•
OpenAI奧特曼最新訪談：未來將投入兆美元，不想成為上市公司CEO
2025年的最後一個月，AI行業的巨頭們都試圖用驚人的成果重塑自己的“地位”。Google發佈Gemini3.0後，一向高調的塞姆·奧特曼在OpenAI內部拉響了紅色警報，隨後緊急發佈GPT5.2，不久前還承諾投入上兆美元擴增基礎設施。
過去一年，巨頭和大廠們始終籠罩在“被超越”的危機感中。為了在模型能力上領先對手，各方從團隊配置到資本投入上，全面展開激烈競爭。保持穩定的迭代節奏，幾乎是AI行業巨頭們對外踐行的最鄭重的承諾。
國內同樣如此。字節豆包先推出引爆社交網路的豆包手機，最近又宣告豆包大模型DAU超過1億，成為國內首個日活過億的原生AI應用。這讓投入巨大致力於成為超級入口的阿里千問APP，不免有些失落。反擊或許正在醞釀中。
阿里系維持一貫的飽和式投入。聲勢浩大地上線千問APP後，接著螞蟻發佈靈光、阿福（一款AI醫療應用），從基礎模型到光譜最大的垂直應用領域，全面輻射使用者群體。
作為國內的獨立模型廠商們，也加速了資本上市的戲碼，智譜、MiniMax先後遞交招股書，搶灘IPO。AI六小龍裡的另一位Kimi，也有傳出明年上市的計畫。
2025年年末的AI敘事，全面進入資本比拚的加速期。在奧特曼和Big Technology的這次訪談中，奧特曼回溯了許多重要話題，比如OpenAI的戰略、產品目標、支付超過1兆美元基礎設施建設的能力、上市計畫、失業等。
奧特曼的言論，對國內使用者和AI廠商而言，或許是個重要的參考。有趣的是，儘管奧特曼提到OpenAI將企業端作為戰略優先順序，但並沒有回答它和老對手Anthropic相比的優勢。大家傾向認為前者戰略更偏向C端使用者，後者更偏向企業端，今年營收50億美元，企業端收入遠超OpenAI。
我們翻譯整理了這期視訊訪談，一些重要觀點如下：
1、下一代模型ChatGPT6的時間表，OpenAI目前尚不清楚。
2、C端消費者目前需要的並非更高的智能水平，B端企業才需要更高的智能水平，OpenAI會分化出兩條線，採取不同的方式改進模型。
3、接下來的一年，企業端使用者增長將成為OpenAI重點方向。基於企業端使用者需求，OpenAI在開拓一種新的類似雲業務的軟硬一體的服務。
4、關於OpenAI明年會上市嗎，奧特曼未給出明確答案，但暗示未來也會上市。
5、OpenAI正在研發一系列小型硬體裝置，其中一個沒有螢幕，和手機大小差不多。
為了文字閱讀方便，在不影響原意的情況下，我們做了適當處理和刪減。
01. OpenAI下一年的優先順序，瞄準企業端
主持人：Gemini 3 發佈後，OpenAI似乎拉響了紅色警報，據我所知，這是OpenAI 首次沒有明顯的領先優勢。你怎麼看？
Sam：關於“紅色警報”，我們認為這類事風險相對低，但很常見。當出現潛在競爭威脅時，保持警惕並迅速行動是好事。今年DeepSeek出來時，我們也啟動了紅色警報。
疫情時有句諺語，早一點行動，就比晚行動更有價值。到目前為止，Gemini 3並沒有產生我們擔心的那種影響，它和DeepSeek一樣，暴露了我們在產品與策略上的短板，我們正在快速補上。
我們不會在這一緊急狀態里奇待太久，以往這種情況通常持續6-8周。我們剛剛上線了一個新的“圖像生成視訊”模型，上周發佈了GPT-5.2，我們會保持每年一次或兩次的大版本更新節奏。這也是確保我們能持續領先的部分原因。模型能力會變得更強，但人們選擇使用某個產品，不論C端還是B端使用者，遠不止模型本身。
