夜雨聆风您想知道的人工智能干货，第一时间送达
编辑 | 云昭
“现在的AI，就像2020年疫情爆发前夜！”
“程序员父母的孩子，眼睁睁看着自家孩子用Codex写游戏！”
4月8日，OpenAI CEO Sam Altman 与 OpenAI 研究科学家 Josh Achiam、OpenAI 研究员 Adrien Ecoffet 开了一场关于“未来AI”圆桌讨论。
主持人是知名投资人 Chris Nicholson。
这场 Panel 的大背景是，当天OpenAI发布了一份 13 页的“智能时代”的政策蓝图。（该死的是，小编发现OpenAI的这份原始文件已经找不到了。）
通过外媒给出的信息，可以看出这份蓝图文件透露出了相当强烈的“超级AI将至”的预警信号。
蓝图文件中，OpenAI 提议设立公共财富基金、32 小时工作周试点、“可携带的福利”、正式的"AI 权利"以及税收改革以抵消自动化规模扩大导致的工资收入减少等建议。
Sam 坦承，这份文件中给出的只是OpenAI团队早期想法，目的是目的是开启讨论。
而 OpenAI 之所以最后发出这份文件的“上下文背景”则更为恐怖：
“我们判断，现在已经非常接近一个关键节点。”
至于说程度有多么关键？Sam 用了一个很恐怖的类比：就好比2020年疫情爆发的前夜！“技术已经发生质变，但社会尚未意识到。”
我们每天盯着数据，反复讨论，确信这件事会爆发。
我们知道有件事要来了，只是世界还没意识到。
Sam 讲述了一段国内很少得知的经历：在 2020 年疫情初期，OpenAI 内部比外界更早意识到风险，甚至被媒体嘲笑“过度反应”。
回到这次 Panel。Sam Altman 与团队成员这场讨论的重点有一点超前，但可以说跟每个人都息息相关，包括：极强模型时代下，AI 会从工具转向基础设施、创业门槛被极大压低、算力成为核心资源，以及社会需提前构建适配的制度与“韧性体系”以应对潜在冲击。
整场感受下来，小编认为，这场Panel最有冲击力的部分，是OpenAI内部对于“极强模型”时代下，整个社会应对的预设构想。
首先，Sam Altman明确提出，传统AI安全思路已经过时——未来不是“少数模型被严格控制”，而是“海量AI共存”，真正的安全将来自全社会的防御能力，原来“少数几个 AI Lab 的对齐大模型”的做法已经失效了。
其次，AI民主化也被重新定义了。Sam 表示，关键不在“人人能用ChatGPT”，而在于“是否拥有算力资源”，“AI民主化”本质上是基础设施问题，类似电力而非软件。
这也就引发出了第三点：面对AI可能取代大量智力劳动，Sam 也改进了自己之前提到的一个想法：全民基本收入（“发钱”），他将之改成了“发生产力”（如基础算力），这是分配逻辑的根本变化。
甚至Sam提出了一个不成熟的税收构想：既然“劳动”已经被AI接管，那传统的征税对象就应该从“人”转向“创造价值的AI”。
此外，OpenAI 也指出了现在大家很容易忽略的一个现实情况，即，AI带来的最大风险，其实并不是全新问题，很多问题之前就已存在，只不过是 AI 放大了既有系统脆弱性，例如网络安全、供应链等。
最后，“AI 能力溢出”的问题再次被提及，Josh 指出社会对AI能力的认知严重滞后，技术进步以“月”为单位，而公众理解却以“半年”为周期，这种认知错位本身就是未来冲击的重要来源。
作为这份文件的参与撰写者，研究员 Adrien 无意间曝了一个OpenAI内部的料：现在他们几乎不怎么写代码了！大部分代码都是AI写的。
另一个有趣细节来自 Sam 的日常体验：他分享自己把体检报告输入 ChatGPT，竟然获得了比医生更细致的解释和建议，这种“即时理解复杂问题”的体验让他印象深刻。
此外，Sam 给到了自己一个独特的颇具代表性的代际断层式的观察：
