山姆·奥特曼

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。

本场访谈已完成观点核验，可直接阅读观点及来源。

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。

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。

本场访谈以 GPT-4 发布后的能力、使用方式与风险为主线。奥特曼把 AI 进展看作连续过程，认为 ChatGPT 的关键不只是底层模型，更在 RLHF 和界面让能力变得易用；他也强调模型价值要看对人的实际帮助，而当时的模型在精确计数等任务仍有限制。他认为 GPT-4 尚不是 AGI，语言模型可能是通向 AGI 的一部分，但还需新想法，尤其要能增进基础科学知识。对于安全，他介绍 GPT-4 经历内部测试和外部红队测试，主张在风险较低时迭代部署、借外部反馈改进，并希望对齐进步快于能力增长；同时明确承认当时尚无对齐超级强大系统的方法。治理上，他主张通过广泛社会讨论确定共同边界，在边界内保留地区与用户差异化控制，也担心反馈评审者偏见和虚假信息。谈到工作，他预计 AI 会替代、增强并创造不同岗位，但认为编程效率提高未必减少程序员，客服岗位较快缩减也只是未确定的可能；全民基本收入可作转型缓冲，却不是完整答案。

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。