我們預期競爭會加劇，所以一直在搭建“讓產品真正好用”的能力，我相信企業端在未來幾年會成為重要增長點。人們最終會希望使用“同一個AI平台”。ChatGPT在消費端的強勢，也在反哺企業端。
主持人：ChatGPT的周活使用者從年初約4億增長到8億，但另一方面，像Google這樣的公司有巨大的分發優勢。你認為模型會不會商品化？
Sam：我認為，“商品化”不是理解這件事最合適的框架。在日常使用上，各家模型廠商會越來越接近，但在最前沿、最複雜的問題上，差距會非常明顯。真正的經濟價值，還是會由“處在前沿的模型”創造的。
主持人：你上周末在紐約和一些新聞編輯、CEO吃午飯時說，企業端在明年會成為OpenAI的重要類股。為什麼？你們與 Anthropic相比如何？很多人會說這是OpenAI從消費端轉向企業端的“戰略轉向”。
Sam：我們一直都在關注企業端，只是有幾個原因，導致節奏不同。第一，早期模型還不夠穩健，不足以滿足大多數企業場景，現在開始接近了。第二，我們當時看到一個很清晰的消費端機會，這種機會非常難得，如果在消費端獲得優勢，會讓企業端的勝利變得容易得多。
今年我們的企業端使用者增長速度甚至超過了消費端。基於當前模型水平以及明年可能達到的能力，我們認為現在是建立一個非常重要的企業業務的時機。編碼是目前最大的企業應用，但也有其他垂直領域正在快速增長。我們也開始聽到一些企業說，想要一個統一的AI平台。
主持人：那個垂直領域？
Sam：金融......就我個人而言，科學領域最讓我興奮。
主持人：你們有個指標 GDPval（一項全新評估指標，用於衡量模型在44 個職業領域中具有經濟價值的現實任務上的表現），根據你們自己公佈的結果，在知識工作任務上，GPT-5大約有38%的任務上和頂尖行業人士持平， GPT-5.2 Thinking 能實現 70.9%的任務。這意味著最新模型在很多知識工作上已經接近專家水平，這會帶來什麼影響？
Sam：你問到垂直領域，我覺得這是個好問題。但我剛才有點停頓，是因為腦子裡閃過，企業要做的事情大概有四十多類——做 PPT、法律分析、寫各種文件……GDPval 的核心在於，在很多“小而清晰”的任務上，模型的輸出結果是否會被專家更喜歡。
企業裡大量工作恰恰是這種範圍明確、可拆分的任務，它不是那種開放式、協作式，從零創造新產品的複雜活動。但如果你擁有一個“同事”，可以把數小時的任務交給它，然後7成機率下你更喜歡它的結果，成本也低。這已經非常驚人了。
假如回到三年前（GPT-3 發佈時）讓人預測“三年後會到這個水平”，大多數人都會說絕不可能。現在企業要做的，是把這些能力真正嵌入工作流程，不只是寫程式碼，而是幾乎所有知識工作任務都可以“外包”給 AI。這需要時間，企業也需要摸索如何整合，但影響會很大。
02. AI的終局是什麼？ChatGPT的介面變化應該更快
主持人：假設 ChatGPT和Gemini使用者體驗相似，OpenAI最大的威脅是不是來自Google有無數入口，能把Gemini分發到各個介面上？
Sam：Google仍然是一家強大的公司，如果Google在2023年真的下決心“嚴肅對待我們”，我們可能會處在非常不利的位置。他們完全有能力把我們打趴下。但當時他們的AI產品方向有所偏差。Google擁有科技史上最好的商業模式之一，很難主動放棄，把AI直接“擰”進傳統網頁搜尋裡，我認為很難像很多人想的那樣順利，當然我也可能是錯的。
