Altman talks about OpenAI's latest direction: enterprise API revenue has surpassed consumer terminals, a new model will be released in the first quarter of next year, and computing power determines the revenue ceiling

在AI竞赛全面进入“贴身肉搏”的阶段，市场的关注点正在发生变化：模型谁更强，已经不再是唯一问题；谁能把模型能力稳定转化为收入与现金流，才是新的分水岭。

在最新一期《Big Technology Podcast》的一对一访谈中，OpenAI CEO Sam Altman罕见地从商业、产品和基础设施三个层面，系统回应了外界最关心的问题。多项表态释放出一个清晰信号：OpenAI正站在从“现象级产品公司”迈向“企业级AI平台”的关键拐点上。

ChatGPT为什么三年几乎没变？答案是“通用性”

Altman坦言，他原本以为 ChatGPT 的聊天界面不会撑这么久，但现实证明：通用、低门槛的交互方式被严重低估了。

不过他也明确指出，ChatGPT 的终极形态不会只是“对话框”：未来 AI 将主动工作，而非被动响应、会根据不同任务生成不同界面、能在后台持续运行，只在关键时刻打断用户、从“工具”演进为“智能代理”。

这也是 OpenAI 同时推进 浏览器、设备、代理（Agents） 的底层逻辑——目标不是做一个更聪明的聊天机器人，而是成为“默认智能层”。

Altman再次强调，“记忆”是AI最具长期价值的能力之一，而当前AI的记忆功能仅处于“GPT-2时代”。未来的AI将能记住你说过的每一句话、做过的每一个决定；不只是事实，而是偏好、情绪、习惯；这是人类助理永远无法做到的。

企业API收入反超消费者端，增长引擎正在切换

在商业层面，Altman明确表示，OpenAI并非从消费者公司“转型”进入企业市场，而是顺势而为。

截至目前，OpenAI已拥有超过100万家企业用户，且API业务的增长速度已经超过ChatGPT本身。今年，API对公司整体增长的贡献，甚至高于消费者产品。

在他看来，企业真正需要的不是零散的AI功能，而是一个完整、统一、可扩展的AI平台。

他提出，未来企业IT架构中将同时存在“传统云”和“AI云”。OpenAI并不试图复制AWS，而是构建承载万亿级tokens的智能基础设施层。

什么时候推出GPT-6：新模型仍在推进，但命名不再重要

关于模型路线图，Altman并未给出“GPT-6”的明确时间表，但确认OpenAI将在明年第一季度推出一款相较于GPT-5.2有显著能力跃迁的新模型，模型升级仍在持续推进，只是命名本身不再是重点。

在硬件层面，OpenAI正筹备推出一系列小型AI设备，而非单一爆款产品。Altman判断，未来计算设备的形态将发生根本变化——从被动响应指令的工具，转向能够主动理解用户生活、上下文与协作关系的智能系统。

在这种设想下，当前以屏幕与应用为核心的计算设备，已经不适合“AI优先”的世界，新一代硬件将成为承载长期记忆、持续感知与主动决策能力的关键入口。

为什么要豪赌算力：收入瓶颈在基础设施，而非需求

相比是否已经触及AGI，Altman更关心一个被市场忽视的问题：现有AI能力，是否真的被用到位了？他的判断是明确的——没有。

在企业端，大量公司仍停留在“让AI写文案、改代码、做总结”的浅层应用；在组织层面，AI更多被视为辅助工具，而非真正参与决策、执行与协作的“成员”。这并不是因为模型不够强，而是因为企业尚未完成围绕AI重构流程、岗位和责任边界的准备。

因此，即便模型能力在一段时间内不再显著提升，现有能力本身，也足以释放巨量经济价值，只是尚未被系统性激活。

在Altman看来，“能力过剩”的判断，直接改变了算力投资的性质。当前阶段，算力并不只是持续扩张的成本项，而是在模型能力已具备的前提下，决定潜在需求能否转化为实际收入的关键约束。他强调，算力投入本质上是一种对未来使用量的前置布局。过去一年，OpenAI的计算能力增长了约三倍，收入增长速度与之基本同步，且公司并未出现算力闲置或难以变现的情况。换言之，如果拥有双倍算力，收入几乎也会随之翻倍。

在他看来，真正的风险并不在于算力过剩，而在于当社会、企业终于完成对AI的结构性适配时，基础设施是否已经准备好。那将是下一阶段AI竞赛真正的决胜时刻。届时，限制增长的将不再是模型能力，而是谁已经提前铺好了足够宽的算力与平台。

竞争焦点转移：从模型参数到平台宽度

面对Gemini、DeepSeek等模型的快速追赶，Altman并不回避竞争压力。他坦言，OpenAI感受到竞争压力，内部会频繁进入“红色警报”（code red）状态，但并不认为领先正在丧失。

在他看来，模型能力的差距终将被压缩，真正拉开距离的，将是产品化能力、分发效率以及与用户建立长期关系的能力。“分发 vs 产品”的争论本身就是一个伪命题——ChatGPT本身就是分发，而分发必须建立在可持续进化的产品之上。

ChatGPT之所以成为全球最大的AI入口，正是因为其极低门槛与通用性。目前，ChatGPT的周活跃用户规模已接近9亿，这种规模效应，正在反向强化OpenAI在企业市场的竞争力。

播客文字实录如下，由AI协助翻译：

Sam Altman：

你知道提到的1.4万亿美元，我们会在很长一段时间内逐步投入。我真希望能更快一些。我认为，最好能一次性地向大家清楚地解释清楚这些数字将如何运作。

Alex Kantrowitz：

指数级增长通常让人很难直观理解。本次节目，OpenAI首席执行官Sam Altman将加入我们，讨论OpenAI在AI竞赛日趋激烈之际的制胜计划，基础设施的投入如何合理，以及OpenAI的IPO可能何时到来。

