本文系 Sam Altman 做客 David Senra 频道最新访谈的中文编译整理。涉及议题涵盖 AI 采纳的路径依赖、缺失的「iPhone 时刻」、基础设施投入、平台战略布局、安全治理框架，以及下一轮中小型创业浪潮。原访谈标题为《Sam Altman on Building OpenAI & Betting on the Impossible》，主持人系 David Senra，嘉宾为 Sam Altman，配图来源：视觉中国。
导读：整场谈话的关键之处，并非 Altman 再次畅想 AGI 的前景。
2026年8月23日，OpenAI 首席执行官 Sam Altman 登上 David Senra 的音频节目，深入阐述了集团的创业轨迹、原生 AI 企业的特征、计算能力与研究融合、非共识性的战略赌注、交互产品设计、风险防控、中小企业繁荣前景，以及他对人类自主性的理解。在这场逾一小时的深度对话里，最引人注目的并非 Sam Altman 关于「AI 能有多强大」的又一轮预测，而是他对 AI 应用于实体经济时所遭遇阻力的更加现实、也更加谨慎的评估。
2023 年 GPT-4 问世之际，Altman 曾预期整个软件产业会进行迅速的重组；到了2026年，他坦承自己低估了经济循环与人性的惯性作用。模型智能可以实现指数级跳跃，但企业采购决策、管理体系、工作方式习惯乃至产品的交互逻辑，并不会同步进化。
这也是贯穿整场访谈的隐线：AI 的主要制约条件正在悄然转变，从「算法够不够先进」演变为「人类能否真正改造自身工作模式」「产品能否打破交互范式」「企业是否敢于把流程和数据托付给智能体」，以及「支撑这一切的算力投入、资本动员与治理框架是否齐备」。Altman 甚至用自己做例子：尽管已拥有 Codex 这样的强大工具，他却仍然像过去二十年一样习惯性地查阅邮件、复制粘贴文本、维护待办清单。这种行为上的滞后性，可能比任何宏观数据都更好地解释了人们所说的 AI 生产率悖论。
同时，Altman 对 OpenAI 的定位给出了相当明确的答案：他期望这家公司更像个平台，而不是事事包办。理想的姿态是创造一个通用入口——无论是为个人还是为机构——再配套 API，让开发者自由地在上面开发商业应用。为此，OpenAI 已经舍弃过几个「还不错但不是最优先」的产品线，把有限的算力、人才池和组织精力重新指向通用知识工作、科学发现突破以及根基性的基础设施搭建。
另一条值得关注的叙事主线聚焦算力基建。Altman 将大规模算力投资描述为正在演变成「人类历史上最高成本的基础设施工程」之一。芯片设计、晶圆代工、服务器架构、供电系统、全球供应链、融资模式和政策支持，已不再是模型开发的配角，而成为 AI 公司本身的战略核心。这预示着 AI 竞争的维度已拓展：不仅是算法本身的比拼，更是资本整合、能源保障和产业链掌控能力的角力。
关于安全问题，他的立场远比「加速派 vs 保守派」的二分法更加复杂。他同时警惕两个风险方向：一是技术能力失控，人类无法维持必要的约束；二是为了防范前一种风险，权力反而集中于少数企业、少数模型或少数个人。他主张通过实地部署、事故记录制度、事后复盘和持续改进来提高安全水位，而非在实验室里纸上谈兵推演社会后果。这个思路的底色仍是经典的创业哲学：贴近真实环境、通过反馈优化。
一、真正的 AI 原生组织，高管必须亲自上阵
David Senra：
我提到过之前采访 Shopify CEO Tobi Lütke 的经历。你认为他代表了当代最有意思的领导者特质吗？
Sam Altman：
让我印象深刻的是，从 AI 初期阶段直到今天，Tobi 始终是推进最激进的那个人。他亲自编写代码、亲自做实验，给我们提供极其精准、细致的产品及模型反馈。很多人还没意识到时，他就已经说清楚：我们不能像 NPC 那样重复执行既定脚本，必须引入 Agent 技术，不然就被淘汰，而且要自己动手实践。和他交流总是获益匪浅。他既动手搭建，又真正理解工具的本质，对技术所处的阶段有深刻感知。按我的评估，他大约领先其他 CEO 六到八个月。
David Senra：
一两年前他发了一份内部备忘录，要求所有部门在遇到问题时优先评估 AI 能否解决。当时不少人觉得这太激进了。
