公开访谈 · 山姆·奥特曼
山姆·奥特曼谈下一个 AI 时代（Greylock）
先看这几个判断
共 8 条重点- 01奥特曼预计，能使用计算机和程序的智能体将推动自然语言成为重要操作界面；用户通过来回对话表达、迭代需求，计算机代为执行，这会催生大型企业，并使强大模型成为移动互联网之后的新技术平台。 →
- 02奥特曼预计，基础大模型将集中在少数提供者手中，创业公司的持久差异化更可能来自建立在基础模型之上的垂直模型和应用中间层。 →
- 03奥特曼认为，把 AI 的能力局限于复现既有知识、断言它无法创造人类尚未掌握的科学知识，是当时一种重大的判断错误。 →
其余 5 条重点
- 04奥特曼称，当时 OpenAI 对最大模型的对齐效果比预想更好，也有下一步思路，但并没有解决未来一百年对齐问题的完整路线；足够聪明的 AI 有望成为对齐研究的新工具。 →
- 05奥特曼在 2022 年给出的未来十年判断是：智能和能源的边际成本会迅速趋近于零，进而改变几乎所有领域的成本结构；他强调“趋近”并不等于真正降到零。 →
- 06奥特曼认为，AI 生物创业应优先寻找低成本、迭代周期短的场景，因为 AI 提出大量好想法后仍需要实验检验，而生物过程和人体试验有自身所需时间。 →
- 07奥特曼把 AGI 理解为可以雇用为同事的中等水平人类：能在计算机上完成远程同事可做的工作，并具备学习、摸索和掌握新技能的能力；他把超级智能定义为比全人类合起来更聪明。 →
- 08奥特曼认为，AI 可能使经济收益分配极度分化，社会不会容忍部分人极度受益而其他人被落下；应重新思考社会契约，重点解决财富公平分配、AGI 使用权和集体治理。 →
访谈导读 · 忠实转述
这场 2022 年访谈中，奥特曼把更强的语言模型视为新技术平台的基础：搜索可能首次面临严肃的产品挑战，但挑战者能否成功、谷歌是否自行转型都未确定；可用的对话界面、自然语言驱动的计算机操作，以及医疗和教育服务，可能催生大公司。他预计基础模型集中于少数提供者，而创业公司的差异化来自针对具体用途的后续训练、专有数据反馈与应用交付；从零训练基础模型则受复杂度、成本和芯片供给限制。他同时警惕只凭‘加 AI’标签判断价值，主张看可验证的效果与可预测的改进，并为新范式探索留出空间。
科学方面，他区分专用科学模型、提高研究人员效率的通用工具，以及尚待实现的、能提出并检验解释的 AI 科学家。他期待 AI 创造新科学知识，却没有把可能性写成既成成果；在生命科学中，他承认当时模型对实验台工作的影响有限，AI 提出的想法仍须实验验证，生物过程和人体试验也有自身周期。因此，他倾向低成本、短迭代的生物创业场景，并坦言不了解改进模拟器的实际进度。
访谈还讨论了能力与社会边界：他把 AGI 的关键放在跨任务学习和完成远程同事工作，而把对齐界定为人类利益、意外事故、恶意使用与系统自身目标的共同问题；现有对齐经验不等于已有长期解法。面对可能分化的经济收益，他提出财富分配、AGI 使用权和集体治理的新社会契约，并把基本收入、受影响群体参与和技能再培训视为仍需探索的路径。对于创意劳动，他观察到当时工具主要增强创作者、少数情形替代工作；对于 AI 的整体未来，他主张既准备最坏情况，也积极争取更好结果。
访谈观点
嘉宾观点 · 忠实转述
正在阅读 8 条重点，保留原观点编号。
观点目录 · 8 条 选择一条，跳转阅读
奥特曼预计，能使用计算机和程序的智能体将推动自然语言成为重要操作界面；用户通过来回对话表达、迭代需求，计算机代为执行，这会催生大型企业，并使强大模型成为移动互联网之后的新技术平台。
他已看到智能体方向的工作，以及图像生成和编程助手的早期迹象；他认为新平台出现后通常会伴随新公司涌现。
他的未来判断
自然语言驱动计算机执行任务将成为大趋势，新平台上会出现大量公司。
延伸分析 由 AI 生成
如果智能体能可靠执行用户在对话中提出的任务，应用价值可能从生成内容扩展到完成工作，进而扩大相关软件市场。
相关领域：计算机操作智能体、AI 应用平台
后续观察
- 计算机任务执行成功率
- 企业实际部署和使用频率
奥特曼预计，基础大模型将集中在少数提供者手中，创业公司的持久差异化更可能来自建立在基础模型之上的垂直模型和应用中间层。
他认为从零训练基础模型会变得过于复杂、昂贵，并受芯片供应制约；创业公司可以围绕具体用途进行关键的后续训练，凭专有数据反馈形成持续改进。
他的未来判断
基于基础模型做垂直训练、形成数据反馈闭环的公司，可能成长为成功且有差异化的企业。
延伸分析
如果基础模型训练门槛持续提高，创业机会可能更多集中于垂直数据、后续训练和应用交付；但中间层的持久价值仍取决于其专有能力能否累积。
相关领域：基础模型服务、垂直 AI 软件、AI 算力
后续观察
- 基础模型训练成本
- 垂直模型的专有数据积累
- 后续训练带来的可测量提升
嘉宾未来判断汇总 · 忠实转述
奥特曼在 2022 年预计，未来几年语言模型质量提升可能带来对谷歌搜索的严肃挑战，但结果未定；可用的对话服务和以自然语言指挥计算机的智能体可能形成大企业和新平台。他预计模型能力会继续受算法改进推动，出现更流畅的多模态模型与持续学习能力；他也怀疑五年后仍会沿用 Transformer，但这是希望找到更好范式，并非已有替代方案。他认为未来十年智能和能源的边际成本会迅速趋近于零、广泛改变成本结构，明确强调不会真正降到零，且总支出仍可能增加。对生命科学，他预计当时有限的实际影响会改变，并可能出现超大型企业，但前提是制药能力显著改善；对元宇宙相对 AI 的量级判断，他明确表示低置信度。短期创作工具主要增强人的趋势可能延续很久；从百年尺度看，他认为 AI 可能完成整个创意工作。对更广泛的社会变化，他预计财富、访问权和治理方式会变化，同时对人们找到新的满足感保持乐观，这些都不是已证实的结果。
延伸分析汇总
【AI 条件式分析】若模型质量和任务执行可靠性持续提高，搜索、医疗教育服务及智能体应用可能出现新的产品机会；能否形成可持续业务，还取决于真实效果、用户采用及现有平台的回应。若基础模型训练继续受成本与芯片约束，基于模型做垂直训练并积累专有数据反馈的公司可能取得差异化；但这需要与只有 AI 标签、缺乏相对既有方法优势的项目区分。若智能与能源单位成本下降同时激发更大用量，总支出不一定下降，需同时观察价格和数量。生物科技的商业潜力还取决于模型建议能否在低成本、短周期实验中得到验证，不能把大型公司规模预测当作已实现的价值。创意工具的市场变化宜分别观察增强和替代的具体任务。以上为基于访谈观点的推演，不代表奥特曼对具体公司、资产或收益的判断。