奥特曼最新座谈：未来最值钱的，是注意力！

内容来源：本文汇编网络公开资料。

分享嘉宾：山姆·奥特曼，人工智能实验室OpenAI首席执行官、微软人工智能团队负责人、AI安全委员会成员。

高级笔记达人|李云

责编| 柒排版| 沐言

第 9436篇深度好文：10121字 | 25 分钟阅读

商业思维

笔记君说：

2026年1月27日，OpenAI CEO山姆·奥特曼和一群开发者、创业者在旧金山聊了近1个小时。

他从开发者自身角色开始说起，AI的赋能让工程师创造更多价值，但招聘需求将明显放缓，要找到合适的人，不得不改变面试规则，其目的只有一个——用更少的人，做更多的事。

他认为随着AI的普及，产品和服务产出越来越多，创业门槛将更低，但商业规则并未发生彻底变革，商业落地是更难的事。

谈及对社会的影响，他认为：经济将面临通缩；教育方式也必将、必须改变，否则无法使用好这个工具；在科研方面，AI展示了强大的探索能力，但仍需人类指引方向。

在AI的未来方向上，高性能的通用模型、个性化定制将成为趋势。但安全方面需要特别重视，特别是生物安全，以及个性化所带来的隐私。

最后，他让我们无需焦虑，因为所有技能都是可以学习并掌握的。

本文根据访谈内容整理，略有删减，希望能给到你启发。

一、软件行业将彻底变革

我们先从推特上的一个问题说起：您如何看待软件工程领域的“杰弗里悖论”？

也就是：人工智能让代码的开发效率大幅提升、成本显著降低，这会减少对软件工程师的需求，还是会让更廉价的定制软件大幅提升需求并持续增长呢？

1.工程师将创造更多价值

工程师将创造并获取更多的价值，让计算机按自己的需求运行，按他人的需求运行，想出办法为他人打造实用的体验。

但这份工作的形态、花在敲代码、调试代码或其他繁琐事务上的时间，都会发生巨大变化。

软件团队的需求非但不会放缓，我甚至觉得，哪怕只有少数人参与，我们对软件的需求也会持续存在。

所以我认为，会有更多人以某种形式投身软件工程领域。如果把这类工作都算作软件工程，那么通过这种方式创造的全球GDP占比，会大幅提升。

2.招聘需求减少，速度放缓

不可否认的是，软件工程师的招聘速度将大幅放缓。 越来越多的公司希望用更少的人，做更多的事。

但目前，我们和其他公司都面临着很多障碍，这些都是公司内部的政策导致的，而当初制定这些政策的时候，根本没有考虑到人工智能会成为我们的同事，而改变这些政策需要时间。

当我们发现人工智能已经能做很多事的时候，需要减少人手，就不得不进行一些很尴尬的裁员。

我认为，正确的做法应该是：放缓招聘速度，但依然要招聘。

我不相信，在遥远的未来，OpenAI会变成一家没有员工的公司。但在很长一段时间里，我们会保持员工数量的稳步增长，而且每个人都能承担更多的工作。我认为，这也是整个经济的发展趋势。

3.面试流程必须改革

至于面试流程：虽然还没有发生根本性的改变，但我们已经在讨论如何进行改进。

我们的想法是，让候选人在一天内完成一项工作，而这项工作在去年这个时候，一个人花两周时间都完不成。我们想看看，候选人是否能高效地适应这种新的工作方式。

实际上，软件工程师的面试方式已经过时很久了，甚至没有什么参考价值，但现在，它的价值更低了。

有几个问题已经暗示了一个更宏观的趋势：未来的公司，是会雇佣少量员工、配备大量人工智能同事，还是会变成一家完全由人工智能主导的公司，比如，一个摆满GPU的服务器机房，里面没有一个人？

