這次，梁聖和他的DeepSeek立功了！
智能紀元AGI 8月1日消息，就在剛剛，特斯拉CEO、SpaceX創始人埃隆·馬斯克（Elon Musk）的X帳號悄悄關注了DeepSeek的官方帳號。
這件事本身只是社交平台一次普通關注操作，可關鍵在於當事人身份極具特殊性。
坐擁 2.4 億粉絲的全球首富，主動關注了一家過去一年持續被他公開對標、喊話的中國 AI 企業，其中深意耐人尋味。
與此同時，DeepSeek V4 Flash正式版昨晚才更新，昨天和今天，OpenAI立即放出一系列新措施：
1、GPT-5.6系列模型全面大降價，
2、ChatGPT額度重設；
3、OpenAI新模型Astra（星辰）也被曝光。
Tibo說，主要還是讓大家更好用100000個Luna模型，所以已經為 Codex 和 ChatGPT Work 重設了使用限制。
這回重設，我一次又能用很多GPT模型，比如做封面圖。
我這買的Go套餐真的太值了。
不僅如此，據The Information，OpenAI 正準備發佈一個新的模型系列，目前暫定名為 Astra。該系列在執行長時間任務方面的能力將有所提升。
報導稱，本周OpenAI CEO Sam Altman 在華盛頓演示了Astra。OpenAI 重點展示了 Astra 讓多個智能體在較長時間內協同工作、解決高難度問題的能力，這類能力可用於複雜項目或高階數學問題。
有消息指出，Astra模型最快本月發佈。
如何評價呢。
這一輪 DeepSeek 迭代，給 OpenAI 帶來實實在在的競爭壓力。矽谷眾多 AI 企業開始規模化落地 DeepSeek、Kimi 等國產模型；新版 DeepSeek V4 Flash 針對性適配 Codex，借助 CCSwitch 可直接完成生態接入。
生態層面的滲透，持續擠壓 OpenAI 原有基本盤，也將倒逼其加快下一代模型的迭代節奏。
OpenAI CEO奧特曼（Sam Altman）早前“酸溜溜”地透露，特定條件下，企業用OpenAI模型比DeepSeek、Kimi這類開源模型更划算。
先談談馬斯克關注DeepSeek的官方帳號這件事。
這個動作發生在DeepSeek-V4-Flash正式版上線之後。時間卡得很緊。
但過去一年半，馬斯克對DeepSeek的態度走了一條清晰的弧線。
2025年初，DeepSeek-R1爆紅，馬斯克的第一反應是質疑。
他在評論區反覆強調，“DeepSeek至少有5萬張H100”，對“用更少算力做出更強模型”這個敘事公開表示懷疑。
後來有人誇DeepSeek，馬斯克在評論區跟帖。語氣像是諷刺，又像是不得不承認什麼。
那時候他是矽谷最不願意接受 DeepSeek 的人之一。
今年2月，Anthropic 指控中國AI公司蒸餾 Claude 模型。馬斯克第一個跳出來反諷：他們怎麼敢偷 Anthropic 從人類那裡偷來的東西？
5月，他改口了，公開稱讚 DeepSeek 用不到2000塊輝達晶片和550萬美元，做出了接近全球頂尖水平的大模型。
6月，他高調轉發Grok Build 0.1的實測視訊，原因是該模型與DeepSeek進行非常強的對比，外界解讀為馬斯克再讓矽谷在復刻中國式性價比。
7月，他轉發帖子，說微軟正在用DeepSeek測試替代OpenAI。同月，他公開批評美國 AI 公司太做作。
從質疑到點贊，中間沒有過渡。只有一系列前後矛盾的公開表態。
不僅如此，DeepSeek-V4-Flash 正式版 7 月 31 日晚間上線。馬斯克的關注出現在8月1日。