程序员父母看到孩子竟然在对着 Codex 语音，让 AI 为他生成游戏。父母的表情从“不可能”到震惊。
“孩子们终将会在完全不同的世界中长大！”
不得不说，00后也要过时了，一个AI原生的α世代（10后）将至！
以下是小编整理的三位OpenAI内部的核心思考，enjoy！
Sam：我们即将进入“极强模型”的时代
主持人 Chris Nicholson：大家下午好，欢迎来到 OpenAI Forum。我是 Chris Nicholson，很高兴今天和大家一起交流。这个论坛的目标，是围绕 AI 在现实世界中的应用展开严肃讨论：我们正在从中学到什么，以及更多人如何参与塑造它的发展方向。
今天的讨论聚焦一个技术领域的核心问题：随着 AI 系统能力大幅提升，它将意味着什么？我们该如何理解它对科学、工作、社会生活以及治理的影响？
今天的嘉宾包括 OpenAI 联合创始人兼 CEO Sam Altman、首席未来学家 Josh Achiam，以及长期从事研究工作的 Adrien Ecoffet。
那我们开始。Sam，我们今天发布的这份蓝图里大量提到“超级智能”。我最想问的是：为什么是现在？以及你们在内部看到的一些东西，有哪些是你希望外界更早知道的？
Sam Altman：最核心的原因其实很简单：进展还在加速，而且速度越来越快。
我们判断，现在已经非常接近一个关键节点。接下来几年里，会持续出现更强大的模型，这不会是一次性的跃迁，而是一段持续增强的过程，这些模型会对世界产生重要影响。
参与这份蓝图的研究人员做了一件很了不起的事情。这些内容本质上是“早期想法”，目的是开启讨论。我相信随着全球范围的讨论深入，我们会得到更好的答案。
我们正在直面即将到来的模型能力——整个 pipeline 已经摆在眼前。当然，我们也可能判断错误，可能会撞到技术瓶颈，我们并不完美。但基于目前看到的情况，我们预计很快会进入一个“极其强大模型”的时代，而且能力还会持续提升。这会深刻影响经济、生活方式，以及人类的能力边界。
我有一个观察：在真正必须做决策之前，如果公众、领导者和政治系统有更多时间去讨论问题，通常更容易做出更好的决策。
所以现在就开始这场讨论，非常重要。
OpenAI研究员大部分代码都让AI写了
安全政策文件需要同行讨论
主持人：说到“讨论”，我们这次很早就让很多研究人员参与进来了。这种让研究人员和政策思考者紧密合作的方式，其实挺少见的。Adrien，你怎么看这段经历？
Adrien Ecoffet：这对我来说是一次很不一样的体验，也是我第一次深度参与政策文件的撰写。
某种程度上，这件事挺“打脸”的。作为研究者，我们平时很容易停留在抽象层面，比如讨论经济影响、安全政策这些宏大问题。但真正把这些想法写成具体政策，是完全不同的挑战。
你必须提出可以被同行讨论、甚至质疑的具体方案。所以我觉得，让研究人员这么早、这么深度参与进来，对最终成果是有帮助的。尤其是这种高度前瞻性的议题，确实需要那些每天在构建这些技术、理解安全体系、亲眼看到进展速度的人来参与。
有一点我印象特别深：在过去几个月里，很多研究人员经历了一个转变——从自己写代码，变成让 AI 写大部分代码。这种变化带来了一种强烈的紧迫感：这项技术已经真实存在，而且正在快速推进，而外界很多人还没有真正感知到这一点。
Sam ：现在的AI，就像2020年疫情爆发前夜
Sam Altman：我讲个小故事。2020年1月底到2月初的时候，OpenAI 内部一群研究员开始对 COVID 非常敏感，比整个社会都早。
我们每天盯着数据，反复讨论，确信这件事会爆发。我们甚至开始计划远程办公。当时还有媒体写文章嘲笑我们，说 OpenAI 这群人太夸张了，比如在门把手上涂铜之类的。
但我们其实已经在为“封锁”做准备。我们知道有件事要来了，只是世界还没意识到。
