Sam Altman：我承认我之前错了，AI 超级系统才是 OpenAI 真正想要的

OpenAI 最近操作不断，Sora App、Dev Day 的密集发布、与 Nvidia、AMD 的各种协议合作等等。

很明显，在 ChatGPT 和基础模型之外，他们想要更多。

「我们的目标并不是做「超级 App」，而是要构建一个真正强大的 AI 超级系统。」

在 a16z 最近的访谈中，Sam Altman 描述了他们的目标：一个集前沿研究、超大规模基础设施和消费级产品于一体的超级系统。

一个人人会使用的个人 AI 订阅服务，用户不仅能在 OpenAI 的消费产品里使用它，还能用它登录许多其他服务，未来某个时候，还可以通过专用硬件来使用它。

一个无处不在的 ChatGPT，一个整合了产品、基础设施和硬件的超级公司。

访谈中，Altman 还分享了很多他对于业务的实际思考，包括对于不同业务的底层逻辑思考、现在的产品策略是什么、为什么要做 AI 基建、Sora 的盈利模式、对于 agent 的看法等等。

• Apps 和 ChatGPT 的结合非常棒。未来，开发者会找到一种非常适合他们的新分发机制。

• iPhone 就是一个垂直整合的例子。我认为 iPhone 是科技行业有史以来最了不起的产品，而且它实现了极高的垂直整合度。

• 关于护城河，我觉得没有通用的「最佳答案」。我的回答是：你找到了一些，只对你当前产品、技术、市场定位在这个时间点上才成立的独特东西。而这类东西，往往构成了你能创造巨大价值的核心。

• 社会与技术必须共同演进。你不能等到最后把一个完美的东西直接扔给世界，这行不通。它必须是一个持续的、相互适应的过程。

• Sora 的一个很酷的地方在于解锁了未来的交互方向，未来的交互界面可能是一个由 AI 实时渲染出来的动态视频世界。

超 14000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。

邀请从业者、开发人员和创业者，飞书扫码加群： 

进群后，你有机会得到：

• 最新、最值得关注的 AI 新品资讯； 
  

• 不定期赠送热门新品的邀请码、会员码；
  

• 最精准的AI产品曝光渠道

---

OpenAI 的方向：

做一家垂直整合的 AGI 公司

主持人：在 2025 DevDay 上，你对发布的哪部分内容最感兴趣？

Sam Altman：所有。非要说一个重点，是 App 和 ChatGPT 的结合。

但我觉得我们还需要一些迭代，来摸索出人们真正想怎么用这些东西。比如：用户到底更倾向于通过调用某个应用来完成任务，还是希望 ChatGPT 本身就知道他们想干什么并主动推荐？我认为，开发者最终会找到一种新的分发机制，非常适合他们。但说到底，这些产品推向世界后，总是会带来一些意想不到的惊喜。

主持人：OpenAI 现在很复杂，是一个消费级科技公司，一个 scaling 的 infra 运营商，一个 research lab，还有硬件，应用商店等等。OpenAI 到底想做什么？

Sam Altman：是的，可以看作是三家公司，或者说，第四部分是我们以自己的方式打造的、一个规模庞大的研究实验室。但核心业务主要有三个。我们希望成为人们的个人 AI 订阅服务，我认为大多数人都会订阅一个，有些人可能会订阅好几个。你不仅能在我们自家的消费产品里使用它，还能用它登录许多其他服务，未来某个时候，你还可以通过专用硬件来使用它。最终，你会拥有一个真正了解你、并且对你非常有用的 AI，这就是我们想做的。事实证明，为了支撑这一切，我们还必须建设海量的基础设施。但这套基础设施的目标，或者说我们真正的使命，始终是「AGI，并使其对全人类有益」。

主持人：你们的基础设施未来会成为一项独立业务，还是只服务于个人 AI订阅这个核心目标？

Sam Altman：你是说，我们会不会把基础设施作为服务卖给其他公司？直觉上，它未来可能会衍生出一些别的用途，但我们目前还没有明确的计划。目前我们的计划只是支持我们想要提供的服务和研究。

