OpenAI 執行長 Sam Altman 表示，公司目前仍處於「算力受限」狀態，算力不是成本負擔，而是決定需求能否轉化為收入的硬約束。他認為真正的競爭焦點已從模型參數之爭，轉向誰能率先鋪好足夠寬的算力與平台。本文源自 华尔街见闻 所著文章，由ForesightNews整理、編譯及撰稿。
（前情提要：OpenAI 推出 GPT-5.2！衝著取代專業人士、幻覺更低，API 費用整理 ）
（背景補充：馬斯克太空公司 SpaceX 傳計劃明年 IPO 上市！估值預計高達 8000 億美元超車 OpenAI ）

本文目錄

• ChatGPT 為什麼三年幾乎沒變？答案是「通用性」
• 企業 API 收入反超消費者端，增長引擎正在切換
• 什麼時候推出 GPT-6：新模型仍在推進，但命名不再重要
• 為什麼要豪賭算力：收入瓶頸在基礎設施，而非需求
• 競爭焦點轉移：從模型參數到平台寬度

奧特曼Altman 直言當前 OpenAI 仍處於「算力受限」狀態——算力不是成本負擔，而是決定需求能否轉化為收入的硬約束，「如果算力翻倍,收入幾乎也會隨之翻倍」。在他看來，真正的競爭焦點，已從模型參數之爭，轉向誰能率先鋪好足夠寬的算力與平台。

在 AI 競賽全面進入「貼身肉搏」的階段，市場的關注點正在發生變化：模型誰更強，已經不再是唯一問題；誰能把模型能力穩定轉化為收入與現金流，才是新的分水嶺。

在最新一期《Big Technology Podcast》的一對一訪談中，OpenAI 執行長 Sam Altman 罕見地從商業、產品和基礎設施三個層面，系統回應了外界最關心的問題。多項表態釋放出一個清晰信號：OpenAI 正站在從「現象級產品公司」邁向「企業級 AI 平台」的關鍵拐點上。

ChatGPT 為什麼三年幾乎沒變？答案是「通用性」

Altman 坦言，他原本以為 ChatGPT 的聊天介面不會撐這麼久，但現實證明：通用、低門檻的互動方式被嚴重低估了。

不過他也明確指出，ChatGPT 的終極形態不會只是「對話框」：未來 AI 將主動工作，而非被動回應、會根據不同任務產生不同介面、能在後台持續運行，只在關鍵時刻打斷使用者、從「工具」演進為「智慧代理」。

這也是 OpenAI 同時推進瀏覽器、裝置、代理 (Agents) 的底層邏輯——目標不是做一個更聰明的聊天機器人，而是成為「預設智慧層」。

Altman 再次強調，「記憶」是 AI 最具長期價值的能力之一，而當前 AI 的記憶功能僅處於「GPT-2 時代」。未來的 AI 將能記住你說過的每一句話、做過的每一個決定；不只是事實，而是偏好、情緒、習慣；這是人類助理永遠無法做到的。

企業 API 收入反超消費者端，增長引擎正在切換

在商業層面，Altman 明確表示，OpenAI 並非從消費者公司「轉型」進入企業市場，而是順勢而為。

截至目前，OpenAI 已擁有超過 100 萬家企業用戶,且 API 業務的增長速度已經超過 ChatGPT 本身。今年，API 對公司整體增長的貢獻，甚至高於消費者產品。

在他看來，企業真正需要的不是零散的 AI 功能，而是一個完整、統一、可擴展的 AI 平台。

他提出，未來企業 IT 架構中將同時存在「傳統雲」和「AI 雲」。OpenAI 並不試圖複製 AWS，而是構建承載萬億級 tokens 的智慧基礎設施層。

什麼時候推出 GPT-6：新模型仍在推進，但命名不再重要

關於模型路線圖，Altman 並未給出「GPT-6」的明確時間表，但確認 OpenAI 將在明年第一季度推出一款相較於 GPT-5.2 有顯著能力躍遷的新模型，模型升級仍在持續推進，只是命名本身不再是重點。

在硬體層面，OpenAI 正籌備推出一系列小型 AI 裝置，而非單一爆款產品。Altman 判斷，未來計算裝置的形態將發生根本變化——從被動回應指令的工具，轉向能夠主動理解使用者生活、上下文與協作關係的智慧系統。

在這種設想下，當前以螢幕與應用為核心的計算裝置，已經不適合「AI 優先」的世界，新一代硬體將成為承載長期記憶、持續感知與主動決策能力的關鍵入口。

為什麼要豪賭算力：收入瓶頸在基礎設施，而非需求

相比是否已經觸及 AGI，Altman 更關心一個被市場忽視的問題：現有 AI 能力，是否真的被用到位了？他的判斷是明確的——沒有。

在企業端，大量公司仍停留在「讓 AI 寫文案、改程式碼、做總結」的淺層應用；在組織層面，AI 更多被視為輔助工具，而非真正參與決策、執行與協作的「成員」。這並不是因為模型不夠強，而是因為企業尚未完成圍繞 AI 重構流程、崗位和責任邊界的準備。

因此，即便模型能力在一段時間內不再顯著提升，現有能力本身，也足以釋放巨量經濟價值，只是尚未被系統性激活。

在 Altman 看來，「能力過剩」的判斷，直接改變了算力投資的性質。當前階段，算力並不只是持續擴張的成本項，而是在模型能力已具備的前提下，決定潛在需求能否轉化為實際收入的關鍵約束。他強調，算力投入本質上是一種對未來使用量的前置布局。過去一年，OpenAI 的計算能力增長了約三倍，收入增長速度與之基本同步，且公司並未出現算力閒置或難以變現的情況。換言之，如果擁有雙倍算力，收入幾乎也會隨之翻倍。

在他看來，真正的風險並不在於算力過剩，而在於當社會、企業終於完成對 AI 的結構性適配時，基礎設施是否已經準備好。那將是下一階段 AI 競賽真正的決勝時刻。屆時，限制增長的將不再是模型能力，而是誰已經提前鋪好了足夠寬的算力與平台。

競爭焦點轉移：從模型參數到平台寬度

面對 Gemini、DeepSeek 等模型的快速追趕，Altman 並不迴避競爭壓力。他坦言，OpenAI 感受到競爭壓力，內部會頻繁進入「紅色警報」(code red) 狀態，但並不認為領先正在喪失。