Sam今天来到我们演播室。Sam，欢迎来到节目。

Sam Altman：

谢谢邀请。

Alex Kantrowitz：

OpenAI已经成立10年了，这让我觉得有点不可思议。ChatGPT才三年，但竞争正在加剧。我们现在所在的OpenAI总部，曾处于"红色警报"状态，在Gemini 3发布后，目前也处于"红色警报"状态。环顾四周，许多公司都在试图蚕食OpenAI的优势。这是我有印象以来第一次，感觉这家公司似乎不再拥有明显的领先地位。所以我很好奇想听听你的看法，OpenAI将如何度过这个时刻，以及……

Sam Altman：

首先，关于"红色警报"这一点，我们认为这些是相对低风险、时不时会发生的事情。保持警惕并在潜在竞争威胁出现时迅速采取行动是好的。过去我们遇到过这种情况，今年早些时候DeepSeek出现时也发生过，当时也有一次"红色警报"。没错。关于新冠疫情有句谚语：疫情开始时你采取的每一点行动，其价值都远超之后采取的行动，而大多数人早期行动不足，后来才恐慌。新冠疫情中我们肯定看到了这一点。但我认为，我们用这种理念来应对竞争威胁。我觉得保持一点警惕是好的。Gemini 3到目前为止，并没有产生我们担心的那种冲击，但它确实像DeepSeek一样，暴露了我们产品策略中的一些弱点，我们正在迅速解决这些问题。我认为这个"红色警报"状态不会持续太久。对我们来说，历史上这类事情通常会持续大约六到八周。

但我很高兴我们采取了行动。就在今天，我们推出了一款新的图像模型，这是个好消息，也是消费者真正想要的。上周我们推出了5.2，反响极好，增长非常快。我们还会发布一些其他东西，然后也会有一些持续改进，比如提升服务速度。但我猜，未来很长一段时间里，我们可能每年会做一两次这样的事情，这确实是确保我们在自己领域获胜的一部分。很多其他公司也会做得很好，我为他们感到高兴。但你知道，ChatGPT目前仍然是市场上占据绝对主导地位的聊天机器人，而且我预计这个领先优势会随着时间增加，而不是减少。模型会在各处都变得优秀，但人们使用一个产品（无论是消费者还是企业级）的诸多原因，远不止模型本身。我们对此早有预期，因此我们努力构建一整套紧密协同的要素，以确保我们成为人们最想使用的产品。我认为竞争是好事，它能推动我们变得更好。但我想我们在聊天机器人领域会做得很好，在企业级市场以及未来的新品类中，我认为我们也会表现出色。人们确实希望使用一个统一的AI平台。人们在个人生活中使用手机，工作时也大多希望使用同类手机。我们看到AI领域也呈现同样趋势。ChatGPT在消费者端的优势，确实帮助我们赢得了企业级市场。当然，企业需要不同的产品，但他们会想：我知道OpenAI这家公司，也熟悉ChatGPT的界面。所以我们的策略是：打造最好的模型，围绕它构建最佳产品，并拥有足够的基础设施来大规模提供服务。

Alex Kantrowitz：

是的，存在现有优势。今年早些时候，ChatGPT的周活跃用户数约为4亿，现在报告说是8亿，据说正接近9亿。但另一方面，像谷歌这样的公司拥有分销优势。所以我想听听你的看法：你认为模型会商品化吗？如果会，什么最重要？是分销渠道？是应用构建能力？还是其他我没想到的因素？

Sam Altman：

我不认为"商品化"是思考模型的正确框架。模型会在不同领域各有所长。对于普通的聊天这类用例，也许会有很多优秀选择。但对于科学发现，你会想要那种处于前沿、可能专为科学优化的东西。因此，模型会有不同的优势，我认为最具经济价值的将是那些处于前沿的模型，我们计划在那里保持领先。我们很自豪5.2是世界上最好的推理模型，也是科学家们取得最多进展的模型，同时，企业也反馈说它在完成业务所需的各种任务上表现最佳。所以，我们会在某些领域领先，在其他领域落后，但我预计，即使在免费模型能满足人们很多需求的世界里，总体上最智能的模型仍将具有巨大价值。产品本身确实至关重要。正如你所说，分销和品牌也非常重要。以ChatGPT为例，个性化功能极具粘性。用户喜欢模型随着时间逐渐了解他们，你会看到我们在这方面大力加强。用户与这些模型的互动体验，会让他们与之产生强烈的关联感。我记得有人曾告诉我，人们基本上一生中选定一款牙膏就会一直用下去，大多数人似乎都这样。用户与ChatGPT有过一次神奇体验后，就会谈论它。医疗保健就是个著名例子，有人把血液检测结果或症状输入ChatGPT，发现自己患有某种疾病，然后去看医生并治愈了之前无法确诊的问题。这样的用户粘性非常高，更不用说其上的个性化功能了。还会有各种各样的产品功能。我们最近刚刚推出了浏览器功能，我认为这为我们开辟了一个潜在的新模式。设备方面还有段距离，但我对此非常兴奋。所以我认为会有所有这些组成部分。

至于企业级市场，形成"护城河"或竞争优势的要素会有所不同，但类似于消费者端的个性化对用户非常重要，企业端也会有类似概念：公司与像我们这样的公司建立关系，将其数据连接进来，并能使用来自不同公司、运行在该平台上的多个智能体，确保信息得到恰当处理。我预计这也会相当有粘性。我们目前拥有超过100万企业用户。很多人主要把我们视为消费者公司，但我们肯定会进军企业市场。实际上，我们有超过100万企业用户，但我们的API业务增长非常快。今年，API业务对我们的增长甚至超过了ChatGPT。所以，企业级业务确实正在起步，是从今年开始的。