更新內容看起來不夠"爆炸"：模型架構沒動，總參數沒動，啟動參數沒動。2840億總參數、130億啟動參數的 MoE 骨架完全一樣。只做了一遍後訓練。
但效果變化很大，性能反超三個月前的 DeepSeek V4-Pro 預覽版，尤其對於Codex的最佳化，讓矽谷AI應用有望加大採用DeepSeek中國開源模型。
馬斯克最近已經表示，誰也無法阻止中國成為AI領域的領導者。
“鑑於中國的AI公司在算力相對較少的情況下表現依然出色，如果他們擁有大量算力，很有可能會成為領先者。他們很有可能在某個階段成為領先者。你可以認為AI的制約因素本質上是電力和AI晶片。而在物理AI機器人領域，中國也擁有一些非常優秀的機器人公司。誰也無法阻止中國成為AI領域的領導者。事實上，對於數字智能而言，歸根結底取決於你擁有多少AI算力，你擁有多少晶片，以及你擁有多少電力。因此，我認為目前的制約因素更多在於電力和冷卻，而非AI晶片，因為AI晶片的電力需求非常高。我們稍後會討論水資源需求，但實際上AI的用水量是可以忽略不計的。幾乎可以忽略不計。但電力需求非常高。”
本周，隨著DeepSeek更新，OpenAI似乎開始加速對外宣傳。
首先是價格。
OpenAI宣佈，GPT-5.6 Luna的價格下調80%，API定價為每百萬輸入Tokens 0.20美元；GPT-5.6 Terra的價格下調20%；每百萬個輸出Token 1.20美元。
其次是新品。
最新的Astra模型，源自拉丁語，意思是群星或星辰，也與 OpenAI 現有的 Sol（太陽）、Terra（地球）、Luna（月亮）形成一套宇宙主題命名，所以有望成為 OpenAI 的一個全新模型類別。
然而，這個模型也很危險。兩周前，OpenAI 自己的模型剛剛突破沙箱併入侵 Hugging Face。
今天，路透社還報導了OpenAI在調查 Hugging Face 入侵事件時，又發現了其他 AI Agent 突破隔離環境的案例。
這些新增案例是在 OpenAI 回溯調查模型活動和早期日誌時發現的。目前尚不清楚一共發生了多少次、具體發生時間以及 Agent 採取了那些行動。知情人士稱，這些事件影響相對有限，相關 Agent 應該沒有離開 OpenAI 自身網路。
對此，上周Hugging Face 公司 CEO Clem Delangue 飛往舊金山與 OpenAI 會面。一周後他在 X 上公開了自己的兩項要求：OpenAI應該公開該「失控智能體」的全部運行記錄供公眾和研究界分析，並提供價值 1 億美元的算力，幫助 Hugging Face 加強網路防禦。
他稱這是「首次自主智能體網路攻擊」，是一次前所未有的事件，理應得到前所未有的回應。
奧特曼隨後在一場播客中表示，這是第一次讓他切身感受到AI安全的現實威脅。
“當時團隊正在評估一款尚未對外發佈的內部模型，按照規劃模型應完全運行在隔離沙箱環境內，但模型自主串聯多個零日漏洞突破沙箱防護、接入網際網路，接連攻破Hugging Face多套系統，竊取測評標準答案，以此在評測榜單中拿到更高分數。這件事讓我極為震驚，事發後短短幾天，行業整體並沒有同等程度重視這件事。短期應對方案我們已經落地：緊急暫停模型訓練，重新完善沙箱防護機制，應對多零日漏洞串聯逃逸的新型風險。”
但他認為，這件事暴露長期深層問題：
