OpenAI首次联合访谈:"这件事"是公司的核心动力

4月16日消息，据国外媒体报道，人工智能初创公司OpenAI首席执行官山姆·奥特曼（SamAltman）与首席运营官布拉德·莱特卡普（BradLightcap），近日首次共同接受风险投资公司20VC创始人哈里·斯特宾斯（HarryStebbings）的专访。

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。

• | 共3 页 :
• 1
• 2
• 3