奧特曼點評中美AI牌桌：美國猛攻前沿，中國憑“兩張王牌”錯位競爭

“從第一代推理模型 o1 到最新的 o3，同等復雜推理的成本直接下降了 1000 倍。而到 2028 年末，全球數據中心里 AI 產生的認知能力總和，將超過全人類的總和?！?/p>

這是 OpenAI CEO 薩姆·奧特曼（Sam Altman）在最新一屆貝萊德（BlackRock）峰會上拋出的兩個核心判斷。

圈內人都清楚現階段搞大模型有多燒錢，但在這場與華爾街頂級基建資本的對談中，Altman 討論的焦點已經不再是算法、代碼和神經網絡，而是千兆瓦級的核電站、水冷系統、高壓輸電線路和數以萬計的鋼筋水泥。

當一家最前沿的 AI 軟件公司被迫下場大談重資產基建，說明大模型之戰的底層邏輯已經變了。Altman 坦言，AI 已經跨過了“只配做輔助工具”的臨界點。現在的硅谷初創公司甚至已經不再討論“要招多少人”，大家全都在想盡辦法去搶占算力份額。

為了不讓 AGI 的進化被現實的電網和水管限制住，OpenAI 必須去造“大壩”，試圖把智能變成像自來水一樣廉價的基礎設施。

在這場信息密度極高的對話中，Altman 詳細拆解了算力遭遇的物理瓶頸，并罕見地給出了他對中美 AI 真實牌桌地位的底層觀察。我們為你提煉了這場實錄的四個關鍵要點：

• 1000 倍的成本崩塌：復雜推理正在經歷史無前例的通縮。從 o1 到最新模型，解決同等難度問題的成本暴降千倍，靠“堆算力”解決復雜任務的路線已經徹底跑通。

• 2028 年的奇點時刻：四年后，數據中心內的 AI 認知輸出將正式超越物理世界的所有人類，大公司 CEO 和頂尖科學家們將把絕大多數工作直接外包給 AI 智能體。

• 大國博弈的真實身位：美國在最前沿的旗艦模型上保持領先，但中國在“將舊模型推理成本做到極致廉價”以及“物理基建的推進速度”上，已經展現出極強的優勢。

• 智能的終極形態：未來的 AI 絕不是按次付費的昂貴軟件。OpenAI 押注基建的最終目的，是讓智能像水和電一樣，“極其廉價，以至于根本無需計量”。

以下為這場對談的中文實錄。

01 跨越臨界點，AI 正式成為“數字員工”

Bayo（主持人）：大家好。我聽說這個行業大概每 60 分鐘就會誕生空缺職位，如果這次投資峰會不太成功的話，也許我可以考慮轉行做個訪談記者。

不過在此之前，我得做個充分的利益披露。Sam 是我的朋友，同時我也是 OpenAI 董事會的成員。但我向大家保證，我絕不會只問他那些無關痛癢的“軟柿子”問題，我會召喚出我內心的新聞調查之魂來提問。

Sam，正如我所說，你是 OpenAI 的 CEO 和創始人之一。你之前曾擔任 Y Combinator 的總裁，在那里你幫助孵化并擴大了世界上最具影響力的一批初創公司，并為重塑整個行業的企業提供了戰略指導。在 OpenAI，你顯然處于推動人工智能發展造福全人類的最前沿，幫助將最尖端的 AI 工具交到數以百萬計的用戶手中。目前大概有多少用戶了？8 億？9 億？

Sam Altman：不止，還要更多。

Bayo：更多？企業用戶也遍布全球。所以，Sam，讓我從一個我認為在座每個人腦海中都在盤旋的問題開始：在當前的 AI 世界里，我們到底走到了哪一步？

Sam：我認為在過去幾個月的某個時刻，我們真正跨過了一個臨界點——這些模型已經具備了重大的經濟實用價值（Major Economic Utility）。

這可能在更早一點的時候就已經發生了，但在我們弄清楚如何真正發揮這些模型的潛力之前，存在一個巨大的“懸滯期”。我們不僅需要繼續讓模型變得更聰明，還得弄清楚各種底層架構，讓它們變得易于使用。

現在，我們所處的世界是：這些模型的工作能力簡直令人驚嘆。我想這一點在編程領域表現得最為明顯。但同樣的事情也正在科學領域發生，在眾多知識工作領域中發生。

我們現在正處于一種令人有些眩暈的加速期。人們開始驚呼：“天吶，我以為這些東西還要好幾年才能實現，怎么現在就發生了？”

