撰文：Techub News 整理
2026 年 3 月，OpenAI CEO Sam Altman（萨姆·奥尔特曼）接受了 DRM News 的深度专访。在这场约35分钟的对话中，Altman 不仅阐述了 OpenAI 当前的发展重点与战略，更对人工智能（AI）技术的现状、未来轨迹及其对社会经济的深远影响发表了深刻见解。作为引领全球 AI 浪潮的核心人物，他的观点对于理解行业方向至关重要。
AI 已跨越经济效用门槛，正向“超级员工”演进
Sam Altman（萨姆·奥尔特曼）开篇便指出，AI 发展在最近几个月已经跨越了一个关键阈值：达到了重大的经济效用。他认为，此前人们需要时间去摸索如何使用这些模型，而如今，模型本身变得更聪明，相关的“管道”（即使用接口和工具）也已成熟，使得 AI 的能力开始令世人惊叹。
这种效用最显著的体现是在编程领域，但同样发生在科学研究和许多知识工作领域。Altman 描述了一个“定向加速”的现象：人们突然发现，那些本以为还需数年才能实现的事情，现在正在发生。他们的工作性质正在从直接的技术或法律工作，转变为管理一个由 AI 代理（agents）组成的团队。
他预测，这种趋势将迅速深化。目前，或许可以信任一个 AI 软件工程师完成一个数小时的任务；很快，它将能处理数天的任务，然后是数周的任务。不久之后，范式将再次转变，AI 系统将感觉像是与你的生活或公司无缝连接，它们会主动思考、持续工作，拥有所需的全部上下文信息，并能像信任一位资深员工那样去处理事务。
对于企业是否真正理解如何利用这些系统来重塑业务，Altman 认为情况参差不齐。新一代的初创公司思维方式已截然不同：他们不再谈论需要雇佣多少员工，而是聚焦于能获取多少算力（compute）。他们关心能否预订足够的容量、能否达成云服务协议、能否获得足够的令牌（token）。这种思维转变在大公司中进展较慢，但一些已经开始。
一个明显的迹象是，工程和产品部门开始讨论今年计划交付的产品量将翻倍甚至三倍，“这在以前从未发生过。”
AGI 的定义与两个关键阈值
当被问及人工智能（AGI）的到来时，Altman 首先指出“AGI”这个词本身已失去太多意义，因为定义分歧巨大。有些人认为我们已经达到，有些人认为很近，有些人则认为可能还需一年。
他提出了两个更有趣的阈值来衡量进展：
- 第一个阈值：何时数据中心内部的全球认知容量将超过外部（即人类）。Altman 认为，这可能发生在2028年底左右（误差范围很大）。这将是一个世界性的非凡转变。
- 第二个阈值：何时大公司的 CEO、大国总统、诺贝尔奖得主科学家，将无法在不重度依赖 AI 的情况下完成他们的工作。这并不意味着会出现 AI CEO 或 AI 总统，而是意味着人类 CEO 的角色将发生根本变化。人类仍需要站在决策背后，行使人类判断力和我们对领导重要组织者的期望，但实际工作中越来越多的部分将不得不依赖 AI，因为没有人能同时与公司所有员工、所有客户交谈，参与所有会议，并精通所有领域。因此，这些工作将越来越多地转变为监督一群 AI，提供 oversight，决定如何信任输出、如何提供指导。这个阈值可能稍晚到来，但不会晚太多。
Altman 本人作为 CEO，对 OpenAI 工具的依赖正在“ incredibly quickly”地增加。当他有新想法时，第一件事就是询问公司的工具。随着工具能获取更接近公司完整上下文（包括内部文档、通讯、代码、客户数据等）的能力，回答的质量也越来越高。
110亿美元融资与“让智能如水电般廉价”的愿景
访谈提到了 OpenAI 2026 年 3 月完成的110亿美元融资轮次，其规模远超历史上最大的公开募股。Altman 解释了这笔巨资的用途：应对极其昂贵且需超前承诺的基础设施需求。
他表示，从未见过任何其他行业像 AI 基础设施这样。如果需求增长曲线保持当前的陡峭态势，就必须采取一些“相当不寻常”的措施。OpenAI 做了许多看似奇怪的事情：在收入到来之前巨额投资基础设施，尝试新的商业模式（如广告）等。这一切源于一个根本信念：智能的充裕（abundance of intelligence）。
“未来最重要的事情之一是，我们要让智能——借用能源行业一个未曾完全实现的旧说法——‘便宜到无需计量’（too cheap to meter）。我们希望用智能淹没世界。我们希望人们将其用于一切。我们希望未来一代人不再思考它，而是期待它无处不在，每个人都能在任何需要的领域获得所需数量的‘天才’。”
