👇关注公众号后设🌟标，不错过第一手AI新鲜观点和动态
本文访谈内容整理自Sam Altman在OpenAI London DevDay接受20VC with Harry Stebbings 专访，公开发表于2024年11月04日。原始内容参考：https://www.youtube.com/watch?v=peg-aX1oii4
Sam Altman在OpenAI London DevDay的访谈
★内容导读：
本次专访中，Sam Altman 主要表达了以下几个主要观点：
OpenAI 的模型发展方向： OpenAI 致力于持续改进其模型，特别是“O系列”推理模型。他们认为模型的推理能力将显著提升，解锁许多过去无法实现的功能，例如推动科学发展和编写复杂代码。 未来的改进将解决目前模型的许多不足。他们鼓励创业者与其发展方向保持一致，专注于利用模型不断提升的能力创造价值，而非仅仅修补模型当前的缺陷。 对无代码工具的展望： OpenAI 认为未来会提供高质量的无代码工具，但目前这仍需时日。 第一步是提升代码熟练者的效率，之后才会推出更易于大众使用的无代码工具。 OpenAI 的战略定位： OpenAI 主要专注于改进其基础模型，而非深入应用层。他们相信其模型的快速迭代会逐渐取代许多基于修补模型缺陷而建立的业务。 他们鼓励创业者专注于利用日益强大的 AI 模型构建产品和服务，而非致力于解决模型的短期局限性。 关于市场规模的预测： AI 将创造数万亿美元的市场价值，这将是基于 AI 构建新产品和服务的结果。 虽然对具体数字的预测存在争议，但 AI 带来的价值增长是毋庸置疑的。 开源模型的角色： OpenAI 认为开源模型在 AI 生态系统中扮演着重要角色，并与商业化 API 服务共同存在。 最终用户将根据自身需求选择合适的工具。 对 AI 智能体的定义和展望： 智能体是指可以执行长期任务且在执行过程中需要最少监督的系统。 其价值在于能够并行处理人类无法完成的大规模任务，而非仅仅是替代一些简单的重复性工作，例如订餐。 智能体的出现将可能改变 SaaS 的定价模式。 模型的持续差异化： OpenAI 将持续专注于模型的推理能力和多模态能力，以保持其模型的竞争优势。 关于模型贬值和资本密集度的讨论： Altman 承认模型是贬值资产，但认为高质量模型的收入能够抵消其训练成本。 虽然训练模型需要大量的资金，但并非只有少数公司才能参与。OpenAI 能够通过其广泛的用户基础摊薄成本。 对未来发展的预测 (5年和10年)： Altman 预测未来五年，AI 技术将以惊人的速度进步，而社会变化相对较小。 十年后，社会将发生巨大的变化。 领导力与公司发展： Altman 反思了其领导力在公司快速发展中的变化，特别强调了将公司目标从追求 10% 的增长转向 10 倍增长的难度。他还谈到了在快速发展中保持员工士气的方法，以及如何在平衡短期目标和长期战略方面遇到的挑战。 对人才招聘的看法： Altman 认为，招聘策略不应该只专注于年轻人才或经验丰富的人才，而应该建立高标准的人才招聘体系，招揽各个年龄段的优秀人才。 对未来担忧： Altman 表示，他对 AI 领域整体的复杂性感到担忧，这涉及到多方面的平衡，例如算力、供应链、研究方向和产品策略等。
访谈全文
主持人Harry Stebbings： 准备好了吗？大家好，欢迎来到OpenAI开发者日。我是20VC的Harry Stebbings，我非常非常高兴能采访Sam Altman。欢迎，Sam。Sam，感谢你今天让我和你一起做这件事。感谢你。现在，我们收到了很多观众的提问。所以我想从一个问题开始。当我们展望未来时，OpenAI的未来是更多像01这样的模型吗？还是更多像我们过去可能预期的那样的大型模型？我们该如何看待这个问题？
Sam Altman： 我的意思是，我们希望全面改进，但推理模型这个方向对我们来说尤为重要。我认为推理将开启，我希望推理将开启许多我们已经等待多年才能做到的事情。例如，像这样的模型能够为新的科学做出贡献，帮助编写更多非常困难的代码，我认为这可以在很大程度上推动事物向前发展。因此，你应该期待O系列模型的快速改进，这对我们来说具有重大的战略意义。