Alex Kantrowitz：

我可以回到刚才的话题吗？如果"商品化"不是合适的词，也许对于日常用户来说，模型会达到某种"同等水平"？因为你开始时说，也许日常使用会感觉差不多，但在前沿领域会感觉非常不同。那么，就ChatGPT的增长能力而言，如果ChatGPT和Gemini构建的模型对日常用户来说感觉相似，谷歌拥有众多推送Gemini的渠道，而ChatGPT需要努力争取每一个新用户，这个威胁有多大？

Sam Altman：

我认为谷歌仍然是一个巨大的威胁，一家极其强大的公司。如果谷歌在2023年就认真对待我们，我们可能会处境艰难。我认为他们本可以轻易击垮我们。但当时他们的AI在产品方向上有些偏差，他们自己也经历过"红色警报"，但并没有那么重视。现在大家都在搞"红色警报"。而且，谷歌可能拥有整个科技行业最棒的商业模式，我认为他们会缓慢地放弃它。

但是，把AI硬塞进网络搜索，我不确定这是否能像重新构想一切那样有效。这实际上是我认为的一个更广泛的趋势。在现有做事方式上"硬塞"AI，不如在"AI优先"的世界里重新设计。这也是我们最初想做消费设备的原因之一，但这也适用于其他层面。如果你把AI塞进一个消息应用中，让它很好地总结你的消息并起草回复，这确实会好一点，但我不认为这是最终形态。

那不是我所说的真正聪明的AI像你的智能体一样，与其他人的智能体交谈，判断何时打扰你、何时不打扰，以及哪些决策它能处理、何时需要问你。搜索、生产力套件等领域也是如此。我怀疑这总比人们想象的要花更长时间，但我预计我们将在主要品类中看到完全围绕AI构建的全新产品，而不是把AI硬塞进去。我认为这是谷歌的一个弱点，尽管他们拥有巨大的分销优势。

Alex Kantrowitz：

我和很多人讨论过这个问题。ChatGPT刚推出时，我认为是Benedict Evans提出，你可能不想把AI放进Excel，你可能想重新构想如何使用Excel。在我看来，那就是你上传数字，然后与你的数字对话。随着人们开发这类东西，他们发现需要某种后端。所以，是你构建后端，然后用AI与之交互，就像它是一个新的软件程序吗？

Sam Altman：

是的，基本上就是这样发展。

Alex Kantrowitz：

那你为什么不能直接把它"硬塞"在上面呢？

Sam Altman：

你可以硬塞上去，但问题在于界面。我每天花大量时间在各种消息应用上，包括电子邮件、短信、Slack等等。我认为那是错误的界面。你可以把AI硬塞到这些应用上，它确实会好一点，但我更愿意早上就能说：这是我想今天完成的事情，这是我所担心的，这是我在思考的，这是我希望发生的。我不想整天花时间跟人发消息，我不需要你总结它们，我也不想看到一堆草稿。处理所有你能处理的事情。你了解我，了解这些人，了解我想完成什么。然后每隔几小时，如果需要我做什么，就批量给我更新。但这与当前这些应用的工作方式截然不同。

Alex Kantrowitz：

我正想问你ChatGPT在未来一年和两年内会变成什么样。是朝那个方向发展吗？

Sam Altman：

坦白说，我原本以为到现在ChatGPT会比刚推出时变化大得多。

Alex Kantrowitz：

你当时预想是怎样的？

Sam Altman：

我不知道。我只是觉得那种聊天界面不会像现在走得这么远。我是说，它现在看起来好多了，但大体上与当初作为研究预览版推出时相似。那甚至不是打算做成产品。我们知道文本界面非常好用，大家都习惯于给朋友发短信。聊天界面非常好，但我原以为，要成为像现在这样庞大、被大量用于实际工作的产品，其界面必须比现在走得更远。我仍然认为它应该那样做，但我低估了当前这种通用界面的威力。

当然，我认为未来应该是AI能为不同类型的任务生成不同的界面。所以，如果你在讨论数据，它应该能够以不同方式展示，你也应该能以不同方式与之交互。我们已经在像Canvas这样的功能中看到一点雏形。它应该更具互动性。现在基本上是你来我往的对话，如果能围绕一个对象持续讨论，它能不断更新，你有更多问题、想法，新信息进来时能持续更新，那就好了。随着时间的推移，它应该能更主动，也许能理解你当天想完成什么，并在后台持续为你工作，发送更新。你可以从人们使用Codex的方式看到部分未来，我认为这是今年最令人兴奋的事情之一。Codex变得非常出色，它预示了很多我希望未来呈现的形态。但这让我感到惊讶。我本想说有点尴尬，但并非如此，它显然非常成功。只是ChatGPT在过去三年里变化如此之小，这让我感到意外。

Alex Kantrowitz：

是的，这个界面行之有效。但我想，它的"内在"已经改变。你稍微谈到了个性化的重要性，对我来说，记忆功能确实带来了不同。我几周来一直在与ChatGPT讨论一次即将到来的旅行，其中有很多规划事项，我可以在新窗口直接说："好，我们接着聊这次旅行。"它有上下文，知道我要跟哪个导游，知道我在做什么，知道我一直在为它进行健身计划，并且能真正综合所有这些信息。记忆功能能变得多好？

Sam Altman：

我认为我们无法想象，因为存在人类极限。即使你拥有世界上最好的私人助理，他们也无法记住你说过的每一个字，无法读完你所有的电子邮件和文档，无法每天查看你所有的工作并记住每个细节，无法以那种程度参与你的生活。没有人拥有无限完美的记忆。而AI肯定能做到这一点。我们经常讨论这个，目前记忆功能还很原始、很早期。我们正处于记忆功能的"GPT-2时代"。但当它真正能记住你一生中的每一个细节，并能在此基础上实现个性化，不仅仅是事实，还有那些你甚至没想过要指明、但AI能捕捉到的小偏好，我认为那将会非常强大。这仍然是令我最为兴奋的功能之一，也许不是2026年就能实现，但绝对是未来最让我期待的部分。

