這是OpenAI CEO Sam Altman和COO Brad Lightcap的最新採訪。作爲OpenAI的首席運營官，Brad Lightcap的工作是負責推動公司銷售、市場營銷、合作伙伴關係和業務發展。

這不僅是OpenAI CEO和COO首次合體採訪，也是Brad Lightcap爲數不多的公開露面。

在採訪中，Brad Lightcap認爲，智能正在從一種非常有限的東西，轉變爲一種富足且廉價的資源。同時，他也坦言，大公司對AI的落地速度極大超出了他們預期。

Sam Altman則認爲，在這場世界範圍內的“百模大戰”中，可能只有少數玩家能夠存活。而真正實現差異化的地方，並不在於基礎模型的質量或者開源與否的運作方式，而是模型能否能真正實現個性化、定製化，真正與人的生活和使用場景高度匹配。

當被問及AI應用產品如何面對大模型企業的競爭？Sam Altman表示，產品體驗能否因爲模型性能提升而得到巨大改善，是一個重要的判斷維度。

在此次採訪中，Sam Altman也介紹了OpenAI的產品理念：即讓研究引領產品，產品引領銷售。在人才梯隊構建上，Sam Altman更傾向於內部提拔，而不是外部招聘。在Sam Altman看來，在生成式AI這樣一個新興領域，確保一種非常扁平的、機會均等的討論氛圍非常重要，因爲絕大多數真正好的想法都出自團隊中出乎意料的人員，而不是那些經驗最豐富的人。

以下是本期內容目錄：

01 透視openAI的內部管理

02 瞻望人工智能的未來發展

03 OpenAI 高效擴張的祕訣

04 openAI的產品觀和人才觀

05 快速問答環節

01 透視OpenAI的內部管理

Harry Stebbings：阻礙 OpenAI 決策層創新速度的最大因素是什麼？

Sam Altman：我認爲人才和研究文化是我們擁有的世界上最頂尖的資源，如果失去任何一個，都將是災難性的。算力資源不足也是一大障礙。我們熱愛酷炫的研究，科學進步是最酷、最激動人心的事情之一。但我們的真正目標是爲他人提供有用的產品。即使我們擁有世界上最好的研究成果，並且儘可能提高效率，但如果沒有足夠的算力讓地球上所有想要使用它的人都能用上，那麼這項技術就無法發揮其全部潛力。隨着模型的不斷進步，算力需求會越來越大，這將成爲一個巨大的障礙。

Harry Stebbings：你是否贊同這樣一種說法:每年有那麼一兩個決定會決定一家公司的命運?還是你認爲實際上是積少成多，那些微小的決定累積起來推動了公司的發展?我一直在這兩種觀點之間徘徊。

Sam Altman：我非常認同兩者兼而有之的觀點。我喜歡投資人這個職業的一點在於，這份工作真正需要做的就是每年做一到兩個決定，甚至可能是十年做一到兩個決定。運營一個公司則完全不同，這不是我的天性。

爲了讓自己做得更好，我學到的一件事是，確實存在少數戰略性決策，感覺上比起每年一到兩個決定，更像是每月一到兩個決定，但數量並不是很多。真正困難的是，如何執行這些大的決定，而這需要做出許許多多的“小事”。對於任何一位 CEO 來說，一年或一個月做一到兩個決定都是可笑的，實際上決策是源源不斷的，但主要區別在於那些重大決策，比如我們是否要做ChatGPT。然後爲了使這一決策成功，就需要沿途做成千上萬個小決定。

02 瞻望人工智能的未來發展

Harry Stebbings：您剛纔提到了算力因素，比如邊際成本和邊際收入。我們該如何看待當邊際收入超過邊際成本時的情況？我想，很多人都建議我們今天討論這個問題，尤其是關於大型語言模型產品的討論。

Sam Altman：只要你相信算力的價格會繼續下降，隨着模型的不斷進步，人工智能的價值會越來越高，那麼這個等式就很容易得出了結果。當然，也可能出現一些意外情況，比如如果算力供應不足，導致算力價格由於規劃不善而變得非常昂貴，那麼可能會出現問題。但我認爲我們可以將高質量智能的成本降至接近零，這對大多數事情來說都會是極好的。並非所有事情都是如此，當然會有一些負面影響，但我認爲智能的成本即將變得非常便宜。