主持人Harry Stebbings： 我认为另一个非常重要的问题是，当我们展望OpenAI未来的计划时，您如何看待为非技术型创始人开发无代码工具以构建和扩展AI应用程序？您对此有何看法？
Sam Altman： 这肯定会的。我认为第一步将是使懂得编程的人更高效的工具。但最终，我认为我们可以提供真正高质量的无代码工具。现在已经有一些工具是有意义的。但是你不能，你不能以无代码的方式说我想构建一个完整的初创公司。这需要一段时间。
主持人Harry Stebbings： 当我们查看当今的技术栈时，OpenAI处于特定位置。OpenAI 将向上发展到技术栈的哪个位置？我认为这是一个绝妙的问题，但如果你花费大量时间调整你的RAG系统，这是否是一种浪费时间，因为OpenAI最终认为他们将拥有应用程序层的这一部分，或者不是？你如何回答提出这个问题的创始人？
Sam Altman： 我们试图给出的总体答案是，我们将尽最大努力，并相信我们将成功地使我们的模型越来越好。如果你正在构建一个业务来弥补一些当前的小缺陷，如果我们做得对，那么这在未来就不会那么重要了。另一方面，如果你构建的公司能够从模型的不断改进中受益，如果一个预言家今天告诉你0.4版本将非常出色，并且能够完成现在看起来不可能做到的事情，而你对此感到高兴，那么我们或许错了，但至少这就是我们追求的目标。
如果相反，你说，好吧，在这个领域有很多方面，你选择0.1预览版表现不佳是其中之一，并说，我将要修补这个，并勉强让它工作，那么你就是在假设模型的下一次迭代不会像我们认为的那样好。这就是我们试图向初创企业传达的总体哲学信息。我们相信我们正处于一个相当陡峭的改进轨迹上，而当今模型的当前缺点将被未来的几代模型所解决。而且我鼓励大家与之保持一致。
主持人Harry Stebbings： 我们之前采访过布拉德，对不起，时间安排不太对，但我觉得只要稍微偏离一下时间安排，节目总是很成功的。有一个非常精彩的梗从中产生，我觉得有点内疚，你穿着这件20VC的套衫，对我来说是一个非常自豪的时刻，对于你刚才提到的某些领域，可能会出现碾压的潜力。
如果你今天作为一个创始人正在构建，OpenAI 可能会去哪里碾压，以及他们不会去哪里？对我来说，作为一个投资者，试图投资不会受到损害的机会。创始人和我作为投资者应该如何考虑这个问题？
Sam Altman： 利用AI构建以前要么不可能要么非常不切实际的产品和服务，将创造数万亿美元的市值，全新的市值。我们关注的重点领域是：我们希望模型真正优秀，以至于你无需费力就能让它们完成你的目标。但所有其他方面，也就是在这个新技术之上构建令人难以置信的产品和服务，我们认为只会越来越好。让我早期感到惊讶的一点是（现在情况已不同），在GPT 3.5时代，大约95%的初创企业似乎想要押注模型不会变得更好。我们已经可以看到GPT-4即将到来，我们心想，它将会非常出色，不会有这些问题。如果你仅仅是为了规避模型的某个缺点而构建工具，那么这将变得越来越不重要。
我们忘记了模型几年前有多糟糕。时间其实并不长。但有很多事情，似乎是构建东西来堵住漏洞的好领域，而不是构建东西来提供优秀的AI导师或优秀的AI医疗顾问等等。所以我觉得95%的人都在押注模型不会变得更好，只有5%的人押注模型会变得更好。我认为现在这种情况已经逆转了。所以这似乎不再是一个问题，但曾经是我们非常担忧的事情，因为我们某种程度上，我们看到了所有这些非常努力工作的人将会发生什么。
主持人Harry Stebbings： 你提到了将创造数万亿美元的价值。我保证我们会回到这些精彩的问题上来。我相信你看到了，我不确定你是否看到了，马斯克在台上说我们将创造每年9万亿美元的价值，这将抵消他认为所需的9万亿美元资本支出。我只是很好奇，当你看到这一点时，你是怎么想的？你是如何看待这个问题的？
