如果有一天，AI 能够完成最复杂的数学证明、发现新的物理学规律，甚至找到重大疾病的治疗方法，人类还需要做什么？
在 OpenAI CEO Sam Altman 看来，这已经不再是一个遥远的问题。随着 AI 开始参与真正的科学发现，人类正在进入一个新阶段。他预计，未来几年内，AI 有望帮助找到重大疾病的候选治疗方案。但相比医学进展，最让他个人感到兴奋的，反而是物理学领域可能出现的重大突破。
不过，AI 能力越强，人类就一定会过得越好吗？
最近，在与 AI 博主 Matthew Berman 长达 45 分钟的对话中，奥特曼谈到了一个颇为矛盾的现实：AI 已经能够承担越来越多的工作，但人们似乎并没有因此变得清闲。
程序员就是一个典型例子。过去，人们普遍担心 AI 编程会让开发者失业，但奥特曼发现，程序员反而可能比以往更加忙碌，创造更大的价值，甚至赚到更多的钱。原因之一在于，人类对软件的需求，远远超出了此前的想象。
这种变化也发生在奥特曼自己身上。他透露，自己已经大约一年没有看过一行代码，未来可能再也不会亲自编程。等到年老时重新写代码，或许只是为了怀念过去。
但让他感慨的不只是工作方式的变化，还有技术进步带来的失落感。对于许多人而言，亲自攻克一道难题、写出一段漂亮的代码，本身就是成就感的重要来源。当 AI 能够更快完成这一切，人类在获得效率的同时，也可能失去一部分创造过程中的乐趣。
谈到下一代个人 AI 助手，奥特曼认为，现有模型已经足够聪明，真正缺少的是更成熟的产品、更强大的算力，以及能够持续感知现实环境的新型硬件。当被问及未来究竟需要多少 GPU 时，他的回答相当直接：“无限多。能拿到多少，我就想要多少。”
对话还触及了更具争议的话题，包括 AI 是否拥有意识、模型是否应该获得人格地位，以及递归自我改进可能带来的失控风险。奥特曼认为，今天的 AI 并不具备通常意义上的意识，AI 应当服务于人类，而不是反过来决定人类的未来。他也坦言，OpenAI 内部尚未公开的模型，在部分数学研究任务上已经达到了现有公开模型难以企及的水平。
作为 OpenAI 的 CEO，奥特曼还谈到了外界很少看到的一面：有些早晨，他也会因为巨大的压力而不想起床。但他依然认为，既然决定付出巨大的努力，就应该选择真正重要的事情。
整场访谈中，最值得玩味的或许是他对 AI 未来的期待。他直言，自己并不喜欢行业反复强调“AI 将治愈癌症”的说法。不是因为这不重要，而是因为仅仅实现物质富足远远不够。如果人类为此失去了自主权、创造力和决定未来的能力，那么技术进步就可能走向另一个极端。
他希望 AI 带来的不是另一场让人更加忙碌的工业革命，而是一场让人拥有更多自由、更多创造空间的文艺复兴。
以下是这场对话的精华内容，经整理与编辑，在不改变原意的基础上有所删减。
AI 未来几年可能出现重大疾病治疗候选方案
Matthew Berman： 首先，我想聊聊你们上周公布的一些成果，包括数学证明和科学发现。我觉得这些进展非常不可思议，但对于没有深入关注这一领域的普通人来说，你能否解释一下，这些成果究竟意味着什么？
Sam Altman： 我认为，我们正在进入一个 AI 能够帮助人类发现重要新知识的时代。
我们已经讨论这个话题很长时间了。这样的变化可能从今年早些时候就开始出现，但现在情况已经变得非常明确：AI 正在完成一些极其困难的任务，解决非常复杂的问题，并发现真正重要的新知识。
我相信，在数学领域已经奏效的方法，同样能够应用到生物学、材料科学和能源研究中。它可以帮助我们研发新药、寻找新的能源来源，并在更多领域推动科学发现。
这一直是最令我兴奋的事情之一。
我认为，这种进步将对人们的生活产生巨大影响。不过，大多数人可能不会直接感受到自己正在使用 AI。他们只会发现，世界变得更好了，社会也在正常向前发展。
但在我看来，这背后的影响将是变革性的。
Matthew Berman：如果从普通人的日常生活出发，你认为这些科学发现会带来哪些切实可感的改变？我们大概需要等待多长时间？
Sam Altman：我希望，在未来几年内，我们就能看到一些重大成果。
当然，FDA（美国食品药品监督管理局）的审批流程需要时间。
