当 GPU 比人更能干活，资本主义怎么办

OgunlesiSam，我要开门见山问一个我觉得在座所有人都想问的问题——今天的 AI 走到哪一步了？

Altman我认为在过去几个月的某个时刻，我们确实跨过了一道门槛，进入了模型具有重大经济实用性的阶段。这件事可能更早就发生了，但在我们弄清楚怎么用这些模型之前，有一段很长的消化期。我们不仅要持续让模型变得更聪明，还要把让它们好用的"管道"搭起来。现在我们进入了一个模型的工作能力令人惊叹的世界。我认为这在编程领域最为明显，但在科学、在很多知识工作领域也在发生。我现在有一种目不暇接的感觉——大家都在说："天哪，那些我以为还要好几年才能实现的事情现在正在发生，我的工作已经从亲自做技术活儿或法务工作，变成了管理一个做这些事的 agent 团队。"

Altman这个趋势还会走得更远。我认为我们正处于曲线非常陡峭的那段。现在，你也许可以信任一个 AI 软件工程师完成一项几个小时的任务。很快这会变成几天的任务，然后是几周的任务。之后不久，我认为范式会再次转变——这些 AI 系统会接入你的生活、你的公司，主动思考、全天候工作，掌握它们需要的全部上下文，就像你信任一个资深员工那样去做事。

Ogunlesi你觉得企业是否真正理解了这些系统怎么能帮助它们、重塑它们的业务？

Altman有的理解了，有的还没有。新一代创业公司的思维方式和以往任何一代都不同。过去创业公司来跟我们聊的是需要招多少人。现在他们普遍不想招太多人——觉得招人反而会拖慢速度——他们全部精力都放在能拿到多少算力上。你知道吗，"我能预定这么多容量吗？能签一个云服务合同吗？能拿到这么多 token 吗？"我认为这种思维转变在大公司发生得更慢，但有些已经开始了。一个能看到变化的地方是工程和产品团队在说——他们今年计划交付的东西翻了两倍、三倍。这在以前从未发生过。

Ogunlesi你一直在说通用人工智能会比大家想象的来得更快。你觉得我们离那有多近？

Altman到这个时候，AGI 的定义真的很重要。有人会说我们已经到了。有人说很接近。有人说可能还有一年。但不管怎样，这个词已经失去了太多含义。

有两个也许更有趣的门槛可以聊。第一个：世界认知能力的总量，什么时候数据中心里面的会超过外面的？在我看来——误差范围很大，我可能完全错了——但也许这会在 2028 年底左右发生。这将是世界上一个非凡的转折。

第二个门槛是：一家大公司的 CEO、一个大国的总统、一个诺贝尔奖科学家，什么时候他们不重度使用 AI 就没法做好自己的工作？这不是说会有一个 AI 当 CEO 或 AI 当总统，但它意味着——当我想到我自己的工作，它已经变得非常不同了。

Altman你仍然需要一个人来为决策负责，行使人类判断力，以及我们对一个管理重要机构的人所期待的那种理解力。但我的角色中那些实际的工作，我将越来越多地必须依赖 AI 来完成，因为没有任何人类能做到。没有哪个 CEO 能跟公司每个员工交谈，见每个客户，参加每个会议，成为每个领域的专家。所以越来越多地，我觉得这些工作会变成监管一群 AI，提供指导，决定如何信任它们的产出。而那个你真的不想在没有重度依赖 AI 的情况下管理大型组织的门槛——我觉得可能要再久一点，但也不会久太多。

Ogunlesi你在做自己工作的时候，有多大程度上在依赖 OpenAI 正在开发的那些 agent 和人工智能？

Altman增长极快。如果我有一个新的商业模式想法、一个战略调整、一个我们应该做的产品方向，我做的第一件事——甚至在跟任何人讨论之前——就是问我们的工具。而且随着它们获得更多上下文——我觉得接下来要发生的最重要的事就是它们能获取我们公司几乎全部的上下文：所有内部文档、沟通记录、代码、客户数据……这些答案的质量会越来越好。