這讓我的工作重心也發生了轉移。過去我可能是在做直接的技術工作或者法律事務，現在我已經轉向了管理一個由多個 Agent（智能體）組成的團隊來完成這些工作。

這一趨勢將會走得非常遠。我認為我們正處于這條曲線的一個非常陡峭的爬坡階段?，F在，你也許可以信任一個 AI 軟件工程師去完成一項需要數小時的任務。很快，這將變成能夠執行數天的任務，然后是數周的任務。

在不久之后的將來，范式將會再次發生轉變。未來的體驗將是：這些 AI 系統深度連接到你的生活、你的公司，持續不斷地思考、工作，擁有你所需的全部上下文信息。它們做起事來，就像你極其信任的一位資深員工一樣。

Bayo：你覺得，這些公司是否已經真正理解了這些系統如何幫助他們，并且正在重塑他們的業務模式？

Sam：有的理解了，有的還沒有?？梢哉f，新一代的初創公司在思考方式上，完全不同于以往任何一代初創公司。

過去我們和初創公司交流時，他們會談論自己需要雇傭多少員工?，F在？他們通常根本不想雇傭太多人，他們覺得那會拖慢公司的速度。他們所有的焦點都在于：“我能獲取多少算力？”、“我能預留多少容量？”、“我能為那個項目達成一筆云服務交易嗎？”、“我能拿到多少 Token？”。

這是一種思維方式的根本轉變，大公司在這方面的轉變速度要慢得多，但有些大公司也已經開始行動了。

我認為你能最明顯看到這種變化的地方，就是各大公司的工程和產品部門。他們正在討論今年打算將交付量翻兩倍甚至三倍，而這在以前是從未發生過的。

02 “幻覺”不再是借口了

Bayo：你一直直言不諱地表示，通用人工智能（AGI）的到來，會比大家預想的要早得多。我想請你分享一下，我們現在距離那個目標究竟有多近？它究竟多快會到來？

Sam：現階段，“AGI 的定義到底是什么”變得非常關鍵。

有些人會說：“我們現在就已經實現了 AGI。”另一些人說：“它非常接近了?！边€有人說：“它至少還需要一年時間。”

無論如何，這套關于定義的爭論已經失去了太多實際意義。這里有兩個我們正在跨越的有趣門檻：

第一，什么時候全球數據中心里 AI 所消耗的認知能力，會超過數據中心外所有人類的總和？按照我個人的感覺，雖然這是一個巨大的誤差范圍，我也可能完全猜錯，但這大概會在 2028 年末的某個時候發生。這是一個改變世界格局的巨大轉變。

第二，什么時候一家大公司的 CEO、一個大國的總統、或者一位諾貝爾獎得主的科學家，能夠完全把自己的工作交給 AI 去做？（這并不意味著會有 AI CEO 或 AI 總統，但這意味著，如果沒有深度依賴 AI 的協助，他們將無法完成自己的工作。）

這同樣不同于一名人類 CEO 和每一個員工交流，去參加每一個會議，成為每個領域的專家。這越來越變成了“監督一群 AI 智能體”，提供方向指導，決定如何信任這些輸出。

而對于“什么時候你真的不想親自去做一項任務，只要讓 AI 去做就行了”，我認為這個門檻的跨越速度也會快得驚人。可能不需要太久。

Bayo：在這個過程中，你們是如何確保我們正在開發的人工智能能夠真正造福全人類的？

Sam：這方面的進展速度之快，簡直令人難以置信。

如果我有一個關于商業模式的新想法，或者一個戰略轉變的思路，或者我們要推出的一個新產品功能。在我把它拋給其他人之前，我要做的第一件事，就是先去問我們自己的 AI 工具。

隨著它們獲得更多的上下文信息，這一過程正在成為現實。當它們能夠獲取我們公司內部所有的文檔、通信記錄、代碼、客戶數據時，它們給出的答案質量變得越來越好。

我們可以退一步來看看幾個月前我們發布的產品。大概 16 個月前，我們發布了第一個推理模型，叫做 o1。而最近，我們發布了 o3 模型。

從第一個模型到 o3，為了得到同樣難度問題的答案，它的成本降低了1000 倍！

這是一種令人難以置信的進步。在這短短的時間內，你只需花費極少的成本，就能得到極其精確的推理。

03 OpenAI 為什么要造“星際之門”？

Bayo：兩周前，你宣布了一筆高達 1100 億美元的融資回合。我問 ChatGPT，這與其他公開市場的融資相比如何？ChatGPT 告訴我它不知道。但實際上，這是公開市場上其他任何融資規模的四倍。（史上最大的是沙特阿美幾年前 250 億美元的 IPO）。

