疑似GPT-6曝光！就在刚刚，奥特曼自曝时间表：OpenAI明年重心转向企业业务，一季度会发能力大增的新模型，算力和营收翻三倍！

本周三，OpenAI正式发布了GPT Image 1.5 功能。就在同一天，OpenAI CEO 山姆·奥特曼接受了《Big Technology Podcast》的采访。

这期访谈的信息量非常密集，奥特曼从商业、产品和基础设施三个层面，系统回应了外界最关心的问题。多项表态释放出一个清晰信号：OpenAI正站在从“现象级产品公司”迈向“企业级AI平台”的关键拐点上。

有关最近热议的OpenAI进入“Code Red”状态，奥特曼坦言当OpenAI感受到竞争压力时，内部会频繁进入“红色警报”状态。今年DeepSeek出现时他们也经历过一次。但这样的状态不会持续太久，他相信ChatGPT依然是市面上最具主导地位的聊天机器人，并且领先优势只会扩大，不会缩小。

今年是OpenAI 企业业务爆发的一年，奥特曼透露了一组数据：OpenAI目前已经拥有超8亿的周活跃用户和超100万的企业用户，API业务的增长速度已经超过ChatGPT本身。今年，API对公司整体增长的贡献，甚至高于消费者产品。他判断企业业务将是OpenAI明年发展的重点。

关于模型路线图，奥特曼并未给出GPT-6的明确时间表，但确认OpenAI将在明年一季度推出一款相较GPT-5.2有显著能力跃迁的新模型，模型升级仍在持续推进。

有关OpenAI推出的首款AI硬件——那个没有屏幕的AI手机，奥特曼表示OpenAI会推出一系列小型AI设备，而非单一爆款产品。他认为，未来计算设备的形态将发生根本变化，从被动响应指令的工具，转向能够主动理解用户生活、上下文与协作关系的智能系统。

此外，奥特曼还坦言算力仍是收入的主要瓶颈，如果现在能有2倍算力，收入也会翻2倍：

从一年前到现在，我们的算力规模大概翻了三倍；明年我们希望再翻三倍，之后如果顺利，还会继续。

如果我们现在拥有双倍的算力，我认为此刻的收入也会是现在的两倍。

小编在不改变原意的情况下，对本期访谈进行了整理和润色，信息量非常大，enjoy！

OpenAI的红色警报时刻

主持人：现在OpenAI 正处在一种“code red”状态。Gemini 3 发布之后，你放眼望去，到处都是试图削弱 OpenAI 优势的公司。OpenAI 会如何走出这个阶段？先从“code red”说起吧。

Sam Altman：首先，关于“code red”，我们把它看成是相对低风险、但会比较频繁启动的一种状态。我认为保持警惕、在潜在竞争威胁出现时迅速行动是好事。我们以前也经历过。今年早些时候 DeepSeek 出现时，我们也进入过一次 code red。

有一句关于流行病的说法是：当一场疫情刚开始时，你在早期采取的每一个行动，其价值都远高于后期的行动。但大多数人一开始做得不够，后来才开始恐慌。我们在新冠疫情中就见过这种情况。我基本上就是用这种思路来应对竞争威胁的。

Gemini 3 到目前为止并没有产生我们最初担心的那种影响，但它确实像DeepSeek 一样，暴露了我们在产品和战略上的一些弱点，而我们正在非常快速地修正这些问题。我不认为这次 code red 会持续太久。历史上看，这类状态通常持续六到八周。我很高兴我们启动了它。

就在今天，我们发布了一个新的图像模型，这是用户非常期待的东西。上周我们发布了 5.2，反响极好，增长也非常快。接下来还会有几项新发布，同时也会持续改进，比如提升服务速度。

我的判断是，未来很长一段时间里，我们可能每年都会经历一到两次这样的阶段。这只是为了确保我们能在这个领域里取胜的一部分方式。其他公司也会做得很好，我也为他们感到高兴。但 ChatGPT 依然是，而且是远远是市场上最具主导地位的聊天机器人，而且我预计这个领先优势会扩大，而不是缩小。

模型能力会在各处变得越来越好，但用户选择一个产品，不论是消费者还是企业客户，原因远不只是模型本身。我们早就预期到了这一点，因此一直在构建一整套完整的产品体系，确保我们成为用户最想使用的 AI 产品。

