这是OpenAI CEO Sam Altman和COO Brad Lightcap的最新采访。作为OpenAI的首席运营官，Brad Lightcap的工作是负责推动公司销售、市场营销、合作伙伴关系和业务发展。

这不仅是OpenAI CEO和COO首次合体采访，也是Brad Lightcap为数不多的公开露面。

在采访中，Brad Lightcap认为，智能正在从一种非常有限的东西，转变为一种富足且廉价的资源。同时，他也坦言，大公司对AI的落地速度极大超出了他们预期。

Sam Altman则认为，在这场世界范围内的“百模大战”中，可能只有少数玩家能够存活。而真正实现差异化的地方，并不在于基础模型的质量或者开源与否的运作方式，而是模型能否能真正实现个性化、定制化，真正与人的生活和使用场景高度匹配。

当被问及AI应用产品如何面对大模型企业的竞争？Sam Altman表示，产品体验能否因为模型性能提升而得到巨大改善，是一个重要的判断维度。

在此次采访中，Sam Altman也介绍了OpenAI的产品理念：即让研究引领产品，产品引领销售。在人才梯队构建上，Sam Altman更倾向于内部提拔，而不是外部招聘。在Sam Altman看来，在生成式AI这样一个新兴领域，确保一种非常扁平的、机会均等的讨论氛围非常重要，因为绝大多数真正好的想法都出自团队中出乎意料的人员，而不是那些经验最丰富的人。

以下是本期内容目录：

01 透视openAI的内部管理

02 瞻望人工智能的未来发展

03 OpenAI 高效扩张的秘诀

04 openAI的产品观和人才观

05 快速问答环节

01 透视OpenAI的内部管理

Harry Stebbings：阻碍 OpenAI 决策层创新速度的最大因素是什么？

Sam Altman：我认为人才和研究文化是我们拥有的世界上最顶尖的资源，如果失去任何一个，都将是灾难性的。算力资源不足也是一大障碍。我们热爱酷炫的研究，科学进步是最酷、最激动人心的事情之一。但我们的真正目标是为他人提供有用的产品。即使我们拥有世界上最好的研究成果，并且尽可能提高效率，但如果没有足够的算力让地球上所有想要使用它的人都能用上，那么这项技术就无法发挥其全部潜力。随着模型的不断进步，算力需求会越来越大，这将成为一个巨大的障碍。

Harry Stebbings：你是否赞同这样一种说法:每年有那么一两个决定会决定一家公司的命运?还是你认为实际上是积少成多，那些微小的决定累积起来推动了公司的发展?我一直在这两种观点之间徘徊。

Sam Altman：我非常认同两者兼而有之的观点。我喜欢投资人这个职业的一点在于，这份工作真正需要做的就是每年做一到两个决定，甚至可能是十年做一到两个决定。运营一个公司则完全不同，这不是我的天性。

为了让自己做得更好，我学到的一件事是，确实存在少数战略性决策，感觉上比起每年一到两个决定，更像是每月一到两个决定，但数量并不是很多。真正困难的是，如何执行这些大的决定，而这需要做出许许多多的“小事”。对于任何一位 CEO 来说，一年或一个月做一到两个决定都是可笑的，实际上决策是源源不断的，但主要区别在于那些重大决策，比如我们是否要做ChatGPT。然后为了使这一决策成功，就需要沿途做成千上万个小决定。

02 瞻望人工智能的未来发展

Harry Stebbings：您刚才提到了算力因素，比如边际成本和边际收入。我们该如何看待当边际收入超过边际成本时的情况？我想，很多人都建议我们今天讨论这个问题，尤其是关于大型语言模型产品的讨论。

Sam Altman：只要你相信算力的价格会继续下降，随着模型的不断进步，人工智能的价值会越来越高，那么这个等式就很容易得出了结果。当然，也可能出现一些意外情况，比如如果算力供应不足，导致算力价格由于规划不善而变得非常昂贵，那么可能会出现问题。但我认为我们可以将高质量智能的成本降至接近零，这对大多数事情来说都会是极好的。并非所有事情都是如此，当然会有一些负面影响，但我认为智能的成本即将变得非常便宜。

