撰文：Techub News 整理

导语

在 Snowflake Summit 2025 的主题对话中，OpenAI 创始人兼 CEO Sam Altman（萨姆·奥尔特曼）与 Snowflake CEO Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）展开了一场关于人工智能现状与未来的深度对谈。作为 ChatGPT 的创造者和全球 AI 浪潮的核心推动者，Altman 的每一次公开分享都备受关注。本次对话聚焦于企业如何应对快速变化的 AI 格局、AGI（通用人工智能）的定义与展望，以及下一代 AI 模型将带来的能力跃迁。

摘要

Sam Altman（萨姆·奥尔特曼）给企业领导者的核心建议是“立刻行动”，在技术快速变化时期，迭代速度最快的公司将赢得先机。
Altman 认为，关于 AGI 的定义之争并不重要，重要的是过去五年惊人的技术进步曲线将在未来至少五年内持续。
Altman 预测，明年 AI 将能够解决企业“最棘手的重大问题”，例如芯片设计或疾病攻克，企业应为此做好准备。
OpenAI 刚刚发布的编程智能体 Codex 让 Altman 感受到了“AGI 时刻”，他认为智能体（Agent）将逐步从处理重复性认知工作，演进到能够自主发现新知识。

企业 AI 战略：速度与好奇心决定成败

当被问及对 2025 年 navigating AI 格局的企业领导者有何建议时，Sam Altman（萨姆·奥尔特曼）的回答简洁而有力：“Just do it.”（立刻行动）。他指出，目前市场上仍存在大量犹豫，模型更新极快，许多人总想等待下一个更好的模型，或观望技术路线如何尘埃落定。但 Altman 强调，当技术处于快速变化期时，迭代速度最快、试错成本最低、学习速率最高的公司将成为赢家。从企业应用 AI 的现状来看，那些早期下注并快速迭代的团队，其表现远远优于等待观望者。

Snowflake CEO Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）对此表示完全赞同，并补充了“好奇心”的重要性。他认为，许多我们过去视为理所当然的工作方式已经不再成立，而 OpenAI、Snowflake 等公司已将实验成本降至极低。企业可以运行大量小型实验，从中获取价值并积累优势。Ramaswamy 再次呼应了 Altman 的观点：能够最快迭代的团队将从 AI 中获得最大价值，因为他们能迅速分辨什么可行、什么不可行，从而驾驭这个快速变化的未来。未来几年内，不太会出现一个“一切尘埃落定”的完美时刻，让企业可以安心制定计划。

与一年前的建议相比，Altman 坦言他的看法发生了显著变化。去年，他对初创公司会说同样的话，但对大型企业，他可能会建议“可以稍作实验，但大多数情况下可能尚未完全准备好投入生产”。然而过去一年发生了根本性转变。OpenAI 的企业业务直线上升，许多大公司现在真正将 AI 用于大量业务。当被问及有何不同时，这些公司的反馈是：部分原因在于他们花时间弄明白了如何使用，但更重要的是，现在的模型工作起来可靠得多，能够完成许多他们曾认为不可能的任务。Altman 认为，在过去一年的某个时间点，这些模型的可用性达到了一个真正的拐点。

展望明年：AI 将攻克企业“最棘手的问题”

展望明年，Sam Altman（萨姆·奥尔特曼）预测，AI 的能力将再次实现阶跃式变化。企业将不仅能用 AI 自动化某些业务流程或构建新产品服务，更能对其提出要求：“我业务中有一个极其重要的问题，如果你能解决，我愿意投入海量算力。”届时，模型将能够完成单靠人力团队无法完成的任务。那些已经积累 AI 使用经验的公司，将能更好地迎接这样一个世界：他们可以对 AI 系统说，“去重做我最关键的项目”，并提供大量算力让其深入思考、找出答案。

当被问及智能体（Agent）在今天和明年能做什么时，Altman 以 OpenAI 刚刚发布的编程智能体 Codex 为例。他形容使用 Codex 是“感受到 AGI 的时刻”。你可以交给它一系列任务，它在后台工作，非常聪明，能处理长期目标的任务。你只需坐在那里对它的产出说“是”或“否”，或要求它重试。它能够连接你的 GitHub，未来甚至可能观看你的会议、查看 Slack、阅读内部文档。Altman 比喻道，今天的智能体或许像一个能工作几小时的实习生，但未来某天它会像一个能连续工作数天的资深软件工程师。这种模式将扩展到许多其他工作类别。

Altman 提到，已有公司正在构建智能体来自动化大部分客户支持、销售推广等工作。有些人描述他们的新工作是“给一群智能体分配任务，检查质量，整合成果，提供反馈”，这听起来很像管理一个由初级员工组成的团队。这种现象已经发生，只是尚未普及。他预测，明年至少在某些有限场景下，我们将开始看到能帮助发现新知识或解决非常规商业问题的智能体。目前，AI 主要擅长自动化短期的、重复性的认知工作；随着其能力扩展到更长时间跨度和更高层次，终将出现能够自主发现新科学的 AI 科学家，那将是世界的一个重要时刻。

