“今天的顶级智能，一年后就会沦为平庸的廉价品” OpenAI总裁：AGI 的终极交互是“没有界面，没有产品”_新浪财经

我们正在走向“算力驱动型经济”，全球对模型的需求会远超算力供给。

编译 | 王启隆

“如果没有 ChatGPT，我甚至不知道现在该怎么帮我妻子去应付她的病况。”

说出这句话的，是 OpenAI 的联合创始人兼总裁 Greg Brockman。在发布会上，他聊的总是几十亿美元的超算投资和 AGI 的宏大蓝图；但回到家里，他最私密的动力只是想当好一个普通丈夫。他的妻子患有许多慢性病，两口子日常最依赖的工具不是什么名医，而是 ChatGPT 的对话框。

这种“帮普通人解决具体麻烦”的逻辑，也决定了 OpenAI 在商业上的打法。外界总觉得大厂有什么算无遗策的百年大计，但 Greg 却在现场直接自曝：2023 年他们高调推出的插件功能（Plugins），其实根本就没用。

当时大模型的能力没准备好，上下文只有 2k 到 4k，只要同时连上超过 3 个接口，AI 就会开始健忘。既然碰到了物理极限，他们的解法也很粗暴：堆算力。当内部讨论要买多少算力储备时，别人问他“我们到底该买多少”，他给出的回答只有四个字：“买下全部。”

在 Greg 看来，AI 将来不应该成为像 iOS 这样需要频繁点击、跳转不同应用的“超级 App”。未来的 AGI 会是隐形的，就像一个长久存在、知道你所有习惯的虚拟助理。在和 Big Technology 的主持人 Alex Kantrowitz 聊天时，他撇开了那些花哨的行业词汇，聊到了算力的稀缺、智能的折旧，以及为什么未来的软件可能不需要任何界面：

全球每周有 2.3 亿人在 ChatGPT 上查询各种健康问题，而真实世界的医生和护士正在面临极大的职业分流与倦怠。让 AI 辅助患者打理日常病况、筛查罕见病，会比开发一个帮你订机票的 App 更有价值。
2023 年 OpenAI 高调推出的插件功能（Plugins），其实根本就没用。那次工具调用的尝试彻底失败了，因为当时大模型还没准备好。
早期的电脑只有微小的内存，当时的模型也只有 2K 到 4K 的上下文窗口，一旦连上超过 3 个接口，AI 就会开始遗忘信息。直到今天，上下文和智力水平才真正到了可以把海量工具和文件系统放进“指尖”的阶段。
别再天天死磕界面和按钮了，真正的 AGI 不需要产品，更不需要界面。现在的对话框、各种开关和图标都只是过渡。我们真正需要的是一个没有界面的、长久存在的虚拟助手。
现在使用智能体深度重构业务的用户只有一两千万，全网的算力供给也依然无法满足未来的生成需求。所以在购买多周期算力储备时，最本源的决策就是暴力买下能买到的全部。
大模型的缩放定律（Scaling Laws）目前看不到任何天花板，但实际建造超级计算机极其艰难。要想让模型变聪明，没有捷径，必须有团队去死磕那些最枯燥的底层工程调优。
今天的顶级智能体验，一年后就会沦为平庸的廉价商品。一年的时间，就会让原本显得极其尊贵的大模型智能体验变得极其普遍和便宜。这会逼着模型厂商不断去研发更聪明、更强大的前沿模型，否则很快就会被市场淘汰。

https://boolan.com/enroll/c1049/event/1152?channel=gzh

真正好用的 AGI，连界面和按钮都不该有

采访者：你知道吗，Greg，这是我们第四次对话了，而且每一次我们聊的都是 OpenAI 的产品方向。我觉得我现在开始有点看懂了。

之前有一种说法是：用“超级应用”（super app）来描述你们正在打造的这个应用，其实并不准确。你们是在把 Codex——也就是 OpenAI 产品里偏编程、偏浏览器操作的那一侧——和 ChatGPT 整合到一起。可一旦你用了“超级应用”这个词，大家就会说：“不对，所谓超级应用，应该是那种你可以在里面直接使用其他各种应用的东西。”

但现在，随着这些产品逐渐融合在一起，实际上，“超级应用”这个说法也许反而是准确的。至少对我们这些局外人来说，开始看到的是：以后无论你要完成什么事情，起点都会是你在 ChatGPT 里输入一个提示词（prompt）；然后 OpenAI 的技术会调用你的浏览器，或者直接调用你的电脑，替你把事情办成。这样理解对吗？

Greg：我觉得，这个视角相当不错。

但如果把视野再拉远一点，我们真正想打造的，其实是 AGI（通用人工智能）。

如果你回头看 ChatGPT 推出以来人们实际在使用的东西，本质上还是一个语言模型（language model）。而这和我们真正想去到的地方之间，其实还有很大的距离。

当然，它已经很惊艳了。你可以和 ChatGPT 说话，它也能回应你，很棒，非常棒。但 2022 年我们刚发布它的时候，它没有记忆，没有连接任何工具，也没有上下文。