Ogunlesi换个话题。两周前你宣布了 1100 亿美元的融资。我问了 ChatGPT，跟公开市场上任何融资比怎么样？

Altman（笑）不知道。

Ogunlesi是有史以来最大公开发行的四倍。最大的 IPO 大概是几年前沙特阿美的约 250 亿美元。而公开市场应该是最广、最深的资金池。三个战略伙伴——亚马逊、英伟达和软银。跟我们说说这个。这对公司来说为什么是一个拐点？而且有人问我——这些钱都花在哪？

Altman这门生意有很多难处，但最难的之一就是基础设施实在太贵了。你需要的量太大，而且必须提前很久就做出承诺。我从没见过任何行业像这样。历史上有过很多资本密集型行业，但当我看未来几年前方的景象——如果增长曲线保持现在这样的陡峭，如果需求增长得像现在这样快——你就必须做一些非常不寻常的事。

OpenAI 做了很多看起来很奇怪的事。我们在营收到来之前花大量钱建基础设施。我们做广告这样的新商业模式——看起来可能不是最赚钱的选择。还有一大堆其他事情。但我们有一个根本信念：智能的丰裕。未来最重要的事情之一就是让智能——借用能源行业那句老话——便宜到不用计量。我们想用智能淹没世界。我们想让人们把它用在一切地方。我们想让下一代人根本不用想这件事——他们理所当然地认为到处都有智能，每个人在需要的任何领域都有天才般的智能随叫随到。

Ogunlesi你经常说"算力就是营收"，能展开讲讲你怎么理解这件事吗？

Altman从根本上说，我们的生意——我认为也是每一家模型提供商的生意——最终会是卖 token。token 可能来自更大或更小的模型，这决定了价格高低。它们可能使用更多或更少的推理，这也影响价格。它们可能全天候在后台运行帮你做事，也可能只在你需要的时候运行（这样更便宜）。它们也可能超级努力地工作——在一个问题上花几千万、几亿，甚至有一天花几十亿美元。这真的很有价值。但我们看到的未来是：智能是一种公用事业，像电或水一样，人们按表计费从我们这里购买，想用来做什么就做什么。

我们看到的需求似乎会持续地以这种方式增长（手势向上）。如果我们供应不足，要么卖不出去，要么价格会非常高，然后就变成了只有富人才用得起的东西；或者社会做出一堆中央计划式的决定——我认为这种决定几乎总是糟糕的——"我们有限的算力要用在这个而不是那个上面"。所以在我看来，纵观资本主义和创新的全部历史，最好的做法就是把市场淹没。

Ogunlesi显然，解决算力需求的关键之一是 Stargate（星际之门）项目。这是一个基础设施会议，你大概半年前宣布了这个项目。在美国进展怎么样？我猜阿布扎比那边也在启动？

Altman说实话，这份工作有很多很酷的部分，但最酷的之一就是去参观那些正在施工和运营的超大规模数据中心。那种规模——那些吉瓦级的园区——真的很难用语言描述。你看照片觉得"好吧，确实挺大的"。但当你真的到了现场，在建筑之间走着，那里有一万人，各种不同的技术工种在做各种不同的事情……你知道，里面看起来就像一艘太空飞船。真的很震撼。

我们现在正在 Abilene 的第一个基地上训练——我认为将会是世界上最好的模型，希望是遥遥领先的那种。在建设期间我去过很多次，真切地感受到那个规模和不可思议的复杂性。然后到了那一天，OpenAI 的一个研究员敲入一行命令，按下回车。不可思议数量的 GPU 同时启动，开始做这一个巨大的计算。真的很酷。

Ogunlesi最大的惊喜是什么？最难的事是什么？

Altman各种预料中的挑战都有，然后还有那些"未知的未知"。比如 Abilene 发生了一次疯狂的天气事件，超出了我们的预案范围，导致停工了一段时间。还有所有供应链上的挑战。在这种规模下，出错的事情太多了。很多事也做对了，但日夜不停地建造如此复杂的东西——总有各种状况。

