近日，OpenAI CEO 山姆·奥特曼（Sam Altman）与思科总裁兼首席产品官 Jeetu Patel 在思科 AI 峰会上进行了一场深度对话。对话中，奥特曼对近期涌现的热门产品、AI 发展的核心矛盾以及 OpenAI 的未来布局发表了见解。
OpenClaw 引领长期趋势，Codex 或成第三核心产品
针对近期备受关注的 OpenClaw 和 Moltbook 两款产品，奥特曼明确表示，OpenClaw 所代表的“代码结合通用计算机使用能力”的趋势将是长期存在的，而非短暂热潮。他认为，将电脑的控制权交给 AI 代理来完成工作，将从根本上改变知识工作的方式。
对于 Moltbook，奥特曼认为其理念指向了未来全新的社交互动形式，但最终形态尚不确定。他设想，未来可能出现由个人 AI 代理构成的社交网络，代理之间进行互动与协作，催生新的想法和社交形态。
此外，奥特曼对 OpenAI 最新推出的 Codex App 给予了极高评价，称其让他再次感受到了类似“ChatGPT 时刻”的震撼。他认为 Codex 已经跨越了关键门槛，其接口和使用方式的改进将迅速创造巨大的经济价值，并改变 OpenAI 及其他公司的工作方式。
在 OpenAI 的产品版图中，ChatGPT 和 API 已是核心产品，奥特曼透露，Codex 有望在今年成为公司的第三个核心产品。同时，AI 硬件仍是外界期待且正在推进的“隐藏王牌”。
AI 时代推进中的四大“非显性矛盾”
除了算力、能源等显性瓶颈，奥特曼重点阐述了在 AI 时代深入发展过程中遇到的四个“非显性矛盾”：
- 范式缺失：尚未找到一种能同时充分发挥模型实用性、并兼顾安全与数据访问权限的全新范式。
- 软件重构：当前的软件并非为 AI 使用而设计。如何重写软件，使其既能被人类高效使用，也能被 AI 智能体顺畅操作，是一个根本性的挑战。
- 系统设计滞后：现有的计算机硬件系统设计和法律体系，并未为充分发挥 AI 能力而构建。例如，实现“记录会议-学习-删除录音”这样的流畅流程仍存在障碍。
- 能力悬空：AI 已具备强大能力，但组织机构在将这些基础能力真正落地、普及应用方面依然举步维艰，形成了明显的“能力悬空”。
为克服“能力悬空”，奥特曼建议企业管理者将 AI 视为“队友”而非“工具”。他坦言，尽管大模型的采用速度符合历史技术扩散规律，但他仍认为进程可以更快。
对话精选：Codex 的“ChatGPT 时刻”
主持人：
我们是 Codex 的第一个设计合作伙伴。我们的产品 AI Defense 在两到三周内，其 100% 的代码都将由 Codex 编写。
Sam Altman：
这太不可思议了。Codex 是我近段时间看到的 AI 领域里最重要的一次更新。昨天发布的应用直接将事情推过了一个临界点，让我意识到这将在极短时间内创造惊人的经济价值，并改变 OpenAI 及其他公司的工作方式。模型本身跨过了关键门槛，接口和使用方式也跟上了。这是我再次感受到类似“ChatGPT 时刻”的体验，它清晰地展示了知识工作的未来。
主持人：
它的上限在哪里？
Sam Altman：
我认为上限是“完整的 AI 公司”。一个编程模型不仅能构建复杂的软件系统，还能与现实世界交互，并在此基础上运营一家真正的公司，这是一件非常重大的事。
行业竞争与商业模式展望
谈及行业竞争，奥特曼承认中国开源模型带来的竞争压力，并认为端侧模型的需求会持续增长。他担心美国在开源模型上投入不足，但强调最重要的仍是保持前沿模型的领先地位，这些模型很可能通过 API 和产品形式被访问。
关于商业模式，奥特曼展望了除订阅和广告之外的“AI 云订阅”等新形式。
这只是一个很小、但很典型的例子，说明很多软件并不是为“人类和 AI 共同使用”而设计的。也许未来 AI 会需要某种不同的用户账号体系；也许很多软件会被重写，主要由 AI 使用，但同时仍然允许人类以传统方式使用。
