David Senra × Sam Altman 最新长访谈中文深度编译，从 AI 采用惯性、缺失的“iPhone 时刻”，到算力、平台战略、AI 安全与下一轮小企业创业潮，原访谈：Sam Altman on Building OpenAI & Betting on the Impossible，主持人：David Senra，嘉宾：Sam Altman，头图来自：视觉中国
导读：这场访谈真正重要的，不是Altman又谈了一次AGI
2026年8月23日，OpenAI首席执行官萨姆·奥特曼做客David Senra的频道，系统谈到了OpenAI的创业历程、AI原生企业、算力与研究、非共识押注、产品交互、AI安全、小企业繁荣，以及他对人类自主权的理解。这场 一个多小时的对话里，最值得注意的并不是 Sam Altman 对“AI 会多强”的又一次预测，而是他对 AI 进入现实经济之后的阻力有了更具体、也更克制的判断。
2023 年 GPT-4 出现时，他曾以为软件行业会很快被重新洗牌；三年后，他承认自己低估了经济与人的惯性。技术能力可以以极快速度跃迁，但企业采购、组织流程、人的工作习惯以及产品形态，并不会同步变化。
这也是整场访谈最重要的一条暗线：AI 的瓶颈正在从“模型够不够聪明”，逐渐转向“人类是否真正改变工作方式”“产品是否完成新的交互范式”“企业是否愿意把流程和数据交给 Agent”，以及“支撑这一切的算力、资本与安全治理能否跟上”。Altman 甚至以自己为例：明明已经拥有 Codex，他仍会像过去二十年一样点开邮件、复制粘贴、维护待办清单。这种行为上的迟滞，可能比任何宏观统计都更能解释所谓 AI 生产率悖论。
与此同时，Altman 对 OpenAI 的公司边界给出了相当明确的答案：他希望 OpenAI 更像一家平台公司，而不是把所有应用都自己做掉。理想形态是一套面向个人或企业的统一 AI 入口，加上一套让开发者自由构建业务的 API。为此，他称 OpenAI 已经放弃过一些“不错但不是最重要”的产品，把稀缺的算力、人才和组织注意力重新集中到通用知识工作、科学发现以及上游基础设施。
另一条值得产业界关注的线索是算力。Altman 把大规模算力建设形容为正在迅速成为“历史上最昂贵的基础设施项目”之一。芯片、晶圆厂、机架、电力、供应链、融资和政策不再是模型训练背后的辅助环节，而正在成为 AI 公司本身的核心战略能力。这意味着 AI 竞争已经不仅是算法竞赛，也是资本组织能力、能源能力和供应链能力的竞争。
最后，他在安全问题上的立场也比简单的“加速派/安全派”二分更复杂。他担心两个方向：一是 AI 能力过强导致人类失去控制；二是为了避免第一种风险，权力反而集中到少数公司、模型或个人手里。他主张通过真实部署、事故报告、复盘和持续修正来提高安全性，而不是完全在实验室里预演社会后果。这个思路本质上仍然带有强烈的创业公司方法论：尽早接触现实，通过反馈迭代。
以下为完整对话编译：
一、真正的AI原生公司，CEO必须亲自下场
David Senra：我刚才提到之前采访过 Shopify CEO Tobi Lütke。为什么你认为他是现在最有意思的 CEO 之一？
Sam Altman：Tobi 最让我印象深刻的一点是，从 AI 很早期开始，到技术曲线发展的每一个阶段，他几乎一直是最积极向前的人。他亲自写软件、亲自实验，会给我们非常细致的产品和模型能力反馈。在其他人还没有这样说的时候，他就已经明确表示：我们不能成为一家像 NPC 一样按既定脚本运行的公司，所以必须采用 Agent，否则就会被淘汰，而且要自己动手做。每次和他交流，他都站在最前沿。他亲自构建、真正理解工具，对技术处在什么阶段有很深的感觉。我觉得他通常比其他 CEO 领先六到八个月。
David Senra：他大约一两年前就写过一封内部公开信，要求团队遇到问题时先判断 AI 能不能解决。当时很多人觉得这太激进。
Sam Altman：这就是我想说的，他一直走在前面，而且很多判断后来被证明是对的。他很务实，没有太多炒作，他关注的是：AI 现在到底能做什么、很快可能做到什么，以及公司应该怎样据此改变。很多人都会给我们产品反馈，但在“大公司 CEO”与“极其准确、细致、处在前沿的产品反馈者”这两个条件的交集里，他几乎是唯一的。