我真心希望是前者。虽然看起来后者的可能性很大，但如果公司不采用人工智能，不学会如何雇佣人来使用这些工具，就会被那些没有这些愚蠢政策的纯人工智能公司取代。

这会是一个非常不稳定的局面。对于社会来说，这一点非常重要。虽然听起来像是在为自己谋利，但我认为，公司必须采用人工智能，而且要大规模、快速地采用人工智能。

二、创业成本降低

但商业落地依旧很难

1.人类注意力，将成为“硬通货”

很难想象，到今年年底，只需要一百到一千美元的推理计算成本，就能把一个好想法变成一个软件，而这个软件，过去需要一个团队花一整年才能开发出来。

这对人们来说是极具赋能意义的事，产品和服务的供给会大幅增加，获取的门槛会大幅降低，而创业、成立新公司、开展新的科学研究等活动的成本会大幅下降。

相较于产品，但我认为最难的其实是商业层面，要搞清楚如何让上市策略落地。我觉得过去的那些准则依然适用。人工智能能大幅降低软件开发难度，并不代表其他环节也会变简单。

不过，我们已经开始看到一些变化，就像人工智能改变了软件工程，现在人们也在用它实现销售自动化、营销自动化，而且确实能取得一些成效。但我认为这依然很难。

即便在一个产品极度丰富的世界里，人类的注意力依然是稀缺资源。 所以，你始终要和其他人竞争，大家都在打造自己的上市能力，想办法获取用户流量。

每个潜在客户都很忙。我可以想象这样一个未来：所有产品都极度丰富，而人类的注意力，会成为最后的“硬通货”。

2.商业准则依然未变

你可能认为，商业领域的“物理定律”已经彻底改变了。但事实并非如此，至少现在不是，未来可能会变，但现在的变化，只是让工作效率更高、开发新软件的速度更快。

但打造成功初创企业的其他法则，依然适用： 你需要找到用户，解决上市难题，打造有粘性的产品，建立护城河、网络效应、竞争优势，无论你怎么称呼它，这些法则都没有改变。

好消息是，这些法则对我们来说也没有改变。过去有很多初创企业做了我们可能会做的事，但因为时机太晚，别人已经建立了稳固的竞争优势，所以我们错过了。

未来还会出现这样的情况。每当有人问我类似的问题，我都会给他们一个通用的建议：如果GPT-6推出了颠覆性的更新，你的公司会开心还是难过？

我建议大家，因为我们希望持续进步，去做那些“希望模型变得更强”的项目，这样的项目有很多。

而有些项目，只是在现有功能上做一些小修补，这类项目需要在模型更新前建立足够强的竞争优势，但这条路会更艰难，也更让人焦虑。

三、人工智能对社会产生全面影响

1.对经济：通缩效应加剧

从整体来看，随着单台计算机的算力不断提升，再加上未来机器人等技术的发展，我们的经济会面临巨大的通缩压力。我说是“大部分利好”，是因为过程中会有一些复杂的问题需要解决。

同时，产品和服务的价格会大幅下降，除非在一些受社会或政府政策限制的领域，比如旧金山的房地产开发。

预计这种通缩压力会来得又快又猛。 个人的话语权会越来越强，不管社会是否已经为人们提供了平等的优势，这种趋势都会不断强化。

这会成为社会的均衡力量，让那些曾经没有得到公平对待的人，有机会实现自己的目标。只要我们不会在政策层面犯大错，这种情况就会发生。

我担心的是，你可以想象到这样一种未来：人工智能会加剧权力和财富的集中，这也是政策制定者需要重点防范的问题之一。

2.对教育：影响深远而复杂

①教学方式将发生改变

我上初中的时候，谷歌刚推出，老师们还试图让我们承诺不使用谷歌。当时大家都觉得，如果什么东西都能在指尖查到，那为什么还要上历史课？为什么还要背诵知识点？我当时觉得这太荒谬了。

我想：“我以后会成为成年人，这个工具会成为我生活的一部分。不学怎么用它，才是真的疯狂。”

这就像几十年前，我明明知道有计算器，却还要学打算盘，因为当时认为这是一项重要的技能。或者学计算尺，我现在都不知道计算器之前还有什么计算工具。但这些技能其实没什么价值。我对人工智能工具的看法也是如此。