主持人：在 ChatGPT 还没有出现的时候，你开玩笑说 OpenAI 的商业模式要去问 AI，现在来看，这句玩笑话是不是比我们想象的更认真？

Sam Altman：那句话并不完全是玩笑。但我们确实有好几次，包括最近一次，向当时最新的模型询问我们应该怎么做，它都给出了我们自己没注意到、但很有洞察力的答案。能实现的关键在于你得给它足够多的背景信息。

所以，当我那么说的时候，大家可能只把它当成一句趣话，但其实它既有玩笑的成分，也有认真的成分。

主持人：除了扩大分发和算力之外，连接这些不同业务的底层逻辑是什么？

Sam Altman：研究让我们能做出伟大的产品，而基础设施让我们能进行研究。所以它就像一个垂直整合的技术栈。你可以用 ChatGPT 或其他服务来获取建议，但要让它有效，背后需要前沿的研究和大量的基础设施。所以，它们其实是一回事。

我过去一直反对垂直整合，但现在我觉得我可能错了。人们总希望经济是高效的，理论上公司应该只做一件事，然后与其他公司协作。但在我们的案例中，至少目前看来并不是这样的。OpenAI 的发展经历告诉我们，为了实现我们的使命，我们必须做比最初想象中更多的事情。

iPhone 就是一个垂直整合的例子。我认为 iPhone 是科技行业有史以来最了不起的产品，而且它实现了极高的垂直整合度。

02 

OpenAI 不想只做「超级 App」

主持人：谈谈你们的产品战略。最终是想打造一个无所不包的「超级应用」，还是一个由多个应用构成的「超级系统」？

Sam Altman：我们的目标并不是做「超级 App」，而是要构建一个真正强大的 AI 超级系统。

Sora 作为一个独立的应用发布，而不是集成到 ChatGPT 里，是因为对很多用户来说，ChatGPT 是他们最私人的账号之一。如果把一个「社交体验」也强行塞进去，感觉会很奇怪。你可以想象加入一些「消息」功能，因为很多人确实会分享内容、进行协作。但从用户心态来看，他们对 ChatGPT 的认知，和对一个娱乐类 App 的认知是完全不同的，混在一起会有割裂感。当然，我们也会把很多功能直接加到 ChatGPT 里，但有些东西还是更适合独立发布。

主持人：你觉得现在人们可以构建哪些真正重要、有用的 Agent？你最看好哪一类？

Sam Altman：我觉得可以参考一下 Codex 的发展，然后把这种思路推广到其他行业。比如：能不能为法律、金融建模，或其他我们已经看到早期成功案例的领域，打造像 Codex 一样的体验？其实现在已经有一些很棒的初创公司在做这些方向了。随着技术的成熟，如果你能让这些 Agent 在各自行业中，做到像 Codex 在编程领域那样强大，那将是我最感兴趣的方向之一。

想象一下未来的场景：一个人只需要和一堆 Agent 对话，就能启动一个公司。现在的 Agent Builder 和 AgentKit 还没完全达到这个水平，但我能看到我们正在往这个方向靠近。

主持人：聊回你之前提的「一人十亿美元公司」赌局。距离一个能真正独立干完一周工作、完全不用人操心的 Agent，还有多远？

Sam Altman：我觉得，像 Code Interpreter（代码解释器）这样的工具，距离完成「一周的工作量」其实已经不远了。虽然听起来有点疯狂，但我觉得这并不是一个遥不可及的 2025 年目标。

我和一些人聊起这事，他们也很惊讶地说：「它现在真的已经能完成一天的任务了？怎么发展得这么快？」老实说，我通常不会觉得 AI 的进步有多夸张，但在 ChatGPT Code Interpreter 能完成的任务长度这个方面，我真的感受到一种爆炸式的进展。所以我猜，一周级别的任务，可能真的很快就能实现。