有一天晚上，很冷。我住在 Mission 区，我当时想：可能要被关在家很久了，我要出去走一走。我在城市里走了几个小时，透过餐厅和酒吧的窗户，看着人们面对面聊天、呼吸交错，而我戴着口罩，看起来像个怪人。
街上只有另一个戴口罩的人，我们彼此点了点头。除此之外，一切都显得完全正常。但我心里很清楚：事情要变了。
现在，我再次有了那种感觉。
一种巨大的变化正在发生，甚至已经发生了——模型已经到达某个水平，但整个社会还没有消化它。我们看得很清楚，也在努力告诉世界，但很难让人真正理解。
这就像疫情刚开始时的那个夜晚。
AI令人兴奋的一面
主持人：这个比喻很有意思。那如果我们把 AI 和疫情对比，你刚才讲了风险，那“好的一面”呢？
Sam Altman：好的部分，其实好到值得我们多花时间去认真讨论。
比如科学：如果我们能把10年的科研进展压缩到1年完成，如果我们能治愈大量疾病，实现个性化医疗，发现新的材料，让能源变得更便宜、更安全……
如果每个人只要有创业想法，AI 就能帮他实现、写代码、搭产品；如果每个人都能拥有专属于自己的游戏体验……
这些都是非常美好的事情。当然，这也是为什么我们要带着紧迫感发布这些内容，因为也会有很多问题需要应对。
我本身是个乐观的人，但更重要的是，这项技术极大拓展了我们的“可能性空间”。
当我第一次读完研究人员写的这份蓝图时，我的感受是：这既令人兴奋，也有点疯狂——因为这些讨论已经变得“可信”。如果 AI 真如我们预期那么强大，那它也会成为一个帮助我们解决问题的新工具。
OpenAI的核心责任：
技术实现、确保大多数人受益
主持人：Josh，我想问你。我们把 AI 看作一种“社会基础设施”，它正在改变人们的工作、学习和参与社会的方式。那机构和我们这些人，应该承担什么责任？
Josh Achiam：我会从“普惠性”这个角度来看。长期以来，人类社会一直有一个理想：让每个人都能拥有基本生活条件，比如食物、住所、电力、医疗。
但现实中我们总被告知：做不到，成本太高，社会负担太重。而 AI，尤其是超级智能，可能会改变这一点。
它有机会以远低于过去的成本，让这些基础资源变得可普及，从而让更多人能够把时间和精力投入到真正重要的事情上。
作为这项技术的推动者，我们有一项特殊责任：确保这些好处真的能够实现，同时参与建设政策和制度，让普通劳动者、中产阶级、以及低收入国家的人群都能受益，而不是只让少数富人获利。这是我认为最核心的责任所在，我也对此非常期待。当然，风险同样不容忽视，系统性冲击是有可能发生的，我们必须提前准备、认真思考，并且坦诚面对这些问题。
AI安全范式变了：
限制模型转向社会韧性防御
主持人 Chris Nicholson：这听起来更像是一个“韧性”的问题。当我阅读这份文件、和你们交流时，我发现你们是在用“分层”的方式来理解韧性，对吗？不仅是在 AI 发布之前，也包括 AI 发布之后——社会如何应对，以及人们如何做好准备。我想分别听听你们对“韧性”的理解。Adrien，我们先从你开始。
Adrien Ecoffet：我觉得可以先做一个区分。传统上我们谈 AI 安全，更多是做安全评估、建立防护机制，这当然非常重要，也是“韧性体系”中的一层，而且还需要继续强化。但与此同时，我们也要考虑另一种情况：如果有一些参与者没有做足够的安全测试，会发生什么？如果 AI 带来的风险在这种情况下出现，社会该如何应对？
现实中很可能会出现事故，或者“险些发生”的事件。在这份蓝图里，我们提到“事件报告机制”，有点类似航空业的做法——任何事故或险情，无论多小，都会被记录进数据库，让整个行业都能知道风险在哪里，以及可以采取哪些缓解措施。
