Sam Altman发布会后首访揭秘GPT-4o研发内幕

就在不久前，OpenAI冷不丁放出了GPT-4o，那个“o”不是随便加的，它代表“omni”，也就是全能。这意味着这个模型不再是只能聊天的文本工具，而是能同时处理文本、图像、音频的多面手。

能力上，它集成了多模态交互，响应速度快到320毫秒，还具备了更强的智能和情感理解能力。你无论是跟它闲聊、咨询还是安排任务，感觉就像跟真人对话一样自然。最关键的是，这么强的模型，未来几周内不仅会开放给开发者，而且免费用户也能用上。

Sam Altman在与Logan Bartlett的深度访谈中，透露了这款产品背后的关键逻辑。他坦言，GPT-4o不是凭空冒出来的，而是OpenAI过去几年在音频、视觉模型以及如何融合这些模型上的集大成之作。在他看来，GPT-4o的核心看点不止是性能强，更在于它运行效率极高，以至于能成为全球最佳模型之一并且免费提供，这确实让人惊叹。

谈到未来，Altman认为AGI（通用人工智能）只是智能发展路上的一个里程碑，这个进程可能会以过去十年那种疯狂的速度继续推进。他大胆预测，在不远的将来，编程可能会成为最重要的应用领域；同时，具备泛化推理能力的通用模型，会比一大堆专用模型重要得多，这会是驱动科技进步的核心。

以下是这次访谈的核心内容梳理：

　01 GPT-4o新品发布
　02 AI发展预测
　03 AI创业机会
　04 通往AGI之路
　05 OpenAI内部运营
　06 Sam的个人思考

Logan Bartlett：你今天宣布的GPT-4o，能同时处理文本、语音和视觉信息。这到底有多重要？

Sam Altman：这代表了一种全新的人机交互方式。我们以前总说要声控电脑，比如Siri，但对我来说，它们从来就没真正让人觉得好用、自然。GPT-4o完全不同，它速度快、能理解多种信息形式、语调自然，还能根据你的指令调整语速和语气。这种流畅和灵活，确实让人着迷。

Logan Bartlett：有没有让你印象特别深刻的用法？

Sam Altman：我才用了一个星期，但让我惊讶的一个场景是，当我全神贯注工作时，可以把手机放桌上，不用切换窗口，直接把GPT-4o当作另一个信息通道。比如处理事情时，以前我得停下来，切到浏览器，搜索、点击、来回看。现在，我直接问它，它立刻就给答案，我还能继续盯着电脑屏幕。这感觉太酷了。

Logan Bartlett：GPT-4o的诞生，是架构上的突破还是计算能力的提升？

Sam Altman：这应该是过去几年所有积累的共同作用。我们一直在研究音频模型、视觉模型，以及如何把它们结合起来，同时还在努力提升训练效率。不是突然解锁了什么疯狂的新技术，而是把很多块拼图拼到了一起。

Logan Bartlett：为了降低延迟，你们需要开发类似设备模型的东西吗？

Sam Altman：对视频处理来说可能是这样。网络延迟在某些场景下会成为麻烦。我一直觉得最酷的一件事是，未来戴上AR眼镜，实时用语音和世界交互，看着事物跟着改变。网络延迟可能会成为这种应用的障碍。不过就目前来说，2300毫秒的延迟已经感觉非常快了，甚至比人类响应还快。

Logan Bartlett：大家都在猜测下一个大版本可能不会是GPT-5，而是迭代式发布。你们是这个意思吗？以后不会有那种盛大的GPT-5发布会了？

Sam Altman：说实话，我们也不知道。我学到的一件事是，AI和“惊喜”往往不搭。虽然科技公司通常喜欢开发布会，但我们或许真该换个方式。也许我们仍然会叫它GPT-5，但换一种发布方式，或者换个名字。关键是，我们现在还没想清楚怎么给这些产品命名和做品牌。从GPT-1到GPT-4的发布看起来还算合理，但GPT-4本身还在不断改进。我们有个想法，就是可能存在一个“虚拟大脑”，它在某些情况下能比其他模型思考得更深入。这可能是不同的模型，但用户可能不关心它们是不是同一个。所以，如何把这些产品推向市场，我们还没完全想明白。

Logan Bartlett：随着模型不断增量改进，对计算能力的需求会比历史上更少吗？

Sam Altman：我们总会想尽办法利用已有的算力。现在效率提升确实令人难以置信，这很重要。今天发布的语音模式很酷，但更关键的是，我们能以如此高的效率运行它，甚至可以免费提供。可以说，这是目前全球最好的模型之一，任何想用的人都能免费下载ChatGPT使用，这比GPT-4和GPT-4 Turbo的效率提升显著，而且我们还有很大进步空间。