David Senra：他还说，未来回头看 2026 年，会把它视为“所有企业都面临重新洗牌”的一年。有人会做出 AI 原生版 Shopify，而他希望那个人就是自己。所以每天晚上他都在尝试重构：如果今天从零开始，利用现有技术，Shopify 应该被重新做成什么样？
Sam Altman：这也是我想说的关于他的另一个点：亲力亲为。他亲自使用工具、写软件、试模型、重构自己的工作流。很多公司到了这种规模，CEO 下面已经是管理团队再管理执行团队，中间会把很多粗糙的真实体验磨平。我认为，如果不亲在下场，很难形成真正的手感。我不确定 2026 年是否真的是所有生意都重新洗牌的一年，我在时间判断上会比他稍微保守，但我理解那种感觉。
David Senra：那从更长时间看呢？是不是最终所有行业都会被重新争夺？
Sam Altman：当然不是字面意义上的所有行业。AI 越强，有些与 AI 几乎无关的生意反而可能更有价值，因为人们会更想要真实、非技术化的体验，也可能更在意体育、人与人的连接等。所以，不是所有企业，但我认为很多软件企业面临重新洗牌。
David Senra：为什么？
Sam Altman：我非常喜欢创业，也一直试图理解创业公司。2023 年 GPT-4 出现时，我原以为软件行业会很快发生更大规模的颠覆，大量业务会迅速重新洗牌。后来我发现自己在速度上判断错了。经济有非常强的惯性：人们继续做原来的事，继续从原来的公司采购，也继续希望用熟悉的方式使用工具。某种程度上这反而是好事，它会让眼前这场巨大转型更平滑、更缓慢。我对此甚至有些庆幸。但这也意味着，即使面对如此惊人的技术，我们所有人对时间表都过于激进。AI 是人类发明过最不可思议的技术之一，但社会和经济会适应得更慢。
David Senra：这让我想到历史上的很多技术革命。技术本身准备好了，不代表人会马上改变行为。
Sam Altman：Netflix 早期已经可以邮寄 DVD 时，我仍然惊讶于为什么那么多人继续去 Blockbuster。它说明了习惯的力量。改变人的行为方式，比技术圈的人想象得难得多。
二、AI最大的产品瓶颈，是还没有迎来“iPhone时刻”
David Senra：你们本身就在创造这些工具。有没有什么时刻，你明明知道存在更好的方式，却发现自己仍然摆脱不了旧习惯？
Sam Altman：我喜欢这个问题，以前从来没有人问过我，而我一直在等这个问题。对我来说，最让我感到心理矛盾的是，我20年来使用电脑的方式一直没变。现在我有了个叫Codex的神奇玩意儿。你也有，大家都有。这意味着我应该彻底改变使用电脑的方式才对。
我不应该到处乱点、在不同的聊天软件之间复制粘贴、漫无目的地浏览邮件，试图找出哪封邮件最容易打开回复，尤其是在我不想处理它们的时候。我不应该像以前那样，列待办事项清单，机械地完成这些电脑上的例行工作。然而，我的脑海里却根深蒂固地认为，做这些事情就是工作，就是高效。
如果你问我，我绝不会说我喜欢那样做。事实上，我会说恰恰相反，而且我觉得我是真心这么想的。但就像我表现出的偏好一样，现在有了更好的方法，我可以做得更快。我可以把 Codex 更多地用于我的日常工作，比如处理这堆邮件，完成待办事项清单上的这些事情，处理所有这些杂事。但我仍然在用老方法，这毫无道理科研，除非说明我内心深处其实暗自喜欢这种方式，或者能从中获得某种满足感。
David Senra：那什么才能让你更彻底地采用自己的产品？
Sam Altman：我也不知道，变化正在逐渐发生，也许这本来就是答案：根深蒂固的习惯和工作流只能渐进改变。我们也需要做出更好的产品，让这种迁移更自然。现在我们像是跨在两个世界之间：一边是传统电脑，一边是可以用全新方式操作电脑的 Codex，而人们还不知道什么情况下该用哪一种。
我认为这主要是产品层面的失败，我们目前所处的阶段，让我想到 iPhone 出现前的智能手机。我2003年或2004年左右就用上了 Palm Treo，当时很多技术其实已经具备。虽然缺少多点触控，但更重要的是，缺少那些最终让 iPhone 成为 iPhone 的产品理念。
今天 AI 也类似：技术拼图基本已经出现，但我们还没有迎来那个彻底改变人如何与技术交互的“iPhone 时刻”。
David Senra：你还提到，最新一代模型在某种意义上已经相当聪明。下一步真正的限制是什么？
Sam Altman：关于最新一代模型，我不想说它们已经足够聪明了，因为我认为我们应该始终追求让它们变得更聪明，但它们确实已经相当聪明了。现阶段，我感到更受限于AI所掌握的、关于我的有效上下文（Context）信息的数量。