Sam Altman： 我无法将其归结为任何具体原因。我认为如果我们能在数量级上做到正确，那就足够了。显然会有大量的资本支出，也会创造大量的价值。每一次重大的技术革命都会发生这种情况，而这显然就是一次。但是，你知道，明年我们将大力推进下一代系统。你谈到了何时可能出现无代码软件代理。我不知道这需要多长时间，但如果我们以此为例并进行展望，想想这将为世界释放多少经济价值。如果任何人都可以描述他们想要的整个公司的软件。这显然还有很长的路要走。
但当我们到达那里并实现它时，想想现在这是多么困难和昂贵的事情。想想它创造了多少价值。如果你保持相同的价值量，但使其更容易获得且成本更低，那将非常强大。我认为我们将看到许多类似的例子。我前面提到过，比如医疗保健和教育，但这两种都是对世界来说价值数万亿美元的领域。如果人工智能真的能够以一种不同于以往的方式实现这一点，我认为大数字并不是重点。他们也在争论是9万亿美元还是1万亿美元，或者其他什么数字，你知道，不如比我聪明的人来弄清楚这一点。但这里的价值创造似乎令人难以置信。
主持人Harry Stebbings： 我们将讨论代理以及价值是如何交付的。就其价值的交付机制而言，开源是一种非常重要的方式。你如何看待开源在人工智能未来中的作用？当出现这样的问题时，你们内部的讨论是什么样的：我们是否应该开源某些模型或一些模型？
Sam Altman： 开源模型显然在生态系统中占据着非常重要的地位。现在也存在真正优秀的开源模型。我认为精心提供的、集成良好的服务和API也同样重要。我认为未来所有这些东西都应该提供是有意义的。
主持人Harry Stebbings： 人们会选择对他们有用的东西。作为一种交付机制，我们有开源。作为面向客户的最终产品，以及交付方式，我们可以拥有代理。我认为围绕代理是什么有很多语义上的混淆。你今天是如何看待代理的定义的？对你来说，代理是什么？
Sam Altman： 这是我即兴的回答，没有经过深思熟虑，但我可以给它分配一个长期任务，并在执行过程中提供最少的监督。
主持人Harry Stebbings： 你认为人们对代理的哪些方面存在误解？
Sam Altman： 嗯，更像是我们没有人对这将是什么样子有直觉。我们都在表达一些似乎很重要的事情。也许我可以举个例子。当人们谈到代表他们行动的AI代理时，他们似乎始终如一地给出的主要例子是，哦，你可以让代理帮你预订餐厅。它可以使用OpenTable，或者可以打电话给餐厅。好吧，当然，这是一件有点烦人的事情，它可能会节省你一些工作。
我认为有趣的一点是，你能够做一些作为人类你不会做或做不到的事情。所以，如果我的代理不是打电话给一家餐厅预订，而是打电话给300家，找出哪家餐厅最适合我的食物，或者有什么特别的菜品等等。然后你会说，如果你的代理给300家餐厅打电话，那真是太烦人了。但如果是一个代理在回答这300个地方的每一个，那就没问题了。它可以成为人类无法做到的大规模并行的事情。这是一个简单的例子，但人类带宽存在这些限制，而这些代理可能不会有。
但我认为更有趣的类别不是人们通常谈论的那种，你让这个东西帮你打电话给餐馆，而是更像一个非常聪明的资深同事，你可以和他一起合作完成一个项目，代理可以很好地完成为期两天或两周的任务，并在有疑问时通知你，但会给你带来优秀的工作成果。
主持人Harry Stebbings： 从价值提取的角度来看，这是否会从根本上改变SaaS的定价方式？通常情况下，SaaS是按座位收费的，但现在你实际上是在替代劳动力，你可以怎么看待未来的定价模式，尤其当你成为企业员工核心组成部分时？
Sam Altman： 我来推测一下，但我们真的不知道。我的意思是，我可以想象一个世界，你可以说，我想要一个GPU，或者10个GPU，或者100个GPU，一直不停地处理我的问题。这不像按座位收费，甚至不像按代理收费，而是根据用于处理问题的计算量来定价。
主持人Harry Stebbings： 我们需要为代理使用构建特定的模型吗？你怎么看待这个问题？
Sam Altman： 这需要大量的基础设施和架构建设，这是肯定的。但我认为O1指明了能够完成出色代理任务的模型方向。