还有一些是社会层面的应对，比如防御能力建设。现在的模型在编程上已经很强，这意味着它们也可能被用于网络攻击。韧性的一部分，就是提升整个社会的软件安全水平，并且用 AI 来强化这些防御能力。所以你说的“分层”是对的，这是一个多层次的问题。
Sam Altman：过去我们对 AI 安全的理解，可以叫“经典范式”：假设世界上只会有极少数 AI，只要确保这些 AI 被正确对齐、不做危险的事情，世界就没问题。
但现在的情况更复杂，也更稳定——未来会有很多 AI 同时存在。仅靠某一家公司的约束是不够的，社会需要形成一种“涌现式”的整体应对能力。
举几个例子。网络安全会成为一个非常大的问题。AI 会极其擅长发现软件漏洞，世界会意识到自己的软件其实比想象中更脆弱。过去人类只是没能力发现那么多漏洞而已。
但问题在于，你不能指望一两家模型公司去完全阻止这些能力，因为“写代码”和“发现漏洞”本质上是同一能力。而且即使所有公司都限制模型使用，开源模型也会很快具备这些能力。
真正的应对方式，是整个社会使用 AI 来进行防御。比如可以先把能力提供给可信的防御方，让他们强化系统安全。这需要大规模协作，而不是单点控制。
再往前看，还有“生物安全”的版本。有人可能会说，只要限制模型开发病原体就可以。但现实是，总会有人用某些模型去做这件事。
所以社会需要建立“防御盾”：检测系统、快速响应机制、治疗手段等等。
这并不意味着我们可以放松对模型安全的要求，我们仍然要持续做对齐、构建安全系统。但与此同时，社会必须发展出这种“自发的防御能力”，构建多层防护。
威胁远不止这些，但时间有限，先说这两个例子就够了。
AI只是放大了原来的问题，也可以用AI来解决
主持人 Chris Nicholson：Josh，你之前提到，每一次重大技术变革，都会催生新的制度和民主机制。你也在思考这次会出现什么新的机构。你现在最兴奋的想法是什么？
Josh Achiam：先补充一点关于“韧性”的背景。很多我们担心 AI 会放大的问题，其实原本就存在，只是 AI 提升了紧迫性。
比如疫情期间，我们才真正意识到供应链的重要性——食物、商品，一切维持社会运转的东西都依赖它。同样，在民主制度上，我们也已经讨论了很多年：信息操纵、社会影响等问题是客观存在的，而 AI 可能会让这些攻击在短期内变得更容易。
但我比较乐观的一点是：我们可以借助 AI 去建立新的制度能力，来修复这些脆弱点。AI 可以帮助我们系统性地识别问题、系统性地修补漏洞，还可以扩大防御规模，让攻击成本变得非常高。
比如在网络安全和生物安全上，我认为有机会建立一个“防御生态”，让攻击的成本高到不值得去做。
另外一个我特别关注的点是食品供应链的生物风险。这个问题被低估了，但 AI 可以帮助我们以可扩展的方式去提升它的安全性，而这在过去是成本无法承受的。所以我对这些“可以被构建出来的能力”是非常兴奋的。
人如何在AI经济中转型
主持人 Chris Nicholson：最后一个问题。对于个体来说，工作形态会发生变化，价值也会重新分配。你怎么看人在 AI 经济中的转型？
Josh Achiam：这个问题很大，但有一个核心变化是：人会拥有更强的“行动能力”。比如，你可以创办一家公司，让一支 AI 团队去完成你自己并不擅长的所有工作，这会让一个想法落地变得容易得多。
当人们获得这些工具、能做以前做不到的事情时，整个经济结构会发生非常根本的变化。
Sam Altman：未来创业，只需要两个人和一堆GPU
主持人 Chris Nicholson：确实如此。Sam，我也想问你类似的问题。你在创业领域经验非常丰富，不管是亲自创业、管理 Y Combinator，还是长期在这个生态里，你怎么看 AI 会如何改变创业，以及实现新想法的方式？
Sam Altman：我现在很着迷的一件事，就是去探索这个空间。具体会变成什么样我也不完全确定，但像 Josh 刚才说的——一个人或一个很小的团队，很快就能做出一个完整创业项目——这件事背后一定有很深、很重要的变化值得挖掘。