我希望AI尽可能多地了解我，以便为我提供帮助；我希望它能去做那些我无法做到，或者不想亲自做的事情。比如，我不会去阅读内部Slack上的每一条帖子，也不会去阅读客户讲述ChatGPT在哪里帮助了他们、又在哪里让他们失望的每一个故事。我做不到。
我本来可以阅读更多研究论文，但那需要消耗大量脑力。我非常希望能有一个AI智能体，不断尝试为我提供帮助。它能够查看和理解比我更多的上下文信息，并能在需要决策时，帮我运用这些背景知识，为我提供优质的建议。
我们正确地高度关注了模型智能，但在产品层面，我们还没有充分思考过：赋予模型比任何人所能掌握的更多的上下文信息，并帮助这个人就重大决策提供建议，究竟意味着什么。我的感觉是，我们正处于一个临界点，即将看到一种截然不同的与AI协作的方式。
聪明的人有很多，但没有人能阅读数万页的上下文信息，并在短短几秒钟内真正准确地加以运用。这是AI能够做到的事情。它将带来全新的体验，并成为极其强大的补充。
三、最重要的机会，往往始于一场“非共识”的押注
David Senra：你会如何改进产品？你只是从自身需求出发吗？你怎么思考这个问题？
Sam Altman：我现在大部分精力放在研究和算力上。我当然希望能有更多时间做产品，但公司里有很优秀的人负责产品。对我们来说，最重要的事情仍然是创造足够聪明的模型，并且让大量人能够充足地使用这些智能。如果这一点做对了，我相信其他东西会跟上。
从哲学上，我倾向于寻找那个高杠杆、困难、能够让指数曲线继续向前的问题。对 OpenAI 来说，就是模型和算力。这两类问题也比较适合我。
David Senra：为什么算力特别适合你？
Sam Altman：因为我们正在做的算力扩张本身就是一个复杂供应链问题，需要设计大量合作关系，也需要解决非常有意思的融资挑战——如何为一个已经、或者正在迅速成为历史上最昂贵基础设施项目之一的工程融资。
这里的技术问题从自研芯片开始，一直延伸到晶圆厂供应链、机架制造、电力系统。再加上技术、商业、政策、物流和能源，所有问题都汇聚到一起。
我以前做过创业投资。职业生涯里，我发现与创业投资最相似的工作之一，反而是管理研究项目。表面上研究员和创业者差别很大，但底层问题很像：怎样找到非共识下注，怎样形成信念，怎样理解指数增长，怎样识别和管理极端优秀的人才。
David Senra：创业投资与研究最相似的地方是什么？
Sam Altman：一个非常大的共同点是幂律法则。投资里，你最成功的一笔投资可能超过其他所有投资加起来；第二名又可能超过后面所有项目的总和。至少在 AI 研究中，也有类似结构。
2015 年我们开始做 OpenAI 时，很多人认为 AGI 几乎不可能实现。我们因为公开追求 AGI 被这个领域的很多权威批评。后来真正押注大语言模型时，又被批评了一次。我的创业投资经历让我很容易接受一件事：高风险下注本身没有问题，只要它一旦成功就极其有价值。
真正优秀的研究员，往往是非共识的、有新方法、高能量，而且不太“标准化”。你不想投资一个只是把过去一千个创业想法稍微改一点、却努力包装成全新东西的人。研究也是如此：很多人会追逐上一个已经成功的方向，少数人则对一个还没有被验证的新想法有很强信念。我们希望成为最适合后一类人的研究机构。
David Senra：Demis Hassabis 也谈过一种可能：除了头部大实验室，也许会有一个像“隐士研究者”一样的人，从没人想到的角度突破。
Sam Altman：当然存在这种可能。我不知道该给它多大概率，但这种可能性本身就让这个领域一直很有意思。
David Senra：你为什么在 2015 年决定重新做公司，而且选择一个当时如此非共识的方向？
Sam Altman：我从小就对 AI 感兴趣。我是那种很典型的电脑 nerd，周五晚上会玩电脑、看科幻、读科幻。我一直觉得 AI 会是最疯狂、最不可思议的东西。大学时我本来就想学它，大一和大二之间的暑假还在 AI 实验室工作过。
但当时几乎什么都做不出来。一个教授甚至很明确地告诉我：你可以尝试很多方向，但我们唯一确定不工作的就是深度学习，我们已经试了很久；如果想毁掉职业生涯，做深度学习大概是最保险的方式。我那时还是很容易受影响的新生，所以相信了。大约 2005 年，我的判断是 AI 还不行。后来我偶然进入创业世界，并真正爱上了创业。