在他看來，模型能力的差距終將被壓縮，真正拉開距離的，將是產品化能力、分發效率以及與使用者建立長期關係的能力。「分發 vs 產品」的爭論本身就是一個偽命題——ChatGPT 本身就是分發，而分發必須建立在可持續進化的產品之上。

ChatGPT 之所以成為全球最大的 AI 入口，正是因為其極低門檻與通用性。目前，ChatGPT 的週活躍用戶規模已接近 9 億，這種規模效應，正在反向強化 OpenAI 在企業市場的競爭力。

Podcast 文字實錄如下，由 AI 協助翻譯：

Sam Altman：
你知道提到的 1.4 兆美元，我們會在很長一段時間內逐步投入。我真希望能更快一些。我認為，最好能一次性地向大家清楚地解釋清楚這些數字將如何運作。

Alex Kantrowitz：
指數級增長通常讓人很難直觀理解。本次節目，OpenAI 執行長 Sam Altman 將加入我們，討論 OpenAI 在 AI 競賽日趨激烈之際的制勝計劃，基礎設施的投入如何合理，以及 OpenAI 的 IPO 可能何時到來。

Sam 今天來到我們演播室。Sam，歡迎來到節目。

Sam Altman：
謝謝邀請。

Alex Kantrowitz：
OpenAI 已經成立 10 年了，這讓我覺得有點不可思議。ChatGPT 才三年，但競爭正在加劇。我們現在所在的 OpenAI 總部，曾處於「紅色警報」狀態，在 Gemini 3 發布後，目前也處於「紅色警報」狀態。環顧四周，許多公司都在試圖蠶食 OpenAI 的優勢。這是我有印象以來第一次，感覺這家公司似乎不再擁有明顯的領先地位。所以我很好奇想聽聽你的看法，OpenAI 將如何度過這個時刻，以及……

Sam Altman：
首先，關於「紅色警報」這一點，我們認為這些是相對低風險、時不時會發生的事情。保持警惕並在潛在競爭威脅出現時迅速採取行動是好的。過去我們遇到過這種情況，今年早些時候 DeepSeek 出現時也發生過，當時也有一次「紅色警報」。沒錯。關於新冠疫情有句諺語：疫情開始時你採取的每一點行動，其價值都遠超之後採取的行動，而大多數人早期行動不足，後來才恐慌。新冠疫情中我們肯定看到了這一點。但我認為，我們用這種理念來應對競爭威脅。我覺得保持一點警惕是好的。Gemini 3 到目前為止，並沒有產生我們擔心的那種衝擊，但它確實像 DeepSeek 一樣，暴露了我們產品策略中的一些弱點，我們正在迅速解決這些問題。我認為這個「紅色警報」狀態不會持續太久。對我們來說，歷史上這類事情通常會持續大約六到八週。

但我很高興我們採取了行動。就在今天，我們推出了一款新的圖像模型，這是個好消息，也是消費者真正想要的。上週我們推出了 5.2，反響極好，增長非常快。我們還會發布一些其他東西，然後也會有一些持續改進，比如提升服務速度。但我猜，未來很長一段時間裡，我們可能每年會做一兩次這樣的事情，這確實是確保我們在自己領域獲勝的一部分。很多其他公司也會做得很好，我為他們感到高興。但你知道，ChatGPT 目前仍然是市場上占據絕對主導地位的聊天機器人，而且我預計這個領先優勢會隨著時間增加，而不是減少。模型會在各處都變得優秀，但人們使用一個產品 (無論是消費者還是企業級) 的諸多原因，遠不止模型本身。我們對此早有預期，因此我們努力構建一整套緊密協同的要素，以確保我們成為人們最想使用的產品。我認為競爭是好事，它能推動我們變得更好。但我想我們在聊天機器人領域會做得很好，在企業級市場以及未來的新品類中，我認為我們也會表現出色。人們確實希望使用一個統一的 AI 平台。人們在個人生活中使用手機，工作時也大多希望使用同類手機。我們看到 AI 領域也呈現同樣趨勢。ChatGPT 在消費者端的優勢，確實幫助我們贏得了企業級市場。當然，企業需要不同的產品，但他們會想：我知道 OpenAI 這家公司，也熟悉 ChatGPT 的介面。所以我們的策略是：打造最好的模型，圍繞它構建最佳產品，並擁有足夠的基礎設施來大規模提供服務。

Alex Kantrowitz：
是的，存在現有優勢。今年早些時候，ChatGPT 的週活躍用戶數約為 4 億，現在報告說是 8 億，據說正接近 9 億。但另一方面，像 Google 這樣的公司擁有分銷優勢。所以我想聽聽你的看法：你認為模型會商品化嗎？如果會，什麼最重要？是分銷通路？是應用構建能力？還是其他我沒想到的因素？

Sam Altman：
我不認為「商品化」是思考模型的正確框架。模型會在不同領域各有所長。對於普通的聊天這類用例，也許會有很多優秀選擇。但對於科學發現，你會想要那種處於前沿、可能專為科學優化的東西。因此，模型會有不同的優勢，我認為最具經濟價值的將是那些處於前沿的模型，我們計劃在那裡保持領先。我們很自豪 5.2 是世界上最好的推理模型，也是科學家們取得最多進展的模型，同時，企業也回饋說它在完成業務所需的各種任務上表現最佳。所以，我們會在某些領域領先，在其他領域落後，但我預計，即使在免費模型能滿足人們很多需求的世界裡，總體上最聰明的模型仍將具有巨大價值。產品本身確實至關重要。正如你所說，分銷和品牌也非常重要。以 ChatGPT 為例，個人化功能極具粘性。用戶喜歡模型隨著時間逐漸了解他們，你會看到我們在這方面大力加強。用戶與這些模型的互動體驗，會讓他們與之產生強烈的關聯感。我記得有人曾告訴我，人們基本上一生中選定一款牙膏就會一直用下去，大多數人似乎都這樣。用戶與 ChatGPT 有過一次神奇體驗後，就會談論它。醫療保健就是個著名例子，有人把血液檢測結果或症狀輸入 ChatGPT，發現自己患有某種疾病，然後去看醫生並治癒了之前無法確診的問題。這樣的用戶粘性非常高，更不用說其上的個人化功能了。還會有各種各樣的產品功能。我們最近剛剛推出了瀏覽器功能，我認為這為我們開闢了一個潛在的新模式。裝置方面還有段距離，但我對此非常興奮。所以我認為會有所有這些組成部分。

