OpenAI总裁:AI竞争正从模型走向算力,终点是个人AGI

“如果 AI 模型的能力继续快速提升，并且在各大前沿实验室之间保持相对同步，那么最终拥有最多算力的实验室将会胜出。”OpenAI联合创始人兼总裁 Greg Brockman在播客节目 Big Technology AI 的最新访谈中表示。

“世界上根本不会有足够的算力来满足所有需求。”Brockman说，“眼下我们讨论的还是算力限制，而真正使用这些智能体（Agents）的人数规模大概也就在1000万到2000万左右，我们距离全球普及还很远。”

“ChatGPT已经拥有大约10亿用户，”Brockman认为，“我们还没有真正把智能体能力带给这些用户。”与OpenAI设想的未来相比，目前AI的使用深度仍然微不足道，而随着智能体逐步进入大众市场，对算力的需求还将出现数量级增长。

这一判断也解释了为什么 OpenAI 正持续投入前所未有的基础设施建设。今年早些时候，OpenAI完成约1220亿美元融资，其中相当大一部分资金将投入数据中心及相关AI基础设施建设，以支撑未来不断增长的智能体计算需求。

尽管竞争对手曾对如此激进的资本开支提出质疑，Anthropic首席执行官Dario Amodei 甚至将其形容为“活在当下式（YOLOing）”的豪赌，但Brockman则认为，长期来看，算力将成为 AI 时代最重要的基础设施，也是 OpenAI 保持领先的重要前提。

不过，对于 OpenAI 而言，基础设施只是实现最终产品形态的一部分。Brockman在采访中反复提到，ChatGPT 并不是终点，OpenAI 真正希望打造的是一个能够持续理解用户目标、拥有长期上下文（Context）、调用各种工具并主动完成任务的 Personal AGI（个人AGI）。

他表示，对话只是第一步。未来的AI，不仅能够回答问题，还将连接浏览器、邮箱、日历以及各类软件，代表用户完成越来越多的实际工作。像 Codex 这样的产品已经开始展现这一方向，即便是非软件开发人员，也开始利用它完成活动筹备、邮件沟通、信息整理等日常工作。

在Brockman看来，随着模型能力不断提升，未来人与 AI 的交互方式也将发生改变。相比不断点击按钮、切换应用，人们更自然的方式将是直接告诉 AI 自己想完成什么，由智能体自主规划并执行整个过程。

与此同时，他也淡化了外界对于模型价格战的担忧。Brockman表示，AI模型价格长期来看一定会持续下降，但前沿智能（Frontier Intelligence）始终会保持溢价。“一年之后，今天最先进的模型会变得便宜得多。但与此同时，又会出现一个远远更强的新模型。”

对于微软首席执行官 Satya Nadella 提出的“模型将逐渐商品化”观点，Brockman并未完全认同。他认为，无论是算力、模型，还是企业工作流，每一层AI技术栈都将持续创造价值，而不是只有某一层成为最终赢家。

“目前正在发生的最重要的事情，是 AI 正在真正进入经济，并开始改变经济。”Brockman说，“越多的人参与推动这件事情发生，对整个行业都会越有利。”

在谈及 OpenAI的长期产品理念时，Brockman用一句话概括了他心中 AI 最理想的形态：“AI 的美妙之处，在于让机器向人类靠拢，而不是让人类委曲求全去适应机器。”

以下为格度GradientX对OpenAI 总裁 Greg Brockman与Big Technology AI 持人Alex Kantrowitz的对话内容精编：

Alex Kantrowitz：你们正在把 ChatGPT、Codex、浏览器和计算机操作能力整合到一起。外界过去认为，“Super App”并不是一个准确的说法。但现在看起来，似乎所有事情都会从 ChatGPT 里的一个 Prompt 开始，然后 OpenAI 的技术会调用浏览器或电脑替用户完成任务。这样理解对吗？

Greg Brockman：这是一个非常好的视角。但如果拉远一点看，我们真正想做的是 AGI。ChatGPT 最初只是一个语言模型，它与 AGI 之间还存在巨大鸿沟。你可以和它对话，但它没有记忆、没有工具，也没有上下文。

对话式智能只是人们完成工作、实现目标所需能力的一部分。我们的方向，是打造一个真正能替你着想的 AI。它能够理解你的目标，并持续思考今天能为你做什么。它既能处理困难问题，也能处理日常琐事，比如整理邮箱、制定健康计划，或者帮助你理解医疗信息。

长期来看，你几乎不需要任何界面，也不需要一个复杂产品。你需要的是一个可以持续对话、并替你完成目标的实体。这个过程很难，也需要时间，但方向是明确的。我们已经掌握了许多拼图，正在整合产品层、提升模型能力，并让整个系统减少点击、按钮和模式切换。