我很庆幸自己后来先做了投资，再回到经营公司。通常硅谷的路径是创始人成功后半退休做投资人，我走了相反方向。投资让你在很短时间里看到大量公司的关键决策时刻。经营者可能只经历自己公司五到十年的有限样本，而投资人会不断看到公司在战略转向、换高管、融资等关键节点上做对或做错。这给了我一个非常丰富的数据集。
David Senra：为什么 AI 从小就吸引你？
Sam Altman：我这一生都对人工智能充满兴趣。我是个非常极客的少年，是那种周五晚上会泡在电脑前、看科幻片、读科幻小说的孩子。我一直认为人工智能会是最不可思议、最疯狂的事物。我从未想过自己真的能从事这方面的工作，但我一直都非常热爱它。我上大学，甚至就是为了学习这个专业。
大一和大二之间的暑假，我在人工智能实验室工作，但什么成果都没做出来。让我记忆尤为深刻的是，一位教授告诉我：你可以尝试所有这些方法，有这么多研究方向，但我们唯一知道行不通的，就是深度学习。我们在这方面尝试了很久，这简直是毁掉职业生涯的最稳妥方式。
当时我还是个容易受影响的大学新生，就信以为真，于是去探索其他方向。后来，我偶然进入了创业圈，并深深爱上了它。
David Senra：即使别人告诉你某件事做不到，你的第一反应也是逆反吗？
Sam Altman：不是逆反，而是会想：“你确定吗？为什么不呢？试试看吧，看看会发生什么。也许我能做到，也许我们能做到。”
我当时是个非常乐观的孩子。而且，一件事看起来越不可能，我就越着迷。
想到我们能发明一种技术，让我们能够去做其他所有事情，以其他任何单一技术都无法实现的方式赋予人类力量，这对我来说始终有着一种天生的、难以置信的吸引力。
我渴望得到那种技术，渴望借此成就一切。我觉得自己性格中另一个由来已久的特质，就是赋予人们更多力量和能力。这真的非常有意思。从某种意义上说，这就是技术发展的整条脉络。而人工智能，是我所能想象到的最极致的体现。
David Senra：现在，AI最让你感兴趣的用途是什么？
Sam Altman：现在，我对人工智能将如何推动科学发现极其感兴趣。我们能让AI去发现新的物理学定律、治愈疾病，以及它在数学领域已经取得的成就。我认为，这将是极其重要的领域之一，甚至比AI自动化其他任务更重要，因为它能帮助我们理解更多事物。
AI真的能帮助我们完成理解万物这一重要使命，尽可能多地理解这个世界。我也一直热爱科学，喜欢这样一个理念：凭借我们的智慧，我们能弄明白如何理解世界、做出预测，并做到那些没有这种深刻理解就无法做到的事情。
David Senra：如果未来两个 AI 做出的播客比我们两个人聊得更有意思，人们还会在乎真人吗？
Sam Altman：我深信，人类任然会被真人吸引。纯参考信息类内容可能更容易被替代，但对于那些本质上与“人”有关的内容，听众会在意是谁在说，会因为喜欢或不喜欢某个人而产生兴趣。尤其是那些在 AI 出现前长大的人，会一直被真实的人吸引。
有很多工作会经历巨大转型，但那些关于人与人的连接、关于喜欢另一个人的东西，在 AI 之后可能变得更有价值，而不是更没有价值。
我自己虽然所有工作几乎都是数字化的，却很向往更模拟、更实体的生活。我喜欢纸质书，不喜欢 Zoom，更喜欢在现实世界和人待在一起。我认为真正只想和计算机交流、不喜欢人类的人始终只是很小的一部分。
所以即使出现超级智能，世界在某些根本层面也未必完全不同。人依然会关心人、希望和人待在一起。我们需要警惕那些把人视为障碍、希望把权力交给模型的人，尤其不能让这种人获得过大的权力。
四、最担心的两种AI风险：失控，以及权力集中
David Senra：你最担心什么？
Sam Altman：我最担心的两个大风险之间其实存在张力。第一个是失去控制：AI 变得过于强大，我们无法保证仍然拥有想要的控制权。第二个是权力过度集中：某一家公司、某一个模型或某一个人掌握过多权力。
这两个风险背后的原则是一致的：未来必须由人深度掌控，技术应该让人更有能力。人本身才是这一切的目的。我们不能因为不信任人类，就逐渐把世界的控制权和决策权交给一个模型；那是一种非常反人类的立场。
另一种版本是：因为我们不信任普通人，所以要限制谁能接触这项技术、能怎样使用。以安全之名，把权力集中到少数公司手里，然后告诉其他人：你们会得到一些好处。
会把这种极端说法讽刺成：我们可以给世界治愈所有疾病的方法、让物质极大丰富，但交换条件是普通人放弃自主性、放弃影响未来的能力，并接受极端不平等。少数人拥有巨大财富和权力，其他人得到“还不错的一切”。我认为这是非常糟糕、非常反人类的推销说辞。
