撰文：Techub News 整理
导语
2026 年 6 月，OpenAI 联合创始人兼首席执行官 Sam Altman（萨姆·奥尔特曼）重返母校斯坦福大学，做客 CS153「前沿系统」课程，与课程讲师进行了一场深度对话。这场对话的背景是，Altman 曾在 2014 年于斯坦福开设广受欢迎的创业课程 CS183「如何创业」，十年后，他以 OpenAI 领导者的身份归来，分享其在 AI 规模化、AGI 发展以及未来社会形态方面的第一手经验和思考。对于理解当前 AI 行业的核心逻辑、技术瓶颈与未来走向，这场对话提供了来自最前沿实践者的宝贵视角。
摘要
- 规模即一切：Sam Altman 基于其从 Y Combinator 到 OpenAI 的经验，强调「规模」本身会催生涌现属性，带来超线性回报，这是当前 AI 进步和许多成功系统的核心驱动力。
- ChatGPT 的意外诞生：ChatGPT 并非精心规划的产品，而是源于观察到用户用 API 密钥「聊天」的意外行为，遵循了「观察用户所爱并付诸实践」的 YC 原则，最终引爆全球。
- AI 将成为新公用事业：Altman 认为，AI 智能正像电力一样成为一种基础公用事业，但当前挑战在于如何向世界解释这种「智能」的价值，可能需要找到类似「夜间照明」这样的具体切入点。
- 未来两大分岔路：未来十年，世界将面临两大关键分岔：一是 AI 技术是高度民主化还是集中于少数公司；二是如何公平分配作为关键资源的计算能力。
- 持续的计算短缺：Altman 预测，只要 AI 能力持续进步且成本下降，对计算的需求将几乎是无上限的，计算短缺可能成为长期常态。
规模：被严重低估的涌现引擎
Sam Altman（萨姆·奥尔特曼）开宗明义地分享了他职业生涯中一个核心的、近乎「玄学」的观察：所有最有趣、最成功的事物，都与「规模」带来的涌现属性有关。这种回报往往远超共识的预期。他坦言自己并无完美的理论解释，但经验数据强烈支持这一观点。
他以 Y Combinator（YC）为例。当年很多人认为 YC 规模过大，应该回归每期只投资 10 家初创公司的「黄金时代」。但 Altman 坚持扩大规模，结果发现，当被投公司数量达到一个临界规模后，批次内部的网络效应成为了强大的涌现属性，这是小规模时根本不存在的优势。这种「规模带来质变」的现象，在 AI 模型的扩展定律中体现得最为明显。当 OpenAI 决定全力押注扩展深度学习模型时，领域内许多顶尖研究者都持怀疑态度，认为这「不算真正的科学」、「不够有趣」。但 Altman 团队选择了相信曲线，持续推动规模扩张，最终取得了突破。
为什么人们常常不愿推动规模？Altman 指出，系统在规模扩张时，会以加速且不可预测的方式「崩坏」。这要求团队必须有能力将「为何不能做」的种种理由——技术可行性、资本要求、商业模式、文化阻力——逐一分解并攻克。这本身就是一项复杂的系统工程。对于 OpenAI 而言，说服团队将海量计算资源集中投入一个项目而非分散，就是一次典型的「规模化」挑战。
在组织层面，规模化同样考验人性。Altman 认为，关键在于设定清晰的目标、清晰的路径，并就如何达成目标及沿途如何决策给出明确的答案。例如，当 OpenAI 决定押注扩展深度学习时，就明确传达：「这就是我们的方向。如果我们错了，我们会失败。但这就是我们要做的，这是我们相信的未来图景。」这种清晰的信念在对抗人们对指数增长的天然认知障碍时至关重要——人们很难想象扩展定律会持续指数增长、收入会指数增长、组织能承受指数级的复杂度。
从 API 到 ChatGPT：意外诞生的杀手级应用
Sam Altman（萨姆·奥尔特曼）回顾了 OpenAI 两个关键产品——ChatGPT 和 Codex——的诞生历程，揭示了前沿探索中计划与偶然的相互作用。
