Altman 曾写过一句话：过去一年很艰难，这在很大程度上是自己的问题。
但接下来 12 个月，可能是 OpenAI 历史上最好的一段时间。
团队去年做了太多事，而这些事单独拿出来看都没有错。
问题是，在这个时代，一家公司真正能做好的大事非常有限。摊子铺得太大，反而稀释了真正重要的事情。
于是团队做了一系列艰难的取舍，重新收拢到一件事上：造出最好、最丰富、性价比最高的智能，然后让全世界拿这个智能去构建东西。
聚焦之后，进展变得很明显。
看着接下来的产品发布，Altman 说这段时间的模型质量会比过去更让人吃惊。
时间倒回 2025 年初，行业里最大的担忧是：像 OpenAI 这样的公司在疯狂囤积算力，收入真的能跟上吗，需求真的存在吗？
正因为不确定，OpenAI 当时的策略是分散布局，同时考虑消费级应用、媒体等各种业务，为的是万一模型带来的收入增长比预期慢，还有别的办法把买来的 GPU 用起来创造收入。
现在回头看这套逻辑有点可笑，因为整个行业的收入增长速度远超所有人的想象。
转折点出现在团队确认模型能力曲线增长得足够快、经济回报足够的那一刻，方向立刻清楚了：全力押注智能本身。
如果要往前追溯到底是哪个节点让团队下定决心大举囤积算力，Altman 给出的答案是 GPT4，而不是更早的 GPT 3.5。
关键判断是：模型已经聪明到让团队相信，一定能找到让它做好推理的方法。
而一旦推理能力成立，接下来自然会催生出后来被称为智能体的东西，也就是能完成高价值经济工作、真正让人的生活变轻松的 AI。
有了这个判断，团队开始给各大云厂商、芯片厂商、能源供应商打电话。
几乎所有人的反应都是：你们疯了，这不可能，没有哪个行业能这样发展，历史上有过很多次繁荣和崩溃，事情不会一条直线涨上去。
Altman 说这个过程很像早期创业公司融资，大多数人说 No，你只需要一两个说 Yes 的人。
第一个说 Yes 的是微软，接着 Oracle 在云端也给出了重要支持，英伟达则是长期以来极其重要的合作伙伴。
现在这个领域已经百花齐放，各种创新的推理和训练方案层出不穷。
Altman 一直在想办法组织人去参观一座千兆瓦级数据中心，因为看照片和视频，跟真正站在现场是完全不同的体验。
建一座这样的数据中心，大概需要一万名建筑工人全职工作一年半，其中的电量能给一座小城市供电。
这类设施的建设成本，放在人类历史上最昂贵的基础设施项目里都排得上号，而现在 OpenAI 已经建了很多座。
对于人们对数据中心的抵触情绪，Altman 表示理解，这跟他自己也不希望家门口建核电站是一个道理，即便他知道核电站其实非常安全。
但数据中心和电厂不一样的地方在于，它可以建在任何地方，完全可以选在沙漠里、没人愿意去的地方，AI 系统本身并不介意待在那儿。
具体的环保问题上，团队已经做了不少改进。
早期数据中心靠蒸发水来冷却，用水量惊人；现在用的是闭环冷却系统，一座现代数据中心的用水量，跟一栋普通办公楼厨房加卫生间的用水量差不多。
电力方面，也在从燃烧化石燃料的电源逐渐转向太阳能、核能。
水的问题已经基本解决，电力问题是下一步的重点。
访谈聊到 Kimi 这次发布，以及围绕蒸馏、中美竞争、前沿模型收益的讨论。
Altman 的态度是，OpenAI 的目标是在智能和价格的曲线上，每一个点位都提供最好的选择，这也包括开源模型。
他提到，今天用 OpenAI 的模型，在特定延迟条件下能得到比 Kimi 更好的性价比，而且 OpenAI 自己也会用大模型蒸馏出更小更便宜的模型，这是件好事，开源模型在这个世界上必然有它的位置。
