撰文：吴说区块链
播客录制于 11 月 21 日，当时预测 Sam Altman终将回归 OpenAI。根据 11 月 30 日 OpenAI 官推，Sam Altman 已重新担任公司 CEO，OpenAI 组建了新的董事会。潘致雄是原链闻研究总监、ChainFeeds 联合创始人，也是行业大家非常认可的、对 AI 与区块链技术均有广泛思考与分享的 KOL。
欢迎大家播客收听全文，以下文稿由 AI 节选，错误较多，望见谅。
之前对 OpenAI 的组织架构有了解吗？
关于他们组织架构这件事情，他们一直是公开的，也特别引以为豪说他们的这种非盈利组织的结构，是很复杂的结构，能确保什么，既能让投资者赚钱，然后又能确保长期的回报，能贡献给全人类，他们一直这么说，所以大家肯定会关注到他们的这个结构设计，只是这次大家才意识到这个结构对于一个初创团队来说，可能没有这么合理。反正是这个坑也是自己挖的嘛，那他们也承受了这个结果。
在OpenAI 的发展过程中，Sam Altman 是否无可或缺？
我个人感觉，就是早期这个局攒起来肯定是有很多外部因素的，包括马斯克，然后还有伊亚，以及 Sam Altman，其实没有这些人在几年前组织起那个团队，他们也不可能推进到现在的这个 GPT4。
但是呢，就是从现在 Sam 的这个背景，以及他对于公众的演讲，他的综合能力来看，特别是他在 YC 的背景，他辅助了这么多投资机构，辅助这么多创业团队，帮助了这么多创业团队，我觉得他在整个公司的推进和组织上应该是付出了非常非常大的努力才能变成到今天这样的一个 OpenAI 的这种程度。
因为如果没有商业化的推进，以及这种融资上的推进，他们可能从资源上是没办法获得大量的英伟达的显卡，没办法拿到微软的这些云计算资源，他们也很难去变成最终的一个商业化的产品，比如 GPT 的这种 API 服务，能够来支撑整个团队的商业化的运作，所以据我观察，我觉得他在里面应该还是一个非常重要的角色。
闹剧是否已经结束，后续会怎样发展？
我觉得本质上还是在于定义 OpenAI 到底是什么。有的公司代表的是一个品牌价值，有的公司是靠他的专利，才能构建出它的这个护城河，但现在对于一个这么早期的创业团队来说，他们就算有这些专利池，但是构成 OpenAI 的还是这些人，就是这几百号人。所以如果说这 600 号人出走，决定真的要去加入微软，或者是和 Sam 持续在做他们之前做的事情的话，那 OpenAI 这个可能就只剩下一个空壳和一个品牌了。
所以这件事情我觉得还在持续的，就是包括董事会和里面的具体的高层和下面的员工，我觉得还是在一个争论或者是舆论产生的一个过程中，最终会怎么样，其实也挺难说的，但是你从现在来看，就组织了这个接近 700 号人，可能 OpenAI 就 700 多号人吧，我看网上说的，然后那 700 多号人都已经签署了，可能现在 90% 的人对吧，都已经签了这份想要董事会下台的这么一封公开信。
那这个董事会如果再坚持不下台，那他们能怎么继续运作 OpenAI 呢？我想象不到这件事情，所以现在对于所有的观众来说，以及所有在看这件事的人来说，我觉得最开心的可能是微软，然后第二开心的就是其他这些大语言模型的，一下子把 OpenAI 的这个气势，或者是他们的这个进度，或者是整个组织架构啊，或者他们怎么治理啊，这方面一下子就让大家觉得这个存在问题，我觉得品牌上还是会受到很大的影响的。其实说实话大家还挺乐意看到这样的一个情况发生的。
ChatGPT 的核心壁垒在哪？
首先我们能看到语言模型在这个月来，中文的语言模型又井喷了，很多的中文团队都在做这种语言模型，那海外的话呢，可能有这么几波最强大的势力，像 Facebook 为首的，他们是做开源模型的，已经获得了更大的社区上的支持，那像 Google 做的那个 bard，他们因为 Google 的优势是在他们这个有足够大的数据，搜索引擎，所以说他们做的 bard 也是非常受关注的。