Brad Lightcap：开源模型在这个世界上将有其位置，一些人会需要它们，一些人会需要托管服务，很多人会两者兼用。从某种意义上说，这些都是一些有趣的细节，但忽略了更大的图景，那就是我们正处于一场合法且相当大的技术革命之中，智能正从一种非常有限的东西转变为一种富足且廉价的资源。过去，如果你想做一些需要大量智能的事情，比如打造OpenAI这样的公司，你就需要聘请大量聪明人，不仅仅是OpenAI的员工，还包括制造芯片、建设数据中心等所有人员。但未来，一个人就能获取丰富且极为廉价的智能，去做令人惊叹的事情。

Harry Stebbings：我的问题是，您提到了模型的质量，以及期望与现实之间的差距。另一个有趣的问题可能是模型的商品化。我从未见过这样的事情，一个模型在一周内如此火爆，然后下一周就被另一个模型取代，如此迅速地更迭。这是一个游戏吗？

Sam Altman：曾经美国有超过 100 家汽车公司，如果你看看当时的媒体，你会看到人们今天出现了更好的汽车，明天又出现了更好的汽车，如此等等。我认为这种情况对大多数新兴行业都适用。

我认为这很好，但这可能不是持久价值所在。最终，我认为会有一小部分供应商，大约十几家左右，大规模地提供模型。这将是一个非常复杂且昂贵的过程，差异化将体现在模型的个性化和定制化方面。我希望我们所有人都能继续推动彼此，使模型变得更好、更便宜、更快，并最终实现商品化。但从长远来看，差异化不会体现在基础模型上，因为智能就像物质的涌现特性一样。真正的长期差异化将是最能与你个人所需相结合的模型，能够融入你的整个生活环境，与你想要做的一切其它事情良好集成。不过，现在曲线仍然很陡峭，我们的重点应该是让基础模型变得越来越好。

Harry Stebbings：好的，我可以问您一个问题吗？您提到了您过去的投资经历，以及您与布拉德一起接触的众多大型企业。作为一名投资者，我看到很多 AI 公司，但我不会投资任何应用型 AI 公司，因为OpenAI 发布的产品已经彻底打败了它们。

从根本上讲，构建 AI 的两种策略是：一种策略是假设模型不会变得更好，然后在模型之上构建各种小东西；另一种策略是假设 OpenAI 会保持这种发展速度，模型会变得越来越好。我认为 95% 的公司应该选择后一种策略，但很多初创公司都选择了前一种策略。

然后，当我们只是尽我们所能改进模型及其工具时，他们就会遇到“OpenAI 杀死了我的初创公司”的情况。作为一名投资者，您会寻找什么样的投资机会？哪些不会被 OpenAI 碾压？

Sam Altman：问公司是否会因为模型的100倍改进而感到兴奋，这是一个很好的判断方法。我们可以很好地分辨出哪些公司渴望获得下一代模型，哪些公司对此却不闻不问。我认为这是一个很好的区别。如果模型的显著进步能够加速公司产品的改进，那么大多数公司都可以清楚地说明这一点。

大多数公司都可以清楚地讲出这个故事，比如 Cohere 就是一个很好的例子。对于 Cohere 来说，数据非常惊人，如果下一代模型像我们希望的那样好，那将会有多大的进步？我今天早上还与一位人工智能医学顾问交谈过，他们说：“这些模型在某些方面还不够好，但对于这类事情仍然非常有用。如果模型能够在这些指标上显著改进，那么我们就可以开展所有这些其他业务。你们能快点做到吗？这样我们就可以挽救生命，让那些无法获得医疗服务的人获得医疗服务。

Harry Stebbings：您认为模型改进的速度是线性的，还是会随着时间的推移而趋于平缓？当然，现在它正在加速发展，而且在过去几年里一直在加速发展。您如何看待模型改进的未来趋势？

Brad Lightcap：从外部来看，它的确感觉比较断续，这意味着在我们的一个核心理念上，我们的表达存在不足，那就是渐进式部署非常重要。我们不希望在实验室里暗中摸索几十年，然后按下按钮，世界突然不得不面临人工通用智能的出现。

最好的方式是，将模型发布到世界各地，让人们有时间思考、做出反应、了解如何使用它、他们希望它做什么不同的事情、他们不希望它做什么事情，以及社会对人工智能的期望和限制。

我们认为，与封闭式开发相比，这是一种更社会化的参与方式。但在考虑未来的模型时，我认为我们低估了一些飞跃式进展会带来的冲击有多大，尽管我们采取了渐进式部署的策略。因为我们已经与这些模型共事很长时间，并见证了它们一点一点地变好，所以我们低估了这种进展对外界的震撼。在考虑下一代模型时，我们正在努力寻找一种方式，让这种感觉对外部世界来说更加顺畅，更接近我们内部的感受。