Alex：也就是说，未来 ChatGPT 不只是一个给出建议的对话界面，而是理解用户意图后，直接替用户采取行动？

Greg：是的。Codex 已经展示了这种能力。虽然它名字里有 code，但本质上并不只是关于代码，而是一个能够使用工具的通用智能体。OpenAI 内部已经有很多非技术人员在用 Codex 处理工作，比如筹备活动时，它可以联系参会者确认饮食偏好、整理信息、安排座位表。

早期我们也尝试过工具调用，比如 ChatGPT 插件。但当时模型还不够强，上下文太短，也没有记忆。今天情况不同了，模型可以访问很多工具、文件系统和互联网，能力也大幅提升。我们正站在一个新时代的边缘，在这个时代，智能体将改变我们的工作和生活方式，包括软件工程、金融、法律、销售以及个人生活。

Alex ：刚才那个例子很有意思。你的同事只是和 ChatGPT 讨论活动筹备，之后系统就会接管后续流程：连接你正在使用的工具，替你完成这些工作，而不仅仅是提出建议。

Greg ：没错。它会调用 Gmail，找到所有参会者，识别哪些人已经提交了饮食偏好，哪些还没有，然后自动起草邮件。根据你的设置，它可能会先征求你的确认，也可能在你已经建立足够信任之后，直接帮你发送。

这其实指向了智能体时代最重要的问题之一——信任。我们需要不断学习如何与这些系统建立信任，知道它们擅长什么、不擅长什么，哪些事情适合交给它们完成，又有哪些事情仍然需要自己决定。

信任不是系统天然拥有的，而是必须通过持续的表现赢得。因此，我们会不断提供更多控制权、监督能力和透明度，让用户始终掌握主动权。我认为，这会成为未来 AI 产品最重要的差异化能力之一。

Alex：过去也有人尝试过让聊天机器人直接完成任务，比如 OpenAI 很早就推出过 ChatGPT 插件，可以在聊天里调用 Uber 等服务，但最终并没有成功。现在最大的不同，似乎是 ChatGPT 已经能够直接操作浏览器甚至电脑，而不是依赖各种插件。你会担心现有的软件生态因此产生抵触吗？

Greg：首先，这已经不是一个理论问题。人们已经在大量使用 Codex，它最初面向软件工程，但如今非编程场景的增长速度非常快。在 OpenAI 内部，Codex 已经成为很多人每天都会使用的工具，几乎就像 Slack 一样。大家把它连接到 Gmail、Slack、日历以及各种内部系统，让它协助完成工作。

我们的理念并不是取代现有软件，而是让 AI 更擅长使用这些软件。我们曾主动联系一些软件公司，希望训练模型更好地使用它们的产品。很多合作伙伴的反应反而非常积极，因为他们意识到，如果 AI 能够熟练使用自己的软件，那么软件的使用频率反而会更高。

每家公司都在思考同一个问题：如何在 AI 时代获得增长，而不仅仅是生存。如果拒绝 AI，最终可能会逐渐失去竞争力；而如果拥抱 AI，它反而能够带来更多用户和更多使用场景。

Alex：你们正在把 Codex 整合进 ChatGPT。对于普通用户来说，这意味着 ChatGPT 将不仅负责提出建议，而是真正替用户完成事情。这样看来，OpenAI 更像是在构建一个新的操作系统——不是 iPhone 那种需要打开各种 App 的操作系统，而是所有应用都通过同一个入口完成交互。这是你们真正想打造的吗？

Greg：可以这样理解，但我更愿意把它看作 Personal AGI（个人 AGI）。理想的交互方式，并不是一个新的操作系统，而是一个真正的个人助手。它理解你、代表你工作，并帮助你完成目标。它可能拥有自己的计算资源，也可能获得你授权的一部分权限，比如管理你的邮箱、处理部分事务。这其实和人与人之间协作没有本质区别。

真正困难的，不是技术，而是如何建立清晰的信任边界。所以，我并不认为我们是在打造一个新的操作系统。操作系统属于上一代计算范式。我们真正改变的是人与计算机交互的方式。AI 的意义，在于让机器越来越接近人类，而不是让人类不断适应机器。未来，人们不再需要思考文件、文件夹、菜单或者操作系统这些概念，因为那只是计算机的工作方式，而不是人类思考问题的方式。

Alex：苹果正在把 Siri 打造成一个覆盖所有 App 的智能层，而 ChatGPT 也成为了 iPhone 上的重要应用。从这个角度来看，OpenAI 与苹果似乎正在走向同一个方向。你怎么看待这种竞争？