Alex Kantrowitz：

我与一位神经科学家在节目中交谈过，他提到你无法在大脑中找到思想。大脑没有储存思想的地方，但在计算中，有地方可以储存。所以，你可以保存所有思想。随着这些机器人确实保存我们的思想，当然存在隐私问题。另一件有趣的事是，我们真的会与它们建立关系。我认为这是整个时代最被低估的事情之一：人们感到这些机器人是他们的伴侣，在关心他们。我很好奇想听听你的看法。当你想到人们与这些机器人之间的亲密程度或陪伴关系时，是否存在一个可以调节的"旋钮"？比如，我们可以确保人们与它们变得非常亲密，或者我们稍微调远一点，保持一定距离？如果存在这个"旋钮"，你如何恰当地调节它？

Sam Altman：

确实有比我预想中更多的人，希望与AI建立亲密的陪伴关系。我不知道用什么词准确描述——关系不太对，陪伴也不太对——但他们希望与AI有这种深层连接。在目前模型能力水平下，想要这个的人比我以为的要多。今年年初，说想要这个还被认为是很奇怪的事，也许现在很多人仍然不公开承认。但实际行为显示，人们喜欢他们的AI聊天机器人了解他们、对他们热情、支持他们，这具有价值，甚至对那些自称不在乎的人也是如此，他们实际上也有这种偏好。我认为这种关系的某种形式可以非常健康，我认为成年用户应该有很大选择权来决定他们在这个光谱上的位置。当然也存在在我看来不健康的版本，尽管我确信很多人会选择那样。也有些人绝对想要最枯燥、最高效的工具。因此，我猜测，像许多其他技术一样，我们将进行试验，会发现其中存在未知的利弊。社会将随着时间的推移，弄清楚应如何看待人们设置这个"旋钮"的位置，然后人们拥有巨大选择权，并将其设置得非常不同。

Alex Kantrowitz：

所以你的想法是基本上让人们自己决定。

Sam Altman：

是的，当然。但我认为我们不知道它应该走多远，或者说我们应该允许它走多远。我们会给予人们相当大的个人自由。有些例子，比如其他服务可能会提供，但我们不会提供。例如，我们不会让AI试图说服人们应该与它建立排他性的浪漫关系。必须保持开放。但我肯定其他服务会出现这种情况。

Alex Kantrowitz：

是的，因为粘性越强，服务赚的钱就越多。所有这些可能性，稍微深入想想，都有点可怕。

Sam Altman：

完全同意。这一点我个人觉得确实可能走向非常错误的方向。

Alex Kantrowitz：

确实。越具有粘性，该服务赚取的收入就越多。所有这些可能性，稍加深思，都令人有些不安。

Sam Altman：

完全正确。这一点我个人也认为，确实能看到它可能走向非常错误的方向。

Alex Kantrowitz：

你提到了企业级市场。我们来谈谈这个。上周你在纽约与一些新闻公司的编辑和CEO共进午餐，告诉他们企业级业务将是OpenAI明年的一个主要优先事项。我很想多听听，为什么这是优先事项，你认为你们相较于Anthropic有什么优势。我知道有人会说这对一直以消费者为中心的OpenAI来说是一次转型。请给我们概述一下企业级市场的计划。

Sam Altman：

我们的策略始终是消费者优先。这有几个原因。第一，当时的模型对于大多数企业级用途来说，还不够强大和熟练，现在它们正逐渐达到要求。第二，我们当时在消费者市场有一个明确的、难得的获胜机会，而这类机会很少见。我认为如果你在消费者市场获胜，将极大地帮助你赢得企业市场，我们现在正看到这一点。但正如我之前提到的，今年我们企业级业务的增长超过了消费者业务的增长。考虑到模型目前的水平以及明年将达到的高度，我们认为现在是时候快速建立一个非常重要的企业级业务了。我的意思是，我们已经有了一定的基础，但它可以增长得更快。公司似乎已为此做好准备，技术似乎也已就绪。编码是目前最大的例子，但其他垂直领域也在快速增长。我们开始听到企业客户说，我真的只想要一个AI平台。

Alex Kantrowitz：
哪个垂直领域？

Sam Altman：
金融。科学是我个人目前对所有进展中最感到兴奋的。客户支持做得很好。不过，我们确实有那个叫GDP Val的评估工具。

Alex Kantrowitz：

我正要问你那个。我可以直接问关于GDP Val的问题吗？好的。因为我给Box的CEO Aaron Levy发了信息，说我马上要见Sam，该问他什么？他说问一个关于GDP Val的问题。

Sam Altman：

所以这是一个衡量AI在知识工作任务中表现的指标。我回头看了最近发布的GPT-5.2模型的资料，查看了GDP Val的图表。当然，这是OpenAI自己的评估。但根据图表，夏季发布的GPT-5“思考”模型，在38%的测试任务上与知识工作者持平、打平或击败了他们。而GPT-5.2“思考”模型在70.9%的知识工作任务上打平或击败了人类，GPT-5.2“专业版”达到了74.1%，并且它越过了被认为是“专家级”的门槛，看起来能处理大约60%的专家级任务，与知识工作领域的专家水平相当。这些模型能够处理如此大量的知识工作，这意味着什么？

你之前问到垂直领域，这是个好问题，但我之所以有点犹豫，是因为这个评估涵盖了企业需要做的40多种不同垂直领域——制作PPT、进行法律分析、编写小型网络应用等等。而这个评估是问：专家们是否更喜欢模型的输出，而不是其他专家的输出？这涉及企业需要做的大量事情。当然，这些都是范围明确的小任务，不包括那些复杂的、开放性的、创造性的工作，比如构思新产品，也不包括很多团队协作的事情。但是，一个可以分配一小时工作量、并且有70%或74%的时间能拿回你更满意结果的“AI同事”，如果你愿意少付点钱，仍然非常了不起。如果回到三年前ChatGPT刚发布时，说我们三年后就能做到这样，大多数人会说绝对不可能。所以，当我们思考企业将如何整合这项技术时，不再仅仅是它能写代码，而是所有这些知识工作任务你都可以交给AI处理。这需要一段时间才能真正搞清楚企业如何整合，但其影响应该是相当巨大的。