在我们这个行业，每当“创业的摩擦成本”大幅下降时，都会诞生非常惊人的新东西。我记得我自己经历过的一次变化，就是 Amazon Web Services 出现的时候。突然之间有了“云”的概念，小团队不再需要去做过去那些复杂的基础设施工作，比如在机房里堆服务器。
那次变化已经极大提升了小团队的能力，而这一次的变化会更大。中间当然也经历过几轮，但这一轮的幅度是最大的。
我非常想看到这样一种形态：一个创业公司可能只有两三个人，加上一堆 GPU，就能做成事情。这会真正实现“谁都可以创业”的民主化。
Sam Altman：AI民主化的本质是一个基础设施问题
主持人 Chris Nicholson：这确实回到了“民主化”的问题，本质是让更多人能够使用 AI。那你觉得应该用什么框架来理解“AI 的普及”？
Sam Altman：当人们谈“AI 民主化”时，其实是在说两件不同的事。
一是“使用权的普及”，也就是让每个人都能用上足够强的 AI，去改善自己的生活、为他人创造价值。二是“参与权”，也就是人们对 AI 未来发展方向要有发声的机会。
这两点都很重要。我们做这类蓝图，一个重要原因就是：如果社会没有讨论，人们没有使用体验，那他们就无法参与决策。但这还不够，我们还需要机制，让这些反馈真的被听见，并能反映到系统中。
另外一点是，我们不仅要提供像 ChatGPT 这样的服务，还要把真正高算力、能支持创业、科研的能力，广泛提供给更多人。
主持人 Chris Nicholson：这可能意味着新的经济模式，或者更低的推理成本，让 AI 能更广泛普及，对吗？
Sam Altman：这本质上是一个基础设施问题。我们过去在 OpenAI 讨论了很多年：什么时候能走出“算力短缺”。但我现在觉得，我们可能永远都不会真正走出来。只要我们持续降低“智能的成本”、提高“智能的能力”，需求就会无限增长。
如果我们没有建设足够的基础设施，算力就会被极度集中，价格不断被抬高，最终只被少数人掌控。
所以我唯一真正相信的长期“民主化策略”，就是：建足够多的 AI 基础设施，让模型足够强大，让算力尽可能普及。理想状态下，人们甚至会开始烦恼“我该拿这么多算力做什么”。当然现实可能不会完全到这一步。
但如果算力稀缺，最富有的人和公司一定会把价格抬到极高，这会形成新的垄断。所以从某种意义上说，大规模建设数据中心，其实是一件“非常平权”的事情，因为它能扩大 AI 的可及性。
历史上类似的例子很多。比如电力：降低电价，是提升人类生活质量最重要的因素之一。能源的可获得性，长期以来与生活质量高度相关。
未来可能会变成“AI 可获得性”。就像能源一样，我们需要让 AI 变得充足且廉价，这就意味着必须大规模供给，同时持续技术创新，让成本不断下降。
普通人如何不被甩出技术红利？
让员工参与决定AI的使用方式
Adrien Ecoffet：我想补充一个角度。我们刚才谈了很多“广泛获取 AI”的好处，比如会催生很多新产品，对世界有用。
但我们在写这份蓝图时，也在思考另一件事：那些普通人——并不一定会创业的人——如何不被这项技术甩在后面。这其实涉及一个更大的问题：AI 会如何改变经济结构？价值会更多流向资本，还是流向劳动（哪怕是 AI 形式的“劳动”）？
蓝图里提到一个关键问题：如何重构税基？在一个由 AI 驱动的经济中，如何重新设计分配机制？
核心是：如何让这项技术带来的繁荣属于所有人，而不是只集中在少数人手中。
主持人 Chris Nicholson：这个问题很关键。蓝图里有一些有意思的想法，比如“让员工参与决定 AI 在工作中的使用方式”。
Josh，我想先问你这个问题，也想让大家一起讨论：社会应该如何“拿到”AI 带来的收益？需要什么样的制度？