在即時通訊或郵件裡加AI，你可以讓它幫你總結資訊、草擬回覆，確實會更好一點，但我認為終局絕不是這樣。終局更像是，你有一個非常聰明的AI作為你的代理，它跟別人的代理溝通，決定什麼時候該打擾你，什麼時候不打擾。那些決定它能自己處理，那些必須來問你。搜尋、生產力工具也一樣。
我認為，這些新產品會比我們想像中來得更慢，但我們會看到在主要領域裡出現一些徹底圍繞AI建構的新產品，而不是“加了AI的舊產品”。這也是Google的一個弱點，即便它有巨大分發優勢。
主持人：我本來想問你，未來一兩年ChatGPT的形態會變成什麼樣，是不是就會朝這個方向？
Sam：坦白說，我原以為，ChatGPT的“外觀”變化會更大。最初上線時，它更像一個研究預覽，並不是一個產品，現在雖然更精緻，但整體變化並不大。人們已經習慣用簡訊和朋友交流，這個介面天然好用。我低估了當前介面“通用性”的力量。
不過我認為，AI未來應該能為不同任務生成不同的互動介面。比如你在聊資料，它就應該以不同方式把資料呈現出來，並讓你用不同方式互動。我們現在有一點點類似能力，比如Canvas，但應該更互動、更“對象化”，現在的體驗還是“你一句我一句”的對話。
理想情況下是，你們圍繞同一個對象持續討論，介面隨著新資訊不斷更新，你提出更多問題、更多想法，系統也更主動。長期看，它可能會理解你一天要做什麼，並持續在後台為你工作。它在後台持續為你推進事務，並給你推送更新。
你能從人們使用Codex的方式裡看到這種趨勢，這可能是今年最令人興奮的事情之一。Codex指向了我對未來互動形態的很多期待。不過說出來有點尷尬，過去三年 ChatGPT聊天介面基本沒變。
03. “我不想成為一家上市公司的CEO”
主持人：你們大約有1.4兆美元的承諾要投入算力基礎設施。你自己也公開說過，如果人們知道你們能用算力做什麼，就會想要更多。能不能展開一說下，這麼多算力用來做什麼？
Sam：我們最興奮的一件事，就是用大量算力去探索新的科學問題。我相信科學發現是“讓世界對所有人變得更好”的最高階方式之一。如果我們能把巨量算力投入到科學問題上，發現新的知識，那怕現在才剛剛開始，都會非常重要。
從歷史看，一旦趨勢線從x軸抬頭，我們就知道如何把它做得越來越好，但這需要海量算力。我們會加大投入，做新的科學發現，攻克疾病等。
很難精準框定我們現在每天用多少算力去生成AI，但我想做一個很粗糙、不嚴謹的估算。假設一家前沿AI公司每天可能生成大約10兆token，有些可能更多，但我不認為有人達到了千兆等級。世界上有80億人，平均每人每天輸出的“token”數大約是2萬，這基本全是瞎估。
那麼，如果AI模型每天輸出的token數超過全人類智能輸出的總和，再到 10 倍、100 倍……這當然有點荒謬，不過你也可以想像下，地球上的“智力計算”有多少來自人腦，多少來自AI，兩者的相對增長率多少。
主持人：你知道現在對算力的需求有多大嗎？如果OpenAI把算力翻倍投入科學或醫學，一定會帶來突破嗎？
Sam：從一些跡象來看，這種需求會發生。模型每提升一個台階，使用意願就顯著增加，每當把成本降下來，使用需求就會再躍升。所有這些都表明，人們會用這些模型去做很多非常棒的事情，未來的需求會沿著少數關鍵軸，能力、速度、成本、可靠性等持續上升。
主持人：能否舉個例子，某個科學家有問題X，如果投入算力Y就能解決，但今天還做不到？