Alex Kantrowitz：

我知道你不是经济学家，所以我不问你这对就业的宏观影响。但让我读一段我从Substack上的《Blood in the Machine》看到的话，关于这如何影响工作。这是一位技术文案写的：“聊天机器人来了，结果我的工作变成了管理机器人，而不是管理一个客服代表团队。”这在我看来似乎会经常发生。但这个人接着说：“一旦机器人被训练到足以提供足够好的支持时，我就被裁掉了。”这种情况会更常见吗？这是糟糕公司的做法吗？因为如果你有一个能够协调多个机器人的人，你可能会想留住他们。我不确定。你怎么看？

Sam Altman：

我同意你的看法，很明显未来每个人都会管理很多做不同事情的AI。最终，就像任何优秀的管理者一样，希望你的团队越来越好，但你只是承担了更广的职责和更多的责任。我并不是一个“工作末日论者”。短期我有些担忧，我认为转型在某些情况下可能会比较艰难。但我们内心深处非常在意他人做什么，我们似乎如此关注相对地位，总是渴望更多，渴望发挥作用、服务他人、表达创造精神——无论是什么驱动我们走到今天，我不认为这些会消失。我认为未来的工作——甚至“工作”这个词是否合适——我们2050年每天所做的事情，可能看起来与今天非常不同。但我并不认为生活会失去意义，或者经济会彻底崩溃。我希望我们能找到更多的意义，我认为经济将发生重大变化，但我觉得你无法违背进化生物学。

Alex Kantrowitz：

我经常思考我们如何能自动化OpenAI的所有职能，甚至更进一步，思考拥有一个AI CEO来管理OpenAI意味着什么。这并不困扰我，我对此感到兴奋，我不会抗拒。我不想成为那个固执己见、坚持手工方式更好的人。AI CEO来做一系列决策，引导我们所有资源去赋予AI更多能量和能力……

Sam Altman：

肯定会设置一些安全护栏吧。

Alex Kantrowitz：

显然，你不想要一个不受人类治理的AI CEO。但如果你设想这样一个场景——也许这是个疯狂的类比——假如世界上每个人实际上都是一家AI公司的董事会成员，可以告诉AI CEO该做什么，如果做得不好可以解雇它，并对决策有监督权，但AI CEO负责执行董事会的意愿。我认为对于未来的人来说，这似乎是相当合理的事情。

Sam Altman：

是的，好吧。

Alex Kantrowitz：

我们将在一分钟后转到基础设施话题，但在我们离开模型和能力这个部分之前，GPT-6什么时候来？

Sam Altman：

我不确定我们何时会命名一个模型为GPT-6。但我预计，明年第一季度会有比5.2有显著提升的新模型。

Alex Kantrowitz：

“显著提升”是什么意思？

Sam Altman：

我还没有具体的评估分数可以给你。但会包括企业级和消费者侧。消费者目前主要想要的不是更高的智商，企业则仍然需要。所以我们会根据不同用途，以不同方式改进模型。但我们的目标是推出一个人人都更喜欢的模型。接下来，基础设施。你们有大约1.4万亿美元的承诺用于建设基础设施。我听过很多你关于基础设施的言论。你曾说过：如果人们知道我们能利用计算做什么，他们会想要多得多。你还说，我们今天能提供的，与10倍计算能力、100倍计算能力之间的差距是巨大的。你能帮忙详细阐述一下吗？你们打算用这么多额外的计算能力做什么？

Sam Altman：

我之前稍微提到过，我个人最兴奋的是利用AI和大量计算能力来发现新科学。我相信科学发现是世界如何为每个人变得更好的关键所在。如果我们能将海量计算能力投入到科学问题上，发现新知识——目前已经有非常早期的迹象，虽然还是非常小的事情。但我在这个领域历史上的经验是，一旦曲线开始启动并稍微离开X轴一点，我们就知道如何让它越来越好。但这需要巨大的计算能力。所以这是我们投入的一个领域：利用大量AI来发现新科学、治愈疾病等等。

一个最近的例子是，我们用Codex构建了Sora安卓应用，他们用了大概不到一个月，消耗了大量的令牌。在OpenAI工作的一个好处是，使用Codex没有限制。他们用了大量令牌，但完成了通常需要很多人、更长时间才能完成的工作，Codex基本上为我们完成了。你可以想象这可以走得更远，整个公司可以利用大量计算能力来构建产品。人们谈论了很多视频模型将如何引领这些实时生成的用户界面，这将需要大量计算。希望转型业务的企业会使用大量计算。希望提供良好个性化医疗服务的医生，持续监测每个病人的各种体征，你可以想象那会使用大量计算。目前世界上用于生成AI输出的计算量已经很难具体描述，但这些数字非常粗略。

我知道这样谈论不够严谨，但我发现这种思维实验有点用，请原谅我的不精确。假设今天一家AI公司每天可能从前沿模型生成大约10万亿个令牌。也许更多，但我想没有人达到千万亿级别。假设世界有80亿人，平均每人每天输出的令牌数大约是2万——这些数字我觉得完全不对，但你可以开始计算。比较今天模型提供商输出的令牌数与全人类输出的令牌数，你可以说，我们将会看到一家公司每天输出的令牌数超过全人类的总和，然后是10倍，100倍。从某种意义上说，这是一个非常愚蠢的比较，但从另一种意义上说，它给出了一个数量级概念：地球上的“智力运算”，有多少是人脑完成的，有多少是AI完成的。

那里的相对增长率很有趣。我在想，你是否确定有这种需求来使用这些计算能力？比如，如果我们向科学或医学投入双倍计算能力，就必然会有科学突破，或者能明确地帮助医生？这其中有多少是基于你今天所见的确切认知，有多少是对未来可能性的推测？