主持人Harry Stebbings： 就模型而言，Sam，每个人都说模型是贬值资产。模型的商品化非常普遍。你对此有何回应和看法？当你考虑到训练模型的资本密集度越来越高时，我们是否真的看到了这种现象的逆转，即需要如此多的资金以至于只有极少数人才能做到？
Sam Altman： 模型是贬值资产，这绝对是正确的。但要说它们不值训练成本，这似乎完全错误。更不用说，随着你学习训练这些模型，你会越来越擅长训练下一个模型，这是一个积极的复合效应。但我认为，我们从模型中获得的实际收入证明了投资是合理的。
公平地说，我认为这对所有人来说并非如此。可能已经有太多人在训练非常相似的模型了。如果你稍微落后一点，或者你的产品缺乏使产品具有粘性和价值的正常商业规则，那么，也许你无法获得投资回报。也许获得投资回报会更难。我们非常幸运拥有ChatGPT和数亿用户使用我们的模型。因此，即使成本很高，我们也可以将成本分摊到许多人身上。
主持人Harry Stebbings： 你如何看待OpenAI模型如何随着时间的推移保持差异化，以及你最希望关注哪些方面来扩大这种差异化？
Sam Altman： 推理是我们目前最关注的领域。我认为这是解锁下一波巨大价值创造的关键。因此，我们将从多个方面改进它们。我们将进行多模态工作。我们将在模型中添加其他我们认为对人们使用这些模型的方式至关重要的功能。
主持人Harry Stebbings： 你如何看待多模态工作中的推理？面临的挑战是什么？你想实现什么？我很想了解这些。
Sam Altman： 多模态推理。是的，我希望它能奏效。我的意思是，要做到这一点需要付出一些努力。但是，你知道，婴儿和幼儿在擅长语言之前，仍然能够进行相当复杂的视觉推理。所以，这显然是可能的。
主持人Harry Stebbings： 的确如此。视觉能力将如何随着O1设置的新推理时间范式而扩展？
Sam Altman： 在不剧透的情况下，我希望基于图像的模型能够迅速发展。
主持人Harry Stebbings： 跑题是一回事，试图挖掘这一点可能会让我陷入真正的麻烦。OpenAI如何在核心推理方面取得突破？我们需要将强化学习作为途径，还是需要采用Transformer之外的其他新技术？
Sam Altman： 我的意思是，这里有两个问题。一个是我们如何做到这一点。然后，你知道，还有一个大家最喜欢的问题，那就是Transformer之后会是什么。
我们如何做到这一点，这就像我们的独门秘方。这很容易。复制你已知有效的东西真的很容易。人们不谈论为什么这么容易的原因之一是你有信心知道这是可能的。因此，在某个研究实验室做了某些事情之后，即使你不知道他们究竟是如何做到的，这也不是说容易，而是可行的，可以去复制它。你可以在GPT-4的复制中看到这一点，我相信你也会在O-1的复制中看到这一点。真正困难的事情，也是我最自豪的关于我们文化的事情，是不断地能够去做一些新的、完全未经证实的事情。
许多组织，我说的不是人工智能研究，而是普遍意义上的，许多组织都谈论这样做能力。但真正付诸实践的组织很少，无论哪个领域都是如此。从某种意义上说，我认为这是推动人类进步最重要的因素之一。因此，我幻想退休后要做的事情之一是写一本书，记录我所学到的关于如何建立一个能够做到这一点的组织和文化的一切，而不是仅仅复制其他人所做的事情的组织。因为我认为这是世界可以拥有更多的东西。它受制于人力资源，但由于这并非我们所有人都擅长建立的组织风格、文化或任何你想称呼它的东西，所以存在大量的人才浪费。因此，我非常希望有更多这样的东西。我认为这是我们最特别的地方。
主持人Harry Stebbings： Sam，人类的天赋是如何被浪费的？
Sam Altman： 哦，世界上有很多真正有天赋的人，他们并没有发挥出全部潜力，因为他们在糟糕的公司工作，或者他们居住在不支持任何好公司的国家，或者其他许多原因。我的意思是，我最兴奋的事情之一是人工智能，我希望它能让我们比现在做得更好，帮助每个人发挥最大潜力，而我们现在远未达到这个水平。我相信世界上很多人本可以成为杰出的人工智能研究人员，但他们的生活轨迹略有不同。