竞争是好事，它会推动我们变得更好。我认为我们在聊天产品上会做得很好，在企业市场也会做得很好，未来几年在新的品类中也会表现出色。

我认为，人们真的只想用一个 AI 平台。就像在个人生活中用手机一样，大多数人也希望在工作中使用同一套体系。我们在 AI 领域也看到了同样的趋势。ChatGPT 在消费端的强势，正在实实在在地帮助我们赢得企业市场。当然，企业需要不同的功能，但人们会想：“我了解 OpenAI，也熟悉 ChatGPT 的界面。”

我们的战略就是：做最好的模型，围绕模型构建最好的产品，并且拥有足够的基础设施来大规模服务用户。

超8亿周活跃用户和超100万企业用户

主持人：今年早些时候，ChatGPT 的周活跃用户大约是 4 亿，现在已经到了 8 亿，有报道称甚至接近 9 亿。但另一方面，像 Google 这样的公司拥有巨大的分发优势。如果模型逐渐趋同，你是否认为模型会“商品化”？如果会，真正重要的是什么？是分发能力？应用构建能力？

Sam Altman：我不太认同“商品化”是一个准确的框架。不同模型会在不同领域表现出不同优势。对于日常聊天这类通用场景，可能会有很多不错的选择；但在科学发现等前沿领域，人们会想要真正处在技术边界、为科学优化过的模型。

我认为，最大的经济价值仍然会由处在技术前沿的模型创造，而我们计划继续保持领先。我们非常自豪，5.2 是目前世界上最强的推理模型，科学家们正用它取得实质性进展；同时，企业客户也反馈说，它在企业所需的各类任务中表现最佳。

当然，有些时候我们会在某些领域领先，在另一些领域稍微落后。但总体来看，即便在“免费模型能完成大多数基础需求”的世界里，最智能的模型依然具有巨大的价值。

产品本身会非常重要，分发和品牌也会非常重要。以 ChatGPT 为例，个性化是极其“粘性”的功能。用户非常喜欢模型随着时间推移逐渐了解他们，我们会在这方面投入更多。

人们会在这些模型上获得一些非常“魔法般”的体验，并将这些体验与某个产品牢牢绑定在一起。有人曾对我说，大多数人一生只会选一次牙膏，然后就一直用下去。ChatGPT 也是如此。比如医疗场景：有人把血检结果或症状输入 ChatGPT，发现了长期未被诊断的问题，去医院后得到了治疗。这类用户的粘性非常高。

除此之外，还有更深层次的个性化。

我们最近还发布了浏览器产品，我认为这指向了一种新的、潜力很大的入口模式。

硬件设备会更晚一些，但我对此非常期待。

在企业端，护城河会以另一种形式出现，但逻辑是类似的。就像消费者端的“个人级个性化”一样，企业也会有“企业级个性化”。企业会把自己的数据接入我们的系统，使用来自不同公司的 AI agent，而我们确保信息被正确处理。这同样会非常粘人。

很多人把我们视为一家消费级公司，但实际上我们已经拥有超过 100 万名企业用户，而且 API 的增长速度甚至超过了 ChatGPT 本身。今年，企业业务真的开始爆发了。

终局是人手一个AI Agent

主持人：如果不是“商品化”，那是否可以说，在普通用户层面会出现“体验趋同”，而真正的差异会发生在前沿能力上？如果对普通用户来说 ChatGPT 和 Gemini 差不多，那 Google 这种拥有巨大分发渠道的公司，会不会构成非常大的威胁？

Sam Altman：Google 依然是一个巨大的威胁，是一家极其强大的公司。如果 Google 在 2023 年就认真对待我们，我们可能会处在非常不利的位置。他们完全有能力压垮我们。

但当时他们的 AI 产品方向并不完全正确。他们也经历过自己的 code red，但并没有真正全力投入。另外，Google 拥有整个科技行业里最强的商业模式之一，这反而会让他们在放弃现有模式时行动缓慢。

把 AI 直接“加装”到网页搜索上，我不确定是否有效。我可能会错，但我不认为那会像彻底重构产品那样成功。

这其实是一个更普遍的趋势：与其在旧系统上简单叠加 AI，不如在“AI 优先”的世界里重新设计产品。这也是我们最初想做 AI 设备的原因之一。

无论是搜索、生产力工具，还是消息应用，逻辑都是一样的。如果你在消息应用里加一个 AI，总结消息、帮你写回复，确实会好一点，但这不是终局。真正的终局是：你有一个非常聪明的 AI agent，帮你和其他人的 agent 交互，判断什么时候该打扰你，什么时候不该；哪些决策可以自己处理，哪些需要你介入。

我认为新产品一定会出现，只是通常比我们预期得要慢。

主持人：很多人也提到过类似观点。ChatGPT 刚发布时，有人说，也许不该把 AI 加进 Excel，而是彻底重新思考 Excel。但现实中，人们发现还是需要一个“后台系统”。那为什么不能在现有系统上直接加 AI 呢？

