提升「推理能力」仍是这家大模型制造商的核心目标。

撰文： 21VC

编译：木沐

编辑：文刀

GPT-4 之后，明年的 OpenAI 在憋什么大招？OpenAI 的护城河在哪？AI Agent 的价值在哪？众多老员工「出走」，OpenAI 会选择更有信念感和活力的年轻人吗？

11 月 4 日，OpenAI CEO Sam Altman（以下称「Altman」）在「The Twenty Minute VC」播客中回答了这些问题，他明确表示，提升推理能力一直是 OpenAI 的核心战略。

当播客主持人、21VC 创始人 Harry Stebbings（以下称「Stebbings」）问到 OpenAI 还能给 AI 创业者留下哪些机会时，Altman 认为，AI 创业如果还要执着于解决模型不足的问题，那么这个业务模式将随着 OpenAI 模型的升级而不再具备竞争力，创业者应该去构建能随着模型变强而受益的业务，这将是一个巨大的机会。

在 Altman 看来，人们现在讨论 AI 的方式有点过时，相比模型，系统是更值得关注的发展方向，而明年将是 OpenAI 迈向 AI 系统的关键一年。

以下是 Stebbings 与 Altman 对话的精华节选：

OpenAI 计划打造无代码工具

Stebbings： 我直接从观众提问的问题开始今天的访谈，未来 OpenAI 的方向是推出更多像 GPT-3.5 这样的模型还是训练更大更强的模型？

Altman： 我们会全面优化模型，提升推理能力是当前战略的核心。我认为强大的推理能力将解锁一系列我们期待的功能，包括让人工智能在科学研究领域做出实质性贡献、编写复杂程度极高的代码等等，这将极大地推动社会的发展和进步。大家可以期待 GPT 系列模型的持续且快速的迭代和优化，这将是我们未来工作的重点和优先方向。

Sam Altman 接受 21VC 创始人 Harry Stebbings 的播客访问

Stebbings： OpenAI 未来是否会为非技术人员开发无代码工具，让这些人也能轻松构建和扩展 AI 应用？

Altman：毫无疑问，我们正朝着这一目标稳步前进。我们的初步计划是显著提升程序员的工作效率，但长远来看，我们的目标是打造一流的无代码工具。尽管市场上已经存在一些无代码解决方案，它们目前还无法完全满足以无代码方式创建一个完整初创公司的需求。

Stebbings：未来，OpenAI 会在技术生态的哪些领域拓展？考虑到 OpenAI 可能会在应用层面占据主导地位的情况下，如果初创公司投入大量资源来优化现有系统，这是否是一种资源的浪费？创始人们应该如何思考这个问题？

Altman：我们的目标是不断改进我们的模型。如果你的业务仅仅是为了解决现有模型的一些微小不足，那么一旦我们的模型变得足够强大，这些不足不复存在时，你的业务模式可能会变得不再具有竞争力。

然而，如果你能够构建一个能够随着模型的不断进步而受益的业务，那么这将是一个巨大的机遇。设想一下，如果有人向你透露 GPT-4 将会变得异常强大，能够实现目前看来不可能完成的任务，那么你将能够从更长远的角度来规划和发展你的业务。

Stebbings：我们曾与风险投资人 Brad Gerstner 探讨 OpenAI 可能对某些细分市场的影响。你从创始人的视角看，哪些公司可能会受到 OpenAI 的冲击，而哪些公司能够幸免？作为投资者，我们又该如何评估这个问题？

Altman：人工智能将创造数万亿美元的价值，它将催生全新的产品和服务，使之前不可能或不切实际的事情变得可行。在某些领域，我们期望模型能够强大到让目标实现变得轻而易举；而在其他领域，通过构建卓越的产品和服务，这项新技术将得到进一步的增强。

在早期，大约 95% 的初创公司似乎都在押注模型不会变得更好，这让我感到惊讶，现在我已经不感到惊讶了。GPT-3.5 刚发布时，我们已经预见到 GPT-4 的潜力，我们知道它会非常强大。