所以我想区分两个时间点：一个是 AI 帮助我们发现某种重大疾病的治疗或者治愈方案，另一个是这种方案真正经过测试、最终进入临床应用。
我希望，在未来两年左右，我们能够针对某种重大疾病找到第一个真正具有重要意义的候选治疗方案。 但它仍然需要经过后续测试。我认为，我们可能需要对发现新药之后的部分流程进行改革，才能让这些治疗方案更快地惠及患者。
不过，我并不是说现有的监管和测试机制没有价值。恰恰相反，我很庆幸我们拥有这样的流程。
任何制度都有改进空间，药物研发与审批领域可能尤其如此。但当我们服用一种药物时，能够知道它已经接受过安全性测试，并且通常被认为是安全的，这是一件非常好的事情。
Matthew Berman： 目前有没有某个由 AI 推动或者通过 AI 发现的具体研究项目，让你特别兴奋？你认为它很快就可能取得突破吗？
Sam Altman：从个人情感上来说，最让我兴奋的还是物理学领域的重大突破。我希望这样的发现能够很快出现。当然，我不知道这是否一定是对整个人类最重要的事情，但这是我个人特别期待的方向。我有一种感觉，我们真的会迎来一次重大的物理学发现。想到这一点，就让我觉得非常兴奋。
“AI 让开发者赚更多钱”
Matthew Berman：数学界有些人面对 AI 的突破时，反应是：“我们并没有要求它来做这些事情。”这让我想到，最初 AI 开始大量编写代码时，软件工程师也曾经有过类似的反应。你认为这种抵触情绪来自哪里？未来又会如何演变？
Sam Altman：编程是一个非常有意思的例子。在讨论人们为什么会产生这种情绪之前，我想先说说编程领域已经发生的事情。之前，很多人都认为程序员的工作岗位将会消失，未来不再需要人类编写代码。
但现在我们看到的情况却是，程序员可能比以往任何时候都更加忙碌，他们创造的影响可能比过去更大，也可能赚到更多的钱。
当然，工作的具体内容已经发生了很大变化。但我们仍然需要雇用人，让计算机去完成各种各样的任务。而且，这种需求持续存在的时间，似乎会比很多人原先预想的更长。
要知道，就在六个月或者十二个月前，还有很多人非常确信，事情不会朝这个方向发展。这其中有很多值得总结的经验。
一个特别有意思的发现是：这个世界对软件的需求，实际上远远超过了我们此前任何人的想象。
Matthew Berman：但数学研究可能不太一样？
Sam Altman：是的。我认为，一部分数学家之所以会对 AI 的发展产生这样的反应，原因就在于，我们还不清楚数学领域是否也会像软件开发一样，出现如此庞大的新增需求。
不过，我已经开始看到一些与编程领域类似的变化。比如，我们可能不再需要完全依靠人类独立发现新的数学定理，或者独立完成数学证明。
也许，这部分工作正在结束，或者至少正在发生根本性变化。但与此同时，我们也发现，一些极其复杂、难以理解的数学证明，本身并不一定能够直接给人们带来帮助。
现在，已经有人开始对另一类工作产生兴趣：理解这些新的数学思想，弄清楚它们究竟意味着什么，再把它们转化成普通人能够理解的内容，或者写出优美、清晰的数学证明。
我相信，还会出现其他新的工作。
毫无疑问，去年作为一名数学家所意味着的事情，到了明年，在某些方面就会有所不同。我们可能会发现，数学家还有很多其他工作是人们真正需要的，而借助 AI，他们能够把这些事情做得更好。
至于这是否意味着社会对数学家的总体需求会增加，我还不知道。但我认为，这里面确实存在一个非常重要的变化。
Matthew Berman：你之前提到过，自己从来没有像现在这样忙碌，每天都有做不完的事情。这其实有点反直觉。很多人原本以为，AI 会让人类越来越清闲，甚至让我们没有那么多工作可做。
Sam Altman：是的，也许未来某一天真的会这样。但现在看来，事情远没有表面上想象得那么简单。我一直希望人们能够少工作一点，不要那么忙碌，可以拥有更多时间去做生活中的其他事情。我认为，技术本来就应该帮助我们实现这一点。我也真心希望这样的未来能够到来。但现实是，我们似乎特别擅长不断向生活索取更多东西，不断要求这个世界提供更多东西，最后又让自己变得更加忙碌。