好的方面最大的惊喜是——这么多不同的组织必须在极短的时间内走到一起，而我们最终真的像一个团队那样在巨大的压力下协作。

当然，电力需求是很多人关注的焦点。

Ogunlesi你对我们能解决电力挑战乐观吗？先说美国。

Altman长期来看我是乐观的。我毫不怀疑我们能造出大量的发电能力。AI 本身也会帮忙。我觉得世界面前有一个很好的组合——天然气、太阳能、核裂变、核聚变，还有更多——我对我们最终能做到什么感到放心。

但考虑到我们看到的需求增长速度，我确实有点在祈祷奇迹——希望我们能在每瓦特上让模型的效率大幅提升，给我们时间去建设所有这些基础设施。不过，这方面的历史记录是令人难以置信的。

我们的第一个推理模型叫 o1，大约 16 个月前发布。我们最新的集成推理功能的模型是 5.4。从第一个模型到 5.4，要得到一个困难问题的相同答案，成本降低了约 1000 倍。也许我时间线说得不太精确，可能更长一点，但从 o1 到现在——1000 倍。

这在相对短的时间内是不可思议的。这说明两件事：第一，我们在这个范式中仍然处于非常早期，我们对如何开发、训练和高效运行这些模型还有很多要学的——我们当时在做、现在仍然在做很多蠢事，未来会越来越好。第二，人类的创造力和在约束条件下解决问题的能力几乎总是能给你惊喜。不仅是模型变好了，而是内核工程师找到了更高效的写法，电力工程师和数据中心设计人员找到了更高效的方案。所以不只是模型层面在进步，整个链条上的人都在响应号召。

Ogunlesi当然，OpenAI 是英伟达和 AMD 的大客户，而且我记得你们跟亚马逊签了一个大合同。但你们在自己造芯片。背后的逻辑是什么？

Altman我们做的这颗芯片是纯推理用途。背后的思路是：我们认为一颗专用芯片——不一定是最快的推理芯片，而是最便宜的推理芯片、在我们面临的约束条件下每瓦特效率最高的芯片——对我们未来看到的所有 agent 需求来说非常重要。所以这是一个有态度的下注，是一颗功能有限的芯片，但在我们受到能源约束的世界里，我认为它会非常重要。

Ogunlesi也许你可以解释一下推理芯片和训练芯片的区别——我不确定在座所有人都了解。

Altman抱歉，我应该先说这个。AI 有两个主要工作阶段——未来它们会融合在一起变成一个连续的过程，但现在来说：首先我们训练一个模型。大量 GPU 在海量数据上运算几周或几个月。你可以把它想成——一个人从婴儿到大学毕业大概花 22 年来完成教育：你从丢东西看到它掉下来开始，然后到大学物理阶段非常详细地理解发生了什么。

之后，如果你问模型一个物理问题，那就叫推理，效率很高。人也是一样。当人们说 AI 模型有多低效的时候，他们通常是在拿人类训练的 22 年跟一个成年人花 1 秒钟解物理题来比。如果你拿模型解物理题跟人类解物理题来比，模型的能效其实可能已经更高了。但训练确实是一个巨大的算力投入，然后产出的其实就是一个数字文件——你可以向它提问，然后得到回答。

Ogunlesi你对芯片的进展乐观吗？

Altman是的，我们应该在今年年底前将第一批芯片大规模部署。几个月后就能拿到第一批回来的芯片了。看起来会很不错。

Ogunlesi你今天早上宣布了跟北美建筑工会的一个新合作，扩大技术工人的培训通道。能讲讲你和 Sean McGarvey 达成了什么共识吗？

Altman我们之前谈过——全世界也讨论过很多次——AI 基础设施的需求，世界需要的物理基础设施：发电厂、输电线路、数据中心机房、冷却设备，当然还有机架和 GPU，以及里面的一切。

