近日，OpenAI CEO Sam Altman 出席了一场深度访谈活动，分享了他从 2016 年创业至今的发展历程、对人工智能（AI）行业现状的洞察，以及对未来趋势的预测。
他首先回顾了OpenAI的创立和发展历程
2016 年，Sam Altman 与十几名同伴在一间小办公室内，围着白板探讨人工智能方向，当时的他们甚至还未明确大型语言模型（LLM）的具体概念，只是在尝试“玩视频游戏”。
Altman 回忆到：“当时我们只是坚信某个方向是对的，却没有明确的计划，更没有想到自己会站到今天的舞台上。”
最初 OpenAI 的探索方向很多，从游戏到机器人手再到无监督学习模型，这才逐渐明确了 GPT 系列的发展路径。
以下是一些主要内容摘要：
第一款产品并非 ChatGPT
- 首个真正的“消费级”产品是 DALL·E 图像生成模型。
- 真正的第一个商业产品是 GPT API，在 2020 年 6 月左右推出 GPT-3 API。
高速发布节奏的秘密
- 保持“小团队 + 高责任”原则，确保每人都有实际产出。
- 避免官僚化：维持小团队运作，让少数人承担大量责任，而非“几十人坐在会议室争吵细节”。
- 保持忙碌状态：确保研究人员、工程师和产品团队始终处于忙碌且高效的状态。
- 公司增长必须伴随产品产出增长，否则容易陷入“人员膨胀+会议泛滥”。
产品战略方向
- OpenAI 将自己定位为“核心 AI 订阅服务”，围绕 ChatGPT 展开。
- 将继续扩展 API、SDK，并探索平台化（Platformization）可能性。
- 长远目标：打造“未来操作系统级别的 AI 平台”。
模型、算力与算法
- 三大支柱：更好的模型（Smarter Models）、更强的计算基础设施、更广泛的社会嵌入。
- 模型规模持续扩大，从 GPT-3 到 GPT-4，再向更高演进。
- 算法创新将是最大杠杆，未来可能还有一两次“10倍或100倍”的突破；
- 编码能力将成为AI核心竞争力，未来的模型需要具备执行操作甚至写出完整程序的能力；
- 语音技术将是 OpenAI 接下来着重投入的领域，目标是将语音交互做到与人类无异，进而催生新的交互模式甚至设备类别。
ChatGPT 的未来形态
- 长期目标：无限上下文记忆 + 无需微调的个性化体验。
- 理想状态：“用户所有生活数据、对话、行为”都在上下文中，即可实现完全个性化。
年轻用户的使用方式：ChatGPT 作为操作系统
访谈中，Altman 特别提到年轻一代使用 ChatGPT 的独特方式：
- 年长者将 ChatGPT 当作搜索引擎；
- 20-30岁的年轻人将其视作生活顾问；
- 大学生则将 ChatGPT 当作个人操作系统，进行更深入的互动和协作。
这种代际使用差异让他尤其惊叹：“年轻人几乎在所有重大决策前都会咨询ChatGPT，他们把提示词记在脑子里，跟模型之间的互动非常复杂。”
对定制化的态度与愿景
Altman 表示，现阶段的模型定制化是向理想状态的妥协，而理想状态是：
“一个小型推理模型，拥有数万亿token的上下文，涵盖你一生的全部数据，无需频繁重新训练，就能精准推理你的个人数据。”
行业观察与企业转型挑战
对于大公司在AI时代的转型困境，Altman认为：
- 大公司容易被旧有规则束缚，每次技术革命初创公司总能胜出；
- 大公司决策缓慢，难以适应快速变化的环境，而年轻公司能更快适应和创新。
他指出：“公司本质是个人行为的延伸，年轻人更容易适应AI工具的迅速变化，大公司则常常滞后。”
对创业者建议：面对逆境的韧性与耐力
访谈末尾，Altman 分享了自己对于创业者在面临逆境时的建议：
- 真正难的并不是危机当天，而是危机后的漫长余波；
- “逆境下的情感韧性和承受能力是需要持续训练和培养的。”
他鼓励创始人：“随时间推移，虽然风险越来越大，但处理问题的心理承受能力也会随之变强。”
访谈视频
访谈内容文字翻译
主持人：
我们的下一位嘉宾无需介绍，所以我就不多说了。我只想说，Sam Altman 已经连续三次参加我们的 AI 活动，我们非常感激他一直以来的支持。欢迎你，Sam。
Sam Altman：
谢谢你。很高兴回来，这就是我们当年的第一个办公室。
主持人：
真的？再说一次？
Sam：
对，这就是我们最早的办公室。能回到这里真不错。
主持人：
让我们回到最初的办公室时光。你是在 2016 年开始的。我们刚请到 Jensen（黄仁勋）来，他说他当时在这交付了第一台 GGX1 系统。
