Sam Altman 谈模型改进、智能体与初创公司机会

在 OpenAI DevDay，首席执行官 Sam Altman 与 20VC 主持人 Harry Stebbings 回答观众问题。两人讨论模型改进、初创公司策略、智能体、基础设施和领导力。Altman 关于 OpenAI 计划、能力和经济效益的主张来自公司领导者，其预测存在不确定性。

Altman 说，OpenAI 希望全面改善模型，但将推理模型视为特别重要的战略重点。他希望模型能帮助处理困难编程和科学工作，并预计 o 系列会进步。这些是目标和预期，并非对所有此类任务已经取得成果的证明。

他预计，首先出现的工具会让有经验的程序员更高效，随后最终出现质量更高的无代码工具。他说，仅凭简单的无代码指令建立一整家初创公司还需要更长时间；他没有给出时间表。

Stebbings 问 OpenAI 会向应用栈上层延伸多远，以及调整检索系统等工作是否可能变得过时。Altman 给出的是一般原则，而非逐一列出的产品路线图：如果企业只为修补当前模型的某个小弱点而存在，那么未来模型改进时便会面临风险。

相反，他建议建设随着模型改进而变得更有价值的产品。他用假想中能力强得多的未来模型来检验创始人的假设。OpenAI 相信进步速度会很快，但这一轨迹是公司的预期，而非保证。

被问及 OpenAI 可能在哪里“碾压”初创公司时，Altman 预测，AI 所赋能的产品和服务会创造大量新价值。他区分 OpenAI 提升通用模型的工作与基于模型构建的应用，同时没有承诺公司永远不会进入特定应用类别。

他回忆，在 GPT-3.5 早期，许多初创公司试图绕过 OpenAI 预计 GPT-4 会减少的局限。他现在看到更多创始人押注模型改进，并举出辅导和医疗建议应用的可能性。这些是潜在产品的例子，并非临床安全性或有效性的证据。

Stebbings 问到一项 9 万亿美元资本支出和每年 9 万亿美元经济收益的说法。Altman 没有确认这些精确数字，称即便估计数量级也很困难。他预计会出现大量投资和价值创造，但金额与时间都属于推测。

他设想未来有人可以描述一家公司的软件需求，并以低得多的成本将其构建出来，同时强调这种能力仍有一段距离。他认为，如果 AI 能真正带来有用结果，教育和医疗也可能拥有巨大的潜在价值。

Altman 认为，开源模型与集成服务、API 在生态中都有位置。他说用户可以选择适合自己的交付方式；他的回答没有宣布将某个特定 OpenAI 模型开源的承诺。

他即兴给出的智能体定义是：可以接受长时间任务，并在执行期间只需要极少监督的系统。他提醒说，整个领域尚未清楚理解智能体最终会成为什么样。

餐厅预订说明了一种可能性：智能体可以并行比较许多餐厅，特别是在其他智能体接听时。Altman 认为更重要的可能性是一个有能力的协作者，可以工作数天或数周、需要时提问并交付有用成果。这些都是假设例子，并非宣称此类系统已经可靠运行。

被问及智能体如何改变按席位收费的软件定价时，Altman 明确表示自己是在推测。一种可能是根据持续处理客户问题的算力收费，而不是按人类席位或智能体数量固定收费。他还预计，智能体系统周围需要大量基础设施和支撑层。

Altman 同意，随着更新的模型出现，单个模型会折旧，但他认为 OpenAI 的收入能够证明训练成本合理。他说，训练一个模型的经验有助于训练下一个，ChatGPT 庞大的用户群也有助于摊销成本。他承认，并非每个模型开发商都能获得相同的经济效益；访谈没有提供经审计的单位经济数据。

他说，推理仍是 OpenAI 当前最重要的重点，同时公司也关注多模态能力和其他功能。他希望推理扩展到图像，并预计视觉模型会进步，但没有披露具体产品承诺。

他没有详细说明 OpenAI 的研究方法，称在有人证明可行之后复制结果，比做出未经证明的发现更容易。他认为反复追求新工作的文化是组织的优势之一——这一评价来自公司的首席执行官。