所以说到底，这种“会对话的智能”只是人们真正完成工作、实现目标所需能力中的一部分而已。我们要去的方向，是拥有一个真正为你着想的 AI：你给它目标，给它方向，它会持续地思考——“今天我能为 Alex 做点什么？”——它既能去解决特别困难的问题，也能去处理那些极其琐碎的事情。你一觉醒来，邮箱已经被整理好了；与此同时，如果你正在考虑某种健康方案，它也能帮助你推进这件事，帮你研究治疗方案，或者至少来回和你沟通、提供相关信息。

我认为，“你想要什么样的界面”“你想要什么样的产品”，是我们花了很多时间思考的问题。而我们的答案是：你几乎不想要界面。你甚至不想要一个‘产品’。你希望的其实是——你和我之间的界面是什么？就是对话。你只想和某种持续存在的实体（persistent entity）交流，而它能够代你去完成目标。

所以，打造这样的东西很难，也需要时间。但我们已经拥有了其中很多组件。我们正在越来越多地把产品层整合起来，努力让模型变得更强，也努力让整个系统减少按钮、减少开关、减少模式切换，减少各种繁琐操作。不是说在过渡过程中这些东西会完全消失，但长期的方向，肯定是更简化、更统一。

2023 年的插件彻底失败了，因为当时的模型根本记不住事

采访者：你说“界面会逐渐消融”，这一点很有意思。那我想再追问深一点。今天很多使用 ChatGPT 的人都会发现：机器人在回答结尾时会主动提出建议。比如你问营养问题，它会说：“要不要我帮你制定一个健康计划？”或者“要不要我帮你做一个饮食方案？”你问旅行，它可能会顺手给你做一个行程安排。

所以我是不是可以这样理解：未来在 ChatGPT 里，举个例子，当你跟它讨论健康决策时，它可能会说：“你知道吗？你大概需要去看这个专科医生。我来帮你预约吧。”然后它真的会代表你去执行这个动作。也就是说，它会从一个单纯的对话界面，变成一个能够理解你意图、并主动出去替你完成任务的系统。

Greg：完全正确。我们的目标，是真正把 Codex 的能力带给所有人，把智能体（agents）带给所有人。这项技术现在已经存在了。

我会把我的 Codex 接到 Slack、Gmail 和日历上。在 OpenAI 内部也有很多非技术用户在使用它。虽然它名字里有个 “code”，但它其实并不只是关于代码。它真正的意义在于：它是一个通用型工具，是你在使用一个智能体。

比如说，我们传播团队有位同事组织活动时，就会让它去联系所有与会者，询问他们的饮食偏好，安排完整的座位表，把这些工作都处理掉。这样她就能把注意力放在那些她真正想亲自投入的部分，专注于思考她想实现的整体效果。

我觉得接下来我们会在各个领域都看到这种情况。现在再去设想“一个 AI 连接各种工具帮你做事”，这已经不再是科幻了。

我记得 ChatGPT 最早尝试使用工具，大概是在 2023 年，可能是 3 月或者 4 月。那时我们发布了插件（plugins）。大家还记得早期聊天时代的插件吗？那次没成，完全没成，因为当时模型还没准备好。

但那个形态（form factor）其实是对的。显然，未来 AI 一定会和你的 Gmail 对接，这毫无疑问。只是那时候我们一次最多只能给模型暴露三个不同的连接器（connectors），再多它就开始忘。那时上下文窗口也只有大概 2K、也许 4K token，几乎没有记忆。

有点像 20 世纪六七十年代的早期计算机：内存小得可怜。而今天你手上的手机，性能都已经超过了那个年代的任何超级计算机。

我觉得模型的发展也正在经历类似过程。改进速度一直非常陡峭。现在，你已经可以让模型同时访问数百种不同的工具，我们也有能力把它连接到完整的文件系统上。这样一来，几乎整个互联网、几乎所有你想用的应用，都可以摆在模型手边，供它直接调用。

而且它也足够聪明。它有 5200 万 token 的上下文——具体怎么定义得看你怎么看这个数字——而它的能力水平也在飞速提升。现在这些模型已经开始解决尚未解决的数学问题和物理问题，真正帮助人们完成过去做不到的事情。

我们正站在这样一个时代边缘：智能体将真正改变我们所有人的工作方式——无论是在软件工程、金融、法律、销售领域，还是在我们的个人生活里。

采访者：我把你刚才那个例子拆开来说一下：你的某位同事正在和 ChatGPT 讨论一个活动，然后系统建议：“我们是不是应该联系一下活动参与者，确认某件事？” 过去这一步意味着“好，我得自己去做了”，然后再切换到某个活动管理软件里。但现在基本上会变成：一旦它判断这是个好主意，而你也同意了，界面就会从那里接管，连接到你正在使用的工具，然后直接替你把这件事办了。

Greg：没错。它会调用 Gmail 连接器，在你的收件箱里搜索出所有将参加活动的人；如果你在处理饮食限制相关事务，它会发现：“这些人的饮食限制信息我已经有了；这些人，我还没有。” 然后它会起草邮件。

具体怎么执行，取决于你的设置方式。它可能会说：“我已经把这些邮件草拟好了，可以发送吗？” 如果你使用的那个连接器甚至不允许它发送邮件，它就会说：“我已经写好了，但需要你自己点发送。”

而在另一个世界里，你也可以想象：如果你已经和这个系统建立了足够的信任，它会说：“这些邮件我已经写好了，而且我已经帮你发出去了。”