Sam Altman：
这正是我想说的——他一直走在前沿，而后续事实也证明了他的判断多数是对的。他很脚踏实地，没有太多宣传噱头，专注于 AI 现阶段能干什么、接下来可能干什么，以及组织应该如何调整。很多人给我们反馈，但「大企业 CEO」与「精准细致、前沿洞察的产品反馈者」这两个身份的结合，他几乎是独一份。
David Senra：
他还说，回顾 2026 年时会把它定义为「所有商业竞争格局重构之年」。会有人打造 AI 原生的 Shopify 替代品，他希望成为那个人。所以每晚他都在沙盘推演：假如今天从零开始，用现有技术栈，Shopify 应该重新设计成什么样子？
Sam Altman：
这还是我提到的另一个特点：身体力行。他自己用工具、写代码、测试模型、重构工作流程。许多企业规模达到这种量级后，CEO 其实已经远离执行细节，信息在多层传递中失真。我认为不亲手干活，很难建立真正的直觉。我不确定 2026 年是否真的是全行业洗牌之年——我的时间判断会更保留一些——但我理解那种感觉。
David Senra：
从长期来看，几乎所有产业都会经历重新争夺吗？
Sam Altman：
不是字面意义上的全部。AI 越发达，某些与 AI 几乎无关的商业模式反而可能更珍贵，因为人会更渴望真实、非算法化的体验，会更看重运动、人际互动等。所以不是全部企业，但确实是很多软件类公司面临重构。
David Senra：
原因何在？
Sam Altman：
我一直热爱创业，也努力理解创业的本质。GPT-4 那会儿，我原以为软件领域会发生更大规模、更迅速的颠覆，大量业务被快速重组。后来发现自己对速度的预测出了偏差。经济系统有极强的惯性：人们继续做过去做的事，从原有厂商采购，习惯于熟悉的使用方式。从某角度讲，这也是幸事，让这场深刻转型更平稳、更缓慢展开。我对此反而有点庆幸。但这也说明，即便面对如此非凡的技术进步，我们这些人对时间表的估计都过于乐观了。AI 是人类创造的最非凡的东西之一，但社会与经济适应它的节奏会更缓。
David Senra：
这让我想起历史上许多技术革命。技术就绪并不等于人类行为就绪。
Sam Altman：
Netflix 邮寄租赁早就能实现，我却惊异于为何那么多人还在去 Blockbuster 门店。它展示了习惯的顽强生命力。改变人的行为方式，远比科技圈人士预想的要困难。
二、AI 产品最大的卡点：还没等来「iPhone 时刻」
David Senra：
你们本身就在创造这些工具。有没有过那样的时刻，你知道有更优解，却发现自己仍然被旧习绑架？
Sam Altman：
这个问题我从未被问过，一直在期待有人问。对我来讲，最让人哭笑不得的矛盾是：我使用电脑的方式在过去二十年没变过。如今我拥有 Codex 这个魔法工具，诸位也有，大家都有。按理我应该彻底改写计算机使用习惯。
不应该满屏乱点、在多个通讯平台间来回复制粘贴、漫无目的地翻邮件试图找出最好打开的那封，尤其是当我根本不想回复时。不应该列长长的清单，机械地逐项完成电脑操作。然而，我的思维里根深蒂固地认为，做这些就是工作，就是高效。
问我是否喜欢这样工作，我必定说不喜欢，我是真心这么想。但行动上我还是那么做，这没理由可讲——除非说明我潜意识其实喜欢这种方式，或从中获得满足感。
David Senra：
什么能促使你彻底改用自家产品？
Sam Altman：
我也说不准。改变在缓缓发生，或许这就是答案本身：根深蒂固的习惯和流程只能逐步改造。我们也需要打造更好的产品，让这个迁移过程更顺畅自然。当下我们跨在两个世界之间：一边是传统电脑，一边是能用全新方式操作的 Codex，人们还搞不清该什么时候用哪个。
这基本是产品层面的遗憾。我们现在的状态让我想起 iPhone 出现前的智能手机时代。我在 2003 或 2004 年就用过 Palm Treo，那时很多技术基础已具备。虽然没有多点触控，但关键缺的是那些最终让 iPhone 成为 iPhone 的产品哲学。
AI 现阶段类似：技术拼图大致完整，但还没迎来那个根本改变人与技术互动方式的「iPhone 时刻」。
David Senra：