按照现在的教学方式，人工智能工具是一个“问题”，但这恰恰说明，我们需要改变教学方式，而不是限制人工智能工具的使用。

ChatGPT能帮你写东西，这就是世界的发展趋势。你依然需要学会思考，而写作，这个练习过程，对于培养思考能力至关重要。但我们教授思考能力和评估能力的方式，可能需要做出改变，这一点我们不能否认。

所以我完全有信心，一切都会好起来。我们会找到新的教学方法，让更多学生受益。那些10%的自学能力极强的学习者，已经在用人工智能做出了不起的成就了。

②选择：创业or 读大学？

我当年也是辍学者，父母花了十年时间，才不再追问我什么时候回去上学。因此我觉得，父母只是出于爱，想给你他们认为最好的建议。

你只需要不断向他们解释：如果你想回去上学，随时都可以，但现在的世界已经不一样了，而且未来还会继续变化。每个人都需要自己做决定，不要盲从社会的期待。

我个人认为，如果你是一名人工智能领域的开发者，现在这个阶段，上大学可能不是最好的选择，除非你是一个有雄心、有主见、很努力的人。这是一个特殊的时期，你以后随时都可以回去上学。

我建议你告诉父母：这并不意味着大学教育不适合很多人，也不意味着未来它不适合你，但现在你需要专注于自己的目标。他们最终会理解的。

③幼儿阶段，不宜过早使用人工智能

幼儿园的孩子应该多在户外玩耍，接触实物，学习如何与人交往。

所以，我不仅不建议幼儿园使用人工智能，也不建议在幼儿园配备计算机。从发育角度来看，我们还不清楚技术对幼儿的具体影响。

关于社交媒体对青少年的影响，已经有很多研究，而且情况看起来很糟糕。但我觉得，技术对幼儿的影响，可能比这还要严重，只是相关的讨论还比较少。

我认为，在我们充分了解这一点之前，幼儿园不应该大规模使用人工智能。

3.对科研：人类仍要发挥主要作用

模型要在大多数领域实现完全自主的科研，还有很长很长的路要走。

我们可以看看数学领域：这个领域不需要实验室或物理实验，只需要深入思考，就能取得巨大进展。

如果我们持续更新模型，未来甚至在数学领域也能实现自主科研。

但就目前而言，那些借助模型取得重大进展的数学家，依然需要深度参与，他们会审视模型的即时输出，然后说：“不对，这个思路不对。我直觉上觉得另一条路可能更有希望。”

我见过一些数学家，他们现在的日常工作就是和最新的模型协作，他们的研究进展很快，但他们的工作方式和模型截然不同。

说实话，这让我想起了国际象棋的历史：当年Deep Blue击败卡斯帕罗夫的时候。

之后有一段时间，人工智能的水平超过了人类，但“人类+人工智能”的组合，人类从人工智能的十种走法中选出最优解，比单独的人工智能或人类都要厉害。然后很快，人工智能的水平又超过了“人类+人工智能”的组合。

我猜想，在很多科研领域，未来也会出现类似的情况。科研问题会变得越来越复杂，人工智能对多步骤流程的理解能力，会超过大多数，甚至所有人类。

但在创造力、直觉和判断力方面，我们和当前的模型还有很大的差距。我没有理由认为我们做不到这一点，所以我相信未来一定会实现。

但就现在而言，单纯对GPT-5、GPT-6说“去解数学题”，是无法超过“人类+模型”的组合的，人类引导模型：“这个方向是对的，那个方向不对。”

即便我们能验证证明、把优秀的证明过程加入训练集，科研工作流中还有很多其他的关键环节。

当然，解决一个问题，会衍生出很多新的问题。看到科学家们积极使用这些工具，我觉得非常振奋。

他们会消耗大量的GPU算力，但他们能做到，正如有人所说，他们可以把20个想法抛给人工智能，进行广度优先搜索，不深入研究任何一个，把人工智能当作“无限的研究生”。我最近把这个说法升级为“无限的博士后”。

