OpenAI 创始人兼 CEO Sam Altman 线上交流会

在这次市政厅会议上，Sam Altman 最能揭示问题的一句话，既不是关于 AGI 的预测，也不是产品发布，而是一句坦白：他在首次使用 Codex 的两个小时内，就给予了它完全不受监督的访问权限，并且从未关闭过。这一个行为数据点，比任何路线图都能更好地告诉你我们未来的方向。

市政厅会议

2026 年 1 月下旬，OpenAI 聚集了开发者、创始人和学生，与 Sam Altman 进行了现场问答。形式开放，听众专业，对话内容从杰文斯悖论到幼儿园教育政策，范围广泛。Altman 异常坦诚，承认了错误（GPT-5 的写作质量），分享了内部数据（成本降低 100 倍的时间表），并对生物安全和 AI 对齐问题给出了真正不确定的答案。几位 OpenAI 团队成员也对 Agent 的能力发表了看法。

这次会议有一个明显的潜台词：OpenAI 想知道为开发者构建什么，并且愿意为换取诚实的反馈，承认最近发布的版本“搞砸了”。

更多的工程师，而不是更少

第一个问题直接击中了杰文斯悖论的核心：如果 AI 使代码的成本大幅降低，这是否会扼杀软件工程的工作岗位？

Altman 的回答很坚定。成为一名工程师的意义将“发生巨大的变化”，但会有更多的人创造更多的价值。历史模式是一致的：每次工程工具变得更好，就会有更多的人加入并变得更有生产力。对软件的需求根本没有放缓。

更有趣的预测是：我们大多数人将使用为一个人或极少数人编写的软件，不断地定制我们自己的工具。如果你将此视为软件工程，那么世界 GDP 中将有更大比例的部分以这种方式被创造和消费。

“By the end of this year, for a hundred or a thousand dollars of inference and a good idea, you will be able to create a piece of software that would have taken teams of people a year to do.” 到今年年底，只需花费一百或一千美元的推理成本和一个好主意，你就可以创建一个软件，而这原本需要团队花费一年的时间才能完成。

GTM 才是真正的瓶颈

构建变得容易了，但分发却没有。Altman 借鉴了他在 Y Combinator 的经验，指出创始人总是认为最难的部分是构建产品，但实际上总是让人们关注它。

现在的差距甚至更加明显。AI 可以在一定程度上自动化销售和营销，但人类的注意力仍然是稀缺商品。即使在资源极度丰富的世界中，你仍然在争夺人们繁忙的日程。

他的框架是：所有关于建立成功初创公司的旧规则仍然适用。GTM（上市策略）、粘性价值、竞争优势、网络效应。这些都没有改变。AI 使创造变得更容易，但这并不会使其他事情变得更容易。

Agent 接口是完全开放的

一位构建多 Agent 编排的独立开发者问 Altman，OpenAI 是否会蚕食他的市场。Altman 的回答非常谦逊：“我们不知道所有这些的正确接口会是什么。”

范围很广。有些人想要 30 个屏幕的复杂 Agent 仪表板。另一些人则想要平静的语音对话，他们每小时提示计算机一次。相对于人们实际可以从中提取的内容，模型能力的悬垂“巨大且不断增长”。有人会构建弥合这一差距的工具，而 OpenAI 也没有弄清楚。

“我们只是搞砸了”

当被问及 GPT-5 的写作质量与 4.5 相比有所下降时，Altman 直言不讳：“我认为我们只是搞砸了。” OpenAI 将大部分精力放在 5.2 的智能、推理和编码上，而牺牲了写作。带宽有限，艰难的权衡。

他的信念是：未来是通用模型，在所有维度上都表现出色。智能是“一种令人惊讶的可替代的东西”。清晰的思考（而不是优美的散文）意义上的良好写作，应该可以与良好的编码一起实现。他们计划在未来的 5.x 版本中赶上写作质量。

智能便宜到无法计量

一家永远在线的 AI 公司询问了成本轨迹。Altman 的预测：到 2027 年底，GPT-5.2 级别的智能将以“至少低 100 倍”的成本提供。

但他指出一个尚未被充分讨论的维度：速度与成本。现在许多用户希望以 100 倍的速度获得相同的输出，即使价格更高。这些是非常不同的工程问题，而 OpenAI 尚未在速度方面投入那么多。

