“从第一代推理模型 o1 到最新的 o3，同等复杂推理的成本直接下降了 1000 倍。而到 2028 年末，全球数据中心里 AI 产生的认知能力总和，将超过全人类的总和。”
这是 OpenAI CEO 萨姆·奥特曼（Sam Altman）在最新一届贝莱德（BlackRock）峰会上抛出的两个核心判断。
圈内人都清楚现阶段搞大模型有多烧钱，但在这场与华尔街顶级基建资本的对谈中，Altman 讨论的焦点已经不再是算法、代码和神经网络，而是千兆瓦级的核电站、水冷系统、高压输电线路和数以万计的钢筋水泥。
当一家最前沿的 AI 软件公司被迫下场大谈重资产基建，说明大模型之战的底层逻辑已经变了。Altman 坦言，AI 已经跨过了“只配做辅助工具”的临界点。现在的硅谷初创公司甚至已经不再讨论“要招多少人”，大家全都在想尽办法去抢占算力份额。
为了不让 AGI 的进化被现实的电网和水管限制住，OpenAI 必须去造“大坝”，试图把智能变成像自来水一样廉价的基础设施。
在这场信息密度极高的对话中，Altman 详细拆解了算力遭遇的物理瓶颈，并罕见地给出了他对中美 AI 真实牌桌地位的底层观察。我们为你提炼了这场实录的四个关键要点：
1000 倍的成本崩塌：复杂推理正在经历史无前例的通缩。从 o1 到最新模型，解决同等难度问题的成本暴降千倍，靠“堆算力”解决复杂任务的路线已经彻底跑通。
2028 年的奇点时刻：四年后，数据中心内的 AI 认知输出将正式超越物理世界的所有人类，大公司 CEO 和顶尖科学家们将把绝大多数工作直接外包给 AI 智能体。
大国博弈的真实身位：美国在最前沿的旗舰模型上保持领先，但中国在“将旧模型推理成本做到极致廉价”以及“物理基建的推进速度”上，已经展现出极强的优势。
智能的终极形态：未来的 AI 绝不是按次付费的昂贵软件。OpenAI 押注基建的最终目的，是让智能像水和电一样，“极其廉价，以至于根本无需计量”。
以下为这场对谈的中文实录。
01 跨越临界点，AI 正式成为“数字员工”
Bayo（主持人）：大家好。我听说这个行业大概每 60 分钟就会诞生空缺职位，如果这次投资峰会不太成功的话，也许我可以考虑转行做个访谈记者。
不过在此之前，我得做个充分的利益披露。Sam 是我的朋友，同时我也是 OpenAI 董事会的成员。但我向大家保证，我绝不会只问他那些无关痛痒的“软柿子”问题，我会召唤出我内心的新闻调查之魂来提问。
Sam，正如我所说，你是 OpenAI 的 CEO 和创始人之一。你之前曾担任 Y Combinator 的总裁，在那里你帮助孵化并扩大了世界上最具影响力的一批初创公司，并为重塑整个行业的企业提供了战略指导。在 OpenAI，你显然处于推动人工智能发展造福全人类的最前沿，帮助将最尖端的 AI 工具交到数以百万计的用户手中。目前大概有多少用户了？8 亿？9 亿？
Sam Altman：不止，还要更多。
Bayo：更多？企业用户也遍布全球。所以，Sam，让我从一个我认为在座每个人脑海中都在盘旋的问题开始：在当前的 AI 世界里，我们到底走到了哪一步？
Sam：我认为在过去几个月的某个时刻，我们真正跨过了一个临界点——这些模型已经具备了重大的经济实用价值（Major Economic Utility）。
这可能在更早一点的时候就已经发生了，但在我们弄清楚如何真正发挥这些模型的潜力之前，存在一个巨大的“悬滞期”。我们不仅需要继续让模型变得更聪明，还得弄清楚各种底层架构，让它们变得易于使用。
现在，我们所处的世界是：这些模型的工作能力简直令人惊叹。我想这一点在编程领域表现得最为明显。但同样的事情也正在科学领域发生，在众多知识工作领域中发生。
我们现在正处于一种令人有些眩晕的加速期。人们开始惊呼：“天呐，我以为这些东西还要好几年才能实现，怎么现在就发生了？”
这让我的工作重心也发生了转移。过去我可能是在做直接的技术工作或者法律事务，现在我已经转向了管理一个由多个 Agent（智能体）组成的团队来完成这些工作。
这一趋势将会走得非常远。我认为我们正处于这条曲线的一个非常陡峭的爬坡阶段。现在，你也许可以信任一个 AI 软件工程师去完成一项需要数小时的任务。很快，这将变成能够执行数天的任务，然后是数周的任务。