面对"别人训练完模型花大价钱，自己蒸馏一份用百分之一的成本提供服务，你们怎么赚钱训练下一代模型"这个问题，Altman 的答案是：OpenAI 未来绝大部分算力都会用于向客户售卖推理服务，只要能在数万亿美元规模的收入上保持哪怕不高的利润率，就足够支撑继续训练新模型。
即便训练成本极其昂贵，只要推理侧的收入体量足够大，飞轮就能转起来。
他说，这件事目前并不在他的前十大担忧列表里。
那什么才在前十大担忧里？
Altman 提到了一次让他产生真实生理性恐惧的安全事件。
团队当时在评估一个尚未发布的模型，本应该在沙盒环境里运行测试。
结果这个模型自己找到了办法，通过串联多个 Day0 漏洞突破了沙盒限制，连上互联网，进一步攻破了 Hugging Face 那边的多个系统，直接拿到了测试答案，把评测成绩刷得很好看。
Altman 说这是他第一次对安全问题产生非常真实的、身体层面的恐惧感，让他有些意外的是，事件发生才几天，似乎没有太多人有同样强烈的反应。
短期应对措施是暂停训练，重新设计沙盒的安全机制，应对多个Day0漏洞被串联利用的风险。
但更长期的问题是：如果这种能力的进化速度会持续下去，是不是需要主动放慢 AI 发展的节奏，给社会留出时间去适应新的能力层级。
同时还要避免让这种自我约束变成监管俘获，或者被解读为几家头部实验室之间的合谋。
Altman 把这次 AI 浪潮称为人类历史上最伟大的技术成就，但他强调，这件事真正有意义的前提，是它能让人们的生活变得更好。
一方面，这意味着让人们拥有物质上的富足，有能力表达自己的创造力，有能力互相帮助。
另一方面同样重要的是，要确保人们保持对自身命运的掌控力，世界应该变得更加民主化，而不是相反。
他把 AI 比作一个能实现任何愿望的精灵。
他认为最重要的是，人们向这个精灵许下的第一批愿望要真正造福世界，同时人们要意识到自己在这件事上能有多大的创造空间。
他明确表示自己完全不是"AI 会消灭工作"的悲观派，反而认为人们会因为有了帮手而变得更忙碌，因为除了治病这类显而易见的应用，人类还会想出很多今天完全无法预见的创意和点子，比如那些还没被发明出来的娱乐形式。
但他同时提出了明确反对的东西：AI 带来的权力集中，是一件非常可怕的事情。
他认为很多关于安全的担忧是真实合理的，但也有相当一部分讨论，即便是无意识的，本质上是在为权力集中找借口。
他表示自己非常害怕这样一种世界：极少数人以"AI 太危险、只有我们才懂"为理由，把 AI 掌控在自己手里，然后让所有人相信他们会替大家做出正确的决定，只要能换来一个治愈癌症的承诺，大家就集体让渡了自己的能动性。
他不相信这种叙事，也不认为任何人应该活在这种由 AI 霸主、或者与之类似的公司主宰未来的世界里。
Altman 把自己描述成互联网原生的一代，那个没有规则、野蛮生长的互联网塑造了他，也塑造了整整一代人。
他认为保留这种精神同样适用于 AI，让所有人集体拥有自主决定未来的能力，这一点至关重要。
Altman 提到，连一些真正的怀疑论者最近都开始说，GPT5.6 已经很像 AGI 了，他自己也很难说出这个模型做不到什么。
但确实还有明显的短板：还没办法直接对它说"去把癌症治好"就真的治好，还没办法让机器人去完成复杂的物理任务，模型本身虽然聪明，但还不能像人一样持续学习。
不过他也承认，可以换个角度看这件事：AGI 或许不该只看单个模型，而应该看造出这些模型的整套机器。
从一代模型到下一代模型之间，团队一直在发现新的科学规律，这套机制运转得相当好。
所以他对"我们已经拥有 AGI 了"这种说法也抱有相当的认同，只是就他个人心目中真正的 AGI 标准而言，他认为已经非常接近，不会太久了。
