OpenAI 聯(lián)創(chuàng)曝 Sora 未死：算力不夠先下桌，與Anthropic 競爭讓員工更團(tuán)結(jié)了

編譯 | 宇琪

策劃 | Tina

編輯 | 褚杏娟

Sora 都能先停掉，說明 OpenAI 這次是真的開始做殘酷取舍了。

在外界眼里，視頻生成明明還是最容易出圈、最能制造話題的明星業(yè)務(wù)，但 OpenAI 卻選擇在這個節(jié)點(diǎn)收縮戰(zhàn)線，把資源轉(zhuǎn)向一個更大的目標(biāo)：Super App。它不只是想再做一個更強(qiáng)的 ChatGPT，也不只是想補(bǔ)上 Codex 和瀏覽器能力，而是想搶先造出那個真正承接 AGI 的總?cè)肟?，即一個能理解你、代表你、替你操作電腦、接管工作流，甚至逐步“運(yùn)行”你數(shù)字生活的系統(tǒng)。

OpenAI 已經(jīng)不再滿足于贏下一兩個爆款產(chǎn)品，而是在主動砍掉分叉的科技樹，把所有最寶貴的算力、產(chǎn)品和組織資源，押向一條它認(rèn)定最接近 AGI 的路徑。

近日，Greg Brockman 在播客節(jié)目中與主持人 Alex Kantrowitz 圍繞 AI 領(lǐng)域最具潛力的發(fā)展機(jī)會、Super App 的布局、AGI 的“起飛”以及算力資源等話題展開了討論。從這場對話中，OpenAI 當(dāng)下的優(yōu)先級、野心與焦慮，也被進(jìn)一步攤開在外界面前。核心觀點(diǎn)如下：

• Sora 和 GPT Reasoning 屬于兩條不同的科技樹，在算力有限的情況下，不可能同時把兩條線都做到極致，所以必須把資源集中到更接近 AGI、也更快能在知識工作中落地的方向上。

• coding 只是表象，真正的變化是 AI 開始替人操作瀏覽器、軟件、文檔和工作流，讓計算機(jī)來適應(yīng)人，而不是人繼續(xù)適應(yīng)機(jī)器。

• 傳統(tǒng)軟件為了服務(wù)大眾，天然不夠貼身；而 Agent 時代，軟件會越來越像一個理解你、貼合你目標(biāo)的個人助手。

• 過去幾年真正的變化不只是模型本身，而是模型如何獲取上下文、連接現(xiàn)實(shí)世界、調(diào)用工具、與用戶形成交互循環(huán)；OpenAI 正在把這些分散能力收斂成一個統(tǒng)一的 AI layer。

• 算力不是成本中心，而是收入中心。對 OpenAI 來說，算力短缺不是邊緣問題，而是決定產(chǎn)品上線、能力釋放和商業(yè)規(guī)模的核心約束。世界上沒有足夠的算力讓每個人都擁有運(yùn)行中的個人 Agent，也沒有足夠算力讓所有人都用上像 Codex 這樣的系統(tǒng)；今年整個行業(yè)都會開始真正感受到算力緊缺。

• Agent 時代的人，“不可以甩手不管”，而是會越來越像管理者：設(shè)定目標(biāo)、分配任務(wù)、監(jiān)督結(jié)果。但與此同時，責(zé)任仍然必須落在人身上，你不能把判斷和問責(zé)完全外包給 AI。

基于該播客視頻，InfoQ 對內(nèi)容進(jìn)行了整理與部分刪改，以饗讀者。

1 關(guān)停 Sora 會錯過機(jī)會，但不同應(yīng)用能用一個框架實(shí)現(xiàn)

Alex：OpenAI 正在關(guān)停視頻生成功能，轉(zhuǎn)而將精力集中在即將推出的 Super App 上，這款應(yīng)用會結(jié)合商業(yè)和編碼場景。從外部觀察者的角度來看，大家都覺得 OpenAI 在消費(fèi)級市場明明贏麻了，現(xiàn)在卻突然轉(zhuǎn)移資源，這到底是在搞什么名堂？

Greg：過去我們一直身處一個“研發(fā)深水區(qū)”，不斷推進(jìn)深度學(xué)習(xí)這項技術(shù)，去驗(yàn)證它是否真的能實(shí)現(xiàn)我們最初設(shè)想的那種正向影響。比如，它能不能真正被用來構(gòu)建應(yīng)用，幫助人們改善生活。

與此同時，我們也有另一條線，在思考如何把這項技術(shù)真正落地：一方面是為了支撐業(yè)務(wù)，另一方面也是為了在真實(shí)世界中積累經(jīng)驗(yàn)，去理解它到底能產(chǎn)生怎樣的實(shí)際影響。因?yàn)橹挥羞@樣，當(dāng)技術(shù)真正成熟、變成我們最初設(shè)想的那種“終極形態(tài)”時，我們才有準(zhǔn)備。

而現(xiàn)在，我們正好走到了一個關(guān)鍵節(jié)點(diǎn)：我們已經(jīng)非常確定，這項技術(shù)是可行的。接下來，不再是停留在 benchmark 測試或一些偏“腦力炫技”的能力展示，而是必須走進(jìn)真實(shí)世界，通過用戶在知識工作（Knowledge Work）、各種應(yīng)用場景中的實(shí)際使用來獲得反饋。

所以，這更像是一個階段性的戰(zhàn)略轉(zhuǎn)變，而不是簡單地從 C 端轉(zhuǎn)向 B 端。我們并不是想放棄誰，而是真的無法面面俱到。我們需要思考：哪些是最重要的應(yīng)用？哪些東西在構(gòu)建時能產(chǎn)生協(xié)同效應(yīng)，并帶來實(shí)質(zhì)性的影響，從而提升每個人的體驗(yàn)？

消費(fèi)側(cè)其實(shí)包含很多東西，比如個人助理，一個真正了解你、和你的目標(biāo)對齊、能幫助你實(shí)現(xiàn)人生目標(biāo)的 AI；還有創(chuàng)意表達(dá)和娛樂等等。而在企業(yè)側(cè)，從更高維度看，更像是你有一個復(fù)雜任務(wù)，AI 能不能理解全部上下文，然后幫你把它完成？

在我們內(nèi)部的優(yōu)先級排序里，personal assistant 和能替你解決復(fù)雜問題的 AI 非常明確地排在最前面。現(xiàn)實(shí)是，就算只做這兩件事，我們的算力都不夠。更別說還有大量其他同樣重要、有價值的應(yīng)用場景。

所以，我認(rèn)為這是對技術(shù)成熟度的一種認(rèn)可，也是對我們即將面臨的巨大影響力的一種反應(yīng)，我們需要做出取舍，挑選出那些我們真正想要推向世界的、能大放異彩的應(yīng)用。

Alex：談到 OpenAI 的布局時，你把 OpenAI 比作 Disney。Disney 擁有米老鼠這個核心優(yōu)勢，然后以此衍生出電影、主題公園和 Disney+。對 OpenAI 來說，核心是模型，可以衍生出視頻生成、assistant、企業(yè)服務(wù)等等。那現(xiàn)在是不是意味著，這種“一個核心、多點(diǎn)開花”的模式不再成立了？你們是不是已經(jīng)意識到，現(xiàn)在是時候做“單選題”了？

Greg：某種程度上，這個比喻現(xiàn)在反而更成立了。但關(guān)鍵在于：從技術(shù)角度看，像 Sora 這樣的模型，其實(shí)和核心的 GPT 推理模型屬于完全不同的“科技樹”分支。而現(xiàn)實(shí)是，我們很難同時在兩條分支上都做到極致，尤其是在當(dāng)前這些關(guān)鍵應(yīng)用上。

不過我們并沒有完全放棄 Sora 的研究，它仍然在繼續(xù)，只是更多放在 robotics 的語境里。而 robotics 顯然會是一個顛覆性領(lǐng)域，只是現(xiàn)在還處在更偏研究階段，還沒到成熟部署的時候。相比之下，我們在知識工作領(lǐng)域?qū)⒃谖磥硪荒昕吹竭@項技術(shù)的真正騰飛。

所以在這個時間點(diǎn)，我們必須把主要精力集中在 GPT 系列上。而這里說的 GPT，并不只是文本，也包括語音到語音的交互能力，它們?nèi)匀粚儆谕粭l科技樹分支，本質(zhì)上還是同一個模型，只是在不同的方向上稍作調(diào)整。