主持人：要实现这种 Agent，还需要哪些技术上的突破？

Sam Altman：更聪明的模型、更长的上下文处理能力、更好的记忆系统。

主持人：AI 极大地降低了开发门槛，你认为初创公司真正的护城河（moat）在哪里？是数据、分发，还是独特的工作流？

Sam Altman：我觉得挺难回答的。我认为最好的「独特优势」，往往是你自己为你要做的事情量身打造的。我们在 OpenAI 也花了很多精力去找到这一点。我觉得这没有通用的「最佳答案」。最好的回答应该是：你找到了一些，只对你当前产品、技术、市场定位在这个时间点上才成立的独特东西。而这类东西，往往就构成了你能创造巨大价值的核心。

不过，有一点通用的建议我可以说：你是在做的过程中逐步发现优势的。我很喜欢一句经典的商业名言，「让战术变成战略。」你可以先从一些「有用、能跑得通的事情」开始，往往在这个过程中，就会慢慢浮现出某些可以上升为战略的东西。如果你在我们刚开始做 ChatGPT 的时候问我：「你们未来会有什么持久的优势？」我可能会说「我也不知道」，或者给你一堆猜测，但不会有特别自信的答案。但现在回头看，像「记忆」功能，其实就成为了一个非常强的竞争优势，也是用户持续使用 ChatGPT 的重要原因之一，但当时我们压根没想到这点。所以你在构建功能时，有时会意外地发现：「哇，这个点其实可以成为我们长期的护城河。」这就是你一边走、一边找、慢慢形成的过程。

主持人：如果我们站在 GPT-6 的时代回望今天，你认为什么样的产品决策，能让应用经受住时间的考验？

Sam Altman：最终还是得你自己去摸索出来。我觉得 AI 虽然改变了世界上很多事情，但它并没有改变一个公司获得优势的底层机制。比如说，网络效应、品牌和市场优势、用户数据、平台或市场的双边效应等等，这些因素过去行得通，现在依然有效。如果你去列一个近几年成功企业的清单，那些驱动力大概率现在也还适用。只不过，现在可能会有一些新的策略、新的打法。

03 

疯狂推进 AI基建，

继续做产业链整合

主持人：作为 CEO，你最近和 AMD、Oracle 等公司达成了一系列合作。与早年相比，你在达成这些交易时的思路有什么变化？

Sam Altman：我那时确实没什么运营和管理经验。我天生不是那种适合经营公司的人，更擅长做投资。我之前就是干这个的，也一度以为那就是我的职业方向了。

我在那之前也当过 CEO，但当得不好。所以我认为，在做那笔交易时，我的心态更像一个为公司提供建议的投资者。而现在，我明白了真正运营一家公司是什么感觉。我花了很多时间才学会怎么把一笔交易真正在运营层面落地，怎么去考虑协议背后所有的连锁反应，而不仅仅是盯着「拿到钱和渠道」这么简单。

主持人：你们既与这些公司合作，也存在潜在的竞争关系。你是如何决定何时合作、何时竞争的？

Sam Altman：我们已经下定决心，是时候进行一次非常激进的基础设施投资了。因为我对我们未来的研究路线图，以及这些新模型能创造的经济价值，从未像现在这样充满信心。但要在如此大的规模上进行投资，我们需要整个行业，或者说行业里的一大批关键角色来共同支持。这涉及到从最底层的硬件（electrons）到最上层的模型分发，以及中间所有环节。因此，我们会和非常非常多的人合作。在未来几个月，你会看到我们在这方面有更多动作。

主持人：当你谈到扩张规模时，似乎没有上限。在你看来，限制 OpenAI 规模的因素是什么？

Sam Altman：上限肯定是有的。比如全球的 GDP 就是一个硬上限，其中知识型工作又只占一部分，而且我们目前还没涉足机器人领域。所以限制是客观存在的，但感觉这些限制离我们今天的水平还非常遥远。如果我们对模型能力发展方向的判断是正确的，那么它能释放的经济价值就有极大的想象空间。如果你只有今天的模型，当然不会按那个规模去扩张。不过，即便如此我们还是会继续扩张，因为我们能清楚地看到，仅凭现有模型，就有大量需求我们无法满足。但如果我们只有今天的模型，我们不会如此激进地扩张。是因为我们看到的不仅仅是今天的模型，我们能比市场提前一两年看到未来。