Josh Achiam：先补一句关于算力的问题：在未来几年算力仍然稀缺的情况下，“算力如何分配”，会成为整个社会最重要的问题之一。
我们应该尽可能快地扩大算力供给，否则就会陷入一种很痛苦的局面——明明可以为所有人创造巨大的价值，却因为算力成本太高而无法实现。
再说到“员工参与 AI”。我想先正面承认一个现实：很多人其实是担心 AI 的，他们担心被取代，并不会天然对“在工作中使用 AI”感到兴奋。
所以第一步，是像这份蓝图这样，明确提出：我们会推动政策，确保经济是公平的，无论发生什么，你都会被支持。只有在有基本安全感的前提下，才有可能展开真正的讨论。
接下来，我们需要做几件事：让工会参与 AI 决策，让员工参与制定 AI 在工作中的使用规则。比如，很多人对“AI 监控”很担忧，那么员工就应该参与这类决策。
另外一个重点是“AI 素养”。我们需要大规模提升人们使用 AI 的能力，让他们能用 AI 改善生活、创业、创造价值。
新机构形态：介于公司和政府之间的中间层
主持人 Chris Nicholson：有哪些制度设计，可以让更多人分享到 AI 带来的红利？Josh，你怎么看？
Josh Achiam：如果谈“新型制度”，我觉得一个方向是提升政府对经济的“测量能力”，也就是更细颗粒度地理解经济运行，这样一旦某个领域发生变化，就可以更及时地响应。AI 在这里是一个非常有潜力的工具，可以让这件事变得更可扩展、成本更低。
另外，我认为未来可能会出现一种“介于公司和政府之间”的新机构形态。现在公司和政府在治理和问责上差异很大，但我们可能需要一种中间层——既有一定治理能力，又足够灵活——可以提供类似社会保障的服务，或者在企业董事会和监管机构之间起到桥梁作用。
因为这件事不能完全依赖私营公司（它们的治理约束有限），也不能指望政府（推进速度相对较慢）单独完成，所以我们可能需要一些“中间机构”来做实验、做原型。这些想法还比较早期，但大概方向是这样。
Sam：未来征税对象可能从“人”变成“AI产出”
主持人 Chris Nicholson：Sam，从制度角度看，你觉得人们如何能更广泛地参与到这波红利中？
Sam Altman：我们刚才谈到“广泛获取”，也就是给更多人更多算力。有些人会提“全民基础算力”（universal basic compute）这类概念，听起来像是一个新口号，但本质其实很简单：与其在 AI 取代大量工作后，给人发钱，不如直接给人“资源”。
人们其实很清楚自己需要什么，也很有创造力，关键问题在于——如果他们被排除在这种资源之外，那才是最大的问题。
我确实认为，在一个 AI 承担大部分智力劳动的世界里，我们需要重新思考税收体系。传统是对人的收入征税，但未来可能需要对“AI创造的价值”征税。
同时，我们可能需要新的过渡机制，比如失业保险等。再往后，我们还需要思考一个更根本的问题：人们如何“拥有”这波增长的一部分收益。
资本主义依赖于劳动和资本之间的某种平衡，如果这个平衡被打破，现有体系就无法维持，必然需要演化。但具体会变成什么样，现在仍然是一个开放问题。
我们现在做的，就是把一些想法抛出来，让社会有时间去思考和讨论。当然，也要承认一种可能性：也许我们判断错了，可能根本不需要这么多改变。但在不确定中提前讨论，是有价值的。
每周四天工作制
Adrien Ecoffet：我想补充一下“也许我们错了”这个点。
在蓝图里，我们提出了一些建议，比如改革税基、探索每周32小时工作制等。但这里有一个重要原则：这些措施应该是“逆周期”的——也就是在 AI 带来冲击时才启用。
因为在当前世界，这些措施本身可能是有扰动的，我们讨论的是一个已经发生巨大变化的未来世界。
所以制度上一个关键问题是：如何提前识别 AI 可能带来的冲击，并在适当时机启动相应机制，来缓冲冲击、分配收益。