还有一个就是这个 FTX 投资的那个 Claude，就是之前也是从 OpenAI 出走的团队他们来做的，最近好像被亚马逊投了 40 亿美元。就是从全球的市场来看，我们排除中文市场的话，那可能就这三个是我们能看到他们从一些维度来说是可以和这个 OpenAI 来竞争的。
但是我们从最终的结果上来看，就是以及我们在使用这个模型上的结果来看，以及我收到的很多这个开发者对于这个语言模型的语言能力上的一些判断，大家还是综合认为 GPT4 的综合能力和它的逻辑推理能力是这些里面最完善的，并且 GPT4 是一个已经不止可作为生产环境使用的这样的一套语言模型，而其他的 AI 项目在稳定性和可靠性方面都还比较早期。所以综合来比，GPT4 就是目前最好用以及开发者会喜欢使用的这样的一套模型。
那至于它为什么会产生这样的一个壁垒？其实也很简单，就是因为那个 OpenAI 应该早期是开源了 GPT3 的这个代码，GPT3 之前应该都是开源的状态，但 GPT3 之后，包括 3.5 和 4，他对于这个它的模型的数据量，以及它的这个数据量是什么样子的，以及它的参数有多少，其实都是没有完全公开的，可能在一些渠道公开了其中的一些数据。
但是它这个模型到底是怎么构建起来的，以及它的工程上是怎么实现的，它里面有非常多挑战和难度在里面，所以说现在这个学术界根本没办法去研究这个 AI 了，只能靠这个商业和工程界来进行研究，因为你去部署这个模型的训练，你需要花费大量的英伟达的 GPU，或者是别的 GPU，以及大量的这个资源数据，你要去提供大量的这种的数据，你可能训练出这样的一个模型，你要这个一次成本就是百万美元或千万美元，甚至更贵。
那对于学术界来说，他将没有这个能力，那只能靠商业层面来推动，那 OpenAI 早期获得了很大的这个投资，微软的资源，以及它有这个微软的云数据库相关的一些支持，所以他能在很早期就构建出他这样的一套综合的能力来在技术上产生了这样的一些壁垒。
AI 和区块链谁才是 Web3.0？
我们现在 Web3.0 更多是在挑战 Web2.0 做的不好的一些事情，无论是数据所有权，还是大公司掌控所有的这个流量的入口，其实也都是 Web3 大家在想要解决的一些事情，但是它的这个 Web 这个词，我们要根据它的词源，或者他到底要怎么出现，怎么发生，你现在怎么进化，慢慢来研究的对吧？
这个事情我正好之前还做过，就是你之前把所有 Web3.0 和 Web3 相关的历史翻出来的，其实我们能发现他早期不叫 Web3.0，它更多是在讲语义网啊，什么 semantic web 就是这些和这个让互联网能更好的被理解，被机器之间相理解，他其实没有提 AI 啊，就是他只是说在很多的互联网的数据和格式上有更好一层面的分析，层面的定义，以及之后呢就能更好的被分析，那到后面到 Web3.0 的这个过程呢，大家想简写。
然后呢，慢慢的变成大家对于 Web2 这样的一场运动，所以从那条线路来看，以及我看过了我非常多关于 Web3.0 不同的观点和不同的说法。其实我倒真的没有看到过大家在用 Web3.0 来定义 AI 这件事情，我觉得很有可能是因为大家没有料到 AI 以这么快的速度在侵入这个世界，就没想到 GPT4 的能力能达到一个接近这种能通过图灵，甚至我觉得可能通过图灵测试，你都不知道他是真人还是机器人的这样的一种状态了。
我觉得这就因为这个速度超过大家的预意料，所以大家并没有，至少历史上所有的历史来看，大家都没有把 Web3.0 或者 Web3 来用这个 AI 来这么定义，这是我是作为这个信息的补充啊，如果大家不知道的话。
就 Crypto 我觉得也是至少按照你的这个分法也分了两块嘛，还是有一大部分人认为还是极大程度在提升这个金融的，无论是这个支付和 BTC 的价值存储，以及到后面我们可以做借贷啊，做交易啊，能通过智能合约来实现，来增加这个经济的流动性，这是肯定是很大的一部分，但是还有这个社区及这个行业还是有很大一部分人在关注到数据所有权，以及比如说 NFT 的资产能带来的未来，比如说我在游戏里面怎么样子，我在社交里面怎么样子，所以说大家还是很关注如何用 Web3 以及 Crypto 来解决金融之外的这些属性的这么一群人，我觉得也是这个行业的一大部分人在讨论和研究的。
