OpenAI未来猛料全曝光，奥特曼承认自己最大弱点是产品

奥特曼在OpenAI伦敦开发者日上的最新采访，终于完整释出！

40分钟的采访过程中，奥特曼除了聊OpenAI未来模型发展方向、Agent、和最尊敬的竞争对手（就是此前碎片式走漏风声的几个问题）外，还就Scaling Law、半导体供应链、基础模型竞争成本、该雇佣什么年龄段的员工等十多个问题进行了快问快答。

当被问及站在OpenAI CEO这个位置上，有什么是他过去和现在都缺乏充分准备的。

奥特曼毫不避讳地表示：产品！

总体来说，我的弱点在产品方面。

现在公司需要我在这方面有更强大、更清晰的愿景。

有趣的是，如果让现年39岁的奥特曼回到23、24岁，他会考虑在垂直方向做一些AI相关的东西。比如辅导人类学习的AI Tutors，或者AI律师、AI CAD工程师什么的。

以下附上这场精彩采访的采访全文，部分段落在不更改其原意的基础上有所删改。

最后还有11个快问快答彩蛋～

内容速览：

1. o1代表的推理模型这个方向对OpenAI非常重要。

2. 创业公司的主要业务不要对着现有模型打补丁。

3. 难道大家已经忘了几年前的模型表现多糟糕吗？其实才过去没几年。

4. 同样的价值下，更广泛、更容易获得、更便宜，那就代表着“非常强大”。

5. “开源”和“闭源但提供API”都很合理。

6. 真正有趣的事应该是让Agent做一些人类不会或不能做的事（比如高并发推进项目）。

7. 模型确实是贬值的资产。

8. 如果你训练的模型落后，或者没有一个有粘性和价值的产品，那么的确可能很难获得投资回报。

9. OpenAI将对o1进行多模态改进；在o1新范式下，预计基于图像的模型将迅猛发展。

10. 对OpenAI最自豪的事情，是反复去做一些新的、完全未经验证的事情。

11. 世界上很多有才的人因为他们在糟糕的公司工作（或者其他原因），没办法充分发挥潜力。

12. 员工缺乏经验并不意味着没有价值。

13. Scaling Law仍将有效，并持续相当长的时间。

14. 用互联网技术变革来类比AI浪潮是一个不好的习惯，更愿意用晶体管来类比。

OpenAI伦敦开发者日奥特曼采访实录

Q1：当我们展望未来，未来OpenAI更多的是o1这样的模型，还是说可以期待参数更大的模型？

A：我们当然希望全面推进，但推理模型这个方向对我们来说特别重要。我们寄希望于用推理来解决许多多年来我们期待去完成的事。

比如，推理模型能够为新的科学做出贡献，帮助编写难度系数很高的代码——我认为这在很大程度上能推动世界向前发展。

所以可以期待一下o系列模型的快速改进，这的意义将非常重大。

Q2：也是从OpenAI的未来计划出发，您怎么看待作为非技术创始人通过开发无代码工具来构建、拓展AI应用程序？

A：肯定会有那一天的。

我们的第一步是让那些懂得写代码的人具备更高的生产力；但落到最后，还是希望提供真正高质量的无代码工具。

目前已经有一些有意义的（无代码）工具，但如果想完全用无代码的方式来创建一家初创公司，还需假以时日。

Q3：有一个创始人提问说，当下，OpenAI显然处于技术栈中的某个位置，OpenAI将会走多远？如果花费大量时间来调整RAG系统，是不是一种浪费时间的行为——因为OpenAI终将在应用程序中涵盖这一部分？