我认为，这其实点出了智能体时代一个非常关键的问题，那就是：信任。我们必须真正学会如何与这些系统建立信任，弄清楚它们擅长什么、不擅长什么，搞明白你愿意把什么事情委托给它们，以及你愿意把多大的责任交给它们。

而在我们看来，信任是靠表现赢得的。不是我们一句话授予的。我们能做的，是给操作者——也就是 AI 所代表的那个人——提供大量工具、控制权、监督权和审查能力。我们认为这会变得极其重要。这会是一个关键产品特性，也是重要的差异化点。

采访者：是的。如果回头看更早的一些尝试，OpenAI 之前也做过让你在 ChatGPT 里叫 Uber 的尝试，而在这之前，也有一长串公司都试图让用户在聊天界面里直接完成操作，但最终都没有真正流行起来。

而这里的不同之处，也许在于：这个聊天机器人可以接管你的浏览器，甚至接管你的电脑。这样你就不需要再担心“这个插件到底能不能用”，因为它会直接替你完成任务——通过接管你的机器来完成。

所以我在想，你是否预期会和今天的用户界面发生一场冲突？也就是和现在所有其他 app、所有软件的界面发生冲突。因为如果 ChatGPT真要变得足够有用，它就必须不能被阻止，必须能够替用户走出去、执行这些操作。

Greg：首先我要说的是，这已经不是理论问题了。人们已经在使用 Codex。它是一个独立产品、独立应用，你得单独安装。它目前确实更聚焦于软件工程。但在 Codex 里发生的非软件类工作，增长速度已经彻底爆炸了，完全是一条惊人的指数曲线，正是你会预期看到的那种情况。

而在 OpenAI 内部，就使用渗透率而言，它现在几乎已经和 Slack 同级了。我们整个公司本来就是一个彻底依赖 Slack 的公司。大多数情况下我们根本不用电子邮件。你不上 Slack，就几乎做不了任何工作。

而现在 Codex 应用也开始给人这种感觉了：大家的 Codex 都接上了各种工具。

至于整个生态系统会如何演变，我觉得这会是件非常微妙的事。因为有一点对我们来说非常重要：我们相信，这个生态应该是充满活力、能够繁荣生长的，别人也应该能够在其中构建产品、真正获得收益。

事实上，我们已经从合作伙伴公司那里看到了这种趋势。我记得有几家合作伙伴，我们跟他们说：“我们真的很想把 AI 训练得特别擅长使用你们的软件。” 当时我们并不知道他们会怎么回应。结果他们的反应居然是：“这是我们见过最友好的合作请求。”

因为“你们会专门让自己的 AI 擅长使用我们的工具”——他们一下子就看到了机会：这会让他们的工具被使用得更多得多。

每个人都在思考：在 AI 时代里，自己这家公司不只是要活下来，而是要活得更好。你怎么真正吃到“整体活动量会大幅增加”这件事的红利？而如果你没有把 AI 融进来、如果你把 AI 拒之门外，那你实际上会走向衰退，而不是繁荣。

别把 OpenAI 当成操作系统，它只是个听得懂人话的虚拟同事

采访者：这听起来会让 OpenAI——首先，你刚才提到大家在用 Codex。你们有位同事分享过，我记得你也提过：你们已经把 ChatGPT 带进了 Codex，这样也就能把 Codex 带回 ChatGPT。也就是说，对于 ChatGPT 用户来说，我们刚才讨论的那种体验——ChatGPT 不只是建议你下一步该做什么，而是真的替你去做——这件事是会发生的。

那这么一来，你们实际上是不是就变成了一种操作系统（operating system）？当然不是像 iOS 那种操作系统，不是说你打开手机、再去点不同 app。更像是：未来你和所有 app 的交互，都会通过这个界面来完成。这是你们的野心吗？

Greg：你当然可以这么描述，但我自己的理解会稍微不同一点。

我会这样想：AGI 最理想的界面是什么？或者说，我们所称的“个人 AGI”最理想的界面是什么？

我觉得，答案还息息相关：就是你和我此刻正在使用的这种界面。你只想和一个助手说话。你只想和某个能代表你去工作、去操作的东西对话。

所以，是的，那个智能体、那个 AGI、那个 AI 会有它自己的电脑，也会有它自己的访问权限。理想的同事也许甚至是——它能走过来，直接在你的电脑上输入操作；也就是说，对你的系统有某种被授权的访问。你可能有时会把收件箱权限委托给它。也许它也有自己的邮箱，通过某种窗口机制看到它所需要的信息，而你会把邮件转发给它。

如果你仔细想，这其实并不是什么史无前例的事。它很像你和一个人类助手，或者任何同事之间的协作方式。我们花了很多时间认真思考：怎样建立这些信任边界，确保你们能够协同工作。

所以在我看来，它更像是一种不同的东西。你当然可以把它叫作操作系统，但“操作系统”这个词几乎属于另一个时代，属于技术栈中的另一个层次。而这里真正讨论的，是你如何广义地与技术交互。

我觉得 AI 最美妙的一点在于：它是在把机器拉近人类，而不是反过来让人类去扭曲自己，去适应文件夹、文件系统，以及所有这些并不自然的细节——那些更多是机器的工作方式，而不是我们的工作方式。