你提过，最新一代模型在某些维度已经相当聪慧。下一步真正的制约是什么？
Sam Altman：
关于新一代模型，我不想说它们已足够聪明，因为我们应该永远追求智能的提升，但它们确实已相当聪慧。眼下，我更受限于 AI 对「我」这个个体的了解深度——有效的上下文信息量不足。
我希望 AI 对我的了解越充分越好，这样它才能真正助力我，做那些我做不了或不想亲自做的事。比如，我不可能每天阅读公司内所有 Slack 贴文，也不可能看完每个客户讲述 ChatGPT 何时帮忙、何时失利的故事。不现实。
论文我本可以多读些，但那会耗费巨大精力。我多希望有个 AI 智能体持续为我服务，处理海量上下文信息，在我需要做重大决策时，用这些背景知识给出高质量建议。
过去我们恰当地把大量重心投在了模型智能，但产品维度上，我们还没充分思考过：若模型掌握比任何一个人都丰富的上下文，它怎样帮助这个人做决策？我的感觉是，我们站在一个临界点，就要看到全新的人机协作模式。
聪慧的人有很多，但没人能在数秒内读完数万页材料并精准应用。这是 AI 的绝活。它会创造前所未有的体验，成为极强的增幅工具。
三、最重要的机遇，往往源于「非共识」的战略赌注
David Senra：
你会如何优化产品？是从自身需求出发吗？思路是什么？
Sam Altman：
我目前把精力主要投在研究和算力。当然希望能投入更多时间在产品上，但公司里有出色的产品团队。我们最核心的使命仍是打造足够聪慧的模型，并让足够多的人能充分利用。若这做对了，我相信其他方面会自然跟上。
从哲学层面，我倾向于追寻那些高影响力、极具挑战、能让指数增长继续向上的问题。对 OpenAI 而言，就是模型和算力。这两类问题也最适合我的特点。
David Senra：
为何算力特别契合你？
Sam Altman：
因为我们在做的算力扩张本身就是复杂供应链难题，需要设计数量庞大的协作关系，也需要应对极有趣的融资挑战——怎样为一个已经或正在成为历史上最烧钱的基础设施工程融资？
技术问题从芯片自主研发开始，延伸到晶圆供应链、机架组装、电力体系。再加上技术、商业、政策、物流和能源多个维度，所有问题都交汇在一起。
我以前做过创业投资。职业生涯里，我发现与创投最相似的角色反而是研究项目经理。表面看研究者和创业者天差地别，但底层逻辑一致：怎样发现非共识机会、怎样建立坚定信念、怎样理解指数增长、怎样识别和培养顶尖人才。
David Senra：
创投和研究最相通之处是什么？
Sam Altman：
一个重大共同点就是幂律分布。在投资里，你最成功的一笔投资可能超过其他所有投资加总；第二名也可能超过剩余投资的总和。AI 研究中也存在类似结构。
2015 年我们启动 OpenAI 时，很多人认为实现 AGI 几乎不可能。我们因为公开追求 AGI 被领域权威批评。后来押注大语言模型时又被批评了一轮。我在创投里的经历让我很容易接纳一件事：高风险赌注本身无可厚非，只要一旦成功就极其有价值。
真正顶尖的研究者，往往不随大流、有创新方法、能量高、不太「标准化」。你不想投资那种微调过去一千个创业想法、却努力包装成新东西的人。研究也是这样：多数人追逐已验证的方向，少数人对未经验证的新想法有强烈信心。我们想成为最欢迎后者的机构。
David Senra：
Demis Hassabis 也提过一个可能性：除了头部大实验室，也许会有一个「隐士研究者」从意想不到的角度突破。
Sam Altman：
这种可能当然存在。我不知道概率该有多高，但这种可能性本身就让这个领域一直有意思。
David Senra：
你为何在 2015 年决定重新创业，而且选了当时这么非共识的方向？
Sam Altman：
我自小对 AI 就着迷。我就是那种典型的电脑迷，周五晚宅在电脑前看科幻、读科幻小说。我一直觉得 AI 会是最疯狂、最难以置信的事物。大学时我本想学它，大一暑假还在 AI 实验室打过工。
但那会儿什么都做不出来。一个教授甚至明确跟我说：你可以尝试很多方向，但我们唯一知道行不通的就是深度学习——我们试过很久；想毁掉学术生涯，深度学习大概是最稳妥的方式。我当时还是容易被影响的大一学生，就信了。到 2005 年左右，我的判断是 AI 还不成熟。后来歪打正着进了创业圈，真正爱上了创业。