至於企業級市場，形成「護城河」或競爭優勢的要素會有所不同，但類似於消費者端的個人化對用戶非常重要，企業端也會有類似概念：公司與像我們這樣的公司建立關係，將其資料連接進來，並能使用來自不同公司、運行在該平台上的多個智慧體，確保資訊得到恰當處理。我預計這也會相當有粘性。我們目前擁有超過 100 萬企業用戶。很多人主要把我們視為消費者公司，但我們肯定會進軍企業市場。實際上，我們有超過 100 萬企業用戶，但我們的 API 業務增長非常快。今年，API 業務對我們的增長甚至超過了 ChatGPT。所以，企業級業務確實正在起步，是從今年開始的。

Alex Kantrowitz：
我可以回到剛才的話題嗎？如果「商品化」不是合適的詞，也許對於日常使用者來說，模型會達到某種「同等水準」？因為你開始時說，也許日常使用會感覺差不多，但在前沿領域會感覺非常不同。那麼，就 ChatGPT 的增長能力而言，如果 ChatGPT 和 Gemini 構建的模型對日常使用者來說感覺相似，Google 擁有眾多推送 Gemini 的通路，而 ChatGPT 需要努力爭取每一個新用戶，這個威脅有多大？

Sam Altman：
我認為 Google 仍然是一個巨大的威脅，一家極其強大的公司。如果 Google 在 2023 年就認真對待我們，我們可能會處境艱難。我認為他們本可以輕易擊垮我們。但當時他們的 AI 在產品方向上有些偏差，他們自己也經歷過「紅色警報」，但並沒有那麼重視。現在大家都在搞「紅色警報」。而且，Google 可能擁有整個科技行業最棒的商業模式，我認為他們會緩慢地放棄它。

但是，把 AI 硬塞進網路搜尋，我不確定這是否能像重新構想一切那樣有效。這實際上是我認為的一個更廣泛的趨勢。在現有做事方式上「硬塞」AI，不如在「AI 優先」的世界裡重新設計。這也是我們最初想做消費裝置的原因之一，但這也適用於其他層面。如果你把 AI 塞進一個訊息應用中，讓它很好地總結你的訊息並起草回覆，這確實會好一點，但我不認為這是最終形態。

那不是我所說的真正聰明的 AI 像你的智慧體一樣，與其他人的智慧體交談，判斷何時打擾你、何時不打擾，以及哪些決策它能處理、何時需要問你。搜尋、生產力套件等領域也是如此。我懷疑這總比人們想像的要花更長時間，但我預計我們將在主要品類中看到完全圍繞 AI 構建的全新產品，而不是把 AI 硬塞進去。我認為這是 Google 的一個弱點，儘管他們擁有巨大的分銷優勢。

Alex Kantrowitz：
我和很多人討論過這個問題。ChatGPT 剛推出時，我認為是 Benedict Evans 提出，你可能不想把 AI 放進 Excel，你可能想重新構想如何使用 Excel。在我看來，那就是你上傳數字，然後與你的數字對話。隨著人們開發這類東西，他們發現需要某種後端。所以，是你構建後端，然後用 AI 與之互動，就像它是一個新的軟體程式嗎？

Sam Altman：
是的，基本上就是這樣發展。

Alex Kantrowitz：
那你為什麼不能直接把它「硬塞」在上面呢？

Sam Altman：
你可以硬塞上去，但問題在於介面。我每天花大量時間在各種訊息應用上，包括電子郵件、簡訊、Slack 等等。我認為那是錯誤的介面。你可以把 AI 硬塞到這些應用上，它確實會好一點，但我更願意早上就能說：這是我想今天完成的事情，這是我所擔心的，這是我在思考的，這是我希望發生的。我不想整天花時間跟人發訊息，我不需要你總結它們，我也不想看到一堆草稿。處理所有你能處理的事情。你了解我，了解這些人，了解我想完成什麼。然後每隔幾小時，如果需要我做什麼，就批量給我更新。但這與當前這些應用的工作方式截然不同。

Alex Kantrowitz：
我正想問你 ChatGPT 在未來一年和兩年內會變成什麼樣。是朝那個方向發展嗎？

Sam Altman：
坦白說，我原本以為到現在 ChatGPT 會比剛推出時變化大得多。

Alex Kantrowitz：
你當時預想是怎樣的？

Sam Altman：
我不知道。我只是覺得那種聊天介面不會像現在走得這麼遠。我是說，它現在看起來好多了，但大體上與當初作為研究預覽版推出時相似。那甚至不是打算做成產品。我們知道文字介面非常好用，大家都習慣於給朋友發簡訊。聊天介面非常好，但我原以為，要成為像現在這樣龐大、被大量用於實際工作的產品，其介面必須比現在走得更遠。我仍然認為它應該那樣做，但我低估了當前這種通用介面的威力。

當然，我認為未來應該是 AI 能為不同類型的任務產生不同的介面。所以，如果你在討論資料，它應該能夠以不同方式展示，你也應該能以不同方式與之互動。我們已經在像 Canvas 這樣的功能中看到一點雛形。它應該更具互動性。現在基本上是你來我往的對話，如果能圍繞一個物件持續討論，它能不斷更新，你有更多問題、想法，新資訊進來時能持續更新，那就好了。隨著時間的推移，它應該能更主動，也許能理解你當天想完成什麼，並在後台持續為你工作，發送更新。你可以從人們使用 Codex 的方式看到部分未來，我認為這是今年最令人興奮的事情之一。Codex 變得非常出色，它預示了很多我希望未來呈現的形態。但這讓我感到驚訝。我本想說有點尷尬，但並非如此，它顯然非常成功。只是 ChatGPT 在過去三年裡變化如此之小，這讓我感到意外。

Alex Kantrowitz：
是的，這個介面行之有效。但我想，它的「內在」已經改變。你稍微談到了個人化的重要性，對我來說，記憶功能確實帶來了不同。我幾週來一直在與 ChatGPT 討論一次即將到來的旅行，其中有很多規劃事項，我可以在新視窗直接說：「好，我們接著聊這次旅行。」它有上下文，知道我要跟哪個導遊，知道我在做什麼，知道我一直在為它進行健身計劃，並且能真正綜合所有這些資訊。記憶功能能變得多好？