問題在于，一旦你分叉太遠(yuǎn)，形成兩個完全不同的技術(shù)體系，在算力有限的情況下是很難持續(xù)推進(jìn)的。而算力之所以有限，是因?yàn)樾枨髮?shí)在太大了。幾乎每一個模型一出來，大家都想拿去做各種事情。

Alex：為什么你們現(xiàn)在的賭注沒有押在那個看起來像是“世界模型”的版本上？那種視頻能理解物體該去哪里的模型顯然對 robotics 很有用。既然你們在 Sora 上已經(jīng)看到了實(shí)打?qū)嵉倪M(jìn)步，那為什么你們偏偏要把寶押在 GPT Reasoning 上呢？

Greg：這個領(lǐng)域最大的問題，其實(shí)是“機(jī)會太多”。我們很早就發(fā)現(xiàn)，只要一個想法在數(shù)學(xué)上是合理的，基本都能做出不錯的結(jié)果。只是不同方向在工程復(fù)雜度、算力需求、落地難度上差異很大。

這恰恰說明了深度學(xué)習(xí)的底層能力：它可以抓住問題的本質(zhì)，理解生成數(shù)據(jù)背后的規(guī)律，而不是只記住數(shù)據(jù)本身，并且能遷移到新的場景。這意味著你可以在很多方向上取得進(jìn)展，比如世界模型、科學(xué)發(fā)現(xiàn)、編碼等等。

過去一直有個爭論：文本模型到底能走多遠(yuǎn)？它能不能真正理解世界？現(xiàn)在我們已經(jīng)非常明確地看到答案了：它可以，而且是通向 AGI 的路徑。我們已經(jīng)能“看見終點(diǎn)”，并且今年還會有更強(qiáng)的模型出來。與此同時，我們在內(nèi)部面臨的“算力分配痛苦”是隨著時間推移只增不減的。所以，我覺得核心在于節(jié)奏和時機(jī)。

在這個時刻，那些我們夢寐以求的應(yīng)用已經(jīng)開始觸手可及了。舉個例子，最近有一個物理學(xué)家把一個研究了很久的問題交給我們的模型，12 小時后就得到了答案，他說這是第一次感覺模型在“思考”。這感覺就像是一個也許人類永遠(yuǎn)無法解決的問題，被我們的 AI 搞定了。當(dāng)你看到這樣的事情發(fā)生時，你就必須加倍下注，因?yàn)槲覀冋娴哪芙怄i人類的所有潛力。

所以這不是說哪個方向更重要，而是關(guān)于 OpenAI 向世界交付 AGI 的使命，以及我們確實(shí)看到了一棵科技樹，已經(jīng)找到一條清晰可推進(jìn)的路徑，就必須優(yōu)先把它做出來。

Alex：我之前和 Google DeepMind 的 Demis Hassabis 聊過，他說對他而言，最接近 AGI 的，是他們的圖像生成模型 Nano Banana。因?yàn)樯蓤D像和視頻，本身就需要理解物體之間的關(guān)系和世界的運(yùn)作方式。你們會不會因?yàn)檠鹤⒘硪粭l路徑而錯過什么？

Greg：有這個可能。這個領(lǐng)域就是這樣，你必須做選擇，本質(zhì)上就是在下注。我們選擇了一條我們相信能通向 AGI 的路徑，然后全力推進(jìn)。

不過，還有一點(diǎn)很關(guān)鍵：圖像生成其實(shí)在 ChatGPT 里已經(jīng)非常成功，我們也在持續(xù)投入。而且它之所以能繼續(xù)推進(jìn)，是因?yàn)樗⒉煌耆珜儆?diffusion / world model 那條分支，而是建立在 GPT 架構(gòu)之上。這也是 AGI 很“反直覺”的地方：看起來完全不同的應(yīng)用，語音、圖像、文本、科學(xué)研究、編碼，甚至個人健康建議，其實(shí)可以在同一個技術(shù)框架里實(shí)現(xiàn)。

所以我們在做的一件核心事情，是盡可能把技術(shù)統(tǒng)一起來。因?yàn)槲覀兿嘈?，這項技術(shù)最終會賦能整個經(jīng)濟(jì)體系。而這個體系太大了，我們不可能覆蓋所有，但可以把“通用”的那一層做好，也就是 AGI 里“G”的意義。

2 “我們現(xiàn)在的起點(diǎn)是 Codex”

Alex：說到“統(tǒng)一”，那這個 Super App 到底是什么？

Greg：簡單來說，它會把 coding、browser 和 ChatGPT 整合在一起。我們的目標(biāo)，是做一個真正的“終端應(yīng)用”，讓你直接體驗(yàn) AGI 的能力。

你可以把現(xiàn)在的 chat 想象成一個正在進(jìn)化的個人助理，一個了解你、與你目標(biāo)對齊、值得信任、在數(shù)字世界中“代表你”的 AI。而 coding 這部分，本來是為開發(fā)者設(shè)計的工具，但它正在變成“人人都能用”。

這不再僅僅是關(guān)于軟件本身，而是“使用計算機(jī)本身”。比如我自己，有時候連怎么設(shè)置電腦的 hot corners 都會忘，直接讓 Codex 去做，它就幫我搞定了。這其實(shí)才是計算機(jī)本該有的樣子，是它來適應(yīng)人，而不是人去適應(yīng)它。

所以你可以想象一個應(yīng)用：你想讓電腦做什么，直接說就行。AI 可以自己用瀏覽器操作，你也可以實(shí)時查看它在做什么。無論是聊天、寫代碼，還是知識工作，所有內(nèi)容都在一個統(tǒng)一系統(tǒng)里。而且它會有 memory，會了解你。這其實(shí)只是“冰山一角”，更重要的是底層的技術(shù)統(tǒng)一。

過去幾年真正的變化在于：不再只是模型本身，而是“系統(tǒng)”。包括模型如何獲取上下文、如何連接現(xiàn)實(shí)世界、能執(zhí)行哪些操作、以及與用戶的交互循環(huán)。以前這些是分散的、各自實(shí)現(xiàn)的，現(xiàn)在我們在把它們收斂成一個統(tǒng)一體系，形成一個 AI layer。在這個基礎(chǔ)上，你可以針對某些場景加一層很薄的定制，比如金融、法律的插件或 UI。但大多數(shù)情況下，你甚至不需要這些，因?yàn)檫@個 Super App 本身就已經(jīng)足夠通用。

Alex：這個 app 是面向企業(yè)，還是個人？

Greg：兩者都是。就像你的 laptop，它既是工作工具，也是個人設(shè)備。本質(zhì)上，它是“屬于你”的一個接口，連接你和數(shù)字世界。

Alex：從個人用戶的角度，如果我在生活中用這個 Super App，我的生活會發(fā)生什么變化？

Greg：你可以把它理解為現(xiàn)在的 ChatGPT，但更深入。現(xiàn)在大家用 ChatGPT 做的事情已經(jīng)非常多樣了：寫婚禮致辭、頭腦風(fēng)暴創(chuàng)業(yè)想法、讓它幫你點(diǎn)評一個點(diǎn)子……這些其實(shí)已經(jīng)在模糊“個人”和“工作”的邊界。未來，這些都會變得更自然，而且更強(qiáng)。

關(guān)鍵在于兩點(diǎn)：記憶和上下文。過去的 ChatGPT 是“無記憶”的，每次對話都像在和一個陌生人聊天。但如果它記得你，記得你所有的互動，它就會變得強(qiáng)大得多。再進(jìn)一步，如果它還能接入你的郵箱、日歷，理解你的偏好和歷史經(jīng)驗(yàn)，它就可以真正幫助你實(shí)現(xiàn)目標(biāo)。比如現(xiàn)在已經(jīng)有一個 feature，會每天基于它對你的了解，推送你可能感興趣的內(nèi)容。而 Super App 會把這一切做得更深入、更豐富。

Alex：這個 Super App 什么時候會推出？

Greg：接下來幾個月，我們會一步一步往這個目標(biāo)推進(jìn)。理想狀態(tài)下，我們當(dāng)然希望一次性把完整形態(tài)發(fā)布出來，但現(xiàn)實(shí)是它一定會以“分階段”的方式出現(xiàn)。

