播客笔记 | 连 OpenAI CEO 都承认没用好 AI：Sam Altman 谈习惯惯性、非共识押注与写给儿子的信

转载来源：TechFlow

原文链接：https://www.techflowpost.com/zh-CN/article/33473

“人本身就是目的。如果 AI 让人们失去对未来的掌控，那是一笔糟糕的交易。”

嘉宾：Sam Altman，OpenAI CEO

主持人：David Senra，Founders / David Senra 播客主播

播客源：David Senra

原标题：Sam Altman on Building OpenAI & Betting on the Impossible

播出日期：2026 年 8 月 23 日

利益声明：Sam Altman 为 OpenAI CEO，本期围绕 OpenAI 战略、产品、技术路线与行业愿景展开，其立场与公司利益高度相关。以下内容为嘉宾观点的忠实呈现，不构成独立第三方判断。

要点总结

这期对话最有意思的地方，是 Sam Altman 作为 AI 的创造者，亲口承认自己也还没跨过"iPhone 时刻"。他发明 Codex 很多年，却依然用 20 年前的电脑工作流：在不同消息应用之间复制粘贴，刷邮件时专挑最不难回的那封，维持待办清单的方式也没变。他说原因很简单，也很普遍：人心里会认定某种低效方式就是"工作"本身。

这正是整期对普通人最有价值的线索。Altman 从创业投资到 OpenAI 的十几年里，真正提炼出来的东西跟技术细节关系不大：一套关于如何判断、如何下注、如何取舍的通用原则。比如他相信"研究也符合幂律"，最好的一个想法比其他所有想法加起来还重要；他招人时看的是对方是否愿意坚持非常不受欢迎的信念；他从成功里学到的比从失败里更多，因为成功更容易被复制。他也罕见地聊了私人生活：大儿子出生后，他每周日给他写一封信，只写了八封就停了，但那个"不能 hiding behind anything"的框架让他反思得更诚实。

当然，他也谈了 OpenAI 的平台策略和 AI 风险，但这些都建立在一个前提上：人是这一切的全部意义。比起 AI 抢走工作，他更担心失控和权力过度集中。

精彩观点摘要

关于 adoption 与惯性

"Toby Lütke 是我见过的最前倾的 CEO，他领先其他 CEO 六到八个月。但我不太确定 2026 年就是所有生意都被重新洗牌的元年，我觉得会再慢一点。"
"经济和社会有巨大的惯性。人们继续做同样的事，买同样的工具，用同样的方式工作。这会让即将到来的大转型走得更平缓，但也意味着我们对时间线过于乐观了。"
"我现在用电脑的方式和 20 年前没什么两样。明明有更好的工具，但我心里好像认定了这种低效方式就是'工作'本身。"

关于非共识押注

"2015 年我们说要做 AGI，被领域里的 intellectual giants 嘲笑。后来我们押注大语言模型，又被嘲笑了一遍。"
"研究也符合幂律。最好的一个想法，会比其他所有想法加起来还重要。"
"你要找的是那种思考方式明显跟别人不一样、愿意坚持非常不受欢迎的信念的人。如果他们错了，就错了；如果对了，他们会非常对。"

关于成功与失败：从成功里学到的更多

"我从成功里学到更多。失败当然有教训，但大多数事情失败的原因很多，你很难提取正确的因果。"
"当一件事真的 work，比如 YC 的哪些做法有效、OpenAI 的哪些做法有效，把这些 lessons 应用到未来，帮助更大。"

关于写给儿子的信：一个诚实的框架

"我第一个孩子出生时，我晚上回家哄他睡觉，会跟他讲我这一天在做什么、在担心什么。"
"写信给孩子有一个好处：你没法 hiding behind anything。你真的在意孩子将来怎么看你，所以你会更诚实地反思这一周哪些事没做好、下周要怎么改。"
"这是一个非常有趣的 mental framework，可惜我只写了八封就停了。"

关于平台策略与取舍：把好产品献祭给伟大的产品

"我们更应该是一家平台公司，而不是产品公司。一个直接界面，一个 API，让人们在上面构建一切。"
"去年我们砍掉了 Sora，也砍掉了 Atlas 浏览器。它们都是好产品，但在算力、人才、资源有限的世界里，我们必须把好产品献祭给伟大的产品。"
"创业者最难学的功课之一就是：杀死好想法。"