主持人 Chris Nicholson：我看到报告里还有一个想法是“可携带福利”（portable benefits），因为在美国，福利和雇主绑定很紧。
Adrien Ecoffet：对，这是一个更偏美国语境的提议，但我认为非常重要。现在这种福利体系其实问题很大，比如一个人失去工作，就失去医疗保障，这本身就是不合理的。
主持人 Chris Nicholson：Adrien，从研究一线来看，你已经能感受到加速在发生，也能看到科学进展。那社会和制度要跟上技术，大概还有多长时间窗口？
Adrien Ecoffet：很难给出精确时间，但可以给一个参考。我们内部讨论过，大概在2028年左右——更具体一点是2028年3月——可能会出现“自动化AI研究员”。
一旦这种系统出现，就会带来“双重冲击”：一方面，它本身就能完成高级认知工作；另一方面，它还会进一步加速 AI 本身的发展。
所以那之后的发展速度，很可能会比我们目前的节奏更快。这大致就是我们在讨论的时间窗口。
ASI后，人类最重要的品质是什么？
连接、创造力、同理心
主持人 Chris Nicholson：接下来我们进入观众提问环节。有一个问题来自 Setlana Romanava：随着 AI 能力越来越强，未来最重要的人类品质是什么？我想请每个人简单回答一下。Josh，先来。
Josh Achiam：我认为有一些品质是永恒的，比如品格、承诺、努力、同理心，这些始终重要。还有创造力，以及理解他人需求的能力。
但我也想分享一个小例子。最近我第一次去“机器人咖啡馆”，本来特别期待，结果体验非常糟糕。
我以前以为自己不在乎像 Starbucks 那样的店员微笑、打招呼这些互动，但实际体验下来才发现，我真的很需要这些。
走进一个地方，点个屏幕，让机器人做咖啡，虽然咖啡很好喝，但整个体验是空洞的。那些日常的小互动，其实很重要。
Sam Altman：我基本同意。
Adrien Ecoffet：我补充一点，这在蓝图里其实也提到过：人类是需要彼此的。
某种程度上，科技和社交媒体的发展，已经削弱了一部分人与人之间的连接。但这种连接仍然极其重要，而且随着 AI 变得更强，人们反而会更加意识到这一点。
很多需要人类连接的工作，比如护理、教育等，都会变得更重要。这不仅是一种职业，也是我们生活中不可或缺的一部分。
我觉得未来最重要的一点，可能就是：你作为一个人，如何对待其他人。
Josh：AI可以让高质量医疗规模化
主持人 Chris Nicholson：我同意。下一个问题：在美国，医疗、育儿、养老成本都很高，AI 如何让这些服务变得更普惠？
Josh Achiam：让我特别兴奋的一点是，AI 有机会把世界上最好的医疗服务带给每一个人。很多人在医疗体系中其实是迷失的，不知道该去哪里、怎么走保险流程、该找什么专科医生。有人为了确诊奔波很多年也没有结果。即使遇到非常有同理心的医生和护士，他们也没有足够时间为每个人提供最优质的服务。我认为 AI 可以让高质量医疗实现规模化，它不会取代医生，而是让他们的工作负担更合理，同时也能让患者获得更好的体验。
Sam Altman：我同意，这本质上是“患者赋权”。我们都看到过一些人在社交媒体上分享非常惊艳的医疗体验。
我自己的例子没那么夸张，但也很典型：我最近做了一次血检，有一些指标稍微超出范围。我问医生，他说问题不大。我把报告丢进 ChatGPT，它给了更详细的解释，还建议我补充某种营养、一个月后复查，结果确实有效。虽然我不是什么严重疾病，但这种“上传数据→立即获得合理建议”的体验，本身就很惊人。
我觉得类似的事情会在医疗、教育等很多领域发生，比如个性化学习。当然像养老护理这种领域，我们仍然希望更多是人来做，但 AI 可以显著降低医疗和教育的成本。