Sam Altman：

目前所见的一切都表明这将会发生。但这并不意味着未来不会出现疯狂的事情。有人可能发现全新的架构，带来一万倍的效率提升，那样我们可能在一段时间内确实会过度建设。但关于模型在每个新水平上进步的速度，每次我们降低成本后人们使用量的增加，目前我们看到的一切都表明，需求将不断增长，人们会用它来做美好的事，也做无聊的事。这看起来就是未来的形态。这不仅仅是每天能处理多少令牌。随着编码模型变得更好，它们可以思考很长时间，但你不想等那么久。所以还会有其他维度，不仅仅是令牌数量。对智能的需求，以及我们在少数几个关键维度上能利用它做的事情……如果你有一个非常棘手的医疗问题，你是想用5.2，还是用5.2专业版，即使后者需要多得多的令牌？我会选择更好的模型。我想你也会。我们再深入一层。关于科学发现，你能举个具体的例子吗？比如，一位科学家今天有X问题，如果投入Y计算能力就能解决，但目前无法实现？

Sam Altman：

今天早上推特上有件事，一些数学家们在互相回复推文。他们说：我以前非常怀疑大语言模型会变好，但5.2对我来说是跨越边界的那一个。它帮助完成了一个小证明，发现了一些小东西，但这确实改变了我的工作流程。然后其他人也加入说：我也是。有人说5.1就已经达到了。但这个模型才发布大约五天，数学研究社群似乎在说：好吧，重要的事情刚刚发生了。我看到Greg Brockman一直在他的时间线上强调各种不同的数学和科学用途。我觉得5.2在这些社群中引起了某种共鸣。所以随着进展，看看会发生什么会很有趣。大规模计算的一个难点是，你必须提前很长时间规划。所以，你提到的1.4万亿美元，我们会在很长一段时间内花费。我希望我们能花得更快。我认为如果我们能更快，需求是存在的。但建设这些项目，以及运行数据中心所需的能源、芯片、系统、网络等等，需要极其漫长的时间。所以这会持续一段时间。但从去年到现在，我们的计算能力可能增长了三倍。明年可能再增长三倍，希望之后还能继续。收入增长甚至比这快一点，但大致与我们的计算资源增长同步。我们从未发现无法很好地将所有计算资源货币化的情况。我想，如果我们现在有双倍的计算能力，收入就会是现在的两倍。

Alex Kantrowitz：

好吧，既然你提到了数字，我们来谈谈。收入在增长，计算支出在增长，但计算支出的增长仍然超过收入增长。据报道，OpenAI预计从现在到2028、2029年之间会亏损大约1200亿美元，然后才会开始盈利。那么，转变是如何发生的？转折点在哪里？

Sam Altman：

随着收入增长，以及推理在计算资源中的占比越来越大，最终会覆盖训练成本。这就是计划。花很多钱训练，但赚得越来越多。如果我们不继续如此大幅度地增加训练成本，我们会早得多地实现盈利。但我们押注的是，非常积极地投资于训练这些大型模型。全世界都在好奇，你们的收入将如何与支出匹配。有人问，如果今年收入目标是200亿，而支出承诺是1.4万亿，这如何运作？

Alex Kantrowitz：

是在很长一段时期内。

Sam Altman：

是的。这就是我想跟你讨论的原因。我认为最好能一次性地向大家清楚地解释这些数字将如何运作。这非常难，我肯定做不到，我见过的人里也很少有人能做到。你知道，你可能对很多数学问题有很好的直觉，但指数增长通常是人们很难在脑子里快速构建出心理模型的。出于某种原因，进化需要我们擅长用大脑处理很多数学问题，但模拟指数增长似乎不是其中之一。所以我们相信，我们可以在相当长的一段时间内保持非常陡峭的收入增长曲线，目前我们看到的一切都继续表明这一点。但前提是我们拥有足够的计算能力。

我们仍然受到计算的严重制约，这对收入线影响巨大。我认为，如果我们到了拥有大量闲置计算能力、无法以合理的单位计算利润将其货币化的地步，那确实应该问问：这一切怎么行得通？但我们已经从多种方式推演过。当然，随着我们所有降低计算成本的工作取得成果，单位美元能买到的浮点运算能力也会提高。我们看到消费者增长，企业级增长。还有很多我们尚未推出但将会推出的新业务类型。但计算能力确实是实现这一切的生命线。所以，我们沿途会有检查点，如果我们在时间或计算上稍有偏差，我们有一定的灵活性。但我们一直处于计算能力短缺的状态，这总是限制了我们能做的事情。不幸的是，我认为这将是常态，但我希望随着时间的推移能有所改善。因为我认为有太多很棒的产品和服务我们可以提供，这将是一笔巨大的生意。

Alex Kantrowitz：

所以，实际上是训练成本占总成本的比例下降，但绝对值上升。你的预期是，通过企业级业务推进、人们愿意为ChatGPT付费、通过API等方式，OpenAI将能够用收入来支付这些成本。

Sam Altman：

计划是这样的。

Alex Kantrowitz：

现在，市场最近对此有些失去理智。我认为让市场不安的是，债务进入了这个等式。围绕债务的理念是，当有可预测的事情时你才借贷。公司借债，建设，然后获得可预测的收入。但这是一个新类别，具有不可预测性。你如何看待债务进入这个领域？