David Senra：为什么有人会接受这种逻辑？
Sam Altman：一部分来自恐惧，一部分来自权力。有人真心害怕 AI 风险的规模，于是认为应该用很多自由交换安全。但这也很容易变成追求权力的正当化理由。AI的目标，应该是扩展人的自主权（Agency），而不是削弱它。
五、AI 安全：不要脱离现实，在真实世界里迭代
David Senra：你如何看待“末日论者”对AI安全的担忧？
Sam Altman：我认同他们的一点是：这是一项强大的技术，我们应该在安全方面宁可保守，在技术发展的每个阶段都谨慎行事。
我不认同他们的一点是：他们认为AI对齐是一个无解的问题。如果回到OpenAI刚成立的时候，当时普遍存在两种观点。第一，我们根本不可能，也绝对不可能在10年内构建出非常类似AGI的东西。第二，退一步讲，即使我们做到了，也绝对无法保证它的安全。
他们的逻辑是，如果你有一个在很多方面比大多数顶尖聪明人还要聪明的AI，那么到了那个节点，世界肯定已经毁灭了，对齐肯定失败了。
十年过去了，我们构建出的东西，我认为大多数人都会承认，它已经非常接近AGI了。而且，很多美好的事情正在发生，那些关于世界末日的疯狂预测并没有成真。
所以，我认为这应该修正人们对未来的预测。我们面前仍有风险更高的挑战需要解决，但我们的方法论，就是把产品推向世界，从真实用户那里获取反馈，看看哪里会出问题，哪里不会。
将产品推向真实世界获取反馈，不仅是打造好产品的方法，也是打造安全产品的方法。
David Senra：为什么真实世界的反馈如此重要？
Sam Altman：每次我们推出新一代模型，都会将其推向世界，观察哪些功能有效、哪些无效；了解用户在哪些场景下需要我们放宽安全护栏，以便将其用于有益的用途；也了解我们在哪些地方出现了价值对齐失败或安全系统故障。
ChatGPT推出还不到四年，就有十亿人在使用它，而且处理的是敏感且重要的事务。我们能够交付一款被广泛认为安全的产品，尽管它当然还存在一些问题。
在如此短的时间内，面对如此强大的技术，我认为我们绝不可能在象牙塔里闭门造车做到这一点。
我确实认为前路会更加艰难，但脱离现实绝非破局之道。
David Senra：为什么接下来会更难？
Sam Altman：模型的能力极其强大，进步曲线极其陡峭。我认为，我们将不得不做出一系列艰难的决定，比如什么时候推迟开发，什么时候说：“好吧，让我们回归现实，或者让我们再等一等，更深入地研究一下。”
最近有人提到，美国联邦航空管理局让飞行变得极其安全。表面上看，飞行似乎是一件极其危险的事情，但现在你登机时可能根本不会多想。
他们拥有极其完善的事故报告机制，态度极其清醒、客观，从不试图对问题敷衍了事，而是尽可能多地提取信息。对于任何新技术，这种方法都非常有效，却往往被低估。
当我们开始部署模型，宣布要将ChatGPT推向世界时，我们深知模型并不完美。我们知道它会产生幻觉，也知道它还有其他问题。但我们明白，世界必须亲身拥抱这项技术。
我们必须学会如何让它变得安全，并将力量真正交到人们手中。我们不能借它强加自身的世界观，也不能躲在实验室里试图推演所有影响——这注定徒劳，因为社会与模型必将共同演进。
我们会做好事故记录，在出现问题时进行研究，发布清晰的复盘报告，并尽可能多地吸取教训。我们不仅要改进自己的技术和产品，也会努力将这些经验分享给其他AI开发者。到目前为止，这种做法的效果好得令人惊讶。
六、为什么“人人都用AI，却又人人讨厌AI”？
David Senra：很多创业者喜欢 AI，也大量使用 AI，但整个社会又有非常强的反感情绪。为什么会这样？
Sam Altman：人天然会害怕快速的社会经济变化。工业革命时期，人们也绝不是普遍对变化感到温暖和兴奋。社会有一定惯性、对快速变化保持怀疑，我认为反而是健康机制。但 AI 行业自身也做得不好。很多从业者一边说“有 25% 的概率毁灭世界”，一边又说“我们必须继续竞赛，否则坏人会先做出来”；或者告诉公众“明年 50% 的工作可能消失，希望你们没事”。整个行业并没有很好地解释 AI 的好处，也没有解释怎样减轻它的副作用。
即使有人谈全民基本收入、工作变成可选项，也很少认真讨论另一件对普通人更重要的事：AI 应该让个人拥有更多权力和自由，而不是更少。人希望影响自己的未来，也希望共同参与决定社会走向。