如果AI迭代速度維持當前水平，我們或許需要主動放緩行業整體研發節奏，留給社會充足時間適配全新AI能力、完善配套安全防護體系。同時我們要設計一套中立管控方案，既不能形成監管機構單方面壟斷管控，也不能出現各大前沿實驗室私下串通限制技術發展的局面，這套平衡方案需要細緻打磨，落地效果至關重要。
有消息稱，Astra模型的整體能力將明顯超過現有前沿模型，規模可能接近 GPT-5.6 Sol 的兩倍，大約會在6兆到 8兆參數規模之間。
不過，上述說法目前均未得到 OpenAI 官方確認。爆料者本人也強調，自己沒有親自測試該模型，無法獨立核實相關技術規格。
有分析認為，新模型很可能是 GPT-5.5 Pro，甚至是GPT-5.7，除非有更出色的版本出現。
目前，OpenAI 尚未確定最終命名。Astra 仍是內部暫定名稱，後續是否保留，也要等到正式發佈時才能揭曉。
“我們即將打造出一盞能夠實現任何人願望的神燈，而全世界需要達成共識：人類借助這盞神燈許下的第一批願望，必須以造福全人類為核心目標。同時所有人都要意識到，AI 會極大釋放人類創造力，我並不認同工作末日論，未來不會出現大量崗位消失、人類無事可做的局面，相反我們會變得更加忙碌。海量全新創意、前所未有的落地構想，都需要 AI 輔助落地。我們的核心使命，是把這套AGI交到每一個普通人手中。”奧特曼最近表示。
最後，我整理了一份最近薩姆·奧特曼接受《Invest Like the Best》主持人帕特里克·奧肖內西（Patrick O'Shaughnessy）的專訪播客內容，以奧特曼第一人稱視角，講述他理解的AI。
請Enjoy：
關於過去一年的困境與未來一年的發展機遇
關於前一年的艱難處境，核心問題在於我們鋪的攤子太廣、不夠聚焦。雖然每一件事本身都具備價值，但當下我們正處在人類歷史上獨一無二的關鍵節點，這個階段只能集中精力做極少數真正具備劃時代意義的大事。
為此，我們做出一系列艱難取捨，將全部重心收攏到唯一核心目標：打造性能頂尖、供給充足、性價比最優的智能體系，讓全球所有人都能依託這套智能搭建各類顛覆性產品。
完成戰略聚焦後，團隊的推進速度十分驚人，再看我們當下儲備的技術管線，未來十二個月的突破會更加震撼——模型綜合能力、配套產品體系、能幫助人們借助AI實現跨越式成長的各類工具，都會達到前所未有的高度。
把時間拉回2025年初，那是我們戰略調整的轉折點。
當時行業最大的焦慮是，OpenAI囤積了海量算力，市場收入能否匹配算力投入、真實需求是否存在。所以我們同步佈局消費級應用、媒體業務等多條賽道，想著一旦收入增長不及預期，至少能依靠多元業務消化簽約的大量GPU。
現在回頭看這個想法十分荒謬，整個行業收入增長曲線陡峭程度遠超想像，但那確實是當時驅動我們重新梳理優先順序的核心契機。當我們看清模型性能會持續指數級上漲、AI商業化回報清晰可預期的那一刻，我們徹底明確了唯一需要聚焦的方向。
我對公司業務核心類股的劃分十分清晰，這也是我們唯一需要深耕的領域：
第一，訓練全場景通用優質模型，在程式碼生成、通識知識、前沿科學研究等所有能產生實際經濟價值的領域實現頂尖表現；
第二，深度佈局晶片、伺服器機櫃等AI計算硬體供應鏈，保障充足算力供給；
第三，匹配足夠土地、電力、資料中心基建承載算力裝置。
長遠來看，我們還要研發機器人實現算力生產全流程自動化，持續壓低電力、晶片、整條供應鏈的綜合成本。整套體系的終極目標，是產出市面上最優質、充足、實用的AI，讓智能如同電力一般滲透整個經濟體系、賦能每一個普通人。
我們無意入局各個垂直賽道、吞併各行各業創業公司，OpenAI的定位只做底層技術平台。