Brad Lightcap：開源模型在這個世界上將有其位置，一些人會需要它們，一些人會需要託管服務，很多人會兩者兼用。從某種意義上說，這些都是一些有趣的細節，但忽略了更大的圖景，那就是我們正處於一場合法且相當大的技術革命之中，智能正從一種非常有限的東西轉變爲一種富足且廉價的資源。過去，如果你想做一些需要大量智能的事情，比如打造OpenAI這樣的公司，你就需要聘請大量聰明人，不僅僅是OpenAI的員工，還包括製造芯片、建設數據中心等所有人員。但未來，一個人就能獲取豐富且極爲廉價的智能，去做令人驚歎的事情。

Harry Stebbings：我的問題是，您提到了模型的質量，以及期望與現實之間的差距。另一個有趣的問題可能是模型的商品化。我從未見過這樣的事情，一個模型在一週內如此火爆，然後下一週就被另一個模型取代，如此迅速地更迭。這是一個遊戲嗎？

Sam Altman：曾經美國有超過 100 家汽車公司，如果你看看當時的媒體，你會看到人們今天出現了更好的汽車，明天又出現了更好的汽車，如此等等。我認爲這種情況對大多數新興行業都適用。

我認爲這很好，但這可能不是持久價值所在。最終，我認爲會有一小部分供應商，大約十幾家左右，大規模地提供模型。這將是一個非常複雜且昂貴的過程，差異化將體現在模型的個性化和定製化方面。我希望我們所有人都能繼續推動彼此，使模型變得更好、更便宜、更快，並最終實現商品化。但從長遠來看，差異化不會體現在基礎模型上，因爲智能就像物質的湧現特性一樣。真正的長期差異化將是最能與你個人所需相結合的模型，能夠融入你的整個生活環境，與你想要做的一切其它事情良好集成。不過，現在曲線仍然很陡峭，我們的重點應該是讓基礎模型變得越來越好。

Harry Stebbings：好的，我可以問您一個問題嗎？您提到了您過去的投資經歷，以及您與布拉德一起接觸的衆多大型企業。作爲一名投資者，我看到很多 AI 公司，但我不會投資任何應用型 AI 公司，因爲OpenAI 發佈的產品已經徹底打敗了它們。

從根本上講，構建 AI 的兩種策略是：一種策略是假設模型不會變得更好，然後在模型之上構建各種小東西；另一種策略是假設 OpenAI 會保持這種發展速度，模型會變得越來越好。我認爲 95% 的公司應該選擇後一種策略，但很多初創公司都選擇了前一種策略。

然後，當我們只是盡我們所能改進模型及其工具時，他們就會遇到“OpenAI 殺死了我的初創公司”的情況。作爲一名投資者，您會尋找什麼樣的投資機會？哪些不會被 OpenAI 碾壓？

Sam Altman：問公司是否會因爲模型的100倍改進而感到興奮，這是一個很好的判斷方法。我們可以很好地分辨出哪些公司渴望獲得下一代模型，哪些公司對此卻不聞不問。我認爲這是一個很好的區別。如果模型的顯著進步能夠加速公司產品的改進，那麼大多數公司都可以清楚地說明這一點。

大多數公司都可以清楚地講出這個故事，比如 Cohere 就是一個很好的例子。對於 Cohere 來說，數據非常驚人，如果下一代模型像我們希望的那樣好，那將會有多大的進步？我今天早上還與一位人工智能醫學顧問交談過，他們說：“這些模型在某些方面還不夠好，但對於這類事情仍然非常有用。如果模型能夠在這些指標上顯著改進，那麼我們就可以開展所有這些其他業務。你們能快點做到嗎？這樣我們就可以挽救生命，讓那些無法獲得醫療服務的人獲得醫療服務。

Harry Stebbings：您認爲模型改進的速度是線性的，還是會隨着時間的推移而趨於平緩？當然，現在它正在加速發展，而且在過去幾年裏一直在加速發展。您如何看待模型改進的未來趨勢？

Brad Lightcap：從外部來看，它的確感覺比較斷續，這意味着在我們的一個核心理念上，我們的表達存在不足，那就是漸進式部署非常重要。我們不希望在實驗室裏暗中摸索幾十年，然後按下按鈕，世界突然不得不面臨人工通用智能的出現。

最好的方式是，將模型發佈到世界各地，讓人們有時間思考、做出反應、瞭解如何使用它、他們希望它做什麼不同的事情、他們不希望它做什麼事情，以及社會對人工智能的期望和限制。

我們認爲，與封閉式開發相比，這是一種更社會化的參與方式。但在考慮未來的模型時，我認爲我們低估了一些飛躍式進展會帶來的衝擊有多大，儘管我們採取了漸進式部署的策略。因爲我們已經與這些模型共事很長時間，並見證了它們一點一點地變好，所以我們低估了這種進展對外界的震撼。在考慮下一代模型時，我們正在努力尋找一種方式，讓這種感覺對外部世界來說更加順暢，更接近我們內部的感受。