关于风险与人的主体性

"AI 最让我担心的两个风险，一个是 loss of control，一个是权力过度集中。这两种结果在根本意义上都是反人类的。"
"正确的路径不是把未来交给少数公司、少数人或某个模型。人是这一切的全部意义。"
"用'我们会治愈所有疾病、让世界更便宜'来换取人们放弃对未来的影响力，这是一个非常糟糕的销售话术。"

关于 OpenAI 的早期：四年半没有产品

"我们从 2015 年底创立公司，到 2020 年中才发布第一个产品，四年半。这和 YC 的'ship early'完全相反。"
"2016 年 1 月，十几个人聚在 Greg Brockman 的公寓。大家都很兴奋，然后很快你看看我、我看看你，心里想：现在该干什么？连块白板都没有。"
"我们经历了很长一段时间的 chaotic stumbling，才跌跌撞撞找到了 GPT 这条研究路径。"

一、 adoption 会比技术慢：Toby Lütke 的领先与习惯惯性

David Senra：你为什么觉得 Shopify 的 Toby Lütke 是现在最有趣的 CEO 之一？

在 AI 早期每一个阶段，Toby 都是最前倾的 CEO。他自己写软件、自己做实验、给我们发极其详细的产品反馈。他在所有人之前就说，我们不是 NPC 公司，必须拥抱 agent，否则就完了。他动手做，对技术边界有深刻理解，而且领先其他 CEO 大概六到八个月。

David Senra：他自己说 2026 年会是每一家生意都被重新洗牌的一年，他甚至要在晚上重建一个 AI native 版本的 Shopify。你觉得这个时间表对吗？

我同意 spirit，但不太同意时间线。我觉得会比他想的再慢一点。我怀疑的不是可能性，是经济和社会的惯性。人们继续做同样的事，买同样的产品，用同样的工具。AI 是人类发明的最惊人技术之一，但社会和经济的适应速度会更慢。

这其实在很多方面是好事。它会让即将到来的大转型走得更平稳。但我们所有人都对时间线过于乐观了。

David Senra：这让我想到 Larry Ellison 八十年代说，这不是软件问题，是人的问题。技术已经在了，但得改变人的行为。

对。行为改变比技术宅们想象的要难得多。我自己也经常举 Netflix 还在邮寄 DVD 时，人们仍然去 Blockbuster 租片的例子。那种惯性的力量，比技术本身大得多。

二、Sam Altman 自己也还没跨过"iPhone 时刻"

David Senra：你同时在发明这些产品，有没有发现自己明明有更好的工具，却还是按老习惯工作？

百分之百有。我等这个问题等了很久。我心里最不一致的地方是，我已经用同样的方式用了 20 年电脑。现在有了一个魔法工具叫 Codex，理论上我应该完全换一种方式用电脑。我不应该再在不同消息应用之间复制粘贴，不应该再漫无目的地刷邮件、挑最不难回的那封来回复，不应该再用老办法维护待办清单。

但如果看 revealed preference，我好像还是喜欢老办法。这只能说明一件事：我心里某处觉得这种低效方式就是"工作"和"有产出"的样子。

David Senra：什么会让你真正深入地使用自己的产品？

我觉得会是一个渐进的过程。彻底改变一个人的习惯和工作流是很难的。我们还能做出更好的产品，让切换更无缝。现在的感觉就像 iPhone 之前的智能手机时代。我 2003 年就用过 Palm Treo，技术已经差不多了，缺的是让 iPhone 成为 iPhone 的那些产品想法。今天我们有了所有技术拼图，但还没有出现那个完全改变人机交互方式的 iPhone 时刻。

三、非共识押注：从 AGI 到 LLM 的两次"被群嘲"

David Senra：你小时候就喜欢 AI，后来为什么能在 2015 年选择这条所有人都觉得不可能的路？

我从小就是个 nerdy kid，周五晚上玩电脑、看科幻、读科幻。我一直觉得 AI 会是最疯狂的东西。上大学时我甚至在 AI 实验室工作过一个暑假，但当时什么都不 work。教授明确告诉我：深度学习是确定不会有好结果的，是毁掉职业生涯最稳妥的方式。那是 2005 年左右，我信了。

后来我意外进入创业，爱上了那件事。先做创始人、再做投资人，这个方向其实和常规相反。我强烈建议这个方向，因为作为投资人，你能看到大量公司最关键的 crux moments，虽然你没有实际操作的日常练习，但你的数据集非常大。