在发布 GPT-3 后，OpenAI 面临一个现实问题：需要赚钱以支撑后续高达数十亿甚至百亿美元级别的算力投入。然而，团队虽然拥有强大的模型，却始终找不到一个明确的产品方向。尝试多次未果后，他们决定采取最直接的方式：将 GPT-3 以 API 形式开放，寄希望于开发者社区能发掘出杀手级应用。
2020 年夏季推出的 GPT-3 API 起初反响平平。但约一个月后，事情出现了转机。几位开发者偶然用 API 做出了有趣的应用并在 Twitter 上分享，随即引发病毒式传播。大量开发者开始试用 API。Altman 坦诚地表示，以2026 年 6 月的标准看，当时的 GPT-3/3.5 模型「糟糕得令人震惊」，但即便如此，它依然激发了巨大的热情。然而，开发者们最终只在一个领域取得了显著的商业成功：文案写作。这并非一个激动人心的巨大市场。
转折点在于，OpenAI 团队观察到，许多开发者虽然没能用 API 构建出成功业务，却用自己的 API 密钥来与模型「聊天」。这一用户自发行为成为了关键信号。此时，OpenAI 内部已经有了新的模型（介于 GPT-3 和 GPT-4 之间的 3.5 版本），并掌握了新的后训练技术，能让模型更好地遵循指令，从而优化聊天体验。
遵循 Y Combinator 的「观察用户所爱并付诸实践」原则，团队决定围绕聊天体验打造一个产品，初衷是作为一个研究演示，说服更多人基于 API 构建聊天产品。这就是 ChatGPT。它上线后，经历了经典的增长曲线：流量暴涨后回落，被质疑为「炒作周期」，但次日峰值更高，再次回落……如此反复。到第四五天，Altman 凭借在 YC 的经验断定：当一个不算出色的产品开始疯狂增长时，你手中握着的很可能是一个未来的爆款。团队随即进入紧急状态，全力投入公司建设和产品打磨，并迅速推出了付费方案以覆盖激增的算力成本。ChatGPT 的故事，是一个典型的「涌现」案例：核心应用场景并非预先设计，而是从用户行为中自然浮现。
至于 Codex（及其代表的 AI 编程能力），Altman 透露，在 ChatGPT 爆发前，OpenAI 内部原本的计划是「全力押注代码」。他们认为，代码是模型控制数字世界的手段，正如机器人是控制物理世界的手段。虽然 ChatGPT 的意外成功打乱了节奏，但他们对代码能力的重视从未改变，并看到了其巨大的价值拐点。
当被问及当前 AI 能力研发的「标准化」流程（预训练、中段训练、后训练、RL 与监督反馈循环）是否会保持稳定时，Altman 给出了否定的预测。他认为这虽然是当前的主流管线，但未来必然会发生重大重构，而找出更优架构的任务，很可能将交给 AI 本身。OpenAI 已设定目标：到 2024 年 9 月，使用相当于 50 万个 A100 GPU 的算力作为「AI 研究实习生」；到 2028 年 3 月，实现由 AI 主导的、端到端的新架构探索。
AI 作为新公用事业：寻找「夜间照明」的比喻
如何向世界解释 AI 的本质和价值？Sam Altman（萨姆·奥尔特曼）认为，我们正在创造一种新的「公用事业」，类似电力或互联网。历史上，新公用事业的推广往往需要巧妙的比喻。
他研究了电力普及的历史。早期的电力公司并不直接推销「电力」，因为没人知道那是什么，甚至感到恐惧（一种能进入家中、致人死亡的陌生事物）。他们推销的是「夜间照明」。他们告诉人们：你从我们这里得到的不是电，而是夜晚的光明。至于电力未来还能洗衣、驱动电器，那是后话，在当时看来跳跃性太大。
Altman 认为，AI 智能也面临类似的挑战。即使 OpenAI 的愿景完全正确——智能将成为无处不在的基础设施，每个公司、个人、政府都需要接入并使用——直接推销「智能」或「智力」可能无法引起共鸣。他们需要找到 AI 时代的「夜间照明」，即一个具体、直观、能打动大众的价值切入点。他目前尚未找到完美的答案，但坚信这是走向「公用事业化」的关键一步。