Logan Bartlett：你说过ChatGPT本身没有改变世界，只是改变了人们对世界的期望？

Sam Altman：对，如果用经济指标来衡量，你可能找不到ChatGPT发布后生产力或其他方面的显著提升。

Logan Bartlett：未来12个月，你认为哪些领域最具前景？

Sam Altman：虽然可能有点当局者迷，但我认为编程会是一个非常重要的领域。

Logan Bartlett：这跟你之前提到的那个深刻教训有关，就是针对特定数据训练的专用模型，和能做真正推理的通用模型之间的区别。

Sam Altman：我认为通用模型更重要。如果模型能做通用推理，能自己搞明白新东西，那么当它遇到新数据类型时，你把数据输进去，它就能完成任务。反过来，一堆专用模型拼在一起，在我看来，是没办法做通用推理的。

Logan Bartlett：未来两年，人类和AI的主要沟通方式是什么？

Sam Altman：自然语言显然是个好选择。我很推崇一个想法：我们应该规划一个未来，让人和AI能用相同的方式交流。所以比起其他形式的机器人，我更倾向人形机器人。因为现在世界的一切基本是为人类设计的，我不想为了某种更高效的东西而改变这一切。我喜欢这个想法：我们和AI的交流，可以用经过优化、非常适合人类的语言，甚至它们彼此之间也用这种方式交流。这可能不成熟，但我觉得值得探索。

Logan Bartlett：对C端用户来说，商业交互页面和易用性才是关键？

Sam Altman：当然，它们一直都很重要。你可以设想其他情况，比如一种市场或网络效应，让我们的智能体互相沟通。也可能有不同的公司和应用商店。但我倾向于认为，一般的商业规则在这里仍然适用。每当新技术出现，人们就认为规则不适用了，但这通常是假新闻。一切传统的创造价值方式，在这里依然重要。

Logan Bartlett：有报道说你打算募集大量资金投资晶圆厂和半导体行业。你最近也说世界需要更多AI基础设施。你看到了什么需求，需要远超英伟达和台积电目前提供的规模吗？

Sam Altman：首先，我确信我们会找到办法大幅降低交付当前系统的成本。其次，我确信做到这点后，需求会暴增。第三，我确信通过构建更大更好的系统，还会有更多需求。我们都应该希望生活在一个智能廉价到无需计量的世界，它无处不在，极其丰富。人们可以把它用在各种用途，甚至不会去想“我该不该用它”，比如“我需不需要它来帮我读邮件、回邮件？”或者“我该用它来治愈癌症吗？”你当然会选治愈癌症。但答案是，你希望它把所有事都做了。我只是想确保我们有足够的资源。

Logan Bartlett：像Humane、Limitless这些设备助理，你觉得它们做错了什么？为什么还没达到用户的期望？

Sam Altman：我认为这只是一个早期阶段。我一直是各种计算设备的早期使用者。大学一年级时我就喜欢Compaq TC1000平板，觉得太酷了，尽管它和iPad差距巨大。后来买了Treo，那时候小孩用这个的很少。它离iPhone也有距离，但我们最终走到了那一步。这些东西给人感觉很有前景，只是需要一些迭代。

Logan Bartlett：你最近提到，很多建立在GPT-4上的企业会被未来的GPT“碾压”。能具体说说吗？哪些AI企业能在GPT不断进步下活下来？

Sam Altman：我发现唯一有效的框架是：你要么赌下一代模型在你这个业务上表现不会太好，要么建立一个能从下一代模型出色表现中受益的业务。有时候你为了让GPT-4做不了的事能勉强运行，投入了大量工作。结果GPT-5来了，它能完美搞定这个场景，还能做所有其他事，你就会为之前的努力感到遗憾。但如果你有一个总体不错、人们可用于各种用途的产品，你没有为了某个特定场景而拼命适配，那么当GPT-5出现、表现更好时，你原有的东西都会跟着受益。

我建议，大多数时候，你并不是在创建一个AI企业，而是在创建一个利用AI技术的企业。App Store早期，有很多填补空白的小应用，但最终苹果自己修复了这些问题，手电筒应用就成了操作系统的一部分。而像Uber这样的公司，受益于智能手机，却建立了非常有护城河的长期业务。你要瞄准的就是后面这种。