Sam：今天早上 Twitter 上一個有趣的討論，一群數學家互相回覆，說他們原本非常懷疑 LLM 能在數學上真正有用，但GPT-5.2對他們來說跨過了一個邊界。它做出了小證明，發現了一個小結論，正在改變他們的工作流程。然後越來越多人跟帖，說“我也是”。這模型才發佈五天左右，但數學、科研圈裡似乎出現了某種“被點亮”的感覺。這會很有意思，值得看它接下來會如何發展。
過去一年，我們把算力規模提高了三倍，明年還會提高大約三倍。之後收入增長可能會更快一些，但總體上確實與算力規模大致同步。我們從來沒有遇到過“算力無法變現”的情況，如果現在有兩倍算力，我們大概就能做出兩倍收入。
主持人：既然你提到數字，我想聊聊財務。收入在漲、算力投入也在漲，但投入仍然跑在收入前面。外界有報導說OpenAI到2028、2029年可能累計虧損約1200億美元，之後才會實現盈利。這個轉折怎麼發生？
Sam：隨著收入增長，推理會成為算力需求裡越來越重要的部分，並最終“蓋過”訓練消耗。我們確實會在訓練上花很多錢，但隨著規模擴大，推理會越來越主導。當然，我們仍會繼續擴充訓練規模。如果我們把訓練投入降下來，確實會更早盈利，但我們決定下注，非常激進地投入訓練更大的模型。
主持人：全世界都在問，收入和支出怎麼平衡？今年收入可能200億美元，而長期基礎設施承諾達到約1.4兆美元。把這兩者放在一起，人們會有困惑。你能否把這套數學講清楚，終結外界的疑惑？
Sam：這很難。人類對指數增長的直覺通常很差，你可以在腦子裡對很多數學問題有直覺，但“指數增長”往往做不好。這可能是因為進化過程並不需要這一點。我們的判斷是，我們的收入曲線還能在很長一段時間裡保持非常陡峭。
我們現在仍然受制於算力約束，算力一增加，收入線就會被強烈拉動。只有當我們出現“有大量閒置算力，且無法在單位算力上盈利變現”的情況時，才會合理地說，好，我們可能超建了。
但我們已經用各種方式做過測算，同時，硬體層面（flops/美元）也會繼續變得更高效。我們看到消費增長、企業增長，還會有許多尚未推出的新業務。算力是血液，我們會設定一些“檢查點”，如果和數學略有偏差，也有一定的調整空間。但直到今天，我們一直處在“算力赤字”。
主持人：所以你的計畫是，訓練成本佔比會下降，而你們通過企業端、訂閱付費、API 等方式把收入增長到足以覆蓋基礎設施？
Sam：目前計畫確實如此。
主持人：最近市場似乎有點“失控”，我覺得一個恐慌的點是，通常公司會在有可預測收入時舉債，去建設，然後用穩定現金流償債。但AI行業收入不可預測，卻開始大舉債務，你怎麼看？
Sam：首先，我覺得市場更早之前才是真正“失控”。今年早些時候，我們只是去見某家公司，第二天那家公司股價就漲15%～20%，這太瘋狂了，也很不健康。現在市場有了理性，我反而更開心，因為之前那種熱度讓我感覺我們正走向一個不穩定的泡沫。
關於債務，我們確實知道整個行業在投入基礎設施，最終一定會有人從中獲得價值。雖然一切仍然很早，但我認為現在沒人懷疑AI會創造價值。從這個意義上看，用某些形式融資是合理的。我也認為未來會出現更多金融工具，其中可能有些很離譜，因為人們會不斷“創新”融資方式。但總的來說，讓金融機構借錢給資料中心建設這件事本身並不奇怪。
主持人：市場的擔心在於，如果進展不再像現在這樣快，比如模型能力開始飽和，那麼基礎設施的價值可能低於預期，資料中心最終當然有人會用，但也可能被低價清算。
Sam：我確實認為途中會出現一些繁榮與蕭條。不過在我看來非常清楚的一點是，模型會變得更好，這一點信心很高。即便模型不再進步，世界的慣性很大，人們適應新事物需要很久。就算把模型停留在GPT-5.2的水平，它所代表經濟價值的“潛能”（overhang）仍然巨大，這一點還遠沒有釋放出來。