Harry Stebbings：您是否認爲迭代部署的策略是正確的？

Sam Altman：這是一個非常有趣的問題。我們已經做了很多關於這個話題的思考，我們也一直在爭論。我們確實認爲漸進式部署在短期內取得了巨大的成功。它讓我們能夠從錯誤中吸取教訓，並讓人們參與進來，這在開發像通用人工智能這樣強大的技術時至關重要。但它也帶來了一些挑戰，尤其是在模型能力出現重大飛躍的時候。我們正在努力解決這些挑戰，但我們還沒有最終的答案。

Harry Stebbings：隨着 OpenAI 規模的不斷擴大，迭代發佈的策略還能否持續有效？

Sam Altman：我認爲預期設定至關重要。如果設定了正確的預期，迭代發佈仍然是可行的。例如，當我們發佈 Sora 時，我們從創意社區、媒體和業界獲得了大量反饋。我們開始將這些反饋納入我們對該特定模式的研究路線圖的考量之中。換句話說，我們一開始會將預期設定得較低，通過傾聽來自各方的意見並加以整合，力求最終發佈的產品能夠滿足用戶需求，並且讓用戶覺得熟悉和好用，就好像它是專爲他們打造的一樣。

Harry Stebbings：您是否認爲迭代部署的策略是正確的？

Sam Altman：我認爲只是模型還不夠智能。這聽起來可能有點老生常談，但我覺得從根本上來說確實是如此。只要模型足夠智能，其他問題都會迎刃而解。我們需要找到將這些工具整合到人們工作流程中的方法，並且不同領域的模型的可塑性也將非常重要。

03 OpenAI 高效擴張的祕訣

Harry Stebbings：接下來我們來聊聊 OpenAI 高效擴張的祕訣吧。

Brad Lightcap：我認爲我們趕上了一個好的時機。ChatGPT 是人們第一次真正體驗到這項技術的“人性化”一面。我們不斷聽到人們分享使用該產品的經歷，這些故事的多樣性讓我們感到驚訝。當一個產品如此多元化且易於獲取時，它必然會在用戶的使用和推廣方面產生重大影響。這顯然會轉化爲商業利益，我們的重點仍然是繼續在這方面推進。

B2B 業務顯然與之不同，它有其自身的節奏和週期。我們一直在努力打造世界上最好的 AI 開發者平臺。企業市場對我們來說是一個新的關注點，這需要我們更多地迎合企業需求。

Harry Stebbings：人才因爲 OpenAI 是最熱門、發展最快的公司而加入公司，這是否是一件壞事？

Brad Lightcap：也許吧。這會增加我們的篩選難度。但我確實希望人們認爲他們加入 OpenAI 是在做一件很重要的事。我們盡力篩選掉僅僅爲了增加一段光鮮履歷而來的人，儘管這並不能做到 100%。

Harry Stebbings：您投資過一些最優秀的創始人，其中有沒有哪些人特別突出，能談談他們如何影響了你對建設公司的想法嗎？

Sam Altman：我非常幸運能與我們這一代許多傑出的創始人共事，並向他們學習。他們現在也願意花時間幫助我。

Harry Stebbings：可以具體講講一位或兩位創始人嗎？從他們身上學到了哪些經驗教訓？

Sam Altman：Chesky（Airbnb CEO） 在過去的一年半里給了我很多幫助。他擅長許多我並不擅長的事情，例如如何討論產品、如何打造優秀的產品。他是一位非常特別的人。我投資了很多公司，因此認識許多傑出的創始人，我非常感謝他們願意在不同領域提供幫助。正如我嘗試向不同的投資者學習一樣，向不同的創始人學習也是一個很棒的策略。

Harry Stebbings：我們可以回到用戶使用方面的話題嗎？您提到了消費者、家長和科學研究人員等各種各樣的用戶羣體。OpenAI 也與一些全球最大企業建立了合作關係。在企業級人工智能的推廣方面，您認爲有哪些值得注意的經驗教訓，以及大型企業如何思考和實施人工智能？

Brad Lightcap：我認爲最大的一點是，企業有着非常自然的願望，想要將這項技術應用到業務流程中，純粹是爲了獲得可量化的投資回報率，比如節約成本。

但我認爲，人們嚴重低估了簡單地讓人們接觸到這項技術實際上是多麼重要，以及你真正可以從中獲得多大回報。因爲你無法完全量化它是如何運作的，但曾經需要花費2天時間做的事情，現在只需2分鐘，人們就可以騰出手來每天做其他85件事。這在企業衡量投資回報率的方式中可能看不出來，但想象一下，如果在1萬次或10萬次後效果疊加，那會怎樣?