Sam Altman：
我認為我們無法想像，因為存在人類極限。即使你擁有世界上最好的私人助理，他們也無法記住你說過的每一個字，無法讀完你所有的電子郵件和文件，無法每天查看你所有的工作並記住每個細節，無法以那種程度參與你的生活。沒有人擁有無限完美的記憶。而 AI 肯定能做到這一點。我們經常討論這個，目前記憶功能還很原始、很早期。我們正處於記憶功能的「GPT-2 時代」。但當它真正能記住你一生中的每一個細節，並能在此基礎上實現個人化，不僅僅是事實，還有那些你甚至沒想過要指明、但 AI 能捕捉到的小偏好，我認為那將會非常強大。這仍然是令我最為興奮的功能之一，也許不是 2026 年就能實現，但絕對是未來最讓我期待的部分。

Alex Kantrowitz：
我與一位神經科學家在節目中交談過，他提到你無法在大腦中找到思想。大腦沒有儲存思想的地方，但在計算中，有地方可以儲存。所以，你可以保存所有思想。隨著這些機器人確實保存我們的思想，當然存在隱私問題。另一件有趣的事是，我們真的會與它們建立關係。我認為這是整個時代最被低估的事情之一：人們感到這些機器人是他們的伴侶，在關心他們。我很好奇想聽聽你的看法。當你想到人們與這些機器人之間的親密程度或陪伴關係時，是否存在一個可以調節的「旋鈕」？比如，我們可以確保人們與它們變得非常親密，或者我們稍微調遠一點，保持一定距離？如果存在這個「旋鈕」，你如何恰當地調節它？

Sam Altman：
確實有比我預想中更多的人，希望與 AI 建立親密的陪伴關係。我不知道用什麼詞準確描述——關係不太對，陪伴也不太對——但他們希望與 AI 有這種深層連接。在目前模型能力水準下，想要這個的人比我以為的要多。今年年初，說想要這個還被認為是很奇怪的事，也許現在很多人仍然不公開承認。但實際行為顯示，人們喜歡他們的 AI 聊天機器人了解他們、對他們熱情、支持他們，這具有價值，甚至對那些自稱不在乎的人也是如此，他們實際上也有這種偏好。我認為這種關係的某種形式可以非常健康，我認為成年用戶應該有很大選擇權來決定他們在這個光譜上的位置。當然也存在在我看來不健康的版本，儘管我確信很多人會選擇那樣。也有些人絕對想要最枯燥、最高效的工具。因此，我猜測，像許多其他技術一樣，我們將進行試驗，會發現其中存在未知的利弊。社會將隨著時間的推移，弄清楚應如何看待人們設置這個「旋鈕」的位置，然後人們擁有巨大選擇權，並將其設置得非常不同。

Alex Kantrowitz：
所以你的想法是基本上讓人們自己決定。

Sam Altman：
是的，當然。但我認為我們不知道它應該走多遠，或者說我們應該允許它走多遠。我們會給予人們相當大的個人自由。有些例子，比如其他服務可能會提供，但我們不會提供。例如，我們不會讓 AI 試圖說服人們應該與它建立排他性的浪漫關係。必須保持開放。但我肯定其他服務會出現這種情況。

Alex Kantrowitz：
是的，因為粘性越強，服務賺的錢就越多。所有這些可能性，稍微深入想想，都有點可怕。

Sam Altman：
完全同意。這一點我個人覺得確實可能走向非常錯誤的方向。

Alex Kantrowitz：
確實。越具有粘性，該服務賺取的收入就越多。所有這些可能性，稍加深思，都令人有些不安。

Sam Altman：
完全正確。這一點我個人也認為，確實能看到它可能走向非常錯誤的方向。

Alex Kantrowitz：
你提到了企業級市場。我們來談談這個。上週你在紐約與一些新聞公司的編輯和執行長共進午餐，告訴他們企業級業務將是 OpenAI 明年的一個主要優先事項。我很想多聽聽，為什麼這是優先事項，你認為你們相較於 Anthropic 有什麼優勢。我知道有人會說這對一直以消費者為中心的 OpenAI 來說是一次轉型。請給我們概述一下企業級市場的計劃。

Sam Altman：
我們的策略始終是消費者優先。這有幾個原因。第一，當時的模型對於大多數企業級用途來說，還不夠強大和熟練，現在它們正逐漸達到要求。第二，我們當時在消費者市場有一個明確的、難得的獲勝機會，而這類機會很少見。我認為如果你在消費者市場獲勝，將極大地幫助你贏得企業市場，我們現在正看到這一點。但正如我之前提到的，今年我們企業級業務的增長超過了消費者業務的增長。考慮到模型目前的水準以及明年將達到的高度，我們認為現在是時候快速建立一個非常重要的企業級業務了。我的意思是，我們已經有了一定的基礎，但它可以增長得更快。公司似乎已為此做好準備，技術似乎也已就緒。編碼是目前最大的例子，但其他垂直領域也在快速增長。我們開始聽到企業客戶說，我真的只想要一個 AI 平台。

Alex Kantrowitz：
哪個垂直領域？

Sam Altman：
金融。科學是我個人目前對所有進展中最感到興奮的。客戶支援做得很好。不過，我們確實有那個叫 GDP Val 的評估工具。

Alex Kantrowitz：
我正要問你那個。我可以直接問關於 GDP Val 的問題嗎？好的。因為我給 Box 的執行長 Aaron Levy 發了訊息，說我馬上要見 Sam，該問他什麼？他說問一個關於 GDP Val 的問題。

Sam Altman：
所以這是一個衡量 AI 在知識工作任務中表現的指標。我回頭看了最近發布的 GPT-5.2 模型的資料，查看了 GDP Val 的圖表。當然，這是 OpenAI 自己的評估。但根據圖表，夏季發布的 GPT-5「思考」模型，在 38% 的測試任務上與知識工作者持平、打平或擊敗了他們。而 GPT-5.2「思考」模型在 70.9% 的知識工作任務上打平或擊敗了人類，GPT-5.2「專業版」達到了 74.1%，並且它越過了被認為是「專家級」的門檻，看起來能處理大約 60% 的專家級任務,與知識工作領域的專家水準相當。這些模型能夠處理如此大量的知識工作，這意味著什麼？