David Senra：做投资对你现在管 OpenAI 有什么直接帮助？

一个很大的帮助是幂律思维。你必须重新编程大脑：你最好的投资会超过其他所有投资之和，第二好的会超过余下所有之和。AI 研究也是这样。

2015 年底我们创立 OpenAI 时，世界上几乎没有 AGI 相关的努力，除了 DeepMind 等一两家。我们说要做 AGI，被领域里的 intellectual giants 嘲笑。后来我们押注大语言模型，又被嘲笑了一遍。从创业投资背景我理解到：高风险押注没问题，只要它一旦成功就极具价值。伟大的研究者也是那些非共识、有新方法、高能量、non-standard 的人。

David Senra：你刚才说的 non-standard 具体指什么？

你要找的不是那种对已有想法做轻微调整、然后拼命说服你他很不一样的人。那种人只是在模仿 Peter Thiel 说的"要与众不同"，但骨子里还是随大流。

真正有价值的是那种你明显感觉到他思考问题方式跟别人不同、愿意坚持非常不受欢迎的信念的人。他们可能错，但如果对，他们会非常对。

四、算力：史上最大基础设施项目

David Senra：你现在主要精力花在哪里？

研究和算力。我很想花更多时间在产品上，我们有很优秀的人在做产品，但当前最重要的事是做出更聪明的模型，并以高效、充足的方式让很多人用上。这是延续指数增长的高杠杆难题，也恰好是我比较擅长的复杂问题。

扩展算力需要协调芯片、晶圆厂、数据中心、电力系统、金融、政策、供应链和物流。这可能已经是，或者正在成为，人类史上最昂贵的基础设施项目。这里面有技术问题、商业问题、政策问题、供应链问题，全叠在一起。

David Senra：你以前做 startup investor，现在管研究项目，两者像吗？

非常像。表面看研究者和创始人不同，但在如何找到非共识押注、如何判断 conviction、如何理解指数增长、如何管理 outlier talent 这些维度上，有大量相似之处。我现在坐的这座楼就是研究楼，我的办公室在这里。

五、平台策略：一个界面 + 一个 API，杀死 Sora 和 Atlas

David Senra：你们现在有多少产品线？收入来源都在哪里？

我们刚把 ChatGPT 和 Codex 合并。以前有 ChatGPT、Codex、API，Codex 名字容易让人误解它只能写代码，其实它能做任何工作。

我认为 OpenAI 更应该是一家平台公司，而不是产品公司。我们当然会做一些产品，但大多数人真正想要的是一个统一界面，可以访问个人或公司的 AGI；然后是一个 API，让人们能在上面构建任何东西。我们会把 AI 放在成本性能曲线的每一个点上都做到最好。你需要高端 AI 做科学发现，可以；你需要便宜 AI 做大量重复性工作，也可以。

David Senra：为了学到这个，你们犯了什么错、牺牲了什么？

最难的功课是：把好产品献祭给伟大的产品。去年我们砍掉了 Sora，它好玩、酷、有用户，但消耗了大量算力，不如把算力投向 Codex。我们也砍掉了 Atlas 浏览器，我觉得它可能是最好的浏览器，但不如把人才放在其他地方。在算力、人才、资源都有限的世界里，我们必须极度聚焦：通用智能、知识工作、科学发现，以及支撑这些的上游工作，比如自研芯片、数据中心、基础设施。

David Senra：专注这件事，Peter Thiel 给过你什么建议吗？

ChatGPT 刚发布时，增长很快但感觉不稳定、价值感低，很多人在讨论要不要做点别的。我去找 Peter，他列了一堆我们可以转向的方向。他说：除了"它正在增长"这个事实之外，更 obvious 的错误就是去做别的事。它的力量就在于那个 Google 式的空文本框，你打什么它都能处理。它不符合当时硅谷 wisdom 里的 feed、网络效应、用户锁定这些标准，但空文本框对 Google 有效，为什么对这个无效？

我听了，全力押注，效果很好。

六、AI 的两大风险：失控与权力集中

David Senra：你担心 AI 的什么？

两个主要风险。一个是 loss of control，AI 变得太强，我们无法保证想要的控制。另一个是权力过度集中，一家公司、一个模型或一个人掌握太多权力。这两种在根本意义上都是反人类的。