AI 和区块链有哪些可以结合的路径？
我觉得还是要搞清楚这两个技术底层的一些区别，以及大家到底在怎么来做这个行业的发展，当然我们肯定是按照现在已有的这些设施，以及现在大家的这个流程和工作流，以及大家的合作方式在做，那 AI 加这样的概念呢，我相信有非常多的团队在做，就比如说语言模型这个被掌握在 OpenAI 或者谷歌这些巨头的手里，那按照这些巨头以及这些语言模型的设计和未来的推进方式来看，他很可能会在我觉得就是至少十年或 20 年这样的范围里面，它肯定还是在一个需要商业化慢慢扩大的这个过程，虽然 OpenAI 应该也设了一条线，让微软赚多少钱之后，它就可以变成一个公共的公司。
但是能赚到这么多钱，我觉得大家也不知道需要多久对吧，所以说这个可能会是一个很长期的事情，但是对于短期或中期来说，OpenAI 和 Claude 或者是 Google 这些大家的这些语言模型还是一个非常超级集中化的一种方式，超级中心化的方式甚至比 Web2 更中心化，这种方式被这些巨头所掌握着，他们才有能力去运行这些模型，他们才有能力去开发和训练这些模型，这些模型的成本和训练成本都是不是普通用户能承担的，只有他们在集中化的能把这些效果能做足够好的之后，那普通的用户才能受益到。
那这和 Crypto 本身的这个结构还是有些区别，Crypto 从一开始说去中心化的，甚至每一笔交易我都需要去分布在不同的节点里面，我需要去让以太坊有共识产生更多的区块，所以说按照这个现在最牛的这个模型来看，其实做不到，但是还有条路线可能可以这么做，就比如说像 Facebook 在推进的像 Llama 2 这样的模型，他们做的呢，这个大开源模型呢，他们发出了很多版本。
这些模型的版本呢，它首先是开源它，它训练完它有一些数据训练，训练完了然后的话呢，这个模型呢，也能被更多人在上面做各种各样的微调，或者是加上更多的数据，那在这个这种开源模型之上的话，的确是有可能能发生一些和一些外部进行开放的一些合作的方式，无论是 API 方面的，还是直接把这个模型把它拆散放在不同地方进行训练，我觉得这个可能性还是有一些的。
比如说我听到过一些想法，就比如说因为这个现在语言模型更多是要做这种提示词嘛，叫 Prompt 对吧，大家都要 mpt engineering 什么的，所以说有一些很简单很基础的想法啊，就像比如说我做 Prompt 这种市场，因为很多人认为 Prompt 里面是有优化空间的，我能设计更好的 Prompt，我就能得到更好的结果，那 Promp 市场当然就是这肯定是其中很重要的这个一种一种想法，还现在就比如说像 Llama 2 这种模型，它数据库虽然已经数据量已经挺大的了。
但是它针对某个垂直行业或者是垂直领域上还是有很大的空缺的，他还是需要大量数据，那这时候你就可以去训练自己的这种模型，那你训练完这种模型之后的话呢，你训练出来你这个小模型呢，你就可以去在这些交易市场上面做交换啊，交易啊，这些有可能就可以通过 Crypto 以及开源生态来进行流动，对吧？这我觉得这个可能会是在开源和开源的模型以及 Crypto 之间的一些协作和合作。
不然的话，你像 OpenAI 它这种分布式的计算，如果把它拆成分布式计算，那它在技术上的这个进展，我觉得不是这么几年里面就能有这样的技术，能让我们把训练 OpenAI 这样的模型、分布式在各种各样的节点里面去做，虽然有这样的团队在要提这样的概念，但是我觉得从提出建联，可能连这个 research，就是这种研究上的进展都比较少，那何况到工程上，以及到最终的能变成一个每个人都能用的应用上，我觉得还有一个非常长的路径。
