在人工智能的浪潮中，OpenAI作為行業(yè)的先行者，一直在探索技術的邊界和未來的發(fā)展方向。本文深入訪談了OpenAI的CEO Sam Altman，他分享了對于AI推理能力提升、系統(tǒng)構建、AI Agent的價值以及人才戰(zhàn)略的深刻見解。

GPT-4之后，明年的OpenAI在憋什么大招？OpenAI的護城河在哪？AI Agent的價值在哪？眾多老員工“出走”，OpenAI會選擇更有信念感和活力的年輕人嗎？

11月4日，OpenAI CEO Sam Altman（以下稱“Altman”）在“The Twenty Minute VC”播客中回答了這些問題，他明確表示，提升推理能力一直是OpenAI的核心戰(zhàn)略。

當播客主持人、21VC創(chuàng)始人Harry Stebbings（以下稱“Stebbings”）問到OpenAI還能給AI創(chuàng)業(yè)者留下哪些機會時，Altman認為，AI創(chuàng)業(yè)如果還要執(zhí)著于解決模型不足的問題，那么這個業(yè)務模式將隨著OpenAI模型的升級而不再具備競爭力，創(chuàng)業(yè)者應該去構建能隨著模型變強而受益的業(yè)務，這將是一個巨大的機會。

在Altman看來，人們現(xiàn)在討論AI的方式有點過時，相比模型，系統(tǒng)是更值得關注的發(fā)展方向，而明年將是OpenAI邁向AI系統(tǒng)的關鍵一年。

以下是Stebbings與Altman對話的精華節(jié)選：

01 OpenAI計劃打造無代碼工具

Stebbings： 我直接從觀眾提問的問題開始今天的訪談，未來OpenAI的方向是推出更多像GPT-3.5這樣的模型還是訓練更大更強的模型？

Altman： 我們會全面優(yōu)化模型，提升推理能力是當前戰(zhàn)略的核心。我認為強大的推理能力將解鎖一系列我們期待的功能，包括讓人工智能在科學研究領域做出實質性貢獻、編寫復雜程度極高的代碼等等，這將極大地推動社會的發(fā)展和進步。大家可以期待GPT系列模型的持續(xù)且快速的迭代和優(yōu)化，這將是我們未來工作的重點和優(yōu)先方向。

Sam Altman接受21VC創(chuàng)始人Harry Stebbings的播客訪問

Stebbings： OpenAI未來是否會為非技術人員開發(fā)無代碼工具，讓這些人也能輕松構建和擴展AI應用？

Altman：毫無疑問，我們正朝著這一目標穩(wěn)步前進。我們的初步計劃是顯著提升程序員的工作效率，但長遠來看，我們的目標是打造一流的無代碼工具。盡管市場上已經(jīng)存在一些無代碼解決方案，它們目前還無法完全滿足以無代碼方式創(chuàng)建一個完整初創(chuàng)公司的需求。

Stebbings：未來，OpenAI會在技術生態(tài)的哪些領域拓展？考慮到OpenAI可能會在應用層面占據(jù)主導地位的情況下，如果初創(chuàng)公司投入大量資源來優(yōu)化現(xiàn)有系統(tǒng)，這是否是一種資源的浪費？創(chuàng)始人們應該如何思考這個問題？

Altman：我們的目標是不斷改進我們的模型。如果你的業(yè)務僅僅是為了解決現(xiàn)有模型的一些微小不足，那么一旦我們的模型變得足夠強大，這些不足不復存在時，你的業(yè)務模式可能會變得不再具有競爭力。

然而，如果你能夠構建一個能夠隨著模型的不斷進步而受益的業(yè)務，那么這將是一個巨大的機遇。設想一下，如果有人向你透露GPT-4將會變得異常強大，能夠實現(xiàn)目前看來不可能完成的任務，那么你將能夠從更長遠的角度來規(guī)劃和發(fā)展你的業(yè)務。

