Sam Altman 谈 AI 史上最大的能力过剩

人工智能的能力和人们实际使用它之间的差距从未如此之大。这是 Sam Altman 在思科人工智能峰会上的核心信息，而且这比听起来更令人担忧。

对话内容

思科首席产品官 Jeetu Patel 以一个爆料开场：思科是 OpenAI 的 Codex 的首个设计合作伙伴，并且在几周内，他们的人工智能防御产品中的 100% 代码将由 Codex 编写。Altman 回应说 Codex 是他“一段时间以来关于人工智能的最大更新”，是自 ChatGPT 以来第一个给他带来真正 ChatGPT 时刻的产品。接下来是 24 分钟的炉边谈话，涵盖了人工智能近期未来的形态，从完整的人工智能公司到冯·诺伊曼探测器，并以令人惊讶的坦诚度谈论了哪些方面行不通。

Codex 时刻和完整的人工智能公司

Altman 异常具体地说明了为什么 Codex 如此重要。它不仅仅是一个编码工具。这些模型已经跨越了一个门槛，并且界面终于赶上了。当 Patel 询问上限时，Altman 直接谈到了最终状态：

“The upper limit I think is like full AI companies. The idea that a coding model can create a full complex piece of software but also interact with the rest of the real world to build a company around it is a very big deal.” 我认为上限就是完整的 AI 公司。一个编码模型不仅能创建完整的复杂软件，还能与现实世界互动，围绕它建立一家公司，这是非常重大的事情。

这不是一个五年预测。他描述的是他已经从当前能力曲线中看到的轨迹。

OpenClaw 和计算机使用的未来

当 Patel 提出 Moldbook/OpenClaw 现象时，Altman 明确地区分了两者。Moldbook 可能只是一种潮流。OpenClaw 则不然。

核心洞察：单独的代码是强大的，但代码加上通用的计算机使用是变革性的。Altman 承认他最初拒绝让 Codex 完全控制他的电脑。这种情况持续了大约两个小时。他现在使用两台笔记本电脑，因为他“被那些我认为真的不应该让它那样运行”的人说服了，但他无法停止使用它。

愿景是将 Codex 风格的工作流程扩展到所有知识工作：使用你的电脑、浏览网页、编辑文档。在未来，代理将在共享空间中运行，代表人们进行互动，形成 Altman 所描述的“一种全新的社交网络，每个人都可以创建代理或多个代理”。

三个非显而易见的限制

Patel 进一步追问，除了显而易见的（能源、计算、硬件）之外，还有什么真正阻碍了人工智能的发展。Altman 确定了三个：

安全和数据访问还没有好的范例。 当前的权限、访问控制和数据治理模型并非为需要广泛访问才能发挥作用的人工智能代理而设计。没有人解决这个问题。

软件需要为人类与人工智能的双重使用而重写。 Altman 举了一个很有说服力的例子：他希望一个代理为他处理 Slack，但是当他的代理阅读他的线程时，它会将所有内容标记为已读，并破坏他的工作流程。软件假设只有一种用户类型。我们可能需要不同的用户帐户、不同的界面，或者完全重建适用于人类和人工智能的应用程序。

硬件和法律系统不支持始终在线的人工智能。 最强大的用例是环境人工智能，它可以监控你的会议、观看你的屏幕并代表你采取行动。但是，当前的硬件并非为此而构建，权限系统无法处理它，并且记录会议、从中学习和删除记录的法律框架也不存在。

有史以来最大的能力过剩

Altman 最引人注目的说法是：人工智能的能力和正在部署的能力之间的差距现在比 ChatGPT 推出之前还要大。而且还在不断扩大。

“I used to say like a few months ago maybe I would have said it feels bigger than any time except right when ChatGPT launched. It now feels even bigger than that even though people are using AI for a lot of stuff.” 几个月前我可能还会说，这种感觉比除了 ChatGPT 发布前之外的任何时候都要大。现在感觉甚至比那时还要大，尽管人们已经在大量使用 AI。