另一个不太明显的障碍在于：AI 最强大的地方之一，是那种“始终在线”的计算能力——它可以旁听你的会议、观察你的工作过程，在后台持续为你创造价值。但我们现有的计算机硬件，并不是为这种使用方式设计的；权限系统、我们对 AI 能看什么、能做什么、能保留什么的理解，也都不适配；法律体系同样没有跟上。你可能希望录下一场会议，从中学习，然后再把录音删除，但现实并没有那么顺畅。所以这里面还有大量关于可用性的问题需要解决。
还有一个让我感触很深的矛盾：一方面，科学和各个真实世界领域的进展速度非常快；另一方面，组织在把最基础的能力真正落地、让所有人都能用起来这件事上，却依然举步维艰，能力之间出现了明显的“悬空”。
能力悬空：能力已经有了，但让大家都用起来依旧艰难
主持人：
顺便说一句，这其实也不是新概念。微软 Word 刚出来的时候，大家也只用了它大概 2% 的能力，对吧？所以当你开始思考这些问题时，真正关键的是：我们如何确保能力能被真正吸收？现场有不少 CIO 和 CISO，你会给他们什么建议，帮助组织提高 AI 的“吸收率”？
Sam Altman：
你刚才提到的几个点都很有意思。对我来说，现在这种“能力悬空”的感觉，是我有记忆以来最强的一次。几个月前我可能还会说，这是仅次于 ChatGPT 发布前那一刻的程度；但现在，这种落差感甚至更强了，尽管已经有很多人在使用这些工具。你看，我现在已经可以做一些小但不断扩大的科学发现，可以写完整的软件，很快还能承担更多通用型的知识工作——这些都是非常非常重大的能力。
我们一直在说，会自动化科研，再用它去自动化经济体系，从而给人们带来巨大的新价值，并在这个全新的技术世界中分享收益。以前这些更多还是一种抽象的、属于未来的设想。
但现在，AI 已经在做科研，也已经能承担大量真实的经济工作。正如你说的，这种事情在历史上发生过很多次，但亲身经历的时候，确实会觉得不太符合直觉：能力已经在那儿了，可扩散和吸收却这么慢。
主持人：
这比你原本预期的要慢吗？
Sam Altman：
是的，不过说实话，我当初并没有特别认真地想过这个问题。回过头看历史，其实也不该感到意外。某些方面看，这已经很快了。比如 ChatGPT 的增长速度，远远超过了以往任何一款软件；Codex 现在的增长也非常快；我也预计，通用计算机使用、面向知识工作的 AI，会同样快速扩散。但即便如此，当你对照“已经具备的能力”和“实际发生的事情”，还是会觉得吸收速度出奇地慢。
把AI当队友，而不是工具
Sam Altman：
如果要给建议的话，我认为关键在于：企业要如何搭建自身结构，使它们能够快速吸收这些新工具，而不是花一年甚至几年时间，反复纠结数据访问和安全问题——而这些问题，哪怕在今天，都已经实实在在地阻碍了像 Codex 这样的工具被采用。这一点非常重要。
我不想做过于夸张的预测，但我确实认为，那些无法迅速引入“AI 同事”的公司，将会处在极大的劣势中；而真正完成这种转变，需要付出大量努力，也需要承担一定风险。
我们在使用 Codex 时有一个很重要的体会：在最初两三个月里，我们一直把它当成一个“很厉害的工具”。直到有一次，和你们的一位前线工程师交流时，突然有个“灯泡亮起”的瞬间。我意识到，你们其实想错了——你们应该把它当成一个队友，而不是一个工具。我觉得这种程度的“拟人化设计”，在很多人那里还远远没有被真正理解。大多数人脑海里，它依然是一个高度事务性的工具。
对我来说，Codex 应用是第一次让我真正感受到：我是在和一个队友互动。这里面有一个很重要的教训——即便你已经拥有极其强大的技术，比如模型在某个版本上变得非常优秀了，但在那之后，如何封装它、如何让用户与之交互、如何把使用门槛降到最低，依然蕴含着巨大的价值。现在这种感觉对我来说非常明确：和 ChatGPT 对话，已经不再只是“在用一个工具”，而更像是在和一个协作者一起工作。这几乎可以看作未来形态的一个缩影。