AGI 之争：定义不重要，指数级进步才关键

鉴于 Altman 将 Codex 体验称为“AGI 时刻”，主持人自然追问了他对 AGI 的定义、距离以及意义的看法。Altman 首先提供了一个思想实验：如果回到五年前（2020 年，GPT-3 发布前夕），向那时的人们展示今天的 ChatGPT（且不提 Codex），大多数人肯定会说那就是 AGI。人类善于调整期望，这是人性的美妙之处。

Altman 认为，“AGI 是什么”这个问题本身并不重要。这是一个被不同人、甚至同一个人在不同时间赋予不同定义的术语。真正重要的是进步的速度。过去五年我们所见的逐年进步，至少在未来五年内应该会持续，很可能更久。无论你宣布在 2024 年、2026 年还是 2028 年实现 AGI，或者在哪一年实现超级智能，都远不如“这条漫长、美好、惊人平滑的指数曲线”重要。

尽管如此，Altman 也给出了他个人对 AGI 的测试标准：一个能够自主发现新科学，或者作为强大工具使全球科学发现速度翻数倍的系统。这足以满足他对 AGI 的任何想象。其他人可能会强调系统需具备自我改进能力，也有人说今天具备记忆功能的 ChatGPT 在某些早期测试（如图灵测试）中已非常接近 AGI。

Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）对此表示赞同，他认为这有时更像一个哲学问题，类似于“潜艇会游泳吗？”从某个层面看这很荒谬，但当然它会。他将这些模型视为拥有惊人能力的存在，任何展望 203 年的人都会宣布那就是 AGI。但正如 Altman 所说，我们在 2020 年看待 2025 年的技术也会如此。真正令人震惊的是进步的速度，他真诚相信许多伟大的事物将从中诞生。他以计算机象棋为例：顶尖计算机已能击败所有人类棋手，但这并不妨碍人类继续下棋，且象棋比以往更受欢迎。围棋也是如此。因此，AGI 具体何时到来并不那么重要。

下一代模型：推理引擎与无限上下文

作为 OpenAI 的掌舵人，Altman 能够提前看到下一代模型的能力。当被问及即将出现的、会改变产品构建和公司运营方式的“涌现行为”时，他表示，未来一两年内的模型将“相当令人惊叹”，前方仍有大量进步和改进空间。正如从 GPT-3 到 GPT-4 的飞跃一样，企业将能够做到上一代模型完全无法实现的事情。

他再次强调，企业将能够把最棘手的问题交给 AI。例如，芯片设计公司可以说“为我设计一个前所未有的更好芯片”；生物科技公司可以说“去为我攻克这种疾病”。这已不再遥远。这些模型能够理解你提供的所有上下文，连接每一个工具和系统，然后进行“真正卓越的推理”，并带着答案返回，且具备足够的鲁棒性，让你可以信任它们去自主完成某些工作。Altman 坦言，他未曾料到这种感觉会如此接近。

对于模型的能力边界，Altman 分享了一个他喜欢的思考框架（并非即将发布的产品）：理想的形态是一个“拥有超强推理能力的极小模型”，它能极快运行，拥有万亿 token 的上下文窗口，并能访问你能想象到的所有工具。因此，问题本身是什么、模型内部是否已存储相关知识或数据，都不再重要。将模型用作数据库是荒谬的——它是一个缓慢、昂贵且问题重重的数据库。但它们的非凡之处在于推理能力。如果将其视为一个推理引擎，我们可以将企业或个人生活的所有可能上下文、以及任何所需的工具（如物理模拟器）注入其中，那将能实现相当惊人的成就。Altman 认为，方向性地看，我们正朝此迈进。

算力狂想：如果拥有千倍算力

对话最后，主持人提出了一个猜想性问题：如果拥有当前一千倍的算力，你们会用它做什么？Altman 给出了一个“超级元”答案：也许真正的答案是让 AI 全力投入 AI 研究，找出如何构建更好的模型，然后让那个更好的模型决定如何使用所有算力。他承认这需要你真的相信这个答案。

更实际的答案是，现在无论是 ChatGPT 内部还是使用其最新模型的企业中，都存在大量“测试时算力回报显著”的案例。如果你让模型进行更多推理，在难题上尝试更多次，就能得到好得多的答案。如果一个企业愿意对每个问题投入千倍算力，将会获得惊人成果。当然，现实中不会这么做，也没有千倍算力。但这表明了一种可能：企业今天就可以将 AI 视为一种幂律关系，愿意为最难或最有价值的问题投入更多算力。

Sridhar Ramaswamy（斯里达尔·拉马斯瓦米）则提供了一个更贴近人类福祉的答案：他提到了“Arnum 项目”（类比人类基因组计划），这是一个关于 RNA 表达的研究项目。RNA 控制着体内蛋白质的工作方式，在此领域的突破——精确了解 RNA 如何控制 DNA 表达——很可能解决大量疾病，极大推动人类进步。如果能用语言模型和大量算力完成类似规模的计划，那将是一个非常酷的成果。