在物理科学自动化方面：我们一直在讨论，是否应该为每个领域打造自动化实验室，我们对此持开放态度，还是说，整个世界会涌现出优秀的实验方案，拥有大量的设备，并且愿意分享数据。

从科学家们对5.2版本的接受度和贡献来看，后者的可能性很大。这样的世界会更简单、更美好、更分布式，汇聚更多的聪明人，使用更多种类的设备。

4.关于协作：连接变得更有价值

在人工智能普及的世界里，人类的连接会变得更有价值，而不是更不重要，人们会更愿意聚在一起，协作完成工作。

我们已经开始探索更便捷的交互界面，帮助人们实现协作。在思考开发自己的硬件和设备时，我们也花了很多时间，甚至是最先思考，如何打造一个协作式的多用户人工智能助手体验。

我的感觉是，虽然现在还没有人能完美实现，但人工智能会以一种前所未有的方式，赋能这种协作模式。你可以让五个人围坐在一张桌子旁，旁边还有一个人工智能助手，可能是机器人，这样团队的效率会大幅提升。

你会慢慢习惯这种模式，比如每次头脑风暴，每次解决问题，都会有一个人工智能助手参与其中，帮助大家做得更好。

5.创意，是人类最后的精神堡垒

现在大家都喜欢把人工智能的输出称为“垃圾”，但人类创造的内容里，垃圾也不少。想出好的新创意，其实非常难。

我越来越相信，我们的思维是受限于工具的。我们应该开发一些能帮助人们产生好创意的工具。

我认为这里有很多可能性，随着创作成本的暴跌，我们可以建立一个紧密的反馈循环，快速筛选出好创意。

而且，人工智能不仅能写复杂的代码，还能发现新的科学规律，我相信会开辟出一个全新的可能性空间。

但很多人都有这样的体验：坐在人工智能面前，比如生成式写作工具前，却不知道接下来该问什么问题。

如果我们能开发出帮助人们产生好创意的工具，我相信我们能做到，我们可以分析你过去的所有作品、所有代码，找出对你有用的内容，结合你的需求，持续为你提供建议。

如果我们能打造一个优秀的头脑风暴伙伴，我生命中就有三四个人，每次和他们聊天，我都能收获很多新想法。他们很擅长提出问题，或者给你一些可以延伸的灵感。

你也可以拥有这样的工具，哪怕它给出的100个想法里，有95个你都觉得“不行”。我认为这样的工具，会对世界上优秀产品的产出量产生巨大的推动作用。

实际上，模型带来的科学进步，已经不再是微不足道的了。

目前，我们能学到最多东西的领域，是图像生成，这个领域发展时间最长，创意社区对它的态度，从排斥到接纳，再到喜爱。

这里有很多有趣的现象，其中一点是：如果告诉用户，一张图片是人类创作的，用户的欣赏度和满意度会大幅提升；如果告诉他们是人工智能生成的，满意度就会大幅下降。

我认为，这会是未来几十年的一个重要趋势：我们非常在意创作者的身份，对机器的态度则很冷淡。

在所有形容人工智能的贬义词里，我最喜欢“clanker ” （笔记侠注： 《星球大战:克隆人战争》中，克隆人士兵对敌方机器人的贬称，clank是金属关节摩擦的拟声词 ），这个词能精准地表达人们的情感反应。

你可以看到很多非常惊艳的创意图片，至少在我看来是这样，但只要你告诉别人，这是人工智能生成的，很多人的主观欣赏度就会大幅下降。

去年，我在网上看到一个实验：他们找了一些声称非常讨厌人工智能生成图片的人，让他们判断哪些是人工智能生成的，结果所有人都认为，那些“糟糕”的图片就是人工智能生成的。

然后，他们给这些人看了一些图片，一半是人类创作的，一半是人工智能生成的，让他们选出最喜欢的。

结果，他们几乎一致地把人工智能生成的图片排在前面，但当他们被告知这些图片是人工智能生成的之后，又会说：“其实我不喜欢，这不是我想要的。”