Harry Stebbings：你怎麼向企業解釋這一點呢?你說得對，這不像一個你可以說“我們取消了X”這樣可以直接體現在預算中的事項。這種時間供給的轉移很難展現出來。

Brad Lightcap：其中一部分原因就是我們需要時間來展現。ChatGPT作爲企業產品仍然是全新的，我們基本上是在去年8、9月份對企業版本進行發佈，而團隊版則是在今年早些時候發佈的。所以在市場上的時間幾乎爲零，而且企業採用週期也更加緩慢。

Harry Stebbings：你認爲大公司應該關注而沒有關注的最重要問題是什麼，是關於如何使用和整合人工智能的，還是關於他們應該考慮的一些擔憂?

Brad Lightcap：很多公司認爲它是靜態的，認爲GPT-4就是我們永遠能得到的最好的模型了。這是可以理解的，因爲他們之前不得不採用的每一項技術都相對是靜止的。如果你想想從2009年到現在，iPhone和移動設備的形態有什麼變化，它們的外形有一些小的改變，速度更快，分辨率更高，但基本技術還是一成不變的，應用程序開發也基本如此。雲計算的情況也是一樣。所以現在，他們得到了這項新技術，我想他們的期望就是“好吧，就是這樣了”。

但他們沒有足夠關注這種變化速度有多麼陡峭，以及思考下一波技術會是什麼樣子，再下一波又會是什麼樣子，如何行動以適應這種變化速度。我們現在在倫敦，歐洲公司的決策行動速度沒有那麼的快。當你的變化速度如此之快時，這幾乎是非常大的困擾，因爲他們已經習慣了自己的工作流程，當你做出改變和更新時，所有東西就都過時了，你理解我的意思嗎?這正是讓我們的工作艱難的原因，公司確實渴望以那樣的速度前進，但是當你在10萬或20萬人的規模上運作時，這可能真的很難做到。所以在未來幾年裏，這將是我們面臨的一個重大問題。

04 OpenAI的產品觀和人才觀

Harry Stebbings：您提到過在引入市場推廣和銷售團隊時，維持研究文化的重要性，但融合產品和銷售的文化並非易事。您如何看待其中的挑戰？

Sam Altman：我們有一個非常深刻的共識，那就是讓研究引領產品，產品引領銷售。這並不意味着可以忽略來自銷售方面的反饋。用戶是我們珍視的對象，因爲他們是判斷模型好壞最重要的依據。一款產品的核心在於其對用戶的實用性。

我們也明白，提升產品銷量的最佳方法就是打造更好的產品，而打造更好產品的前提則是進行更優質的研究。我和布拉德在這方面從未有過任何分歧，這一點至關重要。

Harry Stebbings：有趣的是，我之前採訪過Alex Schulz（Meta CMO），他建議我向您詢問一下您在 OpenAI 之後看待增長的思維方式發生了怎樣的變化，因爲這兩家公司的情況截然不同。Alex Schulz 在用戶增長方面堪稱天才，他總是會談論用戶留存曲線和各種指標。人們通常認爲失敗可以帶來教訓，但成功或許纔是更好的老師。不過，像 ChatGPT 這樣顛覆性技術的成功案例並不具有可複製性，因此從中學習增長的經驗可能有限。

Sam Altman：失敗肯定會帶來一些經驗教訓，至少可以幫助我們排除一些錯誤選項。我經歷過許多失敗和成功，從成功的案例中學到的東西要多得多。例如，我從中學會了在招聘時應該關注哪些方面。現在我並不常進行外部招聘，更傾向於提拔內部員工擔任領導職務。

另外，我還學會了在創始人身上應該尋找哪些特質。有人可能會說，我投資失敗的案例很多，可以從中總結出很多錯誤經驗。誠然，投資失敗的案例的確能提供一些經驗教訓。我認爲，除了那些顯而易見的特質之外，我還更看重以下幾點：

1.創始人追求的目標如果成功，將帶來巨大的影響。這一點比人們意識到的更加重要，因爲真正的大贏家往往鳳毛麟角。我寧願在十次投資中失敗九次，但在第十次投資上取得巨大成功，也不願十次投資都取得平庸的成績。