这一最高指导原则导致了 OpenAI 许多不同于其他公司的行为，其中之一就是迫切希望摆脱“始终受容量限制”的局面。Altman 重申了他的观点：算力就是营收。从根本上，他认为 OpenAI 以及所有模型提供商未来的业务都将类似于出售令牌（token）。这些令牌可能来自更大或更小的模型，使用更多或更少的推理，成本各异。AI 可能一直在后台运行试图帮助你，也可能只在需要时运行以降低成本。它们可能为解决一个真正有价值的问题而投入数千万、数亿甚至未来数十亿美元。
他展望的未来是：智能成为一种像电力或水一样的 utility，人们按计量购买并使用。如果供应不足，要么无法销售，要么价格飙升使其仅流向富人，或者社会做出一些他认为几乎总是糟糕的中央计划决策。因此，在他看来，贯穿资本主义和创新历史的最佳做法就是淹没市场（flood the market）。
Stargate 超级数据中心与效率千倍提升
应对算力需求的关键部分是代号“Stargate”的超级数据中心项目。Altman 描述了参观这些在建或运营的兆瓦级园区所带来的震撼：“规模真的难以解释……内部看起来像一艘太空船，非常不可思议。”
目前，OpenAI 正在阿比林（Abilene）的第一个站点训练他认为将成为“世界上最好的模型，希望遥遥领先”。从多次参观建设过程，到某一天一位 OpenAI 研究员输入一个命令，难以置信数量的 GPU 启动并开始协同进行一项巨大计算，这一过程令他感慨。
在建设和扩展过程中，既有预期的挑战，也有未知的未知。例如阿比林罕见的恶劣天气事件、供应链挑战等。任何如此规模的项目都会出现许多问题。一个积极的意外是，众多不同组织如何在极短的时间内集结，并在巨大压力下像一个团队一样协同工作。
电力需求是许多人关注的焦点。Altman 长期乐观，相信人类将学会建造大量的发电设施，AI 本身也会助力。面对当前的需求增长，他“ sort of hoping for a miracle”，希望每瓦效率能大幅提升，为基础设施建设争取时间。
他分享了一个惊人的效率提升数据：从 OpenAI 第一个推理模型“01”（约16个月前发布）到最新的集成推理模型“5.4”，解决同一个难题的成本降低了约1000倍。这指向两点：第一，我们仍处于这个范式的早期，对如何开发、训练和高效运行模型的理解还有巨大提升空间；第二，人类的 ingenuity 和在约束中寻找解决方案的能力总是能带来惊喜。不仅仅是模型变得更好，内核工程师帮助编写了更高效的内核，数据中心设计者找到了更高效的方法，各方都在响应号召提升效率。
自研推理芯片、全球竞争与印度速度
除了是 NVIDIA 和 AMD 的大客户，OpenAI 也在自研芯片。Altman 澄清，这款芯片是仅用于推理（inference only）的。其背后的思路是：在未来面临的挑战中，一款专为推理设计的芯片——不一定是最快的，而是在给定约束下每瓦效率最高、成本最低的推理芯片——对于未来所有的代理（agent）需求至关重要。这是一个有明确观点的赌注，一款功能有限的芯片，但在能源受限的世界里，它将非常重要。
他简要解释了训练（training）与推理（inference）的区别：训练如同人类花费22年接受教育，学习大量知识；推理则是当被问及一个物理问题时，高效地解决问题。AI 模型的高效率通常是将人类22年的训练时间与成人1秒的解题时间对比。若比较模型与人类解决同一个物理问题的效率，模型可能已经更节能。
关于芯片进展，Altman 表示乐观，预计首批芯片将在几个月后回流，并于今年年底大规模部署。
谈及与中国的竞争，Altman 首先提供了一个框架性思考：深度学习的发现更接近于发现一种元素或物理学的基本属性，而非一项秘密技术。这意味着，最终（这个“最终”可能不会很久），使模型如此强大的基本理念将被简化并广为人知。就像我们理解物理学的大部分原理一样，我们将把人工智能的大部分原理视为科学原则。最好的历史类比是晶体管：晶体管也是一个根本性的科学突破，难以发现，需要时间 refining，但一旦理解，科学原理对所有人都是清晰的。然而，围绕它仍有大量的运营知识（如台积电 TSMC 的能力），工业化进程、工作流程集成、训练数据、模型可用性等方面仍会有许多差异化优势。但最关键的差异化可能在于谁拥有基础设施以及拥有多少。