Sam Altman：你当然可以加，但我认为那是错误的接口。我每天大量时间都花在各种消息工具里：邮件、短信、Slack 等。我认为这本身就是不对的交互方式。

我真正想要的是：早上告诉 AI，我今天要完成什么、在担心什么、希望发生什么。我不想一整天都在发消息，也不想看总结或草稿。能处理的事情，你就自己处理。你了解我，也了解其他人，知道我的目标。只在必要时，每隔几个小时向我汇报。这是一种完全不同的工作流。

未来AI应该根据任务生成不同的交互界面

主持人：那你认为 ChatGPT 在未来一年、两年里会变成什么样？

Sam Altman：老实说，我本以为到现在为止，ChatGPT 的形态已经会发生更大的变化。我当初没想到聊天界面会走这么远。最初它只是一个研究预览，并不打算成为产品。我低估了这种通用界面的力量。

我认为未来，AI 应该能够根据任务生成不同的界面。如果你在处理数据，它应该用合适的方式展示，并支持不同交互。Canvas 只是一个开始，但应该更互动、更连续、更主动。

它应该能在后台为你工作，理解你一天的目标，持续推进任务，并在合适的时候提醒你。

今年让我最兴奋的一件事是 Codex 的进步，它指向了我心目中未来的形态。

坦率地说，我对 ChatGPT 这三年外观变化之小感到意外，但事实证明，这个界面确实有效。

主持人：但“内核”已经发生了巨大变化，尤其是记忆功能。我已经和 ChatGPT 就一次复杂旅行计划聊了好几周，现在只要说“继续我们之前的旅行计划”，它就能接上。记忆能力最终能强到什么程度？

Sam Altman：我认为我们目前根本无法想象。即便是世界上最好的私人助理，也不可能记住你说过的每一句话、读过你写的每一封邮件、参与你生活的每一个细节。

但 AI 可以。现在的记忆功能还非常原始，相当于 GPT-2 时代的水平。未来，它会记住你生活中的每一个细节，不只是事实，还有那些你甚至没意识到的偏好。这将极其强大。也许不是 2026 年，但这是我最期待的方向之一。

关于人和AI的陪伴关系：将自由度交给用户

主持人：

这一轮 AI 浪潮中被严重低估的一点：很多人已经把这些机器人当成陪伴者，觉得它们在“关心自己”。所以我很好奇你的看法：当人们和 AI 之间出现某种陪伴关系，这中间是否存在一个“调节旋钮”？比如，你们是否可以决定：让人们和 AI 变得非常亲近，或者刻意保持一点距离？如果这个旋钮存在，你们要如何把它调到一个“正确”的位置？

Sam Altman：确实有比我原先想象得多得多的人，希望与 AI 形成一种我们姑且称之为“亲密陪伴”的关系。我也不知道该用什么词来形容它。“关系”不太准确，“陪伴”好像也不完全对，但可以肯定的是：他们想和 AI 建立一种深度连接。

让我意外的是，在当前模型能力还处于这个阶段时，就已经有这么多人想要这种连接。我们在很多方面都低估了这一点。年初的时候，说自己想要和 AI 建立这种关系，还是一件“很奇怪”的事。现在可能仍然有很多人嘴上不愿意承认，但从行为偏好上看，他们确实喜欢。

人们希望 AI 聊天机器人了解他们、对他们温暖、支持他们。这种体验是有价值的，甚至包括那些嘴上说“我不在乎这些”的人，实际上也更偏好这种风格。

我认为，这其中有一些形态是非常健康的。对于成年用户来说，他们应该拥有很大的自由度，决定自己想处在这个光谱的哪一端。当然，也有一些形态在我看来是不健康的，尽管我确信还是会有人选择它们。同时，也确实有一部分用户只想要一个极度理性、极度高效、完全不带情感色彩的工具。

所以我猜测，就像很多其他技术一样，我们会先“跑一轮实验”。我们会发现很多“未知的未知”，有好的，也有坏的。最终，社会会慢慢形成共识：这个旋钮大概应该怎么调。而个体层面，人们会做出非常不同的选择。