主持人Harry Stebbings： 在过去的几年里，你经历了令人难以置信的超高速增长，你经历了一段令人难以置信的旅程。你提到退休后要写一本书。如果你回顾你经历的十年领导力变革，你的领导力发生了哪些最显著的变化？
Sam Altman： 我认为过去几年里最不同寻常的事情是变化的速度。在一个普通的公司，你可以有时间从零收入增长到1亿美元，从1亿美元增长到10亿美元，从10亿美元增长到100亿美元。你不需要在两年内做到这一点。而且你也不必像我们这样，在构建公司的同时还要进行研究，但我们实际上并没有一个像传统硅谷创业公司那样的公司，你知道，它在扩展规模并为大量客户服务，所有这些都必须如此迅速地完成，以至于我本应该有更多时间来学习的东西，我却……
主持人Harry Stebbings： 你有没有觉得哪些方面你学习的时间不够，希望能够有更多时间去学习？我的意思是，比如说……
Sam Altman： 从我脑子里浮现的无数个方面中，其中一个让我印象深刻的是：让公司关注如何实现10倍增长而不是10%增长，这需要付出多么巨大的努力。实现10%的增长，沿用之前的方法就行。但要将一家营收10亿美元的公司发展到100亿美元，则需要进行翻天覆地的改变。这可不是“今天做什么明天就做什么”那种简单的心态。在这个快速发展的时代，人们甚至没有时间去学习基础知识，我严重低估了在不断追求下一个重大突破的同时，兼顾其他所有工作的难度。这其中很大一部分是关于内部沟通的，如何分享信息，如何建立结构，让公司能够每8个月、12个月甚至更短的时间内，学会思考规模更大、更复杂的问题。
这其中很大一部分是关于规划的，如何平衡当下的工作和下个月的任务，以及为一年或两年后的执行做好准备，例如计算能力的扩展，甚至一些更常见的事情，比如在旧金山这样的城市提前规划办公空间，在这个发展速度下，都出乎意料地困难。所以我觉得要么根本没有现成的方案，要么有人掌握了秘诀却没告诉我，或者我们所有人都在摸索前行。总之，我们一直在实践中学习。
主持人Harry Stebbings： 天哪，我不知道说这个会不会惹麻烦，但还是要说。Keith Reboy做了一个专访，他说应该招聘年龄在30岁以下的年轻人，这是Peter Thiel教给他的，也是打造伟大公司的一个秘诀。我很好奇，当你退休后写书的时候，你会怎么看待这个建议：通过招聘极度年轻、充满活力、野心勃勃的30岁以下年轻人来打造伟大的公司，这就是其中的机制。你对此怎么看？
Sam Altman： 我们开始创办OpenAI的时候，我大概也30岁左右，所以不算年轻。到目前为止，似乎效果还不错。我们还得继续尝试。
主持人Harry Stebbings： 回到这个问题。问题是：你是如何看待招聘30岁以下的年轻人作为年轻活力和雄心的“特洛伊木马”，而不是选择那些更有经验、知道怎么做、之前做过的人？
Sam Altman： 很明显，招聘这两类人都能取得成功。比如说，就在刚才，我还给别人发了一条Slack消息，关于我们最近招聘到一个团队成员。我不知道他多大，可能20岁出头，工作表现却好得令人难以置信。我想，我们能不能找到更多这样的人才？他简直是超乎寻常的优秀。我不明白为什么这么年轻的人可以如此优秀，但这显然是存在的。如果你能找到这样的人，他们就能带来令人惊叹的全新视角、活力等等。另一方面，当你设计一些人类历史上最复杂、最昂贵的大型计算机系统，或者任何类型的基础设施时，我不会仅仅依靠那些刚起步的人，因为风险太高了。所以你需要两者兼顾。
我认为你真正需要的是，无论年龄大小，都拥有极高的天赋门槛，并制定一种战略，也就是说，我只会招聘年轻员工，或者我只会招聘年长员工，我认为这都是有失偏颇的。我觉得这并不是一个让我产生共鸣的框架。但其中有一点让我非常感激Y Combinator 4，那就是缺乏经验并不意味着没有价值。在职业生涯的早期，就有一些潜力无限的人能够创造巨大的价值。我们作为一个社会，应该支持这些人，这是一件好事。
主持人Harry Stebbings： 我得回到预定的议程上来，不然要被批评了。Anthropic模型有时被认为更适合编码任务，这是为什么呢？你认为这种说法公平吗？开发者应该如何选择OpenAI和其他提供商？