我真希望每个人都能去参观一次这些超大规模数据中心，因为当你问 ChatGPT 一个问题，你拿到答案，真的很难想象让这个回答发生所需要的规模。

人们谈论各种瓶颈——涡轮机不够、变压器不够、存储器产能不够、数据中心建不够快。所有这些都有一个共同点：它们都是大规模复杂的物理基础设施，需要技术工人，而且需要很多很多。不管供应链在任何时候卡在哪里，当我问人们怎么才能加速时，答案都是——需要更多技术工人来建这些基础设施。我认为这会是很棒的工作岗位。而且我认为它们将为下一代美国基础设施和经济繁荣奠定基础。

Ogunlesi另一个人们关心的问题——跟中国的竞争。你觉得现在的局面是怎样的？

Altman先说一个总体框架。我认为深度学习的发现，更接近于发现一种元素或物理的基本性质，而不是一项秘密技术。

这意味着最终——而且"最终"可能不会很久——让模型如此强大的基本原理会被简化，会被广泛理解。就像我们理解物理学大部分怎么运作的一样，我们会理解人工智能大部分是怎么运作的。我们从 OpenAI 大约 7 年前发表的 scaling laws 开始真正认识到这一点。投入模型的资源和模型智能之间有一种如此可测量、如此美丽的相关性——那时就给人一种毛骨悚然又清晰的感觉，这里有某种基本的科学原理在起作用。之后我们发现了很多细节，还会有更多，但就像其他科学前沿一样，它在变得更简洁、更清晰。最终，这个配方会作为一个科学原理被广泛理解。它不会像其他东西那样是一个商业秘密。

我历史上最喜欢的类比是晶体管。晶体管也是一项根本性的科学突破，很难发现，发现有一定运气成分。我们花了一段时间去完善，但一旦理解了，科学原理对所有人都是清楚的。不过围绕它仍然有大量的运营知识。台积电至今能做到世界上没有其他人能做到的事情。我预计围绕 AI 的工业流程也会有很大的竞争优势。我也预计在工作流集成、训练数据和模型的端到端可用性方面，会有很大的差异化空间。

但也许最重要的是，我认为差异化将取决于谁拥有基础设施，以及拥有多少。而基本的科学原理会被广泛理解——我认为它们可以印在一件 T 恤上。

Altman具体来说我们处在什么位置：世界上最强大的模型，前沿的那些——美国领先。落后两代模型的最便宜推理使用——中国领先。基础设施——美国目前领先，但中国追得更快。工业化、产品化——美国在闭源方面领先，中国在开源方面领先。总体来说，我认为美国可能领先。

Ogunlesi你最近去了印度，听说你对印度思考挑战和机遇的方式非常兴奋。

Altman跟印度创业公司聊让我大吃一惊。我到了那儿，有人给我看印度的简报，上面写着 Codex 在印度的使用量在几个月内增长了 10 倍。我当时想这一定是数据出错了，不可能是真的。但它是真的。

然后我开始跟创业公司聊，这比美国正在发生的事更极端。大家都在说世界变了。你说一人创业公司？我要做的是零人创业公司。我就写一个 prompt 让它做我整个公司——写我的软件、做客服、搞法务——然后我去度假。

大公司也是——"你能卖给我多少算力？能预订多久？能现在就谈合同吗？你不签我们不让你走。"那种进攻性、速度和对 AI 将重塑印度商业格局的信心，真的让人印象深刻。

Ogunlesi跟美国客户相比有什么不同吗？

Altman方向一样，但他们似乎走得更前面。

Ogunlesi他们跑得更快。

Altman是的。

Ogunlesi你提到过"民主的 AI"和"威权的 AI"之间有区别。这是什么意思？你认为利害关系是什么？

Altman偶尔会出现一种技术变革，它重塑社会的程度之深，以至于关于它的决策不属于碰巧在开发它的那几家公司。我是资本主义的坚定信徒，是公司权利的坚定信徒，也坚定地认为政府不应该过多干预。

但我认为这是那种例外的时刻——社会对这项技术的影响有正当的利益关切。互联网也是这种时刻之一，我不认为我们每件事都做对了。但我希望我们能学到如何做得更好。

如果 AI 公司说的——我也相信——是真的，这将重塑经济、重塑地缘政治力量、改变我们所有人的生活方式，那我不认为应该由公司或某个政府来把自己的意志强加于如何使用它。我认为这属于人民通过民主程序表达的意志。