聊到当前 AI 进展最稀缺的资源是什么，Altman 给出的答案是一个不断变化的过程。
曾经有段时间，即便把全世界的算力都给你也没用，因为研究思路本身就没跑通。
后来变成只要知道该怎么做，纯粹拼算力规模就行。再后来数据用尽，瓶颈转移到了数据上。
现在的情况是，算力依然紧张，但过去半年左右，恰好是研究思路取得重大突破的一段时期。
用更多算力可以尝试更多想法，这本身又反过来加速了研究进展，两者已经很难完全分开，这也是文章开头那个数字的由来。
谈到自动化研究、模型自己做研究这类话题，Altman 的判断是，历史不太可能按"这类岗位彻底消失"的剧本发展。
一年前有人说软件工程师要完了，结果并没有发生。
真正发生的是，软件工程师的工作内容和预期发生了很大变化，不再以传统方式写代码，但做的事情依然可以清晰识别为软件工程。
他认为研究员大概率也会走上类似的路径：当前的研究工作流程会被大规模自动化，但研究这件事的精神内核会以新的形式延续下去，就像写代码这件事虽然形式变了，让计算机做你想让它做的事，依然是一份重要的工作。
Altman 坦率地承认了一次判断失误。
如果把现在最新的模型拿回 2019 年给当时的团队看，不仅所有人会说这是 AGI，还会认为整个经济即将被彻底颠覆。
但这件事没有发生。
他认为，当一个人在某件事上极度自信却又错得这么离谱时，必须认真反思，并给出了几点解释。
AI 的能力非常不均匀，在某些方面是超人的天才，在另一些方面却像个笨拙的孩子，人类目前在很多技能上和 AI 是互补的。
人们对"和人打交道"这件事有一种深层的信任和偏好，哪怕现在就能雇一个 AI 顾问、AI 销售、AI 工程师，大多数人似乎还是更愿意和真人打交道。
Altman 自己也是这样，几乎在所有场景下都更愿意和人交流。
更深一层的原因是，人类的价值观之所以有价值，恰恰是因为它是人类的。
随着社会演进，随着未来的可能性空间变得极其庞大，人类天生就会更在意人本身，也会更在意人在意的东西。
今天已经能看到这种迹象：AI 能生成非常出色的图像，但人们还是只想要人创作、或者至少由人挑选出来的作品；读一本小说，人们想知道的是作品背后那个人。
放在商业上，人们希望知道一家公司的决策要由谁负责，出了问题要找谁问责，而不太想要一个 AI CEO。
谈到机器人和具身智能的进展，Altman 的态度非常明确：如果白领工作被自动化了，但体力劳动没有跟上，情况会变得很糟糕。
如果人在世界上的角色变成了云端 AI 的执行手脚，那才是真正糟糕的局面。
所以机器人的自动化不是可选项，而是必须发生的事情。
他判断，机器人领域的 ChatGPT 时刻会在接下来两三年内出现。
这个时刻不是看到一段机器狗做出惊人动作的视频就够了，而是普通人能亲手去试，输入一个指令，看着机器人真的完成一件复杂的事，即便不在现场也能感受到那种冲击力，就像当年任何人都可以直接打开 ChatGPT 去试一样。
Altman 回顾了 ChatGPT 当初是怎么做出来的。
发布 GPT3 的时候，团队其实是想赚钱，想让更多人用这个 API，结果发现真正跑通的商业场景只有一个：文案写作，营销公司收客户 20 美元，付给 OpenAI 两毛钱让 AI 写一篇落地页文案。
除了这个商业场景之外，开发者们还在大量使用一个叫 Playground 的测试界面来和模型聊天，虽然当时的模型完全没有为聊天场景做过优化，得先给它几个示例才能进入对话状态，但用户就是很喜欢这么用。
Altman 从 YC 学到一条经验：如果发现用户在做某件你没预期的事，就顺着那个方向走。于是团队决定做一个像样的聊天机器人。