Sam Altman： 是的，他们确实有一个非常擅长编码的模型，这令人印象深刻。我认为开发者大部分时间都在使用多种模型。我不确定随着我们走向更加智能化的世界，这一切将会如何发展。但我认为未来AI会无处不在，而我们目前讨论和思考AI的方式可能存在一些问题。如果要我描述一下，我们会从谈论模型转向谈论系统，但这需要一段时间。
主持人Harry Stebbings： 当我们谈论模型的扩展时，你认为规模法则还能在多少个模型迭代中保持有效？普遍的观点是它不会持续太久，但似乎比人们预想的持续时间更长。
Sam Altman： 我不打算详细说明具体过程，你问的核心问题是：模型能力提升的轨迹是否会像过去一样持续下去？我相信答案是肯定的，而且会持续很长一段时间。
主持人Harry Stebbings： 你有没有怀疑过这一点？
Sam Altman： 为什么会有怀疑？我们遇到过一些无法解释的行为，也遇到过训练失败的情况，还有一些其他的问题。当我们接近一个阶段的尾声时，我们不得不找到新的范式来解决下一个阶段的问题。
主持人Harry Stebbings： 最难克服的是哪个？
Sam Altman： 当我们开始研发GPT-4时，遇到了一些让我们非常苦恼的问题，我们根本不知道该如何解决。最终我们找到了方法，但确实有一段时间，我们不知道该如何完成这个模型。然后转向O1以及推理模型的概念，这是我们长期以来都非常兴奋的事情，但要走到这一步，研究之路漫长而曲折。
主持人Harry Stebbings： 当研究之路漫长而曲折，训练过程可能失败时，如何保持团队士气？你们是如何在这种时候保持士气的？
Sam Altman： 你知道，我们这里很多人对构建AGI（通用人工智能）都非常兴奋，这非常令人鼓舞。没有人期望这是一条轻松且直通成功的坦途。但历史上有句名言，我可能会记错，但其精神是类似这样的：我从不祈祷上帝站在我这边，你知道，我祈祷并希望自己站在上帝那边。而押注深度学习，感觉就像站在天使一边，即使你沿途会遇到巨大的绊脚石，但最终它似乎总是会奏效。因此，对深度学习的坚定信念对我们很有帮助。
主持人Harry Stebbings： 我可以问你一个很奇怪的问题吗？我前几天看到一句很棒的引言：“人生中最沉重的东西不是钢铁或黄金，而是未做出的决定”。你心中最重的未做出的决定是什么？
Sam Altman： 每天都不一样。我没有一个特别大的决定。我的意思是，有一些重大的决定，例如，我们是押注下一个产品还是那个产品？或者我们是按照这种方式还是那种方式构建我们的下一台计算机？这些都是风险极高，无法逆转的决定，我可能像其他人一样，会拖延太久。但最困难的部分是每天都会出现一些新的，51比49的决定……
……让我纠结，因为它们一开始就是51比49。而且我觉得自己并不比其他人做得更好，但我还是必须做出这些决定。困难在于这些决定的数量，而不是任何单个决定。
主持人Harry Stebbings： 对于那些51比49的决定，你通常会咨询哪个人？
Sam Altman： 我认为依赖同一个人来解决所有问题是错误的做法。至少对我来说，正确的方法是拥有15到20个人，每个人在特定方面都有良好的直觉和背景知识。与其依赖一个全能的人，不如向最合适的专家寻求帮助。
主持人Harry Stebbings： 关于艰难的决定，我想谈谈半导体供应链。你有多担心当今的半导体供应链和国际紧张局势？
Sam Altman： 我无法量化我的担忧程度。当然，我会担心。我想我可以这样量化：它不是我最担心的问题，但它在我的所有担忧中排名前10%。
主持人Harry Stebbings： 我可以问你最担心什么吗？我已经过了为此而感到不安的阶段了。
Sam Altman： 我最担心的是我们整个领域正在努力完成的各项工作的总体复杂性。我觉得最终一切都会好起来的，但它感觉就像一个非常复杂的系统。这就像分形一样，在各个层面都存在。所以你也可以说，这在OpenAI内部也是如此，在任何一个团队内部也是如此。举个例子，既然你刚才谈到了半导体，你需要平衡电力供应、正确的网络决策、及时获得足够芯片的可能性以及由此可能产生的风险，以及能够使研究成果及时应用，从而避免措手不及或无法利用系统，以及能够承担该系统高昂成本的正确产品。供应链听起来太像流水线了，但总的来说，这个生态系统的复杂性在分形体系的各个层面都是我以前在任何行业都未见过的。