Harry Stebbings：您是否认为迭代部署的策略是正确的？

Sam Altman：这是一个非常有趣的问题。我们已经做了很多关于这个话题的思考，我们也一直在争论。我们确实认为渐进式部署在短期内取得了巨大的成功。它让我们能够从错误中吸取教训，并让人们参与进来，这在开发像通用人工智能这样强大的技术时至关重要。但它也带来了一些挑战，尤其是在模型能力出现重大飞跃的时候。我们正在努力解决这些挑战，但我们还没有最终的答案。

Harry Stebbings：随着 OpenAI 规模的不断扩大，迭代发布的策略还能否持续有效？

Sam Altman：我认为预期设定至关重要。如果设定了正确的预期，迭代发布仍然是可行的。例如，当我们发布 Sora 时，我们从创意社区、媒体和业界获得了大量反馈。我们开始将这些反馈纳入我们对该特定模式的研究路线图的考量之中。换句话说，我们一开始会将预期设定得较低，通过倾听来自各方的意见并加以整合，力求最终发布的产品能够满足用户需求，并且让用户觉得熟悉和好用，就好像它是专为他们打造的一样。

Harry Stebbings：您是否认为迭代部署的策略是正确的？

Sam Altman：我认为只是模型还不够智能。这听起来可能有点老生常谈，但我觉得从根本上来说确实是如此。只要模型足够智能，其他问题都会迎刃而解。我们需要找到将这些工具整合到人们工作流程中的方法，并且不同领域的模型的可塑性也将非常重要。

03 OpenAI 高效扩张的秘诀

Harry Stebbings：接下来我们来聊聊 OpenAI 高效扩张的秘诀吧。

Brad Lightcap：我认为我们赶上了一个好的时机。ChatGPT 是人们第一次真正体验到这项技术的“人性化”一面。我们不断听到人们分享使用该产品的经历，这些故事的多样性让我们感到惊讶。当一个产品如此多元化且易于获取时，它必然会在用户的使用和推广方面产生重大影响。这显然会转化为商业利益，我们的重点仍然是继续在这方面推进。

B2B 业务显然与之不同，它有其自身的节奏和周期。我们一直在努力打造世界上最好的 AI 开发者平台。企业市场对我们来说是一个新的关注点，这需要我们更多地迎合企业需求。

Harry Stebbings：人才因为 OpenAI 是最热门、发展最快的公司而加入公司，这是否是一件坏事？

Brad Lightcap：也许吧。这会增加我们的筛选难度。但我确实希望人们认为他们加入 OpenAI 是在做一件很重要的事。我们尽力筛选掉仅仅为了增加一段光鲜履历而来的人，尽管这并不能做到 100%。

Harry Stebbings：您投资过一些最优秀的创始人，其中有没有哪些人特别突出，能谈谈他们如何影响了你对建设公司的想法吗？

Sam Altman：我非常幸运能与我们这一代许多杰出的创始人共事，并向他们学习。他们现在也愿意花时间帮助我。

Harry Stebbings：可以具体讲讲一位或两位创始人吗？从他们身上学到了哪些经验教训？

Sam Altman：Chesky（Airbnb CEO） 在过去的一年半里给了我很多帮助。他擅长许多我并不擅长的事情，例如如何讨论产品、如何打造优秀的产品。他是一位非常特别的人。我投资了很多公司，因此认识许多杰出的创始人，我非常感谢他们愿意在不同领域提供帮助。正如我尝试向不同的投资者学习一样，向不同的创始人学习也是一个很棒的策略。

Harry Stebbings：我们可以回到用户使用方面的话题吗？您提到了消费者、家长和科学研究人员等各种各样的用户群体。OpenAI 也与一些全球最大企业建立了合作关系。在企业级人工智能的推广方面，您认为有哪些值得注意的经验教训，以及大型企业如何思考和实施人工智能？

Brad Lightcap：我认为最大的一点是，企业有着非常自然的愿望，想要将这项技术应用到业务流程中，纯粹是为了获得可量化的投资回报率，比如节约成本。

但我认为，人们严重低估了简单地让人们接触到这项技术实际上是多么重要，以及你真正可以从中获得多大回报。因为你无法完全量化它是如何运作的，但曾经需要花费2天时间做的事情，现在只需2分钟，人们就可以腾出手来每天做其他85件事。这在企业衡量投资回报率的方式中可能看不出来，但想象一下，如果在1万次或10万次后效果叠加，那会怎样?