当然这很多人还会说有个最近还有个概念，什么 ZKML，我觉得是在今年 Gpt3.5 到 GPT4 发布的时候，很多的 Crypto 相关的团队都在提这样的概念，叫 ZKL，就是能把 Machine learning，就是机器学习的这个部分里面的一些部分来用 ZK化，但是这个东西这个能做到通用性的模型上的话呢，这个径肯定我相信这里面还是有很长的时间的，但是如果能找到一些相对比较小的场景，来做 ZKML 的事情啊和 ZK 做一些结合，就比如说你在在进入这个行业的时候，你需要有一些数据和一些别人的数据进行一些训练。
但是呢，你不想暴露你的数据，或者是整个训练的过程是怎么样确保它可靠的，那是不是会有一些小团队可以找一些垂直的小场景来去开发，我觉得也是有可能性，总比这种你要做这种大语言模型的这种中心化也可能性会更高一些。所以说我觉得大家肯定是会继续观察的，但是你说现在有没有特别独特和有用和有意思的，以及大家现在能用的，我觉得现在还没有。可能要等这个特别是开源模型，像 Facebook 他们的模型能被社区变成一个大的社区了之后，我觉得就有可能和这个更开放的生态来合作了。
对 Sam Altman 的另一个项目 Worldcoin 怎么看？
首先就是虽然这两个项目都可以说 Cofounder 都有他，但是在真正推进 Worldcoin 上，我感觉他更多是一个被动的角色，就是他现在已经有成熟团队在做 Worldcoin 相关的，无论是开发和研究上的事，甚至你从他的推特上来看，他也不怎么提 Worldcoin，只是在一些很核心很关键的时间点会提 Worldcoin，所以我觉得他的精力可能还是在 OpenAI 为主。
只是站个台，或者是有时候来做一些支持，我的理解啊。但是你说这两个项目是不是平行呢？我觉得还是有些关联性的，就是当然就他们从技术上来说是没有关联性的，但是如果你考虑到如果说 OpenAI 它的未来的技术足够强大，它现在解决了语言模型，这个图片类的这种理解和图片的生成，对吧，现在还解决了音频转文字，文字转音频相关的这些模型，他们在一个个解决更多的模态的，以及这种就人类能支持各种各样的语言模型。
当把这些模型都整合在一起的时候呢，未来会不会真的有一天人类就没有这么多工作可以做了，对吧，我觉得就是你考虑到 50 年之后 AI 真的很大，那或许就真的没有这么多工作和工种可以做了，那在那个前提，在那个场景下的话，如果世界已经有这么多人，那大家应该怎么生活，怎么来维持呢？对吧，那有可能的一种社会的结构，就叫作这个 UBI 嘛，对吧，就 universal basic income，就是给大家每个月发钱，我我确保每个人每个月都能拿到一笔呢，足够你生活的钱，那我如何来定义这个人，以及我来如何来定义这个你能拿这个钱。
这个个体啊，那 Worldcoin 就可做这件事情，那 Worldcoin 呢，是靠这个虹膜来确保的，那虹膜是比指纹，比其他的生物识别更可靠，更不可篡改的一个方式了，那我根据 Worldcoin，我就可以给每个人每个月，现在 Worldcoin 也在做的也就这样的事了，每个月给大家发一些 Worldcoin，只要你确保你这个虹膜你只要扫了之后，我每个月给你发点，那未来如果说些 Worldcoin 变成一种世界货币的话，那你就可以把这个世界货币来做兑换，来作为你的基本收入，所以说我的理解这两者应该是这样的一种关系。
ChainFeeds 有没有考虑在内容方面和 AI 做一些结合？
我觉得从技术上来说，以及从结构上来说是很难来组合的，但是我们本身是作为一个信息分发或者是信息聚合的这样的一个 TO C，你可以认为是一个 TO C 的，或者是对针对消费者的这样的一个产品的话，那这个 AI 是可以来帮助我们做很多事情的，我们是可以利用 AI 来做到甚至比一些这个专业人士都做的好的一些事情，那怎么做呢？
就是我们能看到现在有很多我们找了一些具体的场景，那这些场景呢，其实就是他可能状态是比较混沌的，同时的话呢，我能找到一些更多的上下文以及相关联的东西，我把它组合在一起，然后呢，你把 AI 看作成是一个什么样？把它看成是个秘书，那这个秘书他做什么事情呢？就是他看到很多资料的时候呢，以及这个资料可能是有一个话题的。