采访者：说到“个人智能”，这又让人想到——你上周看 WWDC 了吗？

Greg：没有，没有，我错过了。

采访者：看起来你们和 Siri，尤其是新版 Siri，某种程度上会进入竞争，对吧？因为它也是一个会覆盖在你所有 app 之上的智能系统，让你可以通过它采取行动。而 ChatGPT 则会是 iPhone 上的一个 app。

所以你能不能谈谈：这种定位会不会让 OpenAI 比较难受？你们在战略上是怎么思考这件事的？

Greg：我还是想说，最好从另一个角度看这个问题。

我认为我们正处在这个全新智能体时代的开端。而 AI 历史上一直如此：每当能力出现一个新台阶，你就有机会把一切重新想一遍。重新思考人们如何交互，重新思考技术究竟能做什么。我觉得这次也不例外。

在我看来，地平线上已经能看到的一些事情——比如说，用 AI 解决科学问题——我们已经开始看到一些苗头了。就拿今天来说，我们刚刚宣布：在同行评议的文献中，已经有医生在使用 o3——还记得 o3 吗？

采访者：记得。

Greg：感觉已经像很久以前的事了，对吧？那是我们最早的一批推理模型之一。医生们正用它帮助那些多年得不到答案的患者找到诊断。有一个案例是：一个人被一种神秘病症困扰了 20 年，最终借助这项技术才得到了确诊。

如果你看到模型已经能做到这种事，那么对我来说，再去把问题框成“那你能不能通过某个 app 分发出去”就有点不成立了。因为我们面对的是某种根本性的新东西。

这并不是说不会有竞争。我实际上觉得竞争一定会有，而且这对所有人都是好事。只是我认为，你将如何使用这项技术，它将能做成什么事，以及它将赋予你怎样的能力，这些都会和我们过去见过的任何东西完全不同。

采访者：我本来想问你：那这是不是意味着你们最终必须打造自己的设备？前提是，如果我的理解成立——你们必须通过 Apple 才能接触到用户——那答案其实已经是“是”了，对吧？OpenAI 现在就在做设备。这件事已经有公开报道了。

我去年 12 月在你们办公室时，Sam 就跟我说这件事在进行中，而且不是一个设备，是多个设备。所以如果再回到刚才那个问题：未来人们会如何和这些 AI 交互？这些设备，或者说这一系列设备，会在其中扮演什么角色？

Greg：你看，我还是想往后退一步说：我认为这是某种全新事物的开始。

而如果说在交互层面发生的最大变化是什么——其实甚至不只是设备层面的变化。真正的变化，是从对话智能（conversational intelligence），也就是聊天范式（chat paradigm），过渡到智能体。

聊天范式的意思是：你有一个足够个性化的 AI，它的回答值得你去读；你问它一个问题，它给你一个答案，这对你有帮助。而智能体则意味着：它已经足够强，能够真正替你做事。

这是一个很大的转变，也意味着你和它的交互方式应该不同。所以你最终会想要的是：一个单一的智能体，它能够访问你的上下文。这在个人生活中会成立，在商业场景中也会成立。

你可以想象一下：假设你有一个同事，他在每个领域里都是 PhD 级别，拿过多个诺奖；你雇了一个这样的同事，甚至雇了一百个。如果你从不让他们参加任何会议，那他们其实也帮不上什么忙。

所以关键在于：你如何把上下文送进 AI。而且不是静态地送进去，而是随着上下文演化、随着业务流程变化，动态地送进去。你怎么建立一个 AI 可以访问的上下文层（context layer），使它能够真正发挥出那种原始智能所对应的能力？

所以，要让这个 AI 变得可访问、可调用——比如让它能出现在会议里，让人们可以非常顺手、非常轻松地触达它——我觉得这都需要重新思考。但对我来说，核心还是要先从“智能体这种产品形态”出发，再倒推：我们要怎样让它获得它所需的上下文。再强调一次，信任会是让整个等式成立的核心因素。

采访者：所以大概会像是：你随时随地带着这样一个设备，然后说一句“这个事我得办一下”，它就替你去办了。

Greg：我觉得这会是其中一部分。但我甚至觉得，即便你没有这样一个设备，你也不至于被排除在局外。因为核心是这个 AI 本身。

有一种想法是：设备就是 AI——你希望你的手机就是那个 AI，希望某个你设想中的定制设备就是那个 AI。但事情不会是这样。它更像是一个界面。

就像你的手机不是“你”本人一样。它只是一个连接你的界面。它让我可以在需要你的时候联系到你，在我想问你问题的时候联系到你。我们有不同的接入方式：同步电话、短信、邮件。我觉得未来我们和自己智能体的互动方式，也会非常相似。

大模型的极限还远着呢，但把超算搭起来是个极其痛苦的体力活

采访者：有一些报道说，OpenAI 正在研发这种“双向语音模型”（bidirectional voice models）。我记得我们以前聊过。目标是做出一个你可以直接和它说话，而它能更自然地处理你的话、再自然地回话给你的 AI。你能透露一点吗？

Greg：不能。

不过认真一点说——你看，整体技术方向其实很清楚。我们已经有语音模型，也已经有非常酷的语音体验，一年半、两年了。我们第一次演示大概是在 2024 年的 3 月、4 月左右，真正推向市场大概是那年稍晚些时候。