Matthew Berman：我觉得这就是人性。如果我们满足于一百年前的生活水平，那么按照今天的生产效率，我们可能每周只需要工作一个小时。但现实并不是这样。而且，我认为人性中这种不断追求更多的倾向，其实也是一件美好的事情。举个例子，几周前，我的视频剪辑师开始使用 Astra 来剪辑我们的节目。他们现在仍然负责视频的导演工作，仍然要决定视频应该呈现出什么样的效果，但已经不再需要亲自操作剪辑时间轴了。这件事实在太不可思议了，而且几乎是一夜之间发生的变化。结果呢？我们制作了更多视频，剪辑师反而比以前更加忙碌。
Sam Altman： 让我感到惊讶的是，我现在经常听到别人讲述几乎一模一样的经历。越来越多的人都在说：AI 帮他们完成了原本需要亲手做的工作，但他们并没有因此闲下来，而是开始承担更多任务。
如果 AI 发现重大科学成果，OpenAI 会公开还是保留商业优势？
Matthew Berman：说到 AI 推动科学发现，我很好奇，你会如何处理科学成果的公开与商业利益之间的关系？假设 AI 或者 OpenAI 发现了某个重要的数学证明，或者取得了一项具有重大商业价值的科学突破。你们会选择公开这些成果吗？你如何权衡公司的竞争优势与公开成果对全人类的好处？
Sam Altman：我稍后再回答这个问题。不过，我发现自己刚才还没有完整回答你最开始提出的另一个问题，就是为什么一些人会对 AI 接管原本属于人类的工作感到失落。
我认为，创新和解决困难问题，本身就是很多人生活中乐趣的重要来源。我们必须坦诚地面对一个现实：AI 将会非常擅长完成这些工作。当然，有些问题会永远属于人类。比如，什么事情是值得珍惜的，什么东西真正具有价值，这些始终是需要人类自己回答的问题。
此外，对于如何解释研究结果、如何让别人理解这些结果，我们也会非常希望有人类参与其中。
但与此同时，我确实愿意接受这样的交换。我希望我们能够尽快找到治疗疾病的方法，即使这意味着某些人失去了花费几十年时间、亲自攻克这些难题的机会。
我相信，大多数人都会同意，我们不应该为了保留这种研究乐趣，而推迟疾病治疗方法的发现。
但我也承认，在这个过程中，我们确实正在失去一些真实而宝贵的东西。对于很多人来说，解决困难问题本身就是一种巨大的享受。就拿我自己的工作来说，最让我感到满足的，往往就是那些真正困难的问题。也许它们并不是工作过程中最令人愉快的部分，因为解决起来确实非常艰难。
但当我最终解决了一个难题，就会产生一种特别的满足感：我完成了一件困难的事情，我为自己感到骄傲，而且我知道自己的能力又提高了。
对于这种变化，我目前还没有答案。但我能够理解，为什么有人会因为 AI 的进步而产生某种失落感，甚至是一种哀伤。
Matthew Berman： 这有点像是在两件事情之间作出取舍。一方面是亲自完成工作的乐趣，例如编写代码，或者写出非常漂亮的代码。另一方面，则是最终交付一个产品。AI 正在让交付最终产品变得越来越容易，但与此同时，人们亲自参与具体创作过程的机会也越来越少。
Sam Altman： 我认为，人们正在以新的方式寻找创作的乐趣。回想一下，很久以前，当程序员不再使用穿孔卡片，而是开始编写能够交给编译器处理的程序时，可能也有人会感叹：“编程的艺术已经消失了。”
他们可能认为，如果你只需要编写代码，然后让编译器来处理，那么过去那种亲自完成每个步骤的技艺就不复存在了。但我确实能够理解这种感受。我自己也在很多方面感受到类似的变化。即便如此，我仍然对走向这样的未来感到兴奋。我相信，我们最终都会找到新的满足感，而且希望这些新的满足感能够比过去更好。
“我一年没看过一行代码，以后可能再也不会亲自编程了”
Matthew Berman：最近有没有什么事情，是你已经交给 AI 来完成的？也就是说，你不再亲自执行某项具体任务，而是把自己的角色提升到了监督和管理 AI 智能体的层面？
Sam Altman：我想，这正是我们刚才讨论的一个例子。
我突然意识到，自己可能已经有大约一年没有阅读，甚至没有看过一行代码了。我本来就不需要为了工作而编程，但过去偶尔还是会做一些个人小项目。比如突然需要某个工具，我就自己写一段非常简单的程序。