这就是一个测试：你真正喜欢的是什么？

当我读完一本喜欢的书，第一件事就是想知道作者是谁，了解他的人生经历，想知道他是如何写出这本书的，因为我和这个素未谋面的人产生了共鸣，我想了解他。

如果我读完一本很棒的小说，最后发现它是人工智能写的，我会感到很失落，很沮丧。我认为，这会是一个持久的趋势。

但如果艺术创作中，人类的引导哪怕只有一点点，不管多小，随着时间的推移，我们还需要观察人们的感受。

人们似乎不会对这种创作方式产生那么强烈的排斥感。这种情况其实早就发生过：数字艺术家使用Photoshop，人们依然会喜欢他们的作品。

所以，根据创作者和消费者的行为，我的预测是：创作者的个人经历、创作故事，以及在创作过程中进行的编辑、筛选等工作，会变得越来越重要。

我们不会想要完全由人工智能生成的艺术作品，至少就目前的技术水平来看是这样。

四、AI技术发展趋势

1.高性能的通用模型，将成为主流

由于精力有限，我们有时会专注于某一个领域，而忽略了其他领域。就像大家认为GPT-5的编程能力超强，但写作能力不如GPT-4.5。

但我相信，未来的主流会是“高性能的通用模型”。因此，我们将重点提升智能性、推理能力、编程能力和工程能力这类核心能力。

你知道，就算你想开发一个擅长编程的模型，能写好文章也会很加分，比如，你想让它生成一个完整的应用，文章写得好会让整个产品更完善。

当模型和你互动时，你会希望它能有深刻、犀利的观点，沟通清晰明了，这里的“写得好”，指的是思路清晰，而不只是辞藻华丽。

所以我的期望是，我们能推动未来的模型在所有这些维度上都变得优秀，而且我们一定能做到。

我认为智能是一种非常“通用”的能力，我们可以让一个模型在所有领域都表现出色。

现在确实是推动“编程智能”发展的关键时期，但我们也会努力在其他领域迎头赶上。

2.模型对新技术有更好的适应能力

我认为我们一定能让模型很好地适应新技术。从根本上来说，如果我们正确使用这些模型，它们就是一个通用的推理引擎。我们现在的架构，也内置了大量的世界知识。

我相信我们正在朝着正确的方向前进。而且我希望在未来几年内，模型能做到快速更新、适应新技术、学习新技能，甚至比人类学得更快。

我们会以一个里程碑式的成就为荣：当模型面对一个全新的环境、新工具、新技术时，你只需要解释一次，甚至不需要解释，模型自己探索一次，就能可靠地使用这个工具，并做出正确的结果。我觉得这一天并不遥远。