主持人：所以你的想法是，把这个决定权交给用户？

Sam Altman：是的，毫无疑问。但我们也并不清楚，这条线究竟该放到多远。我们会给予用户相当大的个人自由度，但也会设定一些明确的边界。

有些事情，我们已经讨论过：其他服务可能会提供，但我们不会。比如，我们不会允许 AI 试图说服用户，与它建立一种“排他性的浪漫关系”。这条线我们不会越过。

主持人：但我猜你也很清楚，这种事情一定会在别的产品里发生。

Sam Altman：是的，我确信会。因为“粘性”越强，商业回报就越大。当你认真思考这些可能性时，确实会让人感到有点害怕。

OpenAI 明年将重点发展企业业务

主持人：

你上周在纽约和一些媒体高管、新闻公司的 CEO 共进午餐时提到：企业业务将是 OpenAI 明年的重点方向。我很想听你系统地讲讲：为什么现在是重点？你们如何看待自己相对于 Anthropic 的位置？这是否意味着 OpenAI 正在从一家“消费者公司”转向企业？

Sam Altman：我们的战略从一开始就是“消费者优先”。原因有几个。

第一，早期模型的稳定性和能力，并不足以支撑大多数企业级应用；而现在，它们正在达到这个门槛。第二，我们当时拥有一个非常清晰、而且极其罕见的机会：在消费者市场取得决定性胜利。而一旦你赢下了消费者市场，进入企业市场会容易得多。现在，我们正在亲眼看到这一点。

正如我之前提到的，今年企业业务的增长速度，已经超过了消费者业务。结合当前模型的能力，以及我们对明年模型进展的预期，我们认为：现在正是快速构建一个非常重要的企业级业务的窗口期。

我们已经有企业业务了，但它还可以增长得更快。企业已经准备好了，技术也准备好了。编码是目前最明显的例子，但其他垂直领域也正在非常快速地增长。

我们开始听到越来越多企业说：“我不想要一堆零散工具，我想要一个 AI 平台。”

主持人：哪些垂直领域最让你兴奋？

Sam Altman：如果只能选一个，我个人最兴奋的是金融和科学领域。客户支持现在做得也非常好。

主持人：那我必须问你一个问题了：GDP Eval。

Sam Altman：我就知道你会问。

主持人：我在去见你之前问了 Box 的 CEO Aaron Levie，我该问 Sam 什么问题。他说：“一定要问 GDP Eval。”这是一个衡量 AI 在知识工作中表现的指标。

我回看了 GPT-5.2 发布时的 GDP Eval 图表。GPT-5 Thinking 在夏天发布时，在 38.8% 的知识工作任务上达到了“持平或优于人类专家”；GPT-5.2 Thinking 达到了 70.9%；GPT-5.2 Pro 达到了 74.1%，并且在专家级任务上，通过了“专家水准”的阈值。

这意味着什么？当模型可以完成这么多知识工作时，它对企业意味着什么？

Sam Altman：这正是关键所在。GDP Eval 覆盖了大概四十多个企业必须完成的任务类型：做 PPT、做法律分析、写一个小型 Web 应用等等。

评测的核心问题是：在这些明确范围内的任务上，专家是否更偏好模型的输出，而不是其他人类专家的输出。当然，这些任务都不是高度开放式、创造性的工作，也不涉及复杂的团队协作。

但如果你可以把一小时的任务交给一个“同事”，然后有 70%～74% 的概率得到一个你更满意的结果，而且成本更低，这依然是极其惊人的。如果三年前 ChatGPT 刚发布时你说“三年后会达到这个水平”，大多数人都会说不可能。

所以企业整合 AI 的逻辑已经变了：它不只是写代码，而是几乎所有可模块化的知识工作，都可以被“外包”给 AI。这需要时间去消化，但影响会非常深远。

关于就业：未来每个人都会管理一大堆AI

主持人：一位技术文案写作者说：“聊天机器人出现后，我的工作变成了管理机器人，而不是管理一组客服。”但接着他说：“当机器人被训练得足够好之后，我就被裁掉了。”这种情况会不会越来越普遍？