某种程度上，这可能是我最担心的问题。
主持人Harry Stebbings： 你说，这与我们以前见过的任何事情都不一样，许多人我认为将这波浪潮比作互联网泡沫，就其兴奋和繁荣而言。我认为不同之处在于人们的支出规模。拉里·埃里森说，进入基础模型竞赛的起点需要1000亿美元。你同意这种说法吗？当你看到这个说法时，你的想法是“是的，这说得通”？
Sam Altman： 不，我认为成本不会这么高。但这里有一个有趣的点，那就是每个人都喜欢用以往的技术革命例子来谈论，将新的技术革命置于更熟悉的背景下。一方面，我认为这总体上是一个坏习惯，但我理解人们为什么这样做。另一方面，我认为人们用来与AI进行类比的例子尤其糟糕。互联网显然与AI非常不同。你提到了成本问题，以及要具有竞争力需要100亿美元还是1000亿美元等等。互联网革命的一个决定性特征是它很容易上手。现在，对于许多公司来说，这将只是互联网的延续。只是其他人制作了这些AI模型，你可以用它们来构建各种很棒的东西，它就像构建技术的新基元。但如果你试图构建AI本身，那就完全不同了。人们使用的另一个例子是电力，我认为这有很多原因说不通。我最喜欢的，并以我之前的评论为前提，我认为人们不应该这样做，或者试图过于认真地使用这些类比，那就是晶体管。
这是一个新的物理发现，它具有令人难以置信的扩展特性。它很快渗透到各行各业。我们有了摩尔定律，我们可以想象，像AI一样的一系列定律可以告诉我们它改进的速度。整个科技行业都从中受益。你使用的产品和服务的交付中包含大量晶体管，但你不会真的把它们看作是晶体管公司。围绕它有一个非常复杂、非常昂贵的工业流程，以及一个庞大的供应链，基于这个非常简单的物理发现取得了令人难以置信的进步，长期以来极大地提升了整个经济，尽管大多数时候你都没有意识到它。你不会说，“哦，这是一个晶体管产品”，而是说，“好吧，这个东西可以帮我处理信息”。
你甚至不会真正想到这一点，这是理所当然的。
主持人Harry Stebbings： Sam，我想和你做一个快速问答。我会说一个简短的陈述，你直接告诉我你的想法，好吗？好的。所以，如果你今天是一个23、24岁的年轻人，并且拥有我们今天的基础设施，你会选择建造什么？
Sam Altman： 一些AI驱动的垂直领域，我以家教为例，但我可以想象到的最好的AI家教产品，或者，你知道，可以教人们学习的AI家教产品。任何类似的类别都可以，例如AI律师，或者AI CAD工程师等等。
主持人Harry Stebbings： 你提到了你的书。如果你要写一本书，你会叫它什么名字？
Sam Altman： 我还没有想好书名。除了“我希望有这样一本书，因为它可以释放很多人的潜能”之外，我还没认真想过这本书的内容。所以也许书名会与人类潜能有关。
主持人Harry Stebbings： 在人工智能领域，有什么是大家都没关注，但每个人都应该投入更多时间研究的呢？
Sam Altman： 我很希望看到——当然有很多不同的方法可以解决这个问题——某种能够理解你整个人生历程的人工智能。它不必拥有无限的上下文信息，但某种方式可以让一个AI代理了解你的一切，访问你的所有数据等等。
主持人Harry Stebbings： 上个月有什么事让你感到惊讶，Sam？
Sam Altman： 这是一个我无法透露的研究成果，但它非常令人震撼。
主持人Harry Stebbings： 你最尊重的竞争对手是谁？为什么？
Sam Altman： 我觉得我现在很尊重这个领域的所有人。我认为整个领域都涌现出非常棒的作品，而且人才济济，大家都很努力。我不是想回避这个问题。只是我觉得我可以在这个领域指出一大批非常优秀的人才，他们在做着非常出色的工作。
主持人Harry Stebbings： 是哪一家公司吗？
Sam Altman： 算不上。