如果 AI 的故事变成“亲爱的普通人，我们给你们癌症治疗、物质财富和娱乐，你们不要抱怨，未来由我们替你们决定，相信我们这些善意的独裁者”，那当然不会是一个好故事。
我非常相信创业和个人创造的力量。即使多数人不想建立巨型公司，很多人其实希望开一家小公司，而过去创业需要相当多的资源、运气和特权。AI 正在降低这些门槛。我认为我们即将看到历史上规模最大的一波小企业创业潮。整个 AI 行业，包括我们自己，都没有足够重视这件事，也没有做出足够多产品去加速它。
David Senra：你曾说过，会考虑让 AI 看到电脑上的一切。为什么？
Sam Altman：最新一代模型已经非常聪明。当然我们应该继续追求更高智能，但对我个人而言，现在更明显的限制是 AI 掌握的、关于我的有效上下文还不够多。我希望 AI 尽可能了解信息，以便真正帮助我，去做那些我无法或者不愿亲自做的事情。
Sam Altman：我不可能阅读公司内部 Slack 的每一条信息，也不可能阅读每个客户讲述 ChatGPT 成功或失败的故事。我也许可以多读一些论文，但那会消耗大量精力。我希望有一个 Agent 持续帮助我，理解比我个人有时间、有精力处理得多得多的上下文，并在我要做重大决定时把这些信息带进来。
Sam Altman：过去我们正确地把大量注意力放在模型智能上，但产品层面还没有充分思考：如果模型拥有比任何一个人都多的上下文，它会怎样帮助这个人做决策。
Sam Altman：我觉得我们正站在一种全新工作方式的门槛上。再聪明的人，也无法在几秒内阅读几万页上下文并准确使用这些信息，但 AI 可以。这不是简单替代人，而是增加一种人类本身无法拥有的认知能力。
David Senra：我自己就做了一个内部 AI 工具，把 2018 年以来读过的书的笔记、高亮和播客文字稿都放进去。做新节目时，我会问它以前某个创业者、某本书里有什么相关经验。
Sam Altman：这正是我说的，非常酷。
七、OpenAI必须“扼杀好点子”，把资源留给真正伟大的目标
David Senra：你希望OpenAI 成为一家怎样的公司？你们必须自己开发所有产品吗？
Sam Altman：其实我认为我们应该更像平台公司，而不是产品公司。当然我们会做产品。我们刚刚把 ChatGPT 和 Codex 合在一起。以前可以理解为 ChatGPT、Codex 和 API。Codex 这个名字有点误导，因为它并不只是编程，也可以完成很多类型的工作。
我认为大多数人真正想要的是一个统一界面，连接属于个人或公司的 AGI，能帮助处理任何需要处理的事情；同时再提供 API，让任何人可以在上面构建自己想要的东西。这就是我们应该提供给世界的平台。
我们会覆盖成本—性能曲线的不同位置：如果你需要极高端智能去做科学发现，我们提供；如果你需要非常便宜的智能去完成海量、但不需要天才级推理的任务，也应该有对应产品。人们需要大量 AI，希望它便宜、快、可靠，而且理解自己的上下文。
直接产品最终会从聊天机器人逐渐变成更持久的 Agent，主动帮助你完成各种事情。但我不认为 OpenAI 应该进入每一个产品类别，更不应该与所有客户竞争，也不应该试图吞掉整个经济。我们应该提供平台，希望未来有一亿家新企业和八十亿人用它创造各种东西。
David Senra：你是怎样学会必须做这种取舍的？
Sam Altman：杀掉好想法，把资源留给伟大的想法，是创业者和公司最难学会的事之一。杀掉一个不错的点子很痛苦，我自己也很不擅长。
例如去年我们放弃了 Sora。它是一个好产品，也很好玩，但消耗很多算力，而我们认为 Codex 更重要，所以把算力放到后者。我们还砍掉了名为Atlas的网页浏览器，我认为那是个很棒的产品，甚至是最好的浏览器，但把人才投入到其他领域，对我们来说更重要。
在算力、人力和资源都有限的世界里，我们经过深思熟虑后决定：打造用于知识工作、并最终用于科学研究的通用智能，是我们能做的最重要的事情。
任何有助于生成这种智能的上游工作——自研芯片、建设自己的数据中心、编写优秀的基础设施软件，当然还有训练模型——显然都至关重要。
接下来，我们只需要把AI作为服务提供出去，让人们将它用于智力探索、日常工作、科学发现，以及提高个人生活的效率。
我们要打造一种灵活的通用平台，而不是去做太多其他事情。
八、真正稀缺的是“无法预测下一句话的人”
David Senra：在你的职业生涯中，谁会帮你梳理那些最棘手的问题？