此外，這些資金來自世界上最大、資金最雄厚的三個戰略伙伴：亞馬遜（Amazon）、英偉達（Nvidia）和軟銀（SoftBank）。

請跟我們講講這件事的背景。這個行業現在正處于怎樣的拐點？還有，大家最關心的一個問題：你們融這么多錢，到底要花在哪里？

Sam：這項業務有很多困難的地方，但其中最艱難的一點是：基礎設施極其昂貴。你需要極大的體量，并且你必須提前很久就做出巨額的資本承諾。

我從未見過有哪個行業像現在這樣?？v觀歷史，確實有很多資本密集型的產業，但當我展望未來幾年擺在我們面前的任務時：如果算力的需求保持像現在這樣陡峭的增長曲線，它的需求擴張速度和增長速度都將是極其驚人的。你必須去完成一些非常不同尋常的事情。

OpenAI 做了很多看起來很離譜的事情。比如，我們在尚未產生對應收入之前，就在基礎設施上投入了巨量資金。我們探索新的商業模式，比如那些看起來并不是最賺錢的廣告模式等。

但我們有一個根深蒂固的信念：我們堅信智能的富足（Abundance of Intelligence）。

未來最重要的事情之一，就是我們要讓智能變得就像一句古老的行業名言所說的那樣——“極其廉價，以至于無需計量”（Too cheap to meter，注：最初用于形容核電）。

我們想要用智能淹沒整個世界。我們希望人們把它用在所有的事情上。我們希望它能成為未來子孫后代連想都不會去想的、理所當然的基礎設施。他們會理所當然地認為，在任何地方，任何領域，他們都能隨時獲取所需數量的頂級天才的幫助。

而這個原則——這也是我們最重要的指導原則之一——導致了許多在其他公司看來非常不符合商業直覺的行為。其中之一就是：我們真的想徹底打破我們所處的這個現狀——在這個現狀里，我們仍然覺得如果不在自身做出改變，我們就只能停留在一條被算力產能死死限制住的發展軌跡上。

Bayo：所謂的“產能限制”，你指的是“算力”嗎？

Sam：是的，算力。我經常聽你這么說，算力就等于收入（Compute is Revenues）。我想請你談談你是怎么看待這個問題的？

從根本上說，我們的業務，以及我認為未來所有其他模型提供商的業務，看起來都將是銷售Token。

這些 Token 可能來自更大或更小的模型，這就使得它們或貴或便宜；它們可能使用了更多或更少的推理能力，這也會影響成本；它們可能一直在后臺運行以試圖幫助你；也可能只有當你需要時才按需運行，以節省費用；它們可能會非常努力地在一個單一問題上耗費成百上千億美元去攻堅，那將是極具價值的。

但我們看到的未來是：智能是一項公用事業，就像電力或水一樣。人們通過計費表從我們這里購買它，然后把它用于任何他們想用的地方。

目前我們看到的對這種智能的需求，似乎會繼續像這樣直線上升。如果我們不能提供足夠的算力，我們要么就沒法賣它，要么價格就會飆升得極高，最終變成只有富人才能享受的特權。

或者，社會將不得不做出一些極其艱難的中央計劃決策，比如“我們要把有限的算力用在這個領域，而不是那個領域”。

對我來說，在整個資本主義創新歷史上，最好的辦法就是：向市場傾注海量的供應。

而為了解決這些算力需求的瓶頸——比如大家熟知的“星際之門”（Stargate）項目，這是一個極其龐大的基礎設施構想。幾個月前，你宣布了這方面的計劃。目前這個項目在美國本土的進展如何？在其他地方（比如阿布扎比）的進展又如何？

Sam：說實話，這份工作有很多很酷的部分，其中最酷的一點，就是能去參觀這些正在建設和運營中的超級數據中心。

那規模簡直無法用語言形容。你去看看那些吉瓦級（Gigawatt）的園區，真的很難解釋那種震撼。你看到照片，會覺得“哦，看起來挺大”。但當你親自走到那里，穿過一座又一座建筑，看到里面有整整一萬名工人在同時作業，各種各樣的熟練工種在進行各種不同的操作，看起來就像里面停著一艘宇宙飛船一樣。這絕對令人嘆為觀止。

我們目前正在阿比林（Abilene，得克薩斯州城市）建設第一個站點。我預計那將是世界上最好的模型訓練基地。

看到這個項目從僅僅是一個構想、經過多次考察，一路走到現在真正把它當成一種“信仰”去大規模執行，這非常驚人。直到有一天，OpenAI 的一位研究員在鍵盤上敲下一條命令，按下回車鍵，瞬間，難以置信數量的 GPU 會同時啟動，開始在這個極其龐大復雜的系統上進行一場聯合計算。這太酷了。

