OpenAI首次联合访谈:”这件事”是公司的核心动力

在这次专访中，奥特曼和莱特卡普谈到了许多话题，包括：两人如何成为创业伙伴、如何制定决策？OpenAI未来12个月面临的核心瓶颈是什么？如何解决计算的基本问题？提高模型质量的最大障碍是什么?OpenAI如何在24个月内实现20亿美元年化营收？

以下为奥特曼和莱特卡普专访全文：

01七年前创建OpenAI

斯特宾斯：伙计们，这次采访真的让我激动不已，我渴望做这件事已经很久了。这也是你们首次共同接受专访，对吧？这是你们首次同时接受采访，所以真的非常令人期待。我之前和不少朋友聊过，他们都认为我们应该从你们的背景开始聊起。山姆，能和我们分享一下，是什么促使你七年前决定创建OpenAI的吗？

奥特曼：我认为有两点非常关键。我从小就对人工智能抱有浓厚的兴趣，但大学时学习的内容似乎并未让我看到它的实际应用。直到我真正开始创业，我才深刻感受到两件事的重要性。首先，深度学习似乎真的在发挥作用。其次，随着规模的扩大，它的效果似乎变得更好。当时，我们虽然并不完全清楚它如何以可预测的方式随着规模的扩大而提升效果，但很明显，规模越大，效果就越好，这让我感到非常兴奋。然而，让我困惑的是，为什么其他人没有意识到这一点？为什么他们没有加入我们？但事实确实如此，所以我们就决定要亲自来做这件事。

斯特宾斯：在那些年里，当其他人对这些事情感到怀疑时，是什么让你坚持下来？坦率地说，很少有人与你有同样的信心。

奥特曼：对于我们来说，这似乎是一个可行的方案，我们一直在稳步前进。我不会将其称之为盲目的信仰，尽管其中确实包含了一定的信仰成分。你明白，对于一项艰难的任务，你必须怀有信心才能完成。对于我们来说，完成这项任务的重要性不言而喻。如果我们能够成功，它将对世界产生深远的影响，而且我们有理由相信，我们的方法能够奏效。我们有一个明确的前进方向，我们坚信它，并且我们不断获取数据来验证这种方法的有效性。当然，具体实施的细节需要时间去探索。

你知道，我们最初并没有直接去做大语言模型。我们的团队成员已经有了许多杰出的发现。对于人工智能的潜力，我们从未有过任何怀疑。如果我们能够成功，那么它将成为一件具有划时代意义的大事。这不仅仅是一种帮助，更是一种无法估量的价值。虽然我们在实施这种方法的过程中逐渐变得更加自信，但我们也曾经历过一段迷茫的时期，就像在丛林或沙漠中徘徊一样。然而，你知道，当你对某件事深信不疑，而其他人却心存疑虑时，这种挑战反而能够激发你的斗志。

斯特宾斯：我想深入了解下你们之间的实际关系，因为这确实非常独特。我们之前已经提到，这是你们第一次共同接受采访。那么，这种特殊的伙伴关系是如何形成的呢？

莱特卡普：我和山姆的合作其实由来已久。我们在YC（创业孵化器）共同度过了很多时光，观察那些即将进入增长阶段的公司。那些都是非常有前景的技术项目，如核聚变反应堆、量子计算机、自动驾驶汽车、卫星等。我从投资的角度观察这些公司，而OpenAI则是其中让我觉得有些与众不同的一个。因为它似乎只是随着时间的推移变得越来越好，而不是那种充满二元风险的项目。我注意到了这一点，并告诉山姆，我认为这家公司与我们正在关注的其他公司相比，有其独特之处。我后来花了更多时间与格雷格·布罗克曼（GregBrockman，OpenAI总裁）和伊利亚·苏茨凯弗（IlyaSutskever，OpenAI首席科学家）交流，而山姆所描述的这些系统的特性——它们首先以一种不可预测的方式随着规模的扩大而变得更好，然后变得更可预测——我也深以为然。我想我们可能是从不同的角度看到了同样的事情。我主要是从投资的角度看待它，如果这真的能实现，那么它不仅会成为一个出色的投资项目，更会对世界产生真正的影响。因此，我很早就对它有了信心，并想尽我所能提供帮助。

斯特宾斯：那么，你是什么时候计划全职加入OpenAI的呢？这个想法是如何成形的？你想把这作为你接下来多年的使命吗？

莱特卡普：一开始我并没有全职加入的计划。事实上，我最初只是想帮助山姆招聘一名首席财务官。

奥特曼：实际上，布拉德在我之前就已经在OpenAI工作了。

莱特卡普：的确如此，我比奥特曼早一步进入OpenAI。这次我终于在某件事上领先了山姆，就当作是我的一次小胜吧！不过，当时我并没有打算全职加入。我原本只是想协助山姆进行招聘，但当时OpenAI作为一个规模较小的非营利组织，并没有太多人愿意担任首席财务官这个职位。我试着问了大约25个人，但结果都不尽如人意。说实话，我之所以最后决定加入，很大程度上是因为我觉得连续问了25个人都被拒绝实在太尴尬了。于是我说，要不我就晚上和周末来帮帮忙吧，结果这份工作很快就变成了我的全职工作。