这其实是一件很有趣的事情。至少偶尔亲自写写代码，还是很有乐趣的。但我觉得，我以后可能再也不会这么做了。即使有一天重新开始写代码，大概也会像人们重演美国独立战争时期的历史场景一样，变成一种怀旧活动。
等我老了、觉得无聊的时候，也许会想要回忆一下过去的美好时光——那些亲自编写代码的辉煌岁月。
Matthew Berman： 我理解这种感受。
Sam Altman： 另外，回到刚才关于科学发现的问题。我认为，有些基础科学成果应该属于全世界，我们应当把这类研究作为一种公共产品来推动。直到不久前，我们还没有真正具备端到端发现重要新知识能力的模型。比如，过去的模型还不能独立完成一整颗芯片的设计。
今天，一家公司如果想要发现一种新材料，可以组织一批研究人员，让他们使用 Codex 或者大量 API 调用额度，借助 AI 完成相关研究。但随着模型越来越聪明、能力越来越强，情况可能会改变。就像 AI 已经能够解决极其困难的数学问题一样，未来，只要拥有足够的计算资源，以及足够多来自现实世界的数据，它或许就能够直接发现新的材料。
Matthew Berman：我想换一个话题。2026 年最令人兴奋的变化之一，就是个人 AI 助手正在迎来一场革命。当然，这要从 OpenClaw 说起。它的创造者 Peter Steinberger 是一位天才。
AI 能够全天候在后台运行，主动替我完成各种任务，而不需要我每次都明确发出指令，这个想法让我非常兴奋。Dot 已经让我们看到了这种未来的一部分，但距离真正实现无处不在、能够持续感知用户需求的个人 AI 助手，似乎还有很长的路要走。
你认为，我们还需要哪些技术突破？或者说，还需要获得哪些数据，才能实现你理想中的个人 AI 助手？
Sam Altman：我认为，大部分必要的技术组件其实已经具备了。现在我们更需要的是产品层面的工作。为了实现持续的环境感知，未来某个时候可能还需要新的消费级硬件，当然，也需要更多算力。但就模型的智能水平而言，我认为我们已经拥有足够强大的模型，可以打造出非常出色的个人 AI 助手。
它能够持续关注所有你关心的事情，帮助你处理那些想要交出去的任务。它还能够与你共同存在于物理世界之中。即使你不坐在电脑前，它依然能够了解你所处的环境和相关背景信息。对此，我非常兴奋。而且，我认为这样的未来并没有那么遥远。
如果你愿意花时间把 Dot 设置好，并持续向它提供足够的反馈，那么你现在得到的其实已经不只是对未来的一点初步体验。按照我目前的估计，Dot 每天能够替我节省大约一个小时，帮我处理那些我原本不想亲自完成的事情。
我觉得这已经非常不错了。除此之外，它每天还会有好几次提醒我一些重要而紧急、原本可能被我忽略的事情。
最开始，我以为它主要会在我忙于开会的时候发挥作用。比如提醒我，有一件非常紧急的事情即将到期，需要立刻关注。但现在我发现，模型已经足够聪明，能够从很多不同的信息来源中提取观点和信息，并进行高质量的综合推理。
在非常忙碌的一天里，我的大脑可能已经没有余力去整合这么多信息，但它可以做到。我觉得，我们已经具备了实现这种能力所需的技术，现在要做的就是把它包装成一个足够好的产品。
全球到底需要多少 GPU？
Matthew Berman： 你刚才提到了算力，我们不妨继续聊聊。目前，人们使用 AI 的方式存在极大的不对称性。最活跃的那 1% 用户，或者说那些重度用户，消耗了绝大部分算力，而其他人的使用强度相对有限。假设未来全球有 50% 的人口，都开始充分使用个人 AI 助手，那么究竟需要多少计算资源？你希望有多少 GPU 为你和你的个人助手工作？
Sam Altman：我想，答案就是无限多。能拿到多少 GPU，我就想要多少。
Matthew Berman： 这确实很特别。所以你的想法就是，尽可能获取所有 GPU，然后不断建设数据中心？
Sam Altman：当人们讨论全球 GPU 市场，以及未来算力需求的时候，我认为他们经常忽略了一个非常重要的问题。他们通常会假设，未来模型的能力和完成每项任务的成本，与今天基本保持一致。如果这个假设成立，那么算力需求可能确实存在一个上限。但如果我们能够以足够低的成本提供足够高质量的智能，那么我认为，就很难再人为设定这个市场的规模上限。