Stebbings：我們曾與風險投資人Brad Gerstner探討OpenAI可能對某些細分市場的影響。你從創(chuàng)始人的視角看，哪些公司可能會受到OpenAI的沖擊，而哪些公司能夠幸免？作為投資者，我們又該如何評估這個問題？

Altman：人工智能將創(chuàng)造數(shù)萬億美元的價值，它將催生全新的產(chǎn)品和服務，使之前不可能或不切實際的事情變得可行。在某些領域，我們期望模型能夠強大到讓目標實現(xiàn)變得輕而易舉；而在其他領域，通過構建卓越的產(chǎn)品和服務，這項新技術將得到進一步的增強。

在早期，大約95%的初創(chuàng)公司似乎都在押注模型不會變得更好，這讓我感到驚訝，現(xiàn)在我已經(jīng)不感到驚訝了。GPT-3.5剛發(fā)布時，我們已經(jīng)預見到GPT-4的潛力，我們知道它會非常強大。

所以，如果你構建的工具僅僅是為了彌補模型的不足，那么隨著模型的不斷改進，這些不足將變得越來越無關緊要。

過去模型表現(xiàn)很糟糕時，人們更傾向于開發(fā)彌補模型缺陷的產(chǎn)品，而不是去構建像“AI教師”或“AI醫(yī)療顧問”這樣具有革命性的產(chǎn)品。我感覺當時95%的人都在賭模型不會有所改進，只有5%的人相信模型會變得更好。

現(xiàn)在情況已經(jīng)發(fā)生逆轉，人們理解了改進的速度，也了解了我們的發(fā)展方向?，F(xiàn)在這個問題不再那么突出了，但曾經(jīng)我們非常擔心，因為我們預見到那些（朝著彌補模型缺陷）努力的公司可能會面臨困境。

Stebbings： 你曾說“人工智能將創(chuàng)造數(shù)萬億美元的價值”，孫正義（軟銀集團創(chuàng)始人兼首席執(zhí)行官）也預測“AI每年將創(chuàng)造9萬億美元的價值”，足以抵消他所認為的“必要的9萬億美元資本支出”，你對此有何看法？

Altman：我無法給出一個精確的數(shù)字，顯然，大量的資本支出下也將創(chuàng)造巨大的價值，因為每一次重大的技術革命都是如此，而人工智能無疑是其中之一。

明年對我們來說是關鍵一年，我們將邁入下一代AI系統(tǒng)的時代。你提到的無代碼軟件代理的開發(fā)，我不確定這需要多長時間，目前這還無法實現(xiàn)，但如果設想一下我們能達到這個目標，每個人都能因此輕松獲得他們所需的整套企業(yè)級軟件，這將為世界釋放出多少經(jīng)濟價值。如果你還能保持同樣的價值產(chǎn)出，同時讓它變得更便捷、成本更低，這又會產(chǎn)生巨大的影響。

我相信我們將看到更多類似的例子，包括醫(yī)療和教育領域，它們代表著數(shù)萬億美元的市場。如果AI能夠在這些領域推動新的解決方案，我認為具體的數(shù)字并不重要，重要的是它確實會創(chuàng)造難以置信的價值。

02 優(yōu)秀的AI Agent具備超越人類能力的功能

Stebbings：你認為開源在人工智能未來的發(fā)展中將扮演怎樣的角色？在OpenAI內部，“是否應該開源某些模型”的討論會如何進行？

Altman：開源模型在人工智能生態(tài)系統(tǒng)中扮演著至關重要的角色。目前已經(jīng)有一些非常出色的開源模型存在。我認為，同時提供高質量的服務和API也是至關重要的。在我看來，將這些元素作為一個產(chǎn)品組合來提供是有意義的，這樣人們就可以選擇最適合他們需求的解決方案。