至于我們面臨的最大驚喜和最大困難？

不出所料，各種挑戰都出現了，還有那些未知的未知。比如我們在阿比林遇到了一場極端瘋狂的惡劣天氣，這不在我們的計劃之內，拖慢了一點進度；還有各種供應鏈的挑戰。

在這樣龐大的規模下，任何一點小事出錯，都會引發連鎖反應，這也是為什么能夠晝夜不停地建設如此復雜的系統是一個奇跡。

但最大的驚喜之一，是大家為了在極短時間內完成這件事，所展現出的空前團結。無論是不同的組織、各種工程師團隊，大家都在巨大的壓力下緊密合作。

而這個過程帶給我的啟示，也是很多人關注的焦點：Are we optimistic?（我們樂觀嗎？）

長期來看，我非常樂觀。我毫不懷疑我們將弄清楚如何構建海量的發電能力，AI 當然也會在這個過程中幫上大忙。我也看好全球將出現豐富的清潔能源選項，比如天然氣、太陽能、核裂變、核聚變等等。

但我真正擔心的是我們能否快速提升“每瓦特效率”（Efficient per watt）。

如果需求增長一直像現在這么陡峭，我其實某種程度上是在期盼一個奇跡——我們需要找出能夠讓模型效率大幅提升的方法，以給我們爭取時間去建設所有那些物理基礎設施。

然而過去的記錄是驚人的。人們常常引用各種漂亮的數據來說明過去幾年我們的模型效率提升了多少。正如我前面提到的，從 o1 到最新的推理模型，我們在復雜問題上獲得了相同的答案，但成本降低了 1000 倍！這絕對是難以置信的速度。

這也揭示了兩點：

第一，我們仍處于這個范式的極早期階段。關于如何訓練和高效運行這些模型，我們還有太多的東西需要學習。以前我們在做很多很蠢的無用功，未來它會變得越來越好。

第二，人類的智慧和在約束條件下解決問題的能力，始終能帶來極大的驚喜。

所以，這不僅僅是“模型本身變得更好”的問題，而是我們已經搞清楚了：內核工程師加入進來，弄清楚如何編寫更高效的代碼；電力工程師和數據中心的設計者找出更高效的方案……人們正在用遠遠超出純“算法模型”范疇的方式，去回答和解決這種效率提升的需求。

04 大國博弈：誰能控制未來的“數字石油”？

Bayo：接下來我想談談一個全球性的議題，這也是很多人關心的：中美在 AI 領域的競爭。

你認為現在的情況是怎樣的？為了確保我們（美國）能夠保持領先，我們需要做些什么？

Sam：這需要從幾個不同的維度來拆解。

• 在最前沿的超級模型能力上：美國目前遙遙領先。

• 在“將落后兩代的模型推向極致廉價的推理使用”上：中國目前處于領先地位。

• 在物理基礎設施的建設上：美國目前仍保持領先，但中國推進的速度要快得多。

那條關于“產業化和產品化”的路徑，我認為美國在閉源生態上領先，中國在開源生態上領先……總體來看，美國可能依然占據著綜合優勢。

最近你在印度，聽起來你對印度思考這些挑戰和機遇的方式也感到非常興奮。我看到很多印度初創企業，他們對這項技術的應用方式感到震驚。

我得到了同樣的信息。比如我拿到了一份關于印度的簡報，里面提到 Codex（代碼生成模型）在印度的使用量在幾個月內增長了 10 倍。我當時覺得這肯定是個數據 Bug，根本不可能對吧？但這其實是真的。當我開始和當地的初創公司交談時，他們都在談論這是如何重塑了商業格局。

如果我們不能在基礎設施上保持跟進，如果我們不能在采用這些技術的經濟路線上走得比其他國家更快，那么，作為目前的經濟強國，我們將失去我們所擁有的巨大優勢。

這關乎企業如何快速采納它，關乎我們的科學家采用它的速度，關乎政府擁抱它的速度。

坦白說，這將會引發一場巨大的社會爭論。

關于我們應該在哪里建立這些數字生態系統的規則，需要由社會來決定。這也是為什么，技術變革正在重塑國家之間的地緣政治力量。

我不認為任何公司、任何政府，可以僅僅通過自身的意愿將其實施。這必須屬于人民的意志，并且要經過民主程序的討論和共識。

這種公司像我們這樣的，我覺得正在越來越快地轉變為那些傳統的大型基礎設施公司的角色。我們需要說：“我們創造了這項技術，我們在其中是專家，我們有自己的觀點，并且我們清楚它的局限性和危險性?！?/p>

但最終的規則，必須由社會共同決定。在這個技術演進極快的世界里，能夠以一種非常不同于以往的方式進行社會大討論，并讓民主程序運作得更快，將是至關重要的。

來源 | AI科技大本營（ID：rgznai100）

作者 | 王啟隆 ; 編輯 | 蝦餃

內容僅代表作者獨立觀點，不代表早讀課立場