我认为，需求会继续增长。有人会用各种经济学概念来描述这种现象，比如杰文斯悖论（Jevons Paradox）。但不管叫什么，我认为算力需求都会继续向上。当然，就像任何新技术一样，我们肯定会经历一些供给不足的时期，也可能出现阶段性供给过剩。市场不可能在任何时候都恰好处于完美的供需平衡状态。但如果让我下注，我会非常确信，长期趋势一定是人们需要越来越多的算力。
Matthew Berman：即使有了 Dot 这样能够主动采取行动的 AI 助手，我仍然觉得自己的认知负担很重。每天都需要作出大量决策。我们之前也简单讨论过这个问题：究竟该怎样解决？AI 确实帮我节省了时间，也节省了金钱，但我比以前更忙了。我每天需要作出的决定比过去更多。到了晚上，我经常感觉自己已经被彻底耗尽了精力。
Sam Altman：我自己使用 Dot 时，有一个做法效果还不错。我开始告诉它：“我越来越相信你的判断力了。你可以主动完成更多事情，不需要那么频繁地来询问我，但完成之后，我仍然希望你告诉我做了什么。”这个调整确实有所帮助。
不过，从不太好的方面来说，我认为那些使用 AI 最多的人，现在可能比以往任何时候都更加忙碌。但积极的一面是，他们完成的工作也比过去多得多。就像我们之前讨论的，如果回到 1900 年左右，假设只需要维持当时的生活水平，今天的人们可能每天只需要工作很短的时间。
同样，如果你只需要完成三年前的工作量，那么现在也完全可以不那么忙碌。但问题是，你可能会说：“我做不到，因为我处在一个竞争激烈的环境中。”所以，人们似乎总是会尽可能努力地工作。某种程度上，我觉得这有点令人沮丧。我希望未来并不一定是这样。
Matthew Berman：我倒觉得，这并不完全是一件令人沮丧的事情。其中也有某种美好的东西。这不就是竞争性市场的运行机制吗？难道你不认为，这几乎是不可避免的吗？所有人都会不断提高效率，然后像过去一样激烈竞争。
Sam Altman：我希望未来的人们能够拥有更多人与人之间的联系。我希望大家能够把更多时间投入那些真正构成丰富人生的事情，而不是在资本主义机器里，像一个齿轮一样越来越拼命地运转。我认为，这样的未来是有可能实现的。过去几百年里，人类的生活质量已经大幅提高。
我想，大多数人现在的工作时间，也比工业革命时期的人们更少。说到这里，最近我一直在告诉别人，我们应该追求一场新的文艺复兴，而不是一场新的工业革命。观察人们对此的反应，是一件非常有意思的事情。很多人都会说，他们其实很害怕再次经历工业革命式的变化。他们不想成为工厂流水线上的一名工人，只不过以前由工厂主告诉他们该做什么，而现在变成了 AI 告诉他们该做什么。
他们希望能够自由创造、制作自己喜欢的东西、探索世界。他们希望拥有更多时间，重新体验过去生活中的一些美好事物。比如与社区建立联系、养育孩子、亲近自然。与此同时，他们也希望看到大量新的科学发现和伟大的艺术作品。所以我认为，人们确实担心 AI 会带来你刚才描述的那种未来，让所有人陷入更加激烈的竞争，不断完成更多工作。但如果我们能够向人们展示另一种未来，一种更接近文艺复兴的未来，我认为大家会对此感到兴奋。
而且我相信，我们能够实现它。这项技术足够强大。当然，社会中可能总会有一小部分人，他们热衷于竞争，希望建立最大的商业帝国，或者获得更多成就。但对于其他很多人而言，AI 完全有可能大幅提高他们的生活质量，让他们有更多空间按照自己的意愿生活。
Matthew Berman：但这会不会进一步扩大那些极度热衷竞争的人与普通人之间的差距？假设一个人把全部精力都投入工作，而有了 AI，他突然能够完成过去十倍甚至一百倍的工作。另一个人则选择减少工作时间，享受 AI 带来的好处。这样一来，两者之间的差距难道不会进一步扩大吗？
Sam Altman：如果完全任由这种趋势发展，我认为很可能会。不过，我必须强调，没有人能够对此作出完全确定的判断。未来也可能出现一些我们现在无法预料的变化。但总体而言，我认为你的担忧很可能是正确的。我们还不能百分之百确定。不过，我相信社会最终会建立某些制度和规则，防止这种差距扩大到失控的程度。如果完全放任不管，我同样会对此感到担忧。