奥特曼：是的，我当时的时间大部分都在OpenAI和YC之间分配，然后逐渐开始在OpenAI全职工作。这确实是一个渐进的过程。

斯特宾斯：我记得在2019年的春天或夏天，布拉德就已经先于你加入OpenAI了。伟大的合作伙伴关系往往建立在互补的技能集之上，这一点毋庸置疑。所以，我想听听你们两位的看法。布拉德，你在哪些方面表现得尤为出色，但可能外界对此并不了解？

奥特曼：在我看来，良好的合作伙伴关系有一个显著标志，那就是彼此能够胜任对方的工作。比如说，布拉德或许可以替我工作一周，但我肯定无法为布拉德工作一周。作为团队，我们各自分工明确，同时保持着高效的沟通，确保整个团队能够紧密合作。布拉德在很多方面都很出色，我只举两点来具体说说。

第一点就是他的适应性。布拉德最初是来做财务工作的，但现在他所承担的工作内容，虽然仍与财务相关，但已经发生了巨大的变化。我们之前几乎没有什么业务可言，但现在业务已经迅速发展起来。当我们意识到这一点时，我环顾四周，觉得真的需要有人能够胜任这个新的角色。我问布拉德是否愿意尝试，他毫不犹豫地答应了。他说：“好的，我会尽力去适应。可能需要一点时间，但你知道，我以前也做过一些与商业相关的工作，我相信自己能够建立起这一切。”布拉德总是能够迅速适应每个阶段的新挑战，并找到解决问题的最佳方案。

第二点则是他在建立新产品类别和推广方面的卓越能力。这一点对我来说是非常了不起的，因为我在财务方面还算了解，但在这方面却远远不如他。布拉德不仅能够看到整个产品类别的全貌，还能够将产品、商业模式、客户支持以及与之相关的所有事情整合在一起。他的客户至上理念贯穿始终，确保我们能够成为一个在企业销售活动中表现出色的组织。我想说的是，如果一年前有人说我们将成为一个优秀的组织，那么现在，我们已经不仅仅是一个优秀的组织，更是一个卓越的组织。

斯特宾斯：布拉德，你认为山姆最大的优点是什么？我相信很多人可能还没有意识到这一点，但我想请你详细谈谈。

莱特卡普：山姆身上有两个令我印象深刻的优点，它们之间是互相关联的。首先，无论公司处于哪个发展阶段，通常都只有一到三件事情是真正至关重要的。这些关键事项会随着时间变化，但几乎从未有过十件同时都极其重要的情况。山姆具备一种非凡的能力，他能够始终聚焦于这一到三件事情，并作出决策。这种专注不仅影响了他个人的工作，也影响了我们整个管理团队的工作方式。因为我知道他的关注焦点，即使我们在某些事情上存在分歧，但只要我们能在这些关键事项上达成一致，我们就能确保整个团队朝着正确的方向快速前进。这种能力对于我们在规模扩大的同时保持高效运作至关重要，因为很多公司在成长过程中会逐渐失去这种速度和专注。

我要说的第二点是，山姆对未来有着极其清晰的远见。他有一个宏伟的目标，并始终致力于实现它。他的工作就是不断寻找那些能够最快推动我们达到目标的一到三件事情。这种对未来世界的狂热和专注是极其罕见的，而我很荣幸能够与他合作，共同填补实现这一愿景所需的各种空白。

02 工作中有分歧，但要分轻重缓急

斯特宾斯：现在在你看来，最重要的一两件事是什么？

奥特曼：世界上有很多人工智能组织可以模仿别人的做法，但真正难的是第一次尝试某件新事情，并且持之以恒地做这件事，可能是多年，甚至几十年。建立一个研究组织，一个产品组织，以及一个将所有这些推向世界的整个公司，这都需要我们在商业模式和其他方面进行不断的创新。正是这种持续创新的文化，使我们不仅能够将GPT-5做得非常出色，还能确保我们为未来的GPT-6、GPT-7、GPT-8等产品做好准备。我们需要思考研究能带我们走向哪里，那也就意味着产品将走向哪里，整个公司又将跟随哪个方向。这是一个巨大的挑战。

斯特宾斯：那么，你认为阻碍或减缓OpenAI决策速度的最重要因素是什么？

奥特曼：在创新方面，我坚信我们拥有全球顶尖的研究人员和卓越的研究文化。如果我们失去了这两者中的任何一个，那将是一个重大的打击。而另一个让我深感忧虑的因素，是计算资源的不足。诚然，我们都热衷于开展前沿的研究，因为科学进步无疑是世界上最令人振奋的事情。但我们的使命是为更多的人提供实际的帮助。即使我们能做出世界上最好的研究，并将其优化到极致，如果我们没有足够的计算能力来满足全球用户的需求，那也将是一个巨大的阻碍。因此，我的第二个优先事项就是思考如何获取足够的计算资源，以满足日益增长的用户需求。