Stebbings：除了開源，我們還可以通過Agent（代理）向客戶提供服務。你如何定義“Agent”？在你看來，它是什么，又不是什么？

Altman：我覺得Agent是一種能夠執(zhí)行長時間任務的程序，并且在執(zhí)行任務過程中幾乎不需要人為監(jiān)督。

Stebbings： 你認為人們對Agent的理解存在誤區(qū)嗎？

Altman：與其說是誤解，不如說我們還沒有完全理解Agent在未來世界中所扮演的角色。

人們經(jīng)常提到的例子是讓AI Agent幫忙訂餐廳，比如它能用OpenTable做到，或者直接打電話給餐廳。這確實可以節(jié)省一些時間，但我認為更令人興奮的是Agent能做一些人類做不到的事情，比如Agent可以同時聯(lián)系300家餐廳，為我找到最適合的菜品或能提供特殊服務的餐廳。這對人類來說幾乎是不可能的任務，但如果Agent之間都是AI，它們可以并行處理，這個問題就迎刃而解了。

雖然這個例子很簡單，但它展示了Agent超越人類能力的功能。更有有趣的是，Agent不僅能幫你訂餐廳，還能像一個非常聰明的資深同事，可以與你合作完成一個項目；或者它可以獨立完成一個需要兩天甚至兩周的任務，只有在遇到問題時才會聯(lián)系你，并最終呈現(xiàn)出一個優(yōu)秀的成果。

Stebbings：這種Agent模式是否會對SaaS（軟件即服務）的定價產(chǎn)生影響？傳統(tǒng)上，SaaS就是按照用戶席位來收費的，如今Agent實際上在取代人工。你如何看待未來定價模式的變化，尤其是在AI Agent成為企業(yè)員工核心部分的情況下？

Altman：我只能做出推測，因為我們真的無法確定。我可以設想一個場景：未來的定價模式將基于你所使用的計算資源來確定，比如你需要1個GPU、10個GPU或100個GPU來處理問題。在這種情況下，定價不再基于席位甚至Agent的數(shù)量，而是根據(jù)實際消耗的計算量來決定。

Stebbings：那我們是否需要為Agent來構建專門的模型？

Altman：的確需要大量的基礎設施來支撐Agent的運行，但我認為GPT-3.5已經(jīng)指明了方向，即一個能夠執(zhí)行復雜Agent任務的通用模型。

03 模型是貶值資產(chǎn)，但訓練經(jīng)驗比成本價值高

Stebbings： 很多人認為隨著模型的商品化趨勢日益顯著，模型是貶值資產(chǎn)。你如何看待這種觀點？目前，訓練模型的資本密集度越來越高，這是否意味著只有少數(shù)公司才能承擔這樣的成本？

Altman： 確實，模型可以被視為貶值資產(chǎn)，但認為它們的價值低于訓練成本是完全錯誤的。實際上，在訓練模型的過程中，我們能夠獲得正向的復利效應，即我們從訓練中獲得的知識和經(jīng)驗將有助于我們更高效地訓練下一代模型。

我認為我們從模型中獲得的實際收入已經(jīng)證明了這些投資的合理性。當然，并非所有公司都能達到這樣的效果。當前，可能有很多公司在訓練非常相似的模型，但如果你稍微落后，或者沒有一個能夠持續(xù)吸引用戶并提供價值的產(chǎn)品，那么獲得投資回報可能會更加困難。

我們很幸運擁有ChatGPT，它被數(shù)億用戶所使用，因此即使成本高昂，我們也能夠通過龐大的用戶基礎來分攤這些成本。

Stebbings：OpenAI的模型未來如何保持差異化？你最希望在哪些方面擴大差異？

Altman：推理能力是我們目前最為重視的領域，我相信這將是開啟下一個大規(guī)模價值創(chuàng)造階段的關鍵。此外，我們也將致力于多模態(tài)模型的開發(fā)，并引入我們認為對用戶至關重要的新功能。