Adrien Ecoffet：我基本同意。一个很基础的点是，AI 会加速医学研究，从而整体提升医疗水平。另外，在医疗体系中，其实有大量繁琐的流程性工作，如果 AI 能承担这些部分，就能释放更多人力，让更多人真正投入到“照护”本身，这显然是积极的变化。
Sam：程序员的孩子会在完全不同的世界里长大
AI进步周期是周和月，而人评估周期却半年
主持人 Chris Nicholson：今年我们一直在讨论“能力过剩”这个现象：AI 已经能做很多事，但大多数人还没有真正用起来。有时我觉得，是因为人们已经习惯了现有世界，不再去想象更好的可能。那你们在生活中，有没有见过那种“突然意识到自己可以做到”的瞬间？
Adrien Ecoffet：我觉得人类适应新技术本来就需要时间。现在 AI 能力提升的速度，远远快于人们习惯技术进步的节奏，所以会出现“能力已经在那里，但使用还没跟上”的情况。
Sam Altman：我有一个特别喜欢的场景：让程序员父母，看他们的孩子第一次用 Codex。孩子有很多想法，但完全不知道什么难、什么容易，只是用语言描述一个游戏，然后让模型帮他做出来。很多时候孩子是用语音在说，父母一开始会觉得“这肯定不行”，结果真的做出来了。然后他们突然意识到：自己的孩子会在一个完全不同的世界里长大，会默认这些能力就是存在的。而我们这一代人，甚至不会去尝试，因为我们太确定“这做不到”。这个反差特别有意思。
主持人 Chris Nicholson：这其实是个老现象了，每一代人都更自然地掌握新技术。
Josh Achiam：关于“能力过剩”和认知滞后，还有一个时间尺度错位的问题。很多人只是模糊地知道 AI 在发展，偶尔几个月才用一次，也不会去深度探索能力边界，比如不会用推理模式，而只是停留在默认聊天模式。所以他们会觉得 AI 没那么强，甚至觉得它不可靠。
这种“认知差距”会在一个阶段被打破——当他们看到别人或机构，用最强能力模式做出令人震惊的结果时，就会更新认知。比如有人快速获得准确诊断，类似这样的案例在社会层面大规模出现时，这种认知会迅速改变。
现在的情况是：AI 的进步周期是“周”和“月”，而用户重新评估它的周期可能是“半年”。当更多人真正看到能力上限时，会发生一次明显的转变。
主持人 Chris Nicholson：Sam 刚才说的那个孩子的例子，其实让我意识到一件事：创意型的人会获得巨大优势。很多人有大量想法，但过去没办法实现，现在这个门槛正在被打开。
Sam Altman：我甚至觉得，很快会出现一种模型：你可以让它读取你的邮件、聊天记录、电脑里的所有内容，然后帮你总结“你其实想做但一直没做的事情”，再把这些想法变成可执行的项目。我认为这会非常有意思。
主持人 Chris Nicholson：这已经开始出现了，很多人把 AI 当作“思考伙伴”。今天的讨论就到这里。感谢Sam、Josh、Adrien，也感谢大家的参与。
OpenAI 希望这场对话持续下去，目前也在征集反馈，可以通过邮箱 newindustrialpolicy@openai.com提交你的想法。同时我们还会启动试点项目，包括最高10万美元的研究资助，以及最多100万美元的 API 额度支持，并将在5月于华盛顿开启新的研讨活动。
感谢大家参与这场讨论，也期待它继续发展。
参考链接：
https://fortune.com/2026/04/06/sam-altmans-capital-gains-taxes-4-day-workweek/
https://youtu.be/ZpUKNYcgM-E?si=tqgeZDbLhgAOzQ40
文章精选：
1.强化学习之父、图灵奖得主 Sutton 隔空回应 图灵奖得主Hinton：目前的 AI “理解不足，调参有余”