所以，如果你构建的工具仅仅是为了弥补模型的不足，那么随着模型的不断改进，这些不足将变得越来越无关紧要。

过去模型表现很糟糕时，人们更倾向于开发弥补模型缺陷的产品，而不是去构建像「AI 教师」或「AI 医疗顾问」这样具有革命性的产品。我感觉当时 95% 的人都在赌模型不会有所改进，只有 5% 的人相信模型会变得更好。

现在情况已经发生逆转，人们理解了改进的速度，也了解了我们的发展方向。现在这个问题不再那么突出了，但曾经我们非常担心，因为我们预见到那些（朝着弥补模型缺陷）努力的公司可能会面临困境。

Stebbings： 你曾说「人工智能将创造数万亿美元的价值」，孙正义（软银集团创始人兼首席执行官）也预测「AI 每年将创造 9 万亿美元的价值」，足以抵消他所认为的「必要的 9 万亿美元资本支出」，你对此有何看法？

Altman：我无法给出一个精确的数字，显然，大量的资本支出下也将创造巨大的价值，因为每一次重大的技术革命都是如此，而人工智能无疑是其中之一。

明年对我们来说是关键一年，我们将迈入下一代 AI 系统的时代。你提到的无代码软件代理的开发，我不确定这需要多长时间，目前这还无法实现，但如果设想一下我们能达到这个目标，每个人都能因此轻松获得他们所需的整套企业级软件，这将为世界释放出多少经济价值。如果你还能保持同样的价值产出，同时让它变得更便捷、成本更低，这又会产生巨大的影响。

我相信我们将看到更多类似的例子，包括医疗和教育领域，它们代表着数万亿美元的市场。如果 AI 能够在这些领域推动新的解决方案，我认为具体的数字并不重要，重要的是它确实会创造难以置信的价值。

优秀的 AI Agent 具备超越人类能力的功能

Stebbings：你认为开源在人工智能未来的发展中将扮演怎样的角色？在 OpenAI 内部，「是否应该开源某些模型」的讨论会如何进行？

Altman：开源模型在人工智能生态系统中扮演着至关重要的角色。目前已经有一些非常出色的开源模型存在。我认为，同时提供高质量的服务和 API 也是至关重要的。在我看来，将这些元素作为一个产品组合来提供是有意义的，这样人们就可以选择最适合他们需求的解决方案。

Stebbings：除了开源，我们还可以通过 Agent（代理）向客户提供服务。你如何定义「Agent」？在你看来，它是什么，又不是什么？

Altman：我觉得 Agent 是一种能够执行长时间任务的程序，并且在执行任务过程中几乎不需要人为监督。

Stebbings： 你认为人们对 Agent 的理解存在误区吗？

Altman：与其说是误解，不如说我们还没有完全理解 Agent 在未来世界中所扮演的角色。

人们经常提到的例子是让 AI Agent 帮忙订餐厅，比如它能用 OpenTable 做到，或者直接打电话给餐厅。这确实可以节省一些时间，但我认为更令人兴奋的是 Agent 能做一些人类做不到的事情，比如 Agent 可以同时联系 300 家餐厅，为我找到最适合的菜品或能提供特殊服务的餐厅。这对人类来说几乎是不可能的任务，但如果 Agent 之间都是 AI，它们可以并行处理，这个问题就迎刃而解了。

虽然这个例子很简单，但它展示了 Agent 超越人类能力的功能。更有有趣的是，Agent 不仅能帮你订餐厅，还能像一个非常聪明的资深同事，可以与你合作完成一个项目；或者它可以独立完成一个需要两天甚至两周的任务，只有在遇到问题时才会联系你，并最终呈现出一个优秀的成果。

Stebbings：这种 Agent 模式是否会对 SaaS（软件即服务）的定价产生影响？传统上，SaaS 就是按照用户席位来收费的，如今 Agent 实际上在取代人工。你如何看待未来定价模式的变化，尤其是在 AI Agent 成为企业员工核心部分的情况下？