专门为你编写的软件

Altman 描述了他自己使用计算机方式的转变：他不再认为软件是静态的。如果他遇到一个小问题，他希望计算机立即编写代码并解决它。

他不认为每个文档编辑器都会被即时重写，因为我们重视熟悉的界面。但他确实希望软件越来越多地为个人用户定制。在 OpenAI 内部，每个使用 Codex 的人都有自己的自定义工作流程，以完全不同的方式使用它。

更广泛的预测是：我们的工具将不断发展和融合，只为我们服务。这似乎“肯定”会发生。

GPT-6 对初创公司的考验

Altman 关于初创公司持久性的框架：问问自己，如果 GPT-6 是一个非常令人印象深刻的更新，你的公司会感到高兴还是悲伤。构建那些你希望模型变得更好的东西。有很多这样的机会，而且它们比围绕当前模型限制构建补丁更可持续。

科学家和“无限的博士后”

Altman 分享说，通过 5.2 的一个特殊的内部版本，OpenAI 首次听到科学家们说“这些模型的科学进步不再是超级微不足道的了”。

使用 AI 的最佳研究人员不会运行完全自主的循环。他们做一些与模型不同的事情：提供直觉、判断和创造性指导。Altman 将其比作深蓝击败卡斯帕罗夫后的国际象棋时期，当时人类 + AI 在 AI 完全超越之前短暂地优于单独的 AI。他怀疑科学研究也会有类似的轨迹。

新兴的工作流程：研究人员使用 AI 作为“无限的博士后”，同时对 20 个新问题进行广度优先搜索，而不是深入研究任何一个问题。人类的角色是选择哪些方向感觉正确。

“A model that can come up with new scientific insights is not also incapable, with a different harness and trained a little bit differently, of coming up with new insights about products to build.” 一个可以提出新的科学见解的模型，如果采用不同的方法并经过稍微不同的训练，并非不能提出关于构建产品的新的见解。

Paul Graham 机器人

当一位 GTM 顾问指出许多 AI 产品根本不值得用户关注时，Altman 转向了一个有趣的想法：提高想法质量的工具，而不仅仅是执行速度。

他描述了他生命中的三四个人，他们通过提问和播种不断产生好主意。Paul Graham 在这方面“非常出色”。如果 AI 可以复制那种头脑风暴伙伴关系，即使你拒绝 100 个建议中的 95 个，那也将“对世界上构建的好东西的数量做出非常重大的贡献”。

生物安全：从阻止到韧性

一位斯坦福大学的生物安全研究人员获得了 Altman 最坦诚的风险评估。这些模型“非常擅长生物”，并且当前限制访问和使用分类器来防止病原体设计的策略“不会持续太久”。

所需的转变：从阻止到韧性，类似于消防安全历史。联合创始人 Wojciech Zaremba 的类比：火带来了巨大的好处，然后开始烧毁城市。“宵禁”一词实际上来自城市禁止火灾的时候。然后人类有了消防规范和阻燃材料。

Altman 的严厉警告：“如果今年 AI 出现非常糟糕的情况，我认为生物安全会是一个合理的赌注，它可能会出问题。”

梦游般地走向信任

当被问及生产型 Agent 最被低估的失败模式时，Altman 讲述了他的 Codex 坦白故事。他“非常自信”他永远不会给予 Agent 不受监督的访问权限。两个小时后，他开启了完全访问权限，并且从未关闭过。

模式是：这些工具的力量和乐趣是如此之大，以至于人们被吸引到不去充分思考安全性和复杂性。能力急剧上升，我们决定我们在一定程度上信任模型，并且在没有建立足够的总体安全基础设施的情况下，“我们将梦游般地走向某种事情”。

“The general worry I have is that capability is going to rise very steeply. We’re going to get used to how the models work at a certain level and decide we trust them, and without building very good big-picture security infrastructure around it, we will sleepwalk into something.” 我总体的担忧是，能力将会急剧上升。我们将习惯模型在一定程度上的工作方式，并决定我们信任它们，并且在没有围绕它建立非常好的总体安全基础设施的情况下，我们将梦游般地走向某种事情。

公司必须采用，否则就会死亡

关于招聘：OpenAI“计划大幅放慢我们的增长速度”，因为他们希望用更少的人做更多的事情。他们不会积极招聘，然后在 AI 接管任务时不得不进行裁员。

但 Altman 对更广泛的经济提出了一个更具挑衅性的观点：如果公司不积极采用 AI，它们最终将被“一家完全由 AI 驱动的公司”所击败，这家公司只是一架 GPU，没有人。他承认这听起来像是 OpenAI 在自我吹嘘，但他称这对于社会稳定来说非常重要。