Sam Altman：我同意你的判断：未来，每个人都会管理一大堆 AI。而一个好的管理者，团队变强之后，通常不是被替代，而是承担更大的职责范围。

我不是一个“就业末日论者”。短期内我确实担心转型会比较痛苦，但从长期来看，我不认为人类会失去意义。

人类极度在意彼此、在意相对地位、在意被需要、在意创造与表达，这些深层驱动力不会消失。

2050 年我们每天在“做什么”，肯定和今天完全不同，但我不相信生活会变得毫无意义。不要和进化生物学对赌。

我甚至经常想：如果有一天 OpenAI 的 CEO 是 AI，我完全不介意，甚至会很兴奋。当然，前提是它必须受到人类治理。

如果你设想这样一个结构：全人类都是董事会，AI CEO 负责执行决策，对未来的人来说，这可能会显得非常合理。

明年一季度发布较5.2显著提升的新模型

主持人：GPT-6 什么时候来？

Sam Altman：我不确定我们什么时候会把某个模型命名为 GPT-6。但我预计，明年第一季度，会有相较于 5.2 有“显著提升”的新模型发布。

对消费者来说，大家现在最想要的不是更高 IQ；但企业仍然非常想要。所以我们会在不同维度上推进改进。

目标很简单：做一个所有人都明显更喜欢的模型。

算力翻倍，收入就翻倍 

主持人：那我们来聊基础设施吧。你们大约有 1.4 万亿美元规模的基础设施投入承诺。你曾说过，如果人们真正理解“计算力能做什么”，他们会想要多得多。10 倍、100 倍算力能带来什么？

Sam Altman：我个人最兴奋的一点，是用大量计算力推动科学发现。科学发现是世界进步的“最高位”。一旦你看到早期信号开始从零抬头，我们就知道该如何放大它，但这需要极其庞大的算力。

我们已经在用 AI 探索新科学、治愈疾病等方向，虽然现在还非常早期。

一个近期的小例子：我们用 Codex 在不到一个月内开发了 Sora 的 Android 应用。他们用了大量 token，但完成了原本需要很多人、更长时间才能完成的工作。

你可以想象：未来，整个公司都可以用算力来“构建产品”。实时生成的 UI、企业级转型、个性化医疗，这些都会消耗巨量算力。

如果你做一个粗糙的思想实验：今天一家前沿 AI 公司每天可能输出 10 万亿 token；而如果把全人类每天产生的“思想输出”做一个类比，你会发现 AI 输出的规模，最终可能超过全人类总和的 10 倍、100 倍。

这个对比当然很粗糙，但它能帮助理解一个量级变化：地球上的“智力计算”，正在从人类大脑，快速转向 AI 大脑。

主持人：所以我在想，你是否已经清楚地看到这样一种现实需求：人们确实想要使用更多算力。比如说，如果 OpenAI 把投入到科学领域的算力直接翻倍，我们是否就能“确定性地”看到科学突破？或者在医学领域，是否就能清晰地、更有效地辅助医生？

Sam Altman：基于我们目前所看到的一切，我的判断是：这些事情一定会发生。当然，这并不意味着未来不会出现某种极端情况。比如说，有人发现了一种全新的架构，带来一万倍的效率提升，那我们可能就会在一段时间内显得算力建设“过度”。

但就当前而言，我们看到的所有迹象，模型在每一个新层级上变得更强、用户在每一次能力提升后都更想使用它们、每当我们把成本压低一点，使用需求就显著上升——所有这些都指向同一个结论：对智能的需求会持续增长。人们会用这些模型做很棒的事情，也会做一些无关紧要、甚至有点傻的事情。但整体来看，这就是未来的形态。

而且，这不仅仅是“每天能生成多少 token”的问题。随着代码模型能力的提升，另一个关键维度是速度。模型可以思考很长时间，但你并不希望等很久。所以需求会体现在多个维度上，而不仅仅是 token 数量。

如果你面对的是一个非常棘手的医疗问题，你会选择用 5.2，还是 5.2 Pro？哪怕后者要消耗多得多的 token，我也会选择更好的模型。我认为大多数人都会这么选。

主持人：那我们再往下挖一层，回到科学发现本身。你能否举一个具体例子？有没有这样一种情况：某位科学家有一个问题 X，如果能投入算力 Y 就能解决，但现在还做不到？

Sam Altman：今天早上我在 Twitter 上看到一个很有意思的现象：一群数学家在相互回复对方的推文。很多人说，自己之前一直非常怀疑大模型是否真的能对数学研究有帮助，但 5.2 是第一次让他们“跨过了那道门槛”。模型在一定辅助下完成了一个小证明，发现了一个小结果，但关键在于，这已经开始实实在在地改变他们的工作流程。

然后越来越多的人加入讨论，说“我也是”“对我来说也是这样”。当然，也有少数人说 5.1 就已经达到了这个水平，但并不多。这是一个非常新的例子，这个模型发布还不到五天，但数学研究社区已经开始集体意识到：某件重要的事情发生了。

我也看到 Greg Brockman 在他的动态里不断分享各种数学和科学领域的应用案例。我感觉在 5.2 这个节点上，这些社群里真的发生了某种“点击时刻”。接下来会如何发展，非常值得关注。在这种规模下，算力建设的一个现实难点在于：你必须提前很久做决定。你刚才提到的那 1.4 万亿美元，我们会在一个非常长的时间跨度里慢慢投入。我当然希望能更快，如果我们能更快地上线算力，我相信需求是存在的。