斯特宾斯：你提到的决策之间的平衡是如何实现的？如何在战略决策和日常运营决策之间找到平衡点？

奥特曼：关于我们工作的重心，我们始终保持着高度的一致性。你可能会发现我经常强调这一点，但那些真正对我们至关重要的事务，或是与之紧密相关的事项，我们作为执行团队和领导层，会投入大量的时间和精力来确保做出正确的决策。有时，这些决策显得一目了然，但有时却需要我们深入研讨。至于其他日常事务，我们会进行委派处理。因此，我可能每天都会做出十个决策，而无需与山姆商讨，因为这些决策并不涉及核心问题。然而，一旦遇到真正重大的事项，我们会召集整个执行团队进行会议讨论，甚至在后续的会议中继续深入研讨，以确保我们做出最明智的决策。

斯特宾斯：你是否认同这样的观点，即一家公司的发展往往由一年中一两个关键决策所决定？或者，你认为公司的进步是由日常无数的细微决策共同推动的？对此，我时常感到困惑。

奥特曼：我完全同意两者并存的观点。身为投资者，我深知那种每年甚至每十年才需做出一两个重大决策的快感。然而，我必须坦诚，经营者的角色与我的本性相去甚远，这并非我在人生中的自然定位。然而，为了不断提升自己，我逐渐认识到，尽管战略决策的数量相对较少，但它们的重要性却不容忽视。这些决策可能每月出现一两个，而非每年。但除了这些大决策外，更多的是关于执行层面的小决策，它们的数量多得无法计数。

我认为，那些声称决策不多的人，很可能没有真正经营过一家复杂的公司。因为说任何CEO每年或每月只做一个或两个决策，这显然是站不住脚的。决策是一个持续不断的过程，但关键在于区分那些重大战略决策与为实现这些战略所需的日常细微执行决策。比如我们是否决定开发ChatGPT，这是一个重大决策。但为了实现这个决策，我们需要做出的无数小决策，同样至关重要。这些小事累积起来，才能确保大决策的成功实施。

斯特宾斯：你为什么觉得自己并不适合经营者的角色呢？

奥特曼：坦诚地说，我并非天生的经营者。虽然我曾经非常享受作为投资者的日子，那份工作无疑充满了趣味，但我始终觉得它未能带给我真正的满足感。人们常常以某些轻松的言辞来调侃投资者，但在某种程度上，这些言辞却道出了真相。从生活质量的角度来看，投资确实是一份相当诱人的工作，它给予了我许多自由与闲暇，但这并非我所追求的全部。我必须坦诚，我从未假装自己擅长经营。我的天性并不倾向于此。然而，我仍然感到庆幸能够涉足此事，因为我深深地热爱着OpenAI，并坚信人工智能将是我职业生涯中接触到的最具影响力的领域。尽管经营者的角色并非我的天性所在，但我愿意付出努力。

03 高质量AI的成本将趋近于零

斯特宾斯：我们该如何衡量当边际收益超过边际成本时的情况？很多人建议我们今天谈谈这个问题，尤其是针对基于大语言模型（LLM）的产品。

奥特曼：这可能会涉及到两个方面。但说实话，我觉得在我们能探讨的众多议题中，这恐怕是最不吸引人的了。无意冒犯，但我真的觉得这个问题相当乏味。

斯特宾斯：为什么你会觉得它乏味呢？

奥特曼：你只需要坚信一点，那就是计算的成本将持续降低，而随着模型性能的不断提升，人工智能的价值也将持续攀升。这个等式其实相当直观，解决起来并不复杂。当然，也存在出错的可能性，比如如果计算成本因为某些原因未能如预期般下降，或者因为供需失衡、计划不当等因素导致计算能力变得异常昂贵，那么情况就会有所不同。但我坚信，高质量智能的成本终将趋近于零，这对世界上大多数领域而言都将是一个惊人的转变。不是所有事物都会因此受到负面影响，但我相信智能的成本即将变得非常低廉。

斯特宾斯：开源以及开源的蓬勃发展如何进一步推动或影响这一变革进程呢？

奥特曼：开源模型无疑将在未来的技术生态中占据一席之地。有些人会倾向于使用开源模型，有些人则更偏好于管理服务，当然，也会有许多人选择同时使用这两种方式。然而，在某种程度上，我认为这些讨论更多地聚焦于一些有趣的细节，却忽略了一个更为宏大的画面。那就是，我们正处于一场合法且规模庞大的技术革命之中，在这场革命中，智能正在从一种稀缺资源转变为一种更为普遍的存在。聪明的人类或许拥有较高的智能水平，但如果你想要完成一项需要大量智能的任务，你往往需要集结大量的聪明人共同协作。例如，要构建像OpenAI这样的公司，就需要众多才华横溢的员工共同努力。而考虑到整个技术堆栈的复杂性，除了OpenAI的员工，还需要那些制造芯片、建设数据中心的人才。最终，每个人都能够以非常低廉的价格，访问到丰富且高效的智能，从而创造出令人惊叹的成果。

斯特宾斯：关于这项技术的采用率，你认为是否存在一种现象，即我们在短期内会高估其普及程度，而在长期内又会低估呢？

奥特曼：我认为这确实是对技术如何被社会广泛接受的一种深刻洞察。因为无论某项技术多么先进和令人瞩目，社会的惯性始终是一个巨大的挑战。只有当某项技术既令人惊叹又易于使用时，它才能获得广泛的采用。然而，要让这样的技术真正流行起来，往往需要经历一段时间。因此，对于一项令人惊叹的技术，你会看到它从初始的兴奋和期待（1）逐渐过渡到实际的采纳和应用（10），而这中间的过程可能并不如人们最初预期的那样顺利和迅速。