我們現(xiàn)在的起點(diǎn)，其實(shí)就是 Codex。它本質(zhì)上是兩樣?xùn)|西的結(jié)合：一方面是一個通用的 agent harness，可以調(diào)用各種工具；另一方面，它本身也是一個會寫軟件的 agent。你可以把它接到 spreadsheets、word 文檔上，它就能幫助你完成各種知識工作。

所以我們接下來會做的一件事，是讓 Codex 在“通用知識工作”這件事上變得更好用。因?yàn)樵?OpenAI 內(nèi)部，我們已經(jīng)看到很多自發(fā)的使用場景在出現(xiàn)了。這會是第一步，后面還有很多步。

Alex：我昨天和你們一個同事聊，他提到有人用 Codex 幫他做視頻剪輯，結(jié)果 Codex 直接給 Adobe Premiere 寫了一個插件：自動分章節(jié)，然后開始剪視頻。

Greg：我太喜歡這個例子了，這正是我們希望這個系統(tǒng)能夠做到的事情。其實(shí)很有意思的一點(diǎn)是：Codex 最初是為軟件工程師設(shè)計的。對于非軟件工程師來說，目前的可用性其實(shí)相當(dāng)?shù)汀１热缭谠O(shè)置過程中，可能會遇到一些報錯，開發(fā)者一看就知道怎么解決，但普通用戶會一臉懵：“這是什么？”

即便如此，我們還是看到一些從沒寫過代碼的人，已經(jīng)開始用它來搭建網(wǎng)站、自動化不同軟件之間的流程，甚至完成你剛才說的那種復(fù)雜任務(wù)。比如我們傳播團(tuán)隊的一位同事，把它連接到了 Slack 和他們的郵箱上，用來批量處理反饋并做總結(jié)。

所以現(xiàn)在的狀態(tài)是：那些足夠有動力的人，愿意跨過這些門檻，就能獲得非常大的效率提升。從某種意義上說，我們已經(jīng)完成了最難的那部分——打造一個真正聰明、能執(zhí)行任務(wù)的 AI。接下來要做的，其實(shí)是相對“簡單”的那部分：把它變得人人可用，降低門檻。

如何與Claude Code 競爭

Alex：Anthropic 有他們的 Claude App，你可以用 Claude chatbot、Claude Cowork、Claude Code，他們已經(jīng)有了自己版本的“Super App”。你覺得他們是看到了什么，才更早走到這個位置？你們有多大把握追上？

Greg：如果把時間往回?fù)?12 到 18 個月，我們其實(shí)一直很重視 coding 這個方向，在各種編程競賽上成績也一直很好。但我們當(dāng)時投入不夠的，是“最后一公里”的可用性。我們沒有真正去思考：我們的模型很聰明，可以解決各種編程題，但它沒真正見過現(xiàn)實(shí)世界的代碼庫，那些代碼往往很混亂，不像訓(xùn)練數(shù)據(jù)那么“干凈”。這確實(shí)是我們當(dāng)時落后的地方。

但大概從去年年中開始，我們非常認(rèn)真地補(bǔ)這塊，專門組建團(tuán)隊去研究真實(shí)世界的復(fù)雜性，比如如何構(gòu)建訓(xùn)練環(huán)境，讓 AI 體驗(yàn)真正的軟件開發(fā)流程，包括被打斷、需求變更等各種非理想情況。到現(xiàn)在為止，我們已經(jīng)追上來了，甚至很多用戶更偏好我們的產(chǎn)品。當(dāng)然，在前端體驗(yàn)上我們還會繼續(xù)優(yōu)化。

更重要的是，我們的思路發(fā)生了變化：不再是“先做模型，再單獨(dú)做產(chǎn)品”，而是一開始就把它當(dāng)成一個完整產(chǎn)品來設(shè)計。當(dāng)我們做 research 的時候，我們就會考慮它未來會怎么被使用，這是 OpenAI 內(nèi)部一個很重要的轉(zhuǎn)變。

我們今年會有一系列非常強(qiáng)的模型發(fā)布，整個 roadmap 讓人非常興奮。同時，我們也在全力補(bǔ)齊“最后一公里”的可用性。

3 競爭帶來更強(qiáng)的內(nèi)部對齊

Alex：從 2022 年開始，OpenAI 幾乎是無可爭議的領(lǐng)先者，但現(xiàn)在競爭明顯變激烈了。甚至有傳言說內(nèi)部已經(jīng)沒有“side quests”，全部資源都集中在核心目標(biāo)上。你認(rèn)為公司內(nèi)部的氛圍有沒有變化？

Greg：對我個人來說，其實(shí)最“可怕”的時刻，是 ChatGPT 剛發(fā)布之后。我記得當(dāng)時在節(jié)日派對上，現(xiàn)場彌漫著一種“我們已經(jīng)贏了”的氛圍，但我從來沒有這種感覺。我當(dāng)時的反應(yīng)是：不對，我們一直都是 underdog，從來都不是領(lǐng)先者。

這個領(lǐng)域里有很多成熟的大公司，它們有更多資本、更多人、更多數(shù)據(jù)，OpenAI 憑什么能競爭？我認(rèn)為，答案很大程度上就是因?yàn)槲覀儚牟蛔詽M，一直把自己當(dāng)成挑戰(zhàn)者。

所以現(xiàn)在看到競爭對手出現(xiàn)、并且做得不錯，其實(shí)對我們來說是件好事。當(dāng)然，你不能過度關(guān)注競爭對手。如果你總盯著他們的位置，那你只會停在他們現(xiàn)在的位置，而他們已經(jīng)往前走了。某種程度上，過去是別人盯著我們，而我們在往前走。

現(xiàn)在的競爭環(huán)境，反而帶來了更強(qiáng)的內(nèi)部對齊和統(tǒng)一感。比如之前我們是把 research 和 deployment 分開看的，現(xiàn)在我們在努力把它們?nèi)诤掀饋怼＿@對我來說是一個非常積極的變化。

我從未覺得我們像別人說的那么好，也從未像別人說的那么差，我覺得一直很穩(wěn)健。在模型生產(chǎn)的核心方面，我對我們的路線圖和我們正在做的研究投入感到極其有信心。在產(chǎn)品方面，我們也有巨大的能量匯聚在一起，要把這一切交付給世界。

Alex：你前面提到接下來會有一些很強(qiáng)的新模型，那 Spud 到底是什么？有消息說你們已經(jīng)完成了它的預(yù)訓(xùn)練，Sam Altman 也跟內(nèi)部說，幾周內(nèi)就會有一個非常強(qiáng)勁的模型問世。團(tuán)隊覺得它真的能加速經(jīng)濟(jì)發(fā)展，而且事情的進(jìn)展比我們很多人預(yù)期的都要快。

Greg：它是個好模型。但我覺得，重點(diǎn)其實(shí)不在于某一個模型。

我們的開發(fā)流程大致是這樣：先做預(yù)訓(xùn)練，產(chǎn)出一個新的基礎(chǔ)模型，它是后續(xù)一切能力提升的基礎(chǔ)。過去 18 個月，我主要精力其實(shí)都花在這上面，包括 GPU 基礎(chǔ)設(shè)施、訓(xùn)練框架，支持這些大規(guī)模訓(xùn)練順利進(jìn)行。接下來是強(qiáng)化學(xué)習(xí)階段：讓模型把它對世界的理解應(yīng)用起來。再往后是后訓(xùn)練：也就是“最后一公里”，讓模型在行為和可用性上真正變得好用。

所以我會把 Spud 理解為一個新的 base model，是一次新的預(yù)訓(xùn)練成果?？梢哉f，這里面凝聚了大概兩年的研究積累，現(xiàn)在終于開始落地。它會非常令人興奮。但從用戶視角來看，感知方式其實(shí)很簡單，就是能力整體提升。

對我來說，這從來不是“某一次發(fā)布”的問題。因?yàn)楫?dāng)這個版本發(fā)布時，它其實(shí)已經(jīng)是后面更強(qiáng)版本的一個早期形態(tài)了。我們真正構(gòu)建的是一個持續(xù)加速的“進(jìn)化引擎”，Spud 只是其中一步。