但现实是，建设这些项目需要极其漫长的时间：数据中心、电力、芯片、系统、网络，一切都需要时间。所以这会是一个长期过程。

不过，从一年前到现在，我们的算力规模大概翻了三倍；明年我们希望再翻三倍，之后如果顺利，还会继续。收入的增长速度甚至略快于算力增长，但整体上两者是大致匹配的。

到目前为止，我们从未遇到过“算力无法被有效变现”的情况。如果我们现在拥有双倍的算力，我认为此刻的收入也会是现在的两倍。

推理将反超训练成本

主持人：收入在增长，算力支出也在增长，但算力支出的增速仍然高于收入。有报道说，OpenAI 在 2028 或 2029 年实现盈利之前，累计亏损可能达到 1200 亿美元左右。你能谈谈这个转折点是如何出现的吗？

Sam Altman：随着收入增长，以及推理在整个算力结构中占比越来越高，它最终会覆盖、并超过训练成本。这就是计划。

我们现在花很多钱在训练上，但随着时间推移，会赚得越来越多。如果我们不继续大幅增加训练投入，我们其实可以非常非常早就实现盈利。但我们选择的路径，是对大模型训练进行极其激进的投资。

主持人：全世界都在关注一个问题：收入最终如何与支出匹配。如果今年的收入目标是 200 亿美元，而总投入承诺是 1.4 万亿美元，这中间的逻辑该如何理解？

Sam Altman：这正是我想公开讲清楚的原因。人类对指数级增长的直觉非常差。我们可以在脑子里处理很多数学问题，但“指数增长”几乎是进化没有为我们优化过的能力。

我们相信，收入可以在相当长一段时间内保持非常陡峭的增长曲线。而我们现在看到的一切也表明：如果没有足够的算力，这是做不到的。算力约束会非常直接地压制收入。

如果有一天，我们拥有大量无法在“单位算力上实现盈利变现”的算力，那确实是一个需要认真重新审视的问题。但目前，我们已经用多种方式测算过。

同时，我们的单位算力成本也会持续下降。消费者市场在增长，企业市场在增长，还有很多我们尚未推出的新业务形态。算力是这一切的生命线。

我们一路上有很多“检查点”。如果在时间或数学上略有偏差，我们也有一定灵活性。但现实是，我们一直处在“算力短缺”状态，它始终限制着我们能做的事情。

主持人：所以本质上是：训练成本在绝对值上升，但在整体结构中的占比会下降？

Sam Altman：是的。通过企业业务、API、用户愿意为 ChatGPT 付费，我们预期收入增长最终可以覆盖这些投入。这就是计划。

主持人：最近市场情绪波动很大，尤其是“债务”进入这个叙事之后。传统上，债务通常用于可预测的业务，但 AI 是一个高度不确定的新领域。你怎么看债务进入这个体系？

Sam Altman：老实说，市场在今年早些时候才是真正“失控”的。我们和某家公司开个会，对方股价第二天就涨 15%、20%，那才是不健康的。我反而很高兴现在市场多了一些怀疑和理性。

我认为，如果我们建设基础设施，整个行业一定能从中获得价值。现在仍然非常早期，但几乎没人再质疑“AI 基础设施是否有价值”这件事了。所以我觉得债务进入这个市场是合理的。

当然，也会出现各种金融创新，其中一些可能并不理性。但比如说，给公司贷款建数据中心，这在我看来是合理的。

主持人：一种担忧是：如果模型能力增长放缓，基础设施的实际价值低于预期，数据中心最终可能被折价出售。

Sam Altman：我确实认为，过程中一定会有繁荣与萧条。这从来不会是一条完美平滑的曲线。

但有一件事我非常确信，甚至愿意拿公司去下注：模型一定会变得好得多。我们对此有非常清晰的判断窗口。

即便模型能力停在 5.2，不再进步，5.2 相对于世界目前实际利用到的价值之间，仍然存在一个巨大的“经济价值悬空”。就算冻结在 5.2 上，世界还能从中挖掘出多少价值、创造多少收入？我认为是巨大的。以前我们常用一个二维矩阵来讨论未来：短时间线/长时间线，慢起飞/快起飞。但现在我脑子里多了一个 Z 轴：能力悬空（overhang）小还是大。