Sam：
他是这么说的？是的，想想现在那些机器多小……虽然现在的设备还是很大一块。但这是一个很有趣的回忆。
主持人：
当时多重？
Sam：
他说大约 70 磅。确实挺重的，但还能搬动。
主持人：
那么你在 2016 年的时候，是否曾想过今天会站在这里？
Sam：
没有。那时候我们大概 14 个人，坐在那里围着白板，讨论我们到底要做什么。我们完全是一个研究实验室，有很强的信念和方向，但没有具体的行动计划。当时不但没有“公司”和“产品”的概念，甚至大型语言模型还远未成形。我们那时的目标只是“让 AI 能玩游戏”。
主持人：
你们用了六年才推出第一个面向消费者的产品——ChatGPT。在那之前你们是如何设定阶段性目标的？
Sam：
其实第一个面向消费者的产品并不是 ChatGPT，而是 DALL·E。但严格说来，第一个真正产品是 API。我们尝试了很多方向，比如我们当时想：“我们得造一个系统来验证我们是否走在正确的路上，而不是仅仅写论文。”所以我们尝试让模型玩电子游戏、控制机器人手等。
后来，最开始是一个人，然后是一个小团队，他们对无监督学习和构建语言模型产生兴趣。那就促成了 GPT-1，然后 GPT-2。到了 GPT-3，我们认为“这个东西有点意思”，但我们不知道该怎么用它，也意识到我们需要更多资金去做更大的模型，比如 GPT-4。训练这类“十亿美元模型”，光靠科学实验的方式很难持续，除非你是像粒子加速器那样的科研机构——但即便如此，也很难。
所以我们开始思考：我们既要把这件事变成一个可持续的商业系统，又认为这项技术将变得有用。我们放出 GPT-2 的模型权重，反响平平。我观察到一个现象：很多 YC（Y Combinator）公司，如果做 API 产品，往往都能跑得还不错。而且，如果你把某项技术做得更易用，一般也会有巨大回报。
当时模型越来越大，部署越来越难，我们就说：“我们来写个好用的软件来托管这些模型吧。”与此同时，我们并不打算直接做一个产品，而是希望有人能基于我们的 API 构建产品。
我记不太清确切时间，大概是 2020 年 6 月，我们发布了 GPT-3 API。公众没什么反应，但硅谷的一些人注意到了。他们觉得：“哦，这东西挺有意思的。”有些人甚至认为这就是 AGI（通用人工智能）的雏形。但真正用 GPT-3 API 做成生意的，大概也就只有一些“AI 写文案服务”的公司。GPT-3 在这个方向上刚好达到了“经济实用”的门槛。
但我们注意到一件很有意思的事：虽然没人能用 GPT-3 API 做出太多产品，但大家都很喜欢在“playground”里和它聊天。尽管它当时的聊天能力很差，因为我们还没有做强化学习人类反馈（RHF），但大家还是很喜欢跟它对话。
除了写文案之外，这大概是唯一一个“杀手级应用”了，这也是促使我们做出 ChatGPT 的关键线索。等到我们推出 ChatGPT 3.5 的时候，基于 API 能够构建生意的方向已经从一个变成了八个，但我们的核心信念越来越清晰：人们就是想跟模型对话。
我们之前已经做了 DALL·E，它表现还不错。但随着模型可微调能力的增强，我们很清楚我们想构建一个“让你和模型对话的产品”，于是就有了 ChatGPT。它是在 2022 年 11 月 30 日上线的，从我们成立算起大概六年。现在，每周有超过 5 亿人使用这个产品。
主持人：
最近六个月你们发布的节奏非常快，怎么做到的？很多大公司越做越慢。
Sam：
很多公司变大后不再“做更多的事情”，只是人变多了，但产出没变。他们维持相同的产品线、产出节奏，导致流程变慢、效率下降。我相信“让每个人都忙碌”是关键。我们倾向于保持小团队、承担大量责任。否则你就会有“40 个人开同一个会议”，为了一个小功能吵翻天。
从商业原则来说，一个优秀的高管一定是忙碌的——因为如果他闲着，他很可能就在瞎折腾。研究员、工程师、产品经理才是产生价值的人。你让这些人保持高强度、高产出，就是最优解。
我们现在要构建一个真正重要的互联网平台。如果我们真能成为每个人“日常 AI 助手”，那我们要覆盖他们人生中的各种服务、场景、平台和设备。那就意味着我们必须构建大量功能——而不是等待。
主持人：你最近半年最骄傲的产品？
Sam：
我觉得现在的模型本身就非常棒。当然它们还有可以提升的空间，但 ChatGPT 之所以是好产品，很大程度就是因为模型好。我们也做了很多产品层的事，但“模型强大”是核心。