Stebbings： 在新的GPT-3.5推理時間范式下，視覺能力會如何擴展？

Altman： 在不劇透的情況下，我預計圖像模型將會快速發(fā)展。

Stebbings：Anthropic公司的模型有時被認為在編程任務上表現(xiàn)得更為出色，你對此有何看法？你認為這種評價是否公正？開發(fā)者應該如何在OpenAI和其他提供商之間做出選擇？

Altman：Anthropic確實擁有一個在編程領域表現(xiàn)出色的模型，他們的工作確實令人印象深刻。我認為開發(fā)者通常會同時使用多種模型，我也不確定隨著這個領域的發(fā)展，情況會如何變化。但我相信未來人工智能將無處不在。

我們目前討論AI的方式可能有些過時，我預測我們將從討論“模型”轉變?yōu)橛懻摗跋到y(tǒng)”，但這需要時間來實現(xiàn)。

Stebbings： 關于模型擴展的問題，你認為模型的規(guī)模法則還能持續(xù)多久？過去大家一直認為它不會持久，但似乎它比人們預想的更持久。

Altman： 不深入討論細節(jié)，核心問題是：模型能力的提升軌跡是否會像目前這樣持續(xù)下去？我相信會的，并且會持續(xù)相當長時間。

Stebbings：你曾經(jīng)對這一點有過懷疑嗎？

Altman： 我們確實遇到過一些我們無法理解的行為模式，也經(jīng)歷過一些失敗的訓練過程，嘗試過各種新范式。當我們快到達一個范式的極限時，我們必須找到下一個突破點。

Stebbings：這個過程中最難應對的挑戰(zhàn)是什么？

Altman：在我們著手研發(fā)GPT-4的過程中曾遇到一些極其棘手的問題，一度讓我們感到束手無策，不知道該如何破解。最終，我們還是成功克服了這些難題。但確實有那么一段時間，我們對如何推進模型的發(fā)展感到迷茫。

此外，GPT-3.5的轉變以及推理模型的概念是我們長期以來一直夢寐以求的目標，但實現(xiàn)這一目標的研究之路充滿了挑戰(zhàn)和曲折。

Stebbings： 在這種漫長而曲折的過程中，如何保持團隊的士氣？當訓練過程可能失敗時，你如何維持士氣？

Altman： 我們團隊的成員都對構建通用人工智能（AGI）充滿熱情，這是一個極具激勵性的目標。我們都清楚，這不是一條輕松的道路，成功不會輕而易舉。有一句名言說得好：“我從不祈求上帝站在我這邊，而是祈求我能站在上帝那邊?！?/p>

投身于深度學習領域，就像是投身于一項正義的事業(yè)，盡管過程中不可避免會有挫折，但最終我們似乎總能取得進展。這種堅定的信念對我們來說是極大的幫助。

Stebbings：關于半導體供應鏈的問題，你對半導體供應鏈以及國際緊張局勢的擔憂程度如何？

Altman：我無法量化這個擔憂的程度，但毫無疑問，我確實感到擔憂。雖然它可能不是我最擔憂的問題，但在我關心的所有事項中，它絕對位于前10%之列。

Stebbings：我可以詢問一下你最擔心的問題是什么嗎？

Altman：總體而言，我最擔心的是我們在整個領域嘗試完成所有工作的復雜性。盡管我相信最終一切都會得到解決，但這確實是一個極其復雜的系統(tǒng)。

這種復雜性在各個層面都存在，包括在OpenAI內部，以及每個團隊中。以半導體為例，我們需要平衡電力供應、做出正確的網(wǎng)絡決策、確保獲得足夠的芯片，同時還要考慮到潛在的風險，以及研究進度是否能夠與這些挑戰(zhàn)相匹配，以免我們完全措手不及或浪費資源。