在不久之后的将来，范式将会再次发生转变。未来的体验将是：这些 AI 系统深度连接到你的生活、你的公司，持续不断地思考、工作，拥有你所需的全部上下文信息。它们做起事来，就像你极其信任的一位资深员工一样。
Bayo：你觉得，这些公司是否已经真正理解了这些系统如何帮助他们，并且正在重塑他们的业务模式？
Sam：有的理解了，有的还没有。可以说，新一代的初创公司在思考方式上，完全不同于以往任何一代初创公司。
过去我们和初创公司交流时，他们会谈论自己需要雇佣多少员工。现在？他们通常根本不想雇佣太多人，他们觉得那会拖慢公司的速度。他们所有的焦点都在于：“我能获取多少算力？”、“我能预留多少容量？”、“我能为那个项目达成一笔云服务交易吗？”、“我能拿到多少 Token？”。
这是一种思维方式的根本转变，大公司在这方面的转变速度要慢得多，但有些大公司也已经开始行动了。
我认为你能最明显看到这种变化的地方，就是各大公司的工程和产品部门。他们正在讨论今年打算将交付量翻两倍甚至三倍，而这在以前是从未发生过的。
02 “幻觉”不再是借口了
Bayo：你一直直言不讳地表示，通用人工智能（AGI）的到来，会比大家预想的要早得多。我想请你分享一下，我们现在距离那个目标究竟有多近？它究竟多快会到来？
Sam：现阶段，“AGI 的定义到底是什么”变得非常关键。
有些人会说：“我们现在就已经实现了 AGI。”另一些人说：“它非常接近了。”还有人说：“它至少还需要一年时间。”
无论如何，这套关于定义的争论已经失去了太多实际意义。这里有两个我们正在跨越的有趣门槛：
第一，什么时候全球数据中心里 AI 所消耗的认知能力，会超过数据中心外所有人类的总和？ 按照我个人的感觉，虽然这是一个巨大的误差范围，我也可能完全猜错，但这大概会在 2028 年末的某个时候发生。这是一个改变世界格局的巨大转变。
第二，什么时候一家大公司的 CEO、一个大国的总统、或者一位诺贝尔奖得主的科学家，能够完全把自己的工作交给 AI 去做？（这并不意味着会有 AI CEO 或 AI 总统，但这意味着，如果没有深度依赖 AI 的协助，他们将无法完成自己的工作。）
这同样不同于一名人类 CEO 和每一个员工交流，去参加每一个会议，成为每个领域的专家。这越来越变成了“监督一群 AI 智能体”，提供方向指导，决定如何信任这些输出。
而对于“什么时候你真的不想亲自去做一项任务，只要让 AI 去做就行了”，我认为这个门槛的跨越速度也会快得惊人。可能不需要太久。
Bayo：在这个过程中，你们是如何确保我们正在开发的人工智能能够真正造福全人类的？
Sam：这方面的进展速度之快，简直令人难以置信。
如果我有一个关于商业模式的新想法，或者一个战略转变的思路，或者我们要推出的一个新产品功能。在我把它抛给其他人之前，我要做的第一件事，就是先去问我们自己的 AI 工具。
随着它们获得更多的上下文信息，这一过程正在成为现实。当它们能够获取我们公司内部所有的文档、通信记录、代码、客户数据时，它们给出的答案质量变得越来越好。
我们可以退一步来看看几个月前我们发布的产品。大概 16 个月前，我们发布了第一个推理模型，叫做 o1。而最近，我们发布了 o3 模型。
从第一个模型到 o3，为了得到同样难度问题的答案，它的成本降低了 1000 倍！
这是一种令人难以置信的进步。在这短短的时间内，你只需花费极少的成本，就能得到极其精确的推理。
03 OpenAI 为什么要造“星际之门”？
Bayo：两周前，你宣布了一笔高达 1100 亿美元的融资回合。我问 ChatGPT，这与其他公开市场的融资相比如何？ChatGPT 告诉我它不知道。但实际上，这是公开市场上其他任何融资规模的 四倍。（史上最大的是沙特阿美几年前 250 亿美元的 IPO）。
此外，这些资金来自世界上最大、资金最雄厚的三个战略伙伴：亚马逊（Amazon）、英伟达（Nvidia）和软银（SoftBank）。
请跟我们讲讲这件事的背景。这个行业现在正处于怎样的拐点？还有，大家最关心的一个问题：你们融这么多钱，到底要花在哪里？