主持人：你们做了这么多事情，别人该怎么避免被你们“压路机式地碾压”？
Sam：
我们希望成为用户的“核心 AI 订阅服务”。我们会构建一个越来越聪明的模型，同时建立一些类似操作系统的界面、未来设备、入口。但我们还没有完全搞清楚 API、SDK 这些平台接口的标准，可能还需要尝试几轮。
但一旦确定下来，我们希望能催生出大量的财富与机会，帮助其他人基于此构建。我们的目标是做模型、做订阅、做几个关键场景服务，其他的欢迎大家来构建。
主持人：外界传你们正在以 3400 亿美元估值融资 400 亿美元？
Sam：
我们已经公布了。
主持人：你们的“野心”下一步是什么？
Sam：
没有什么“宏伟蓝图”，我们就只是继续构建好模型、发布好产品。我们不做“逆推法”计划。我们相信专注眼前每一步，比从终点向后倒推要好。
我们知道我们需要更大的 AI 基础设施、更强的模型、更好的消费者产品，我们灵活、快速调整战术。明年要构建的产品，现在我们可能还没想出来。
我对我们的研究路线比以往任何时候都更有信心。
主持人：所以你更相信“顺势向前”而非“逆推蓝图”？
Sam Altman：
是的。我听过一些人谈他们如何“规划路径”，比如“我们先做这个，再做那个，最后统治世界”，然后再推回今天的起点——我从没见过这种人最终真的成功。
观众提问：你觉得大型企业在转型为 AI 原生组织方面出了什么问题？
Sam：
我觉得这是每一次技术革命都会出现的情况。没什么可惊讶的。问题在于：他们像过去一样陷入路径依赖。
当你面对的是一个每个季度都变化剧烈的世界，而你的“信息安全委员会”一年只开一次会，讨论允许哪些应用程序、如何接入数据……这就是灾难。
大公司被自己的流程和文化所困。他们试图假装这一切变化不会重新塑造整个行业，但最终，他们只能在最后关头仓皇“投降”。而初创公司则轻松超车。
这不仅是组织现象，也是代际差异。比如你去观察一个 20 岁年轻人是如何使用 ChatGPT 的，再去看一个 35 岁的人怎么用，差别惊人。就像当年智能手机出来时，孩子们一下就能熟练操作，而成年人用了三年才会基础功能。
这种代际差异现在在 AI 工具上特别明显，公司组织只是这种现象的延伸。
观众提问：年轻人使用 ChatGPT 的方式有哪些特别之处？
Sam：
他们真的把它当作“操作系统”来用。
他们有一整套流程，把 ChatGPT 连接到各种文件，有复杂的 prompt 记在脑子里，或者保存在其他地方，随时粘贴使用。
他们甚至在做人生决定前，都会去问 ChatGPT。它拥有他们与朋友之间的聊天历史、生活上下文，有了“记忆功能”之后，这种关系变得更深。
总结一下：
- 年长用户把它当成 Google 替代；
- 20–30 岁的用户把它当“人生顾问”；
- 大学生则把它当“AI 操作系统”。
观众提问：OpenAI 内部是如何使用 ChatGPT 的？
Sam：
它写了我们很多代码。确切比例我不知道，而且我觉得用“代码行数”来衡量没意义。微软说他们 20–30% 的代码是 AI 写的，但行数不是重点。
我可以说，它确实写了“重要部分”的代码。
观众提问：既然你们的大部分收入来自消费者订阅，为什么还保留 API？
Sam：
我希望 10 年后，这些东西会融为一体。比如你可以用“OpenAI 登录”其他服务。
其他服务可以接入我们强大的 SDK，甚至嵌入 ChatGPT 的 UI。因为如果你想拥有一个能理解你、有上下文、有记忆、理解你的生活的 AI，你会想在不同场景下使用它。
虽然目前的 API 离这个目标还很远，但我相信我们会逐步实现。
观众提问：我们是构建应用层的创业公司，想使用底层组件，比如“深度研究 API”（假设的），你们会优先支持开发者吗？
Sam：
我希望我们最终能建立一个“新协议”，就像互联网时代的 HTTP 一样。
未来的互联网将是去中心化的、由许多小型组件和 agent 构成。它们互相调用工具、完成身份验证、转账、共享数据——而这一切都内建在通用协议层中。
我们现在还不清楚它的样子，但它正在“从迷雾中显现”。我们还需要几轮尝试，但那就是我理想中平台的样子。
观众提问：你是否考虑接入现实世界的传感器数据（比如温度）来提升 AI 的理解能力？
Sam：
很多人已经在做这件事了。比如有人把传感器数据输入 API（比如调用 GPT-4o），在某些场景下效果很不错。