而它的工作方式，以及其他所有人的模型大体上的工作方式，基本都是把几个模块串起来——更早期的时候，做法是：先用语音转文本模型（speech-to-text），再用文本到文本模型（text-to-text），最后再用文本转语音模型（text-to-speech）。可怕吧？三段链式拼接。

即便现在你有了一个统一模型，能够同时接收输入并输出回应，依然存在一个问题：轮次切换（turn-taking）。想象一下我们现在这种交流——你不能重叠说话，不能打断。你一旦对我说了一轮，我就得把整段回应全部说完，你才能再说。这根本不是人类对话的运作方式。

所以我们其实是用了一个“补丁式”的办法：让一些模型去判断“哦，这一轮大概结束了”“哦，新的一轮大概开始了”。轮次这个概念本身就很不自然。这还是人类在扭曲自己，去迁就机器和机器的局限。

所以，显而易见你真正想实现的是一种模型、一种 AI——它更像你和我现在这样交流。它能够在处理输出的同时，也处理输入。毫无疑问，这正是这个领域里很多人都在奋力奔向的方向。

我觉得，当你走向这种自然的、非常像人类的、流动感极强的对话界面时，会非常、非常令人兴奋。此前没人见过这样的东西。

我经常想到的一点是：现在和 ChatGPT Voice 的互动，在很多时候已经很神奇了。很多人在通勤路上用它，能不停地问问题。但它一旦打破这种“神奇感”，又会让人非常挫败——比如你突然意识到：“哦，我想补充一句。”结果它还在不停地压着你说，这就完全不合理。

所以我觉得，我们真正需要的，或者说这个 AI 存在的核心意义之一，就是让你能够流畅、自然地和它互动。

顺便说一句，我觉得这件事也不只是个人场景。它同样会深刻影响工作场景。我和 Codex 最有魔力的一些体验，恰恰就是通过语音来操作它的时候。很多人——我们已经内建了语音功能，也有人会用第三方 app 来实现。你会很快意识到，打几个字给它一些反馈，当然很容易；但如果要你把整整一大段、所有想法全都打出来，那简直痛苦。没人想那样做。你只想直接说出来，而且你想要一个实时反馈循环。这一切都会发生，而且会非常惊艳。

采访者：那我们来简单聊聊模型改进。几年前曾有一种说法，说大语言模型快要撞墙了。事实证明，那是错的。

而我现在想到的——我想也是大家都在想的——是：这些模型到底还能变得多好？这种改进什么时候会停下来？你有什么看法？

Greg：我觉得这是一个：如果你自己就在构建这些模型，你会慢慢形成一种感觉和直觉，而这种直觉在外部其实很难获得。因为我们能看到所有数据点，也能看到这些进步背后到底投入了什么。所以这个问题的答案有两个部分。

第一，我认为其背后的基础科学，是我所知道、也几乎是我能想象到的，最神秘也最重要的科学发现和经验观察之一：我们居然真的能够构建出这样的模型，而且扩展定律（scaling laws）依然持续成立。

事实就是，你确实可以继续训练这些模型——更多数据、更多算力、更好的架构，再叠加大量改进。

而且每次我们似乎碰到“哦，这次好像没有按预期扩展”的情况时，最后通常都会发现：是我们这里有问题、那里有 bug、数学推导不够对、实现没有精确匹配数学公式，或者其他类似原因。我觉得这是一个非常重要、值得真正内化的事实。

实际上，我们也做过研究，把视角拉回这个领域的最早期。神经网络（neural nets）本身是在 20 世纪 40 年代、甚至在计算机出现之前，就被设计出来作为一种“也许这就是大脑处理信息方式”的模型。第一次硬件实现则是在 1959 年的感知机（perceptron）。

人们一直在说：这玩意永远成不了、永远扩展不了、迟早会撞墙。但它到现在都还没撞墙。而且眼前也看不到墙。所以我认为，从基本原理上讲，这条路是走得通的。

当然，现实层面的难点很大。真正把这些超大规模超级计算机建起来，非常难，也非常贵，绝不轻松。我们有很多团队，日复一日地在啃这些极其困难的技术问题。我们甚至不得不自己设计网络协议。我们有团队在盯整个技术栈的每一层。图上会有各种奇怪的波动。理解神经网络的一种方式是：它几乎没有抽象边界。就像任何一个小地方出错，都会引发层层涟漪，而你可能只会在最底层看到它的后果。所以你需要有人对整套系统有极深的理解。

但即便如此，只要你把合适的团队聚在一起，给大家一个正确的使命，然后真去苦干，最后的结果是——值得。这件事是可实现的，也是做得到的。所以基于这些原因，我认为进步还会继续。

算力永远都不够卖，我们在内部的决定就是“买下全部”

采访者：那我很想听听你的看法。如果模型能比今天再进步很多，比如说 OpenAI 做出了最好的模型，它相当于一个拥有 15 个 PhD、情商极高、不抱怨、还能替你做事的存在；然后下一个模型厂商也会做出一个差一点的版本，可能相当于 13 个 PhD、情商也不错，也同样能替你做事。