莱特卡普：我认为在人们的预期和现实之间，很快就会发生一个戏剧性的转变。目前，人们对于这些模型的期望非常高，但现实情况却仍然不尽如人意。坦白地说，这些模型的表现还远远没有达到完美的程度。因此，我认为在不久的将来，人们的预期可能会因为接触到实际的模型而有所下降。然而，随着技术的迅速进步，这些模型的表现将会越来越好，届时我们将看到预期和现实之间再次出现巨大反转。人们的预期将迅速赶上现实，甚至可能超越现实。

斯特宾斯：你们提到了人工智能模型的商品化问题，以及现实中模型的质量可能并不如外界预期的那么出色。而另一个似乎有些平凡却又引人深思的话题，便是模型的商品化现象。我过去从未见过如此景象，比如一周内大家都在热议M模型，紧接着下一周又转而关注B模型。这就像是在流行风潮中，不同的玩家短暂地占据着领先地位，简而言之，每周都有新的赢家出现，这确实是一场商品化的游戏。

奥特曼：确实，历史上有过类似的时期，比如美国曾经有100多家汽车公司，或者至少是接近这个数字。当时的媒体也总是在报道，“这款新车更好”，“那款车更出色”。在新兴行业中，这种情况似乎相当普遍。我并不认为这有什么不妥，甚至可能是一件好事。但长远来看，我认为最终能够在大规模上进行模型制作的供应商数量将会减少，可能只剩下十几家左右。这将是一个既复杂又昂贵的过程。我希望我们能够继续推动彼此，让模型变得更好、更便宜、更快，从而真正实现商品化。基础模型本身，我并不认为会成为持久的差异化因素，因为智能就像是一种新兴的物质属性。真正的长期差异化将在于那些能够完美融入我们生活，与我们其他所有活动紧密相连的个性化模型。然而，目前我们仍然处于曲线的快速上升阶段，因此我们的重点应该是持续改进基础模型。

斯特宾斯：你提到了自己的投资经历，显然你与全球众多大型企业都有过深入的合作。作为投资者，我观察到许多人工智能公司，但我并没有投资任何一家专注于人工智能应用的公司。坦白说，看到OpenAI推出产品后，我觉得它几乎“扼杀”了整个行业，你对此有何看法？

奥特曼：我认为在人工智能领域或创业公司中，主要有两种截然不同的策略。一种是基于一个假设，即模型的质量将停滞不前，然后他们试图在这些模型上构建各种小型应用。而另一种策略则是基于另一个假设，即开源人工智能将继续保持其快速发展势头，模型也将以同样的速度持续进步。在我看来，世界上绝大多数人应该选择押注于后者，但遗憾的是，许多创业公司都是基于前者建立的。然而，当我们致力于不断改进模型和工具时，却常常听到“开源人工智能摧毁了我的创业公司”这样的声音。如果你基于GPT-4构建了一些应用，那么一个理性的观察者可能会说，如果GPT-5比GPT-4的进步如同GPT-4比GPT-3那样显著，那么这并不是因为我们不喜欢你的公司，而是因为我们有自己的使命，我们可能会超越你。但与此同时，也会有一大批创业公司从GPT-5的显著进步中获益。如果你建立的是这样的公司，并且人工智能的进步继续像我们预期的那样发展，那么你的公司将拥有巨大的潜力。

斯特宾斯：作为一名投资者，在寻找真正具有持久价值的投资策略时，我相信你大部分时间都感到相当满足。那么，我应该将资金投向那些不太可能被新技术碾压的公司，还是那些虽然面临风险，但也可能因此获得巨大收益的公司呢？

莱特卡普：你可以尝试询问这些公司，他们对模型性能提升100倍持何种态度。实际上，通过观察他们的反应，我们往往能够轻易分辨出哪些公司真正具备前瞻性和进取精神。有些公司积极主动，他们渴望获得最新的模型，总是询问我们下一个模型的发布时间，并希望能够成为首批尝试者，因为他们深知这将是推动公司发展的最佳契机。然而，也有许多公司在这方面表现得相对保守，我们很少听到他们的声音。因此，我认为这是一个很好的区分点。如果一家公司能够清晰地阐述出更智能、更强大的底层智能如何加速其产品的发展，那么他们中的大多数都能够讲述一个令人信服的故事。

奥特曼：你可以想象一下，如果下一个模型真的能够像我们所期望的那样出色，那将是一个多么令人振奋的前景。今天早上，我与一家专注于医疗咨询的人工智能公司进行了交谈。他们表示，尽管模型在某些方面仍有待提高，但对于他们的业务来说已经具有相当的价值。他们坚信，如果模型在这些关键指标上能够取得进一步的突破，那么他们将能够开展更多创新性的业务。例如，通过提高处理速度，他们或许能够更快地提供某些服务，从而拯救更多人的生命，并为那些缺乏医疗护理资源的人们提供更多帮助。