Harry Stebbings：你怎么向企业解释这一点呢?你说得对，这不像一个你可以说“我们取消了X”这样可以直接体现在预算中的事项。这种时间供给的转移很难展现出来。

Brad Lightcap：其中一部分原因就是我们需要时间来展现。ChatGPT作为企业产品仍然是全新的，我们基本上是在去年8、9月份对企业版本进行发布，而团队版则是在今年早些时候发布的。所以在市场上的时间几乎为零，而且企业采用周期也更加缓慢。

Harry Stebbings：你认为大公司应该关注而没有关注的最重要问题是什么，是关于如何使用和整合人工智能的，还是关于他们应该考虑的一些担忧?

Brad Lightcap：很多公司认为它是静态的，认为GPT-4就是我们永远能得到的最好的模型了。这是可以理解的，因为他们之前不得不采用的每一项技术都相对是静止的。如果你想想从2009年到现在，iPhone和移动设备的形态有什么变化，它们的外形有一些小的改变，速度更快，分辨率更高，但基本技术还是一成不变的，应用程序开发也基本如此。云计算的情况也是一样。所以现在，他们得到了这项新技术，我想他们的期望就是“好吧，就是这样了”。

但他们没有足够关注这种变化速度有多么陡峭，以及思考下一波技术会是什么样子，再下一波又会是什么样子，如何行动以适应这种变化速度。我们现在在伦敦，欧洲公司的决策行动速度没有那么的快。当你的变化速度如此之快时，这几乎是非常大的困扰，因为他们已经习惯了自己的工作流程，当你做出改变和更新时，所有东西就都过时了，你理解我的意思吗?这正是让我们的工作艰难的原因，公司确实渴望以那样的速度前进，但是当你在10万或20万人的规模上运作时，这可能真的很难做到。所以在未来几年里，这将是我们面临的一个重大问题。

04 OpenAI的产品观和人才观

Harry Stebbings：您提到过在引入市场推广和销售团队时，维持研究文化的重要性，但融合产品和销售的文化并非易事。您如何看待其中的挑战？

Sam Altman：我们有一个非常深刻的共识，那就是让研究引领产品，产品引领销售。这并不意味着可以忽略来自销售方面的反馈。用户是我们珍视的对象，因为他们是判断模型好坏最重要的依据。一款产品的核心在于其对用户的实用性。

我们也明白，提升产品销量的最佳方法就是打造更好的产品，而打造更好产品的前提则是进行更优质的研究。我和布拉德在这方面从未有过任何分歧，这一点至关重要。

Harry Stebbings：有趣的是，我之前采访过Alex Schulz（Meta CMO），他建议我向您询问一下您在 OpenAI 之后看待增长的思维方式发生了怎样的变化，因为这两家公司的情况截然不同。Alex Schulz 在用户增长方面堪称天才，他总是会谈论用户留存曲线和各种指标。人们通常认为失败可以带来教训，但成功或许才是更好的老师。不过，像 ChatGPT 这样颠覆性技术的成功案例并不具有可复制性，因此从中学习增长的经验可能有限。

Sam Altman：失败肯定会带来一些经验教训，至少可以帮助我们排除一些错误选项。我经历过许多失败和成功，从成功的案例中学到的东西要多得多。例如，我从中学会了在招聘时应该关注哪些方面。现在我并不常进行外部招聘，更倾向于提拔内部员工担任领导职务。

另外，我还学会了在创始人身上应该寻找哪些特质。有人可能会说，我投资失败的案例很多，可以从中总结出很多错误经验。诚然，投资失败的案例的确能提供一些经验教训。我认为，除了那些显而易见的特质之外，我还更看重以下几点：

1.创始人追求的目标如果成功，将带来巨大的影响。这一点比人们意识到的更加重要，因为真正的大赢家往往凤毛麟角。我宁愿在十次投资中失败九次，但在第十次投资上取得巨大成功，也不愿十次投资都取得平庸的成绩。