2.優秀的創始人能夠不斷產生新想法，並且擁有非常快的迭代週期。

3.當然，創始人還需要具備聰明、堅韌以及出色的溝通技巧等素質。

實話實說，我錯過了許多優秀的公司，部分原因在於我更傾向於投資種子輪或 A 輪階段的公司，而處於早期階段的 CEO 通常在溝通方面還不夠成熟。我並不在意那種爲了應付面試而變得魅力四射的溝通技巧，但優秀的 CEO 確實需要具備出色的溝通能力。這份溝通能力體現在解釋公司願景、激勵員工、推銷產品以及與公衆交流等方面。我並不是說 CEO 需要多麼完美的演講技巧，但日常工作中清晰地解釋工作目標、讓員工理解重要性並積極參與，以及在必要時與公衆溝通，這些都是必不可少的技能。

Harry Stebbings：您在 OpenAI 招聘時會問一些與以往工作經歷相關的問題嗎？因爲我注意到你們那兒的一些員工似乎年紀稍微大一點兒，你們實際上更傾向於招聘有經驗的人員？

Sam Altman：至少在我看來，招聘政策之類的東西與招聘人員的構成以及團隊的責任構成之間存在着差異。我一直在努力打造這樣一種團隊氛圍，讓偉大的想法能夠不斷湧現。事實上，絕大多數真正好的想法都出自團隊中出乎意料的人員，而不是那些經驗最豐富的人。這就是我的建議，確保存在一種非常扁平的、機會均等的氛圍，這樣大家才能平等地參與到決策制定、判斷、創意等等環節中來。招聘有經驗的人員也很重要，因爲他們可以帶來更多的視角和見識。但是總的來說，我認爲真正能夠改變公司的想法往往不是出自那些經驗豐富的人員。

Harry Stebbings：您同意嗎？我認爲有些崗位確實需要經驗，而有些崗位則不需要經驗，甚至經驗反而會成爲累贅。

Sam Altman：是的，比如我們的領導團隊，相比於其他一些創業公司可能更傾向於 30 多歲和 40 多歲的人員，我們的技術人員的平均年齡也稍微偏大一點兒。我沒有具體的數據，但是我猜測我們技術團隊的平均年齡可能接近 30 歲出頭，而其他一些科技公司的平均年齡則可能是 20 多歲出頭。

部分原因可能在於，成爲一名優秀的研究人員的道路上存在着巨大的差異，在這方面確實存在着一些例外。到目前爲止，我們所做的一切似乎都取得了不錯的成效，但這並不意味着我從來不會思考“我們需要更多經驗的人員還是更少經驗的人員”這個問題。更重要的是，看這個人是否合適。而且，如何將這項技術推向世界的方式也截然不同，許多方面都還沒有既定的套路。在解決問題時所採取的方法並不一定會因爲過去 20 年的工作經驗而受益，至少在我的領域是這樣的。新興行業的一大樂趣之一就是它能夠抹平競爭者之間的差距，這一點我認爲在加密貨幣領域表現得尤爲突出。突然之間，19 歲的人能夠和 45 歲的人一樣有影響力，因爲經驗在這方面並不重要。

05 快速問答環節

Harry Stebbings：OpenAI 在未來 12 個月和 5 年內面臨的最大挑戰是什麼？分別用 30 秒的時間回答。

Sam Altman：在未來 12 個月內，最大的挑戰是在既做好研究的同時，又能實現最佳的產品化。5 年內，要確保完善的供應鏈和充足的算力。

Harry Stebbings：在過去 12 個月中，您改變了哪些想法？

Brad Lightcap：實際上，我改變了很大的一個想法，我現在認爲大型企業的採用速度將會比人們意識到的要快得多。我認爲我們將打破傳統觀念，因爲大型企業素來以技術採用緩慢而著稱，但我認爲在人工智能領域並非如此。

Harry Stebbings：這種速度差異在不同地區之間是否存在差異？

Brad Lightcap：不存在。

Harry Stebbings：布拉德，OpenAI 規模化過程中令您最爲意外的事情是什麼？

Brad Lightcap：我認爲最令人意外的是，模型的規模化一直如此有效。這仍然讓我感到難以置信。即使我們現在將模型的規模擴大很多倍，它們也依然會變得可以預測地更好。這是一件非常了不起的事情。

Harry Stebbings：如果您能回到 OpenAI 成立之初，您希望自己知道些什麼？

Brad Lightcap：我希望我能更早地意識到技術在創意產業領域的影響力會如此之大。例如，相比於知識型產業或工業型產業，創意產業將率先受到這項技術的衝擊。我們最初在機器人領域投入了大量精力，因爲我當時設想的是我們將與機器人公司合作開發機器人，並與遊戲公司合作開發智能代理。但實際情況卻完全相反。

本文來自微信公衆號“烏鴉智能說”（ID:wuyazhinengshuo），作者：智能烏鴉，36氪經授權發佈。