Alex：那它具體會做到哪些現(xiàn)在做不到的事情？

Greg：首先，它會能解決更難的問題。其次，它會更細(xì)膩（nuanced），更能理解指令，也更能理解上下文。

有個說法叫“big model smell”，意思是，當(dāng)模型真的變得更聰明、更強(qiáng)大時，你是能“感覺到”的，它會更順著你的意圖來?，F(xiàn)在很多時候，你問一個問題，AI 沒完全理解，你還得補(bǔ)充解釋，那種感覺其實(shí)挺讓人失望的，會覺得“你應(yīng)該能懂啊”。未來，這種情況會大幅減少。

所以變化一方面是能力提升的量變，但更重要的是質(zhì)變：以前你不會用 AI 做的事情，現(xiàn)在會下意識地用它。

我特別期待兩點(diǎn)：一是“天花板”被抬高，比如我們已經(jīng)看到在物理研究上的應(yīng)用，未來可以解決更多開放性、更長期的問題；二是“地板”也被抬高，無論你做什么，它都更有用。

Alex：但普通用戶有時候不太容易感知這種變化。比如 GPT-5 發(fā)布前預(yù)期很高，但剛發(fā)布時不少人反而有點(diǎn)失望，后來才發(fā)現(xiàn)它在某些任務(wù)上其實(shí)很強(qiáng)。那這一代模型，你覺得是會在某些行業(yè)里特別明顯，還是會讓所有人都感受到提升？

Greg：我覺得會是類似的情況。剛發(fā)布時，一定會有人覺得“這是質(zhì)的飛躍”；也會有一些場景，原本就不是“智能瓶頸”，所以你未必立刻感知到變化。但隨著時間推移，你一定會感受到。因?yàn)檎嬲淖兊氖牵耗銓@個系統(tǒng)的“信任程度”。

我們每個人心里，其實(shí)都有一個“AI 能做什么”的心智模型，而這個模型變化得很慢。只有當(dāng)你多次被它“驚艷到”，你才會逐漸提高預(yù)期。比如在醫(yī)療信息領(lǐng)域，我有個朋友用 ChatGPT 研究癌癥治療方案。醫(yī)生當(dāng)時已經(jīng)判斷是絕癥，但他通過 AI 查找各種方案，最后真的找到了治療路徑。

這種事情的前提是：你得先相信 AI 在這個場景里是有幫助的，才會投入精力去用它。未來的變化在于，這種“幫助是有效的”的感覺會變得越來越明顯。所以，一方面是技術(shù)在進(jìn)步，另一方面也是人類對技術(shù)的理解在“追趕”它。

4 加速起飛實(shí)現(xiàn) AGI，當(dāng)前進(jìn)度超 70%

Alex：聽說你們正在開發(fā)一個自動化的 AI Researcher，預(yù)計今年秋天推出，那是什么？

Greg：我們現(xiàn)在正處在一個“takeoff（起飛）”的早期階段。

Alex：“takeoff”是什么意思？

Greg：就是一種加速狀態(tài)。一方面，AI 在指數(shù)級變強(qiáng)；另一方面，我們開始用 AI 來改進(jìn) AI，本身就會進(jìn)一步加速研發(fā)過程。但我理解的 takeoff，不只是技術(shù)層面的，還有現(xiàn)實(shí)世界的影響。很多技術(shù)發(fā)展都會呈現(xiàn) S 曲線，如果拉長看，有些階段會變成指數(shù)增長，我覺得我們現(xiàn)在正處在這個階段。

一邊是技術(shù)在加速，另一邊是外部環(huán)境的“順風(fēng)”：芯片公司在加大投入，整個生態(tài)里有越來越多的人在基于 AI 構(gòu)建應(yīng)用，探索各種可能性。這些力量疊加在一起，讓 AI 從一個“邊緣工具”，逐漸變成推動經(jīng)濟(jì)增長的核心引擎。而這個過程，不僅僅關(guān)于我們公司正在做的事，而是整個世界、整個經(jīng)濟(jì)體系共同推動的結(jié)果。

Alex：這個 AI researcher 具體會做什么？

Greg：它會承擔(dān)越來越多研究任務(wù)，而且比例會不斷提高，我們會逐步讓它以更高程度“自主運(yùn)行”。當(dāng)然，這不意味著完全放任它自己運(yùn)行。更像是你帶一個初級研究員：如果你完全不管，他可能會走偏；但如果有一個有經(jīng)驗(yàn)的資深研究員給方向、做 review、提供反饋，那效率會很高。

未來也是類似的模式：人類提供方向、判斷和反饋，AI 負(fù)責(zé)執(zhí)行大量具體工作。我把它看作一個系統(tǒng)，可以顯著加速我們做模型、做研究、實(shí)現(xiàn)突破的速度，也能讓這些模型更快變得實(shí)用、可落地。

Alex：你會對它說“去找 AGI”，然后它就會去嘗試嗎？

Greg：我認(rèn)為大致就是這樣。更具體一點(diǎn)說，就是把一個研究科學(xué)家從頭到尾做的事情，用“硅基系統(tǒng)”完整復(fù)現(xiàn)一遍。

Alex：還有一種對“takeoff”的理解是：AI 的進(jìn)步會從漸進(jìn)式，逐漸變成積累動能，最終演變成一種幾乎不可阻擋的趨勢，走向超越人類智能。那你會不會擔(dān)心，既然有可能一切順利發(fā)展，也同樣存在“走偏”的風(fēng)險？

Greg：絕對是有的。要獲得這項技術(shù)的好處，就必須同時認(rèn)真對待它的風(fēng)險。從技術(shù)角度來看，我們在安全上投入了非常多。比如 prompt injection，如果你有一個非常強(qiáng)大、能調(diào)用各種工具的 AI，就必須確保它不會因?yàn)槟承阂庵噶疃徊倏?。這方面我們投入很大，也取得了不錯的成果，有專門的團(tuán)隊在做。

這些問題其實(shí)和人類很像，人也會被 phishing 欺騙，也會在信息不完整時做出錯誤判斷。所以我們在開發(fā)過程中，會借鑒這些類比，去思考模型在真實(shí)世界中的行為。每一次發(fā)布模型，我們都會問：它是否真正與人類目標(biāo)對齊？是否是有幫助的？

當(dāng)然，還有更大的問題，比如整個社會、經(jīng)濟(jì)會如何變化，如何讓所有人都從中受益，這些就不是純技術(shù)問題，也不是 OpenAI 一家能解決的。但對我來說，推動技術(shù)進(jìn)步的同時，確保它帶來正向影響，是同等重要的。

Alex：但問題在于，這本質(zhì)上是一場競賽。你們在公司內(nèi)部做的東西，也會被開源社區(qū)復(fù)制，而他們在安全方面的約束要少得多。而且你之前也說過：創(chuàng)造需要很多人都做對，但破壞只需要一個人做錯。在這種情況下，這個“加速競賽”還在繼續(xù)，甚至沒有減速的跡象。那這個回報，真的值得這個風(fēng)險嗎？

Greg：我認(rèn)為回報是值得的，但這個問題本身太“粗粒度”了。我們從一開始就在問：一個理想的未來是什么樣？這項技術(shù)如何真正造福所有人？

你可以從兩個角度來看。一種是“高度中心化”的路徑：只有一個主體來開發(fā)這項技術(shù)，這樣就沒有競爭壓力，可以慢慢把事情做對，然后再統(tǒng)一發(fā)布。但這其實(shí)很難實(shí)現(xiàn)，也有很多問題。

另一種是我們更傾向的路徑，可以稱為“resilience”（韌性）：這是一個開放系統(tǒng)，有很多參與者在推進(jìn)技術(shù)發(fā)展。但關(guān)鍵不只是技術(shù)本身，而是圍繞它建立起一整套社會基礎(chǔ)設(shè)施。可以類比電力的發(fā)展：它本身也有風(fēng)險，但我們通過標(biāo)準(zhǔn)、監(jiān)管、工程體系、檢測機(jī)制等，建立了一整套安全體系，讓它可以被大規(guī)模、安全地使用。

AI 也需要類似的生態(tài)：不僅是技術(shù)，還包括制度、規(guī)范、監(jiān)管、公眾認(rèn)知。如果這項技術(shù)真的會影響每一個人，那每個人都應(yīng)該參與討論，而不是由一個封閉的中心化組織來決定一切。所以我們相信的，是一個圍繞 AI 建立起來的“韌性生態(tài)系統(tǒng)”。