奥特曼：AI需求市场更像电，只能在不同价格水平下谈论需求规模
主持人：
好，那我们聊聊基础设施。我有几个话题一定要和你谈到这个层面。你在能源这一侧也投入了非常多的时间。整体来看，在电力和基础设施这些约束条件下，你是怎么思考的？你们显然已经在这方面投入了大量资金。
Sam Altman：
我们现在看到的所有证据都表明，AI 模型会持续变得更强大，同时也会变得更便宜、单次任务消耗的资源更少。而历史经验告诉我们，每一次出现这种情况，人们都会希望使用得更多。所以我们是在为一个 AI 使用量逐年加速增长的世界做准备。我认为，即便在已经大规模建设的情况下，人们依然低估了未来所需的整体容量。
现在有人说，未来一年可能会有 5 万亿美元投入到相关领域里。如果这些钱真的能快速落地，也许短期内是够用的；途中也有可能出现阶段性的供给过剩。
但从几十年的尺度来看，我几乎可以确定，世界会需要远比现在多得多的 token。即便我们会让每一个 token 都变得更高效，你口袋里的设备已经能靠电池运行极其强大的模型，但对“更多”的需求依然会持续存在。
我觉得世界已经逐渐意识到这一点，资本正在发挥作用，供应链在重组，政策也在变化，我们将建设出规模惊人的基础设施。
问题在于：够不够？人们经常讨论 AI 的总体市场需求，但在我看来，它更像电力或能源需求——你无法给出一个抽象的总量，只能在不同价格水平下讨论需求规模。在 AI 这里，也要结合不同的价格、不同的质量维度，比如智能程度、速度等等。如果我们能持续把能力做得既强又便宜，就一定会在某个价格点上释放出巨大的需求；如果价格更高，需求就会相应减少。但我希望世界能够真正大量使用它。
我们现在正处在这样一个阶段：很多人还停留在“它可以聊天”的认知上，少数人理解它还能写代码。而我认为，未来这会成为我们做事的基本方式——公司如何运转、科学发现如何发生、我们个人如何使用绝大多数软件。如果能在合理的价格下大量供给这种能力，我觉得这是一个非常值得下注的方向。
坦承在开源方面做得不够，闭源SOTA+本地运行的开源模型共存
主持人：
你是否担心，美国在开源这一侧的领先优势并没有那么明显？能不能谈谈你的看法？
Sam Altman：
我确实有些担心。我认为我们应该在这方面做得更多。现在阻碍我们的主要是精力和时间分配，但这个问题必须被解决。
主持人：
那我们做一个假设。如果我们没有一个足够强的开源生态，而中国有；以及如果我们有，这两种情况下，世界会走向怎样不同的路径？
Sam Altman：
需要说明的是，我认为最重要的还是在前沿模型上保持领先，而这些模型大概率会通过 API 和产品形式被访问。所以，如果我们在开源上没有领先地位，也不是世界末日，但这显然不是一个理想状态。
人们希望拥有自己的模型，希望掌控自己的模型，希望在本地运行模型。尤其是在一个模型会“看到你整个人生”的世界里——你会拥有一种始终在线、持续记录一切的新型设备，它能为你创造巨大价值。至少对我来说，我会非常希望这种模型运行在我可控的推理环境中。
所以我认为，人们对本地运行、私有模型的需求一定会持续增长。如果我们在这方面落后了，也不至于一切崩塌，但我真的希望我们能保持领先。
OpenAI未来的四大板块和商业模式
主持人：
如果我们把时间往回拨一点来思考，你们在这么短的时间里完成了如此多的事情，坦白说我甚至不知道你们是怎么做到的。一定有一些关键时刻，你们决定要走向全栈：开始做自己的推理芯片，开始确保数据中心的建设。这显然不是偶然发生的。
能不能谈谈你们现在的商业模式，以及它未来会如何演变？比如广告当然是一个潜在的巨大突破点，但整体来看，你们对免费到付费的转化率满意吗？对使用过程中的抽成满意吗？你们还希望看到哪些变化？
Sam Altman：
我们目前大致有两个核心产品，另外还有一些正在推进中。一个是 ChatGPT，一个是 API 业务。现在又有了 Codex，看起来它会变得非常大，此外还有其他一些项目。未来，我们还会有面向消费者的设备、机器人，以及更多形态的产品。
