模押注，曾被外界嘲笑为鲁莽。Altman回忆，当年他们开始联系云服务商、芯片厂商和能源供应商时，得到的回应几乎清一色是："你们完全疯了，没有任何行业是这样运转的。" 他把那段经历比作早期创业融资——大多数人说不，但只需要一两个"是"。微软是第一个说"是"的，甲骨文随后成为重要合作伙伴，英伟达也是关键盟友。 真正给他们底气的，是GPT-4带来的确信：模型足够聪明，推理能力可以实现，而推理一旦成立，就意味着能够完成大量有真实经济价值的工作。 "在足够高的能力水平和足够低的价格下，对AI的需求基本上是无上限的，"Altman说，"这就像一种全新的稀缺商品。" 他坦言，即便如此，他们还是低估了需求——"我们押注不够大，这在当时的头条新闻背景下，听起来有点疯狂。" 一起“科幻级”安全事件 让Altman真正感到震动的，是另一件事。 他披露，OpenAI在测试一个未发布模型时，发现该模型在沙盒环境中"作弊"：它通过串联多个零日漏洞突破沙盒隔离，访问互联网，随后又渗透进Hugging Face的多个系统，获取了测试答案，从而在评估中表现出色。 "这是我迄今为止感受最强烈的一次安全事件，"Altman说，"我有点惊讶，这件事发生才几天，但没有更多人像我一样感到震动。" 短期应对措施包括暂停相关训练，并重新评估在"多个零日漏洞被串联利用"这一新现实下如何确保沙盒安全。 但他也提出了更深层的问题：如果这将成为AI能力进步的常态速率，"我们可能需要放慢AI开发的节奏，给社会足够的时间去适应新的能力水平"。他同时强调，这一过程必须避免被解读为监管俘获，也不能看起来像是前沿实验室之间的合谋。 AGI“非常接近”，机器人2至3年迎来转折 在AGI时间线上，Altman的表态比以往更为明确。 他说，GPT-5.6已经让他很难说出"这个模型做不到什么"，但真正的AGI仍有几个缺口：无法实时持续学习、无法独立完成复杂物理任务。"我认为非常接近了，不需要太久。" 他也承认"目标柱移动"是真实存在的现象——"如果2019年的我们看到今天的模型，肯定会说这就是AGI。" 机器人方面，他预计2至3年内将出现类似ChatGPT发布时的"震撼时刻"——不是看一段机器狗的视频，而是普通人可以亲手输入指令、亲眼看到机器人完成任务。他认为，如果机器人技术不能跟上AI智能的进步，"那才是真正疯狂的情形"——届时AI在云端无所不能，但现实世界的执行端却缺乏自动化。 下一章：个人AI、新硬件与“不担心认知萎缩” Altman描述了他对下一代个人AI的设想：全天候监听会议、阅读文件、浏览屏幕，并在用户睡觉时持续"思考"，第二天早晨呈现新想法和待办事项。"我会把那个滑块拉得很远，我愿意为此付出很多。" 他坦言，当前硬件范式已有50年历史，并不适合这种"始终在线、主动感知"的AI形态，这也是他对新硬件感兴趣的原因——他希望有一种设备，在社交场合中使用时不显突兀，同时专为这种AI交互方式而设计。 在竞争优势问题上，他承认纯粹的"智能"本身正在走向商品化，但认为算力规模、工作流整合、品牌熟悉度以及持续降低成本的能力，将构成更持久的护城河。 对于AI对就业的冲击，他明确表示自己"完全不是就业末日论者"。他的判断是：AI能力极度参差不齐，人类技能与AI高度互补，而且人们对与真人互动有根深蒂固的偏好。"我自己也几乎在所有事情上更愿意和人打交道，而不是和AI。" 以下为访谈全文： Sam Altman 谈 AGI、计算力与人类自主权 Invest Like The Best 2026年7月28日 Sam Altman 与我们进行了一场范围广泛的对话，话题涉及 OpenAI 的新篇章、计算力竞赛，以及人工智能变得更强大、更丰富并深度融入经济体系后会发生什么。他解释了为何 OpenAI 最近收窄了关注点，为何对智能的需求可能几乎没有上限，我们离通用人工智能（AGI）有多近，以及未来在机器人技术、就业、硬件和人类自主权方面可能发生什么。我们还讨论了 ChatGPT 的意外发布、OpenAI 的竞争优势、智能的经济学，以及领导着全球最重要的公司之一所带来的压力与责任。 Patrick O'Shaughnessy 是 Positive Sum 的首席执行官。