Alex：最近 NVIDIA 的 CEO 黃仁勛說，他認(rèn)為 AGI 已經(jīng)實(shí)現(xiàn)了。你同意嗎？

Greg：AGI 對不同人來說定義不一樣。確實(shí)會有人認(rèn)為我們現(xiàn)在已經(jīng)達(dá)到了。但我認(rèn)為，現(xiàn)在的 AI 很“jagged”（鋸齒狀）。在很多任務(wù)上，它已經(jīng)是超人級別的，比如寫代碼，幾乎可以無縫完成，大幅降低創(chuàng)造的門檻。但與此同時，也有一些非?；A(chǔ)的人類能力，它依然做不好。

所以問題變成了：你把“分界線”畫在哪里？這更像是一種“感覺”，而不是一個嚴(yán)格的科學(xué)定義。

對我來說，我們確實(shí)已經(jīng)接近那個時刻了。如果五年前讓我看到今天的系統(tǒng)，我一定會說：“這就是我們當(dāng)時說的 AGI。”但現(xiàn)實(shí)又有點(diǎn)不一樣，它和我們曾經(jīng)想象的形態(tài)差別很大，所以我們需要調(diào)整自己的心智模型。

如果非要量化，我會說大概 70% 到 80% 到了。而且很明顯，未來幾年內(nèi)我們就會迎來 AGI，盡管發(fā)展過程仍會曲折不平，但幾乎所有依托計算機(jī)完成的智力類任務(wù)，AI 都將能夠勝任。

5 基礎(chǔ)模型更強(qiáng)，AI 從程序員蔓延到普通人

Alex：2025 年 12 月發(fā)生了什么？那似乎是一個拐點(diǎn)，從“讓 AI 連續(xù)寫幾個小時代碼”還是理論，變成大家開始覺得“可以信任它持續(xù)工作”。

Greg：核心變化是模型能力從“能完成你 20% 的任務(wù)”，躍遷到了“能完成 80%”。這帶來了一個質(zhì)變，從“有點(diǎn)用的工具”，變成“你必須圍繞 AI 重構(gòu)工作流”。

我自己有一個測試 prompt，用了很多年：讓 AI 幫我做一個網(wǎng)站。這個網(wǎng)站我當(dāng)年學(xué)編程時花了幾個月才做出來。到了 2025 年，它可能需要 4 個小時、很多輪提示才能完成。但在 12 月，我只問了一次，它就直接生成了，而且效果很好。

Alex：那這個躍遷是怎么發(fā)生的？

Greg：很大一部分來自更強(qiáng)的基礎(chǔ)模型。OpenAI 一直在持續(xù)優(yōu)化預(yù)訓(xùn)練技術(shù)，那一刻，其實(shí)只是提前讓我們看到了接下來一整年的發(fā)展方向。但它也不是某一個單點(diǎn)突破，而是多個維度同時推進(jìn)的結(jié)果。這些模型很有意思：一方面是連續(xù)進(jìn)步，另一方面又會出現(xiàn)“跳躍式提升”。它并不是從 0% 到 80%，而是從 20% 到 80%。本質(zhì)上是一直在變好，只是在某個節(jié)點(diǎn)跨過了“可用性閾值”。

而且這種提升還在持續(xù)。比如從 5.2 到 5.3 的版本更新，我們內(nèi)部一個工程師之前無法用它完成復(fù)雜的底層系統(tǒng)開發(fā)，但現(xiàn)在可以直接給它一個設(shè)計文檔，它就能實(shí)現(xiàn)、加監(jiān)控、跑 profiler、再優(yōu)化到目標(biāo)狀態(tài)。

所以你可以把它理解為：緩慢積累，然后突然爆發(fā)。而且可以很明確地說，現(xiàn)在看到的這些能力，在一年內(nèi)，甚至更快，會變得極其可靠。

Alex：之前你還說 Codex 主要是給開發(fā)者用的，現(xiàn)在卻說“人人都可以用”，這個認(rèn)知是怎么改變的？

Greg：一開始我確實(shí)是從“coding”這個角度來看 Codex 的，名字里就有 code，自然會覺得它是給程序員用的。而且在 OpenAI 內(nèi)部，我們很多人本身就是工程師，很容易默認(rèn)是在為自己構(gòu)建工具。

但隨著技術(shù)發(fā)展，我們逐漸意識到：這項技術(shù)的本質(zhì)，其實(shí)不是“寫代碼”，而是“解決問題”。核心能力是理解上下文、管理 harness、把 AI 融入實(shí)際工作中。一旦這樣理解，就會發(fā)現(xiàn)不僅是 coding，Excel、PPT、各種重復(fù)性操作，本質(zhì)上都是“機(jī)械技能”。

只要 AI 有足夠的上下文和智能，它都可以做得很好。所以關(guān)鍵不在于能力，而在于“可用性”。一旦我們把門檻降下來，它就會從“程序員工具”，變成“所有人的工具”。

Alex：在那一波能力躍遷之后，硅谷又出現(xiàn)了一個有點(diǎn)轟動的現(xiàn)象，就是 OpenClaw。很多人開始真正“信任”AI，比如給它完整的桌面權(quán)限，甚至專門弄一臺 Mac Mini，讓它接入郵件、日歷、文件，然后基本讓它去“運(yùn)行”自己的生活。你們還把 OpenClaw 的創(chuàng)始人招致麾下了，這是不是代表著 AI 將幫你“運(yùn)行”生活的愿景？

Greg：這項技術(shù)的核心在于弄清楚它如何有用、人們想如何使用它、Agent 的愿景是什么、它將如何融入人們的生活。這是一個難題。

我觀察到一個現(xiàn)象，每一代技術(shù)變革中，那些真正“all in”的人，有好奇心、有想象力、有愿景，本身就是一種非常稀缺的能力。而在正在形成的新經(jīng)濟(jì)體系里，這種能力會變得越來越有價值。OpenClaw 的創(chuàng)始人就是這樣的人，他有很強(qiáng)的想象力和創(chuàng)造力。

所以某種程度上，這件事不只是技術(shù)，而是我們?nèi)绾伟堰@些能力真正嵌入到人們的日常生活中。作為技術(shù)人，這當(dāng)然很讓人興奮；但從“為用戶創(chuàng)造價值”的角度來說，這也是我們正在加倍投入的方向。

6 使用 Agents，不能推卸你的責(zé)任

Alex：你之前有一句很有意思的話，說當(dāng)你使用這些 autonomous agents 時，你會變成一個“CEO”，管理成百上千個 agent，幫你完成目標(biāo)，而你不再關(guān)心具體細(xì)節(jié)。但你也提到，這種方式有時會讓你“失去對問題的感知”，這是好事嗎？

Greg：我覺得這是一把雙刃劍，我們既要認(rèn)可這些工具能帶來的優(yōu)勢，也要設(shè)法彌補(bǔ)其短板。

它們能賦予人類力量與自主掌控力。如果你有一個清晰的目標(biāo)，你可以讓一整支 agent 艦隊去幫你執(zhí)行。但問題在于：現(xiàn)實(shí)世界里，責(zé)任是必須落在某個人身上的。比如你讓 agent 幫你做網(wǎng)站，結(jié)果出了問題，影響了用戶，那責(zé)任不在 agent，而在你。所以，你必須在意。

對于使用這些工具的人來說，人類的代理權(quán)和問責(zé)制，是整個系統(tǒng)里非常核心的一部分。你不能推卸責(zé)任，不能只是說“啊，AI 會搞定一切的”。

Alex：但你說的“失去對問題的感知”，好像不是責(zé)任問題，而是認(rèn)知層面的距離感？

Greg：其實(shí)這兩件事是相關(guān)的。你可以類比一個 CEO：如果你離業(yè)務(wù)細(xì)節(jié)太遠(yuǎn)，失去了“對一線的感知”，那通常不會帶來好結(jié)果。

所以我當(dāng)時的意思不是說“人不需要了解細(xì)節(jié)”是好事，確實(shí)有些細(xì)節(jié)你可以不必關(guān)心，就像你請一個總承包商蓋房子，有很多施工細(xì)節(jié)你可以信任對方。但如果出了問題，你仍然需要知道、需要在意。