A：我们通常会回答说，OpenAI将尽最大努力，并且坚信我们一定会让推出的模型变得越来越好。

如果你创建的是一家以“给小漏洞打补丁”为生的公司，不管OpenAI是否顺利、正确地推进工作，对你的影响都不是那么大。

换个角度来说，如果你的公司会因为“OpenAI的模型越来越好”而更加成功，你肯定会为此感到高兴的。

就比方说甲骨文公司偷偷跟你说，OpenAI的o4会强得突破你的想象，你绝对乐开花了。

当然了，如果你非要挑一个o1-preview表现得不好的领域去深耕，勉强以此为基础，那你肯定会觉得我们的下一代模型不会像想象中表现得那么好。这就是我想告诉初创公司的。

我们相信，OpenAI身处的改进轨道相当陡峭，现在模型的缺陷将会被后来者解决和弥补。

Q4：从一个创始人的角度来看，OpenAI可能会在哪些地方（而不是另一些地方）取得成功？相信投资者们也很想了解这个问题，大家都不想投资亏钱。

A：OpenAI将创造出数万亿美元的市值，具体来说，是通过使用AI来构建以前觉得不可能或者不切实际的产品与服务，来创造出市值新高。

我们希望推出的模型非常棒，让使用者无后顾之忧，只需要用它做想做的事情就是了。

在GPT-3.5的时代，95%的初创公司、人，都在打赌模型不会变得更好。

其实他们做的事情，我们早就预料到GPT-4可以搞定，可以做得更好，不会再出现3.5时代模型会出的错了。如果创业者/开发者们做的事只是补全某一代模型的某个缺点，你就会发现这个缺点越来越无足轻重。

难道大家已经忘了几年前的模型表现多糟糕吗？其实才过去没几年。但是机会遍地都是，所以乍一看，给现有模型打补丁是不错的机会（所以就不去搞AI助教或者AI医疗顾问什么的）。

所以我才说，一开始的时候，95%的人肯定认为模型不会再改进，只有5%的人打赌模型会发展得越来越好。

不过我觉得现在的情况已经不是这样了。

大家现在反而觉得GPT-3.5进化到GPT-4的速度会是一种常态，但事实并非如此。好在我们内部员工都非常勤奋，我们知道将会发生什么。

Q5：软银孙正义说，AI每年都会创造9万亿美元的价值，这将抵消他所认为的每年9万亿美元的支出。看到这个说法的时候，您怎么想？

A：从数量级上来说，现在已经差不多了。AI显然会导致大量资金支出，同时创造大量的价值。

这种情况发生在每一次大型技术革命的过程中，AI显然是其中之一。

明年将是OpenAI向下一代系统大力推进的一年。

刚才咱们谈到什么时候会出现无代码软件Agent，我无法给定一个准确的时间，但可以畅想一下，如果任何人都可以描述他们想要的整个公司的软件，这将为世界带来多少经济价值。

同样的价值下，更广泛、更容易获得、更便宜，那将非常强大。

还有一些其他的例子，比如我之前提到的医疗保健和教育，这两个领域对世界而言价值数万亿美元。

如果AI能够真正以不同于以往的方式实现这一点，我认为它带来的经济价值的具体数字根本不是重点，更别提到底是9万亿还是1万亿了。

但可以肯定，AI创造的价值确实令人难以置信。

Q6：开源是一种非常重要的方法。您如何看待开源在人工智能未来中的作用？OpenAI内部讨论过“我们应该开源所有模型或其中某些模型”吗？

A：毋庸置疑，开源模型在生态中非常重要，而且现在市面上也有非常好的开源模型。

但我认为提供良好的服务和API也是有意义的——这很合理，人们会选择适合自己的方式。

Q7：您如何看待当今Agent的定义？对你来说，Agent是什么？

A：我没有充分考虑过这个问题，但我可以给Agent一个长期任务，并且尽可能少地去监督它的执行过程。

Q7'：您认为人们对Agent的看法其实是错误的吗？

A：可能我们都没有一个准确的了解，但我们都知道一些重要的指标。

比如人们在谈论代他们做事的AI Agent时，常常举的例子是让Agent去预定餐厅。Agent可能在线预订，或者给餐厅打电话订座。

确实，Agent可以帮忙做一些事节省时间。不过我认为真正有趣的事，应该是让Agent做一些人类不会或不能做的事。

打个比方，Agent不是打电话给具体某家餐厅订座，而是联系300家餐厅，找出哪家最适合我。如果打过去的电话都是Agent接的，那就更酷了！因为人类无法大规模并行推进这种事情。