那就资料或这个资料是有个问题的，比如说你对一件事情怎么看，那我有一份一个数据库说啊这个人怎么看，那个人怎么看，这个项目是什么东西，这个项目融资是什么，他有哪些人？当我把这些相关的信息全部都把这份文件给到这个秘书的时候呢，他就可以帮你整理出来，然后呢，从里面挑到和这个问题相关的东西，然后组合出来一个你想要的这个答案，或者是一篇文章，所以我们现在呢，我觉得这件事情呢，是很适合用这个 GPT 或者是 AI 来做的。
所以我们现在找的一个场景呢是首先我们这个数据处理，这个行业有很多发生在推特上的事情啊，我们不知道这个 Crypto 行业，就因为现在推特上，包括我们能看到最近的那个发生的绝大多数事情都在推特上发生，所以推特上还是一个讨论科技啊，以及网络效应最大的这样的一个平台，那推特上肯定会有大量的数据和讨论发生。
但是呢，绝大多数人在看推特，包括 Crypto 行业，大家会信息爆炸了，我关注了几百个人我就看不过来了，甚至包含几千个人我看不过来的，那怎么办呢？但是还是会有这个很多人想要看到 Crypto 行业这几天里面的热点到底是什么，大家想要看到最重要的这个 KOL 们，或者是像 Viatlik 手下的以太坊基金们，比如说波卡基金会们，或者是一些比特币的老炮们，或者是一堆 V 们对吧，大家在讨论什么样的话题，这个呢，想大家是想看到的，那所以说我们在就在做这样的一件事情。
我们先通过推特数据的对接，我们先把推特上和这些重要的人的数据，和他们在讨论什么东西，以及这些最原子化的这个一条条信息，我们先把它获取来获取到，那获取到之后的话呢，我们再通过一些筛选和分类，通过算法的方式分成一些类别，就比如说很多种分类的方式，比如说有一些是 VC 讨论的更多的一些话题和关键词，那有一些呢，是这个技术上讨论的话题和关键词，那有一些可能是政策层面的一些讨论，当我们把它直接分成一些类了之后的话呢。
然后我们再看讨论这些话题的人到底是什么样子的，有哪些人在讨论这些话题，那是这个以太坊网基金会的人讨论呢，还是比特币的 OG 们在讨论的？我们可以通过算法把这些数据给聚合出来，那我们把这些数据合出来之后的话呢，那我们不可能就是通过人力，我们当然可以一条一条去看，以及去判断大家在讨论什么样的话题，但是呢，我不如用 AI 来做了，因为 AI 知道每一个每句话，或者是每个东西，大家讨论什么样的东西。
所以说当我们发现了一个新的话题，比如说 OpenAI 的 Sam，大家在讨论这件事情的信息，我们都可以把它给找出来，通过算法我们可以找到，那找到了之后的话呢，我们就扔给 GPT 说啊，这个就是关于这个我们今天讨论了最多的一个话题，那很多人分别是谁，他们在讨论什么样的话题，请你帮我总结出来。大家在讨论什么话题，以及大家的观点是什么样子，那 GPT 就能把这样的一件事情做好，因为只要你能给他足够多的 context 和上文，那他就可以给你总结出这个一段话，或者是能更好的让普通人能理解的一件事情。
这个当然你可以在 Prompt 里面设计的更清楚，比如说你想让五岁的人能理解这这句话，那他就会换一种方式来解释，那你只要让普通人理解，那你就设计很简单的 Prompt，那他就可以来让普通人来理解。我说了这么多呢，其实就是我们在用 GPT 做一个信息聚合之后的一个理解的过程。
那有这么多信息，我们信息分完类之后，我们通过 GPT 让他把聚合完的这个结果能把它说出来，以人话说出来，并且能告诉大家这里面的重点以及各自的观点是什么样子，所以说这是我们现在做的一个新的工具，叫chainbuzz.xyz，大家可以访问了，给来家体验一下，并且有 GPT 的加成了之后呢，我们发现我们还能做多语言。
因为 GPT，这个首先推特上的内容大多数是英文的，并且 GPT 中翻英，英翻中可能对于一些专业术语会有一些问题，可能会没那么准确，但是对绝大多数的场景和理解上来说是没有什么问题的，所以我们做了一个是支持中英语的，当然我们加更多的语言，想要把我们刚刚说的这个推特的点降噪以及理解这件事情，通过这样的一个平台来呈现给大家。