Altman：我只能做出推测，因为我们真的无法确定。我可以设想一个场景：未来的定价模式将基于你所使用的计算资源来确定，比如你需要 1 个 GPU、10 个 GPU 或 100 个 GPU 来处理问题。在这种情况下，定价不再基于席位甚至 Agent 的数量，而是根据实际消耗的计算量来决定。

Stebbings：那我们是否需要为 Agent 来构建专门的模型？

Altman：的确需要大量的基础设施来支撑 Agent 的运行，但我认为 GPT-3.5 已经指明了方向，即一个能够执行复杂 Agent 任务的通用模型。

模型是贬值资产，但训练经验比成本价值高

Stebbings： 很多人认为随着模型的商品化趋势日益显著，模型是贬值资产。你如何看待这种观点？目前，训练模型的资本密集度越来越高，这是否意味着只有少数公司才能承担这样的成本？

Altman： 确实，模型可以被视为贬值资产，但认为它们的价值低于训练成本是完全错误的。实际上，在训练模型的过程中，我们能够获得正向的复利效应，即我们从训练中获得的知识和经验将有助于我们更高效地训练下一代模型。

我认为我们从模型中获得的实际收入已经证明了这些投资的合理性。当然，并非所有公司都能达到这样的效果。当前，可能有很多公司在训练非常相似的模型，但如果你稍微落后，或者没有一个能够持续吸引用户并提供价值的产品，那么获得投资回报可能会更加困难。

我们很幸运拥有 ChatGPT，它被数亿用户所使用，因此即使成本高昂，我们也能够通过庞大的用户基础来分摊这些成本。

Stebbings：OpenAI 的模型未来如何保持差异化？你最希望在哪些方面扩大差异？

Altman：推理能力是我们目前最为重视的领域，我相信这将是开启下一个大规模价值创造阶段的关键。此外，我们也将致力于多模态模型的开发，并引入我们认为对用户至关重要的新功能。

Stebbings： 在新的 GPT-3.5 推理时间范式下，视觉能力会如何扩展？

Altman： 在不剧透的情况下，我预计图像模型将会快速发展。

Stebbings：Anthropic 公司的模型有时被认为在编程任务上表现得更为出色，你对此有何看法？你认为这种评价是否公正？开发者应该如何在 OpenAI 和其他提供商之间做出选择？

Altman：Anthropic 确实拥有一个在编程领域表现出色的模型，他们的工作确实令人印象深刻。我认为开发者通常会同时使用多种模型，我也不确定随着这个领域的发展，情况会如何变化。但我相信未来人工智能将无处不在。

我们目前讨论 AI 的方式可能有些过时，我预测我们将从讨论「模型」转变为讨论「系统」，但这需要时间来实现。

Stebbings： 关于模型扩展的问题，你认为模型的规模法则还能持续多久？过去大家一直认为它不会持久，但似乎它比人们预想的更持久。

Altman： 不深入讨论细节，核心问题是：模型能力的提升轨迹是否会像目前这样持续下去？我相信会的，并且会持续相当长时间。

Stebbings：你曾经对这一点有过怀疑吗？

Altman： 我们确实遇到过一些我们无法理解的行为模式，也经历过一些失败的训练过程，尝试过各种新范式。当我们快到达一个范式的极限时，我们必须找到下一个突破点。

Stebbings：这个过程中最难应对的挑战是什么？

Altman：在我们着手研发 GPT-4 的过程中曾遇到一些极其棘手的问题，一度让我们感到束手无策，不知道该如何破解。最终，我们还是成功克服了这些难题。但确实有那么一段时间，我们对如何推进模型的发展感到迷茫。

此外，GPT-3.5 的转变以及推理模型的概念是我们长期以来一直梦寐以求的目标，但实现这一目标的研究之路充满了挑战和曲折。

Stebbings： 在这种漫长而曲折的过程中，如何保持团队的士气？当训练过程可能失败时，你如何维持士气？

Altman： 我们团队的成员都对构建通用人工智能（AGI）充满热情，这是一个极具激励性的目标。我们都清楚，这不是一条轻松的道路，成功不会轻而易举。有一句名言说得好：「我从不祈求上帝站在我这边，而是祈求我能站在上帝那边。」