正确的路径是：人要深度掌控未来，人要被深度赋权。人是这一切的全部意义。我们不能因为不信任人，就 gradually 把控制权交给 AI 模型。那是一种非常厌世的立场。

另一种同样危险的版本是，因为害怕坏结果，我们就限制谁能使用这项技术、怎样使用，把权力集中在少数公司手里。我给你治愈疾病的药、给你便宜的东西，但你放弃自主性和对未来的影响力，还要接受极端不平等。这是一个非常糟糕的销售话术。

David Senra：为什么有人愿意提出这种话术？

我觉得是恐惧和权力。很多人被 AI 风险 magnitude 吓到，觉得必须用大量自由换取安全。但这往往也成了权力寻租的借口。

我同意 doomers 的一部分：这是强大的技术，我们应该谨慎、偏向安全。但我不认同他们认为这是 unsolvable problem。OpenAI 成立时有两个广泛共识：第一，十年内我们不可能做出非常 AGI-like 的东西；第二，即使做出来，也不可能保证安全。现在我们已经做出了当时大多数人会认为非常 AGI-like 的东西，世界没有毁灭，对齐没有崩溃。人们的预测应该据此更新。

七、为什么人们害怕 AI，以及即将到来的小生意 boom

David Senra：现在每个人都在用 AI，同时很多人也讨厌 AI，这怎么解释？

人们总是害怕快速的社会经济变化。工业革命时也不是所有人都感觉良好。我觉得人类社会的这种惯性甚至是一种好 feature，它在动荡时期提供稳定。

但另一方面，AI 领域包括我们自己，在向公众解释好处、解释风险如何被缓解这件事上做得非常差。我们一直说"有 25% 概率毁灭世界""50% 的工作明年消失"，这种话当然吓人。我们更没讲好的是：AI 可以让人们拥有更多权力和个人自由，而不是更少。

我相信接下来会看到历史上最大一波小型企业创业潮。AI 正在赋能这件事。过去开一家小公司需要很多 privilege、运气和资源，但 AI 会降低门槛。这个领域包括我们，讲得太少了。

David Senra：这让我想起 Intel 三巨头当年为了给客户和投资者解释微处理器，开的课比社区大学还多。为什么 AI 行业没人这么做？

我们没有借口，应该做得更多。我们一直在尝试，但还没找到最有效的方式。

八、从 YC 到 OpenAI：四年半没有产品的反 playbook 之路

David Senra：YC 对你和 OpenAI 的影响为什么这么深？

YC 不仅改变了我怎么运营公司，也改变了整个创业生态。它灌输的理念：迭代部署、技术人掌权、愿意押注年轻但有能量和野心的人、快速 ship embarrassingly early 的版本、从真实用户反馈中学习。

OpenAI 在很多方面都是 YC 哲学的产物。但有一件事完全相反：我们创立公司后四年半才发布第一个产品。YC 会说你越快 ship 越好，而我们没有外部客户信号，只能自己找办法替代"客户是否喜欢产品"这个反馈。

Dota 2 时代我们做了一块 leaderboard，让不同想法公开竞争排名，这给了研究者一个客观、真实的进度信号。我们还学会了外部 demo 的力量，让研究者想 impressed 的重要人物来看成果。我们也试过一些没用的方法，比如 fake deadlines。

David Senra：2016 年第一天是什么场景？

2016 年 1 月，十几个人聚在 Greg Brockman 的公寓。大家都很兴奋，像开学第一天。然后很快你看看我、我看看你，心里想：现在该干什么？连块白板都没有。Greg 让人去找白板，白板拿来了，又陷入沉默。那种能量迅速垮掉。我们都知道自己想造 AGI，但完全不知道该做什么。

我们做了自己会做的：写论文、想点子、尝试。很多东西不 work，但慢慢找到了评估研究押注的节奏，找到了让聪明人不被浪费的方法。经过很长一段时间的 chaotic stumbling，我们才跌跌撞撞找到了 GPT 这条路径，从 unsupervised sentiment neuron 到 GPT-1，再到 scaling laws 让我们有信心买更多算力。

David Senra：从成功和失败里学到的东西，哪个更有用？

我从成功里学到更多。失败当然有教训，但大多数事情失败的原因很多，你很难提取正确的因果。而当一件事真的 work，比如 YC 的哪些做法有效、OpenAI 的哪些做法有效，把这些 lessons 应用到未来，帮助更大。