OpenAI 新的工程面试：让一个人坐下来完成一项任务，这项任务在一年前对于一个人来说在两周内是不可能完成的，然后看着他们在 10 到 20 分钟内完成它。

教育：细微差别胜过炒作

Altman 将 AI 在教育中的应用比作 Google 在课堂上的应用。他的中学老师试图让孩子们承诺不使用 Google，担心这会使历史课变得无关紧要。他当时认为这是疯了，现在也觉得禁止 AI 工具是疯了。

但他对幼儿划了一条明确的界限。他“喜欢让幼儿园远离电脑”。幼儿园的孩子应该在外面跑来跑去，玩实物。他怀疑技术对幼儿的影响“甚至比”社交媒体对青少年的影响“更糟糕”，而且这仍然没有得到充分讨论。

对于大学年龄的开发者：“如果你是一名 AI 开发者，那么现在在大学里可能不是你最好的时间利用方式。” 他的父母花了 10 年时间才不再问他什么时候回去。

创意作品中的人类溢价

关于 AI 生成的艺术，Altman 引用了一个有趣的模式：当被告知图像是由人类制作时，消费者报告说对图像的欣赏程度会大大提高。即使是那些声称自己可以识别 AI 艺术的人，在盲测中也始终将 AI 图像排在首位，然后在被告知后会改变他们的偏好。

他的结论是：我们非常关心其他人，而很少关心机器。即使是一点点的人类指导似乎也能消除负面反应。这将在未来几十年里成为“一种深刻而持久的趋势”。他将其比作他自己完成一部小说的经历：他想做的第一件事是查找作者并了解他们的生活。如果他得知一部伟大的小说是由 AI 编写的，他会感到“有点悲伤和沮丧”。

记忆、隐私和整个电脑

Altman 个人在 AI 记忆方面的演变：他现在准备让 ChatGPT“直接查看我的整个电脑和我的整个互联网，并了解一切”。实用性太高，无法抗拒。

但他还没有准备好永远在线的录音眼镜，而且他不想手动对工作记忆和个人记忆进行分类。理想的情况是，AI 对你生活的复杂规则和层次结构有如此深刻的理解，以至于它知道在哪里暴露什么，自动地。

一位开发者要求为第三方应用程序提供“使用我的 ChatGPT 帐户登录”功能。Altman 确认他们正在构建它。Token 预算和模型访问可移植性即将推出。更深层次的信息共享（允许应用程序访问你的 ChatGPT 记忆）“非常可怕”，因为模型在理解何时分享什么的社会细微差别方面还不够好。

最重要的技能：高度能动性

一位越南高中生问，在 AI 时代，什么技能最重要。Altman 的回答完全是关于软技能：变得具有高度能动性，擅长产生想法，具有韧性，具有适应性。这些都不是“去学习编程”，而这曾经是显而易见的答案。

他补充了他在 YC 时期的一个令人惊讶的观察：这些品质都是可以学习的。为期三个月的训练营可以使人们在所有这些方面都“非常强大”。这对他的世界观来说是一个很大的更新。

一些想法

这次市政厅会议引人注目之处不在于产品发布，而在于对不确定性的坦诚。Altman 承认搞砸了 GPT-5 的写作，坦白立即放弃了自己的安全协议，并对科学自主性和生物安全时间表给出了真正不确定的答案。

• 杰文斯悖论的框架可能令人感到安慰，但 Altman 自己的公司正在放缓招聘。 “更多的人将从事工程”的论点与“目前的工程师保住他们目前的工作”是不同的。
• 生物安全答案确实令人震惊。 “阻止不会持续太久”加上“生物安全会是一个合理的赌注，它可能会出问题”是来自对模型能力有内幕知识的人的具体、近期的风险评估。
• Altman 描述的关于他自己的梦游般地走向信任的模式适用于整个行业。失败模式不是戏剧性的 AI 反叛；而是逐渐的、由便利性驱动的对安全措施的侵蚀，直到出现问题时才有人注意到。
• “智能便宜到无法计量”，到 2027 年成本降低 100 倍，这意味着世界将完全从计算转移到品味、判断和知道要问什么。