我很庆幸自己先做了投资，再回到运营。硅谷通常的路径是成功创始人半隐退做投资，我走了反向。投资让你在短时间内见证大量公司的关键时刻。经营者可能只积累所在公司五到十年的样本，投资人会持续看到公司在战略转向、换管理层、融资等节点上的得失。这给了我极其丰富的数据集。
David Senra：
为什么 AI 从小就吸引你？
Sam Altman：
我这一生都被 AI 吸引。我是个地道的极客少年，那种周末缩在电脑前、看科幻电影、读科幻小说的孩子。我一直认为 AI 会是最奇妙、最激进的东西。从未想过自己真能在这领域工作，但始终热爱它。我上大学本来就想学这个专业。
大一暑假我在 AI 实验室实习，但没做出什么成果。印象最深的是，一位教授跟我说：你可以试试各种方向，这么多研究路径，但唯一我们确定行不通的，就是深度学习。我们在这投入巨大，这简直是摧毁职业的最可靠办法。
当时我还是容易受影响的新生，就当真了，转向其他方向。后来阴差阳错进入创业生态，从此深深爱上它。
David Senra：
听别人说不可能时，你的直觉反应是什么？
Sam Altman：
不是逆反心理，而是问自己：「你确定吗？为什么不行？咱们试试看，看会发生什么。也许我能，也许我们能。」
我那时是个乐观少年。而且越是看似不可能的事，我就越着迷。
想象我们能发明一种技术，让我们能做其他事情，用任何其他单一技术都无法实现的方式赋予人类力量，这对我一直有天然的、难以抗拒的吸引力。
我渴望得到那种技术，渴望用它成就一切。我发现自己性格里有个长期特质就是赋能他人，扩展他们的力量和可能性。这真的极其有趣。从某个意义讲，这就是技术演进的大轮廓。而 AI，是我能想到的最终极体现。
David Senra：
现在，AI 最让你兴奋的应用场景是什么？
Sam Altman：
眼下，我对 AI 驱动科学发现的潜力极其感兴趣。让 AI 去发现新的物理定律、治疗疾病，以及它在数学领域的成就。我认为这将是最重要的领域之一，甚至超过 AI 自动化其他任务，因为它扩展了我们的理解。
AI 真的能帮我们完成理解世界这个宏大使命，尽可能多地洞察现实。我一直热爱科学，崇尚这样的理念：凭借智慧，我们能理解世界、做出预测，做到没有深层认知就做不到的事情。
David Senra：
假如未来两个 AI 做的播客比我俩聊天更有趣，人们还会在意真人吗？
Sam Altman：
我深信人类会被真人吸引。纯粹的信息内容容易被替代，但那些本质上跟「人」相关的东西，听众会在意说话者是谁，会因为喜欢或讨厌某个人而产生兴趣。特别是那些在 AI 浪潮前长大的人，会一直被真实的人所吸引。
许多职业会经历巨大转型，但那些关于人与人的链接、关于喜欢另一个人，在 AI 时代后可能变得更珍贵，而不是更廉价。
我虽然工作几乎全是数字化，却非常向往更类比、更实体的生活。我爱纸质书，讨厌视频会议，更喜欢在现实中和人共处。我认为真正只想和计算机互动、不爱人类的人，始终只是少数。
所以即便出现超级智能，世界在某些根本层次上也不必完全改变。人依然会关心人、想和人待在一起。我们要警惕那些视人为障碍、想把权力交给模型的人，不能让他们掌握过多权力。
四、最担心的两类 AI 风险：失控与权力集中
David Senra：
你最害怕什么？
Sam Altman：
我最担心两个大风险，它们之间存在张力。第一个是失去掌控：AI 变太强，我们没法保证保有想要的控制权。第二个是权力过度集中：某家公司、某个模型或某个人握有过多权力。
这两个风险背后的核心原则是一致的：未来必须由人深度管控，技术应该让人更能干。人本身才是目标。我们不能因为不信任人类，就逐渐把世界掌控权和决策权交给某个模型；那是反人类的立场。
另一个变种是：因为我们不信任普通人，所以要限制谁能接触技术、怎样使用。借着安全的名义，把权力集中到少数公司手里，然后对其他人说：你们会获得好处。
我会把这个极端立场讽刺成：我们可以给世界治愈一切疾病的办法、让物质极其充裕，但代价是普通人放弃自主权、放弃塑造未来的能力，接受极端不平等。少数人拥有巨大财富和权力，其他人得到「还算不错的一切」。我认为这是极其糟糕、极其反人类的推销辞令。
David Senra：