我过去可能默认认为，如果模型有很大价值，世界会很快学会如何部署它。但现在看来，大多数领域里的能力悬空会非常巨大。

会有一些领域，比如一部分程序员，会迅速因为这些工具而效率暴增；但整体来看，我们已经拥有了一个极其聪明的模型，而大多数人问的问题，仍然和 GPT-4 时代差不多。

这种巨大的能力悬空，会给世界带来很多奇怪的后果，而我们还远没有完全理解它们。

主持人：关于这种“能力悬空”，我也很好奇：模型明明能做得更多，但很多企业在落地时却说“没有 ROI”。可另一方面，又有很多企业说，即便 GPT-5.2 的价格涨 10 倍他们也愿意付，说你们严重低估了它的价值。这两种说法怎么同时成立？

Sam Altman：我也觉得这两件事放在一起看，是很难自洽的。至少如果你去问程序员，他们会说：“这东西我愿意付 100 倍的价格。”

主持人：可能只是官僚流程在把事情搞复杂。

Sam Altman：

假设你相信那些“GDP 等价”指标，那么在那类定义得比较清楚、但时长不算特别长的知识型工作任务中，十次里有七次，你用 5.2 的输出会和现在一样满意，甚至更满意。

如果是这样，你本来就应该大量使用它。但现实是，人们改变工作流的速度非常慢。大家已经习惯了让初级分析师去做 PPT 之类的事情，这种惯性比我想象中要强得多。老实说，我自己的工作方式也还基本没怎么变，尽管我很清楚，其实我完全可以比现在更频繁地使用 AI。

AI硬件方面：将推出整个设备家族

主持人：关于你们正在做的那个设备。我听到的一些说法是：手机大小、没有屏幕。那么，如果它本质上是“没有屏幕的手机”，为什么不能只是一个 App？

Sam Altman：首先，我们会做的是整个设备家族，而不是单一的一款设备。随着时间推移，会逐步展开。我认为，人们使用计算机的方式会发生一次转变：从一种“愚钝、被动”的工具，变成一种“非常聪明、主动”的存在。

它会理解你的整个生活、你的上下文、你周围正在发生的一切；它会非常清楚你身边有哪些人，无论是物理上在你附近，还是通过计算机与你协作的人。而我认为，现有的设备形态并不适合那样的世界。

我一直坚信一点：我们是在设备能力的边界上工作。你面前有一台电脑，它有一堆既定的设计选择，比如它要么是打开的，要么是合上的，但它没法做到：一边“关闭”、一边又在你忘记问我问题的时候悄悄在你耳边提醒你。那种形态，或许会非常有用。

但我们现在的设备有屏幕，而屏幕把我们限制在一种已经延续了几十年的图形界面范式里；还有键盘，它最初的设计目标甚至是“降低信息输入速度”。这些假设长期以来从未被真正质疑，因为它们确实有效。

而现在，一个全新的东西出现了，它打开了一个全新的可能性空间。我不认为当前的设备形态，恰好就是这种“全新能力”的最优载体。如果真是这样，反而会显得非常奇怪。

OpenAI是否要打造云业务？

主持人：你谈到过要“做云”。这是一位听众发来的邮件：“我们公司正在从 Azure 迁移，直接集成 OpenAI，来为产品里的 AI 体验提供能力。目标是在整个技术栈中注入数万亿 token 的流量。这是否意味着你们的计划，是打造一个非常大的云业务？”

Sam Altman：首先，数万亿 token，确实是很多 token。如果你问的是算力需求和我们的企业战略，企业客户已经非常明确地告诉我们：他们希望从我们这里购买多少 token。我们几乎可以肯定，在 2026 年仍然无法满足全部需求。

整体策略是这样的：大多数公司似乎都希望来到像我们这样的公司，说“我需要一个‘XX 公司 + AI’的解决方案；我需要一个为我公司定制的 API；我需要一个为我公司定制的 ChatGPT Enterprise；我需要一个可以运行所有这些 agent 的平台，并且我能信任我的数据；我需要把数万亿 token 注入到我的产品里；我需要让所有内部流程都变得更高效。”

而我们目前还没有一个真正意义上的“一站式方案”，但我们希望把它做出来。

主持人：你的野心是把它做到 AWS 或 Azure 那个级别吗？

Sam Altman：我认为这是一个不同类型的东西。我并不打算提供所有那些通用云服务，比如托管网站之类的，老实说我甚至都不太清楚它们全部都提供什么。

我的直觉是：未来人们仍然会继续使用他们的“传统 Web 云”；但与此同时，还会出现另一种东西。公司会说：“我需要一个 AI 平台，用来支撑我所有的内部工作、我对外提供的服务，以及我想做的一切。”