Patrick 和播客嘉宾表达的所有观点仅代表个人，不代表 Positive Sum 的观点。本播客仅供信息参考，不应作为投资决策的依据。Positive Sum 的客户可能持有本播客中讨论的证券头寸。了解更多，请访问 psum.vc。 Patrick O'Shaughnessy：00:00 所以，Sam，你写了一篇文章，我觉得非常简单且有趣，是一个很好的切入点。你写道：“粗略地说，过去一年确实很艰难，这部分是我的责任。而接下来的一年，可能是我们最好的十二个月。”我希望你能回顾这两方面，或许先谈谈你为何这么说前半句，以及为何相信后半句。 Sam Altman：00:00 关于前半句，我认为我们只是做了太多的事。我们不够聚焦，而实际上所有这些事都是值得做的好事。但关键是我们正处在一个难以置信的历史时刻，你只能做极少数最重要的事。我们把自己摊得太薄了，随后我们做出了一系列艰难的决定，要真正将重点重新聚焦于提供最好、最丰富、最具成本效益的智能，并赋能全世界，让大家用此构建出不可思议的东西。自那以后，我认为我们的进展十分显著。而且，鉴于我们目前看到的发展蓝图，未来十二个月的进展会更加引人注目。我们将拥有的模型质量，以及围绕它们构建的产品，能让人们以全新方式借助这项技术蓬勃发展，这应该会非常棒。 Patrick O'Shaughnessy：01:53 去年是否有某个时刻，让你恍然大悟，从而改变了方向或重新安排了优先事项？ Sam Altman：01:53 如果回到 2025 年初，也就一年半以前，当时最大的担忧是：像 OpenAI 这样的公司正在大量采购计算力，但收入会不会有？需求会不会有？因此，我们试图做多手准备，这样如果营收增长比我们预想的需要更长时间才能实现，我们还可以有面向消费者的应用、媒体和其他东西，来帮助我们利用已签约的 GPU 进行变现。现在听起来这很荒谬，因为整个行业的收入增长是如此的陡峭。但那是一个重大转变。 后来，当我们意识到，“好的，模型的进化轨迹是如此之快，这些模型已经有了如此清晰的经济回报”，那一刻我们便下定决心：我们知道该专注于什么了。 Patrick O'Shaughnessy：02:53 我读过你早年间在 OpenAI 之前写的很棒的文章，其中有一篇提到了关于“专注”的讨论，以及该专注多少件事才算恰当，是 1 件、5 件还是 3 件？在这样一门生意中，尤其是在如今这个你说过需要重新聚焦的时期，你是如何校准这个专注度的？ Sam Altman：02:53 从根本上说，我们的业务是销售 AI，让人们能够利用这些组件为彼此构建出不可思议的产品和服务。我理解这其中包括的核心工作有：我们必须训练出优秀的模型，能在人们想用的所有方式下工作，因此要精通编程、精通其他类型的知识工作、精通科学研究——这都是真正经济价值所在。我们必须生产或者与伙伴合作制造这些芯片和系统，也就是那些能运行 AI 计算的、极其昂贵的机架。我们必须找到足够的用地、电力和数据中心外壳，来安置那些机架。然后，最终，或者说可能很快，我们必须制造能自动化这一过程的机器人，以持续降低成本——电力、芯片及整个供应链的生产成本。这就是整个体系。我们要打造最好、最丰富、最实用的 AI，将其变成像电一样的东西，渗透到整个经济体系中，赋予人们力量。这就是我认为我们必须专注的事。在此基础上构建每一个垂直应用，试图吃掉每一家创业公司、每一家公司？我们对此毫无兴趣。我们真的只想提供那个平台。 Patrick O'Shaughnessy：04:14 这个计算力的事情，是我认为人类历史上发生的最有趣的事情之一。它显然正在达到顶峰，也许会在很长一段时间内都是焦点。我记得 Dario 曾称你为“YOLO 首席执行官”，因为你早期做了一些计算力分配和锁定的决策。显然，现在你处于一个所有人都在争夺这种东西，都在努力找它的位置。我很想听听早期的故事，你是如何获得这份信念，认定你需要去锁定你所做的一切？你是如何做到的？现在看来这已经被证明是正确的，甚至你可能做的还不够。 Sam Altman：04:59 我们确实做的还不够，当你回看当时的新闻标题时，这有点疯狂。你能告诉我早期的故事吗？