为什么有人会接纳这种逻辑？
Sam Altman：
部分源于恐惧，部分源于对权力的欲望。有人真心畏惧 AI 风险的量级，所以认为应该用很多自由交换安全。但这也容易演变成追逐权力的正当化借口。AI 的目标应该是扩展人的自主能力，而不是削弱它。
五、AI 安全：贴近现实，在实践中完善
David Senra：
你怎样看「末日论者」对 AI 安全的忧虑？
Sam Altman：
我同意他们的一点：这是项强大的技术，我们在安全上应该保守一些，每个阶段都要谨慎。
我不同意的是：他们认为 AI 对齐是无解难题。回到 OpenAI 成立初期，当时有两种主流观点。第一，我们根本不可能，也绝不可能在十年内造出接近 AGI 的东西。第二，退一步讲，即使做到了，也无法保证其安全。
他们的逻辑是，如果你拥有一个在许多方面比顶尖聪慧人类还聪明的 AI，到那时，世界肯定已毁灭，对齐必定失败。
十年过去，我们造出的东西，我认为大多数人都会承认，已经极其接近 AGI。而且，许多美好的事在发生，那些关于世界末日的疯狂预言并未兑现。
所以，我认为这应该修正人们对未来的预测。我们眼前仍有风险更高的挑战要破，但我们的路子就是把产品推向真实世界，从真实用户那里获取反馈，看哪儿会出问题、哪儿不会。
向真实世界推送产品获取反馈，既是打造好产品的办法，也是打造安全产品的办法。
David Senra：
为什么真实世界的反馈这么关键？
Sam Altman：
每次我们发布新代模型，都会推向真实世界，看哪些功能有效、哪些无效；理解用户在什么场景下需要我们松开安全护栏，以便用于善的目的；也发现我们在哪些地方失去了价值对齐或安全机制失灵。
ChatGPT 上线还不足四年，已有十亿人在用它，处理的是敏感要紧的事务。我们能交付一款被广泛认可为安全的产品，尽管它当然还有一些问题。
在这么短的时间内，面对这么强大的技术，我认为我们绝不可能在象牙塔里闭门完成这些。
我确实认为前路会更艰难，但躲在实验室里绝非破局之道。
David Senra：
接下来为什么会更难？
Sam Altman：
模型的能力极其强大，进步曲线极其陡峭。我认为，我们将面临一系列艰难决策，比如何时放缓开发，何时说：「好吧，咱们回到现实，或咱们再等等，更深入地研究。」
最近有人提到，美国联邦航空局让飞行成为最安全的交通方式。表面上，飞行似乎极其危险，但现在你上飞机时可能根本不会多想。
他们拥有完善的事故报告体系，态度极其清醒、冷静，从不对问题敷衍塞责，而是尽可能多地吸取信息。对于任何新技术，这个方法都极其有效，但往往被低估。
当我们开始部署模型，宣布要把 ChatGPT 推向世界时，我们清楚知道模型不完美。我们知道它会产生幻觉，也有其他问题。但我们明白，世界必须亲身拥抱这项技术。
我们必须学会怎样让它安全，并把能力真正交给人们。我们不能借它强加我们的世界观，也不能窝在实验室里试图推演社会后果——这注定白费，因为社会与模型必将共同演进。
我们会做好事故记录，在出问题时复盘，发布清晰的研究报告，尽可能多地汲取教训。我们不仅要改进自己的技术和产品，也会分享这些经验给其他 AI 开发者。迄今为止，这个路子的效果好得令人吃惊。
六、「人人用 AI，人人讨厌 AI」的悖论
David Senra：
许多创业者喜欢 AI、大量用 AI，但整个社会又很排斥。为什么会这样？
Sam Altman：
人天然害怕快速的社会经济变迁。工业革命时期，人们对变化并不感到热情拥抱。社会有一定惯性、对快速变化保持怀疑，我认为这其实是健康的制约。但 AI 行业自己也没做好。许多从业者一边说「有 25% 概率摧毁世界」，一边又说「我们必须加速竞争，否则坏蛋会先做出来」；或对公众宣称「明年一半的工作可能消失，希望你没事」。整个行业没有很好地讲清 AI 的好处，也没讲怎样缓解其副作用。
即使有人谈全民基本生活费、工作变成可选项，也很少认真讨论对普通人真正关键的事：AI 应该让个人拥有更多权力和自由，而不是更少。人想影响自己的未来，想共同参与社会走向的决定。
如果 AI 的故事变成「亲爱的普通人，我们给你癌症疗法、物质财富和娱乐，你别抱怨，未来由我们替你决定，信任我们这些仁慈的独裁者」，那肯定不是好故事。