主持人：哪些投入是为了实现 AGI，哪些又是为了对冲不确定性的？

Sam Altman：表面上看，Sora 似乎与 AGI 不太相关。但我敢打赌，如果我们能构建出非常出色的世界模型，它对 AGI 的重要性将远超人们的想象。

这和 ChatGPT 的情况很像。当初也有很多人觉得它离 AGI 很远，但它却给我们带来了巨大的帮助：不仅让我们能训练出更好的模型，也让我们第一次真正了解社会想怎么用这项技术，更重要的是，它迫使整个社会开始认真对待 AGI。在 ChatGPT 出现前的很长一段时间里，我们谈论 AGI，人们要么觉得这不可能发生，要么根本不关心。是 ChatGPT 的出现，才让大家突然开始关心这件事。

所以，撇开研究上的好处不谈，我坚信，社会与技术必须共同演进。你不能等到最后把一个完美的东西直接扔给世界，那行不通。它必须是一个持续的、相互适应的过程。

主持人：你曾说过，在职业上你最关心的两件事是 AI 和能源。现在这两者是如何融合在一起的？

Sam Altman：我当时并不知道它们最终会成为同一件事。它们原本是两个独立的兴趣，但现在确实融合在一起了。 回顾历史，改善人们生活质量最具影响力的因素就是更廉价、更丰富的能源。所以，进一步推动能源发展是个好主意。每个人看世界的角度不同，而在我的视角里，能源无处不在。

主持人：随着 AI 对能源需求的激增，你认为未来的能源结构会是怎样的？政策上应该如何应对？

Sam Altman：我预计短期内，美国新增的基荷电力主要会来自天然气。但长期来看，我相信主导能源将是太阳能加储能以及核能的某种组合。具体比例不好说，但这两种会是未来的主力。这包括了先进的裂变技术、小型模块化反应堆（SMRs）以及核聚变等整个技术方向。

04 

发布 Sora 2 的目的是「共同演进」

主持人：Sora 在你们的战略中扮演什么角色？为什么要把宝贵的 GPU 资源投入到 Sora 上，这是一种长短期的权衡吗？

Sam Altman：Sora 有几个层面的意义。

首先，能做出人们喜欢的好产品，本身就是一件很酷的事。

其次，也是更重要的一点，这正是我所说的「共同演进」：让社会提前感受即将到来的技术。很快，世界就必须面对强大的视频模型，它们能深度伪造任何人，能生成任何你想要的画面。这大部分是好事，但社会也需要一个适应期。就像 ChatGPT 一样，我们觉得世界需要了解这项技术的发展方向。我认为让世界尽快了解视频技术的发展方向非常重要，因为视频比文本更具情感共鸣力，很快我们将进入一个视频无处不在的世界。

除此之外，就像我前面提到的，Sora 对我们的研究计划有帮助，也是通往 AGI 路上的一部分。而且话说回来，AI 的意义也不该只是追求极致的效率、解决所有问题。这条路上也应该有乐趣、喜悦和创造力。当然，我们不会把海量的算力都投给它，Sora 只占了我们总算力的一小部分而已。

主持人：你曾说模型已经让聊天这个应用场景饱和了。未来的 AI 人机交互，在软硬件上会是什么样的？

Sam Altman：我需要澄清一下，我当时说「聊天」饱和，指的是一个很窄的范围：如果你只是想进行简单的日常对话，那现在的模型确实已经很好了。但是，作为一个交互界面，「聊天」的潜力还远没有达到饱和。比如，你可以对聊天界面说：「请治愈癌症。」模型显然还做不到。

所以我认为，文本交互这种形式还有很长的路要走，即便对于闲聊类的应用，模型已经很出色了。当然，未来肯定还会有更好的交互界面出现。

Sora 的一个很酷的地方在于，想象一下，未来的交互界面可能是一个由 AI 实时渲染出来的动态视频世界。这会解锁多少可能性？另外，你也可以想象新型的硬件设备，它们能时刻感知周围环境的状况。你的手机不会再随时用短信通知来打扰你，而是能真正理解你的处境，知道在什么时候向你展示什么内容。所有这些都还有很长的路要走。

