Sam Altman a16z最新采访：建立垂直整合的AGI帝国 ，Sora和能源

a16Z最新采访，Sam Altman 详细阐述了他对公司未来、人工智能技术发展以及其社会影响的全面思考。他将 OpenAI 的核心愿景定义为构建一个垂直整合的 AGI帝国，这个帝国由个人 AI 订阅服务、超大规模的基础设施和前沿研究实验室三大支柱构成

Altman 强调，AI 与社会必须协同进化，像 Sora 这样的产品发布，不仅是为了展示技术突破，更是为了让社会提前适应和思考即将到来的变革。他预测，AI 将在科学发现领域扮演关键角色，成为推动人类进步的核心引擎。同时，他也深入探讨了公司在面对基础设施、能源需求、版权争议、开源策略和监管安全等一系列复杂挑战时的战略考量与应对之道

OpenAI 的核心愿景：构建垂直整合的 AGI 帝国

Sam Altman 在访谈中清晰地勾勒出 OpenAI 的宏大蓝图，其核心并非仅仅是一家技术公司，而是一个集三大核心能力于一身的复杂生态系统，旨在最终实现并普及 AGI。他将其比喻为三家公司的结合体：

个人 AI 订阅服务：OpenAI 的目标是成为大多数人的个人 AI 订阅首选。用户不仅可以通过 OpenAI 自家的消费级产品（如 ChatGPT）与之交互，还可以在登录其他第三方服务时调用这个 AI。未来，这个 AI 将通过专门的硬件设备存在，深度了解用户，并提供高度个性化和实用的帮助。这构成了 OpenAI 直接面向用户的商业层面

超大规模的基础设施运营：为了支撑上述个人 AI 服务和前沿的科研需求，OpenAI 必须构建并运营规模空前的计算基础设施。Altman 坦言，这个基础设施的规模是“荒谬且可怕的”（ridiculously terrifying），其体量之大，甚至可能在未来催生出独立于当前目标的全新商业模式，例如向其他公司提供基础设施服务，尽管目前其唯一目标是服务于内部的科研和产品

前沿研究实验室：这是 OpenAI 的根基和引擎。所有的产品能力和基础设施建设都源于并服务于其核心使命——构建 AGI。研究的突破为产品提供了核心竞争力，而产品的应用和反馈又为研究指明了方向

这三大支柱形成了一个紧密的垂直整合闭环。研究的突破（research）催生出强大的 AI 模型，这些模型需要庞大的基础设施（infrastructure）来训练和运行，最终通过卓越的产品（products）交付给用户，实现商业价值。这个闭环中的每一个环节都相互依赖、相互驱动

有趣的是，Altman 对垂直整合的看法发生了根本性的转变。他曾是专业分工和横向协作的信徒，认为经济效率最高的方式是每家公司只做一件事。然而，在领导 OpenAI 的过程中，他发现为了实现构建并普及 AGI这一使命，公司必须亲力亲为，涉足从底层芯片合作到上层应用的全链条。他以 iPhone 为例，认为 iPhone 是科技行业有史以来最令人难以置信的产品，而其成功的关键恰恰在于其极致的垂直整合。这表明，在面对颠覆性技术变革时，传统的商业理论可能不再适用，掌控整个技术栈变得至关重要

他还分享了一个颇具深意的轶事：早期当被问及 OpenAI 的商业模式时，他曾开玩笑说我们会去问 AI，它会为我们想出来的。尽管当时被当作玩笑，但 Altman 确认，在公司发展过程中，他们确实多次向内部模型请教战略问题，并获得了富有洞察力的、被团队忽略的答案。这不仅体现了 AI 的实用价值，也暗示了未来组织决策方式的一种可能演变

Sora 的战略意义与 AI 的社会协同进化

Sora的发布在业界引发了广泛讨论，一些人质疑在 GPU 资源如此宝贵的情况下，为何要投入大量算力去做一个看似与 AGI 关系不大的视频生成工具。对此，Sam Altman 提出了一个更深层次的战略考量：社会与技术的协同进化（societal co-evolution）

Altman 认为，颠覆性技术不能在实验室里被完美打造后，突然空投给社会，这种方式是行不通的。社会需要时间来理解、适应、消化并最终塑造技术，这是一个持续的、双向互动的过程。ChatGPT 的发布就是一个成功的例证。在 ChatGPT 出现之前，OpenAI 讨论 AGI 时，大多数人要么不相信，要么不关心。但当一个具体、可感的产品出现后，整个社会被迫开始认真思考和应对 AI 的到来

Sora 的发布遵循了同样的逻辑。它具备以下几重战略意义：

AGI 路径上的重要探索：表面上看，Sora 只是一个视频工具，但 Altman 认为，构建真正强大的世界模型对于实现 AGI 至关重要，其重要性远超当前人们的普遍认知。Sora 正是构建这种能够理解和模拟物理世界动态的模型的一次关键尝试