關(guān)鍵在于，不是盲目放手，而是在建立信任的前提下，有選擇地“放開低層細(xì)節(jié)”。你必須理解系統(tǒng)的能力邊界和風(fēng)險，才能決定哪些事情可以交給它。

7 “我們還沒有完全理解模型”

Alex：回到模型本身的發(fā)展路徑。我們經(jīng)歷了預(yù)訓(xùn)練、微調(diào)、強(qiáng)化學(xué)習(xí)，讓模型可以一步步解決問題、調(diào)用工具。那接下來下一步是什么？

Greg：我們現(xiàn)在所處的階段，是機(jī)器能力在不斷加深、不斷拓展。

一方面，我們已經(jīng)有了 tool use，但接下來還需要構(gòu)建更好的“工具生態(tài)”。比如 computer use，當(dāng) AI 可以操作整個桌面，它理論上就可以做任何你能做的事。但與此同時，我們也需要補(bǔ)上很多配套能力，比如企業(yè)里的權(quán)限管理（credentialing）、審計（audit trails）、可觀測性（observability）等等。也就是說，模型能力已經(jīng)跑在前面了，而系統(tǒng)層的基礎(chǔ)設(shè)施還在追趕。

整體方向上，有幾個很明確的趨勢：比如語音交互，你可以自然地和電腦對話，它能理解、執(zhí)行，還能給出建議。再比如，你早上醒來，AI 給你一個“日報”：告訴你你的 agents 昨晚做了什么進(jìn)展，也許它在幫你運(yùn)營一個業(yè)務(wù)，還會提醒你“有個客戶不滿意，想和真人聊一下”。

我覺得其中一個非常大的應(yīng)用，是“創(chuàng)業(yè)的民主化”，更多人可以借助 AI 去啟動和運(yùn)營業(yè)務(wù)。同時，還有一個更宏觀的變化：人類能解決的問題上限會被不斷抬高。

我特別期待的一件事，是類似 AlphaGo 的第 37 手那樣的時刻，那一步棋沒有任何人類能想得出來，它很有創(chuàng)造力，它改變了人類對下棋的理解。這種事情會在各個領(lǐng)域發(fā)生：科學(xué)、數(shù)學(xué)、物理、化學(xué)、材料科學(xué)、生物、醫(yī)療、藥物研發(fā)，甚至文學(xué)、詩歌。AI 會在我們還無法想象的層面，擴(kuò)展人類的創(chuàng)造力。

Alex：既然模型已經(jīng)這么強(qiáng)，為什么這些突破還沒大規(guī)模出現(xiàn)？

Greg：我覺得這是因?yàn)槟Ｐ偷哪芰腿藗儗?shí)際使用它們的方式之間存在一個“overhang”（懸差）。換句話說，我們還沒有完全理解這些模型到底能做什么。所以我覺得，即便技術(shù)不再進(jìn)步，僅僅是更好地使用現(xiàn)有模型，也會帶來巨大的變化。AI 驅(qū)動的經(jīng)濟(jì)仍然會發(fā)生。

另外一個原因是，我們過去更擅長訓(xùn)練“可衡量任務(wù)”的模型，比如數(shù)學(xué)題、編程題，這些有明確的評判標(biāo)準(zhǔn)。但對于更開放的問題，比如“這首詩寫得好不好”，評價標(biāo)準(zhǔn)就模糊很多，這也限制了訓(xùn)練。不過這一切都在改變，而且我們已經(jīng)看到了清晰的路線圖。

Alex：有人說，如果你是搞數(shù)學(xué)的，面對這些模型的沖擊，你的處境可能比搞文科的人更危險。你會擔(dān)心嗎？

Greg：人類很容易看到“我們失去的東西”，但不容易看到“我們獲得的東西”。比如你會說：以前我做數(shù)學(xué)競賽，現(xiàn)在 AI 也能做了。但問題是，數(shù)學(xué)競賽本身，從來就不是人類真正的核心價值。

如果你看今天的工作方式，每天對著電腦輸入文字，這其實(shí)也不是“人類的本質(zhì)狀態(tài)”，只是最近幾十年的產(chǎn)物。生而為人是關(guān)于“在場”，關(guān)于與他人建立連接。我覺得我們將看到的是， AI 會釋放大量時間，讓人類有更多機(jī)會建立連接、增強(qiáng)人與人之間的關(guān)系。

Alex：隨著 agent 能力增強(qiáng)，有人開始認(rèn)為，也許不再需要那么大規(guī)模的預(yù)訓(xùn)練，只要模型夠好，讓它在現(xiàn)實(shí)世界中學(xué)習(xí)就可以了。你怎么看？

Greg：這個觀點(diǎn)忽略了一點(diǎn)：模型訓(xùn)練的每一個環(huán)節(jié)其實(shí)是“相乘”的關(guān)系，你必須同時優(yōu)化所有步驟。預(yù)訓(xùn)練變強(qiáng)，會讓后續(xù)所有階段變得更容易。因?yàn)槟Ｐ鸵婚_始就更聰明，在嘗試新方法、從錯誤中學(xué)習(xí)時，效率更高。

現(xiàn)在的變化是：不再只是“把模型做大”，而是結(jié)合真實(shí)世界使用、不斷反饋優(yōu)化。但這并不意味著預(yù)訓(xùn)練不重要了。

另外一個變化是，我們開始更加重視 inference（推理階段）。因?yàn)槟Ｐ筒粌H要強(qiáng)，還要能被實(shí)際使用，支持強(qiáng)化學(xué)習(xí)，也要能服務(wù)全球用戶。

所以現(xiàn)在的目標(biāo)，不是單純“最大模型”，而是優(yōu)化“智能 × 成本”的綜合指標(biāo)。

Alex：那 NVIDIA 的 GPU，還會繼續(xù)重要嗎？

Greg：非常重要。一方面，大規(guī)模訓(xùn)練仍然需要集中算力，這是不可替代的。另一方面，即使推理需求增加，整體算力需求也只會更高。而且 NVIDIA 團(tuán)隊本身做得非常出色，我們和他們合作非常緊密。

Alex：會不會有一天，人們會說“我們已經(jīng)預(yù)訓(xùn)練得夠多了，模型已經(jīng)夠聰明了”？

Greg：這就像在問：“人類什么時候可以說，我們已經(jīng)解決了所有問題？”現(xiàn)實(shí)是，我們的目標(biāo)和野心在不斷提高。比如醫(yī)療，不僅是治病，而是提前預(yù)防、優(yōu)化生活方式、在疾病發(fā)生前就干預(yù)。這類問題，很可能需要更強(qiáng)的模型才能解決。也許在某些具體問題上，你會說“夠用了”。但總會有新的問題，需要更高的智能。

8 如何面對巨額算力投入

Alex：OpenAI 今年融資約 1100 億美元，這背后的賬是怎么算的？這筆錢是直接投進(jìn)數(shù)據(jù)中心嗎？你打算怎么把這些錢回報給投資者？

Greg：最大的支出是算力，但算力不應(yīng)被視為成本中心，而應(yīng)視為“收入中心”?？梢园阉胂蟪晒蛡蜾N售人員，你想雇傭多少銷售？只要你能賣出產(chǎn)品，只要你有可擴(kuò)展的銷售方式，那么你的銷售人員越多，你的收入就越高。

當(dāng)前的現(xiàn)實(shí)是：算力始終供不應(yīng)求。我們不得不做出艱難決策：哪些產(chǎn)品上線、算力分配給誰。未來整個經(jīng)濟(jì)都會面臨類似問題：誰哪些問題將獲得巨大的算力？你如何擴(kuò)展，以便每個人都能擁有一個運(yùn)行中的個人 Agent？如何讓每個人都能用上像 Codex 這樣的系統(tǒng)？

世界上根本沒有足夠的算力來做這些事，所以我們正試圖在這個問題之前搶先布局。

Alex：在一個新賽道上投入如此巨額資金，你們?nèi)绾伪３中判模?/strong>

Greg：首先，有歷史經(jīng)驗(yàn)支撐。從我們推出 ChatGPT 的那一刻起，我和團(tuán)隊有過這樣一段對話，他們問：“我們應(yīng)該買多少算力？”我說：“全部。”他們又追問不是開玩笑，到底該采購多少，我告訴他們，無論我們搭建多少算力資源，都絕對跟不上市場需求。從那以后的每一年，這一判斷都成立。挑戰(zhàn)在于：算力采購需要提前 18–24 個月決策，因此必須對未來有清晰預(yù)判。