投身于深度学习领域，就像是投身于一项正义的事业，尽管过程中不可避免会有挫折，但最终我们似乎总能取得进展。这种坚定的信念对我们来说是极大的帮助。

Stebbings：关于半导体供应链的问题，你对半导体供应链以及国际紧张局势的担忧程度如何？

Altman：我无法量化这个担忧的程度，但毫无疑问，我确实感到担忧。虽然它可能不是我最担忧的问题，但在我关心的所有事项中，它绝对位于前 10% 之列。

Stebbings：我可以询问一下你最担心的问题是什么吗？

Altman：总体而言，我最担心的是我们在整个领域尝试完成所有工作的复杂性。尽管我相信最终一切都会得到解决，但这确实是一个极其复杂的系统。

这种复杂性在各个层面都存在，包括在 OpenAI 内部，以及每个团队中。以半导体为例，我们需要平衡电力供应、做出正确的网络决策、确保获得足够的芯片，同时还要考虑到潜在的风险，以及研究进度是否能够与这些挑战相匹配，以免我们完全措手不及或浪费资源。

整个供应链看似是一条直线管道，但实际上每个层面的生态系统的复杂性超出了我在其他任何行业中所见。在某种程度上，这正是我最担忧的问题。

Stebbings： 你提到了前所未有的复杂性，许多人将当前的 AI 浪潮与互联网泡沫时期相比较，尤其是提及兴奋与热情时。我认为不同之处在于资金的投入规模。Larry Ellison（甲骨文公司联合创始人）曾表示，进入基础模型竞赛的入门成本是 1000 亿美元。你是否认同这一观点？

Altman：不，我认为成本并不会那么高昂。但这里有一个有趣的现象：人们喜欢用过去的技术革命来类比新的革命，以使其看起来更加熟悉。我认为总体而言，这不是一个好的习惯，但我理解为什么人们会这么做。我还觉得人们选择的 AI 类比案例尤其不恰当，互联网显然与 AI 有很大的不同。

你提到了一个关于成本的例子，无论是否真的需要花费 100 亿或 1000 亿才能具备竞争力，互联网革命的一个标志性特点是「很容易起步」。另一个类似互联网的特点在于，对许多公司来说，AI 只是互联网的延伸——其他人会构建这些 AI 模型，你可以利用它们来开发各种出色的产品。这种是把 AI 视为一种新的技术构建方式。但如果你想构建 AI 本身，那情况就完全不同了。

另一个常见的类比是电力，但我认为这在很多方面并不适用。

尽管我认为人们不应该过于依赖类比，但我最喜欢的类比是晶体管，它是物理学的新发现，具有难以置信的扩展性，很快就渗透到各个领域，整个科技行业都从晶体管中受益，我们使用的产品和服务中包含大量晶体管，但你不会觉得创造这些产品和服务的公司是「晶体管公司」。

这（晶体管）是一个非常复杂且昂贵的工业流程，围绕它形成了庞大的供应链。这一简单的物理发现带来了长期的经济增长，即使大多数时候人们并没有意识到它的存在，只是觉得「这个东西能帮我处理信息」。

保持对人才的高标准，而非偏向某个年龄段

Stebbings：你认为人的才能是如何被浪费的？

Altman：世界上有很多非常有才华的人，因为在不合适的公司工作，或者生活在不支持优秀公司的国家，或其他各种原因，无法充分发挥他们的潜力。

我对 AI 最兴奋的地方之一是，它可能帮助我们更好地发挥每个人的潜能，而我们目前在这方面做得远远不够。我相信世界上有很多潜在的优秀 AI 研究人员，只是他们的生活轨迹有所不同。

