2024年4月15日，OpenAI CEO Sam Altman与COO Brad Lightcap一同做客播客节目20VC，与Harry Stebbings就OpenAI的快速扩张、部署策略与未来发展图景展开讨论。

Harry Stebbings是20VC的创始人，专注于技术和创业投资领域，致力于连接创业者和投资人，为他们提供资源和支持，以促进创新和企业成长。20VC作为一档备受欢迎的播客节目，旨在探讨初创企业、风险投资和科技创新等领域的最新趋势和见解。

这是Sam与Brad的首次合体访谈。访谈中，两位OpenAI的领导者分享了他们对于人工智能未来的看法。Sam提出未来高质量智能的成本可能降至接近零，AI的价值将不断上升。他强调，ChatGPT在世界各地的部署，让“世界认真对待先进的AI”得到奏效。Brad表示产品的多样化和易于获取仍然是OpenAI继续推动的重点，并且企业级市场成为新的重点。此外，他们还探讨了OpenAI的愿景、面临的挑战、迭代部署的重要性，以及AI模型的商品化。

为了让大家更好地了解Sam与Brad的观点，本文将此次访谈的精彩内容进行重新编译。

OpenAI的创建与决策

Harry Stebbings：这是你们第一次一起接受采访，我想这将是你们一起做过最独特的采访，对此我感到非常兴奋。我想从背景开始谈起，Sam，七年前是什么让你下定决心要做这件事的？这些年来当其他人都怀疑的时候，是什么让你有信心坚持下来的？坦率地讲，很少有人有同样的信心。

Sam Altman：我从小就对AI感兴趣。但我在大学学习AI时，我发现它没有太多实际的应用。当我们开始做这个项目时，有两件事情似乎非常重要。第一，深度学习似乎真的在发挥作用。第二，模型规模越大，效果越好。当时我们并不知道规模越大，效果越好，但很明显，更大的模型更好。这似乎是一组了不起的事情。当时让我们感到困惑的是，为什么其他人都没有看到这一点？为什么其他人没有投身于此，他们没有去做，所以我们做了这件事。

我们之所以能够坚持下来，是因为我们看到它似乎真的会成功，并且我们认为这样做确实非常有意义。如果我们能够实现AI，它将以某种方式向世界展示它可能的强大作用。

Harry Stebbings：哪些主要因素可能会阻碍或减缓OpenAI的发展速度？决策，创新……

Sam Altman：我认为我们拥有全球最优秀的研究人员和最好的研究文化。如果失去其中任何一项，都将是非常糟糕的。算力资源不足也是一大障碍。即使我们拥有世界上最好的研究，并尽可能提高其效率，但随着模型的不断进步，想要使用它的人会更多，如果我们没有足够的算力来满足地球上每个想要使用它的人的需求，这将会成为障碍。因此，关于优先事项，第二重要的事是思考如何获得足够的算力来满足想要使用这些模型的人的需求。

Harry Stebbings：接着，我想问一下决策方面，你们两人是如何做出决策的？你如何确定哪些事情可以委派，哪些事情不能委派？

Brad Lightcap：我认为这最终还是要确定什么是真正最重要的。作为一个执行团队、领导团队，我们确实花费了大量时间在最重要的事情上，甚至与最重要的事情相关联的事情，试图做出正确的决定。重要的事情有时很明显，有时则不然，其他事项都会被委派出去。所以我可能每天做出十个决定，这些决定不会交给Sam，因为它们不是最重要的。但是，如果我们认为这件事真的是最重要的，我们会花整个执行团队的会议时间讨论，然后在下一次会议上再讨论这件事。

Harry Stebbings：你是否同意这样的说法，每年可能有一两个决策会决定一家公司的命运？或者你是否同意，你每天要做十个决策，而实际上，这些决策都是关于公司进步的渐进式小决策？我总是在这两种观点之间徘徊。

Sam Altman：我认为两者兼而有之。运营公司并不是我的本能，为了让自己做得更好，我学到的一件事是，公司运营过程中，确实存在少数几个战略性决策，但不是每年一两次，更像是每月一两次，数量不是很多。但真正困难的是，为了使少数的战略性决策成功，而做出的许多小决策。比如首先我们需要决策是否要做ChatGPT，在确定要做之后，为了使这一决策成功，我们需要在整个过程中做出一万个小决策。对于任何一个CEO来说，每年或每月只做一两个决策是荒谬的。

智能的成本可能会降至接近零？

Harry Stebbings：我们刚才提到了算力因素，我想问，就大语言模型的边际成本与边际收益而言，我们如何看待边际收益超过边际成本的情况？

Sam Altman：你只需要相信，随着模型越来越好，算力的价格将继续下降，而AI的价值将不断上升。这个等式很容易解决。当然，它可能会出错，比如，如果算力供应不足，供需失衡；或者由于规划不善，导致算力非常昂贵。但我认为我们可以将非常高质量的智能成本降至接近零，这将对世界上的大多数事物非常有利——但不是所有事物——可能会有一些负面影响，但我认为智能的成本即将变得非常便宜。