我极其看好创业和个人创造的力量。即便多数人不想建立巨型企业，很多人其实想开小公司，但过去创业需要大量资源、运气和特权。AI 正在降低这些门槛。我认为我们即将看到历史上规模最大的一波小微企业创业潮。整个 AI 行业，包括我们自己，都没充分重视这一点，也没做出足够多的产品去加快它。
David Senra：
你说过，会考虑让 AI 看到电脑上的一切。为什么？
Sam Altman：
最新代模型已经相当聪慧。当然我们该继续追求更高智能，但对我个人，眼下更明显的限制是 AI 掌握的、关于我的有效背景信息还不够多。我希望 AI 尽可能掌握信息，这样才能真正帮我，去做我做不了或不想亲手做的事情。
Sam Altman：
我不可能阅读公司内所有 Slack 消息，也不可能读完每个客户讲 ChatGPT 成功或失败的故事。我也许能多读一些论文，但那会消耗大量精力。我希望有个 Agent 持续帮我，理解超过我个人能力处理的海量背景，在我需要做重大决策时把这些信息带进来。
Sam Altman：
过去我们恰当地把大量关注投在模型智能，但产品层面，我们还没充分思考过：如果模型拥有比任何一个人都多的背景知识，它会怎样帮这个人做决策。
Sam Altman：
我觉得我们正站在一种全新工作方式的临界点。再聪明的人也没法在几秒内读完几万页资料并准确使用，但 AI 可以。这不是简单地替代人，而是给予人类本来没有的认知能力。
David Senra：
我自己就搭建了个内部 AI 工具，把 2018 年来读过的书的笔记、划线和播客文字稿都放了进去。做新节目时，我会问它过去哪个创业者、哪本书讲过相关经验。
Sam Altman：
这正是我说的，超酷。
七、OpenAI 必须「扼杀好点子」，为伟大目标保留资源
David Senra：
你期望 OpenAI 成为怎样的公司？公司必须自己做所有产品吗？
Sam Altman：
其实我认为我们应该更像平台型公司，而不是产品型公司。当然我们会做产品。我们刚把 ChatGPT 和 Codex 整合了。之前可以理解为 ChatGPT、Codex 加 API。Codex 这个名字有点误导，因为它不仅是编程，还能做许多其他工作。
我认为大多数人真正想要的是一个统一入口，连接个人或公司的 AGI，能处理任何需要处理的事；同时提供 API，让任何人都能在上面构建想要的东西。这就是我们该提供给世界的平台。
我们会覆盖性能价格曲线的不同位置：若你需要超高端智能做科学发现，我们提供；若你需要廉价智能去做海量但不需要天才级推理的任务，也应该有对应方案。人们需要大量 AI，希望它便宜、快、可靠，还理解自己的背景。
直接产品最终会从聊天机器人逐渐演变成更主动的 Agent，主动帮你做各种事情。但我不认为 OpenAI 应该进入每一个产品类别，更不应该和所有客户竞争，也不应该试图吞下整个经济。我们应该提供平台，希望未来有一亿家新公司和八十亿人用它创造各种东西。
David Senra：
你怎样学会了必须做这种取舍？
Sam Altman：
扼杀好主意，为伟大主意保留资源，是创业者和公司最难学会的功课之一。杀掉一个不错的想法很疼，我自己也很不擅长。
比如去年我们放弃了 Sora。它是个好产品，也很好玩，但消耗巨量算力，而我们认为 Codex 更重要，所以把算力分配给后者。我们还砍掉了叫 Atlas 的网页浏览器，我认为那是个很棒的产品，甚至是最好的浏览器，但把人才投向其他领域，对我们更要紧。
在算力、人力和资源都有限的世界里，我们深思熟虑后决定：打造服务于知识工作、最终服务于科学研究的通用智能，是我们能做的最要紧的事情。
任何帮助生成这种智能的上游工作——芯片自研、建设数据中心、编写优秀基础设施软件，当然还有模型训练——显然都极其关键。
接下来，我们只需要把 AI 作为服务提供，让人们用于思想工作、日常任务、科学发现，以及提升个人效率。
我们要打造灵活的通用平台，而不是做太多其他事情。
八、真正稀缺的是「我预料不到下一句话的人」
David Senra：
在你职业生涯里，谁帮你梳理最棘手的问题？
Sam Altman：