我们主要有两个功能，一个是新闻功能，新闻是我们聚合了目前这个中文和英文世界最重要的一些这个媒体的信息，那比如说第一条是今天的 top 的新闻的，第一条是 Blur 团队的这个事情嘛，第一条你点进去之后，然后你看消息来源里面就能看到 PANews、律动、吴说、深潮大家都在讨论这样的一件事情，然后是通过这十几篇文章，我让 GPT 重写成这样的一小篇这个快讯的。
这是我们新闻板块在做的，就是我们把媒体的信息把它聚类出来，然后再让他重写出来，然后第二个呢，就是推特热门，就是我刚刚说的，花了很大篇幅在讲推特热门，就我们把这个行业的信息做了一些分类，然后让 GPT 去解释这些热门的东西的，他到底在聊什么事情。
怎么看币安、Bybit 推出的加密聊天机器人？
他不是一个很难的事情，我认识到很多团队都在做这个事情，很多人都在做这种，怎么说呢，就是基于 GPT 之上的这个数据索引的这样的一个产品，其实我们在今年年初的时候，差不多四月份，我们也做了一个产品的原型，我们也把它做出来了，就是 Chatbot 然后你可以聊这个行业的内容，比如说提到一些项目啊，或者它的融资啊，我都能从数据库里面来拿到，然后把它解释出来。所以说这个东西呢，不是特别难的，是只是说你怎么去找到准确的以及信息量更大的数据库，外挂在 GPT4 之上，绝大多数团队是这么做的。
怎么看 Nansen 做的关于交易线索的 AI 工具？
这个事情呢，我觉得本质还是靠数据处理，就早期还是要有大量的数据。然后呢，还要用一些算法，比如说大家提到了某个币，提到某个币，这个事情一定是很确定的。那我们通过算法能知道大家提到了什么样的币，那为什么被讨论的在这个行业更多，它的增长趋势是什么，这其实都是可以通过，不用通过 AI，我找工程师其实也能做，但是最终能不能在里面找到一些关联和线索，以及推理能力，这个或许是可以用你说的 GPT 来，或者是其他语言模型来做的。
但我不确定它的稳定性、可靠性如何，因为这个毕竟是一个还挺困难的事情，因为我们这个行业有大量的数据，有交易的数据，有舆情的数据，你如果只提供他一些很子集的信息的话，他没办法看到全貌，他可能只能根据你提供的这些信息在里面强行的找到一些关联，那所以说我觉得一个大前提还是要有一个足够大量的数据来给他使用才有可能，他才从中找到一些线索。
现在有一些团队在做这种，就比如说 Dune 其实在做嘛，就是他们要做的事情，其实就是让大家去，就让大家不用这么会写数控语言了，就是我能通过自然语言的方式去获得一些数据库里面的数据，我问了一个问题之后，因为普通用户他其实不知道怎么写 sql，但是语义层面他可能能理解，你说这句话能翻译成一句 sql 的搜索语句，然后他再帮你从某一些数据库里面搜，搜完给你的结果，然后你觉得这个结果不是你想要的，你可以再给他反馈说啊，你想看的是什么样子的东西，那通过这样的一次次反馈的话呢，我真的觉得对于我觉得对于普通小白来说，是更容易上手，能获取数据的这个渠道的。不然的话，门槛还是太高了，Nansen 和 Dune 对于普通人来说。
AI 和安全审计的结合有哪些进展？
这个事情我甚至我在外面做一些分享，专门有的时候会讲到 AI 的实践上，比如说我们怎么来在使用这个模型的时候，经常会提一件事如何使用 AI 做一些严肃的事情，如和金钱、健康相关的事情，还是有很长的距离的。他自己其实也做了很多 alment，就是说他会写很多这种，说我不适合做健康啊，你要找什么医生啊，对吧？所以说在做这种相对严肃的事情的话，我觉得离 AI 使用还有个非常大的距离。
但是呢，还有人在尝试，比如说像用 Llama 2 这种开源的模型，把它给他更多的这种数据或者是代码，能让他能理解更多的代码，或者是某个垂类的代码，然后给他很多的这种所谓的错误啊，或者是容易被攻击的方法啊，我觉得是有可能训练出一些针对某些语言的，能更快去定位问题的这种模型，我觉得是可以的，但是你真的放到工业生产上，以及到审计机构上来说，大家还是最终会让人确认的，因为大家最终要盖章的这个东西是一个机构，是一个团队，大家也不会这么儿戏。