Sam Altman：大致可以分为三类。第一类是很多长期在 OpenAI 的研究者。我们一起经历了这些事情，形成了一套共享语言、直觉和标准。关于技术正在发生什么、下一步可能发生什么，我很难在公司外找到完全相同的交流基础。
关于商业和世界，在我职业生涯很长一段时间里，Paul Graham 和 Peter Thiel 是我学习最多的两个人。遇到真正非显而易见、自己卡住的问题，我仍然会找他们。
我找过很多人，但很少有人像他们一样能做高度非线性的思考。如果 LLM 的本质是预测下一个词，那么他们两个人恰恰是我最难预测“下一句话会说什么”的人。这是一种非常有价值的能力。你带着一组已经想过的选项去，他们可能告诉你：这些选项都不对，然后提出一个此前完全没有出现、但一听就显得显而易见的视角。
David Senra：Peter Thiel 对“聚焦”的强调是不是影响了你？
Sam Altman：ChatGPT 刚推出后增长很快，但一开始很多人只是因为新奇而聊天，所以公司内部有人担心这种增长价值不稳定，讨论是不是应该转向其他五六个方向。大概上线两个月后，我们和 Peter 聊过。他的判断非常简单：除了继续做这件事，去做其他任何事情都是明显错误。
他的理由是，这个产品拥有类似 Google 搜索框的力量：一个空白文本框，你可以输入任何东西，它会给出有用结果。它不符合当时硅谷流行的产品智慧——没有信息流、没有传统网络效应、没有很强的锁定机制——但 Google 已经证明空白输入框可以极其强大。所以我们后来非常坚决地加码 ChatGPT。那是一个“简单到近乎天才”的建议。
David Senra：Paul Graham 呢？
Sam Altman：很多 YC 创始人都熟悉他的那句“你知道你该做什么吗？”有时后面的建议很好，有时也未必。但更重要的是，他带来一种开放、创造、愿意尝试很多东西的氛围。
YC 强烈推动了快速迭代的创业方式：尽早发布 V1，即使它还不够好甚至有点尴尬。你会因为真实用户反馈而更快把它变好。ChatGPT 上线前我甚至不需要问 Paul，因为我知道他会说什么：虽然还早、还不完美，但正确做法就是发布，让真实的人使用。
回头看大量 YC 公司，我非常惊讶于一件事：行动快、持续迭代与成功之间的相关性非常高。
David Senra：你在整场对话里不断提 YC。它到底对你有多大影响？
Sam Altman：有些乐队销量未必最大，却影响了后来几乎所有音乐人。YC 当然不能完全这样类比，因为按市值创造等传统指标，它本身也已经极其成功。但它对过去二十年科技行业、创业公司和创业文化的影响程度，仍然没有被完全理解。OpenAI 就是一个例子。
这种影响不只体现在我们怎样发布产品，甚至进入了我们怎样运行研究实验室的哲学。它一部分是具体的创业操作系统，但更深的是公司哲学：迭代式部署，让技术人员掌握公司方向，愿意把机会交给年轻、精力旺盛、野心很大但经验可能没那么多的人。
还有更大的生态变化。如果把时间拨回 2004 年，只让技术进步到 2016 年，却不改变创业生态、资本流动、创始人权力和“什么样的人可以创业”的社会结构，我不认为 OpenAI 当时能够成立。YC 推动了创始人获得更多杠杆，让年轻技术创始人可以筹集大量资本，也让没有传统履历的人可以做极有野心的事情。
九、我从成功中学到的，比失败更多
David Senra：你刚才说，从失败中学到的没有从成功中多。为什么？
Sam Altman：我第一次创业时其实并不算成功。我确实从失败中吸取了一些教训，但我认为，你从成功中学到的东西要多得多。
当我回顾自己失败的教训时，学到的往往只是一些关于坚毅与决心的泛泛之谈，以及一些“不该做”的事项。大多数事情注定失败，因此失败的原因千头万绪，很难理清其中真正的因果关系。
而当我真正做成某件事时，当我明白YC成功的原因，或者OpenAI真正成功的关键所在时，将这些经验应用到未来实践中，对我的帮助更大。这比套用那些失败的反面教训有用得多。
你当然应该从每个数据点中尽可能多地学习：从失败中学习，也从成功中学习。但就我个人的经验而言，从成功中汲取的经验弥足珍贵。
David Senra：可OpenAI在成立后的四年半里没有发布任何产品，这不是完全违背了YC的经典建议吗？
Sam Altman：OpenAI与我以往经验中可以模式匹配的任何事物都截然不同。从创立公司到发布第一款产品，我们花了四年半的时间。这与YC的建议完全相反。