整個供應鏈看似是一條直線管道，但實際上每個層面的生態(tài)系統(tǒng)的復雜性超出了我在其他任何行業(yè)中所見。在某種程度上，這正是我最擔憂的問題。

Stebbings： 你提到了前所未有的復雜性，許多人將當前的AI浪潮與互聯(lián)網(wǎng)泡沫時期相比較，尤其是提及興奮與熱情時。我認為不同之處在于資金的投入規(guī)模。Larry Ellison（甲骨文公司聯(lián)合創(chuàng)始人）曾表示，進入基礎模型競賽的入門成本是1000億美元。你是否認同這一觀點？

Altman：不，我認為成本并不會那么高昂。但這里有一個有趣的現(xiàn)象：人們喜歡用過去的技術革命來類比新的革命，以使其看起來更加熟悉。我認為總體而言，這不是一個好的習慣，但我理解為什么人們會這么做。我還覺得人們選擇的AI類比案例尤其不恰當，互聯(lián)網(wǎng)顯然與AI有很大的不同。

你提到了一個關于成本的例子，無論是否真的需要花費100億或1000億才能具備競爭力，互聯(lián)網(wǎng)革命的一個標志性特點是“很容易起步”。另一個類似互聯(lián)網(wǎng)的特點在于，對許多公司來說，AI只是互聯(lián)網(wǎng)的延伸——其他人會構建這些AI模型，你可以利用它們來開發(fā)各種出色的產(chǎn)品。這種是把AI視為一種新的技術構建方式。但如果你想構建AI本身，那情況就完全不同了。

另一個常見的類比是電力，但我認為這在很多方面并不適用。

盡管我認為人們不應該過于依賴類比，但我最喜歡的類比是晶體管，它是物理學的新發(fā)現(xiàn)，具有難以置信的擴展性，很快就滲透到各個領域，整個科技行業(yè)都從晶體管中受益，我們使用的產(chǎn)品和服務中包含大量晶體管，但你不會覺得創(chuàng)造這些產(chǎn)品和服務的公司是“晶體管公司”。

這（晶體管）是一個非常復雜且昂貴的工業(yè)流程，圍繞它形成了龐大的供應鏈。這一簡單的物理發(fā)現(xiàn)帶來了長期的經(jīng)濟增長，即使大多數(shù)時候人們并沒有意識到它的存在，只是覺得“這個東西能幫我處理信息”。

04 保持對人才的高標準，而非偏向某個年齡段

Stebbings：你認為人的才能是如何被浪費的？

Altman：世界上有很多非常有才華的人，因為在不合適的公司工作，或者生活在不支持優(yōu)秀公司的國家，或其他各種原因，無法充分發(fā)揮他們的潛力。

我對 AI 最興奮的地方之一是，它可能幫助我們更好地發(fā)揮每個人的潛能，而我們目前在這方面做得遠遠不夠。我相信世界上有很多潛在的優(yōu)秀 AI 研究人員，只是他們的生活軌跡有所不同。

Stebbings：過去一年你經(jīng)歷了難以置信的高速增長，如果回顧過去十年中，你認為自己在領導方面的最大改變是什么？

Altman：對我而言，這幾年最不尋常的事情是變化速度。一個正常的公司從零增長到一億美元的收入，再從一億增長到十億，最后從十億增長到百億，這通常需要很長時間，而我們卻要在短短兩年內完成這一過程。我們從一個純粹的研究實驗室轉變?yōu)橐粋€真正為大量客戶提供服務的公司，這種迅速的轉變讓我失去了學習的時間。

Stebbings：哪些是你想花更多時間學習的？

Altman：如何引導公司專注于實現(xiàn)10倍增長而不僅僅是10%的增長。要從一個收入數(shù)十億的公司成長為收入數(shù)百億的公司，需要深刻的變革，而不僅僅是重復上周的工作。

但快速增長帶來的挑戰(zhàn)在于，我們沒有足夠的時間去夯實基礎。我曾低估了在這種極速增長的環(huán)境中，為了追趕和持續(xù)推進需要付出多大的努力。

公司內部的溝通、信息共享、結構化管理和在規(guī)劃上如何平衡短期需求與長期發(fā)展，這些都是至關重要的。例如，為了確保公司在未來一兩年內的執(zhí)行力，我們需要提前準備計算資源、辦公空間等。在這種快速增長的環(huán)境中，進行有效的規(guī)劃是非常具有挑戰(zhàn)性的。