大致分三类。首先是很多在 OpenAI 待了很久的研究者。我们共同经历了这些事，形成了共享的语言、直觉和标准。关于技术现状和下一步，我很难在公司外找到完全一样的交流基础。
关于商业和社会，在我职业生涯的相当一段时间里，Paul Graham 和 Peter Thiel 是我收获最多的两个人。碰到真正非显而易见、自己卡住的问题，我仍然会找他们。
我咨询过很多人，但很少人像他们一样能做高度非线性的思考。如果 LLM 的本质是预测下一个词，那他们两个恰恰是我最难预测「下一句话会说什么」的人。这是一种极其宝贵的能力。你带着一套已经想好的方案去，他们可能告诉你：这些都不对，然后提出一个此前根本没出现过、但一听就显得显而易见的观点。
David Senra：
Peter Thiel 对「专注」的强调是否影响了你？
Sam Altman：
ChatGPT 上线后增长很快，但初期很多人只是因为新奇而聊天，公司内有人担心这个增长不够稳定，想转向其他五六个方向。上线大约两个月后，我们和 Peter 聊过。他的判断特别简洁：除了把这件事做好，去做任何其他事都是明显的错。
他的理由是，这个产品拥有类似谷歌搜索框的力量：一个空白框，你输入任何东西，它会给出有用答案。它不符合当时硅谷流行的产品逻辑——没有信息流、没有传统网络效应、没有强锁定——但谷歌已经证明空白输入框可以极其强大。所以我们后来极其坚决地加码 ChatGPT。那是一个「简单到接近天才」的建议。
David Senra：
Paul Graham 呢？
Sam Altman：
很多 YC 创始人都熟悉他那句「你知道你该做什么吗？」有时后续建议很好，有时也不一定。但更要紧的是，他带来一种开放、创造、敢于试错的气氛。
YC 强烈推行快速迭代的创业范式：赶早发布 V1，哪怕它还不够好、还有点尴尬。真实用户的反馈会让你更快迭代。ChatGPT 上线前我根本不用问 Paul，因为我知道他会说什么：虽然还很早、还不完美，但对的做法就是发布，让真人用。
回顾大批 YC 公司，我极其惊讶的是一件事：行动快、持续迭代和成功之间的相关系数极其高。
David Senra：
你在整个对话里不断提 YC。它到底对你影响多大？
Sam Altman：
有些乐队销量不一定最高，却影响了后来几乎所有音乐人。YC 当然不能完全这样类比，因为按市值创造等传统标准，它本身也已经极其成功。但它对过去二十年科技业、创业圈和创业文化的深度影响，其实还没被充分理解。OpenAI 就是例子。
这种影响不仅体现在我们怎样发布产品，甚至进入了我们怎样运营研究实验室的哲学。它一部分是具体的创业操作系统，但更深层的是公司哲学：迭代部署、让技术人掌舵、乐于把机遇给年轻、精力充沛、野心大但经验可能欠缺的人。
还有更大的生态变化。假如时光倒流到 2004 年，仅让技术进步到 2016 年，但不改变创业生态、资本流向、创始人权力和「什么样的人能创业」的社会结构，我不认为当时能成立 OpenAI。YC 推动了创始人获得更多杠杆，让年轻技术创始人可以融大额资本，也让没有传统背景的人可以做野心勃勃的事。
九、我从成功里学到的，比从失败学到的多
David Senra：
你说过从失败里学到的不如从成功里多。为什么？
Sam Altman：
我的第一次创业其实也不算成功。我从失败里吸取了一些教训，但我认为从成功里学到的东西要多得多。
当我回顾失败的教训时，往往只学到一些关于韧性和意志力的泛泛之谈，以及一些「别做」的清单。大多数事情注定失败，所以失败的原因千头万绪，很难理清真正的因果。
而当我真正做成某件事时，当我理解 YC 成功的原因、OpenAI 的成功关键时，把这些经验用于将来的实践，对我帮助更大。这比反向应用失败的教训要有用得多。
当然你应该从每个数据点学习：从失败里学，也从成功里学。但就我的个人经验，从成功里汲取的经验最珍贵。
David Senra：
可是 OpenAI 成立后的四年半里没发布任何产品，这不是完全违背了 YC 的经典理论吗？
Sam Altman：
OpenAI 和我过去任何经历都截然不同。从成立到发布第一款产品，我们花了四年半。这与 YC 的建议完全相反。
我们必须学会在没有客户外部信号的情况下管理，想办法用「我们的研究是否真的有效」来替代「客户是否真的喜欢」这个信号。
