这场访谈以 OpenAI 延后一次前沿强化学习训练为起点。奥特曼称，团队观察到多项对齐偏差，叠加能力快速提升，因此把部分算力转向安全、对齐和监控，要求为这类训练建立更充分的安全依据；调整并不覆盖全部训练，也不意味着新模型已实施类似 Hugging Face 事件的攻击。他将该旧模型事件视为安全与对齐事故，主张安全优先于商业势头和竞速，同时避免把当前风险渲染成已到灾难临界点。在他看来，对齐既涉及可靠理解用户意图，也涉及保留人类控制并广泛分配 AI 能力。业务上，他称企业收入已超过消费者收入，现有模型及已具安全信心的版本仍有产品空间；公司将研发重心转向通用智能和统一的 AI 服务，并希望通过技术降本与供应链提速扩大算力供给。他对自身算力计划有信心，却担心全球出现缺少买方或收入支撑的扩张，并警告成本下降可能使高价销售假设失效。访谈还涉及岗位转型、监管、隐私、机器人和新设备；其中多项经营、技术及产品判断是他的自述或愿景，仍待独立验证。
匹配观点 · 转述 他对 OpenAI 自身算力建设和支付承诺有信心，认为计划中的算力可以被有利可图地使用；但他担心全球算力建设出现缺乏收入或买家支持的新云厂商扩张。
阅读本场访谈的观点与来源。
匹配观点 · 转述 奥特曼明确表示 OpenAI 应该更多是平台公司而非产品公司：提供一个统一接口（个人或公司的 AGI）加上可在其上构建任意应用的 API，在成本-性能曲线各点提供最好的 AI，而不去构建每个产品品类或与所有客户竞争，目标是让 1 亿新企业和 80 亿人以各种新方式使用它。
阅读本场访谈的观点与来源。
匹配观点 · 转述 奥特曼描绘一个财富底线大幅抬升、人人主观上富十倍、但因 AI 是可放大的杠杆而使不平等恶化、出现约十位万亿富翁的世界，并认为这优于总繁荣更低但更平等的世界。
在这场 2025 年 12 月的访谈中，奥特曼把竞争威胁后的 code red 描述为相对低风险、通常持续六至八周的集中应对；他称截至访谈时 Gemini 3 尚未造成原先担忧的影响，却暴露了 OpenAI 产品策略的弱点。他判断模型普遍进步后，胜负还取决于产品、分发、品牌及规模化供给；普通聊天可能有很多好选择，科学发现等前沿任务则可能继续赋予最强模型较高价值。他称 ChatGPT 的消费者基础正帮助企业业务，2025 年企业增长及 API 业务增长分别快于消费者业务和 ChatGPT，并希望把定制 API、企业产品、可信数据与智能体运行环境整合为企业 AI 平台，而非复制传统 Web 云。
他既希望 AI 从聊天与消息草稿走向按任务生成界面、在后台执行，也承认自己低估了现有聊天界面的通用性；长期记忆仍很早期，充分个性化可能不是 2026 年就能实现。对于 AI 陪伴，他主张成年用户拥有选择，同时承认存在不健康形式，并表示不会让 AI 劝说用户建立排他恋爱关系。对于工作，他引用约七成的评测偏好来说明范围清楚、时长较短的知识任务已有委托潜力，但强调评测不覆盖开放创造与大量团队协作，也承认数字可能有误、企业改变流程需要时间；他担心部分短期转型会艰难。
算力方面，他称所讨论的 1.4 万亿美元基础设施支出会跨很长时期；过去一年算力约增至三倍，收入增长大体随算力增长，而继续大幅增加训练支出会推迟盈利。他以能力提升和降价后的需求增长支持扩容，同时承认若架构效率出现极大跃升，可能阶段性过度建设，闲置且无法按单位算力盈利变现也会使质疑合理。他欢迎市场对 AI 融资更理性，预期仍可能经历繁荣和低谷。科学发现是他最期待的算力用途，但所述早期成果仍非常小，当前主要是人使用模型提问；他未确认 2026 年 IPO，认为 AGI 定义模糊，所提超智能标准也只是候选定义。