像我们这样的公司正在比以往任何一代公司都更快地进入一种"关键基础设施"的角色。我们必须说：我们创造了这个技术，我们是专家，我们应该有话语权，我们对它的局限性、还不能用在哪里、可能造成巨大伤害的地方有理解。但规则和限制必须由社会通过这个过程来商定。因为技术走得太快，如果民主程序也能跑快一点就好了。

Ogunlesi在全球 AI 竞赛中，你认为美国最脆弱的地方在哪里？

Altman想到三件事。第一，关于全球供应链依赖和美国基础设施的问题已经讨论了很多。我没有什么新的深刻见解，但我怎么强调这件事有多可怕都不为过。如果我们在基础设施上落后且追不回来，如果全球化以任何可能的方式崩溃，而我们无法独立地持续建设 AI 基础设施——这似乎是一个巨大的脆弱性。我不讨厌，但我也不太喜欢我们目前的全球位置。

第二，如果我们在经济采纳上不如其他国家快。这关乎企业多快采纳 AI，科学家多快采纳，政府多快采纳。好的方面是，我认为这是几代人一遇的机会，可以真正改善经济，重写社会中那些不再适用的规则。所以我能看到一个世界，这不仅不是劣势，反而成为我们最大的竞争优势。但我不认为我们现在走的路线是很明显正确的。AI 在美国现在不太受欢迎。数据中心被归咎于电价上涨。几乎每家裁员的公司都在甩锅给 AI，不管实际上是不是因为 AI。政府和公司之间的相对权力之争也在进行中。

第三类是向世界其他地区的扩散。世界大部分地方会在美国 AI 技术栈上构建——芯片、模型、应用——还是我们会制定一套让这变得更难的政策？

Ogunlesi听起来你认为 AI 可以成为巨大生产力爆发的基础——如果被正确使用和采纳的话。

Altman是的，肯定是。但我认为我们衡量它的方式必须改变。

Ogunlesi解释一下。

Altman我能想象一个世界：我们经历不可思议的生产力爆发，生活质量不断上升，我们说我们在乎的大部分事情都在变得越来越好。但 GDP 按照我们现在的衡量方式却在不断下降。像是持续很长时间的通缩。

我不知道生活在一个永远通缩的世界意味着什么。我不知道在一个世界里——更多的智力能力在数据中心里面而不是外面——GDP 跟生活质量之间的关系意味着什么。但也许我们会找到答案。我认为未来几年会有很多关于该衡量什么的辩论。

Ogunlesi你觉得我们在用正确的方式思考这些挑战吗？我们开始讨论了吗？

Altman我觉得是的，我们开始了。如果有一个简单的共识答案，我们早就做了。所以我认为没有人知道该怎么办。我们长期以来赖以依存的那些社会支柱，正在同时受到质疑。

我前几周在网上看到一句话，一直萦绕在脑海中，大意是：几百年甚至几千年来，我们学会了很多如何构建社会来管理匮乏的知识。但当我们必须快速学会管理富足时，这些知识几乎全都不管用。

这是资本主义运作方式的一个真正变化。资本主义一直依赖于劳动和资本之间的某种力量平衡。但如果在我们目前的很多工作中，很难比一块 GPU 更能干，那这种平衡就变了。

Altman我本来有十件这样的事要说，但时间到了。我不是长期的就业末日论者——我相信我们会找到新的事情做。我当然也不是资本主义的末日论者——我非常、非常深切地信仰资本主义。但我认为未来几年会是一段痛苦的调整期。在我们重新定义这个新系统和这种不可思议的繁荣到底是什么样子的过程中，会有一些非常激烈和令人不安的辩论。

Ogunlesi好的，感谢 Sam 这场非常有思想深度的对话。我想说的是——五年后，我们回到这里，看看我们走到了哪里，看看我们是如何穿越这一切的。成交？

Altman成交。我很期待。来喝一杯吧。谢谢。