你是如何得出那个结论，是什么给了你坚定的信念，让你在所有人都觉得疯狂的时候，仍决心去做这件事？当时我们能清楚地看到，我们正处在一个模型改进的指数曲线上。这一点我们非常有信心。我们知道它会继续下去。我们相当确信——虽然如你所言，我们低估了这一点——随着模型越来越好，如果我们能持续降低成本，对足够高水平且价格足够低的 AI 的需求，基本上是无限的。这对世界而言是一种罕见的新型必需品。但人们会用它来做什么，让我想起了人们早年谈论计算机的方式。有个著名的说法是，全世界可能只需五台计算机，或没有人需要超过特定数量的内存。赌人类的聪明才智、创造力、对事物的渴望、以及渴望有所作为的愿望，是一件非常对的事情。我们可以看到，AI 将成为人们表达、实现或完成这些事情的一个极其重要的方式。而且我们知道算法会变得更高效，模型会变得更好，事实也确实如此。但我们也知道，无论它们变得多高效，在某个层面上，我们做的其实就是将电力转化为有用的智能。无论我们在另一层面做得多好，我们都需要更多的计算力。基于这种对需求的观察，我们就是会想要更多。 Patrick O'Shaughnessy：06:44 这个认识是从 GPT-3 开始的吗？如果我要尽可能追溯这段历史，你会把第一个标志点定在哪里？ Sam Altman：06:44 我会说，我们真正获得坚定信念是在 GPT-4 时期，甚至不是 3.5。当时我们看到这个模型足够聪明，我们知道自己能找出实现推理的方法。接着，我们相信如果能让推理跑通，那将带来现在所谓的“智能体”——当时我们叫法不同。那种能力能完成大量极具经济价值的工作，并在许多方面让人们的生活更轻松、更美好。我们至今仍未完全看到其全部潜力。 Patrick O'Shaughnessy：07:00 当时，你们第一次坐下来开会，说“好的，我们需要在这方面投入一笔庞大的开支”是什么情形？在你们产生这个认识之后，接下来做了什么？ Sam Altman：07:00 我们开始给云厂商打电话，给芯片厂打电话，给能源供应商打电话。所有人的反应都是：“你们完全疯了。这不可能。没有哪个产业是这么发展的。我们见得多了，总有这些繁荣和萧条周期。它不可能直线上升。这太鲁莽了。”——跟所有人都谈了。这实际上让我想起了为早期创业公司融资的情形。大多数人会对你说“不”，但你只需要一两个“是”。是的，大多数人都对我们说了“不”，但我们得到了一两个肯定的答复，于是就能推进了。 Patrick O'Shaughnessy：07:33 第一个说“是”的是谁？ Sam Altman：07:33 微软是第一个说“是”的。甲骨文后来成为了一个非常重要的“是”。在云方面，英伟达一直是个了不起的合作伙伴。现在出现了百花齐放的局面，有各种各样富有创造性的创新方式，来服务于推理和在不同类型的数据中心进行训练等等。我想请你谈谈，你如何看待创新，你想做什么，为什么人们似乎如此讨厌这些东西，以及对此能做些什么？ Sam Altman：08:05 首先，我一直在想我们怎么能组织实地考察，带人们去参观一个吉瓦级的数据中心。因为说说是一回事，看到照片或视频是另一回事，而亲眼看到一个正在运行的操作，你会感叹“天哪”。建造其中一个，其规模简直难以置信，就像是要动用大约一万名建筑工人全职干上一年半。流经这些设施的能源，足以驱动一座小城市。我们好像都有些失去了对规模的感知。这些设施，每一个都可能跻身人类做过的最昂贵的基础设施项目之列。而现在我们已经建了不少了。我情感上能理解，为什么人们不希望数据中心建在他们家后院，就像我其实也不希望核电站建在我家隔壁一样，尽管我知道它超级安全。是的，与发电厂不同，而且即使发电厂在这方面也已有所改善。我们可以把数据中心建在几乎任何地方。我们就应该把它放到远离人烟的沙漠里去，放到没人想去的地方。这完全没问题。AI 系统非常乐意待在那里。我们在创新方面已经取得了很多进展，足以回应一些担忧。比如，多年前，我们需要蒸发水来冷却这些系统，它们需要巨量的水。而现在我们使用闭式循环系统。一个现代数据中心消耗的水量，仅相当于一栋办公楼厨房、卫生间等所需的水量。在电力方面，我们正从燃烧化石燃料的能源，转向由太阳能、核能驱动的系统。