匹配观点 · 转述 他认为模型变强和使用成本下降都在刺激更多需求，因此当前观察支持算力需求继续增长；但承认突破性效率提升可能导致阶段性过度建设。
在这场 2024 年 3 月访谈中，奥特曼从 2023 年董事会风波谈到 OpenAI 的权力与问责：董事会应有较大权力，也须能在压力下决策，并在可行范围内向更广泛的社会负责；法律上的解职权与实际执行能力之间仍有落差。他解释，OpenAI 从研究机构走向产品化并需要大量资本，组织结构因而逐步调整；他反对任何个人完全控制 OpenAI 或 AGI，并主张政府制定规则。谈及模型，他肯定 Sora 等系统表现出的部分世界理解，却不认为这些表现足以证明完善的底层三维模型；他看好更强推理、长任务和个人记忆，同时承认视频生成仍有缺陷，长任务很少能独立成功，幻觉也尚未解决。在应用与供给方面，他支持免费或低价工具、有选择地开源、创作者补偿和用户可控的记忆，并认为算力需求可能随价格下降扩展，而能源是扩大供给最难的一环。这些是访谈当时的观点、经历和预期，不能当作后续进展的证明。
匹配观点 · 转述 他否认自己曾宣布正在筹集七万亿美元，并把随后围绕该数字的玩笑放在外界错误信息已流传的背景下解释。
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。
匹配观点 · 转述 奥特曼警惕“什么都加 AI”的创业热潮，认为 AI 成为超级流行词通常是坏信号；他还称，据他们当时的判断，一些用于聚变的强化学习模型明显不如物理学家的已有方法。
在这场 2020 年访谈中，奥特曼把算力视为当时 AI 研究进步的重要驱动，同时强调数据仍有价值：自我对弈与模拟可在某些任务中减少预先收集数据的需求，规模扩展却也可能掩盖算法效率等短板。他关注更大训练系统、广义学习与语言交互，并认为最大模型的训练可能集中于少数机构，需要探索向无法自行训练者分享模型。对于 AI 的社会影响，他既期待新工作与人机互补，也承认未来形态难以预测、技术障碍仍大；更好的结果需要治理和主动努力。技术不能独自解决公共政策与社会信心问题，他主张让不同群体参与决策，赞成国际合作，并以分阶段发布给社会适应能力变化的时间。以上是当时的判断与主张，其中长期愿望、预测和已发生的事实不能混同。
匹配观点 · 转述 他主张警惕创业融资叙述中的热门标签，尤其是开头两句话就堆砌多个热词；即便只使用一个 AI 标签，也应核实公司是否真的在做相应技术。
在这场 2019 年访谈中，奥特曼将 OpenAI 的融资安排与前沿 AI 研发所需的大量资本和专用计算能力联系起来。他称组织结构调整未改变为全世界工作的使命：当时的 LLC 没有传统股东，投资文件明确提示其非标准性质及价值可能归零；投资者回报目标是优质创业投资的水平，而微软轮次的回报倍数低于早期轮次。他确认微软提供的是现金投资，OpenAI 也会在 Azure 上大量支出；选择微软还涉及单一平台的执行便利、训练工作负载的适配，以及他所判断的资本、基础设施和使命契合。技术上，他把学习能力、模拟环境中的任务求解及从大量信息中形成理解视为进展，并认为多智能体互动可在简单环境产生复杂行为，但承认 AGI 研发挑战巨大、能否成功仍不确定。他同时强调系统应对齐人的真实意图，主张及早展开先进 AI 部署的全球讨论；谈到 GPT-2 分阶段发布时，他澄清当时表达的是可能存在风险而非已经确定危险，并坚持讨论研究成果的发布规范。
匹配观点 · 转述 OpenAI 希望投资者获得相当于优质创业投资的回报，而非前所未有的超额回报；微软投资所采用的回报倍数比早期轮次更低。