Stebbings：Keith Rabois（風險投資人）曾說，他從Peter Thiel（PayPal聯(lián)合創(chuàng)始人）那里學到了一點，那就是要雇傭30歲以下的年輕人，因為這是打造偉大公司的秘訣。你怎么看待這個建議，即通過雇傭非常有活力、雄心勃勃的年輕人來建立公司，這是否是唯一的方法？

Altman：我在創(chuàng)建OpenAI時大約30歲，不算太年輕，但看起來還算合適（笑）。所以，這確實是一個可以嘗試的路徑。

Stebbings：不過，年輕人雖然充滿活力和雄心，但可能缺乏經(jīng)驗；或者選擇那些經(jīng)驗豐富、已經(jīng)證明過自己的人才？

Altman：顯而易見的答案是，兩種人才的雇傭都可以取得成功，正如我們在OpenAI所做的那樣。就在今天的采訪之前，我還在討論一位剛加入我們團隊的年輕人，可能才二十出頭，但他的工作表現(xiàn)非常出色。我在思考，我們是否能夠找到更多像他這樣的人才，這些年輕人帶來了新的視角和活力。

然而，另一方面，如果你要設計人類歷史上最復雜、成本最高的計算系統(tǒng)之一，我不會輕易將重任交給一個剛入行的年輕人。因此，我們需要兩類人才的結合。我認為關鍵在于保持對人才的高標準，而不是單純地偏向某個年齡段。

我特別感激Y Combinator（創(chuàng)業(yè)孵化器），因為它讓我認識到缺乏經(jīng)驗并不意味著缺乏價值。有很多處于職業(yè)生涯早期的高潛力人才，他們能夠創(chuàng)造巨大的價值，我們的社會應該對這些人才進行投資，這是一件非常積極的事情。

Stebbings：我最近聽到一句名言——生活中最沉重的負擔不是鐵或金，而是未做出的決定。對你來說，哪個未做出的決定給你帶來了最大的壓力？

Altman：這個問題的答案每天都在變，沒有哪一個未做的決定特別重大。當然，我們確實面臨一些重大的決策，比如選擇哪個產(chǎn)品方向，或者如何設計下一代計算機，這些都是重要且充滿風險的選擇。

遇到這種情況時，我可能會推遲決策，但大多數(shù)情況下，挑戰(zhàn)在于每天都要面對一些51%對49%的難題，這些決策之所以擺在我面前，是因為它們難以決斷，我可能并不比團隊中的其他人更有把握做出更好的選擇，但我必須做決策。

所以，問題的核心在于決策的數(shù)量，而不是某一個特定的決定。

Stebbings：當遇到51%對49%的決策時，你有固定的人可以咨詢嗎？

Altman：沒有，我認為在所有事情上依賴某一個人并不是正確的方式。對我來說，更好的方式是找到15或20個在特定領域有很好的直覺和背景知識的人，在需要時咨詢最佳的專家，而不是依賴單一的顧問。

05 快問快答

Stebbings：假設你今天是一個23或24歲的年輕人，考慮到現(xiàn)有的基礎設施，你會選擇做什么？

Altman：我會選擇一個AI支持的垂直領域，比如AI教育，我會開發(fā)最好的AI教育產(chǎn)品，讓人們能夠學習任何領域的知識。類似的例子還可以是AI律師、AI CAD工程師等。

Stebbings：你提到寫書，你會給書取什么名字？

Altman：我還沒想好名字。我還沒仔細想過這本書，只是覺得它的存在會激發(fā)很多人的潛力。可能會和“人類潛力”這個主題有關。

Stebbings：在AI領域，有什么大家沒有關注卻應該投入更多時間的方向？

Altman：我希望看到的是一種能夠理解你整個人生的AI。它不需要無限的上下文，但希望能有某種方式，讓你擁有一個了解你全部數(shù)據(jù)并能夠輔助你的AI Agent。