最新的模型对这些数据的处理已经明显进步了，过去不太行，但现在表现不错。我们未来会更系统性地支持这方面。
观众提问：关于语音，你们怎么看它的重要性？它在基础设施层级里排名如何？
Sam：
语音非常重要。坦白说，我们现在的语音产品还不够好——但这没关系，文字模型一开始也不好。
我们最终会解决语音的问题。届时，我相信人们会更愿意用语音进行交互。
我们第一次发布语音模式时，我发现一件很有趣的事：你可以一边讲话一边点击手机，就像叠加式交互。这种“语音+GUI”的混合体验，很有潜力。
我们还没解决好，但一旦做到了，我认为不仅能在现有设备上表现出色，甚至可能催生一类“全新设备”。
观众提问：代码是你们的一个垂类，还是说它是未来的核心？
Sam：
代码是核心。
目前 ChatGPT 返回的是文字、有时候是图像。但理想状态下，它应该返回一整个程序。也就是说，它可以根据你的请求构建完整系统——或调用 API 实现你想要的功能。
我认为“写代码”是 AI 实现行动、影响世界的核心方式。
观众提问：除了数据、算法、算力外，还有哪些被低估的重要因素？
Sam：
每一项其实都很难。
当然，最大的杠杆还是“算法突破”。我认为我们还有几次 10 倍或 100 倍级别的进步空间——虽然不会很多，但只要一两个就能产生巨大影响。
所以，是的，还是那三大主轴：算法、数据、算力。
观众提问：你们如何平衡自由探索与项目推进之间的管理？
Sam：
有些项目确实需要“自上而下”的协调，但很多人做得太多了。我们从成立 OpenAI 时就花了很多时间研究“什么是一个好的研究实验室”。
你得回溯历史，看看过去伟大的研究机构。我们请教了很多人——当然他们中的很多人已经去世了，毕竟这种模式已经很久没出现了。
人们常问我们：“为什么 OpenAI 一直在创新，而其他实验室却在模仿？”
我们给出了我们遵循的原则、来源、经验。然后他们说：“谢谢你们的分享，我们还是会用自己的方式。”然后就失败了。
我们并不是自己发明了这些原则，而是从历史上最优秀的研究实验室中“无耻地抄袭而来”，但它们真的有效。
观众提问：你认为大模型是否能帮助我们解答人文学科中的问题，比如历史周期、社会偏见？OpenAI 是否有合作计划？
Sam：
有的，我们与学术界有合作项目，也会做一些定制支持。但大多数研究人员只是想要访问模型或底模，我们擅长这一点。
我们有合作项目，也做过定制，但我们的大部分动力都集中在“让模型更聪明、更便宜、更普及”，这其实对学界和全人类都非常有益。
观众提问：你怎么看“AI 个性化”和“定制模型”？你是更倾向于核心模型改进，还是后处理微调？
Sam：
我理想中的形态是：一个很小但强大的推理模型，拥有一万亿个 token 的上下文窗口，能装下你的一生。
这个模型永远不需要重新训练、不需要改权重，但它拥有你所有对话、读过的书、邮件、网页、数据流、公司信息，并持续地更新上下文。
这就是我理想中的“定制模型”——而我们现在做的所有微调、后处理，都是对那个理想状态的妥协。
观众提问：你认为未来 12 个月最大的价值来源是哪里？是“高级记忆”？安全？代理协议？
Sam：
我认为未来价值会集中在三个方向：
- 基础设施建设：大规模 AI 工厂、算力集群；
- 更聪明的模型；
- 将 AI 与社会融合的系统设计。
如果这三件事持续推进，其他问题都会自然而然解决。
更具体一点：
我预测 2025 年会是“AI 做事情的一年”，尤其是编码将成为主战场。
到了 2026 年，我们可能会看到 AI 协助人类做出重大科学发现。
2027 年，我认为 AI 将真正进入物理世界，机器人从“新奇玩具”变成“经济实体”。
主持人：最后几个快问快答。ChatGPT 5 会不会比我们在座所有人都聪明？
Sam：
如果你觉得你比 GPT-4o 强很多，那你可能还有点距离要追。GPT-4o 已经很聪明了。
主持人：作为创始人，你曾经也经历过公司动荡，现在有点距离了，有什么建议给台下创业者吗？
Sam：
随着时间推移，你面对的挑战会更大，赌注更高。但心理压力会变小。
你越经历困难，就越能恢复得更快。情绪韧性会增强。
而且真正难的不是危机发生的那一刻，而是“之后的第 60 天”，你在试图重建的时候，那才是最难受的时候。
危机当下，反而有肾上腺素、有支持者，但长期的恢复、心理建设，是更难的部分，也是大家常常忽略的训练课题。
主持人：谢谢你，Sam。你现在其实还在休完陪产假呢。
Sam：
是的（笑），但很高兴能来参加，感谢邀请。