具体而言，他认为：世界上能力最强的模型（前沿），美国领先；两代之前模型的最廉价推理使用，中国领先；基础设施，美国目前领先，但中国建设速度更快；工业化、产品化方面，中国移动更快；闭源领域美国领先，开源领域中国领先；总体而言，美国可能领先。
Altman 2026 年 3 月访问印度后印象深刻。印度初创公司使用 AI 技术的程度令他震惊。Codex 在印度的使用量在短短几个月内增长了10倍。他与印度初创公司交流时感受到一种比美国更强烈的版本：人们说世界已经不同了。有人谈论“一人初创公司”，而他则试图建立“零人初创公司”——只想写一个提示（prompt）来创建整个初创公司，编写软件、处理客户支持、法律事务等，然后就去度假。印度的大公司则直接追问：“我们能从你这里购买多少容量？我们能预订多久？我们现在就要和你敲定这个，不会让你离开房间直到达成协议。”这种进取心、速度和坚信 AI 将重塑印度商业格局的态度令他印象深刻。他认为印度与美国客户方向相同，但似乎走得更远或移动更快。
民主化 AI、社会挑战与 GDP 测量的未来
Altman 提出了“专制 AI 与民主 AI”的区别。他认为，偶尔会出现一种技术变革，其重塑社会的程度如此之大，以至于关于它的决策不应属于恰好身处其中的少数公司。他本人是资本主义、公司权利以及政府不应过度干预的坚定信徒，但他认为 AI 是这样一个例外时期，社会对其影响拥有合法的利益关切。互联网时代也是如此，但当时并未完全处理好。他希望我们能吸取教训，做得更好。
如果 AI 公司的预言成真——AI 将重塑经济、重塑 geopolitical power、改变所有人的生活方式——那么，如何使用 AI 不应由公司或某个政府强加特定意志，而应属于人民的意志，并通过民主进程来决定。像 OpenAI 这样的公司正迅速进入一种“关键基础设施”的角色，必须说明：我们创造这项技术，我们是专家，我们应有真正的发言权，我们对其局限性和尚未准备好使用的领域、可能造成重大 harm 的领域有见解和理解。但规则和限制必须通过社会进程来商定。由于技术发展太快，希望民主进程能运行得更快一些。
回到全球 AI 竞赛，Altman 认为美国在三个方面最为脆弱：
- 全球供应链依赖和美国基础设施：他无法过度强调这对他而言是多么可怕。如果在基础设施上落后且无法追赶，或者全球化以任何可能的方式解体，美国无法相对独立地持续建设 AI 基础设施，这将是一个巨大的脆弱点。他并不讨厌但也不喜欢美国目前的全球地位。
- 经济 adoption 的速度：这是一个竞争的世界。如果美国在 AI 的经济应用上不如其他国家迅速，将失去作为经济强国所拥有的优势。这关乎公司、科学家、政府采纳的速度。从积极面看，这是多代难逢的机会，能真正改善经济，基于这个新的 incredible wealth fountain 重写一些失效的社会规则。美国有可能将此变为最大的竞争优势，但目前轨迹并非显而易见。
- 技术向世界其他地区的扩散：世界是否将主要建立在美国的 AI 技术栈（芯片、模型、应用等）之上？还是美国会出台一系列政策使之变得更难？
Altman 相信，如果妥善使用和采纳，AI 可能成为巨大生产力繁荣的基础。但衡量方式必须改变。他预见一个可能的世界：生产力繁荣惊人，生活质量不断提升，我们关心的大部分事物越来越好，然而以当前方式测量的 GDP 却持续下降，出现长期通货紧缩。他不知道生活在 forever deflationary world 意味着什么，也不知道在数据中心内部认知能力超过外部时，GDP 与生活质量的关联该如何理解。未来几年将有很多关于正确测量指标的辩论。
他认为社会已经开始讨论这些挑战，但尚无简单共识答案。几个世纪甚至千年以来，我们学到了很多关于如何构建社会来管理 scarcity 的知识，但这些知识在我们必须快速学习管理 abundance 时几乎毫无帮助。这是一个对资本主义运作方式的真正改变。资本主义也依赖于 labor 和 capital 之间某种程度的权力平衡。但如果在我们当前的许多工作中，难以超越 GPU，那么这种平衡就会改变。
Altman 并非长期的就业悲观者，他认为人类会找到新的事情去做；他也绝非长期的资本主义悲观者，他对此深信不疑。但他认为，未来几年将是一个痛苦的调整期，我们将共同重新定义新系统和这种 incredible prosperity 的模样，沿途将会有一些非常激烈和 uncomfortable 的辩论。