Logan Bartlett：能举些例子吗？可以是真实公司，也可以是有趣的想法。

Sam Altman：实际上我会赌新公司。人们常举的例子是AI医生或AI诊断。有人说我不想创业，因为Mayo Clinic（美国顶级医院）会做这事。但我赌会是新公司来做这个。

Logan Bartlett：对想投身于此的CEO，有什么建议？

Sam Altman：智能作为一种服务，每年都会变得更好更便宜，但这只是你成功的必要非充分条件。你仍然得找出你业务的长期壁垒是什么。现在的赛场比很长一段时间内都要开放，有很多令人难以置信的新事可做。但即使你有更多手段，也不能免于建立持久价值的艰苦工作。

Logan Bartlett：你能想象5年内，会因为AI而出现或主流的全新职位或工作职责吗？

Sam Altman：我正试着想象，未来有1亿或5千万人从事的工作是什么。我觉得应该是新型艺术、娱乐的宽泛领域，有点像人与人之间的深度连接。我不知道该叫什么，也不知道5年内能不能实现。但我觉得，以人为核心的、现场的具身体验，将会备受推崇。这会成为一个全新的、非常庞大的类别。

Logan Bartlett：OpenAI最近一轮估值约900亿美元。在实现AGI前，有没有一两件事能让OpenAI成为万亿美元公司？

Sam Altman：如果我们能保持目前的改进速度，找到继续用技术做出好产品的方法，并且收入持续像现在这样增长，我不知道具体数字，但我们会很好。

Logan Bartlett：目前的商业模式能支撑万亿美元估值吗？

Sam Altman：ChatGPT的订阅模式对我们真的很管用。出乎意料的是，我原本没觉得它能有这么成功，但结果确实不错。

Logan Bartlett：我们听过你对盈利模式的看法。手工劳动、白领工作、创作，这个发展顺序完全颠倒过来了。还有其他让你意外的事吗？

Sam Altman：这绝对是我最大的意外。还有别的，比如我没想到它这么早就能在律师工作上表现这么好，因为那需要非常精确、复杂。但最大的惊喜就是你说的，体力、脑力、创造的顺序完全反了。

Logan Bartlett：通往AGI的道路上，最大的障碍是什么？你认为规模化定律还能持续几年？

Sam Altman：最大的障碍是新的研究。我从互联网软件转向AI时学到的一件事是：研究不像工程那样按固定时间表进行，通常时间会更长，但有时进展速度也会比任何人预测的快得多。

Logan Bartlett：为什么说它不是线性的？

Sam Altman：举几个历史例子。中子的概念在20世纪初被提出，大概20年代被探测到。后来原子弹的工作始于30年代，40年代就实现了。从没有中子概念到造出原子弹，彻底打破我们对物理学的所有直觉，一切都发生得太快了。还有莱特兄弟的例子，大概1906年，他们说飞行还需要50年，但1908年他们就做到了。科学和工程史上还有很多类似的例子。当然，也有我们提出理论但从未实现的事，或者耗时几个世纪。但有时事情确实会进展得非常快。

Logan Bartlett：在可解释性方面，我们处于什么位置？长远看它有多重要？

Sam Altman：可解释性有几种类型。一种是理解神经网络的每个机械细节；另一种是审视输出结果，指出逻辑缺陷。我对OpenAI和其他机构在这方面的工作感到兴奋。可解释性作为一个更广义的领域，看起来很有前景。

Logan Bartlett：人们对AGI既兴奋又担心，比如担心由你或OpenAI单方面做出决定。这需要像政府那样的结构来决定。

Sam Altman：对现有能力的模型进行严格监管可能是错误，但当模型确实对世界构成重大灾难风险时，就应该有监管。现在的问题是，门槛设在哪里，以及如何测试。

Logan Bartlett：那些认为监管会阻碍发展的风投人士，他们没看到AI的哪些风险？

Sam Altman：他们根本没认真思考过AGI。那些最反对监管的人，不久前还在完全否认AI的可能性。我理解他们的立场，监管没给科技带来什么好处。但我觉得我们正在走向一个门槛，跨过之后，所有人的想法可能都会改变。

Logan Bartlett：开源模型本身有固有的危险吗？

Sam Altman：目前没有，但可以想象未来会出现这种情况。

Logan Bartlett：你说过“安全”是个错误的表述，更像是在讨论我们接受多大风险，就像航空业一样。

Sam Altman：对，安全不是非黑即白的。你之所以坐飞机，是因为觉得它安全，尽管知道偶尔会出事故。至于航空公司安全到什么程度，需要讨论。这是一个典型说法。航空业的安全性已经提高得令人难以置信，但“安全”不意味着飞机绝对不出事。