我们必须学习如何在没有客户外部信号的情况下进行管理，思考如何用“我们的研究是否真的有效”，来替代“客户是否真的喜欢产品”这一信号。
其中一个行之有效的方法，是在Dota 2时期，我们试图用强化学习在电子游戏中击败人类玩家。我们设立了一个排行榜，人们可以直观地看到不同策略的表现。这非常客观、真实，大家都想提升自己的排名。
我们必须用各种方式来模拟用户。
OpenAI成立的第一天，大约11个人或12个人出现在格雷格·布罗克曼的公寓里。每个人走进来时都非常兴奋，感觉就像开学第一天。
然后很快，大家环顾房间，心里想着：“好吧，我们现在该做什么？”有人说：“我们需要一块白板。”格雷格就找人去找了一块白板。白板拿来后，大家再次环顾四周：“我们现在到底该干什么？”
你能感觉到房间里的气氛瞬间垮了下来。我们谁都不知道该做什么。这不是在建立一家产品初创公司，不是那种“让我们打造这个产品，然后去和客户谈谈”的模式。我们说要创造AGI，但究竟下一步该做什么，没有人知道。
所以，我们只能做自己知道该做的事，并最终发现很多方法行不通。
经历多年混乱的摸索后，我们逐渐找到了一种制定并评估研究押注的节奏。我们弄清楚了如何获取顶尖人才所需的资源，也弄清楚了如何确保自己不会在荒野中完全迷失方向。
最初作为“无监督情感神经元”论文起步的项目，最终演变成了GPT-1，然后是GPT的后续版本。规模法则的研究，又给了我们继续扩展模型的信心。
许多认知，就这样逐渐汇聚在一起。
David Senra： 从十几个人挤在公寓里，连一块白板都没有，到十年后坐拥十亿用户，亲历这种巨变一定让人感到很恍惚。
Sam Altman：非常奇特的体验。
David Senra：你写日记吗？
Sam Altman：第一个孩子出生后，我晚上回家会抱着他哄睡，顺便把一天发生的事讲给他听：我们在挣扎什么、我担心什么、发生了什么。后来我觉得，也许有一天他会想知道这些，于是开始每个星期天给他写一封信，把这些内容记录下来。不过最后只写了大约八封。
David Senra：你应该继续写。很多创始人到了七十岁才写回忆录，那时大量细节已经消失。
Sam Altman：最有意思的是“写给自己的孩子”这种心态。你真的很难躲在任何借口后面，因为我非常在意孩子以后会怎样看我。你会写：今天发生了这件事，我对自己的处理方式并不满意，下周应该换一种做法。这是一种非常有意思的思考框架。也许我会找一种方式重新开始。
延伸思考
这场访谈里，我最喜欢的不是 Sam Altman 又预测了一个多么强大的 AI 未来，而是他开始承认一些过去可能不那么愿意承认的事情。
2023 年 GPT-4 发布时，他以为软件行业很快就会被重新洗牌，很多公司会被 AI 迅速颠覆。但三年过去，他发现自己把事情想快了。技术可以一年一个台阶地往前冲，人却没有那么容易改变。公司不会因为模型升级了一次，就立刻推翻原来的流程；普通人也不会因为有了 Agent，就第二天开始用完全不同的方式工作。
甚至 Altman 自己也是这样。他每天接触这个世界最先进的 AI 产品，手里已经有 Codex 这样的工具，却依然会像过去二十年一样打开邮件、复制粘贴、整理待办事项。他明明知道有些事情 AI 可以做得更快，却还是下意识地用老办法工作。
这可能是整场访谈里最真实的一个瞬间。因为它提醒我们，AI 时代真正困难的事情，也许从来不只是把模型变得更聪明，而是人能不能跟着技术一起改变。
过去几年，我们听了太多关于 AI 的宏大预测：多少工作会消失，多少行业会被颠覆，哪个公司会被淘汰。但真正身处浪潮中心的人，反而开始变得谨慎。Altman 并没有因此看低 AI，他只是越来越意识到：技术改变世界，需要比技术突破本身更长的时间。
这对普通人其实未必是坏消息。我们不需要因为每一次模型升级就担心自己马上被淘汰，也不需要为了所谓“AI 原生”强迫自己一天之内推翻过去所有的工作方式。真正重要的是保持一点好奇，愿意把那些重复、低效、自己并不擅长的事情，一点点交给 AI，再把省下来的时间用在判断、创造、沟通，以及那些只有自己才能完成的事情上。
AI 可能不会在某一天突然改变所有人的生活。更多时候，改变是安静发生的：你第一次让 AI 帮你写代码，第一次让 Agent 替你完成一项完整任务，第一次发现过去需要一天的事情现在只需要一个小时。等很多年以后再回头看，才会发现自己的工作方式已经完全不同。
所以，比“AI什么时候改变世界”更值得问的问题或许是：当改变真正到来的时候，我们有没有开始改变自己？