我以前可能默認，如果模型裡蘊含巨大價值，世界很快學會如何部署並釋放這些價值。但現在看起來，尚未開發的“潛能”會非常巨大。只有少數群體，例如一部分程式設計師，會迅速因AI工具提升生產力，很多人仍然在問和GPT-4時代差不多的問題。這個“潛能”會帶來很多後果，我們還沒完全想清楚它會怎樣展開，這與我幾年前的預期非常不同。
主持人：模型能力已經強很多，但很多企業說他們在實際落地時並沒有得到預期回報，這讓我困惑，是不是因為組織慣有流程阻礙了價值的兌現？
Sam：確實，人們改變工作流的速度遠遠比我想像的慢。很多人習慣了把某些任務交給“初級同事”去做，而非AI。我自己也仍然在用相當傳統的方式工作，儘管我知道我可以更深地使用AI。
主持人：說到公司層面，明年會IPO嗎？
Sam：我不知道。
主持人：你們想成為上市公司嗎？在資金不足前會上市嗎？
Sam：這裡面牽涉到很多因素。我確實覺得，公開市場能參與價值創造會很酷。相比以往的任何公司，我們會非常晚才上市，做一家私營公司固然好，但我們需要大量資本。我們遲早會突破股東人數限制。
主持人：你個人想當一家上市公司的CEO嗎？
Sam：一點也不想。不過，我對OpenAI成為上市公司，某些方面還會感到興奮。另外一些方面會讓人惱火。
04. 別再盯著AGI這個詞了
主持人：你們正在研發硬體裝置，我聽說它的大小和手機差不多，沒有螢幕。為什麼不能做成一個應用程式呢？
Sam：首先，我們會推出一個小型裝置系列。我認為人們使用電腦的方式會逐漸發生轉變，從一種被動操作轉變為一種非常智能、主動的工具，它能夠理解你的整個生活、你的處境、你周圍發生的一切，並且非常清楚你周圍的人。
螢幕的存在限制了你的操作方式，鍵盤的設計初衷就是為了降低資訊輸入的速度。這些長期以來都是不加質疑的假設，但確實有效。然而，隨著全新技術的出現，它開闢了新的可能性空間。
主持人：你之前談到過建構雲平台。我們收到一位聽眾的郵件，內容如下：“我們公司正在從 Azure 遷移，直接與 OpenAI 整合，以支援產品中的 AI 體驗。我們的重點是將數兆個用於驅動AI體驗的token流插入整個技術堆疊。” 你們有計畫建構一個龐大的雲業務嗎？
Sam：數兆枚token的確數量龐大。企業已經明確告訴我們，他們想從我們這裡購買多少token，而我們預計到2026年仍將無法滿足需求。
但我們的策略是，大多數公司似乎都想找到像我們這樣的公司，說：“我想讓我的公司應用人工智慧。我需要一個為我的公司定製的API。我需要一個為我的公司定製的ChatGPT Enterprise。我需要一個能夠運行所有這些代理的平台，並且我的資料安全有保障。我需要能夠將數兆個token匯入我的產品。我需要能夠提高我所有內部流程的效率。”
而我們目前還沒有一個完美的一體化解決方案來滿足他們的需求，我們希望能夠做到這一點。
主持人：你的目標是讓它與AWS和 Azure等世界級服務並駕齊驅嗎？
Sam：我覺得這跟那些不一樣。我並沒有打算提供所有服務。人們會繼續使用他們“網路雲”，我認為還會出現另一種情況，公司會說，“我需要一個人工智慧平台來處理所有內部事務，以及我想提供的服務等等。”從某種意義上說，它仍然依賴於物理硬體，但我認為這將是一種截然不同的產品。
主持人：我最近在規劃一次包含很多細節的旅行，和ChatGPT連續聊了好幾周，我可以在新窗口裡說“我們接著聊這次旅行”，它就能自動接上文，記得我在做什麼，去那兒，甚至我在為旅行做體能計畫，它能把這些都綜合起來。Memory未來能強到什麼程度？