到目前為止，我們的大部分收入來自消費(fèi)者訂閱，這部分業(yè)務(wù)始終至關(guān)重要，同時我們也在拓展其他營收渠道。而當(dāng)下愈發(fā)清晰的新機(jī)遇，是知識工作領(lǐng)域。我們能切實(shí)地看到，所有企業(yè)都意識到 AI 切實(shí)有效，想要保持競爭力就必須采納。軟件工程師們自發(fā)使用的熱情十分高漲，隨后企業(yè)內(nèi)部各類知識工作者也開始逐步使用這項技術(shù)。行業(yè)內(nèi)清晰展現(xiàn)出用戶的付費(fèi)意愿與營收增長態(tài)勢。展望未來，我們能窺見外界未必了解的模型優(yōu)化發(fā)展路徑。

綜合這些因素來看，未來整體經(jīng)濟(jì)發(fā)展的核心關(guān)鍵，將取決于對 AI 的利用程度，以及支撐 AI 運(yùn)行的算力儲備。

Alex：未來收入結(jié)構(gòu)會從消費(fèi)者轉(zhuǎn)向企業(yè)嗎？

Greg：企業(yè)層面的變化速度極快，而且這并不只局限于傳統(tǒng)意義上的企業(yè)，因?yàn)?“企業(yè)” 這個概念本身也在發(fā)生改變。實(shí)際上，更多人是在利用它開展高效的知識工作這類事務(wù)。而在我們思考定價策略時，有一點(diǎn)可以參考 Codex 當(dāng)前的運(yùn)作模式，如果你訂閱了 ChatGPT 的個人版服務(wù)，就可以使用 Codex。所以我認(rèn)為，未來不會有那么清晰的品類劃分，核心在于用戶本身，就像你的筆記本電腦一樣，它是你通往數(shù)字世界的入口，而營收本質(zhì)上也將來源于此。

Alex：Dario（Anthropic CEO）談到你們時說，“有些玩家在‘All-in’，把油門踩得太狠了，我非常擔(dān)心?！蔽蚁胨傅氖悄銈兊幕A(chǔ)設(shè)施賭注。你怎么看？

Greg：我不認(rèn)同。我們的每一步?jīng)Q策都經(jīng)過深思熟慮，也清晰預(yù)判了行業(yè)趨勢，我認(rèn)為就在今年，所有入局者都會面臨算力緊缺的問題，而我們是最早意識到這一趨勢、并提前圍繞技術(shù)發(fā)展布局建設(shè)的一方。據(jù)我觀察，其他同行大多是去年下半年后知后覺，才開始匆忙爭搶算力，結(jié)果根本無算力可用。所以這類說法說得輕松，但行業(yè)內(nèi)所有人其實(shí)都明白，這項技術(shù)已經(jīng)落地生效、成為現(xiàn)實(shí)，軟件工程只是第一個應(yīng)用案例，而我們的發(fā)展核心受制于現(xiàn)有算力。

Alex：他還說，就算自己的預(yù)判只出現(xiàn)一點(diǎn)偏差，公司都有可能面臨破產(chǎn)風(fēng)險，你們也會面臨同樣的情況嗎？

Greg：在我看來，我們擁有更多緩沖調(diào)整的空間（Offramp）。我們押注的并非某一家企業(yè)，而是整個行業(yè)賽道，核心在于是否相信這項技術(shù)能落地，并釋放出我們預(yù)期的巨大價值。我可以舉些實(shí)際例證，哪怕不是軟件工程師、沒使用過 Codex ，也很難形容它帶來的改變有多顛覆，而且人們很快就能親身體會到。半年前這還只是我們內(nèi)部的判斷，外部缺乏足夠佐證，如今已經(jīng)有了實(shí)際案例，再過半年，所有人都會真切感受到，即便有效果極佳的模型，也會因?yàn)樗懔Σ蛔愣鵁o法使用。

9 人人都使用 Agent 的未來

Alex：去年年底我們在節(jié)目里對 2026 年做預(yù)測時，Ron John Roy 說，2026 年會成為“人人都在用 agent 的一年”。我當(dāng)時還說要眼見為實(shí)才信，結(jié)果現(xiàn)在我自己都在用了。

Greg：那你主要拿它做什么？

Alex：我用它搭建內(nèi)部工具，方便團(tuán)隊同事同步視頻上線時間、封面設(shè)計要求等信息，還會整合 YouTube 相關(guān)數(shù)據(jù)，可以根據(jù)縮略圖對視頻的表現(xiàn)進(jìn)行排名。就像定制軟件一樣，我以前絕不會為此付費(fèi)，現(xiàn)在我自己就能做出來。

我覺得這正是當(dāng)下一個特別有意思的點(diǎn)：傳統(tǒng)軟件是面向大眾規(guī)模化的，但正因?yàn)樗?wù)所有人，所以很多地方其實(shí)并不真正適合你。而現(xiàn)在這種方式，讓我們可以用一種更自然、更貼合自己的方式去“定制”和使用軟件。

Greg：我覺得這正是關(guān)鍵。而且我一直在想，我們過去構(gòu)建計算機(jī)的方式，其實(shí)是在把人“拉進(jìn)”數(shù)字世界。你想想，你每天花多少時間在手機(jī)上滑來滑去、不停點(diǎn)按鈕？可問題是，為什么非得這樣？為什么一定要你去適應(yīng)機(jī)器？

而 AI 的方向，恰恰是反過來：把機(jī)器拉近你，讓它更個性化、更理解你的目標(biāo)。我們一直在流行文化里看到那種可以對話、可以替你完成任務(wù)的計算機(jī)，現(xiàn)在這件事開始變成現(xiàn)實(shí)了。而這種變化的“驚艷之處”，其實(shí)是你必須親自試過才會明白。

Alex：為什么 AI 在公眾中這么不受歡迎？比如 YouGov 的一項調(diào)查顯示，預(yù)期 AI 對社會產(chǎn)生負(fù)面影響的美國人是預(yù)期正面影響的三倍。你覺得背后的原因是什么？你會擔(dān)心 AI 的“品牌形象”嗎？

Greg：我們確實(shí)還沒有很好地向整個社會解釋清楚：AI 到底“為什么對他們有好處”。不僅僅是宏觀經(jīng)濟(jì)增長 GDP 之類的，而是更具體的，比如它如何真正改善普通人的生活？

其實(shí)我每天都能聽到很多非常具體、非常真實(shí)的案例。比如有一個家庭，他們的孩子一直頭痛，但卻被拒絕做 MRI。后來他們用 ChatGPT 去查癥狀，發(fā)現(xiàn)可以據(jù)此向保險公司提出更有力的申請理由。最后成功做了 MRI，發(fā)現(xiàn)孩子有腦腫瘤，救了孩子的命。類似的故事還有很多，很多人的生活被深刻地改善，甚至被拯救，都是因?yàn)樗麄冊谡嬲芭c AI 協(xié)作”。但這些故事，其實(shí)并沒有被廣泛傳播。

另一方面，我們過去的流行文化，尤其是上世紀(jì)九十年代以來的那些敘事，對 AI 的描繪大多是負(fù)面的，總是在強(qiáng)調(diào)“可能出什么問題”。但一旦人們真的開始用 AI，他們就會發(fā)現(xiàn)它是有用的。

所以我確實(shí)很擔(dān)心，我們還沒有成功地幫助大家理解：這一波技術(shù)浪潮，實(shí)際上會改善他們的生活，甚至增強(qiáng)人與人之間的連接。

而如果你再從更宏觀的角度看，AI 的重要性還不止于此。我認(rèn)為它將成為未來經(jīng)濟(jì)實(shí)力和國家安全的核心來源，關(guān)乎國家之間的競爭力。像中國這樣的國家，在 AI 上的推進(jìn)方向甚至是完全相反的路徑。