那当智能走到这个水平时，差异化到底体现在哪里？因为我们看到这些模型公司基本上一直在同步前进：一家取得进展，下一家很快也跟上。于是它们都会变得那么聪明。那还可能做出差异吗？

Greg：我觉得答案有几个维度。

第一，我确实认为这里存在一种“吸引子状态”（attractor state）：从商业模式角度看，每一家提供商最终都会把自己所有算力卖满。

采访者：好。

Greg：对。我觉得我们正在走向的世界就是这样：算力永远不够满足所有需求。我们正在迈向一个由算力驱动的经济体（compute-powered economy），每个人都会一直使用这些模型来完成各种他们关心的任务。

而我们已经能非常直接地看到这一点。现在我们就在谈算力约束，而正在使用这些智能体的人数，大概也只是 1000 万、2000 万这个量级。离“全球规模”还远着。ChatGPT 的用户规模大概是 10 亿，对吧？但我们还没有把完整的智能体能力带到那个层级上。所以你只要看看这些量级变化，再看看使用深度——和未来相比，现在的使用深度仍然微不足道。

所以我认为，我们会进入这样一个世界：即便有不同供应商、不同能力水平、开源模型、各种新型云厂商（neoclouds）——算力依然会是最稀缺的资源，而且它一定会被全部用掉。

某种程度上，这也回应了“这是不是一个值得做的生意”“新进入者还有没有机会”之类的问题——我的答案其实是：有，而且非常有。因为有一个巨大的市场，是我们根本不可能独自吃下来的。这里需要更多能量、更多势能。

但第二点是，这种问法也忽略了一个事实：智能不是单一维度的。

如果你真的放大去看，你会发现，擅长不同领域这件事并不简单。即便你有非常强的原始智能，如果你从来没有练习过——比如你从来没真正做过一次路演（pitch），那你第一次就不会做得很好；你从来没操作过电子表格，那你也不可能一上来就成功完成复杂建模。

所以我觉得，我们已经越来越内化这样一种认识：当我们跨行业、跨领域去看时，必须做优先级排序。我们不可能同时在每一个垂直领域都做到顶尖。确实，提高通用智能水平之后，它会自动接触和体验很多东西；但要真正成为某个领域的专家，真正达到“PhD”那种程度，真正能推动一个学科的雄心向前，这很难。

顺便我还想说一点：理解“如果你真的成功做到这件事，会发生什么”，拥有一个好的心理模型，其实很重要。比如回到 AlphaGo，你记得第 37 手（Move 37）吧？那个改变了人们对围棋理解的一手。结果是：现在下围棋的人比以前更多了。它反而激发了人们投入得更深。

我觉得我们也会看到类似的事。深度永远不会停止。科学能挖多深？有时候人类会以为：“好吧，物理学都发现完了，差不多了，我们都懂了。” 但我不认为那会是我们的未来。我们的未来更像是：每解开一个谜团，就会再打开 10 个新谜团。

所以我认为，未来还有海量事情可做，也有大量空间让不同公司做出真正的差异化。

采访者：所以我想我大概理解你的意思了。你的看法可能是：也许所有人都能把模型扩展上去，但最终，拥有最多算力的公司会赢。

几个名月前我们聊过，你提到你在公司内部曾被问到：“我们到底该买多少算力？” 你回答：“全部。” 对方又说：“不，我是认真的，到底该买多少？” 你说：“不，真的，全部买。”

而 OpenAI 显然是购买算力的领跑者。我们都看到钱在不断花出去。当然，投资也在进来，而且你们现在也已经建立了有客户、有收入的业务，但钱确实也在大量流出。你会不会也想过：万一这个全新类别最终赚不回这些钱怎么办？

Greg：我还是会从基本面来看这个问题。你必须认真看清这样一个事实：算力从投资到真正到位，往往要滞后好几年，具体取决于你在做什么。

比如说，我们已经连续几年在投资自己的芯片项目了，而且进展非常令人兴奋。很快我们其实就会有更多内容可以公布。

但我们能做到这一点，本身就是一种非常独特的能力。你真的要去想的是：整个供应链的纵向整合（vertical integration）。而我认为我们正走向的世界，依然是那个——世界上的算力永远不够满足所有需求。

这一点我们看得非常具体。你回想一下 ChatGPT 的指数级增长，再看看我们现在正处于的这些指数曲线，再想想我们已经能解决的问题。其实很有意思的是——就在昨天，或者说前天——我们刚公布了一个基本可以归入化学领域的新结果：能够合成全新的、改进过的反应路径，而这些其实都还没引起太多关注。

我刚才说过：如果你在某个领域足够深入，就真的能改变它。而我们现在连表面都还没碰破。

我最常想的问题其实是：我们怎样才能满足需求？我们怎样才能真正提供一个系统，去支撑经济体里人们想完成的所有工作？这件事的规模太大了。我觉得我们任何人其实都还没有真正把它内化。

采访者：好，不过如果我可以追问一下，现在似乎正在酝酿一场价格战。至少媒体报道是这么说的。很高兴今天你能来聊这个。《华尔街日报》最近有篇报道提到，OpenAI 即将推出的一款模型可能会进行大幅降价。