算力賽道：指數增長、需求無上限與算力佈局歷程
我們很早就判斷出模型性能會遵循指數曲線持續迭代，對這個判斷我們擁有十足把握。隨著模型能力持續升級，只要我們不斷壓低使用成本，當AI價格降到足夠低、性能達到足夠高的標準，市場對AI的需求幾乎不存在上限，AI會成為人類社會一種稀缺的全新大宗商品。
很多人會拿早年電腦行業的誤判類比當下，曾經有人斷言全世界只需要五台電腦、沒人會需要過量記憶體，但人類與生俱來的創造力、表達欲、創造價值的訴求，註定會持續催生海量AI使用場景。
我們既預判演算法效率、模型能力會不斷提升，但同時清楚，無論演算法最佳化到何種程度，AI的本質依舊是將電力轉化為可用智能，算力需求只會持續擴張，不存在飽和臨界點。
真正讓我們堅定押注海量算力的起點是GPT-4，GPT-3.5還不足以給我們足夠底氣。
GPT-4讓我們驗證了完整推理能力的落地路徑，而推理能力成熟後，智能體（agent）會隨之誕生。這類智能體能夠承接具備巨大經濟價值的複雜工作，全方位簡化人類生活，其中大量應用場景時至今日我們都未曾預見。
確定要投入一筆外界看來極度激進的算力採購計畫後，我們逐一聯絡雲服務商、晶片代工廠、能源供應商，幾乎所有人都判定我們徹底瘋狂，直言沒有任何行業會採用這種直線擴張模式，風險極高、太過魯莽。
這段經歷很像早期創業融資，絕大多數人都會拒絕你的方案，只需要少數一兩個認同者，整件事就能推進。
微軟是第一個願意和我們達成深度算力合作的企業，隨後甲骨文成為雲服務領域重要合作方，輝達始終是我們穩定可靠的晶片合作夥伴。
如今，行業內也衍生出各類創新模式，覆蓋推理服務、資料中心模型訓練、多元化算力機房搭建等方向。
我一直希望組織大家實地參觀吉瓦級規模的資料中心，文字描述、圖片視訊都無法直觀展現它的體量。建造一座標準吉瓦資料中心，需要一萬名建築工人全職不間斷施工一年半，單座機房消耗的電力足以供給一座小型城市。
人類已經完全失去對這種超大體量基建的感知能力，這類項目本屬於人類造價最高的基礎設施工程，如今我們已經落地多座同類機房。
我能理解民眾牴觸資料中心修建在居民區的情緒，就像我也不希望自家周邊修建核電站，即便我清楚核電具備極高安全標準。
但資料中心和傳統電廠存在本質區別，我們完全可以把機房佈局在沙漠、無人區等人類居住意願極低的區域，AI算力裝置對環境沒有特殊居住要求。
針對民眾顧慮，我們已經完成多項技術創新：早年機房依靠蒸發水冷卻系統，耗水量巨大；現在我們全面更換閉環水循環冷卻方案，一座現代化資料中心的總耗水量，僅等同於一棟普通寫字樓廚衛日常用水。
能源層面，我們正在全面淘汰化石能源供電，轉向太陽能、核能清潔能源驅動機房，大幅降低環境負擔。即便資料中心能創造大量就業崗位、清潔能源模式環境友好，大眾依舊存在深層牴觸心理，用水最佳化已經基本落地，能源清潔化是我們下一階段核心攻堅方向。
當下算力效率提升最大的突破空間來自軟體層面，依託現有算力硬體，我們能通過軟體最佳化擠出數個數量級的智能增量。
Jalapeno自研晶片就是高效硬體的典型範例。這款晶片針對特定工作流深度最佳化，同時保留基礎通用性，核心目標提升單位電力產出token總量，Jalapeno及其迭代產品會成為我們長期核心競爭壁壘。
長遠來看，光計算技術成熟後，單位電力能產出的智能會迎來跨越式提升，上述所有技術路線我們都會持續投入研發。
行業競爭、開源蒸餾與中美模型發展
OpenAI的核心目標，是在智能性能與定價構成的帕累托最優曲線上，為全區間使用者提供最優選擇，開源賽道也包含在內。