主持人Harry Stebbings： 告诉我，你最喜欢的OpenAI API是什么？
Sam Altman： 新的实时API非常棒，但是我们有很多……我的意思是，我们现在拥有庞大的API业务，所以里面有很多好东西。
主持人Harry Stebbings： Sam，你今天最尊重人工智能领域中的谁？
Sam Altman： 我要向Cursor团队致敬。很多人在人工智能领域做出了不可思议的工作，但我认为，要真正做到他们所做和所建成的事情，我曾想过一些我可以提名的研究人员。但就利用人工智能来提供真正神奇的体验，以人们之前无法实现的方式创造大量价值而言，我认为这确实非常了不起。我在思考这个问题时，特意没有提到任何OpenAI的人，否则就会列出一长串OpenAI员工的名字。
主持人Harry Stebbings： 你如何看待延迟和准确性之间的权衡？
Sam Altman： 你需要一个可以调节两者之间平衡的旋钮，就像你想快速处理某事一样。我现在甚至没有那么快，但我尽量避免思考几分钟。在这种情况下，延迟是你想要的。但如果你说，“Sam，我希望你在物理学领域取得一项新的重要发现”，你可能乐意等上几年。答案应该是用户可控的。
主持人Harry Stebbings： 我可以问一下，当你想到领导力中的不安全感时，我认为这是每个人都会有的。这是我们很少谈论的事情。当你想到领导力中可能存在的不安全感，你希望改进的领导力方面时，作为今天的领导者和CEO，你最想在哪些方面改进？
Sam Altman： 我本周最纠结的事情是，我对我们产品策略的具体细节比以往任何时候都感到不确定。我认为产品方面是我的一个弱点，而公司现在正需要我提供更强大、更清晰的愿景。我们有一个很棒的产品负责人和一个伟大的产品团队，但我希望自己在这方面能够更强大，并且现在我敏锐地感受到了这方面的不足。
主持人Harry Stebbings： 你聘用了Kevin。我认识Kevin很多年了，他非常出色。
Sam Altman： Kevin很棒。
主持人Harry Stebbings： 在你看来，是什么让Kevin Weil成为一名优秀的产品领导者？
Sam Altman： 想到的第一个词是“自律”。
主持人Harry Stebbings： 就专注而言？
Sam Altman： 专注于我们要拒绝什么，努力代表用户说明我们为什么要做或不做某事，努力做到严格避免不切实际的梦想。
主持人Harry Stebbings： 我们为OpenAI设定了五年和十年的目标。如果你有一根魔杖，可以描绘五年和十年后的场景，你能为我描绘五年和十年后的蓝图吗？
Sam Altman： 我可以很容易地描绘未来两年的蓝图。但如果我们是正确的，并且我们开始制造在例如帮助我们进行科学进步方面非常优秀系统。实际上，我只想说，我认为五年后，技术本身的改进速度将难以置信地快。你知道的，人们会说，“AGI时刻来了又走了”，无论如何，进步的速度完全疯狂，我们正在发现所有这些新事物，包括关于人工智能研究以及所有其他科学的新事物。
这感觉……就像，如果我们现在可以坐在这里观察，它看起来应该非常疯狂。然后预测的第二部分是，社会本身的变化出奇地小。一个例子是，我认为，如果你五年前问人们计算机是否会通过图灵测试，他们会说不会。然后如果你说，如果一个预言家告诉你它会呢？他们会说，好吧，这将以某种方式成为对社会的一种疯狂的、令人惊叹的变化。而我们确实大致上通过了图灵测试，当然，这是粗略的说法。
而社会并没有发生太大变化。它只是呼啸而过。这就是我对未来会继续发生的事情的预期，那就是科学进步会继续前进，超越所有预期，而社会则以我认为良好和健康的方式，变化不会太大。长期来看，它将发生巨大的变化。
主持人Harry Stebbings： 你太棒了。我有一份问题清单，但我并没有真正坚持下去。感谢你容忍我东问西问。感谢各位的光临。我很高兴我们今天能够做到这一点。Sam，谢谢你促成这一切。
参考资料: https://www.youtube.com/watch?v=peg-aX1oii4，公开发表于2024-11-04
👇关注公众号后设🌟标，不错过第一手AI新鲜观点和动态