Greg：我认为重点并不在竞争，而在于我们正进入一个全新的智能体时代。每当 AI 的能力发生跃迁，人们都会重新思考人与计算机的交互方式，以及软件究竟应该是什么样子。真正让我兴奋的是，这些模型开始帮助人类完成以前根本做不到的事情。

例如，我们最近发布了一项经过同行评审的研究，一些医生利用 o3 成功诊断出了多年无法确诊的病例。其中一位患者经历了二十多年都没有得到答案，最终借助 AI 找到了诊断结果。

当模型已经能够做到这些事情时，真正的问题就不再是它是不是另一个 App，而是如何让更多人能够使用这样的智能。竞争当然会存在，但我认为，我们正在创造的是一种完全不同于过去的软件形态。

Alex：既然如此，OpenAI 最终是否需要自己的硬件？毕竟今天你们仍然需要通过苹果才能触达用户，而外界一直在报道 OpenAI 正在开发自己的 AI 设备。这些设备在整个愿景里到底扮演什么角色？

Greg：我觉得大家有时候把注意力过多放在设备本身。真正重要的变化，并不是设备，而是从对话式 AI走向智能体。

过去，我们更多是在聊天。你提一个问题，它回答一个问题。而未来，AI 会真正替你完成事情。这意味着，人们需要的是一个始终拥有完整上下文的智能体。无论是在个人生活还是企业环境里，上下文都会变得越来越重要。你可以想象，自己拥有一个拥有多个博士学位的同事。如果他从来没有参加你的会议，没有了解你的工作背景，那么即使再聪明，也很难真正帮助你。

AI 也是一样，真正重要的，并不仅仅是模型本身，而是它是否持续拥有你的上下文，而且这些上下文能够随着你的工作不断更新。建立这样的 Context Layer，是未来最重要的问题之一。当然，这依然离不开信任。只有当 AI 不断赢得用户的信任，它才能获得更多权限，也才能真正发挥作用。

Alex：所以未来，我们可能会一直随身带着某种 AI 设备，只要告诉它需要完成什么，它就会替我们完成。

Greg：我觉得这只是其中一种可能。很多人会把 AI 和某一个设备画上等号，但事实上，AI 并不是设备。设备只是连接 AI 的一个入口。就像你的手机并不是你自己，它只是别人联系你的方式。别人可以给你打电话，也可以发短信、发邮件。不同的入口，面对的始终是同一个人。

未来的 AI 也是如此。你的智能体会持续存在，而你可以通过手机、电脑、语音、可穿戴设备，甚至未来还没有出现的新设备与它交互。真正重要的是那个智能体，而不是承载它的设备。

Alex：还有一种传闻，说 OpenAI 正在研发真正意义上的双向语音模型，让 AI 可以像人与人交流一样，一边听、一边思考、一边回应。可以聊聊这个方向吗？

Greg：（笑）不能。不过可以谈谈整个方向。今天的语音系统，无论是不是统一模型，本质上仍然采用的是轮流说话（turn-taking）。你说一句，我回答一句，但真实的人类交流并不是这样。我们会打断彼此，会实时回应，也会在听的同时开始思考。现在的语音模型其实一直在猜测，对方是不是说完了，现在是不是轮到我说了，这些都非常不自然。

真正理想的系统，应该能够像人与人一样，在输出内容的同时持续处理输入。整个行业都在朝着这个方向努力。当这种能力真正成熟以后，人机对话将会发生一次根本性的变化。我已经在 Codex 上看到了这种体验。语音会彻底改变人与 AI 的协作方式。很多事情，用一句话说出来，比花很长时间打字描述自然得多。

人们真正需要的，是一种能够持续交流、持续反馈的实时互动。我相信，这会成为未来最自然的人机交互方式。

Alex ：几年前很多人认为，大语言模型很快就会撞上“天花板”。事实证明并没有。那么，你认为模型还能提升多久？这种进步最终会停止吗？

Greg：当你真正参与模型研发时，会形成一种外界很难拥有的直觉。因为我们能够看到每一次提升背后的全部实验、工程和数据。我认为，Scaling Laws是近几十年来最重要的科学发现之一。事实证明，只要不断增加数据、算力，并持续改进模型架构，模型能力就会持续提升。

每当我们觉得模型似乎没有按照预期继续提升时，最后几乎都会发现，那只是工程实现上的问题。可能是数学推导出了偏差，也可能是代码实现没有完全符合理论，或者只是某个 Bug。问题修复之后，Scaling仍然继续发生。