关于「公用事业」的类比，课程中曾出现不同版本：英伟达创始人 Jensen Huang（黄仁勋）将「计算」本身比作公用事业，强调其基础设施属性；而 Altman 则更侧重于「智能」或「推理能力」作为公用事业。两者是否矛盾？Altman 认为，从终端用户或企业的视角来看，他们关心的是抽象层级更高的「令牌」或服务，例如能否廉价、大量、高效地使用智能，而不会深究底层是哪种芯片、硬件位于何处。这就像人们为手机套餐付费，关心的是通话时长和流量，而非基站如何连接互联网。因此，未来用户感知和付费的，将是智能服务本身，而非其下的计算层。
未来十年：民主化、计算分配与教育危机
在预测未来十年的「分岔路」时，Sam Altman（萨姆·奥尔特曼）指出了两个最关键的议题。
第一个分岔是技术的民主化程度。Altman 坦言，存在一种强大的「吸引子状态」，即 AI 技术可能被集中在少数几家公司手中，这些公司可能因此积累地球上相当大比例的财富。他认为这种结果将是「可怕的」，并承诺 OpenAI 将竭力避免。推动技术走向「公用事业」模式，正是对抗这种集中化的重要途径。一个由少数实体控制强大智能的世界，不仅不公平，而且在对齐问题上更脆弱、更不稳定。他鼓励所有从业者推动技术民主化，尽管这会伴随安全和稳定性的争论。他个人乐观估计，世界有 80% 的概率走向民主化路径，但这需要全球的共同努力。
第二个分岔关乎关键资源的分配——计算能力。Altman 对短期内的「工作末日论」已变得不那么悲观，相信人类总能找到新的事情做。然而，他看到了一个更根本的挑战：计算短缺。随着 AI 能力提升和成本下降，对计算的需求可能是无上限的。如果计算价格因供需严重失衡而飙升，如何公平地分配计算资源将成为严峻的社会问题。这甚至可能催生关于「计算权」的讨论。
当被问及解决不平等问题的方案（如全民基本收入 UBI 或公民财富基金）是否需要全新构思时，Altman 认为未必需要全新理念，但他个人更倾向于所有权模式而非固定现金补贴。他资助过 UBI 研究，也目睹过初创公司投资带来的改变，认为拥有资本所有权更能契合人类心理，带来更强的能动感。他理想中的模式是，随着经济杠杆从劳动力转向资本，建立类似挪威主权财富基金的「公民财富基金」，让每个人都能拥有资本主义的一部分。
关于当前的计算短缺，Altman 证实其严重性，并预测这可能是一种长期状态。只要 AI 能力持续进步，需求就会持续超越供给。他比喻道，就像能源需求与价格高度相关一样，如果 AI 智能足够好且足够便宜，需求几乎是无限的。未来，每个人可能都希望运行 10 个甚至 100 个个人智能体，这将消耗巨大的推理算力。
最后，Altman 还对教育系统的滞后表达了担忧。他原以为在 ChatGPT 发布后的一两年内，教育体系会全面重塑，以适应 AI 时代，更注重培养学生利用 AI 进行项目实践和深度思考的能力。然而三年半过去，他几乎看不到任何系统性的重大变革。他警告，如果继续以「前 AGI 时代」的方式教学和评估，将导致学生批判性思维能力的萎缩。当然，一些基础技能（如写作、编程）因其对元认知和思维过程的训练价值，仍值得教授，但大量其他教学和评估方式必须彻底改变。
在问答环节，Altman 还回应了关于 Yann LeCun 对 LLM 的批评，他认为「赌定 LLM 无法扩展在目前是相当错误的」，世界模型对机器人等领域很重要，但 LLM 已在某些方面远超人类，并证明了其发现新知识的能力。对于质疑者，他显得很平静，认为当一个人将自身身份与某个观点绑定过紧时，即使面对相反的证据也难以改变。