今天的 AI 还不具备意识
Matthew Berman：我想换个话题。我知道你最近经常讨论这个问题，所以我想直接问问：你认为今天的 AI 模型已经拥有意识了吗？
Sam Altman：我个人不这么认为。当然，从科学角度来说，意识始终是一个非常难以回答的问题。但我的判断是，今天的模型并没有意识。即使它们真的拥有某种意识，那也应该是一种非常奇特、与我们通常理解的意识很不一样的形式。
Matthew Berman：那么，基于我们今天使用的模型架构，你认为 AI 未来有可能产生意识吗？
我知道这个问题没有明确的科学答案，所以我只是想了解你的个人看法。
Sam Altman：我与一些非常聪明的人讨论过这个问题。哲学上来说，他们的观点大体可以归纳为两种可能性。第一种可能是，意识本身存在于物理现实之外。它可能像某些东方宗教所描述的那样，是现实的某种基础层次；也可能像一些传统西方宗教的观点那样，具有超自然或者宗教意义上的来源。
第二种可能是，意识是物质和能量以某种我们尚未理解的方式相互作用之后产生的涌现属性。
在这种情况下，承载意识的物理介质可能很重要，也可能并不重要。也许只要能量以特定方式在物质中流动，就可能产生意识。如果世界真的是这样，那么我们当然可以想象，未来某一天，意识也有可能以其他形式出现。
不过，我能不能说一下，我不喜欢整个讨论被引向什么方向？我发现，人们讨论“AI 现在是否具有意识”或者“AI 未来是否会产生意识”时，经常会逐渐转向另外一些问题。比如，AI 在世界中应该扮演什么角色？AI 应该拥有什么权利？我们向 AI 提问，是否可能被视为某种奴役行为？
我曾经在网上看到过类似的讨论。又比如，如果没有获得 AI 的许可，我们复制一个 AI，或者删除一个 AI，究竟意味着什么？还有，如果这些系统既有意识，又在某些方面比我们聪明得多，那么我们为什么还要坚持由人类控制未来？这些问题会引向一个我非常担忧的方向。
我始终坚定地相信，我们必须明确一个基本原则：我们是在为人类建设未来，AI 是供人类使用的资源。这一原则从 OpenAI 创立之初就一直存在。人类必须作出决定未来走向的关键选择。人类的价值观之所以具有价值，就是因为它们是人类的价值观。
所以，当有人开始利用 AI 意识问题进行推论，进而认为也许未来不应该始终由人类掌控时，我会感到非常紧张。在这个问题上，我希望整个社会和整个行业能够形成共识：未来必须以人为中心。这个世界的未来，必须属于人类。
不过，我想首先明确一点，没有人真正知道 AI 是否具有意识。这些模型的复杂程度已经很高。即使不考虑这种复杂性，单纯从科学角度来看，我也无法提出一个能够让我百分之百信服的实验，来回答模型究竟有没有意识这个问题。
奥特曼亲自示范，如何让 ChatGPT 不谄媚
Matthew Berman：我们继续聊这个话题，不过换一个角度，谈谈模型的人格和性格。我知道你对这方面有过很多深入思考。让我觉得不可思议的是，我们究竟该如何为不同的人，在不同的时间，提供最适合他们的 AI 性格？如果把这个问题放大到全球 80 亿人，复杂程度简直难以想象。你们是如何考虑这个问题的？
Sam Altman：我认为，最好的方法就是与大量用户交流。我们有一套 Model Spec（模型行为规范），并且会随着时间不断完善它。我们相信迭代式部署的理念，也就是说，先将产品投入使用，再根据实际反馈不断改进。在了解用户真正想要什么、不想要什么的过程中，我们确实犯过一些错误。正如你所说，最困难的地方在于，不同用户希望得到的东西差异很大。
而且，大多数人其实也不愿意花很多时间去定制模型。如果每个人都愿意花上几个小时，向自己的 ChatGPT 详细解释希望它如何表现，那么他们很可能会获得非常符合自己偏好的使用体验。
但现实是，大多数人希望产品开箱即用。他们只想说一句“我需要这个”，然后模型就能以合适的方式完成任务。另外，我认为还有一类很重要的问题：用户短期内想要的东西，未必是他们长期真正需要的东西。
Matthew Berman： 能不能举个例子？你的自定义指令里具体写了什么，能够让模型在有不同意见时敢于反驳你？