如果回顾整个神经网络的发展历史，你会发现同样的规律。神经网络最早诞生于二十世纪四十年代，当时甚至还没有现代计算机。第一台 Perceptron 出现在 1959 年。如果把几十年来所有重要突破画在一条时间线上，你会发现，它们几乎沿着一条非常平滑的曲线不断前进，而驱动这条曲线的，就是越来越多的计算资源。过去七八十年里，人们不断说神经网络快要撞墙了。直到今天，我们仍然没有看到那堵墙。

Alex：假设模型会继续变得越来越聪明，未来 OpenAI 的模型可能拥有十五个博士的能力，其他公司的模型可能拥有十三个博士的能力。大家都很聪明，也都能够帮助用户完成工作。那么，真正的差异化还会来自哪里？

Greg：我觉得有几个方面。首先，我们正在进入一个算力永远供不应求的时代。未来所有提供模型服务的公司，都会把自己的算力全部卖出去。因为整个社会对于 AI 的需求会远远超过供给。

今天我们讨论 Agent，其实仍然只是非常早期。虽然 ChatGPT 已经拥有接近十亿用户，但真正能够使用 Agent 能力的人还非常少。未来，人们使用 AI 的深度会远远超过今天。因此，我相信算力仍然会长期保持稀缺。这意味着，这个市场足够大，也足以容纳更多参与者。

另一方面，智能并不是单一维度的。即使拥有非常强的通用智能，也不会天然成为每一个领域的专家。一个再聪明的人，如果没有做过融资路演，没有建立过财务模型，没有真正操作过复杂的电子表格，也不会第一次就做到最好。模型也是一样。我们必须不断训练它们，让它们在不同领域积累经验。

所以，我们也必须不断选择优先级，不可能同时把所有行业都做到最好。真正成为某个领域的专家，仍然非常困难。我经常想到 AlphaGo，AlphaGo 的第 37 手改变了整个围棋世界。但它并没有终结围棋。相反，它让更多人开始研究围棋，也推动了新的发现。科学也是一样。每解决一个问题，就会打开更多新的问题。所以，我不认为智能的发展会有一个自然终点。智能越深入，人类能够探索的新领域就越多。

Alex：所以，如果我理解正确的话，你认为最终真正决定竞争力的，还是算力。几个月前我问过你OpenAI 应该买多少算力，你的回答是全部买下来。OpenAI 一直在投入巨额资金建设基础设施，你会担心这些投入最终无法获得回报吗？

Greg：我更关注基本面。建设算力需要很多年。你必须在需求真正到来之前，就提前完成投资。例如，我们已经持续投入自己的芯片项目很多年了，很快也会分享更多进展。我相信，我们正在进入一个算力永远无法满足需求的时代。

我们已经看到这种趋势。ChatGPT 的增长速度如此之快。模型开始能够解决越来越复杂的问题，甚至开始帮助科学研究。而这一切都还只是开始。全球经济足够庞大，我们自己的收入也在快速增长。所以，我真正关心的问题不是需求够不够，而是我们怎样才能建设出足够多的算力，去满足未来巨大的需求。

Alex：最近外界一直在讨论 AI 价格战。《华尔街日报》报道称，OpenAI 即将推出的新模型可能会进一步降价。如果训练模型和建设基础设施需要如此巨大的投入，而模型价格又不断下降，这个商业模式最终如何成立？

Greg ：我会从另一个角度来看这个问题。如果回顾 OpenAI 的发展，你会发现我们一直在做两件事情，不断提升模型能力，同时不断降低使用成本。

这种情况已经持续很多年了。每一次价格下降之后，人们并没有减少使用 AI，反而因为成本降低而创造了更多需求，这就是杰文斯悖论（Jevons Paradox）。

我认为，最前沿的智能始终都会保持溢价。但一年之后，今天最先进的模型会变得非常普通，也会便宜得多；与此同时，又会出现一个远远更强的新模型。整个行业会一直按照这样的节奏向前发展。

Alex：企业客户现在越来越关注 ROI，而不仅仅是有没有 AI。你们也明显开始建设更多企业产品。

Greg：确实如此。最开始，很多企业只是担心自己不要错过 AI。现在，他们开始问，如何控制成本，如何观察系统运行，如何衡量价值，我认为这是一个非常好的变化。因为大家终于开始讨论真正重要的问题。今天我们发布了 Spend Controls（开支控制）功能，就是为了回应这些需求。

OpenAI 现在不仅仅是在研发模型，也在建设企业真正能够部署 AI 所需要的完整能力。我们越来越关注整个端到端的产品体验，而不仅仅是模型本身。整个市场仍然非常早，我们所有人都还在一起学习，如何真正把 AI 用于解决现实问题。