Altman 认为，有能力的人可能因为所在组织、地点或人生经历而缺少机会，造成人才浪费。他希望 AI 帮助更多人发挥潜力，并说自己最终想写一本关于如何建立支持原创工作的组织的书。

快速增长迫使 OpenAI 比传统初创公司更快地学会服务客户和建设组织。Altman 说，自己低估了在处理当前运营的同时追求下一次十倍扩张所需的工作量。

这需要内部沟通、规划，以及协调不同时间范围的工作。算力、研究、产品甚至办公空间都可能需要较长准备时间；团队不能简单重复上周的工作，就期望以十倍规模运营。

Stebbings 提到了只招聘非常年轻的人的建议。Altman 反对仅按年龄制定规则：职业生涯早期的优秀人才能带来新视角，而非常复杂的基础设施可能需要深厚经验。他希望对所有年龄段都保持高人才标准，并说缺乏经验不等于没有价值。

被问及 Anthropic 的编程模型时，他承认其表现很强，并说开发者通常使用多个模型。他预计讨论最终会从单个模型转向更大的系统，但表示这一转变需要时间。

Altman 相信模型能力的改进轨迹会持续很长时间，同时承认过去曾有不确定性、训练运行失败和困难的研究转型。他回忆 GPT-4 开发期间存在未解决的问题，以及通往 o1 推理模型的漫长研究道路；未来轨迹仍是他的预测。

他说，在遭遇挫折时，建设 AGI 的共同使命有助于激励团队，对深度学习的信念也帮助团队渡过障碍。他并未暗示进步一直是一条直线。

许多领导决策之所以到他手上，是因为双方取舍非常接近。Altman 不会在每个问题上只依靠一位顾问，而是尝试向不同领域拥有良好判断和背景的人征求建议。一些高风险产品或基础设施选择难以逆转。

半导体供应和国际紧张局势让他担心，但他没有将其列为唯一最大的忧虑。他描述了更广泛的挑战：协调电力、网络、芯片、研究准备，以及能够支撑昂贵基础设施成本的产品。

被问及进入前沿模型开发是否需要 1000 亿美元时，他认为成本可以更低，但没有给出精确估计。他提醒不要过于认真地套用互联网或电力类比：建设模型需要大量资本，而许多应用公司可以使用他人提供的模型。

在并不完美的历史比较中，他更偏好晶体管：一种通过昂贵工业流程和复杂供应链支持、并扩散到许多产品中的通用能力。他以此说明可能的广泛影响，而不是声称 AI 会遵循相同历史。

如果现在创业，Altman 说自己可能会建立 AI 驱动的垂直产品，例如辅导工具、法律工具或工程助手。这些是创业想法和愿望，并不能证明当前系统能够安全、可靠地承担每一类角色。

他希望 AI 能理解一个人的生活并使用相关个人数据，但没有指定具体技术方法。他还赞赏 Cursor 的用户体验，并重点提到 OpenAI 的 realtime API；后者是他有利益推广的 OpenAI 产品。

谈到延迟与准确性，他支持由用户控制权衡。某些场景适合快速回答，而困难的研究任务可能值得等待更久。他将此描述为期望的产品能力，而非准确性的保证。

Altman 说，自己对 OpenAI 产品策略的细节感到不确定，并认为产品领导力是希望改善的领域。他称赞产品负责人 Kevin 的纪律性、专注，以及决定不做什么的能力。

展望五年后，他预测技术和科学会快速进步，而社会在近期可能变化较慢。他引用了对图灵测试的粗略比较，但他的描述和时间表存在争议；这既不能证明某项经过测量的测试结果，也不能保证社会会如何变化。

Stebbings 和 Altman 在台上感谢观众，结束对话。Altman 的长期情景仍是预测，能力、采纳和影响都存在很大不确定性。