Sam：現在還很難想像，因為人類的“記憶上限”很明顯。就算你有世界上最好的私人助理，他也不可能記住你說過的每一句話，不可能讀過你所有郵件和你寫過的每份文件，也不可能每天關注你所有工作，並記住所有細節。沒有任何人能以這種程度參與你的生活。但AI可以。
我們內部經常討論，現在的Memory其實還很粗糙，很早期。大概相當於“GPT-2時代的記憶”。真正強的版本應該是，它能記住你生活中的每一個細節，並據此完成高度個性化。不僅記住事實，還能捕捉那些你自己都沒意識到的小偏好，AI會從互動裡學到這些。我認為這會非常強大，也是我最希望在2026年看到更大突破的方向之一。
我們會和機器人建立真正的“關係”，這可能是被低估的一面。“關係”，“陪伴”可能也不完全貼切，但確實有很多人想和AI建立深度連，這超出了我之前的預期。即使有些人嘴上說不在乎，他們往往也會更喜歡“溫暖一點”的版本。
主持人：所以你的想法是讓大眾自己來決定？
Sam：對，但我們其實並不知道“應該走多遠”“應該允許到什麼程度”，會給人相當多的個人自由，不過也會設一些邊界。比如不會讓AI去勸使用者把它當作“排他性的戀愛對象”之類的。我確信別的服務會這麼做，因為它越有“黏性”，賺的錢越多。
主持人：你曾說，GPT-5發佈後，在幾乎所有方面都比我們更聰明。那是不是AGI？如果不是，AGI這個詞是不是已經變得沒意義了？
Sam：這些模型確實非常聰明。從原始智力角度看，最近也有很多說法， GPT-5.2 的 IQ 達到 147、144 或 150，總之是個很高的數字。很多專家說它能做非常驚人的事，在許多領域提高效率。我們也聊過它在知識工作上的表現。但你還沒看到一種關鍵能力，模型意識到“我不會”，然後自己去學習、去理解，等下次再回來把它做好，那種更像“幼兒學習”的能力。我覺得這是我們接下來需要建構的重要部分。
AGI這個詞雖然我們很難停止使用，但它的定義非常模糊。有人認為已經達到了，有人認為還沒，隨後越來越多人認為達到了。
我個人其實很希望我們能繞開這個詞，因為從來沒有一個讓我滿意的定義。一個我更願意討論的新詞是“超級智能”。超級智能的候選定義是，當一個系統能比任何人更好地勝任某些頂級複雜角色，比如當美國總統、大公司的CEO。
主持人：我在Substack《Blood in the Machine》裡看到一句話：Chatbot來了以後，我的工作變成“管理機器人”，而不是管理一支人工客服團隊。這聽起來會很常，但他接著說：當機器人訓練得足夠好、能提供“足夠好”的支援之後，我就被裁了。這會不會越來越常見？
Sam：我同意，短期內很多人會成為“管理一堆AI的管理者”。但就像任何一個好的管理者一樣，理想狀態是你的團隊越來越強，你自己會承擔更大的範圍與更多責任。
我不是那種“短期就業末日論者”，但我確實擔心過渡期會在對一些行業的從業者來說非常艱難。未來的“工作”，或者說2050年我們每天在做的事情，肯定會和今天不一樣，但我也相信不會出現“所有人都無所事事、經濟徹底崩掉”的局面。
我經常想，如果把 OpenAI內部的很多功能都自動化，甚至出現一個“AI 聯合 CEO”會怎樣？想像一下，世界上每個人都相當於坐在一家AI公司的董事會裡，告訴AI CEO該做什麼，如果它沒做好就把它“解僱”。這樣就有了治理（governance）與監督，而AI CEO的任務是執行董事會意志。對未來的人而言，這也許會被視為一種合理的組織方式。 (白鯨實驗室)