Alex：所以，你们还会继续降价吗？

Greg：答案一直都是会，但这并不意味着短期会发生剧烈的价格战。真正会发生的是，一年之后，今天最昂贵的智能会变得更加便宜；与此同时，一个新的、更强大的前沿模型又会出现。整个行业一直都会这样发展。

Alex：Satya Nadella 最近提出，模型正在成为商品，真正的价值将来自企业自己的 AI 系统，以及持续学习企业数据的能力。你怎么看？

Greg：我并不认为 AI 技术栈里的任何一层会真正失去价值。所有层级都在共同创造价值。例如算力，很多人会说，算力只是商品。但现实不是这样。看看今天芯片公司的估值，看看市场愿意为 GPU 支付多少钱。所有 AI 公司都离不开算力。所以，即使它越来越标准化，它仍然拥有非常大的价值。

事实上，由于需求远远超过供给，我们甚至看到上一代 GPU 的价格仍然在上涨。这种情况说明，整个 AI 基础设施仍然处于供不应求的状态。我认为这种趋势还会持续。模型也是一样，竞争当然会越来越激烈。这对企业和用户都是好事。但我们一直希望打造最聪明的模型。真正能够推动科学研究、解决复杂问题的模型，与一个帮助你安排行程、整理日历的模型，并不是同一个层级的问题。

另外，每一个行业都有自己的工作流程、监管要求和专业知识。医疗、教育、金融，每一个领域都需要深入理解行业本身。真正的价值，也会不断在那里产生。所以，我认为整个生态都有足够大的机会，而不是只有一个赢家。

Alex：微软正在建设自己的 Frontier Model，同时也告诉客户，真正重要的是围绕企业数据建立自己的 AI 系统。作为合作伙伴，也是竞争对手，你怎么看？

Greg：我真正关注的，并不是竞争。我关注的是，AI 正在真正改变整个经济。越来越多的人开始利用 AI 提高生产效率，解决现实问题。越多优秀的公司推动这件事情发生，对整个行业就越有利。

Alex：最近一直有传闻说 GPT-5.6 很快会发布，更便宜、更长上下文、更强的Agent能力。这些传闻是真的吗？

Greg：（笑）你永远都可以期待，更好、更快、更聪明。

Alex ：最后想聊聊医疗。最近出现了不少令人惊讶的案例。有人利用 ChatGPT 分析自己的医疗数据，帮助制定治疗方案。也有人结合 AI 工具，为罕见疾病设计个性化治疗方法。这些只是个别案例，还是你认为未来会成为一种普遍现象？

Greg：我相信，这一定会成为普遍现象。我身边已经有很多朋友在做类似的事情，他们整理自己的医疗数据、检查结果和诊断记录，然后利用 ChatGPT 或 Codex 获得新的洞察。

现在，每周大约有 2.3 亿人使用 ChatGPT 咨询健康相关的问题，这是一个非常惊人的数字。有人上传医学影像，有人希望理解不同医生之间相互矛盾的诊断意见，也有人只是希望更好地理解自己的病情。长期以来，患者其实一直缺乏足够的信息。最终做决定的人始终是患者自己。如果医生判断失误，承担后果的也是患者。AI 能够帮助患者获得更多信息，也帮助他们提出更好的问题。

即使拥有最优秀的医生、医院和专家，人类依然存在很多限制。有时候，一些重要的信息没有被看到；有时候，病历里的某个细节被忽略了；有时候，不同信息之间的联系没有人发现。这些都是 AI 特别擅长帮助解决的问题。未来，我们会看到更多个性化医疗，也会看到更多药物研发、疾病诊断以及新的治疗方案。这些事情已经开始发生了。它们不再只是理论。

Alex：所以，你认为 AI 会真正改变整个医疗体系？

Greg：我认为，这是 AI 最令人激动的应用方向之一。医疗占据着全球经济中非常大的比重。如果 AI 能够帮助人们更早发现疾病、更早进行干预、获得更好的治疗，那么不仅患者会因此受益，整个医疗体系的压力也会明显降低。今天，医生和护士都承受着巨大的压力。AI 有机会帮助整个系统变得更加高效。当然，我们必须负责任地建设这些系统，并谨慎部署它们。如果能够做到这一点，我相信 AI 会真正改变医疗。

这也是我个人最重要的动力之一。它一直是我参与创建 OpenAI、推动这项工作的核心原因。我希望，我们能够真正利用 AI 去改善人类健康。对此，我非常有信心。

END

格度GradientX

Signals. Systems. Shifts.

扫描二维码关注