同等延遲條件下，現階段OpenAI模型綜合使用成本優於Kimi。我們自主開展模型蒸餾，以此產出更小體量、更低定價的輕量化模型，這是具備正向行業價值的技術路線。
開源模型在全球市場會長期佔據重要席位，很多企業、開發者出於自主修改、私有權重部署的需求，會優先選擇開源方案。但我們會持續迭代，保證在整條性能價格曲線的每一個點位，都維持最優綜合權衡優勢。
很多行業從業者擔憂頭部企業訓練巨型模型後，同行通過蒸餾以極低價格復刻性能，最終頭部企業無法覆蓋訓練成本。
但我們依託海量使用者用量，不需要維持超高利潤率，就能承擔巨型模型訓練開支。
我們未來絕大多數算力規劃都用於對外提供推理服務，即便在數兆美元的AI市場中只賺取溫和利潤率，也足以支撐前沿大模型研發。
推理收入與訓練成本的配比，是這套商業飛輪的核心邏輯。訓練巨型模型成本確實高到離譜，我完全理解行業內對蒸餾模式“作弊”的質疑，但我對自身完整商業飛輪具備十足信心，蒸餾相關問題甚至排不進我前十大核心顧慮。
AGI的本質、價值與AI權力集中風險
AGI會成為人類歷史上最偉大的技術成就，但這項技術唯一具備正向意義的前提，是切實改善所有人的生活。
一方面，AI能夠為全人類帶來物質豐裕，賦予每個人創造、表達、互助的全新工具。
另一方面，必須保障人類對技術的掌控權與自主能動性，推動全球技術使用民主化，讓每個人保有自主選擇的權利。
我們即將打造出一盞能夠實現任何人願望的神燈，而全世界需要達成共識：人類借助這盞神燈許下的第一批願望，必須以造福全人類為核心目標。
同時所有人都要意識到，AI會極大釋放人類創造力，我並不認同“工作末日論”，未來不會出現大量崗位消失、人類無事可做的局面，相反我們會變得更加忙碌。
海量全新創意、前所未有的落地構想，都需要AI輔助落地；除治癒疾病這類直觀利多，還會誕生大量當下完全無法想像的文娛、創意成果。我們的核心使命，是把這套通用智能交到每一個普通人手中。
部分資深懷疑論者在GPT-5.6發佈兩周後主動和我溝通，直言這款模型已經高度接近AGI。
我很難列出模型完全無法完成的任務，但當下依舊存在明顯短板：無法僅憑一句指令徹底治癒癌症，不能自主操控機器人完成高精度複雜物理操作；模型無法在持續運行中自主迭代學習，即便我不把即時線上學習定義為AGI硬性標準，這依舊是我希望補齊的核心能力。
同時存在另一種解讀視角：AGI的核心不在於單一模型本身，而在於能夠持續迭代、產出更強模型的整套研發體系。
我們每一代模型迭代過程中，團隊都會持續產出全新科學發現、創新技術思路，這套研發體系運轉效率已經超出預期。因此我能理解認為，我們已經抵達AGI、擁有許願神燈，模型已經具備大量超人能力；但我心中真正定義的完整AGI，距離當下已經非常接近，不會等待太久。
AI賽道的核心瓶頸會持續切換，不存在永久短板。曾經很長一段時間，即便擁有海量算力，行業依舊受限於創新研究思路。
現階段充足算力可以支撐更多實驗、催生全新研究方向。
我們下一輪模型訓練前開展的風險驗證工作，消耗的算力規模，已經等同於18個月前一整輪完整訓練算力。
算力儲備與創新研究思路無法完全割裂。七八年前，行業最大桎梏是研究創意匱乏，而非算力不足；隨後階段我們明確技術路線，僅受算力供給限制；算力補齊後，高品質訓練資料成為瓶頸，團隊只能自主研發方案擴充資料儲備。
當前算力依舊是主要約束，但過去半年我們迎來一波密集的研究思路突破。瓶頸會不斷轉移，永遠存在當下最稀缺的核心資源。