你之前問到垂直領域，這是個好問題，但我之所以有點猶豫，是因為這個評估涵蓋了企業需要做的 40 多種不同垂直領域——製作 PPT、進行法律分析、編寫小型網路應用等等。而這個評估是問：專家們是否更喜歡模型的輸出，而不是其他專家的輸出？這涉及企業需要做的大量事情。當然，這些都是範圍明確的小任務，不包括那些複雜的、開放性的、創造性的工作，比如構思新產品，也不包括很多團隊協作的事情。但是，一個可以分配一小時工作量、並且有 70% 或 74% 的時間能拿回你更滿意結果的「AI 同事」，如果你願意少付點錢，仍然非常了不起。如果回到三年前 ChatGPT 剛發布時，說我們三年後就能做到這樣，大多數人會說絕對不可能。所以，當我們思考企業將如何整合這項技術時，不再僅僅是它能寫程式碼，而是所有這些知識工作任務你都可以交給 AI 處理。這需要一段時間才能真正搞清楚企業如何整合，但其影響應該是相當巨大的。

Alex Kantrowitz：
我知道你不是經濟學家，所以我不問你這對就業的宏觀影響。但讓我讀一段我從 Substack 上的《Blood in the Machine》看到的話，關於這如何影響工作。這是一位技術文案寫的：「聊天機器人來了，結果我的工作變成了管理機器人，而不是管理一個客服代表團隊。」這在我看來似乎會經常發生。但這個人接著說：「一旦機器人被訓練到足以提供足夠好的支援時，我就被裁掉了。」這種情況會更常見嗎？這是糟糕公司的做法嗎？因為如果你有一個能夠協調多個機器人的人，你可能會想留住他們。我不確定。你怎麼看？

Sam Altman：
我同意你的看法，很明顯未來每個人都會管理很多做不同事情的 AI。最終，就像任何優秀的管理者一樣，希望你的團隊越來越好，但你只是承擔了更廣的職責和更多的責任。我並不是一個「工作末日論者」。短期我有些擔憂，我認為轉型在某些情況下可能會比較艱難。但我們內心深處非常在意他人做什麼，我們似乎如此關注相對地位，總是渴望更多，渴望發揮作用、服務他人、表達創造精神——無論是什麼驅動我們走到今天，我不認為這些會消失。我認為未來的工作——甚至「工作」這個詞是否合適——我們 2050 年每天所做的事情，可能看起來與今天非常不同。但我並不認為生活會失去意義，或者經濟會徹底崩潰。我希望我們能找到更多的意義，我認為經濟將發生重大變化，但我覺得你無法違背進化生物學。

Alex Kantrowitz：
我經常思考我們如何能自動化 OpenAI 的所有職能，甚至更進一步，思考擁有一個 AI 執行長來管理 OpenAI 意味著什麼。這並不困擾我，我對此感到興奮，我不會抗拒。我不想成為那個固執己見、堅持手工方式更好的人。AI 執行長來做一系列決策，引導我們所有資源去賦予 AI 更多能量和能力……

Sam Altman：
肯定會設置一些安全護欄吧。

Alex Kantrowitz：
顯然，你不想要一個不受人類治理的 AI 執行長。但如果你設想這樣一個場景——也許這是個瘋狂的類比——假如世界上每個人實際上都是一家 AI 公司的董事會成員，可以告訴 AI 執行長該做什麼，如果做得不好可以解雇它，並對決策有監督權，但 AI 執行長負責執行董事會的意願。我認為對於未來的人來說，這似乎是相當合理的事情。

Sam Altman：
是的，好吧。

Alex Kantrowitz：
我們將在一分鐘後轉到基礎設施話題，但在我們離開模型和能力這個部分之前，GPT-6 什麼時候來？

Sam Altman：
我不確定我們何時會命名一個模型為 GPT-6。但我預計，明年第一季度會有比 5.2 有顯著提升的新模型。

Alex Kantrowitz：
「顯著提升」是什麼意思？

Sam Altman：
我還沒有具體的評估分數可以給你。但會包括企業級和消費者側。消費者目前主要想要的不是更高的智商，企業則仍然需要。所以我們會根據不同用途，以不同方式改進模型。但我們的目標是推出一個人人都更喜歡的模型。接下來，基礎設施。你們有大約 1.4 兆美元的承諾用於建設基礎設施。我聽過很多你關於基礎設施的言論。你曾說過：如果人們知道我們能利用計算做什麼，他們會想要多得多。你還說，我們今天能提供的，與 10 倍計算能力、100 倍計算能力之間的差距是巨大的。你能幫忙詳細闡述一下嗎？你們打算用這麼多額外的計算能力做什麼？

Sam Altman：
我之前稍微提到過，我個人最興奮的是利用 AI 和大量計算能力來發現新科學。我相信科學發現是世界如何為每個人變得更好的關鍵所在。如果我們能將海量計算能力投入到科學問題上，發現新知識——目前已經有非常早期的跡象，雖然還是非常小的事情。但我在這個領域歷史上的經驗是，一旦曲線開始啟動並稍微離開 X 軸一點，我們就知道如何讓它越來越好。但這需要巨大的計算能力。所以這是我們投入的一個領域：利用大量 AI 來發現新科學、治癒疾病等等。

一個最近的例子是，我們用 Codex 構建了 Sora Android 應用，他們用了大概不到一個月，消耗了大量的 token。在 OpenAI 工作的一個好處是，使用 Codex 沒有限制。他們用了大量 token，但完成了通常需要很多人、更長時間才能完成的工作，Codex 基本上為我們完成了。你可以想像這可以走得更遠，整個公司可以利用大量計算能力來構建產品。人們談論了很多視訊模型將如何引領這些即時產生的使用者介面，這將需要大量計算。希望轉型業務的企業會使用大量計算。希望提供良好個人化醫療服務的醫生，持續監測每個病人的各種體徵，你可以想像那會使用大量計算。目前世界上用於產生 AI 輸出的計算量已經很難具體描述，但這些數字非常粗略。