Harry Stebbings：开源的兴起如何进一步实现或影响这一点？

Sam Altman：世界上会有开源模型的一席之地。有些人会想要开源，有些人会想要托管服务，还有很多人会两者兼用。我认为，所有这些细节在某种意义上都很有趣，但却忽略了更大的图景，那就是我们正处于一场合法且相当大的技术革命之中，智能正从一种非常有限的东西（聪明的人拥有它）转变为一种丰富且便宜的资源。未来，一个人就能够获取丰富且非常便宜的智能来做一些惊人的事情。

Harry Stebbings：我们是否高估了一年内的采用率，而低估了未来十年人们的意愿？

Sam Altman：很有可能。因为我认为这实际上是对技术普遍采用方式的深刻洞察，无论某样东西多么令人惊叹，社会惯性都很重要。只有令人惊叹的东西才会被大量采用，而且需要一段时间才能开始。

Brad Lightcap：我认为我们将很快看到期望和现实的逆转。目前人们的期望非常高，但现实仍然很糟糕。老实说，这些模型并没有那么好。随着人们接触到今天的模型，期望很快就会开始下降。但是很快，这些模型也会变得越来越好，你会看到这种期望与现实的逆转。突然之间，人们的期望必须赶上来。

AI模型的商品化与迭代部署策略的未来

Harry Stebbings：另一个很酷的问题是模型的商品化。我以前从未见过这样的情况，一个模型在一周内非常火爆，然后下一周就被另一个模型取代，媒体总是在不断报道新晋玩家的胜利，感觉每周都在发生变化。那么，这是否可以被视为一场模型商品化的游戏呢？

Sam Altman：我认为大多数新兴行业都是如此，就像曾经的美国汽车公司一样，总会有更好的汽车在媒体上出现。这可能是好事，但我认为这并不是持久价值所在。最终，我相信会剩下少数供应商，几十家左右的公司，会大规模地构建模型，这项工程将非常复杂，非常昂贵。我希望我们都能继续相互推动，使模型变得更好、更便宜、更快，并在某种意义上实现商品化。

长期的差异化不会存在于基础模型，智能就像物质的某种突现属性。长期的差异化将是最适合你的模型，它拥有你的整个生活背景，并与你想做的其他一切事情良好集成，很好地融入你的生活。但就目前而言，曲线是如此陡峭，我们应该关注的正确事情就是不断改进基础模型。

Harry Stebbings：作为一名投资者，我看到了如此多的AI公司，但我没有投资任何应用层AI公司，因为我们看到OpenAI推出的产品感觉摧毁了整个行业。

Sam Altman：从根本上讲，目前有两种策略可以构建AI：一种策略是，假设模型不会变得更好，然后在其基础上构建各种小东西。另一种策略是，假设OpenAI将保持相同的发展轨迹，模型将以相同的速度不断改进。在我看来，世界上95%的人应该押注第二种策略，但很多初创公司都是在第一种策略之上建立的。然后，当我们只是尽我们所能使模型及其工具变得更好时，你就会看到“OpenAI杀死了初创公司”的情况。但是，有大量的初创公司可以从GPT-5的迭代中受益。如果你构建了这些，并且AI的进步继续按照我们认为的方式发展，我认为在大多数情况下，你会非常高兴。

Harry Stebbings：我们如何看待模型改进的速度？它是线性的吗？它会在某个时刻达到稳定状态吗？显然，现在它正在快速加速。

Sam Altman：从外部看，这个过程似乎并不连贯，这意味着我们在核心信念之一上做得不够理想。我们认为迭代部署非常重要。我们不希望在实验室里秘密建造AGI。这就像是极限情况，经过几十年的辛勤工作，然后按下一个按钮，突然之间，世界必须与AGI抗衡。

对我们来说，更好的做法似乎是将模型推向世界，让人们有时间去思考、反应，弄清楚他们想要如何使用它，他们想做什么不同的事情，他们不想让它做什么，社会希望得到什么或不希望得到什么，然后建立更多的社会参与。我认为从某种意义上说，我们做出的最重要的决定之一就是这个。其中包括将ChatGPT部署到世界各地，让世界认真对待先进的AI，我们试图谈论这个问题很长时间，但并没有真正奏效，而部署它确实奏效了。

但当我们思考未来模型时，我认为我们低估了一些飞跃式进展所带来的冲击，即使我们采用迭代部署策略。因为我们已经与这些模型共存了很长时间，我们看着它们一点一点变得更好，所以，对于模型的改进速度，我们内部所感受到的是顺畅的。当我们考虑未来模型时，我们正在尝试找到一种方法来使其更加顺畅，更接近我们内部所感受到的顺畅。