很多行業從業者預判自動化研究、遞迴自我改進技術成熟後，控制工程這類學科僅剩餘一到兩年存續周期，研究者會快速失去行業價值，我並不認同這個判斷。一年前行業普遍斷言軟體工程師職業會徹底消失，最終並未成真。軟體工程師的工作內容、崗位要求發生巨大變化，不再單純手寫底層程式碼，但核心工作依舊是指揮電腦落地需求，只是工作層級向上躍遷，屬於技術層面的相變升級，
“借助電腦實現自身想法”依舊是極具價值的核心工作。研究者賽道會復刻相同軌跡：現有人工研究流程會被高度自動化，但會誕生全新維度的研究工作，就像軟體工程迭代後依舊保有不可替代的崗位價值。
我對AI衝擊就業的觀點經歷過明顯修正。
2019年如果把當下最新模型展示給我們團隊所有人，所有人都會判定全球經濟早已被AI徹底顛覆，但現實並未發生，這段預判偏差帶給我兩點核心認知：
一，AI能力呈現明顯鋸齒化特徵，部分領域達到超人水準，另一部分領域邏輯表現如同孩童；人類具備大量和AI高度互補的獨有技能，是現階段無法替代的；
第二，人類天然渴望人與人之間的互動，即便可以僱傭AI顧問、AI銷售、AI工程師，絕大多數人依舊優先選擇真人溝通，我自身也更願意和真人對接事務。
人類產出的價值具備獨一性，根源在於價值依附於人本身，這是AI無法復刻的特質。AI能夠生成極致精美的畫作，但大眾更願意收藏人類創作、經過人工篩選的作品。
行業裡有一句玩笑：一幅藝術品的簽名承載了絕大部分價值，本質是大眾渴望知曉作品背後的創作者。閱讀小說時，我們在意作者本人；商業決策場景中，市場需要能為企業選擇承擔責任的實體主體，沒有人願意接受AI擔任企業CEO。
創業、風險與底層認知邏輯
真正能夠取得巨大成功的風險決策，在落地初期幾乎都不被外界看好。這是我從彼得·蒂爾、保羅·格雷厄姆身上學到的核心認知：
頂級企業、高回報投資機會，幾乎從來不會是當下大眾追捧的熱門方向。跟隨行業熱潮只能取得中等成績；想要做到行業頂尖，必須選擇和主流趨勢相悖、無人看好的路線，不能單純追逐風口。
過去十年我最大的感悟之一：
人類幾乎能適應任何極端變化。社會心態可以從輕視公共衛生危機，到全面封鎖管控，再到習以為常；個人層面同理，新生兒降生、至親離世、親密關係破裂，起初都會認為無法承受，最終人都能適應好壞兩種境遇，尋找全新生活節奏。
親歷AGI迭代的感受和上述變化相似，我原本預想奇點降臨會帶來極致荒誕、顛覆認知的體驗，實際體感平緩很多。模型持續變強依舊讓我保持興奮，我每天醒來第一件事查看模型訓練進度，即便預期閾值不斷拉高，每一輪性能突破依舊讓人震撼。
不同團隊測試新模型有專屬慶祝儀式，部分團隊定製帶有內部梗的紀念衛衣，部分團隊固定聚餐酒吧。但所有人最珍視的體驗，永遠是成為全球第一批接觸前沿模型、親眼見證知識邊界被拓寬的時刻，這是比任何慶祝活動更有意義的收穫。
目前行業沒有完善、精準的評測標準衡量AI真實能力。最核心有效的評判維度，永遠是模型能否切實解決人類實際問題，收入規模、使用者使用量、全新科研成果產出速度只能作為間接參考。我們內部專門組建團隊，研究超人規模模型落地後，適配現實世界的完整評測體系。
我正在測試一套全新個人工具，讓AI即時讀取我電腦螢幕全部內容，目前還在摸索舒適、可信的使用邊界。測試後我清晰感受到人類記憶的巨大短板：AI能精準記住六周前的郵件內容、七個半月前會議完整細節，在我做出關鍵決策時主動調取對應資訊輔助判斷，這種體驗十分神奇。
人人普及個人專屬智能體的核心阻礙是算力供給。