Logan Bartlett：有很多不同的快速爆发场景。现在的瓶颈是缺乏AI基础设施。如果研究人员开发出一种对Transformer架构的修改，能大幅减少数据和硬件规模，更像人脑。会看到快速爆发吗？

Sam Altman：这有可能，当然可能。甚至不需要任何修改。但我认为这不是最有可能的路径，不过我不排除这种可能性。有必要考虑。我觉得事情可能会更连续，即使是加速发展。不太可能一夜之间就拥有超级智能。但即便爆发持续一年或几年，某种程度上也算是快的。

Logan Bartlett：当模型越来越聪明，甚至能做我们曾经认为做不到的事时，人类还独特在哪里？

Sam Altman：我认为，即使多年以后，人类仍然会关心其他人类。网上有人说每个人都会爱上ChatGPT，会把它当女朋友。我不这么认为。我们如此渴望长期关心其他人，以各种方式。这种对他人的着迷，会持续下去。

Logan Bartlett：经营OpenAI时，你在YC构建了很多规则或框架，现在又打破了一些。你雇佣的人，尤其是高管，和消费互联网或B2B软件公司时不同吗？

Sam Altman：研究人员和产品工程师大多数情况下差异很大。而且，我大多数时候没有外聘高管。

Logan Bartlett：在OpenAI的运营中，哪些决定感觉最重要？当时是怎么做的？

Sam Altman：很难只挑一个。但我们决定采取迭代部署策略，而不是秘密构建AGI再一次性推向世界，后者是当时普遍的智慧。我认为这是个非常重要的决定。押注语言模型也是重要的决定。

Logan Bartlett：我不太了解押注语言模型的故事。是怎么开始的？

Sam Altman：我们当时有其他项目，比如机器人和视频游戏。然后有个很小的团队开始做语言建模，伊利亚（Ilya Sutskever）真的相信这个方向。我们做出了GPT-1、GPT-2，开始研究规模化定律，扩展到GPT-3，然后我们做了个重大押注，决定把语言模型作为核心。当时看起来并不那么显而易见，我也没有这种感觉。

Logan Bartlett：你提到使用AI的两种方法：复制自己，或者把它当成最聪明的员工。

Sam Altman：这不是说AI本身，而是你想怎么用它。就像你想象与个人AI助手互动时的情况。

Logan Bartlett：这个区分很有深意，能再解释一下吗？

Sam Altman：如果你在5年后给我发信息，你需要明确是在给我发，还是在给我的AI助手。如果是给AI助手，它会打包信息，稍后答复。我认为把这些事分开、保持独立是很有价值的，而不是AI只是Sam的延伸。我不知道自己是在和Sam还是他的AI幽灵说话，但没关系，它们是一回事，是一个合并实体。我认为会有“我和我的AI助手”这样的存在，它不是一个延伸物，而是我可以和它跨越屏障交流的独立实体。它会替我回复消息，我会把它看作一个了不起的合作伙伴，对它说“嘿，你能做这个吗？做完告诉我”。但我不会把它当成我自己。

Logan Bartlett：你觉得教育体系应该怎么改变，比如2030年或2035年的大学生，如何为未来做好准备？

Sam Altman：最大的一点是，人们不仅应该被允许，还应该被要求使用这些工具。当然，在某些情况下，我们希望用老式方法，因为那有助于理解。就像数学课有些题不能用计算器。但总的来说，在现实生活中，你可以用计算器。你需要理解它，但也要熟练使用。如果上数学课从来不用计算器，将来做工作时就会技能不足。如果OpenAI的所有研究人员从未用过计算器，OpenAI可能就不存在了。至少在教电脑知识时，我们没想过让人不用计算器和电脑。我认为也不应该培养人不用AI。它将成为未来从事有价值工作的重要部分。

Logan Bartlett：你说AGI只是智能连续发展的一个节点，进展会持续很久。你有没有停下来想象过未来是什么样子？

Sam Altman：我一直在想。我不像科幻电影那样憧憬飞驰的汽车和未来城市。但当我想到一个人能完成数百甚至数千人协作才能做到的事，这让我兴奋。同样，我们可能无法穷尽所有科学知识，但那种感觉就像——如果我们真的能发现所有科学奥秘，世界会变成什么样？这是我一直在思考且为之兴奋的。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Sam Altman发布会后首访揭秘GPT-4o研发内幕要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题