3.模型发展，需平衡成本与速度

到2027年底，OpenAI应该能推出具备GPT-5.2X级别的智能能力的模型，大家可以猜猜看，成本能降低多少？我觉得至少能降低100倍。

但还有一个我们过去关注较少、现在越来越重要的维度：模型输出的内容越来越复杂，现在有很多人要求我们提升输出速度，而不是单纯降低成本。

我们确实很擅长降低成本，从第一代GPT-4到现在，我们的进步大家有目共睹。我们还没深入思考过，如何在成本不变甚至更高的情况下，把输出速度提升到百分之一。

我认为，在很多场景中，人们都会非常看重速度。我们必须在这两者之间找到平衡，但遗憾的是，这是两个完全不同的问题。

但如果我们能专注于降本，而且市场也需要这样的产品，我们就能在这条路上走得很远。

4.定制化成为趋势

就像很多事情一样，人们需要尝试不同的方法，找到自己喜欢的模式。未来或许会形成几种主流的解决方案，但这些模式并没法全部探索出来。

帮助人们高效使用超强模型的工具，是个非常好的方向，目前这个领域几乎是空白。模型的能力和大多数人能挖掘出的能力之间，存在巨大且持续扩大的差距。

一定会有人开发出真正好用的工具，但现在还没人做到极致。我们也会尝试开发自己的版本，但这个领域空间很大，不同用户的偏好也各不相同。

不过，“为我定制”的应用正在兴起。为什么定制化智能体界面的创新，会加速微应用的发展趋势？

这个问题我最近在使用Codex（法典）时也深有体会：我不再把软件看作一个固定不变的东西。如果遇到小问题，我会期待电脑立刻写出代码。我认为这种趋势还会持续发展。

我怀疑，我们使用计算机和操作系统的方式，都会发生改变。

我不认为每次需要编辑文档时，都会有一个全新的文字处理软件为你量身打造，因为我们已经习惯了现有的界面，按钮的位置也需要保持稳定。

但对于其他很多场景，我们会拥有专属的定制化软件。

也许我每次都想用同一个文字处理软件，但我有很多独特的使用习惯，我希望软件能越来越贴合我的需求，一个固定不变或缓慢迭代的软件，能为我量身打造，而不是像别人那样使用。

工具会不断进化，为我所用，这种趋势一定会到来。在OpenAI内部，大家现在都在使用Codex来优化自己的工作流，每个人都有自己的定制化设置，用法也各不相同。

这种趋势是必然的，而且我认为这是一个非常好的发展方向。探索它的形态和实现方式，是一件很有意义的事。

五、人工智能的风险与挑战

1.工具的安全基础设施亟需完善

我刚开始使用Codex（笔记侠注：Codex,OpenAI推出的AI代码生成训练模型）的时候，我说：“我不知道这个工具会带来什么，但我肯定不会让它完全无监督地访问我的电脑。”我当时非常笃定。

结果我只用了两个小时，就改变了想法。我想：“你知道吗？它的操作看起来挺靠谱的。我讨厌每次都要审批这些命令，我干脆关掉监督一会儿，看看会发生什么。”

然后我就再也没有打开过完全监督的模式。我觉得其他人也有类似的经历。

所以我最担心的是，这些工具的强大功能和便利性实在太诱人了，虽然它们的失败率很低，一旦失败，后果可能很严重，但我们很容易陷入自满：“没事的，会好的。”

然后，随着模型的能力越来越强，越来越难以理解，如果模型出现偏差，或者在几周、几个月的使用过程中出现复杂的问题，比如在你开发的产品中植入安全漏洞，你可能会觉得这有点“科幻”。

但我认为，现实情况可能是这样的：

使用这些工具的压力，不仅仅是压力，还有它们的吸引力和强大功能，会让人们放松警惕，不再认真思考自己运行工具的方式，不再仔细检查沙箱（笔记侠注：沙箱，一种计算机安全机制）的设置等等。

我最担心的是，模型的能力会飞速提升。我们会习惯模型在某个层面的工作方式，然后觉得自己信任它，却没有为它建立完善的安全基础设施，最终陷入困境。

当然，我认为打造这样的安全基础设施，也会是一个非常好的创业方向。

2.生物领域安全面临严峻挑战

2026年，人工智能可能会带来很多风险。其中，我们最担心的就是生物领域。

模型在生物领域的能力已经很强，目前，全球的策略，我所说的“我们”，不只是OpenAI，都是限制模型的使用权限，设置大量的分类器，防止人们利用模型制造新的病原体。

但我认为，这种策略不会持续太久。我认为，全球在人工智能安全领域，尤其是生物人工智能/生物安全领域，需要做出的转变是，从“封堵”策略转向“韧性建设”策略。

我的联合创始人沃伊切赫有一个很形象的比喻，关于消防安全：火曾给人类社会带来巨大的便利，后来却烧毁了城市。

我们曾尝试各种方法限制“火”，我这周末才了解到，“宵禁”一词就源于当时人们被禁止生火，因为火灾会烧毁城市。

后来我们学会了提升防火韧性，制定消防规范、使用阻燃材料，以及其他一系列措施。现在，我们社会的防火能力已经很强了。

我认为，我们看待人工智能也应该用同样的方式。人工智能会成为生物恐怖主义的威胁，也会成为网络安全的威胁。但人工智能也是解决这些问题的方案，同时也是解决其他很多问题的方案。