Sam Altman：大致就是这样的要求：不要说废话，不要刻意客气，不必担心冒犯我。我只想得到正确的答案。如果你认为我的做法存在问题，就直接指出来。不需要为了照顾我的感受而委婉表达，直接说出来就好。
OpenAI 押注自研芯片、机器人与数据中心
Matthew Berman： 我们之前讨论过算力。几年前，你们决定投入巨额资金建设计算基础设施。当时很多人认为，这个计划简直不可思议，明显属于过度投资。但事实证明，你当时的判断比很多人想象得更加准确。那么，今天你正在进行的投资中，有没有什么同样不被外界看好，或者让人们持谨慎态度的押注？
Sam Altman：最明显的，就是我们正在围绕下一代计算基础设施开展的所有工作。我认为，很多人现在的假设是：过去整个世界一直受到算力供应不足的限制，但这种情况即将改善。短期来看，我认为算力供应确实很可能有所改善。但如果把时间拉长到未来几年，我们正在推进的一些工作就会变得非常重要。
例如，我们正在研发自己的芯片，以及后续几代产品。我们认为，这些芯片未来可能实现远高于现有产品的效率。此外，我们还计划利用机器人，更高效地制造机架、建设数据中心。我们也在研究如何以更好的方式建设数据中心，并围绕供应链进行一系列投入。
我认为，我们有可能进入一个新的阶段：人类能够以远低于今天的成本、远高于今天的每瓦性能，建设计算基础设施。而且，实际能够达到的水平，可能远远超出今天大多数人的想象。当然，要实现这一点，需要很多不同方向的技术和投资同时取得成功。
Matthew Berman：在这些投入中，目前最重要的是哪一项？
Sam Altman：芯片可能仍然是最重要的单一因素。不仅是当前这一代芯片，也包括它后续的几代产品。
Matthew Berman：从竞争格局来看，你现在感受到最大的压力来自哪里？
Sam Altman：我觉得几乎无处不在。现在的竞争非常激烈。但我认为，这对用户来说是一件非常好的事情。如今已经有很多公司能够提供质量非常高的模型和产品。而我们虽然拥有优秀的模型，但计算资源和其他资源仍然有限。所以，我们必须明确选择重点投入的领域。
Matthew Berman：你们是如何作出这些选择的？比如，OpenAI 推出了 Spaces 这样的产品。
当某项产品或者服务并不只是为了提供更好的基础模型时，你们如何判断，它值得投入资源？
Sam Altman：我们在这方面最大的优势，是能够比其他人更早拿到下一代模型。我们有时间在内部使用这些模型，利用它们开发新产品，并观察哪些应用真正有可能成功。所以我认为，最有效的方法仍然是直接用新模型构建产品。
通过实际开发，了解哪些过去无法实现的事情现在变得可行，以及哪些新能力能够创造真正的价值。
Matthew Berman：我能问一下，你们内部的模型究竟领先公开发布的模型多少吗？
Sam Altman：一个很好的例子就是我们最近公布的数学研究成果。我认为，目前任何已经广泛公开提供的模型，都还无法接近这样的表现。
OpenAI 的护城河是啥？
Matthew Berman：如果未来各家公司的模型性能逐渐趋同，那么 OpenAI 的护城河究竟在哪里？
Sam Altman：我认为，理解这个问题的正确方式是：过去一直有效的商业竞争优势，未来仍然会继续有效。历史上已经多次出现这样的情况。一家公司可以凭借一项新的技术或者科学发现，在短期内获得领先优势。当然，围绕递归自我改进（Recursive Self-Improvement，RSI），也有一些人提出不同的看法。
他们认为，这一次可能不一样。
因为 AI 可以不断改进自身，所以技术领先本身就可能成为最核心的竞争优势。
Matthew Berman： 你相信这种观点吗？
Sam Altman：如果有人真的全力推动递归自我改进，我认为这种观点可能成立。但我认为，这是一件非常危险的事情。整个世界需要为 RSI 的发展速度设定某种限制。人们可能会用不同的说法描述这个问题，但本质上，就是我们需要考虑，应该允许递归自我改进以多快的速度推进。
至于传统的商业护城河，我认为它们依然重要。比如，与客户建立深厚的关系，深入融入用户和企业的日常工作与生活，产品的网络效应，以及数据等。