04 人工智能模型还不够聪明，GPT6将成为通用工具

斯特宾斯：我们如何看待模型改进的速度呢？它是呈现一种线性的增长趋势吗？还是会在某个特定的点上停滞不前？

奥特曼：从外部观察者的角度来看，模型的改进似乎呈现出一种断断续续的态势。这意味着，我们在坚守一个核心信念方面做得还不够好。这个信念就是，迭代部署至关重要，我们不应该秘密地在实验室里构建AGI（通用人工智能）。想象一下那种极限情况，我们辛苦工作了几十年，然后突然按一下按钮，整个世界就不得不与AGI抗争。

对我们来说，更好的做法似乎是，将模型逐步引入世界，让人们有时间去思考、反应，弄清楚他们希望如何使用它，希望它做出哪些不同的改变，不希望它做什么，以及社会希望建立的防护栏是什么。这样，我们可以建立更多与模型的社会互动。在某种程度上，我认为我们曾经做出的最重要的决定之一就是这个，包括将ChatGPT部署到全世界，让世界真正重视先进的人工智能系统。

这是我们长期以来一直在努力传达的理念，但之前并没有真正奏效。而部署ChatGPT确实做到了这一点。然而，当我们考虑未来的模型时，我认为我们低估了这一点的影响。因为我们与这些模型相处了这么久，看到它们一点一点地变得更好，所以我们可能低估了即使采用迭代部署策略，某些事情仍然会突飞猛进。因此，在思考下一个模型时，我们正在尝试找到一种方法，使其改进过程更加顺畅，以便它更接近于我们内部感受到的流畅度。

斯特宾斯：随着OpenAI规模的不断扩大，你认为迭代部署的策略是否依然适用？毕竟，随着公司规模的扩张，迭代部署所面临的挑战也会逐渐增多。例如，我们已经看到LLaMA在医学科学写作方面发布的内容引发了严重的反弹，不得不撤回；而Bard的发布也导致谷歌股价下跌了8%。在这种情况下，发布一个尚不完善的产品可能会带来如此巨大的影响，那么迭代部署在时间上是否还具备可行性呢？

奥特曼：我认为设定合适的期望值至关重要。只要我们能够明确并设定正确的期望值，我相信迭代部署仍然是可行的。

莱特卡普：我完全同意这一点。我们从过去的经验中汲取了宝贵的教训。比如，在发布Sora时，我们收到了来自创意社区、媒体和业界的大量反馈。现在我们开始将这些反馈融入我们对这种特定模态的研究规划之中。在某种程度上，我们对初次尝试的期望值非常低，主要是想从中学习，真正倾听外界的声音，并尽可能地将这些声音融入我们的工作中。这样，当我们真正准备好要分享某些成果时，它们将变得真正有用，并且人们会对它们有一种自然的熟悉感，几乎像是量身定制一般。我认为这就是我们将要采取的迭代模式，一种与世界共同开发的模式，尽管世界可能还没有意识到这一点。

斯特宾斯：你之前提到了医疗顾问，我了解到你对人工智能在解决癌症问题上的应用抱有极大的期待。

奥特曼：更确切地说，我对人工智能如何能够极大地推动科学进步的速度充满了热情，而治愈癌症无疑是这一进程中的一个杰出代表。然而，我深信科学进步是社会进步的基石，它涵盖了经济增长、每个人生活质量的提升等诸多方面。如果人工智能能够助力人类有意义地加快科学进步的步伐，那么这无疑将是一项巨大的成就。

斯特宾斯：你认为在实现这一宏伟目标的过程中，最大的障碍是什么呢？

奥特曼：我认为目前的模型还不够聪明。这听起来可能像是一个令人沮丧且缺乏具体信息的回答，但我认为这是一个非常基本的现实。模型还不够聪明，如果我们能够解决这个核心问题，那么其他所有相关问题都会随之得到改善。当然，我们还需要考虑如何将这些工具更好地整合到人们的工作流程中，而不同领域的模型适应性将变得至关重要。但从宏观的角度来看，使用GPT2进行科学研究曾被认为是一个相当不切实际的想法。而如今，虽然人们在使用GPT4进行科学研究时仍只停留在非常原始和有限的阶段，但我可以预见，到了GPT6时代，人们将会把它视为一个能够在各个方面提供帮助的通用工具。而到了GPT8时代，或许人们会惊叹于它所能完成的任务之广泛，甚至可能超出我们现在的想象。

05 ChatGPT推出加速OpenAI扩张

斯特宾斯：OpenAI的扩张速度之快令人瞩目。可以说，它创造了历史上前所未见的公司扩张速度，特别是当我们看到其收入增长的迅猛势头时。布拉德，你一直是这方面的领军人物，我想请教你一个问题，这个问题可能有些敏感，但我很想了解你们是如何做到如此快速且高效地扩张的？能否分享一下其中的秘密？为何你们在扩张的过程中似乎没有出现太多问题呢？

莱特卡普：在光鲜亮丽的表面背后，其实总是充满了混乱和挑战。但我非常感激你所说的，至少在外界看来，我们似乎能够平稳地驾驭这一切，让事情没有崩溃。事实上，我们找到了一个关键的转折点，那就是ChatGPT的推出。当人们真正体验到与这项技术互动的乐趣时，我们听到了许多令人惊讶的故事。无论是研究科学家用它来提高生产力，还是软件工程师依靠它辅助编写代码，甚至是新妈妈用它来解答育儿问题，ChatGPT都展现出了其广泛的应用潜力。