Sam：这项业务有很多困难的地方，但其中最艰难的一点是：基础设施极其昂贵。你需要极大的体量，并且你必须提前很久就做出巨额的资本承诺。
我从未见过有哪个行业像现在这样。纵观历史，确实有很多资本密集型的产业，但当我展望未来几年摆在我们面前的任务时：如果算力的需求保持像现在这样陡峭的增长曲线，它的需求扩张速度和增长速度都将是极其惊人的。你必须去完成一些非常不同寻常的事情。
OpenAI 做了很多看起来很离谱的事情。比如，我们在尚未产生对应收入之前，就在基础设施上投入了巨量资金。我们探索新的商业模式，比如那些看起来并不是最赚钱的广告模式等。
但我们有一个根深蒂固的信念：我们坚信智能的富足（Abundance of Intelligence）。
未来最重要的事情之一，就是我们要让智能变得就像一句古老的行业名言所说的那样——“极其廉价，以至于无需计量”（Too cheap to meter，注：最初用于形容核电）。
我们想要用智能淹没整个世界。我们希望人们把它用在所有的事情上。我们希望它能成为未来子孙后代连想都不会去想的、理所当然的基础设施。他们会理所当然地认为，在任何地方，任何领域，他们都能随时获取所需数量的顶级天才的帮助。
而这个原则——这也是我们最重要的指导原则之一——导致了许多在其他公司看来非常不符合商业直觉的行为。其中之一就是：我们真的想彻底打破我们所处的这个现状——在这个现状里，我们仍然觉得如果不在自身做出改变，我们就只能停留在一条被算力产能死死限制住的发展轨迹上。
Bayo：所谓的“产能限制”，你指的是“算力”吗？
Sam：是的，算力。我经常听你这么说，算力就等于收入（Compute is Revenues）。我想请你谈谈你是怎么看待这个问题的？
从根本上说，我们的业务，以及我认为未来所有其他模型提供商的业务，看起来都将是销售 Token。
这些 Token 可能来自更大或更小的模型，这就使得它们或贵或便宜；它们可能使用了更多或更少的推理能力，这也会影响成本；它们可能一直在后台运行以试图帮助你；也可能只有当你需要时才按需运行，以节省费用；它们可能会非常努力地在一个单一问题上耗费成百上千亿美元去攻坚，那将是极具价值的。
但我们看到的未来是：智能是一项公用事业，就像电力或水一样。人们通过计费表从我们这里购买它，然后把它用于任何他们想用的地方。
目前我们看到的对这种智能的需求，似乎会继续像这样直线上升。如果我们不能提供足够的算力，我们要么就没法卖它，要么价格就会飙升得极高，最终变成只有富人才能享受的特权。
或者，社会将不得不做出一些极其艰难的中央计划决策，比如“我们要把有限的算力用在这个领域，而不是那个领域”。
对我来说，在整个资本主义创新历史上，最好的办法就是：向市场倾注海量的供应。
而为了解决这些算力需求的瓶颈——比如大家熟知的“星际之门”（Stargate）项目，这是一个极其庞大的基础设施构想。几个月前，你宣布了这方面的计划。目前这个项目在美国本土的进展如何？在其他地方（比如阿布扎比）的进展又如何？
Sam：说实话，这份工作有很多很酷的部分，其中最酷的一点，就是能去参观这些正在建设和运营中的超级数据中心。
那规模简直无法用语言形容。你去看看那些吉瓦级（Gigawatt）的园区，真的很难解释那种震撼。你看到照片，会觉得“哦，看起来挺大”。但当你亲自走到那里，穿过一座又一座建筑，看到里面有整整一万名工人在同时作业，各种各样的熟练工种在进行各种不同的操作，看起来就像里面停着一艘宇宙飞船一样。这绝对令人叹为观止。
我们目前正在阿比林（Abilene，得克萨斯州城市）建设第一个站点。我预计那将是世界上最好的模型训练基地。
看到这个项目从仅仅是一个构想、经过多次考察，一路走到现在真正把它当成一种“信仰”去大规模执行，这非常惊人。直到有一天，OpenAI 的一位研究员在键盘上敲下一条命令，按下回车键，瞬间，难以置信数量的 GPU 会同时启动，开始在这个极其庞大复杂的系统上进行一场联合计算。这太酷了。
至于我们面临的最大惊喜和最大困难？
不出所料，各种挑战都出现了，还有那些未知的未知。比如我们在阿比林遇到了一场极端疯狂的恶劣天气，这不在我们的计划之内，拖慢了一点进度；还有各种供应链的挑战。