再举个更有趣的例子。

Agent可能更像一个非常聪明的同事，你和它合作一个需要耗时2天或2周项目，Agent可以自己执行，还做得很好，在必要的时候它会跟你沟通，最后交出一份出色的成果。

Q7''：这是否从根本上改变了SaaS的定价方式？SaaS通常按用户数量定价（席位收费），但现在AI实际上在替代劳动力。你如何看待未来的定价方式？

A：我只能猜测一下，我真的不知道。

我可以想象一个世界，你可以要求说“我想要1/10/100个GPU不断地为我工作”，这就不会按席位收费，而是根据持续处理这个问题的计算量来定价。

Q7'''：我们是否需要为Aengts的使用场景构建特定的模型？

A：它当然需要大量的基础设施，但我觉得o1模型指出了通向能够出色完成Agent任务的模型的道路。

Q8：每个人都说模型是贬值的资产，模型的商品化非常普遍。您对此有何回应和思考？当你考虑到训练模型所需的资本密集度不断增加时，我们是否会发现“这个领域需要大量的资金，但实际上只有很少人能做到”会发生逆转？

A：模型确实是贬值的资产，但这并不意味着它们不值训练投入的成本。况且你训练模型的时候会产生积极的复合效应，让你能更好地训练下一个模型。

我们从模型中获得的实际收入证明了这项投资的合理性——当然，并非所有人都能做到这一点，而且有很多人在训练模型这件事上重复造轮子。

如果你训练的模型落后，或者没有一个有粘性和价值的产品，那么的确可能很难获得投资回报。

OpenAI非常幸运地拥有ChatGPT，拥有数亿使用我们模型的用户。

所以即便成本很高，我们也可以把这个天文数字分摊到大量用户身上摊薄它。

Q9：随着时间推移，OpenAI模型如何继续保持差异化？你最想专注于扩展这种差异化的领域是什么？

A：推理是我们当前最重要的关注领域，我认为这将解锁下一次在创造价值方面的巨大飞跃。

因此，我们将在各个方面改进模型，我们将进行多模态工作，并添加其他功能，我们认为这些功能对人们希望使用这些模型的方式非常重要。

Q9'：你如何看待推理和多模态工作，包括挑战和你想要实现的目标？

A：我希望它能顺利实现。这显然需要一些努力才能完成。但是人类的婴儿和幼儿时期，即擅长语言之前，仍然可以进行相当复杂的视觉推理。

Q9''：视觉能力将如何随着o1的新推理范式而扩展？

A：在不剧透的情况下，我预计基于图像的模型将迅猛发展。你可以期待在图像模型方面的快速进展。

Q10：OpenAI如何在核心推理方面取得突破？除了Transformer之外，是否需要开始推动强化学习作为一种途径或其他新技术？

A：这是两个问题：我们如何做到，以及Transformer之后是什么。

首先，我们如何做到是我们的秘诀。

复制已知有效的东西真的很容易，原因之一是你有信心知道什么是可能的。在研究人员做了一些事情之后，即使你不知道他们是如何做到的，你也可以去复刻它。这一点可以在GPT-4和o1的复制版中得到验证。

真正困难的事情，也是我对OpenAI最自豪的事情，是我们反复去做一些新的、完全未经验证的事情。

很多机构、组织声称有能力去做这样的事，但实际上很少有真正做到的，包括AI领域之外。

从某种意义上说，我认为这是对人类进步最重要的投入之一。

我期待在退休后想写一本书，一本介绍我学到了些什么的书，分享我如何建立一个能够做到这一点的组织和公司文化的经验（而不是一个单纯复制他人成果的组织）。