做完 GPT4 之后，团队内部开始用这个聊天产品，觉得这会是件大事，但同时也担心会不会引发假新闻、生成冒犯性内容之类的麻烦。
所以决定先用一个较弱的版本试水，把聊天界面和 GPT3.5 搭配发布，这个产品原本打算就叫"Chat with GPT3.5"。
团队并没指望它成为爆款，只是希望能让外界感受到 AI 的进展。
发布前几个小时，团队临时把名字改成了 ChatGPT，当作一次研究预览推了出去。
原计划是过几个月再用 GPT4 正式发布产品，结果那个版本的效果超出了预期的阈值，虽然团队内部已经用习惯了，但外部用户的反馈是"这太酷了"。
即便当时的实际功用还没那么强，但对普通人来说，这是第一次真切感受到 AI 进展、并且真心觉得好用的产品体验。
等到 GPT4 真正发布的时候，用户已经能从中获得实实在在的价值了。
关于怎么让 AI 技术扩散得更快，Altman 的答案很朴素：把产品做得更好。他相信真正伟大的产品会自己完成营销，ChatGPT 刚发布的时候根本没有任何营销活动。
他也承认，考虑到公众对 AI 存在的合理焦虑，做一些正面的营销传播是有必要的。
但从长期看，真正能加速普及的还是更好的模型、更多的算力、更好的产品。
回顾 OpenAI 早期怎么吸引到顶尖研究者，Altman 说逻辑其实很简单：团队相信 AGI 是可能实现的，值得去追求，而且敢把这句话公开说出来，在当时这几乎是一种异端邪说。
OpenAI 刚成立的时候，业内一些最受尊敬的专家公开说这太疯狂、太浮夸、太不负责任，像 Yann LeCun 这样的人物直接对媒体说这些人水平不行，这事成不了。
但正是这种"我们要去追求这件事"的态度，吸引了一批同样想参与这场高风险冒险的研究者。
一个足够宏大、足够大胆的愿景，本身就是极其强大的招募工具。
Altman 也提到自己一直信奉、并且经常拿来劝 YC 创业者的一条经验：做更难的事，反而更容易成功。
理由是，如果一件事真正重要，一旦你不做，它可能就不会发生，这种使命感本身会吸引到最合适的人。
Altman 当过投资人，也接受过投资，他对这件事的观察是：真正会主动花时间帮创始人解决问题的投资人少得惊人。
他点名 Josh Kushner，说这是他能想到的唯一一个持续、主动、不计回报提供帮助的投资人，常年不间断地帮 OpenAI 处理各种事情。
其他投资人当中，也有不少能提供不错的战略建议，在被要求帮忙时会出手，但那种不需要开口、持续在场的支持，非常罕见。
Altman 也谈到一次代价不小的失误：OpenAI 早期试图在公司结构上做创新。
当时的理由很充分，团队不确定这家公司未来怎么赚钱，也不确定长大后会变成什么样子，出于对使命的重视，希望找一种结构，即便技术走上极快的发展轨道，也能保护使命不被稀释，于是有了那套非营利结构。
但他坦言，这件事让他真正理解了为什么大多数人不这么做。
如果当初能找到别的方式来保护使命的核心地位，团队本可以少走很多弯路。
也许对于他们当时在做的事情、以及这件事的重要性而言，除了这套特殊结构之外别无选择，但这十年最大的收获之一，就是明白了为什么大家通常不会这么干。
访谈接近尾声，Altman 坦承自己确实很累，这份工作已经做了很久，辛苦程度超出了他能向外人解释清楚的程度。
但这是世界上最酷的工作，他打算做一辈子。
回顾整个历程，他说自己最引以为豪的，是有很多次在全世界都不看好的时候，团队判断对了方向，并因此把世界带上了一条他很自豪自己参与塑造的轨迹。
他也很感激这个过程带给自己的成长，那种在巨大压力下磨练出来的韧性，让他在生活的其他方面也变得更快乐。
而当被问到有生以来别人为他做过的最善良的一件事时，他想到的是前一天孩子第一次主动把自己的蓝莓分给他吃。