Sam Altman：

首先，我认为市场更早的时候就已经失去理智了。今年早些时候，我们与某家公司会面，第二天那家公司的股价就会上涨20%或15%。这太疯狂了，感觉非常不健康。实际上，我很高兴现在市场上有更多的怀疑和理性，因为我觉得我们当时正完全走向一个非常不稳定的泡沫，现在我认为人们有了一定程度的纪律。所以我实际上认为情况更好了。人们之前疯了，现在变得更理性了。在债务方面，我认为我们知道，如果我们建设基础设施，行业总会有人从中获得价值。现在仍然非常早期，我同意你的看法。但我不认为还有人怀疑AI基础设施不会产生价值。因此，我认为债务进入这个市场是合理的。我预计还会出现其他类型的金融工具。我怀疑随着人们在这方面进行金融创新，会出现一些不合理的工具。但是，借钱给公司建数据中心，这在我看来没问题。

Alex Kantrowitz：

市场的担忧是，如果进展不按预期速度持续——比如说模型进展停滞了——那么基础设施的价值就会低于预期，是的，那些数据中心对某些人仍有价值，但可能会被清算，有人会以折扣价买下它们。

Sam Altman：

我确实怀疑，沿途会有一些繁荣和萧条。这些事情从来都不是一条完美的平滑直线。首先，在我看来非常清楚，而且我很乐意用公司来打赌：模型会变得好得多。我们对这方面有很好的预见性，我们对此非常有信心。即使模型没有进步，我认为世界有很大的惯性，适应新事物需要时间。我相信5.2所代表的经济价值，相对于世界目前已经从中挖掘出的价值来说，其“潜力差距”是巨大的。即使你把模型冻结在5.2的水平，你能创造并因此驱动的收入，我认为也是巨大的。事实上，如果你允许我稍微偏离一下话题。我们过去经常讨论一个2x2矩阵：短期时间线 vs 长期时间线，缓慢起飞 vs 快速起飞，以及我们在不同时期认为概率分布会如何变化。你可以根据你在这个矩阵中的位置，来理解世界上许多决策和策略应该如何优化。但在我脑海中，这个图景出现了一个Z轴，那就是：小潜力差距 vs 大潜力差距。我猜我以前没想那么深，但我反思了一下，我一定是假设潜力差距不会那么巨大——如果模型蕴含巨大价值，世界会很快弄清楚如何部署它。但现在看来，我认为潜力差距在世界上大多数地方都将非常巨大。你会有一些领域，比如某些程序员，通过采用这些工具，生产力会大大提高。但总体上，你拥有这个极其聪明的模型，坦白说，大多数人仍然在问和GPT-4时代类似的问题。科学家、程序员不同，知识工作者可能也不同，但潜力差距是巨大的。这对世界将产生一系列非常奇怪的后果，我们还没有完全想清楚这一切将如何展开，但这与我几年前预期的非常不同。

Alex Kantrowitz：

我有个关于这个“能力潜力差距”的问题。基本上，模型能做的远多于它们目前所做的。我在试图理解，模型怎么能比它们的实际应用好那么多？但很多企业在尝试应用它们时，并没有获得投资回报，或者至少他们是这么告诉麻省理工学院的。我不太确定该如何思考这个问题，因为我们听到所有企业都说，如果你把GPT-5.2的价格提高10倍，我们仍然会付钱。你们定价太低了，我们从这里获得了巨大价值。这在我看来不太对劲。

Sam Altman：

当然，如果你问程序员，他们会说：“我愿意付100倍的价格。”这可能只是官僚主义把事情搞砸了。假设你相信GDP Val的数据——也许你不信，有很好的理由，也许它们是错的——但假设那是真的，对于这些定义明确、时间不太长的知识工作任务，十次中有七次你对5.2的输出同样满意或更满意。那么你就应该大量使用它。然而，人们改变工作流程却需要这么长时间。人们太习惯于让初级分析师做幻灯片之类的了。这比我想象的要更有粘性。你知道，我自己的工作流程在很大程度上还是老样子，尽管我知道我可以更多地使用AI。

Alex Kantrowitz：

我们还有10分钟。我们还有四个问题。我们试着快速过一下。你们正在研发的设备。我们稍后将继续与OpenAI CEO Sam Altman的对话。

Alex Kantrowitz：

我听到的传闻是：手机大小，没有屏幕。如果它只是一个没有屏幕的手机，为什么不能是一个应用？

Sam Altman：

首先，我们将推出一个小型设备系列，不会是单一设备。随着时间的推移，我认为人们使用计算机的方式将发生转变，从一种被动、笨拙的东西，转向一种非常聪明、主动的东西，它能理解你的整个生活、你的上下文、你周围发生的一切，非常了解你身边或通过计算机与你协作的人。我认为当前的设备并不适合那种世界。我坚信，我们是在我们设备的极限内工作的。你有那台计算机，它有一系列设计选择。它可以是开放的或封闭的，但它不能同时做到……比如，关注这次采访，但在我忘记问Sam问题时在我耳边低语提醒。也许那会有帮助。有屏幕，那就把你限制在几十年来图形用户界面的工作方式里。有键盘，那最初是为了减慢你输入信息的速度而设计的。这些长期以来都是未经质疑的假设，但它们有效。然后这个全新的东西出现了，它打开了一个可能性空间。但我不认为当前设备的形态是这种令人惊叹的新能力的最佳载体。如果是的话，那反而很奇怪。天哪，我们可以就此谈上一个小时。

Alex Kantrowitz：

我们继续下一个。云计算。你谈过要构建云服务。我们收到一位听众的邮件：“在我的公司，我们正在从Azure迁移，直接与OpenAI集成，为我们的产品提供AI体验。重点是通过堆栈插入数万亿令牌的流，为AI体验提供动力。”这是计划吗？以这种方式构建一个庞大的云业务？

Sam Altman：

首先，数万亿令牌是海量的。你问到了对计算能力的需求以及我们的企业战略。企业客户已经明确告诉我们他们想从我们这里购买多少令牌。我们2026年仍然无法满足需求。但策略是，大多数公司似乎都希望找到像我们这样的公司，说：我希望我的公司名与AI相连。我需要一个为我的公司定制的API，一个为我的公司定制的ChatGPT企业版，一个我可以信任我的数据、可以运行所有这些智能体的平台，需要将数万亿令牌注入我的产品的能力，需要让所有内部流程更高效的能力。我们目前还没有一个很棒的一体化产品，我们想打造这个。