我预计，这些优势未来仍然会发挥作用。对于 OpenAI 来说，我认为还有一个特别重要的因素，就是基础设施规模。如果我们能够拥有规模最大、成本效率最高的 AI 基础设施，那么这本身就是一项巨大的竞争优势。
为什么要造新硬件
Matthew Berman： 马克·扎克伯格曾经多次谈到 Meta 面临的平台风险。多年来，Meta 的很多业务建立在苹果的生态系统之上，因此不得不面对平台依赖的问题。OpenAI 是否也面临同样的挑战？这是不是你们大力投资硬件的原因？
Sam Altman： 我认为，苹果非常认真地对待自己作为平台提供商的角色。多企业和用户都高度依赖它的平台。然我们与苹果之间偶尔也会发生一些摩擦，但我从来不会觉得，苹果会突然把 ChatGPT 从 App Store 下架之类的。我认为，苹果非常清楚自己承担着某种关键基础设施的角色。只要遵守它的平台规则，它总体上就是一个负责任的平台运营者。所以，我并没有因为苹果而感到那种平台依赖带来的担忧。而且，这也不是我们想开发新型消费级硬件的原因。
我们之所以想做新的消费级硬件，是因为我认为，AI 这项技术本身需要一种全新的设备形态。
我对此有非常强烈的感受。笔记本电脑和 iPhone 都是令人难以置信的伟大发明，可以说是人类技术史上最重要的一些产品。但今天，AI 仍然被迫使用那些原本为人类设计、而不是为 AI 设计的设备。
当你看到一个 AI 非常熟练地操作计算机时，确实会觉得非常神奇。但换个角度想，这其实也有些荒谬。计算机需要消耗大量计算资源，先把图形界面渲染出来，让人类能够阅读。然后，AI 又要重新去理解这个图形界面。为什么不直接把底层数据提供给 AI 呢？这显然不是一种特别自然的交互方式。
另外，虽然 AI 已经能够在我的电脑上完成很多令人惊叹的事情，比如理解我正在处理的邮件，或者观察我的工作内容，但我的生活并不完全发生在电脑屏幕前。比如，现在我正在与你进行这场对话。我的 AI 很难直接理解这场对话的上下文。当然，我也可以把手机放在桌子上，打开录音功能。但那样会很奇怪，也会分散我们的注意力。
你可能不知道它究竟什么时候正在录音，什么时候已经停止，因为屏幕可能会自动熄灭。而且，如果另一个人突然走进房间，AI 也未必能够正确理解新的情境。它可能不知道，有些信息只属于我们两个人之间的私人交流，不应该向其他人透露。如果我们真的希望进入一个 AI 能够减轻人类认知负担、主动采取行动，并且充分理解用户所处环境和上下文的世界，那么新的硬件设备就会非常有帮助。
OpenAI CEO 的压力：有时不想再起床面对这一切
Matthew Berman： 我想，你应该承受着巨大的压力，尤其是竞争压力。毕竟，你正在领导一家开发人类历史上最重要技术之一的公司。这种感觉究竟是什么样的？你每天又是如何应对这些压力的？
Sam Altman： 有时候感觉真的非常糟糕。但有时候又会觉得特别棒。有些时候，我会想：“天哪，我真的不想再起床面对这些事情了。”但在大多数时候，我又会觉得自己实在太幸运了。因为我有机会参与我认为全世界最有意思、也最有影响力的工作。
至少对我个人来说，这很可能是我一生中能够参与的最重要的事情。这是一种非常难得的经历。当然，压力确实很大。但人类的适应能力其实非常强。无论生活发生多大变化，人们往往都能够逐渐习惯。所以，对我来说，现在这样的生活已经变成了一种常态。我甚至已经忘记，过去的生活曾经是多么轻松。现在的生活可能还会持续艰难一段时间。但也许未来某一天，一切又会变得轻松。到那个时候，我可能反而会觉得有些无聊。
从主观感受来看，一个人能够承受的压力和负面情绪，其实是存在某种上限的。当压力达到一定程度后，再增加一些压力，也不一定会让主观感受继续恶化。因为人的情绪空间是有限的，新出现的压力可能只是挤掉了原本占据这个空间的其他事情。所以，我一直相信：如果你决定非常努力地去做一件事情，那不妨选择一件真正重要的大事。因为做一件大事，未必会比做一件小事困难得多，也未必会带来明显更多的压力。至少，你有机会因为自己创造了更大的积极影响，而获得更强烈的满足感。
原视频链接：