同样的工具，能够支撑起丰富多样的体验。当你手握这样一款产品时，你会发现它本质上极为多元，从根本上而言，它易于访问，注定会产生深远的影响。无论是在使用层面的普及，还是人们对其应用方式的探索，它都展现出了巨大的潜力。这显然会对我们的业务产生积极的影响，但我们深知，真正的重点在于持续推动这一领域的进步。

B2B业务与我们的其他业务有所不同，它有着独特的节奏和规律。在企业环境中，新技术的采纳往往需要一个更长的周期。尽管如此，我们在开发者领域已经取得了令人瞩目的成就，这让我们更加确信，我们是一家致力于为特定用户群体打造卓越产品的公司。因此，我们致力于构建世界上最佳的人工智能开发者平台。与此同时，企业成为了我们新的关注焦点。我们深知，为企业构建产品需要更多的流程和考虑，但我们对此充满热情，也深知还有很多工作要做。

斯特宾斯：由于OpenAI是当下最热门、增长最迅猛的公司，人才都渴望加入，这究竟是好是坏呢？毕竟，我们始终强调使命，每个人都应该为使命而加入。

奥特曼：这确实带来了一些挑战，因为它加大了我们筛选的难度。但我仍然希望人们是因为他们相信我们正在做一些极其重要的事情而加入。我观察过其他科技公司，当它们仅仅因为是一个热门的工作地点而吸引人时，往往只是作为简历上的一个亮点，而非真正的投入。如你所说，虽然这并不总是100%准确，但那些失去使命导向、被雇佣军接管的公司，最终往往会为此感到后悔。

斯特宾斯：非常有趣，你投资了一些极其出色的创始人，有没有哪几位给你留下了特别深刻的印象，让你从中汲取了某些思考，进而影响了你对OpenAI建设的看法？

奥特曼：我深感荣幸能与这一代的众多杰出创始人共事，并见证了他们的一部分旅程。他们在很多我不擅长的领域表现得非常出色，这迫使我迅速学习，思考如何更好地谈论我们的产品，如何构建卓越的产品。每次与他们交流，我都能获得全新的深刻见解，这些想法我之前从未想过。这是一种完全非线性的学习过程。我长期投资了很多公司，因此结识了众多令人钦佩的创始人，我非常感激他们，他们也很愿意在不同领域提供帮助。从很多不同的投资者和创始人身上学习，我认为这是一个非常有效的策略。

斯特宾斯：谈及使用场景，消费者的使用方式千差万别，用户可能是家长，也可能是科研工作者。你还成功地为全球一些大型企业打造了一个巨大的市场。在企业采纳方面，你认为有哪些关键经验值得我们关注？

莱特卡普：我认为，企业最关心的往往是如何将技术融入业务流程，以实现可量化的投资回报率。比如，他们可能希望将人工智能技术应用于供应链管理的某个环节，以节省成本。这当然是我们的服务重点。但我认为，人们往往低估了仅仅让人们接触并使用这项技术的重要性，以及由此带来的潜在回报。有时候，虽然我们不能精确量化技术的效果，但比如某人过去需要两天完成的工作，现在只需要两分钟，这就为他腾出了大量时间去做其他事情。这种效益在常规的ROI计算中往往被忽视，但如果这种情况发生成千上万次，其影响将是巨大的。

斯特宾斯：那么，我们该如何向企业解释这种时间节省的效益呢？毕竟，它并不像削减某项支出那样直观地体现在预算中。

莱特卡普：我认为，这确实是一个挑战，因为ChatGPT这样的商业产品相对较新，企业版发布的时间也不长，我们还没有足够的时间来充分展示其长期效益。此外，企业的采纳周期通常较长，这也增加了推广的难度。但我相信，随着时间的推移，我们将逐渐解决这些问题。新一代员工习惯了在日常生活中使用各种智能工具，他们期望在工作场所也能享受到这种便利。因此，我相信未来我们会看到更多的企业开始采纳这些技术。目前，我认为我们还需要进一步澄清人们对于人工智能应用的认识和期望，以确保技术能够真正发挥其潜力。

斯特宾斯：你认为那些大型企业往往忽略了哪些关键问题？

莱特卡普：对于大型企业而言，我认为他们应该更深入地探索如何将人工智能真正融入其核心业务，而不仅仅是停留在表面的应用上。他们需要思考的是，如何克服可能出现的挑战，并将人工智能技术真正转化为业务优势。许多公司误以为人工智能是静态的，认为GPT-4就是人工智能技术的顶峰。这种观念源于他们过去接触的技术大多相对静态。以iPhone为例，从2009年至今，移动设备的基本形态并未发生太大变化，只是性能有所提升。云技术亦是如此。但现在，他们接触到了人工智能这项新技术，却仍用过去的眼光来看待它。他们没有意识到人工智能技术的变化率有多么惊人，也没有思考未来可能出现的新一代技术。

斯特宾斯：如何为这种快速变化设置相应的适应策略呢？我们目前身处伦敦，欧洲的企业在适应新技术方面往往较为保守。当你的产品更新迭代如此迅速时，他们很难跟上节奏。他们习惯于现有的工作流程和过程，而一旦你进行更新，他们可能就会被淘汰。你明白我的意思吗？