事实证明，很多人愿意为 AI 以订阅形式付费。并不是所有人，但比例比我们原先预期的要高得多。企业当然愿意为企业级聊天机器人这样的产品付费。但即便是普通消费者，你们其实已经在相当程度上重塑了他们的付费习惯……
我们现在有多少付费用户，具体数字我一时想不起来，但确实是数千万级别的消费者在为订阅付费。老实说，这一点让我挺意外的，而且是个很好的意外。我觉得这还有继续扩大的空间。随着像 Codex 这样的能力加入，用户愿意付出更高的价格。面向大规模消费者业务，广告看起来确实是一个不错的商业模式，当然，我们在具体做法上必须非常谨慎。
与此同时，越来越多的企业希望购买一种“AI 云订阅”。他们会说：我想和一家 AI 公司建立长期合作关系，希望你来处理安全、上下文关联、权限访问这些复杂问题；我希望能在这个平台上运行大量智能体；我需要一个通用平台；其中一部分智能体来自你们，一部分来自第三方，甚至还想运行其他公司的模型；我需要企业级聊天机器人授权，也需要大量 API 调用能力。类似这样的需求正在快速出现，所以我认为这里同样会形成一种成熟的商业模式。
主持人：
你之前还提过一个很有意思的想法，就是在科学发现的“上行空间”中参与分成。如果看目前最成熟的模式，订阅已经非常成熟，广告也非常成熟。现在已经很清楚，你们会同时参与这两种模式。那除此之外，还会不断出现新的模式，对吗？
Sam Altman：
是的。需要非常明确地说，我们并不想从那些单纯使用 API、然后自己去做发现的人那里抽成，这完全没问题。
话虽如此，我确实可以想象这样一种未来：如果有一天，我们能投入数十亿美元的推理算力，从而治愈一种重要疾病，那么我们可能会探索某种合作模式——比如与制药公司共同承担这部分成本，然后从成果中获得一定比例的回报。这不是我们现在正在做的事情，但我认为，AI 驱动的前沿科学发现会需要极其庞大的资本投入，在某些情况下，我们可能会把自己视为一个“投资者”。这背后，更多来自于我们对“这些能力最终能做什么”的想象。
主持人：
你自己会不会也感到一种挑战：事情正以指数级速度展开，连想象本身都变得吃力？你本身已经是一个很大胆的思考者了，但现在几乎每天都有新想法冒出来。你觉得当下最大的“想象力短缺”体现在哪？
Sam Altman：
我可以想象数十亿台人形机器人去建造更多的数据中心、开采原材料、修建更多的发电站；我可以想象经济以前所未有的速度增长；可以想象大量全新的服务形态和科学发现不断出现；我甚至可以想象冯·诺依曼探测器被发射出去。再往后，我就真的不知道了。但我觉得，这已经是一个相当不错的起点。
主持人：
那从宏观角度来看，顺风和逆风分别是什么？有哪些顺风窗口，如果没抓住就会错失？又有哪些逆风是你真正担心的？
Sam Altman：
顺风在于：我们已经处在一个巨大的能力悬空状态，而模型本身会在很短时间内变得强大得多。我们一直在思考，该如何沟通我们所看到的变化，既不显得夸张，也不像炒作，但事实是，今年模型会变得非常、非常强。这本身就是一个巨大的顺风，我们可以在此基础上构建出很多了不起的东西。
至于逆风，可能会是某种全球性的不稳定，比如重大的供应链冲击之类的问题。
主持人：
回到模型能力这个顺风上，如果它持续快速提升，你觉得 2026 年我们会看到 10 倍提升、100 倍提升，还是 5 倍提升？你这里说的“10 倍”具体指什么？
Sam Altman：
指的是你能够解决的问题范围，相比之前扩大了多少。主观感受上，我会押注：到今年年底，整体体验会接近 10 倍提升。我很难给出一个精确指标，但这个判断对我来说是合理的。
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：https://www.itsolotime.com/archives/20265