一个行之有效的办法是在 Dota 2 时期，我们用强化学习去赢人类玩家。我们设立了排行榜，人们可以直观看到不同策略的表现。这极其客观、极其真实，大家都想往上爬。
我们必须用各种办法来模拟真实用户。
OpenAI 成立第一天，大约十一或十二个人出现在 Greg Brockman 的公寓里。每个人进来时都兴高采烈，感觉像新学期第一天。
然后很快，大家看看周围，心里想：「好吧，咱们现在该干什么？」有人说：「我们需要一块白板。」Greg 就派人去找了一块。白板搬来后，大家又看看四周：「我们现在到底该做什么？」
你能感觉到房间里的气氛瞬间垮了。我们谁都不知道该做什么。这不是在建产品初创公司，不是那种「咱们做这个产品，然后去跟客户聊」的模式。我们说要创造 AGI，但下一步该怎么走，没人清楚。
所以我们只能做自己知道该做的事，最终发现很多路走不通。
经历多年混乱摸索后，我们逐渐找到了一套制定和评估研究赌注的节奏。我们搞清楚了吸引顶尖人才需要什么资源，也搞清楚了怎样保证自己不会在荒野里彻底迷失。
最初作为「无监督情感神经元」论文起步的项目，最终演变成了 GPT-1，然后是后续 GPT 版本。规模法则的研究又给了我们继续扩展模型的信心。
许多认知就这样逐渐汇聚在一起。
David Senra：
从十来个人挤在公寓里、连白板都没有，到十年后坐拥十亿用户，亲历这种天翻地覆一定很恍惚。
Sam Altman：
确实很奇特的体验。
David Senra：
你写日记吗？
Sam Altman：
第一个孩子出生后，我晚上回家会抱着他哄睡，同时把一天发生的事讲给他听：我们在挣扎什么、我担心什么、发生了什么。后来我觉得，也许有一天他想知道这些，于是开始每个星期天给他写一封信，把这些内容记录下来。不过最后只写了大约八封。
David Senra：
你应该继续写。很多创始人到了七十岁才写回忆录，那时大量细节已经消失。
Sam Altman：
最有趣的是「写给自己孩子」这个心态。你真的没法躲到任何借口后面，因为我极其在意孩子将来会怎样看我。你会写：今天发生了这件事，我对自己的处理方式并不满意，下周应该换个方式。这是一个极其有意思的思考框架。也许我会找个办法重新开始。
十、延伸思考
整场对话里，我最欣赏的不是 Sam Altman 又预言了什么强大的 AI 未来，而是他开始承认一些过去可能不太愿意讲的东西。
GPT-4 2023 年问世时，他以为软件产业会快速重组，大量公司会被 AI 迅速摧毁。但三年后，他发现自己把时间表想快了。技术可以一个年度迈一大步，人却没那么容易改变。公司不会因为模型升级一轮，就立刻推翻原来的流程；普通人也不会因为有了 Agent，就从第二天开始用完全不同的工作方式。
甚至 Altman 自己也是这样。他每天接触全球最先进的 AI 产品，手里拿着 Codex 这样的工具，却依然会像过去二十年一样打开邮件、复制粘贴、整理清单。他明明知道 AI 能做得更快，却还是下意识地用老办法。
这可能是整场对话最真实的瞬间。它提醒我们，AI 时代真正的困难，也许从来不仅是把模型变得更聪慧，而是人能否跟着技术改变。
过去几年，我们听了太多关于 AI 的宏大言论：多少工作会消失，多少产业会被颠覆，哪个企业会被淘汰。但真正处于浪潮中心的人，反而在变得谨慎。Altman 并没有看低 AI，他只是越来越意识到：技术改变世界，需要比技术突破本身长得多的时间。
这对普通人其实未必是坏事。我们不需要因为每次模型升级就担心自己立刻被淘汰，也不需要为了所谓「AI 原生」强迫自己一天之内推翻所有工作方式。真正要紧的是保持一点好奇心，乐意把那些重复、低效、自己不擅长的事，一点点交给 AI，把省下的时间用于判断、创造、沟通，以及只有自己才能做的事。
AI 可能不会在某一刻突然改变所有人的生活。更多时候，改变是无声发生的：你第一次让 AI 帮写代码，第一次让 Agent 替你完成整个任务，第一次发现过去需要一整天的事现在只需一小时。等很久之后再回头看，才会发现自己的工作方式已经完全不同。
所以，比「AI 什么时候改变世界」更值得问的问题或许是：当改变真正到来时，我们有没有开始改变自己？