我知道這樣談論不夠嚴謹，但我發現這種思維實驗有點用，請原諒我的不精確。假設今天一家 AI 公司每天可能從前沿模型產生大約 10 兆個 token。也許更多，但我想沒有人達到千兆級別。假設世界有 80 億人，平均每人每天輸出的 token 數大約是 2 萬——這些數字我覺得完全不對，但你可以開始計算。比較今天模型提供商輸出的 token 數與全人類輸出的 token 數，你可以說，我們將會看到一家公司每天輸出的 token 數超過全人類的總和，然後是 10 倍，100 倍。從某種意義上說，這是一個非常愚蠢的比較，但從另一種意義上說，它給出了一個數量級概念：地球上的「智力運算」，有多少是人腦完成的，有多少是 AI 完成的。

那裡的相對增長率很有趣。我在想，你是否確定有這種需求來使用這些計算能力？比如，如果我們向科學或醫學投入雙倍計算能力，就必然會有科學突破，或者能明確地幫助醫生？這其中有多少是基於你今天所見的確切認知，有多少是對未來可能性的推測？

Sam Altman：
目前所見的一切都表明這將會發生。但這並不意味著未來不會出現瘋狂的事情。有人可能發現全新的架構，帶來一萬倍的效率提升，那樣我們可能在一段時間內確實會過度建設。但關於模型在每個新水準上進步的速度，每次我們降低成本後人們使用量的增加，目前我們看到的一切都表明，需求將不斷增長，人們會用它來做美好的事，也做無聊的事。這看起來就是未來的形態。這不僅僅是每天能處理多少 token。隨著編碼模型變得更好，它們可以思考很長時間，但你不想等那麼久。所以還會有其他維度，不僅僅是 token 數量。對智慧的需求，以及我們在少數幾個關鍵維度上能利用它做的事情……如果你有一個非常棘手的醫療問題，你是想用 5.2，還是用 5.2 專業版，即使後者需要多得多的 token？我會選擇更好的模型。我想你也會。我們再深入一層。關於科學發現，你能舉個具體的例子嗎？比如，一位科學家今天有 X 問題，如果投入 Y 計算能力就能解決，但目前無法實現？

Sam Altman：
今天早上推特上有件事，一些數學家們在互相回覆推文。他們說：我以前非常懷疑大語言模型會變好，但 5.2 對我來說是跨越邊界的那一個。它幫助完成了一個小證明，發現了一些小東西，但這確實改變了我的工作流程。然後其他人也加入說：我也是。有人說 5.1 就已經達到了。但這個模型才發布大約五天，數學研究社群似乎在說：好吧，重要的事情剛剛發生了。我看到 Greg Brockman 一直在他的時間線上強調各種不同的數學和科學用途。我覺得 5.2 在這些社群中引起了某種共鳴。所以隨著進展，看看會發生什麼會很有趣。大規模計算的一個難點是，你必須提前很長時間規劃。所以，你提到的 1.4 兆美元，我們會在很長一段時間內花費。我希望我們能花得更快。我認為如果我們能更快，需求是存在的。但建設這些專案，以及運行資料中心所需的能源、晶片、系統、網路等等，需要極其漫長的時間。所以這會持續一段時間。但從去年到現在，我們的計算能力可能增長了三倍。明年可能再增長三倍，希望之後還能繼續。收入增長甚至比這快一點，但大致與我們的計算資源增長同步。我們從未發現無法很好地將所有計算資源貨幣化的情況。我想，如果我們現在有雙倍的計算能力，收入就會是現在的兩倍。

Alex Kantrowitz：
好吧，既然你提到了數字，我們來談談。收入在增長，計算支出在增長，但計算支出的增長仍然超過收入增長。據報導，OpenAI 預計從現在到 2028、2029 年之間會虧損大約 1,200 億美元，然後才會開始獲利。那麼，轉變是如何發生的？轉折點在哪裡？

Sam Altman：
隨著收入增長，以及推理在計算資源中的占比越來越大，最終會覆蓋訓練成本。這就是計劃。花很多錢訓練，但賺得越來越多。如果我們不繼續如此大幅度地增加訓練成本，我們會早得多地實現獲利。但我們押注的是，非常積極地投資於訓練這些大型模型。全世界都在好奇，你們的收入將如何與支出匹配。有人問，如果今年收入目標是 200 億，而支出承諾是 1.4 兆，這如何運作？

Alex Kantrowitz：
是在很長一段時期內。

Sam Altman：
是的。這就是我想跟你討論的原因。我認為最好能一次性地向大家清楚地解釋這些數字將如何運作。這非常難，我肯定做不到，我見過的人裡也很少有人能做到。你知道，你可能對很多數學問題有很好的直覺，但指數增長通常是人們很難在腦子裡快速構建出心理模型的。出於某種原因，進化需要我們擅長用大腦處理很多數學問題，但模擬指數增長似乎不是其中之一。所以我們相信，我們可以在相當長的一段時間內保持非常陡峭的收入增長曲線，目前我們看到的一切都繼續表明這一點。但前提是我們擁有足夠的計算能力。

我們仍然受到計算的嚴重制約，這對收入線影響巨大。我認為，如果我們到了擁有大量閒置計算能力、無法以合理的單位計算利潤將其貨幣化的地步，那確實應該問問：這一切怎麼行得通？但我們已經從多種方式推演過。當然，隨著我們所有降低計算成本的工作取得成果，單位美元能買到的浮點運算能力也會提高。我們看到消費者增長，企業級增長。還有很多我們尚未推出但將會推出的新業務類型。但計算能力確實是實現這一切的生命線。所以，我們沿途會有檢查點，如果我們在時間或計算上稍有偏差，我們有一定的靈活性。但我們一直處於計算能力短缺的狀態，這總是限制了我們能做的事情。不幸的是，我認為這將是常態，但我希望隨著時間的推移能有所改善。因為我認為有太多很棒的產品和服務我們可以提供，這將是一筆巨大的生意。

Alex Kantrowitz：
所以，實際上是訓練成本占總成本的比例下降，但絕對值上升。你的預期是，通過企業級業務推進、人們願意為 ChatGPT 付費、通過 API 等方式，OpenAI 將能夠用收入來支付這些成本。

Sam Altman：
計劃是這樣的。

Alex Kantrowitz：
現在，市場最近對此有些失去理智。我認為讓市場不安的是，債務進入了這個等式。圍繞債務的理念是，當有可預測的事情時你才借貸。公司借債，建設，然後獲得可預測的收入。但這是一個新類別，具有不可預測性。你如何看待債務進入這個領域？