Stebbings：过去一年你经历了难以置信的高速增长，如果回顾过去十年中，你认为自己在领导方面的最大改变是什么？

Altman：对我而言，这几年最不寻常的事情是变化速度。一个正常的公司从零增长到一亿美元的收入，再从一亿增长到十亿，最后从十亿增长到百亿，这通常需要很长时间，而我们却要在短短两年内完成这一过程。我们从一个纯粹的研究实验室转变为一个真正为大量客户提供服务的公司，这种迅速的转变让我失去了学习的时间。

Stebbings：哪些是你想花更多时间学习的？

Altman：如何引导公司专注于实现 10 倍增长而不仅仅是 10% 的增长。要从一个收入数十亿的公司成长为收入数百亿的公司，需要深刻的变革，而不仅仅是重复上周的工作。

但快速增长带来的挑战在于，我们没有足够的时间去夯实基础。我曾低估了在这种极速增长的环境中，为了追赶和持续推进需要付出多大的努力。

公司内部的沟通、信息共享、结构化管理和在规划上如何平衡短期需求与长期发展，这些都是至关重要的。例如，为了确保公司在未来一两年内的执行力，我们需要提前准备计算资源、办公空间等。在这种快速增长的环境中，进行有效的规划是非常具有挑战性的。

Stebbings：Keith Rabois（风险投资人）曾说，他从 Peter Thiel（PayPal 联合创始人）那里学到了一点，那就是要雇佣 30 岁以下的年轻人，因为这是打造伟大公司的秘诀。你怎么看待这个建议，即通过雇佣非常有活力、雄心勃勃的年轻人来建立公司，这是否是唯一的方法？

Altman：我在创建 OpenAI 时大约 30 岁，不算太年轻，但看起来还算合适（笑）。所以，这确实是一个可以尝试的路径。

Stebbings：不过，年轻人虽然充满活力和雄心，但可能缺乏经验；或者选择那些经验丰富、已经证明过自己的人才？

Altman：显而易见的答案是，两种人才的雇佣都可以取得成功，正如我们在 OpenAI 所做的那样。就在今天的采访之前，我还在讨论一位刚加入我们团队的年轻人，可能才二十出头，但他的工作表现非常出色。我在思考，我们是否能够找到更多像他这样的人才，这些年轻人带来了新的视角和活力。

然而，另一方面，如果你要设计人类历史上最复杂、成本最高的计算系统之一，我不会轻易将重任交给一个刚入行的年轻人。因此，我们需要两类人才的结合。我认为关键在于保持对人才的高标准，而不是单纯地偏向某个年龄段。

我特别感激 Y Combinator（创业孵化器），因为它让我认识到缺乏经验并不意味着缺乏价值。有很多处于职业生涯早期的高潜力人才，他们能够创造巨大的价值，我们的社会应该对这些人才进行投资，这是一件非常积极的事情。

Stebbings：我最近听到一句名言——生活中最沉重的负担不是铁或金，而是未做出的决定。对你来说，哪个未做出的决定给你带来了最大的压力？

Altman：这个问题的答案每天都在变，没有哪一个未做的决定特别重大。当然，我们确实面临一些重大的决策，比如选择哪个产品方向，或者如何设计下一代计算机，这些都是重要且充满风险的选择。

遇到这种情况时，我可能会推迟决策，但大多数情况下，挑战在于每天都要面对一些 51% 对 49% 的难题，这些决策之所以摆在我面前，是因为它们难以决断，我可能并不比团队中的其他人更有把握做出更好的选择，但我必须做决策。

所以，问题的核心在于决策的数量，而不是某一个特定的决定。

Stebbings：当遇到 51% 对 49% 的决策时，你有固定的人可以咨询吗？

Altman：没有，我认为在所有事情上依赖某一个人并不是正确的方式。对我来说，更好的方式是找到 15 或 20 个在特定领域有很好的直觉和背景知识的人，在需要时咨询最佳的专家，而不是依赖单一的顾问。

快问快答

Stebbings：假设你今天是一个 23 或 24 岁的年轻人，考虑到现有的基础设施，你会选择做什么？

Altman：我会选择一个 AI 支持的垂直领域，比如 AI 教育，我会开发最好的 AI 教育产品，让人们能够学习任何领域的知识。类似的例子还可以是 AI 律师、AI CAD 工程师等。