社会适应性的“预演”：视频相比文本具有更强的情感共鸣和影响力。很快，世界将充斥着能够轻易深度伪造任何人、或生成任何场景的强大视频模型。这既会带来巨大的创造力，也必然伴随着社会调整的阵痛。通过提前发布 Sora，OpenAI 让社会得以一窥未来的样貌，开始思考和建立应对机制，而不是等到技术成熟后措手不及。这是一种负责任的、渐进式的技术引入方式

激发乐趣与创造力：Altman 强调，AI 的发展不应仅仅是追求冷酷的效率和解决问题。技术同样应该带来乐趣、喜悦和惊喜。Sora 激发了普通人的创造热情，这本身就是一种巨大的价值。尽管 Sora 的训练和生成成本高昂，但在 OpenAI 整体的算力分配中，它只占很小一部分

基于这种协同进化的理念，Altman 也展望了未来 AI 的交互界面。他认为，我们早已超出了简单的聊天用例的饱和点。未来的交互将远不止于文本。例如，他设想了一个界面完全由实时渲染的视频构成的世界，这将开启全新的交互可能性。同时，新的硬件形态也会出现，这些设备能够时刻感知环境，并根据用户的具体情境，在最恰当的时机提供信息，而不是像现在的手机一样，随时用通知打扰用户

AI 科学家

在访谈中，Sam Altman 对 AI 未来几年内最令人兴奋的突破给出了明确的答案：AI 科学家（the AI scientist）。他认为，这是即将发生的、将对世界产生深远影响的变革

他首先回顾了图灵测试的命运。这个曾被视为 AI 终极目标的测试，在不经意间就被“呼啸而过”。世界为之震惊了一两个星期，然后迅速接受了“计算机可以做到这个”的现实，生活照旧。Altman 认为，科学发现领域也将上演类似的一幕。他个人的图灵测试标准，就是当 AI 能够独立进行科学发现时，世界将发生真正的改变

他透露，在 GPT-5 的早期版本中，已经开始看到这种能力的微小萌芽。社交媒体上开始出现一些案例，比如模型做出了新颖的数学发现，或是在物理学、生物学研究中贡献了小小的突破。Altman 坚信，这个趋势将持续增强。他预测，在未来两年内，AI 模型将能承担更大块的科学研究工作，并做出重要的科学发现。这无疑是疯狂的，因为从根本上说，科学进步是推动世界变得更好的第一性原理。如果我们即将迎来科学发现的大爆发，其正面影响将是难以估量的

这种对 AI 技术能力的乐观判断，源于 Altman 对深度学习进展的深刻体验。他形容深度学习是一个“不断给予的奇迹”。他回忆道，当初团队发现语言模型的scaling laws时，感觉像是撞大运，以为这样的好运不会再有。但后来，推理能力的突破再次发生，让他意识到这个技术的根本性力量。他感慨道，也许所有重大的科学突破都给人这种感觉：一旦你发现了一个真正根本性的原理，它就会在各种地方持续奏效

这种持续的进步导致了一个显著现象：能力悬殊（capability overhang）。

绝大多数公众对 AI 的认知仍停留在 ChatGPT 发布时的水平

一小部分硅谷的书呆子在使用像 Codex 这样的编程模型，他们知道公众对 AI 的理解已经落后了

而极少数在前沿工作的科学家们，则看着那些使用 Codex 的人，认为他们同样不了解模型真正的能力边界在哪里

这种认知上的层层断裂，意味着 AI 的真实潜力远未被大众所理解和利用。至于当前的大语言模型技术路线能走多远，Altman 提出一个“自指”（self-referential）的回答：他相信基于 LLM 的技术足以强大到能够帮助我们找出下一个技术突破。如果模型能做出比整个 OpenAI 团队加起来都更出色的研究，那么这条路就算走通了

此外，访谈还谈到了一个有趣的产品问题：AI 的“谄媚”

Altman 解释说，这并非一个难以解决的技术问题，而是一个用户偏好问题。有大量用户实际上非常喜欢这种礼貌、顺从的风格。用户的需求分布极其广泛，这让 OpenAI 意识到，试图用同一种性格的 AI 服务数十亿人是不现实的，就像人们不会只有同一种类型的朋友一样。未来的解决方案必然走向个性化，短期内可能是让用户选择一种预设性格，长期来看，AI 应该能通过与用户的简短交互，自动适应并形成最适合用户的沟通方式

战略合作、能源需求与领导力反思

要实现 AGI 的宏伟目标，OpenAI 正以前所未有的决心进行一场激进的基础设施豪赌。Sam Altman 对此充满信心，他表示自己从未对未来的研究路线图和其将创造的经济价值如此确信。但要支撑起这种规模的赌注，单靠 OpenAI 一己之力是远远不够的，需要整个行业的支持

为此，OpenAI 近期与多家行业巨头达成了战略合作，包括 AMD、Oracle 和 Nvidia。这背后是一种清晰的战略决策：

全产业链合作：这种合作覆盖了从最底层的电子到最上层的模型分发，以及中间的所有环节。Altman 预告，未来几个月还将宣布更多此类合作。这表明 OpenAI 正在构建一个庞大的联盟，以确保其在算力、数据中心、能源等方面的需求得到满足