我認(rèn)為這件事非常重要，我們必須正視它，并且真正思考，如何讓這項技術(shù)的紅利能夠被所有人共享。

10 如何看待建造數(shù)據(jù)中心的負(fù)面影響

Alex：我跟很多人聊到 AI 時，他們都會問：“我的工作還能保住多久？”另外，公眾對數(shù)據(jù)中心的態(tài)度甚至比對 AI 本身還要負(fù)面。Pew 的調(diào)查顯示，很多人認(rèn)為數(shù)據(jù)中心對環(huán)境、家庭能源成本和附近居民的生活質(zhì)量弊大于利。

現(xiàn)在的情況是，一方面好工作本來就不好找，另一方面數(shù)據(jù)中心又不斷進(jìn)入社區(qū)，但人們卻覺得它對環(huán)境和生活都不友好。他們的這種看法是錯的嗎？

Greg：關(guān)于數(shù)據(jù)中心，其實(shí)確實(shí)存在很多誤解。比如說用水這件事。以我們在 Abilene 的設(shè)施為例，它可能是全球最大的數(shù)據(jù)中心之一，但它一整年的用水量，大致和一個普通家庭差不多，幾乎可以忽略不計。但外界普遍存在一種認(rèn)知，覺得這些數(shù)據(jù)中心會消耗大量資源。同樣在電力方面，我們也承諾不會把成本轉(zhuǎn)嫁給普通用戶，不會推高居民電價。

整個行業(yè)現(xiàn)在也在逐步做出類似承諾，我們必須讓社區(qū)從中受益，而不是被負(fù)擔(dān)。在建設(shè)數(shù)據(jù)中心時，我們也會盡量融入當(dāng)?shù)厣鐓^(qū)，了解當(dāng)?shù)氐膶?shí)際需求，看看我們能提供什么幫助。與此同時，這些項目會帶來稅收，也會創(chuàng)造就業(yè)機(jī)會。整體來看，是有不少正面效益的。所以在我看來，這更多是一個“如何去呈現(xiàn)和實(shí)踐”的問題，而這也是我們非常認(rèn)真對待的一項責(zé)任。

Alex：但即便電費(fèi)不會上漲，你也得引入電力，這就意味著可能產(chǎn)生更多污染。這難道不值得擔(dān)心嗎？

Greg：所謂“不提高能源成本”，并不意味著簡單地增加消耗。如果你看現(xiàn)在的電網(wǎng)，其實(shí)有很多“閑置電力”，也就是已經(jīng)存在但沒有被充分利用的能源。與此同時，很多地方的輸電系統(tǒng)也需要升級。在這種情況下，我們把這部分升級的責(zé)任由我們承擔(dān)，而不是讓納稅人去承擔(dān)。

另外，有很多地方其實(shí)擁有清潔能源，但沒有被充分利用，相當(dāng)于被“浪費(fèi)”掉了。通過引入數(shù)據(jù)中心，反而可以推動電網(wǎng)的升級，這對整個系統(tǒng)是有益的。舉個例子，在 North Dakota，我們就看到因?yàn)閿?shù)據(jù)中心的落地，當(dāng)?shù)氐碾妰r反而下降了，基礎(chǔ)設(shè)施得到了改善，最終讓所有人受益。

Alex：你曾向 MAGA 捐贈了 2500 萬美元，這是一個偏向支持 Trump 的 PAC。你在采訪中說過，你愿意為推動這項技術(shù)造福所有人做任何事情。那如果這讓你成為一個“單一議題選民”，你也接受。

一個更強(qiáng)大的國家，是否本身就能讓你的目標(biāo)更容易實(shí)現(xiàn)？即使某位候選人并不完全支持你的具體立場，那一個更強(qiáng)的國家，難道不應(yīng)該是所有政治行為的北極星嗎？這是否也是你做出這類捐贈的原因？

Greg：我和我妻子確實(shí)做出了這筆捐贈，我們也向兩黨都支持過的超級 PAC 進(jìn)行過捐贈。

我之所以這么做，是因?yàn)槲艺J(rèn)為這項技術(shù)正在快速發(fā)展，在未來幾年內(nèi)會徹底改變一切，成為經(jīng)濟(jì)的基礎(chǔ)設(shè)施。而目前，它在公眾中的接受度其實(shí)并不高。所以我們希望支持那些真正愿意投入、認(rèn)真對待這項技術(shù)的政客，讓他們愿意去理解、去推動它的發(fā)展。

在我看來，這項技術(shù)本質(zhì)上是在提升一個國家的整體實(shí)力。我確實(shí)可以說自己是一個“單一議題捐贈者”，因?yàn)槲矣X得這是我能做出的、最有價值的貢獻(xiàn)之一。但核心還是一點(diǎn)：我們應(yīng)該支持這項技術(shù)，讓國家整體能夠在這一波浪潮中受益。

11 建立對 AI 的掌控感

Alex：你會對那些害怕 AI 的人說什么？他們可能會擔(dān)心它會取代工作、污染環(huán)境、甚至改變世界太快，你會怎么回應(yīng)他們？

Greg：我最想說的第一件事是：去嘗試用這些工具。只有親自體驗(yàn)過 AI，了解現(xiàn)在這些技術(shù)到底能做什么，你才能真正理解它的價值。這種感受，是別人很難用語言傳達(dá)的。

我們已經(jīng)看到，這項技術(shù)正在釋放大量機(jī)會。比如，現(xiàn)在任何一個沒有編程經(jīng)驗(yàn)的人，都可以用 AI 去做網(wǎng)站。如果你想創(chuàng)業(yè)，它可以幫你處理后臺流程、管理系統(tǒng)等很多復(fù)雜問題。

所以我建議你去想在你的生活里，它能幫你做什么？在健康、家庭、賺錢、節(jié)省開支這些方面，它能提供什么幫助？人們往往更容易看到“會改變什么”，卻很難看到“會帶來什么”。但我認(rèn)為，我們應(yīng)該公平地去看待這兩面，然后再做判斷。

Alex：調(diào)查數(shù)據(jù)里也顯示，那些只是“聽說過 AI 但沒有用過”的人，或者從沒用過的人，態(tài)度往往更負(fù)面；而真正用過的人，甚至只是輕度使用的人，對 AI 的評價通常都更正面。

Greg：我們已經(jīng)思考這項技術(shù)很多年了，而現(xiàn)在我們看到的現(xiàn)實(shí)，比我們當(dāng)初想象的還要更令人驚訝、更有益，而且它帶來的正面影響，很可能遠(yuǎn)超預(yù)期。

Alex：你會建議人們?nèi)绾螢槲磥碜鰷?zhǔn)備？我有朋友來問我，他們說不知道自己的工作會怎樣，也不知道未來會怎樣，他們只想知道“我該做什么”。

Greg：我認(rèn)為最重要的一點(diǎn)，是理解這項技術(shù)本身。那些真正從中獲得最大價值的人，往往是帶著好奇心去使用它的人，他們會主動把它融入自己的工作流程里。更重要的是，要建立一種“我可以掌控它”的能力感。你可以當(dāng)“管理者”，可以設(shè)定方向、可以分配任務(wù)，也可以做監(jiān)督。

我們正在構(gòu)建的是一種幫助人類、服務(wù)人類的技術(shù)，它的目標(biāo)是養(yǎng)更多的人與人之間的連接、讓人們有更多時間去做真正想做的事情。所以關(guān)鍵問題其實(shí)是：你真正想要什么？嘗試去明確這一點(diǎn)，然后借助這項技術(shù)，把它一步步實(shí)現(xiàn)出來。

原視頻鏈接：

https://www.youtube.com/watch?v=J6vYvk7R190

聲明：本文為 InfoQ 整理，不代表平臺觀點(diǎn)，未經(jīng)許可禁止轉(zhuǎn)載。

會議推薦

QCon 全球軟件開發(fā)大會·2026 北京站將于 4 月 16 日 -18 日正式舉辦。本屆大會以“Agentic AI 時代的軟件工程重塑”為主題，聚焦 100+ 重磅議題，匯聚來自阿里、騰訊、字節(jié)跳動、小米、百度等一線科技企業(yè)與創(chuàng)新團(tuán)隊的技術(shù)專家，圍繞 AI 工程化、系統(tǒng)架構(gòu)與研發(fā)模式演進(jìn)展開深入探討。更多詳情可掃碼或聯(lián)系票務(wù)經(jīng)理 18514549229 進(jìn)行咨詢。