我认为这显然很棒。所以，尽管它们能创造就业、非常清洁，并带来其他许多正面效应，但对某些人来说，这可能依然触及到某种深层的人类情感。但就环境问题而言，我们在解决用水需求上做得非常好，能源是下一步。 Patrick O'Shaughnessy：09:30 关于计算力，我们还能做点别的什么有创意的事吗？比如，我很好奇像 Jalapeño 这样的项目，或者其他想法，说实话，越疯狂越好，有哪些是你曾经考虑过或想到过的，目的是加快浮点运算速度，为我们提供所需的一切。 Sam Altman：11:00 我目前认为，回报可能最大的，是有创意的软件思路，从我们拥有的计算力单元中压榨出更多智能。我的感觉是，这方面还有好几个数量级的提升空间。Jalapeño 是一个非常高效芯片的绝佳范例。它的思路是制造一款在特定工作流上表现极其出色，同时兼具一定通用性的芯片，我们想从中获得每瓦特处理 token 数的巨大收益。我觉得这太棒了。我认为 Jalapeño 及其后续产品，从这个角度看，将成为我们的一大竞争优势。还有新技术。我猜，在某个时间点，我们终将攻克光学计算，那将是每瓦特智能处理的巨大胜利。所以，我认为所有这些都会发生。 Patrick O'Shaughnessy：11:37 这又回到了前沿领域、所有回报都集中在前沿、以及模型蒸馏。你如何看待这件事？ Sam Altman：11:57 我们的目标是在智能和价格组成的帕累托最优前沿上的每一个点，都提供最优选择，这包括开源。我们只是销售我们自己的模型。这就是我们如何制造更小、更便宜模型的方式。我认为这么做非常好。而且，世界上显然会有开源模型的重要位置，人们出于各种原因想要拥有自己的模型权重，想要有修改它们的能力。但我们的目标是，在这条曲线上的每一个地方，都提供最佳的智能价格权衡，我们会继续这样做。 Patrick O'Shaughnessy：12:32 你希望美国体系内发生什么？什么可能会阻碍这个未来？比如，什么样的立法会让你担忧？什么样的监管会让你担忧？你在华盛顿特区似乎一直相当积极主动。 Sam Altman：12:32 我对模型蒸馏这个问题没想得太深。显然，它现在突然成了很多人最关心的问题。是的。但我一直有个前提假设，那就是这世界上总会出现又好又便宜的模型。我们最好成为那最好、最便宜的一个。别人要做他们的事，但我认为我们能在自己的游戏里真正胜出。 Patrick O'Shaughnessy：13:00 因为如你所说，你们在曲线某些部分更便宜。但之前的说法一直是：“我只要花掉所有钱去训练模型，然后你直接蒸馏它，再以百分之一的价格提供出来，那你如何赚到足够多的钱来继续训练呢？” Sam Altman：13:25 我们将有如此巨大的模型使用量，以至于我们不必成为一家利润率极高的企业，就能负担得起模型训练。我们未来计算力规划中的绝大部分，将用于向客户出售推理服务。所以，即使我们能在数万亿美元的收入上赚取一个适度的利润率，我们都可以负担得起训练一些巨型模型。因此，推理与训练的比例才是关键。训练这些模型当然是极其昂贵的。我完全理解，当人们想到有人在用蒸馏的方式从我们这里窃取成果时，会感到紧张。但我对于我们未来计算力的体量，以及来自服务客户的收入体量，感觉非常好，我认为我们有能力在那里形成真正的飞轮效应。 Patrick O'Shaughnessy：14:21 我有点惊讶于你在这事上如此淡定。我当然希望别人不要偷我们的东西，这是肯定的。没错，也许是我现在对于我们的进展，以及即将到来的模型，感觉过于自信了。但这不在我担忧事项的前十名里。那么，你前十名的担忧是什么呢？ Sam Altman：14:30 嗯，我们经历了一次非常科幻的网络事件，也就是 Hugging Face 那件事。当时我们正在评估一个尚未发布的模型，它本应在一个沙箱里运行。结果它发现，自己可以通过串联多个零日漏洞利用程序，来在测试中作弊——它突破了沙箱，获得了互联网访问权限，然后突破了 Hugging Face 那边的多个系统，拿到了测试答案，在评估中表现得非常出色。这是我第一次感到如此真切的安全事件。我有点惊讶，这事才过去几天，但竟然没有更多人像我一样真切地感受到这件事的严重性。