Harry Stebbings：随着公司规模的扩大，你认为迭代部署策略在未来是否持续有效？

Sam Altman：我认为期望设定非常重要，如果期望设定正确，我认为这是可能的。

Brad Lightcap：是的，我同意这一点。我认为我们也学到了很多东西。例如，当我们发布Sora时，我们从创意社区、媒体和行业获得了大量令人难以置信的反馈，我们真正开始将这些反馈纳入我们对该特定模态的研究路线图中。一开始我们的期望值很低，我们只是尝试学习、倾听世界的声音，然后尽可能地将其融入模型当中。因此，当我们真正有想要分享的东西时，它就会变得真正有用，人们也会对它有一种自然的熟悉感，而且几乎感觉它更像是为他们而建的。这种模式真的是迭代的。这确实是一种全球共同参与的代码开发过程，其实际影响可能远超世界的认知。

OpenAI高效扩张的秘诀

Harry Stebbings：OpenAI的快速扩张是历史上前所未有的。Brad，OpenAI如此高效扩张的秘诀是什么？表面上似乎并没有太多变动。

Brad Lightcap：事情总是在幕后一团糟。但我很感谢你这么说，至少从外部来看，事情似乎没有发生任何变化。我认为我们在ChatGPT上发现了一个时刻，人们第一次真正体验到这项技术的“人性化”一面。我们经常听到人们使用它的故事，这些故事的多样性让我们感到惊讶。当一个产品多样化且易于获取时，必然会对用户使用产生非常重要的影响，这显然会转化为商业影响，我们的重点仍然是继续推动这一方面。

B2B业务显然不同，其业务的节奏和企业采用周期不同。我们一直在努力构建世界上最好的AI开发人员平台。企业是我们的新重点。

Harry Stebbings：在企业采用模型方面，有哪些最重要的经验教训？大型企业如何思考和采用AI，你认为有什么值得注意的？

Brad Lightcap：最大的教训是，企业有一种非常自然的愿望，希望将这项技术应用到业务流程中，纯粹是为了获得可量化的投资回报率，比如节约成本。但实际上低估了让人们简单地获取、接触这项技术能获得多少回报。因为你无法完全量化它是如何工作的，过去花两天时间做某事的人现在只花两分钟做某事，就可以腾出时间去做日常生活中的其他85件事。这并没有真正体现在企业投资回报率上，但想象一下一万次或十万次效果叠加会怎样？

当然，这种转变需要时间来展现。ChatGPT是一款仍然非常新的商业产品，我们在去年的8、9月份发布了企业版，而团队版则是在今年早些时候发布的一款自助服务产品。因此，这些产品的上市时间几乎为零，企业采用周期也相对较慢。

Harry Stebbings：你认为大公司应该关注而没有关注的最重要的问题是什么？关于如何使用和整合AI，关于他们应该考虑的一些问题。

Brad Lightcap：很多公司认为AI是静态的，所以它们认为GPT-4是模型所能达到的最好的。这是可以理解的，他们曾经采用的每一项技术都是相对静态的，就像2009年的移动设备和今天相比，它们差不多是一样的，外形尺寸略有变化，运行更快，分辨率更高，但技术、应用程序开发基本相同。所以，今天他们得到了这项新技术，我想他们的期望是“好吧，就是这样了”。我认为他们没有充分思考这种变化速度到底有多快，以及思考下一波技术会是什么样，以及思考如何实施。

Harry Stebbings：Sam，在未来12个月和5年内，OpenAI面临的最大挑战是什么？

Sam Altman：在未来12个月，最大的挑战是进行最好的研究和产品化，确保我们的创新能够持续。接下来的5年，我们面临的挑战是供应链和算力方面。

Harry Stebbings：Brad，在过去12个月中，你改变了哪些想法？对于你来说，OpenAI扩展过程中最意想不到的事情是什么？

Brad Lightcap：在AI领域，企业采用技术的速度实际上会比人们意识到的要快得多，我们可能要打破“企业缓慢采用新技术”的传统思维。这种速度差异是否因地域而异？答案是不会。

我认为，在OpenAI扩展过程中，最让我惊讶的是模型规模化一直有效。随着模型规模扩大，性能会可预测地变好。

Harry Stebbings：Brad，从现在来看，你希望在OpenAI最开始工作时就知道什么？

Brad Lightcap：我希望我能理解AI技术产生影响的顺序。例如，相对于知识型产业或工业型产业，这项技术在创意产业中的重要性让我们惊讶。我们很早就开始研究机器人技术，所以最初我们以为会与机器人公司合作，制造机器人；与游戏公司合作开发智能代理。但实际的发展完全不同。

Harry Stebbings：当你展望10年后，你如何看待那时的世界状态？你对未来的状态感到兴奋吗？

Brad Lightcap：是的。如果我们对此并无热情，我们就不会做这件事，或者至少我不会……

Sam Altman：我非常期待，当人们回顾过去时，他们会惊叹于2024年的生活方式是多么的原始，就像我们现在回顾几百年前的生活一样。我们在未来将会拥有一些现在难以想象的新事物。再次强调，未来并非全然美好，我认为我们会失去一些东西，但总的来说，我对一个真正富裕的世界充满了期待。

本文来自微信公众号“世界人工智能大会”，作者 WAIC