我认为，我们需要全社会共同努力，构建韧性基础设施，而不是只依赖那些“永远能封堵风险”的实验室。

世界上会出现很多优秀的模型。我们已经和很多生物领域的研究者、企业讨论过如何应对新型病原体。

我认为，有很多人都在关注这个问题，而且很多人都表示，人工智能在这方面确实能起到帮助作用。但这不会是一个纯技术的解决方案，我们需要整个世界改变对这个问题的看法。

所以我对当前的局势感到担忧，但我认为，除了韧性建设的策略，没有其他可行的路径。而且，人工智能确实能帮助我们快速实现这一目标。

但如果今年人工智能领域出现重大的、明显的失误，我认为生物科技领域很可能会成为重灾区。之后的几年里，我们也可能会看到其他领域出现类似的问题。

3.个性化与隐私安全，是一对孪生兄弟

我们会大力推进记忆功能和个性化功能的开发。显然，用户需要这些功能，而且这些功能能大幅提升工具的使用体验。

我自己也经历了这个功能的迭代过程，但现在，我已经准备好让ChatGPT访问我的整个电脑和整个网络，了解我的所有信息。因为它的价值实在太高了，我现在已经不像以前那样感到不安了。

我真心希望所有人工智能公司都能高度重视安全和隐私保护，也希望整个社会都能重视这一点，因为它的实用价值实在太大了。 人工智能会了解我的全部生活，我不会让它消失。

我现在还没有准备好戴上一个能记录所有信息的眼镜，因为这会让我感到很不安。但我愿意说：“你可以访问我的整个电脑，了解我的所有情况，为我提供有用的帮助，理解我的一切，完整地掌握我的数字生活。”

我很懒，我觉得大多数用户也都很懒，所以一个大致的信息整合就足够了。

我不想坐在那里，把记忆分成“工作记忆”和“个人记忆”。

我想要的，也是我认为可以实现的，我们之前聊过这个话题，是让人工智能深入理解我生活中的复杂规则、互动关系和层级结构，让它知道在什么时候、什么场景下，该使用哪些信息，该在什么地方分享哪些信息。

我们必须解决这个问题，因为我认为这就是大多数用户想要的功能。

进一步，有的用户希望可以自主管理令牌（笔记侠注：token）额度，或者同步ChatGPT的记忆。但这其实很有风险，因为ChatGPT知道你的很多信息。

如果你把自己的秘密告诉一个非常亲近的人，你可以相信，对方会清楚地知道在什么情况下、对谁说、该分享什么信息。

如果我把ChatGPT账号连接到很多网站，然后说“你根据自己的判断，决定该分享哪些信息”，我会感到很不安。当我们能实现这一点时，这肯定会是一个很酷的功能。

结语

所有技能，都是可以学习的

现在，编程已经不是唯一的选择了。但像培养独立思考能力、提升创意生成能力、增强韧性、快速适应快速变化的世界，这些技能会比任何具体的技术技能都更重要。而且，这些技能都是可以学习的。

作为一名天使投资人，我有一个意外的发现：通过三个月的训练营式培训，就能让人们在我刚才提到的这些方面变得非常出色。这对我来说是一个很大的启发。

所以我认为，这些技能可能是未来最重要的，而且它们都可以通过学习掌握。

参考来源：

1.山姆·奥特曼最新座谈：AI未来、工程师命运与创业新机遇（上）价投实战派；

2.山姆·奥特曼最新座谈：AI未来、工程师命运与创业新机遇（下）价投实战派。

*文章为作者独立观点，不代表笔记侠立场。

好文阅读推荐：

“子弹笔记”是笔记侠的矩阵公众号，聚焦职场效率追求、人际关系与高潜成长者，帮你3分钟吃透核心观点和方法论。欢迎关注～

分享、点赞、在看，3连3连！