Stebbings：過去一個月內，有什么事讓你感到驚訝嗎？

Altman：是一個我無法透露的研究結果，但它令人震撼。

Stebbings：你最尊敬的競爭對手是誰？為什么？

Altman：其實我尊重這個領域的每一個人，整個領域內都充滿了杰出的人才和卓越的工作。我不是故意回避問題，只是到處都可以看到有才華的人做著非常出色的工作。

Stebbings：有特定的某一個嗎？

Altman：并沒有特別的一個。

Stebbings：你最喜歡的OpenAI API是哪個？

Altman： 新的實時 API 非常棒，我們現(xiàn)在有一個龐大的 API 業(yè)務，里面有很多好東西。

Stebbings：你今天在AI領域中最尊敬的人是誰？

Altman：我想特別提一下Cursor團隊，他們用AI帶來了非常神奇的體驗，為人們創(chuàng)造了很多價值。很多人沒能拼湊出所有的要素，而他們做到了。我特意沒有提到OpenAI的人，否則這份名單會很長。

Stebbings：在延遲和準確性之間的權衡，你怎么看？

Altman： 需要一個可以調節(jié)兩者之間的旋鈕。就像現(xiàn)在你希望我快速回答問題，我盡量不花幾分鐘思考，這時候延遲就顯得重要。如果你要我做出一個重大發(fā)現(xiàn)，你可能愿意等幾年。答案是，這應該是用戶可控的。

Stebbings： 當你想到領導力中的不安全感時，你認為自己在哪個方面最需要改進，作為領導者和CEO，你最想提升的是什么？

Altman：最近這一周，我覺得我比以前更不確定我們的產(chǎn)品戰(zhàn)略細節(jié)應該是什么?？傮w來說，我覺得產(chǎn)品是我的弱項，現(xiàn)在公司正需要我提供更清晰的產(chǎn)品愿景。我們有一個很棒的產(chǎn)品負責人和團隊，但這是我希望自己更擅長的領域，最近尤為強烈地感受到這一點。

Stebbings：你雇傭了 Kevin Scott（OpenAI的首席技術官），我認識他很多年了，他很優(yōu)秀。Kevin的哪些特質讓他成為世界一流的產(chǎn)品領導者？

Altman： “紀律”是我想到的第一個詞。

Stebbings：具體來說是指什么？

Altman：他非常專注于優(yōu)先事項，知道該拒絕什么，能夠站在用戶的立場上思考為什么要做或不做一件事，真的非常嚴謹，不會有天馬行空的想法。

Stebbings： 展望未來五年和十年，如果你有一支魔杖，可以描繪出 OpenAI 的五年和十年愿景，會是怎樣的？

Altman：我很容易描繪出未來兩年，但如果我們猜對了，并且開始制造一些超強的系統(tǒng)，比如在科學進步方面，這會帶來不可思議的技術進步。

我認為五年后我們會看到科技進步驚人的速度，甚至會超出所有人的預期，社會上可能會覺得“AGI的時刻來了又走了”；我們會發(fā)現(xiàn)很多新東西，不僅是AI研究，還包括其他科學領域。

另一方面，我認為（科技進步帶給）社會的變化其實相對有限。

例如，如果你在五年前問人們：計算機是否會通過圖靈測試？他們大概會說：不會。如果你告訴他們：會。那他們會認為，這將給社會帶來巨大的變革?，F(xiàn)在你看，我們確實大致通過了圖靈測試，但社會的變化其實并沒有那么劇烈。

這就是我對未來的預期，即科技進步不斷突破所有預期，而社會的變化則較為緩慢。我認為，這是好的和健康的狀態(tài)。從長遠來看，科技進步當然會給社會帶來巨大的變化，但在五到十年內不會那么迅速地反映出來。