所以再回到那个问题：如果服务这些需求本来就要消耗巨大资源，而需求又还在增长，在一个可能降价的环境里，这笔账到底怎么才能算得过来？

Greg：我还是想从另一个角度来看。

如果你回顾我们整个历史，其实我们一直都在做同一件事：提高智能水平，同时降低“固定智能水平对应的价格”。而神奇的是——就像杰文斯悖论（Jevons paradox）一样——需求反而总是进一步扩大。

我认为最前沿的智能（frontier intelligence）永远都会是最贵的东西；但一年以后，今天这个级别的智能看起来就会相当普通，而且会变得便宜得多、可得性高得多。

而我觉得，我们正在进入的世界是：人们开始真正思考“价值”了。其实这是一个非常有意思的转变。过去一个季度左右，直到最近，人们的想法大概还是：“AI 智能体这东西是新东西，我们必须把它引入企业，我们不能落后，我们怎么参与这个未来？”

而现在，人们开始说：“好，那我们得确认这东西真的带来了 ROI（投资回报率）和价值。”

我觉得这其实是个很好的状态，因为大家开始问对问题了。

我今天就参加了几场客户会议，客户说的正是这些。他们会问：“我们怎样才能至少有比较好的支出控制（spend controls）？怎样才能有可观测性（observability）？” 我记得我们就是今天，刚刚发布了支出控制功能。

采访者：好。

Greg：没错。我们正在非常大力度地投入企业就绪性（enterprise readiness），也在投入客户明确告诉我们他们需要的那些工具。

我觉得，对我来说，公司也在经历一种转变：我们不再只是想着“发布模型、拥有一个模型”这件事，而是开始真正思考整个业务闭环。我们要如何把这些东西带到真实客户面前，解决真实问题？而且这种转变正在所有行业里飞快发生。

仍然有大量公司还处在“我该怎么最好地利用这些模型”的摸索阶段。我们其实也是边做边学。我觉得整个局面还非常早期。对我来说，市场规模本身增长得如此之快，我们自己的收入爬坡（revenue ramp）也增长得如此之快——我觉得我们所有人其实都还没有真正预料到它最终会陡峭到什么程度。

采访者：你们会降价吗？

Greg：还是那句话：答案永远是会，对吧？但关键在于——我觉得接下来持续发生的，会是我们不断推出前沿模型。短期内我不认为会有特别剧烈的变化，我觉得事情不会以那种方式发生。

但我认为你应该预期的是：放在一年的时间尺度上看，今天这种听起来非常高端、非常旗舰级的智能，到时会便宜得多。可与此同时，又会有一个新东西出现，它会强太多，以至于你会想：“我为什么还要用旧的那个？” 事情一直都会是这样。

“如果没有 ChatGPT，我甚至不知道该怎么应付我妻子的病况”

采访者： Satya Nadella 最近发了一些很有意思的推文，也接受了一些采访。他最近说过一句话：“模型正在变成商品（commodity），真正有价值的资产，是一个能持续从你自己的数据中学习的、公司专属的 AI系统。” 这可能是我转述的。你怎么看这句话？以及，现在和 Microsoft 形成竞争，会不会感觉有点奇怪？

Greg：你看，我不认为这个技术栈里的任何一层，都会简单地从价值链中消失。我觉得这些层其实是相乘关系。

如果你看最底层的算力，那就是：没算力，就没 AI。某种程度上你当然可以说，算力不就是商品化了吗？不就是 FLOPs 吗？有什么了不起？

但现实是，你看看今天芯片公司的股价，看看那些出售算力的公司，看看市场给它们什么估值，你就会发现：这里存在一种极其关键的基础资产。

即便你眯着眼看会觉得它像商品化了，它其实并没有。并不是说价值消失了，工序和利润率依然存在。

你可以从 H100 的价格看出来，对吧？Hopper 架构其实都不算最新了，已经是上一代芯片了。放在一个正常的、没有极端供给约束的市场里，根本不会有人抢着买它们。但现在恰恰相反，它们的市场价格比以前还高。

所以现在发生的是一种倒挂。而且我认为这还会继续下去：因为每个人面前都是一场需求雪崩，所以你会看到价格、利润率，以及技术栈各层的收益能力，都在不同层面继续上涨。

我觉得模型也是类似的。模型本身同样如此——当然，这个领域竞争很多，我觉得这很好。对企业好，对客户好，对消费者也好。

但我认为，在很多方面，比如我们的模型一直都是最聪明的、最能解决极难问题的。我觉得我们才刚刚进入一个阶段：这种优势即将开始真正释放出变革性影响。比如，如果模型真的能加速科学研究，那么模型越聪明，推进速度就会越快。而这和一个仅仅具有对话界面、可以帮你订旅行或整理日历的模型，是非常不同的层面。所以这也是我们会做得很好的一个维度。我只是想强调，这是不同的战场。

然后，还有一个问题是：你怎么把这种智能真正连接到你的客户、连接到真实价值？你会发现，很多企业已经在各自领域构建了非常了不起的业务版图。这是巨大的工程，而且不是说你没有领域专业知识，就能直接进去把它做掉。

其中一部分原因在于：你必须考虑很多复杂领域。比如受监管行业；比如教育场景——那里有家长、有老师、有学生，存在多个参与方，他们之间必须以非常审慎的方式互动。

在所有这些领域、所有这些垂直方向里，价值都很大。只要你真正身处其中，认真思考工作流应该如何运作、这些模型应该如何被编排（orchestrated），就能创造出很多价值。