05 

Sora 的盈利模式可能是按次收费

主持人：关于盈利模式，你目前最关心或者正在探索的方向是什么？

Sam Altman：我现在最关心的是 Sora 的盈利模式，因为它刚刚发布，使用量非常大。发布这种产品总能让你学到一件事：用户实际用它的方式，和你最初设想的差别有多大。大家当然在用我们预想的方式使用 Sora，但同时也出现了大量我们没想到的用法，比如生成自己和朋友的搞笑表情包，然后在群聊里分享。这需要一种非常不同的盈利模式。

Sora 视频的制作成本很高。对于每天生成几百次的用户来说，这将需要一种与我们原先设想的完全不同的盈利方式。Sora 背后有一个很酷的假设，那就是人们其实有强烈的创作欲望，并不是传统互联网理论里说的只有 1% 的人创作。可能只是过去的工具门槛太高了。我觉得这是个非常棒的转变，但这也意味着我们必须为这种高频的创作行为，找到一种全新的、可持续的盈利模式。我猜，对于这种高成本的生成，可能最终还是得按次收费。

主持人：对于长尾用户，你考虑过广告变现吗？

Sam Altman：持开放态度。和许多人一样，我觉得广告有点令人讨厌，但并非完全不可行。有些广告我甚至很喜欢，比如我很赞赏 Meta 的一点是，Instagram 的广告对我来说常常是加分项，我确实喜欢看。人们对 ChatGPT 有着非常高的信任关系，即使它出错、产生幻觉，人们也觉得它在努力帮助他们，做正确的事。如果我们破坏了这种信任，比如当用户问「我该买哪款咖啡机？」时，我们推荐的不是最好的，而是付了钱给我们的一款，那么这种信任就会消失。所以那种广告是行不通的。但我能想象到其他一些类型的广告是完全可行的，只是在设计上必须极其小心，避免踩进那些明显的坑里。

主持人：你怎么看版权问题的未来走向？比如，训练数据是否属于「合理使用」？

Sam Altman：这是我目前的猜测。正如社会与技术共同演进一样，随着技术向不同方向发展，情况也会变化。比如我们已经看到，版权方对视频模型的反应，就和当初对图像模型的反应很不一样。所以这个领域会持续演变。但如果让我从今天的立场做一个预测，我认为社会最终会接受：AI 用公开数据进行训练属于「合理使用」（fair use）。但在生成内容时，会有一套新的模式，比如你要模仿特定风格或使用某个 IP。

这就像一个作家，可以阅读一部小说并从中获得一些灵感，但不能直接抄袭。你可以讨论哈利·波特，但你不能把整本书背出来当成自己的作品。

另外，我觉得还有一件事正在发生变化，这点在 Sora 上特别明显。我们当然收到了很多版权方的担忧，但同时也收到了很多另一种声音：他们担心的不是我们用了他们的角色，而是我们用得还不够多。他们当然也需要限制，不希望自己的角色说出一些疯狂或者冒犯的话，但他们更希望粉丝能和角色互动，因为这样才能建立情感连接，让他们的 IP 更有价值。如果我们的模型总是选择别人的角色而不是他们的，他们反而会不高兴。

所以，我完全可以想象这样一个世界：在版权持有者自己决策的前提下，他们担心的将不再是「用太多」，而是「用太少」。

06 

AGI 的核心是发现新知识，

AI 科学家是未来方向

主持人：从 ChatGPT 发布到现在，AI 的发展肯定有很多超出你预料的地方。如果让你只挑一件，什么事最让你感到惊讶，甚至彻底改变了你之前的某些判断？

Sam Altman：有很多事让我惊讶，但最有趣的是我们发现了多少「新东西」。

当初我们发现语言模型的 Scaling Laws 时，我们以为自己偶然发现了一个巨大的秘密，这感觉像是一次不可思议的胜利。我当时想，我们可能再也不会有这么好的运气了。但深度学习就像一个不断创造奇迹的源泉，我们接二连三地取得了突破。当我们再次在推理模型上取得突破时，我同样觉得，这样的好运可能不会再有第二次了。这项技术能如此成功，似乎是一件概率极小的事情。但后来我想，也许所有重大的科学发现都是这样：当它足够基础、足够根本时，它的潜力就会持续不断地涌现出来。但进展的速度非常快，如果你现在回头去用 ChatGPT 刚发布时的 GPT-3.5，你会觉得：「我简直不敢相信当时有人会用这个东西。」而现在，我们已经创造出了巨大的「能力富余」（capability overhang）。