他对吸收速度如此之慢感到非常惊讶。事后看来，他称自己“天真”，没有预料到这一点，但这种脱节是真实存在的。人工智能可以进行科学发现。人工智能可以编写完整的软件。人工智能可以进行通用的知识工作。然而，大多数组织仍在研究基本的采用方法。

他对企业的建议是直截了当的：无法快速采用人工智能同事的公司“将处于巨大的劣势”。这需要接受风险和组织变革，而不仅仅是购买工具。

队友，而非工具

对话中最精彩的时刻之一来自一个关于思科自身工程师的轶事。在使用 Codex 的最初两三个月里，思科的团队将其视为一种工具。然后，他们的一位工程师意识到：

“You folks are thinking about this wrong because you have to think about it like a teammate rather than a tool.” 你们的思路是错的，因为你们必须把它当作队友，而不是工具。

Altman 说 Codex 是第一个真正感觉像与合作者互动，而不是工具的人工智能产品。这个教训超越了编码：即使有了惊人的技术，你如何包装它以及用户如何与它互动决定了一切。

基础设施：需求曲线，而非数字

关于基础设施问题，Altman 将人工智能需求比作电力需求：你不能将总市场需求作为一个单一的数字来谈论。需求取决于价格和质量水平。模型将变得更便宜、更高效。但是，每一次效率提升都会推动更多的使用。

他认可 5 万亿美元的基础设施建设数字，但有所保留：在此过程中可能会出现暂时的供应过剩。几十年后，世界将需要更多的 token，即使每个 token 变得更高效。愿景包括在电池上本地运行强大模型的设备，以及大规模的云基础设施。

开源差距

Patel 询问了美国开源人工智能与中国的情况。Altman 的回答非常坦率：“我确实对此感到担忧。” 当被问及是什么阻止了 OpenAI 做更多事情时，他简单地说：“专注和时间。”

他的细微之处在于：前沿模型最重要，并且将通过 API 访问。但是开源也很重要，尤其是在个人人工智能监控你整个生活的未来。对于这种用例，在用户控制下本地运行的模型不仅仅是锦上添花：

“I at least would really like that running on inference I control.” 我至少真的希望那个模型运行在我控制的推理设备上。

商业模式演变

Altman 概述了 OpenAI 当前和未来的收入来源：

• 订阅：“数千万”付费消费者，这个结果甚至让他感到惊讶
• Codex：快速增长，用户愿意支付比 ChatGPT 订阅更高的费用
• 企业：对“人工智能云订阅”的需求，结合了安全性、上下文链接、多代理支持和平台功能
• 广告：计划用于消费产品，但“我们必须非常小心”
• 科学发现合作伙伴关系：最具投机性但可能最大的。如果 OpenAI 可以花费数十亿美元进行推理来治愈疾病，他们将探索与制药公司的基于特许权使用费的合作伙伴关系，将自己定位为发现领域的投资者，而不仅仅是计算提供商

10 倍预测

Patel 敦促给出一个关于 2026 年改进的数字。Altman 对指标持谨慎态度，但承诺会凭直觉：

“I would bet it subjectively feels something like 10x the end of this year.” 我敢打赌，到今年年底主观感受大约是 10 倍的提升。

在更远的未来，他的想象力达到了顶峰，即人形机器人建造数据中心、开采材料、建造发电厂和发射冯·诺伊曼探测器。“除此之外，我就不知道了。”

一些想法

这是一次紧凑的对话，但 Altman 在其中异常坦率。有几件事值得思考：

• 能力过剩的说法确实意义重大。如果即使在经过两年的大规模采用之后，差距仍然比 ChatGPT 推出之前还要大，这意味着技术正在以加速的速度超越机构，而不是稳定的速度。
• “队友而非工具”的洞察力，来自一线工程师而不是领导层，是一种自下而上的信号，往往具有预测性。
• Altman 的两台笔记本电脑设置是人工智能代理信任问题的完美缩影。他知道完全的计算机访问是变革性的。他也不能负责任地在他的主机器上这样做。这种紧张关系将定义人工智能采用的下一阶段。
• 最诚实的时刻：当被问及吸收速度是否比预期慢时，他没有回避。“是的。但我认为我只是太天真了。”