莱特卡普：这确实是一个挑战。这也是我们面临的工作难题之一。虽然企业都有迅速行动的愿望，但当他们经营着拥有数万甚至数十万员工的大型企业时，要实现这一目标并不容易。因此，我认为在接下来的几年里，如何帮助企业适应这种快速变化将成为我们面临的重要问题。

06 “失败乃成功之母”过时了？更多从成功中吸取经验

斯特宾斯：山姆，你强调了企业文化的重要性，以及在引入面向市场的功能、销售领导和团队时，如何将产品与销售功能或文化有效融合是一大挑战。对此，你有何看法？

奥特曼：我认为这正是布拉德和我之间默契合作的关键所在。我们在决策时持有不同观点，但非常擅长将决策权交给感觉能产生更大影响的一方。我们对此有深厚的共识，而布拉德特别注重确保研究驱动产品，产品再进一步推动销售。这并不意味着我们忽视其他方向的反馈，实际上，用户的反馈是我们检验模型好坏的最重要奖励信号。但我们也深知，要想销售更多产品，最好的办法是让产品变得更好；而产品变得更好的前提，则是拥有更出色的研究。这一点，我们从未有过分歧，这至关重要。

斯特宾斯：你提到了用户，这让我想起之前与Meta一位高管的对话。他建议我问你关于增长的问题，以及OpenAI取得成功后，你的心态有哪些变化。

奥特曼：通常，我们从失败中学到的并不多，更多时候是从成功中汲取经验。但我认为，我们也不能仅仅满足于重复性的成功，而不去探索新的可能。对于ChatGPT的成功，我不确定是否真的从中学到了关于增长的秘诀，因为这毕竟是一场技术革命，它的成功难以直接复制为其他建议。然而，如果现在有机会深入学习关于增长的知识，我会非常感兴趣。

斯特宾斯：你认为我们从失败中无法学到太多东西，这是为何？

奥特曼：我始终觉得，虽然失败确实能给我们一些教训，帮助我们避免重蹈覆辙，但相比之下，根据我自己的经验，成功带给我的启示似乎更多。

斯特宾斯：那么，你从成功中汲取的最大教训是什么呢？

奥特曼：成功让给我提供了多方面的经验。例如，在招聘人才时，我现在更倾向于从内部提拔，而非频繁地从外部引进。当然，提拔和寻找创始人都需要特别注意一些关键要素。回顾那些成功的投资案例，我发现自己特别看重创始人的某些特质。比如，我倾向于寻找那些胸怀宏大目标的创始人，因为他们一旦成功，往往能带来非凡的回报。因此，我宁愿承担风险，十次投资中有九次失败，而第十次大获成功，也不愿十次中有七次只是表现平平。此外，我也非常欣赏那些能够不断产生新想法、拥有快速迭代周期的创始人。他们不仅聪明、有决心，还具备出色的沟通能力。这些特质在我寻找和评估创始人时显得尤为重要。

斯特宾斯：我也错过了很多杰出的公司，其中一个关键原因是，在种子轮或A轮融资阶段，遇到那些身为工程师的首席执行官时，他们通常不太擅长沟通。

奥特曼：确实，我并不期待他们必须口才出众，但作为出色的首席执行官，他们必须具备良好的沟通能力，能够清晰地表达自己的想法和愿景。面试时的表现虽然重要，但并非决定性因素。对我来说，真正的沟通，是在日常工作中能够向整个团队解释我们的目标和原因，吸引并留住人才，向客户推销产品，甚至在必要时与更广泛的受众交流。这不仅仅是能否在面试中脱颖而出，更是能否在日常中清晰地阐述我们所做的事情，让人们理解其重要性，并愿意为之助力。这是至关重要的。

斯特宾斯：我发现OpenAI在招聘时似乎更偏向于那些稍年长、经验丰富的求职者。你是如何看待在招聘有经验的人和热情洋溢但缺乏经验的新人之间的平衡的？我是否误解了你，认为你们更倾向于招聘有经验的员工？

莱特卡普：在招聘方面，我始终努力在团队构成与职责之间找到平衡点。我们既需要经验丰富的员工来提供稳定和指导，也需要充满热情的新人带来新鲜的想法和活力。在这个团队中，我们高度重视每个成员的意见。事实上，很多时候，那些出人意料的好点子往往来自于不那么显眼的地方，而非经验丰富的团队成员。因此，我始终强调，在寻求观点、决策、判断以及激发创造力时，我们要确保营造一个公平且平等的环境。经验固然重要，但我们不能忽视那些可能推动公司变革的新思维。

奥特曼：我认为，在某些岗位上，经验确实是不可或缺的，但在其他岗位上，经验可能并不是那么重要，甚至可能产生负面影响。我们的领导团队中，更多的是30多岁和40多岁的成员，而不是其他创业公司常见的20多岁和30多岁的年轻人。同样，我们的技术人员也偏向年长一些。虽然我没有具体数据，但我猜测他们的平均年龄可能高于一般科技公司的平均水平。我认为，这部分原因是因为成为优秀研究员的路径有所不同。我并非完全不考虑经验，但我认为，有些人即便经验不多也能表现出色，而有些人即便经验丰富也未必如此。无论我们如何权衡，关键还是在于找到最适合这个岗位的人。因此，在招聘时，我们更注重的是求职者的潜力和适配度，而非单纯的经验多少。