Stebbings：你提到写书，你会给书取什么名字？

Altman：我还没想好名字。我还没仔细想过这本书，只是觉得它的存在会激发很多人的潜力。可能会和「人类潜力」这个主题有关。

Stebbings：在 AI 领域，有什么大家没有关注却应该投入更多时间的方向？

Altman：我希望看到的是一种能够理解你整个人生的 AI。它不需要无限的上下文，但希望能有某种方式，让你拥有一个了解你全部数据并能够辅助你的 AI Agent。

Stebbings：过去一个月内，有什么事让你感到惊讶吗？

Altman：是一个我无法透露的研究结果，但它令人震撼。

Stebbings：你最尊敬的竞争对手是谁？为什么？

Altman：其实我尊重这个领域的每一个人，整个领域内都充满了杰出的人才和卓越的工作。我不是故意回避问题，只是到处都可以看到有才华的人做着非常出色的工作。

Stebbings：有特定的某一个吗？

Altman：并没有特别的一个。

Stebbings：你最喜欢的 OpenAI API 是哪个？

Altman： 新的实时 API 非常棒，我们现在有一个庞大的 API 业务，里面有很多好东西。

Stebbings：你今天在 AI 领域中最尊敬的人是谁？

Altman：我想特别提一下 Cursor 团队，他们用 AI 带来了非常神奇的体验，为人们创造了很多价值。很多人没能拼凑出所有的要素，而他们做到了。我特意没有提到 OpenAI 的人，否则这份名单会很长。

Stebbings：在延迟和准确性之间的权衡，你怎么看？

Altman： 需要一个可以调节两者之间的旋钮。就像现在你希望我快速回答问题，我尽量不花几分钟思考，这时候延迟就显得重要。如果你要我做出一个重大发现，你可能愿意等几年。答案是，这应该是用户可控的。

Stebbings： 当你想到领导力中的不安全感时，你认为自己在哪个方面最需要改进，作为领导者和 CEO，你最想提升的是什么？

Altman：最近这一周，我觉得我比以前更不确定我们的产品战略细节应该是什么。总体来说，我觉得产品是我的弱项，现在公司正需要我提供更清晰的产品愿景。我们有一个很棒的产品负责人和团队，但这是我希望自己更擅长的领域，最近尤为强烈地感受到这一点。

Stebbings：你雇佣了 Kevin Scott（OpenAI 的首席技术官），我认识他很多年了，他很优秀。Kevin 的哪些特质让他成为世界一流的产品领导者？

Altman：「纪律」是我想到的第一个词。

Stebbings：具体来说是指什么？

Altman：他非常专注于优先事项，知道该拒绝什么，能够站在用户的立场上思考为什么要做或不做一件事，真的非常严谨，不会有天马行空的想法。

Stebbings： 展望未来五年和十年，如果你有一支魔杖，可以描绘出 OpenAI 的五年和十年愿景，会是怎样的？

Altman：我很容易描绘出未来两年，但如果我们猜对了，并且开始制造一些超强的系统，比如在科学进步方面，这会带来不可思议的技术进步。

我认为五年后我们会看到科技进步惊人的速度，甚至会超出所有人的预期，社会上可能会觉得「AGI 的时刻来了又走了」；我们会发现很多新东西，不仅是 AI 研究，还包括其他科学领域。

另一方面，我认为（科技进步带给）社会的变化其实相对有限。

例如，如果你在五年前问人们：计算机是否会通过图灵测试？他们大概会说：不会。如果你告诉他们：会。那他们会认为，这将给社会带来巨大的变革。现在你看，我们确实大致通过了图灵测试，但社会的变化其实并没有那么剧烈。

这就是我对未来的预期，即科技进步不断突破所有预期，而社会的变化则较为缓慢。我认为，这是好的和健康的状态。从长远来看，科技进步当然会给社会带来巨大的变化，但在五到十年内不会那么迅速地反映出来。