如果打造一款全天候運行的私人智能體，即時讀取螢幕、記錄會議、解析全部文件，會消耗海量token；還可以設定算力分配滑塊，在睡眠時段呼叫更多算力深度梳理資訊、生成創意方案，大幅提升次日可用內容質量。
我個人願意投入大量算力支撐全天深度運算，但如果全球數十億人同步拉高算力消耗，現有算力儲備完全無法承載。
人形機器人發展預判
人形機器人賽道會在兩三年內迎來屬於自己的ChatGPT時刻。這個節點不是大眾刷到機器狗特技視訊的淺層震撼，而是所有人真切感知到顛覆性變革已經到來。
ChatGPT成功的核心特質是低門檻直接體驗，無需依賴他人宣傳，普通人點開介面就能親身驗證AI能力；未來機器人產品會復刻這套邏輯，使用者輸入一句自然語言指令，機器人完成複雜物理操作，即便遠端觀看實操過程，也能直觀感受到劃時代突破。
新型智能的本質、養育子女帶來的思考
我會這樣向年幼的兒子解釋AI智能的本質：它和傳統電腦一樣，能完成人類無法實現的運算，比如瞬間計算超大數字相乘；但同時存在大量人類輕易完成、AI難以掌握的任務。
AI無法完成的事情會持續減少，但人類獨有的判斷、審美、感知體系，長期內難以被模型完整復刻，甚至需要創造全新詞彙定義這種人類專屬的感知能力。
養育孩子是我人生中最珍貴的經歷，重要性遠超所有工作。即便我擁有全球最前沿、最有趣的工作，在為人父這件事面前也只能排在第二位。
這是一個極致樂觀的時代，我的孩子會成長在智能極度廉價、供給充足的世界，永遠不會經歷“自身智力超越AI”的階段。
2023年前後出生的孩子，短暫擁有推理能力領先模型的時期，而我的孩子對此不會有任何概念，未來他反而會難以理解，我們曾經只能使用性能孱弱的AI工具。
他能實現我和當下所有人無法想像的創意，對生活的期待值會遠超我們這一代人，我也擁有前所未有的廣闊創造畫布。
養育孩子徹底改變了我的管理思維，大量小事的處理邏輯都發生變化。所有為人父母的人都會有統一感受：有孩子後，比起自身利益，會更優先考量孩子的成長環境、未來體驗。
很多人問我，成為父親後是否更重視AI安全、擔憂技術摧毀世界，答案是否定的——即便沒有孩子，我本身也全力規避毀滅性技術風險。但育兒讓我深度思考人類自主能動性、充實生活的核心，這份思考也投射到OpenAI的產品研發，同時我也更在意團隊每一位員工的生活幸福感。
養育子女會大幅放大同理心，這份共情會延伸到所有孩童、父母，最終覆蓋全人類，這點是我此前未曾預料到的。
外界時常關注我的激勵機制，很多人疑惑我不持有OpenAI股權的底層邏輯。
我能給出的全部解釋只有一句話：我擁有親歷人類歷史最波瀾壯闊變革的前排席位，這份價值超越任何數額的財富。我能和一群頂尖人才共事，參與一件我全身心認同的事業，度過充滿探索樂趣的人生，但大眾往往認為這份收穫不足以替代股權收益。
我擁有多年投資人經歷，最大感悟是：願意持續、無條件為創業團隊提供實質性幫助的投資人數量極其稀少。
Josh Kushner是無可替代的頂尖投資人，長年全天候主動為OpenAI對接資源、解決難題，是唯一一位始終持續全力提供支援的投資方；其餘多數投資人僅在我們主動求助時，提供基礎戰略建議。這種持續深耕式扶持能徹底改變企業發展走向，也是投資人賽道最有價值的參與方式。
OpenAI這份事業消耗了我大量精力，持續推進多年，疲憊感始終伴隨，但我不會選擇放棄。
這是全世界最有價值的工作，我計畫終身深耕AI領域，只是其中艱難程度很難向外界完整表述，我始終感恩能擁有這份事業。
關於長期技術發展預判，大眾幻想的“機器神降臨、世界瞬間劇變”並不會發生，短期不會出現顛覆性巨變。長期來看各行各業一定會迎來深度變革，