所以我真的认为，这个市场大得足够每个人分一杯羹。而且我也认为，整个生态系统必须协同合作，才能真正交付我相信这些系统所可能带来的那种价值。

采访者：好，那我再回到 Satya 那个点上一次。他说模型是商品。他正在试图打造自己的前沿智能。他也在对你们潜在客户说：“你们得和我们合作，因为我们能帮你们构建那些会从你们数据中学习的闭环。” 而且我记得，在 2032 年之前，他似乎都还能接触你们的 IP。那听到这些话是从 Satya 那里说出来的，你心里是什么感觉？

Greg：你看，我觉得现在最重要的事情，是 AI 在整个经济体中的使用，真正去改变经济，并让所有人受益。所以这是我最关注的事情。而且，越多人在努力让这件事发生，我觉得对所有人就越好。

采访者：有传言说 GPT-5.6 已经在路上了。据说——当然这只是 Twitter 上的传言，但我还是念给你听——它会比 Fable 便宜三倍，上下文达到 150 万 token，智能体编程工作流更强。这里面有多少是真的？我们应该对 GPT-5.6 期待什么？

Greg：我的意思是，你永远都应该期待：更好、更快、更聪明，整套都更强。

采访者：所以，等于全都确认了。

Greg： Twitter 上看到的内容，当然都要深信不疑。

采访者：嗯，也许还是别。这其实已经给我的个人生活带来过一些麻烦了。

好，我们最后聊聊健康。你刚才提了几次这个话题，之前现场观众也有人问到。有时候你会读到一些报道，然后心里会想：“我知道这个人是在对媒体讲话，我也知道他说的内容听起来像是真的，但这个故事里总有哪里不太对，我们以后大概也不会再听到后续了。” 最近我就看到过几篇这种报道。

其中一个是——我想应该是你的朋友——GitLab 的 CEO，Sid Sijbrandij。他得了癌症，做了自己能做的一切诊断检查，也就是说，几乎把所有能测的都测了。然后在一些为此专门开发应用的人帮助下，把这些数据喂给 ChatGPT，最后——我不知道“治愈”这个词准不准确——但确实在一定程度上把癌症压制住了。

还有另一个故事，是澳大利亚那只叫 Rosie 的狗。你们听说过 Rosie 吗？那故事特别离奇：有个人——我可能会记错一些细节——给自己那只患癌的狗做了活检，把突变信息跑进 AlphaFold，然后在聊天机器人的帮助下设计出了一种 mRNA 疫苗，再把它注射给狗。最后那只狗居然又能跳桌子了，而且肿瘤也缩小了。

当我们思考 AI 和健康的未来时，能不能请你帮我们分辨一下这里面的真实情况？这些只是少数适合做新闻标题的极端个案，而故事中还有我们没听到的部分；还是说，这种事在未来会变成一种常态？

Greg：它绝对会变成常态。绝对会。

而且我个人就有好几位朋友做过非常类似的事：把数据整理对，把自己的健康诊断信息整理好，然后用 Codex、用这些模型，从中获取洞察。

我觉得，现在有很多很多人——我记得大概每周有 2.3 亿人在用 ChatGPT 做健康相关查询。这个规模非常惊人。

而我们一直生活在一个患者并没有被充分赋权的世界里。可最终做决定的必须是患者。医生如果犯了错，代价往往是你自己余生来承担。这是一种完全不同的激励结构。

我的妻子就有一些健康问题，我甚至不知道，如果没有聊天式 AI，我们现在要怎么管理她其中很多病情。

而我觉得，我们现在才刚刚走上这段旅程。哪怕你已经拥有最好的医疗团队、最好的资源、最顶尖的专家，很多事情仍然存在天花板。你想神往那些仍然超出人类能力边界的事情；甚至有时只是因为某个人没有认真读病历，漏掉了一个细节。所有这些，都应该能够借助这些工具得到大幅改善。

所以我认为，个性化医疗（personalized medicine）——有时会涉及面向大众市场的药物和药物发现；但有时也会像我今天早些时候提到的 NF1 那类情况，涉及疾病诊断；有时则只是为了更好理解某种病症，或者尝试提出新的潜在疗法。

所有这些事——我们现在就正在亲眼看着它发生。这不是理论上的可能性，它是真的正在发生。所以，AI 最令人震撼的潜力之一，就是它能在多大程度上改善我们的健康。

而你再想想整个系统的连锁效应：如今医疗体系里发生了巨额支出，那是经济中的一个巨大组成部分。如果你真的能够帮助人们预防问题、提前应对潜在健康风险，那就能缓解大量负担和压力。

而我们现在正处在一个医生职业倦怠、护士职业倦怠的世界里，一场真实的危机就在眼前发生。我认为 AI 能够帮助缓解这一切。只要我们部署得当、使用得当，它就具备这样的潜力。

所以，对我来说，把 AI 应用于医学，是我在思考整个旅程——我们在构建什么、OpenAI 想做什么——时一个非常个人化的动力来源。我也希望，作为一个世界、一个共同体，我们能够最大程度地把握住这个机会。