普通大众对 AI 的理解还停留在 ChatGPT 的水平；然后硅谷的一些技术爱好者在使用 Codex，他们会觉得普通人根本不懂 AI 已经发展到什么程度了；而极少数顶尖科学家又会觉得，那些用 Codex 的人也同样不了解前沿模型真正的潜力。今天，模型的能力和公众的认知之间已经存在巨大的鸿沟，我们在能力上已经走了非常非常远。

主持人：我们用大语言模型（LLM）到底能走多远？在哪个节点会需要新的技术架构或突破？

Sam Altman：我认为，仅凭现有的技术路线，我们就能走得足够远，远到足以创造出一个能帮我们找到下一条技术路线的 AI。我知道这个答案听起来有点像自我循环，但你想想，如果基于 LLM 的系统，它的研究能力能超过整个 OpenAI 团队的总和，那或许就足够我们抵达下一个里程碑了。

主持人：你之前对 AGI 的定义是：当它在大多数具有经济价值的任务上超过人类。如果某个模型在 GDPval 的得分达到某个程度，你会认为 AGI 实现了吗？

注：GDPval 是 OpenAI 于 2025 年 9 月 25 日提出的一项新的评估方法，用于衡量 44 个职业中具有经济价值的现实任务的模型性能。

Sam Altman：我最近也在认真思考这个问题。首先，像很多人一样，我对 AGI 也有多个定义。离目标越近，这个概念反而越模糊。但对我来说，最重要、也是让我最惊喜的一点是：我们已经开始看到 AI 具备「发现新知识」的能力了。也就是说，AI 可以扩展人类目前的知识边界。虽然现在这些例子还很小，但这才是我最在意的突破。

主持人：我们往后看几年，你认为 AI 模型下一个真正让人兴奋的能力跃迁会是什么？是更深度的白领工作替代、AI 科学家，还是人形机器人？

Sam Altman：会有很多方面，但你提到了我最兴奋的一点，「AI 科学家」。我知道关于图灵测试的严格定义一直有争议，但大众理解的那个图灵测试，早就被我们不经意间超越了。

我们之前都觉得图灵测试遥不可及，是 AI 领域的终极考验。然后突然之间，它就被攻克了。全世界为此热议了一两个星期，然后大家很快接受了现实：「好吧，看来电脑现在也能聊天了。」然后一切照旧。我认为，科学领域正在发生同样的事情。

对我个人而言，真正的「图灵测试」，是看 AI 能否独立进行科学研究。那才是真正能改变世界的时刻。而随着 GPT-5 的出现，我们已经开始看到一些微小的火花了。你会在 Twitter 上看到这样的例子，有人分享它帮助自己有了一项新的数学发现，或者在我的物理、生物研究项目中解决了一些小问题。我们看到的一切都表明，这个方向将会有更大的发展。

所以我认为，在两年内，模型将能承担更大部分的科学工作，并做出重要的发现。这是一件疯狂的事情，将对世界产生巨大的影响。我一直相信，从根源上说，是科学进步在推动人类社会变得更好。如果我们即将迎来更多的科学进步，那将是一件大事。

主持人：这很有趣，因为这是一个人们不常谈论的积极变化。当谈到 AI 变得极度聪明时，评论经常是聊到负面影响。但对于碳排放和疾病这些问题，我们确实需要更多的科学。

Sam Altman：是的，这一点说得很好。我记得 Alan Turing 曾说过，有人问他：「你真的认为计算机会比杰出的人类头脑更聪明吗？」他回答说：「它不必比杰出头脑更聪明，只需要比平庸的头脑更聪明就行，比如像 AT&T 的总裁那样。」