在这样庞大的规模下，任何一点小事出错，都会引发连锁反应，这也是为什么能够昼夜不停地建设如此复杂的系统是一个奇迹。
但最大的惊喜之一，是大家为了在极短时间内完成这件事，所展现出的空前团结。无论是不同的组织、各种工程师团队，大家都在巨大的压力下紧密合作。
而这个过程带给我的启示，也是很多人关注的焦点：Are we optimistic?（我们乐观吗？）
长期来看，我非常乐观。我毫不怀疑我们将弄清楚如何构建海量的发电能力，AI 当然也会在这个过程中帮上大忙。我也看好全球将出现丰富的清洁能源选项，比如天然气、太阳能、核裂变、核聚变等等。
但我真正担心的是我们能否快速提升“每瓦特效率”（Efficient per watt）。
如果需求增长一直像现在这么陡峭，我其实某种程度上是在期盼一个奇迹——我们需要找出能够让模型效率大幅提升的方法，以给我们争取时间去建设所有那些物理基础设施。
然而过去的记录是惊人的。人们常常引用各种漂亮的数据来说明过去几年我们的模型效率提升了多少。正如我前面提到的，从 o1 到最新的推理模型，我们在复杂问题上获得了相同的答案，但成本降低了 1000 倍！这绝对是难以置信的速度。
这也揭示了两点：
第一，我们仍处于这个范式的极早期阶段。关于如何训练和高效运行这些模型，我们还有太多的东西需要学习。以前我们在做很多很蠢的无用功，未来它会变得越来越好。
第二，人类的智慧和在约束条件下解决问题的能力，始终能带来极大的惊喜。
所以，这不仅仅是“模型本身变得更好”的问题，而是我们已经搞清楚了：内核工程师加入进来，弄清楚如何编写更高效的代码；电力工程师和数据中心的设计者找出更高效的方案……人们正在用远远超出纯“算法模型”范畴的方式，去回答和解决这种效率提升的需求。
04 大国博弈：谁能控制未来的“数字石油”？
Bayo：接下来我想谈谈一个全球性的议题，这也是很多人关心的：中美在 AI 领域的竞争。
你认为现在的情况是怎样的？为了确保我们（美国）能够保持领先，我们需要做些什么？
Sam：这需要从几个不同的维度来拆解。
在最前沿的超级模型能力上：美国目前遥遥领先。
在“将落后两代的模型推向极致廉价的推理使用”上：中国目前处于领先地位。
在物理基础设施的建设上：美国目前仍保持领先，但中国推进的速度要快得多。
那条关于“产业化和产品化”的路径，我认为美国在闭源生态上领先，中国在开源生态上领先……总体来看，美国可能依然占据着综合优势。
最近你在印度，听起来你对印度思考这些挑战和机遇的方式也感到非常兴奋。我看到很多印度初创企业，他们对这项技术的应用方式感到震惊。
我得到了同样的信息。比如我拿到了一份关于印度的简报，里面提到 Codex（代码生成模型）在印度的使用量在几个月内增长了 10 倍。我当时觉得这肯定是个数据 Bug，根本不可能对吧？但这其实是真的。当我开始和当地的初创公司交谈时，他们都在谈论这是如何重塑了商业格局。
如果我们不能在基础设施上保持跟进，如果我们不能在采用这些技术的经济路线上走得比其他国家更快，那么，作为目前的经济强国，我们将失去我们所拥有的巨大优势。
这关乎企业如何快速采纳它，关乎我们的科学家采用它的速度，关乎政府拥抱它的速度。
坦白说，这将会引发一场巨大的社会争论。
关于我们应该在哪里建立这些数字生态系统的规则，需要由社会来决定。这也是为什么，技术变革正在重塑国家之间的地缘政治力量。
我不认为任何公司、任何政府，可以仅仅通过自身的意愿将其实施。这必须属于人民的意志，并且要经过民主程序的讨论和共识。
这种公司像我们这样的，我觉得正在越来越快地转变为那些传统的大型基础设施公司的角色。我们需要说：“我们创造了这项技术，我们在其中是专家，我们有自己的观点，并且我们清楚它的局限性和危险性。”
但最终的规则，必须由社会共同决定。在这个技术演进极快的世界里，能够以一种非常不同于以往的方式进行社会大讨论，并让民主程序运作得更快，将是至关重要的。
作者 | 王启隆 ; 编辑 | 虾饺配资门户网平台官网
深金配资提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