Sam Altman：
首先，我認為市場更早的時候就已經失去理智了。今年早些時候，我們與某家公司會面，第二天那家公司的股價就會上漲 20% 或 15%。這太瘋狂了，感覺非常不健康。實際上，我很高興現在市場上有更多的懷疑和理性，因為我覺得我們當時正完全走向一個非常不穩定的泡沫，現在我認為人們有了一定程度的紀律。所以我實際上認為情況更好了。人們之前瘋了，現在變得更理性了。在債務方面，我認為我們知道，如果我們建設基礎設施，行業總會有人從中獲得價值。現在仍然非常早期，我同意你的看法。但我不認為還有人懷疑 AI 基礎設施不會產生價值。因此，我認為債務進入這個市場是合理的。我預計還會出現其他類型的金融工具。我懷疑隨著人們在這方面進行金融創新，會出現一些不合理的工具。但是，借錢給公司建資料中心，這在我看來沒問題。

Alex Kantrowitz：
市場的擔憂是，如果進展不按預期速度持續——比如說模型進展停滯了——那麼基礎設施的價值就會低於預期，是的，那些資料中心對某些人仍有價值，但可能會被清算，有人會以折扣價買下它們。

Sam Altman：
我確實懷疑，沿途會有一些繁榮和蕭條。這些事情從來都不是一條完美的平滑直線。首先，在我看來非常清楚，而且我很樂意用公司來打賭：模型會變得好得多。我們對這方面有很好的預見性，我們對此非常有信心。即使模型沒有進步，我認為世界有很大的慣性，適應新事物需要時間。我相信 5.2 所代表的經濟價值，相對於世界目前已經從中挖掘出的價值來說，其「潛力差距」是巨大的。即使你把模型凍結在 5.2 的水準，你能創造並因此驅動的收入，我認為也是巨大的。事實上，如果你允許我稍微偏離一下話題。我們過去經常討論一個 2×2 矩陣：短期時間線 vs 長期時間線，緩慢起飛 vs 快速起飛，以及我們在不同時期認為機率分布會如何變化。你可以根據你在這個矩陣中的位置，來理解世界上許多決策和策略應該如何優化。但在我腦海中，這個圖景出現了一個 Z 軸，那就是：小潛力差距 vs 大潛力差距。我猜我以前沒想那麼深，但我反思了一下，我一定是假設潛力差距不會那麼巨大——如果模型蘊含巨大價值，世界會很快弄清楚如何部署它。但現在看來，我認為潛力差距在世界上大多數地方都將非常巨大。你會有一些領域，比如某些程式設計師，通過採用這些工具，生產力會大大提高。但總體上，你擁有這個極其聰明的模型，坦白說，大多數人仍然在問和 GPT-4 時代類似的問題。科學家、程式設計師不同，知識工作者可能也不同，但潛力差距是巨大的。這對世界將產生一系列非常奇怪的後果，我們還沒有完全想清楚這一切將如何展開，但這與我幾年前預期的非常不同。

Alex Kantrowitz：
我有個關於這個「能力潛力差距」的問題。基本上，模型能做的遠多於它們目前所做的。我在試圖理解，模型怎麼能比它們的實際應用好那麼多？但很多企業在嘗試應用它們時，並沒有獲得投資回報，或者至少他們是這麼告訴麻省理工學院的。我不太確定該如何思考這個問題，因為我們聽到所有企業都說，如果你把 GPT-5.2 的價格提高 10 倍，我們仍然會付錢。你們定價太低了，我們從這裡獲得了巨大價值。這在我看來不太對勁。

Sam Altman：
當然，如果你問程式設計師，他們會說：「我願意付 100 倍的價格。」這可能只是官僚主義把事情搞砸了。假設你相信 GDP Val 的資料——也許你不信，有很好的理由，也許它們是錯的——但假設那是真的，對於這些定義明確、時間不太長的知識工作任務，十次中有七次你對 5.2 的輸出同樣滿意或更滿意。那麼你就應該大量使用它。然而，人們改變工作流程卻需要這麼長時間。人們太習慣於讓初級分析師做投影片之類的了。這比我想像的要更有粘性。你知道，我自己的工作流程在很大程度上還是老樣子，儘管我知道我可以更多地使用 AI。

Alex Kantrowitz：
我們還有 10 分鐘。我們還有四個問題。我們試著快速過一下。你們正在研發的裝置。我們稍後將繼續與 OpenAI 執行長 Sam Altman 的對話。

Alex Kantrowitz：
我聽到的傳聞是：手機大小，沒有螢幕。如果它只是一個沒有螢幕的手機，為什麼不能是一個應用程式？

Sam Altman：
首先，我們將推出一個小型裝置系列，不會是單一裝置。隨著時間的推移，我認為人們使用電腦的方式將發生轉變，從一種被動、笨拙的東西，轉向一種非常聰明、主動的東西，它能理解你的整個生活、你的上下文、你周圍發生的一切，非常了解你身邊或通過電腦與你協作的人。我認為當前的裝置並不適合那種世界。我堅信，我們是在我們裝置的極限內工作的。你有那台電腦，它有一系列設計選擇。它可以是開放的或封閉的，但它不能同時做到……比如，關注這次採訪，但在我忘記問 Sam 問題時在我耳邊低語提醒。也許那會有幫助。有螢幕，那就把你限制在幾十年來圖形使用者介面的工作方式裡。有鍵盤，那最初是為了減慢你輸入資訊的速度而設計的。這些長期以來都是未經質疑的假設，但它們有效。然後這個全新的東西出現了，它打開了一個可能性空間。但我不認為當前裝置的形態是這種令人驚艷的新能力的最佳載體。如果是的話，那反而很奇怪。天哪，我們可以就此談上一個小時。

Alex Kantrowitz：
我們繼續下一個。雲端運算。你談過要構建雲端服務。我們收到一位聽眾的郵件：「在我的公司，我們正在從 Azure 遷移，直接與 OpenAI 整合，為我們的產品提供 AI 體驗。重點是通過堆疊插入數萬億 token 的流，為 AI 體驗提供動力。」這是計劃嗎？以這種方式構建一個龐大的雲端業務？