斯特宾斯：新兴行业的魅力之一，就在于它打破了传统的竞争格局，让每个人都有机会崭露头角。在加密领域，我尤其看到了这种现象，19岁的年轻人和45岁的资深人士在影响力上并无明显差异。因为在这里，经验并不是唯一的决定因素。

奥特曼：我完全同意你的看法。在OpenAI，如果我们随机抽取一名员工，观察他们所担任的角色、承担的责任以及产生的实际影响，你会发现，我们期望他们具备的是适量的经验，而非过多或过少。新行业的确为我们提供了更加公平的竞争环境。

07 OpenAI五年内最大挑战在于供应链和计算资源

斯特宾斯：我们即将开始快速问答环节，你们准备好了吗？

奥特曼：没问题，来吧！

斯特宾斯：好的，请注意，每个问题只有60秒或更少的回答时间。山姆，关于OpenAI，你认为在未来12个月和5年内分别面临的最大挑战是什么？每个问题请尽量在30秒内回答。

奥特曼：在未来12个月内，我们的主要挑战在于深入研究和将最尖端的创新成果成功转化为产品。至于未来5年，我认为最大的瓶颈可能会出现在供应链和计算资源方面。

斯特宾斯：布拉德，过去12个月里，你的观点有哪些显著的变化？

莱特卡普：我想说的是，我现在更加坚信企业在技术采纳方面的速度会远超人们的预期。虽然企业通常被认为在技术采纳上相对迟缓，但我认为在这里情况将会有所不同，我们会看到更多的突破和变革。

斯特宾斯：你们是否有充足的实验预算来支持这些创新？

莱特卡普：我们确实有专门的实验预算，这为我们的研究和创新提供了有力的支持。

斯特宾斯：山姆，目前你最担心世界上的什么问题？

奥特曼：现在整个世界的情况让我感到担忧，地缘政治、社会经济、政治等方面都显得比我以前注意到的更加不稳定。我无法明确指出问题的关键所在或根源，但总体上，宏观层面的不稳定性感觉非常高。

斯特宾斯：布拉德，在OpenAI的快速发展过程中，有没有哪些事情是出乎你意料的？

莱特卡普：最让我惊讶的是模型扩展的一致性。这简直令人难以置信。尽管我已经观察了六年相似的趋势线，但我仍然觉得难以相信，随着模型规模的扩大，它们会变得更可预测。这真的是一份令人欣喜的礼物。

斯特宾斯：回顾过去，如果时光可以倒流，有没有什么事情是你希望自己在OpenAI创立之初就能意识到的？

莱特卡普：我希望我能更早地预见到这项技术将产生影响的领域顺序。这项技术的重要性和即将带来的变革超出了我们的预期。举例来说，它对创意产业的影响要比对基于知识的行业或工业领域更为显著。我们早期就开始涉足机器人技术，因此我曾以为我们会与机器人公司合作，制造智能机器人，或与游戏公司联手，打造智能主体。然而，实际情况却截然不同，我们完全走向了另一个方向。

斯特宾斯：山姆，有没有什么事情是你现在做得不够多，但希望未来能够投入更多精力的？

奥特曼：我猜是因为时间总是不够用。我现在基本上没时间读书了，以前我可是个书虫，这让我感到有些遗憾。

斯特宾斯：你希望将来能为读书腾出更多时间吗？

奥特曼：短期内这可能不太现实，但我深知总有一天我会为此做出调整的。因为我现在明白，这种忙碌的状态不会永远持续下去。我现在的生活节奏让我很难像普通人那样与朋友相聚或享受生活，但这是我愿意做出的牺牲。不过，知道这一切都是暂时的，也让我感到些许安慰。

斯特宾斯：布拉德，你认为OpenAI在10年后会是什么样子？

莱特卡普：我不喜欢做10年期的预测，因为无论是五年期还是20年期的预测，都无法确保准确性。因此，我很难给出一个确切的答案。而且，我相信山姆对这类预测可能比我还要保守。

斯特宾斯：或者我们可以换一个角度，你认为10年后的世界将会是怎样的？你期待那样的未来吗？

莱特卡普：我对此充满期待。我们不会无缘无故地从事这份工作，至少对我来说是这样。我热切期待着未来的到来。

奥特曼：我衷心希望，当人们在回顾过去时，能够发出这样的感慨：“我们简直无法相信2024年的人们生活得如此原始。”正如我们现在回顾几百年前，甚至更久远的历史时，感到惊讶和敬畏。当然，我们都很感激和珍惜现在的生活，但仍有太多不尽如人意之处。疾病依然威胁着人们的生命，许多人无法获得良好的教育机会，更无法按照自己的意愿去生活。至于未来那些我们难以想象的新事物，它们将带来怎样的变革，我充满好奇。当然，未来不会只有光明的一面，也会伴随着失去和痛苦。但总的来说，对于那个充满无限可能、丰富多彩的未来世界，我依然充满了期待。