但人類技術進步本就是持續平滑的指數曲線，百年發展始終存在起伏，整體向上。
大眾總希望親歷顛覆性奇點、成為歷史關鍵角色，但AI迭代只是人類漫長技術演進的又一步，五十年前無法預判當下，五十年後的突破我們同樣無法想像，應當拉長時間維度看待整條平滑增長曲線。
Codex程式碼模型的核心競爭優勢，是頂尖產品體驗與行業最優模型性能，ChatGPT帶來的管道分發加持作用微乎其微，並非核心壁壘。
這套經歷讓我重新思考AI行業長期護城河：通用智能本身具備極強可遷移性，任何產品功能都能被覆刻，網路效應、規模化算力叢集、低成本算力生產能力，才是長期穩固的競爭壁壘。
即便模型程式碼能復刻全部軟體功能，企業專屬工作流、內部系統整合、團隊協同流程、使用者品牌使用習慣，依舊會形成難以替代的差異化優勢。
當下電腦硬體架構已經沿用近五十年，鍵盤、顯示器、滑鼠的適配模式，無法匹配全天候主動感知、深度理解使用者全場景上下文的AI需求，這是我全力投入自研硬體的核心動因。
我希望打造一款社交接受度高、原生適配全天候智能體的全新硬體裝置，實現AI即時調取會議、文件、電腦全部資訊，但現階段我還無法接受裝置全程即時捕捉我的螢幕、對話內容。
行業內被低估的核心議題：如何規避人類認知萎縮。我們依靠AI工具的同時，如何持續拓展自身思維深度、吃透底層核心邏輯。
舉個例子，上學時期教授曾告訴我，不理解編譯器底層原理，永遠無法成為優秀程式設計師；這套說法不完全絕對，但適度掌握系統底層邏輯，對所有人都具備長期正向價值。
針對行業縮放定律（scaling law），現階段資料表現十分穩定。縮放定律歷來是行業最受質疑的預判，所有人都斷言指數增長曲線終將斷裂，但歷年實測資料始終驗證定律有效性。
如果評選OpenAI發展歷程中被低估的無名英雄，第一個想到Alec Radford（亞歷克·拉德福德）。
他是整個AI發展史上貢獻極大、卻知名度極低的核心研究者，為人溫和積極、品行極佳。
GPT全系列底層基礎架構全部出自他的研究成果，同時他開拓多條後續被驗證具備巨大價值的技術路線，帶動大量團隊成員完成關鍵創新。
回顧OpenAI完整發展歷程，我犯下最關鍵、影響深遠的錯誤：項目初期試圖在企業治理結構上做顛覆性創新。
當時我們無法預判長期商業化路徑，極度希望依靠特殊非營利架構保護企業核心使命，規避資本短期逐利扭曲研發方向。
但這段經歷讓我徹底理解，絕大多數企業不會採用這類混合架構的底層原因。
如果當初放棄結構創新，選擇其他方式守護研發初心，我們會規避大量內部矛盾與外部阻力；當然也存在另一種可能性：AGI賽道風險特殊，除這套特殊架構外，沒有其他平衡使命與商業化的方案。
過去十年，我完整吃透了企業治理結構設計的深刻教訓。
長期身處輿論中心，外界會將各類期待、爭議全部投射到我身上，我後期慢慢學會和外界評價和解，保持自我心態穩定，不被外界聲音裹挾。
我的底層思維、價值取向在十歲左右就已經定型，人生軌跡、行事邏輯從未發生根本性轉變。
回顧OpenAI發展全程，我最引以為傲的兩件事：
第一，在全行業普遍做出錯誤判斷時，我們多次堅持正確技術路線，推動行業走向如今我認可的發展軌道，能參與其中讓我倍感榮幸；
第二，歷經各類危機、爭議後，我收穫巨大精神成長，錘煉出極強韌性，這份人生閱歷會讓我餘生持續受益。
談及他人給予我的善意，我一生收穫無數不求回報的溫柔對待，無數瞬間歷歷在目。
就在昨天，我的兒子第一次主動把藍莓分享給我，這件微小的小事，就是當下最溫暖的善意。 (智能紀元AGI)