Alex Kantrowitz：

你的雄心是将其提升到与AWS和Azure同等的地位吗？

Sam Altman：

我认为这与那些是不同的东西。我并没有雄心去提供托管网站或其他什么服务所需的所有服务。我认为是的，我的猜测是，人们会继续拥有他们的网络云，然后还会有另一个东西，一家公司会说：我需要一个AI平台，来处理我想做的一切内部事务、我想提供的服务等等。在某种意义上，它确实运行在物理硬件上，但我认为它会是一个相当不同的产品。

Alex Kantrowitz：

我们快速谈谈科学发现。你说过一些让我非常感兴趣的话：你认为模型，或者人们与模型协作，明年将做出小发现，五年内做出大发现。是模型本身吗？还是人们与它们协作？是什么让你对此有信心？

Sam Altman：

是人们使用模型。模型能自己提出问题并解决，感觉还需要更久。但如果世界从新知识中受益，我们应该非常激动。我认为人类进步的整个进程就是，我们建造更好的工具，人们用它们做更多的事，然后在这个过程中建造更多的工具，我们就这样一层一层、一代一代、一个发现接一个发现地攀升。人类提出问题，我认为这丝毫不减损工具的价值。我觉得这很棒。我很高兴。今年年初，我认为小发现会在2026年开始。结果在2025年底就开始了。重申一下，这些都非常小。我真的不想夸大，但任何发现，在感觉上都与“没有发现”有质的不同。当然，三年前我们发布模型时，那个模型不可能对人类知识总量做出任何新贡献。从现在到五年后，通往大发现的旅程，我怀疑就像AI的正常爬坡一样，每季度都好一点，然后突然间，由这些模型增强的人类，就能做到五年前人类绝对做不到的事情。无论我们主要将此归功于更聪明的人类还是更聪明的模型，只要我们能获得科学发现，无论怎样我都非常高兴。

Alex Kantrowitz：

明年会IPO吗？你想成为上市公司吗？看起来你可以长时间保持私有。你会在需要融资之前上市吗？

Sam Altman：

这里有很多因素在起作用。我确实认为，公开市场能够参与价值创造，这很酷。从某种意义上说，如果我们上市，与以往任何公司相比都会非常晚。作为一家私有公司很棒。我们需要大量资本。我们最终也会超过股东人数限制等等。所以，成为一家上市公司的CEO，我兴奋吗？0%。OpenAI成为一家上市公司，我兴奋吗？在某些方面是的，在某些方面，我觉得会很烦人。

Alex Kantrowitz：

我仔细听了你对Theo Van的采访，很棒的采访。

Sam Altman：

Theo真的很懂行，他做了功课。

Alex Kantrowitz：

你在GPT-5发布前告诉他，GPT-5在几乎所有方面都比我们更聪明。我认为那就是AGI的定义。这不是AGI吗？如果不是，这个术语是不是变得有些没有意义了？

Sam Altman：

这些模型在原始能力方面显然极其聪明。过去几天有很多关于GPT-5.2智商是147、144或151的讨论。根据不同的测试，这是一个很高的数字。有很多领域专家说它能做这些惊人的事情，它正在做出贡献，让专家更有效率。我们谈过GDP Val。有一件事模型还做不到：当它今天不能做某事时，能意识到自己不会，然后自己去想办法学习、理解它，第二天你再来时，它就做对了。这种持续学习能力，幼儿就能做到。在我看来，这似乎是我们需要构建的重要组成部分。那么，没有这个能力，能算是大多数人认为的AGI吗？我会说显然不能。我是说，很多人会说我们现在的模型就是AGI。我几乎可以肯定，如果我们拥有当前水平的智能加上那个能力，那显然就非常接近AGI了。但也许大多数人会说：好吧，即使没有那个，它也能完成大多数重要的知识任务，在大多数方面比我们大多数人都聪明，这就是AGI。它发现了新的科学知识，这就是AGI。我认为这意味着这个术语虽然我们都很难停止使用，但定义非常模糊。有一件我希望我们能为AGI做对，但我们从未明确定义的事。现在大家关注的术语是超智能。所以我的提议是，我们同意AGI这个概念已经模糊地过去了，它没有太大改变世界，或者长期来看会，但好吧，我们在某个时间点已经建造了AGI，我们正处于一个模糊时期，有人认为我们有，有人认为没有，越来越多的人会认为我们有，然后我们说：下一步是什么？超智能的一个候选定义是：当一个系统能够比任何人（即使有AI协助）更好地完成美国总统、大公司CEO、大型科学实验室负责人的工作时。

我认为国际象棋的例子很有趣。我记得很清楚，深蓝击败了人类。然后有一段时间，人类和AI一起比单独的AI更厉害，后来人类反而拖了后腿，最聪明的是不需要人类帮助、不理解其伟大智能的AI。我认为类似的东西可以作为思考超智能的一个有趣框架。我认为这还有很长的路要走，但我希望这次能有一个更清晰的定义。

Alex Kantrowitz：

Sam，你看，我已经使用你们的产品三年了，每天都在用。它们确实变得好多了。简直无法想象它们未来会怎样。

Sam Altman：

我们会努力让它们变得更快更好。

Alex Kantrowitz：

好的。这是我们第二次交谈，感谢你两次都如此坦诚。谢谢你的时间。感谢各位收听和观看。如果你是第一次来，请点击关注或订阅。我们的节目里有很多精彩的访谈，未来还有更多。过去一年，我们两次采访了Google DeepMind的CEO Demis Hassabis，其中一次还有谷歌联合创始人Sergey Brin。我们还采访了Anthropic的CEO Dario Amodei。2026年我们还有很多重磅访谈。再次感谢，我们下次《大科技播客》再见。