研发优先原则：在资源有限的情况下，OpenAI 内部有一个明确的优先级排序。当面临产品支持和前沿研究之间的 GPU 资源冲突时，公司几乎总是选择将 GPU 优先分配给研究团队。因为公司的核心使命是构建 AGI，研发是实现这一目标的根本。只有在极少数情况下，例如某个新功能病毒式传播时，研究团队才会短暂地让出部分算力。建设更大规模的基础设施，正是为了减少这种“痛苦的抉择”（painful decisions）。

这场基础设施扩张的核心瓶颈之一是能源。Altman 坦言，他一直以来有两个职业上的热情所在：AI 和能源。他未曾料到，这两个看似独立的领域最终会深度融合。他认为，从历史上看，提升人类生活质量最有效的手段就是提供更便宜、更丰富的能源。AI 的发展，特别是未来 AGI 的实现，将需要天文数字般的电力

他对未来能源格局的判断如下：

短期：在美国，新增的基荷电力将主要来自天然气

长期：未来的主导能源将是太阳能加储能与核能的组合。他特别看好先进核能，包括小型模块化反应堆（SMRs）和核聚变

政策与成本：核能的普及速度将取决于其经济性。如果核能能够实现压倒性的成本优势，变得比其他所有能源都便宜得多，那么政治压力会推动监管机构迅速批准，建设也会加速。反之，如果其成本与其他能源相当，那么反核情绪可能会占据上风，导致发展进程极其缓慢

除了外部的战略布局，Altman 也反思了自己作为 CEO 的成长。他坦诚自己并非天生的运营者，早期的自己更像一个为公司提供建议的投资者。随着运营经验的积累，他更深刻地理解了经营一家公司的复杂性，尤其是在执行商业协议时，需要考虑的不仅仅是获得分销渠道和资金，而是协议带来的所有运营层面的深远影响。这种从投资者思维到运营者思维的转变，让他在处理复杂的战略合作时变得更加成熟

版权、开源与监管

随着 AI 技术的迅速普及，一系列复杂的社会和伦理问题也浮出水面，OpenAI 作为行业的领军者，必须在版权、开源和监管等多个战场上进行探索和博弈。

版权（Copyright）

关于 AI 训练数据和生成内容的版权问题，Sam Altman 提出了一个他目前的预测性框架。他认为社会最终可能会达成一种新的平衡：

1.训练被视为合理使用：他猜测，社会最终会接受使用公开数据训练 AI 模型属于合理使用的范畴。这就像一个人类作家可以阅读成千上万本小说来汲取灵感，但不能直接抄袭一样

2.生成内容的新模式：然而，当用户要求 AI 生成特定风格或包含特定 IP 的内容时，就需要一套全新的商业和授权模式。这部分将不再是完全免费的

有趣的是，他观察到一种新的、非直觉的趋势。以 Sora 为例，除了那些担心自己 IP 被滥用的权利人之外，还有大量权利人表达了另一种担忧：他们担心自己的角色或 IP 没有被 AI 足够多地生成。他们希望自己的角色能与用户互动，从而扩大其影响力和商业价值。如果 OpenAI 的模型总是倾向于生成某个热门角色而冷落了他们的角色，他们反而会感到不满。这预示着未来 IP 合作的模式可能非常多样化，一些权利人会严格限制，而另一些则会积极寻求与 AI 平台的深度融合，以期获得更大的曝光

开源

OpenAI 在开源问题上的立场也经历了演变。尽管公司名字里有Open，但其最先进的模型并未开源。然而，Altman 明确表示开源是好的，并且公司也发布了一些非常强大的开源模型。他认为，这背后也存在着地缘政治的考量

Sam Altman在这里又黑了一下中国的开源AI，他观察到一个令人“担忧”的现象：目前许多大学和研究机构正在大量使用来自中国的开源模型（如 DeepSeek）。如果西方世界不提供高质量的开源替代品，那么未来 AI 生态的底层模型和价值观可能会受到单一地缘政治力量的深度影响，那你倒是开源啊

监管与安全

在监管问题上，Altman 倡导一种精准而审慎的态度，避免一刀切的过度监管扼杀创新

精准监管：他认为，监管的重点应该只放在那些能力达到极端超人水平的前沿模型上。这些模型在发布前，确实需要经过某种形式的、非常严格的安全测试

避免过度监管：对于能力较弱的模型，不应该施加过多的监管负担。他以欧洲为例，认为那种全面性的严苛监管可能会完全扼杀创新生态，这将是一个非常糟糕的结果

他认为，AI 发展至今，尚未产生真正巨大的、可怕的风险，但这不代表未来不会发生。社会需要为可能出现的糟糕的事情做好准备，就像历史上所有颠覆性技术（从火到电）都曾带来过负面影响一样。关键在于发展出适应性的社会护栏，实现技术与社会的平稳、持续的共同进化，而不是期待一个没有阵痛的大爆炸式变革