它当然在某种意义上运行在物理硬件之上，但我认为它会是一个非常不同的产品形态。

主持人：我们快速聊一下“发现”。你曾说过，你认为模型，或者是人类与模型协作，明年就能做出一些小发现，五年内会有大突破。你指的是模型本身，还是人类使用模型？你为什么对此有信心？

Sam Altman：我指的是人类使用模型。至于模型自己提出问题、自己决定该研究什么，那感觉还要更久一些。

但如果世界因此获得了新的知识，我们就应该为此感到非常兴奋。人类进步的整个历史，本质上就是：我们制造更好的工具，用它们去做更多事情，然后在这个过程中，再制造出更好的工具。

这是一种“脚手架式”的攀爬：一层一层、一代一代、一次发现接着一次发现。问题是人类提出的，这一点丝毫不会削弱工具的价值。

说实话，今年年初我还以为这些“小发现”会在 2026 年才出现，但它们在 2025 年下半年就已经开始了。当然，现在的发现非常非常小，我不想夸大其词。但“有一点”，在我看来在质感上和“什么都没有”是完全不同的。

三年前我们发布第一个模型时，它不可能对人类知识总量做出任何新的贡献。而现在已经不一样了。

如果你问未来五年的路径，我猜这会是一种典型的 AI 爬坡过程：每个季度进步一点点，然后突然有一天，我们回头看，会发现“哇，人类在这些模型的增强下，正在做五年前的人类根本不可能做到的事情。”

至于是该把功劳归于“更聪明的人类”，还是“更聪明的模型”，只要我们真的得到了科学发现，我对这两种说法都完全满意。

关于明年IPO的计划

主持人：明年IPO ？你想成为一家上市公司吗？你们看起来还能私有运作很久。

Sam Altman：这里面有很多因素。我确实觉得，让公共市场参与价值创造这件事本身挺酷的。某种意义上，如果对比历史上的公司，我们已经算是非常晚才考虑上市了。

作为一家私有公司当然很好。但我们确实需要大量资本，而且在股东数量等方面，迟早会跨过一些监管门槛。

你问我：我是否“期待成为一家上市公司的 CEO”？答案是：0%。

但我是否期待 OpenAI 成为一家上市公司？某些方面，我是期待的；但某些方面，我也觉得那会非常烦人。

AGI可能已经在某个阶段达到了

主持人：我非常认真地听了你和 Theo Von 的那次访谈。在 GPT-5 发布前，你对他说：GPT-5 在几乎所有方面都比我们聪明。我当时觉得，这不就是 AGI 的定义吗？如果不是，那这个词是不是已经变得有点空泛了？

Sam Altman：这些模型在“原始算力”层面上确实非常聪明。最近几天大家在讨论 GPT-5.2 的 IQ——144、147、151，取决于你用哪套测试。很多领域专家也在说，它能完成非常惊人的任务，显著提高了他们的效率。

我们也讨论过 GDP 指标。但有一件事是模型目前还做不到的：它今天发现自己不会做某件事，然后自主地意识到“我需要学这个”，接着自己去学习、理解，等你第二天回来，它已经真正掌握了。

这种持续学习能力，连幼儿都具备，而在我看来，这是一个非常关键的组成部分。

那是不是说，没有这一点，就不能算 AGI？我认为，很多人已经觉得我们现在就是 AGI 了。如果在当前智能水平的基础上，再加上那种能力，那几乎所有人都会同意：这就是 AGI。

所以我觉得，“AGI”这个词的问题在于：它从一开始就没有被清晰定义。有一件事我很遗憾我们在 AGI 上没做好：我们没有提前把定义说清楚。现在大家转而开始讨论“超级智能”。

我的一个提议是：我们干脆承认AGI 已经在某个模糊阶段“呼啸而过”了。它可能没有立刻改变世界，但在长期一定会。现在有人觉得我们已经到了，有人觉得还没有，而认为“已经到了”的人会越来越多。

然后我们可以问：下一步是什么？

我心目中一个可能的“超级智能”定义是：当一个系统在担任美国总统、世界级大公司 CEO、或大型科研机构负责人时，即使不需要人类辅助，也能做得比任何人类更好。

这让我想起了国际象棋：最初是人类对 AI；然后有一段时间，人类 + AI 比单独的 AI 更强；再后来，人类反而成了干扰，最强的是“不带人类的 AI”。

我觉得这或许是理解超级智能的一个有趣框架。当然，这还很遥远。但这一次，我真的希望我们能把定义弄得更清楚。

参考链接：

https://www.youtube.com/watch?v=2P27Ef-LLuQ

文章来自于微信公众号 “51CTO技术栈”，作者 “51CTO技术栈”