2.优秀的创始人能够不断产生新想法，并且拥有非常快的迭代周期。

3.当然，创始人还需要具备聪明、坚韧以及出色的沟通技巧等素质。

实话实说，我错过了许多优秀的公司，部分原因在于我更倾向于投资种子轮或 A 轮阶段的公司，而处于早期阶段的 CEO 通常在沟通方面还不够成熟。我并不在意那种为了应付面试而变得魅力四射的沟通技巧，但优秀的 CEO 确实需要具备出色的沟通能力。这份沟通能力体现在解释公司愿景、激励员工、推销产品以及与公众交流等方面。我并不是说 CEO 需要多么完美的演讲技巧，但日常工作中清晰地解释工作目标、让员工理解重要性并积极参与，以及在必要时与公众沟通，这些都是必不可少的技能。

Harry Stebbings：您在 OpenAI 招聘时会问一些与以往工作经历相关的问题吗？因为我注意到你们那儿的一些员工似乎年纪稍微大一点儿，你们实际上更倾向于招聘有经验的人员？

Sam Altman：至少在我看来，招聘政策之类的东西与招聘人员的构成以及团队的责任构成之间存在着差异。我一直在努力打造这样一种团队氛围，让伟大的想法能够不断涌现。事实上，绝大多数真正好的想法都出自团队中出乎意料的人员，而不是那些经验最丰富的人。这就是我的建议，确保存在一种非常扁平的、机会均等的氛围，这样大家才能平等地参与到决策制定、判断、创意等等环节中来。招聘有经验的人员也很重要，因为他们可以带来更多的视角和见识。但是总的来说，我认为真正能够改变公司的想法往往不是出自那些经验丰富的人员。

Harry Stebbings：您同意吗？我认为有些岗位确实需要经验，而有些岗位则不需要经验，甚至经验反而会成为累赘。

Sam Altman：是的，比如我们的领导团队，相比于其他一些创业公司可能更倾向于 30 多岁和 40 多岁的人员，我们的技术人员的平均年龄也稍微偏大一点儿。我没有具体的数据，但是我猜测我们技术团队的平均年龄可能接近 30 岁出头，而其他一些科技公司的平均年龄则可能是 20 多岁出头。

部分原因可能在于，成为一名优秀的研究人员的道路上存在着巨大的差异，在这方面确实存在着一些例外。到目前为止，我们所做的一切似乎都取得了不错的成效，但这并不意味着我从来不会思考“我们需要更多经验的人员还是更少经验的人员”这个问题。更重要的是，看这个人是否合适。而且，如何将这项技术推向世界的方式也截然不同，许多方面都还没有既定的套路。在解决问题时所采取的方法并不一定会因为过去 20 年的工作经验而受益，至少在我的领域是这样的。新兴行业的一大乐趣之一就是它能够抹平竞争者之间的差距，这一点我认为在加密货币领域表现得尤为突出。突然之间，19 岁的人能够和 45 岁的人一样有影响力，因为经验在这方面并不重要。

05 快速问答环节

Harry Stebbings：OpenAI 在未来 12 个月和 5 年内面临的最大挑战是什么？分别用 30 秒的时间回答。

Sam Altman：在未来 12 个月内，最大的挑战是在既做好研究的同时，又能实现最佳的产品化。5 年内，要确保完善的供应链和充足的算力。

Harry Stebbings：在过去 12 个月中，您改变了哪些想法？

Brad Lightcap：实际上，我改变了很大的一个想法，我现在认为大型企业的采用速度将会比人们意识到的要快得多。我认为我们将打破传统观念，因为大型企业素来以技术采用缓慢而著称，但我认为在人工智能领域并非如此。

Harry Stebbings：这种速度差异在不同地区之间是否存在差异？

Brad Lightcap：不存在。

Harry Stebbings：布拉德，OpenAI 规模化过程中令您最为意外的事情是什么？

Brad Lightcap：我认为最令人意外的是，模型的规模化一直如此有效。这仍然让我感到难以置信。即使我们现在将模型的规模扩大很多倍，它们也依然会变得可以预测地更好。这是一件非常了不起的事情。

Harry Stebbings：如果您能回到 OpenAI 成立之初，您希望自己知道些什么？

Brad Lightcap：我希望我能更早地意识到技术在创意产业领域的影响力会如此之大。例如，相比于知识型产业或工业型产业，创意产业将率先受到这项技术的冲击。我们最初在机器人领域投入了大量精力，因为我当时设想的是我们将与机器人公司合作开发机器人，并与游戏公司合作开发智能代理。但实际情况却完全相反。