Sam Altman：
首先，數萬億 token 是海量的。你問到了對計算能力的需求以及我們的企業策略。企業客戶已經明確告訴我們他們想從我們這裡購買多少 token。我們 2026 年仍然無法滿足需求。但策略是，大多數公司似乎都希望找到像我們這樣的公司，說：我希望我的公司名與 AI 相連。我需要一個為我的公司定製的 API，一個為我的公司定製的 ChatGPT 企業版，一個我可以信任我的資料、可以運行所有這些智慧體的平台，需要將數萬億 token 注入我的產品的能力，需要讓所有內部流程更高效的能力。我們目前還沒有一個很棒的一體化產品，我們想打造這個。

Alex Kantrowitz：
你的雄心是將其提升到與 AWS 和 Azure 同等的地位嗎？

Sam Altman：
我認為這與那些是不同的東西。我並沒有雄心去提供託管網站或其他什麼服務所需的所有服務。我認為是的，我的猜測是，人們會繼續擁有他們的網路雲端，然後還會有另一個東西，一家公司會說：我需要一個 AI 平台，來處理我想做的一切內部事務、我想提供的服務等等。在某種意義上，它確實運行在物理硬體上，但我認為它會是一個相當不同的產品。

Alex Kantrowitz：
我們快速談談科學發現。你說過一些讓我非常感興趣的話：你認為模型，或者人們與模型協作，明年將做出小發現，五年內做出大發現。是模型本身嗎？還是人們與它們協作？是什麼讓你對此有信心？

Sam Altman：
是人們使用模型。模型能自己提出問題並解決，感覺還需要更久。但如果世界從新知識中受益，我們應該非常激動。我認為人類進步的整個進程就是，我們建造更好的工具，人們用它們做更多的事，然後在這個過程中建造更多的工具，我們就這樣一層一層、一代一代、一個發現接一個發現地攀升。人類提出問題，我認為這絲毫不減損工具的價值。我覺得這很棒。我很高興。今年年初，我認為小發現會在 2026 年開始。結果在 2025 年底就開始了。重申一下，這些都非常小。我真的不想誇大，但任何發現，在感覺上都與「沒有發現」有質的不同。當然，三年前我們發布模型時，那個模型不可能對人類知識總量做出任何新貢獻。從現在到五年後，通往大發現的旅程，我懷疑就像 AI 的正常爬坡一樣，每季度都好一點，然後突然間，由這些模型增強的人類，就能做到五年前人類絕對做不到的事情。無論我們主要將此歸功於更聰明的人類還是更聰明的模型，只要我們能獲得科學發現，無論怎樣我都非常高興。

Alex Kantrowitz：
明年會 IPO 嗎？你想成為上市公司嗎？看起來你可以長時間保持私有。你會在需要融資之前上市嗎？

Sam Altman：
這裡有很多因素在起作用。我確實認為，公開市場能夠參與價值創造，這很酷。從某種意義上說，如果我們上市，與以往任何公司相比都會非常晚。作為一家私有公司很棒。我們需要大量資本。我們最終也會超過股東人數限制等等。所以，成為一家上市公司的執行長，我興奮嗎？0%。OpenAI 成為一家上市公司，我興奮嗎？在某些方面是的，在某些方面，我覺得會很煩人。

Alex Kantrowitz：
我仔細聽了你對 Theo Van 的採訪，很棒的採訪。

Sam Altman：
Theo 真的很懂行，他做了功課。

Alex Kantrowitz：
你在 GPT-5 發布前告訴他，GPT-5 在幾乎所有方面都比我們更聰明。我認為那就是 AGI 的定義。這不是 AGI 嗎？如果不是，這個術語是不是變得有些沒有意義了？

Sam Altman：
這些模型在原始能力方面顯然極其聰明。過去幾天有很多關於 GPT-5.2 智商是 147、144 或 151 的討論。根據不同的測試，這是一個很高的數字。有很多領域專家說它能做這些驚人的事情，它正在做出貢獻，讓專家更有效率。我們談過 GDP Val。有一件事模型還做不到：當它今天不能做某事時，能意識到自己不會，然後自己去想辦法學習、理解它，第二天你再來時，它就做對了。這種持續學習能力，幼兒就能做到。在我看來，這似乎是我們需要構建的重要組成部分。那麼，沒有這個能力，能算是大多數人認為的 AGI 嗎？我會說顯然不能。我是說，很多人會說我們現在的模型就是 AGI。我幾乎可以肯定，如果我們擁有當前水準的智慧加上那個能力，那顯然就非常接近 AGI 了。但也許大多數人會說：好吧，即使沒有那個，它也能完成大多數重要的知識任務，在大多數方面比我們大多數人都聰明，這就是 AGI。它發現了新的科學知識，這就是 AGI。我認為這意味著這個術語雖然我們都很難停止使用，但定義非常模糊。有一件我希望我們能為 AGI 做對，但我們從未明確定義的事。現在大家關注的術語是超智慧。所以我的提議是，我們同意 AGI 這個概念已經模糊地過去了，它沒有太大改變世界，或者長期來看會，但好吧，我們在某個時間點已經建造了 AGI，我們正處於一個模糊時期，有人認為我們有，有人認為沒有，越來越多的人會認為我們有，然後我們說：下一步是什麼？超智慧的一個候選定義是：當一個系統能夠比任何人 (即使有 AI 協助) 更好地完成美國總統、大公司執行長、大型科學實驗室負責人的工作時。

我認為國際象棋的例子很有趣。我記得很清楚，深藍擊敗了人類。然後有一段時間，人類和 AI 一起比單獨的 AI 更厲害，後來人類反而拖了後腿，最聰明的是不需要人類幫助、不理解其偉大智慧的 AI。我認為類似的東西可以作為思考超智慧的一個有趣框架。我認為這還有很長的路要走，但我希望這次能有一個更清晰的定義。

Alex Kantrowitz：
Sam，你看，我已經使用你們的產品三年了，每天都在用。它們確實變得好多了。簡直無法想像它們未來會怎樣。

Sam Altman：
我們會努力讓它們變得更快更好。

Alex Kantrowitz：
好的。這是我們第二次交談，感謝你兩次都如此坦誠。謝謝你的時間。感謝各位收聽和觀看。如果你是第一次來，請點擊關注或訂閱。我們的節目裡有很多精彩的訪談，未來還有更多。過去一年，我們兩次採訪了 Google DeepMind 的執行長 Demis Hassabis，其中一次還有 Google 聯合創始人 Sergey Brin。我們還採訪了 Anthropic 的執行長 Dario Amodei。2026 年我們還有很多重磅訪談。再次感謝，我們下次《大科技播客》再見。