--- author: Best Partners TV date: '2026-02-04' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=hkV_Lq3smCs speaker: Best Partners TV tags: - prompt-engineering - software-engineering - ai-agents - entrepreneurship - attention-economy title: 萨姆·奥特曼：AI重塑程序员定义与商业未来 summary: OpenAI CEO萨姆·奥特曼在Town Hall专访中，深入探讨了AI对技术演进和社会的影响。他预测AI将彻底重构软件工程师的角色，从代码编写转向价值创造和需求转化。奥特曼还指出，商业瓶颈已从产品构建转向市场推广与注意力争夺，并展望了Agent生态、通用模型、成本与速度竞争、AI在科研与协作中的作用，以及AI对教育、创业和创意产业的深远影响。他强调了宏观安全基础设施建设和AI驱动的个性化记忆功能的重要性，并呼吁用户反馈以推动OpenAI的未来发展。 insight: '' draft: true series: '' category: ai-ml area: tech-engineering project: [] people: [] companies_orgs: - OpenAI products_models: - GPT-4o - GPT-5 - GPT-6 - Codex - Sora media_books: [] status: evergreen --- ### 程序员定义重构 **主持人**: 大家好，这里是最佳拍档。二零二六年一月二十七号，OpenAI的CEO萨姆·奥特曼参加了Town Hall的一场公开专访，同全球AI生态系统的构建者们进行了一次深度互动。参与者包括从独立开发者到初创公司的CTO，从斯坦福学生到生物制药行业的从业者。他们的疑问直击AI发展的核心痛点，而萨姆·奥特曼的回应也勾勒出了AI对技术演进和社会影响的又一个图景。我们重点挑一些来回顾一下。首先一个问题是，人工智能的崛起是不是会导致软件工程师失业呢？这本质上还是**杰文斯悖论**在AI时代的具体体现。当AI大幅降低代码生成的门槛和成本，是会减少对软件工程师的需求，还是会刺激更多的软件需求，让工程师拥有更广阔的职业空间呢？ **萨姆·奥特曼**: 我认为真正的变革并不是需求的增减，而是对工程师这个职业定义的彻底重构。在他看来，未来的价值创造将不再局限于亲手编写代码、调试程序，而是更多的源于指挥计算机完成工作、替他人创造有价值的体验，以及通过构建软件来满足个性化的需求。这种职业形态的转变并非第一次发生，工程领域一直都在经历类似的演进。从早期的汇编语言编程，到高级语言的普及，从框架工具的出现，到现在AI辅助编程，每一次技术革新都降低了入门门槛，却让更多的人能够参与到价值的创造中，最终推动整个世界变得更加的软件化。 **萨姆·奥特曼**: 我进一步预测，未来我们将见证个人定制软件的大爆发。越来越多的人会使用专门为自己或者极少数人编写的软件，并且会持续定制属于自己的工具。如果我们将这种指挥计算机实现想法的行为视为广义上的软件工程，那么这个领域的实践将会迎来前所未有的繁荣。更重要的是，全球GDP中通过这种方式创造和消费的比例将大幅度提升。软件需求不仅不会放慢脚步，反而会以更加细分、更加个性化的形式持续的增长。这意味着，未来的软件工程师不再是单纯的代码编写者，而是需求的转化者和价值设计者。他们的核心竞争力将从编程技能，转向对用户需求的洞察、对AI工具的驾驭能力，以及将想法转化为实际价值的创造力。 ### 产品构建与市场推广 **主持人**: 当软件构建的门槛被AI大幅降低，新的瓶颈又会出现在哪里呢？来自现场的一位重度ChatGPT用户、同时也是开发者提出了这个疑问：现在的瓶颈，是否已经从能不能构建产品，转变为怎么样推向市场，找到愿意买单或者受益的人呢？ **萨姆·奥特曼**: 我对此深表认同。他结合自己在**YC**的工作经历谈到，创业者们长期以来都面临一个共同的认知落差，那就是原本以为最难的是构建产品，结果发现最难的是让别人关心、使用或者喜爱自己的产品，以及建立人和产品之间的有效连接。AI的出现虽然改变了产品构建的难度，但是并没有让市场推广变得更加容易。旧的商业法则依然适用，建立成功的企业、寻找差异化的价值、搞定市场推广，这些始终是需要克服的难题。 **萨姆·奥特曼**: 当然，AI也在改变销售和营销的模式。越来越多的企业开始利用AI实现销售和营销自动化，并且取得了一定的成效。但是这并没有降低市场竞争的激烈程度。核心原因在于，即使在一个物质极大丰富、产品层出不穷的世界里，**人类的注意力依然是极度有限的稀缺资源**。每一个潜在客户都被海量的信息和产品所包围，企业永远在和其他品牌争夺用户的注意力，争夺市场渠道和分销网络。 **萨姆·奥特曼**: 我甚至构想了一个未来场景：当一切物质和服务都变得极大丰富的时候，人类的注意力将成为仅存的稀缺商品。在这样的市场环境中，企业要想脱颖而出，必须具备极具创意的想法和真正伟大的产品。仅仅依靠技术的优势或者低成本的生产，已经远远不够了。这也意味着，未来的创业者不仅需要懂技术、懂产品，更需要懂用户心理、懂注意力的管理，能够在信息洪流中抓住用户的眼球，并且建立长期的信任和连接。 ### Agent生态与第三方开发 **主持人**: 随着多Agent技术成为AI应用的重要方向，另一个关键问题浮出水面：OpenAI是不是会垄断Agent构建工具领域呢？来自独立开发者乔治的提问，问出了许多开发者的担忧。他正在基于**Codex SDK**开发多Agent协调方法，而当前的Agent构建工具主要集中在工作流和链式提示词。作为第三方的开发者，自己的处境是不是安全的呢？未来是不是会有不同类型的多Agent界面共存的空间呢？ **萨姆·奥特曼**: 我的回应打消了开发者的顾虑。我明确表示，OpenAI并不认为自己掌握了最佳界面的终极答案，也不打算垄断这个领域。在我看来，用户的需求和使用习惯具有高度的多样性。就像老电影里的场景一样，有人喜欢坐在三十个屏幕前监控复杂的系统，进行精细化的操作；也有人只想要一种平静的语音模式，每小时只跟电脑说一句话，其余的工作都由电脑在后台自动完成。这种多样性决定了市场需要不同类型的多Agent来协调界面，人们需要通过尝试不同的方法来找到最适合自己的模式。虽然从长期来看，世界可能会收敛于少数几种主流模式，但是目前这个领域仍然处于探索阶段，存在广阔的创新空间。 **萨姆·奥特曼**: 我特别强调，模型的能力和大多数人理解并且利用这些能力之间，存在着巨大而且不断增长的鸿沟。而构建工具来填补这个鸿沟，正是当前行业所缺失的一个关键环节。OpenAI虽然也会推出自己的Agent构建工具，但是并不会阻碍第三方开发者的创新，因为用户的偏好是不一样的，单一工具无法满足所有的需求。我甚至鼓励开发者们提出自己的功能需求，OpenAI会根据这些反馈进行优化和迭代。 ### 通用模型发展趋势 **主持人**: 在AI模型的发展路径上，行业一直存在着专业化和通用化的争论。未来模型是会朝着单一领域的极致优化发展，还是会走向全面均衡的通用智能呢？来自Raindrop公司的CTO本·希拉克直指这一核心问题。他认为GPT 4.5是第一个真正擅长写作的模型，而最新的GPT 5，虽然在工具使用、中间推理等方面表现出色，成为了更好的Agent模型，但是在写作等领域却稍逊一筹，呈现出了偏科的特征。OpenAI是怎么看待这个现象的呢？ **萨姆·奥特曼**: 我承认，OpenAI在模型发展的过程中，确实存在着精力分配的优先级问题。GPT 5系列在写作能力上的不足，主要是因为团队将五点二版本的大部分精力都投入到了提升智能、推理、编程和工程能力上。由于资源有限，有时候难免会出现顾此失彼。但是这并不代表OpenAI的长期方向是模型的专业化。恰恰相反，我强调，未来的主流将是非常优秀的**通用模型**。OpenAI的目标是让模型在智能、推理、编程、写作等所有关键领域都变得全面卓越。 **萨姆·奥特曼**: 我进一步解释道，即使是专注于编程的模型，具备出色的写作能力也是至关重要的。当模型生成完整应用程序的时候，需要包含优质的文档说明；当模型和用户互动的时候，需要通过清晰的沟通和周到的个性表达来建立连接。这里所说的写得好，并不是指辞藻华丽，而是说思路清晰、逻辑严谨，能够准确的传达信息。我认为，智能具有相当的灵活性，单个模型完全可以兼顾多个领域的能力。随着技术的不断成熟，OpenAI会迅速补齐其他领域的短板，最终实现通用模型的全面发展。 ### 成本与交付速度竞争 **主持人**: 对于AI开发者和企业而言，模型的成本和速度是决定它商业化落地的核心因素。来自Unify公司的CTO提问说，随着永远在线的AI成为趋势，为客户运行数百万、甚至上亿个Agent的最大瓶颈就是成本。小模型将会有怎样的发展趋势呢？未来几年，开发者将迎来怎样的成本降低空间呢？ **萨姆·奥特曼**: 我给出了一个明确的预测：到二零二七年底，OpenAI将能够提供类似GPT 5水平的高级智能，而它的成本将至少降低一百倍。这个预测是基于OpenAI在模型优化上的持续投入，因为从最初的o1 preview到后续版本，OpenAI在降低成本曲线上已经取得了显著的进展。但是，我也同时指出，除了成本之外，另一个此前被忽视的关键维度，正在变得越来越重要，那就是**交付速度**。 **萨姆·奥特曼**: 随着模型输出变得越来越复杂，用户对响应速度的要求甚至超过了对成本的敏感度。例如，在实时交互、高频次查询等场景中，即使成本比较高，用户也更倾向于选择响应更快的模型。这就给OpenAI带来了一个全新的挑战：怎样在保持输出质量的前提下，同时实现成本降低和速度提升？因为这两者往往存在着一定的矛盾，提升速度可能会导致成本上升，而单纯的追求成本降低，又可能会影响响应的效率。OpenAI必须找到成本和速度之间的平衡点。这也意味着，未来AI模型的竞争，将不再仅仅是能力和成本的竞争，交付速度将成为关键的差异化优势。 ### 初创公司生存法则 **主持人**: 那么，AI的快速迭代是不是会让初创公司的生存变得更加艰难呢？初创公司的产品功能是否会轻易被模型的更新所取代呢？这也是许多创业者关心的问题。 **萨姆·奥特曼**: 我的回答是，虽然AI改变了软件构建的速度，但是构建一个成功初创公司的基本法则并没有改变。我强调，不要认为商业的物理定律已经完全改变。AI带来的最大变化，只是让人们能够更快的完成工作、更快的构建新的软件。而那些决定初创公司成败的核心要素，比如用户的获取、市场的切入、用户的粘性、护城河、网络效应、竞争优势等等，依然发挥着关键作用。 **萨姆·奥特曼**: 事实上，正是因为AI降低了创新门槛，才有更多的初创公司有机会实现突破，甚至在某些领域做出OpenAI本应该早点做，但是却错过的事情。这些初创公司通过建立真正的持久优势，已经在市场中站稳了脚跟。我还给创业者提供了一个重要的思考框架：如果GPT 6是一次惊人的重大升级，那么你的公司会因此高兴还是难过呢？我鼓励创业者们去构建那些随着模型变强而受益的产品，这类产品能够借助AI的进步，实现自身价值的提升，具有更强的抗风险能力。反之，那些仅仅依靠修补模型缺陷的生意，虽然也许能够存活，但是面临的竞争压力会更加大，发展的路径也会更加艰难。 ### 好想法的稀缺性 **主持人**: 在AI时代，构建产品的成本将大幅降低，但是好想法的稀缺性依然没有改变。来自现场的提问者指出，从消费者的角度看，人类的注意力是限制因素；但是对于构建者来说，限制得因素是想法的质量。很多AI公司的产品之所以无法获得用户的关注，核心原因就是缺乏真正有价值的好想法。那么，人们如何才能够提出好的想法呢？OpenAI可以构建什么样的工具来提高人们想法的质量呢？ **萨姆·奥特曼**: 我非常认同好想法是稀缺的这个观点。我认为很多人将AI的输出称为垃圾内容，但是人类也制造了很多的垃圾内容。这背后的核心问题就是好想法的缺乏。更重要的是，人类思考的边界往往受到工具的限制，而AI的价值不仅在于执行想法，更是在于帮助人们突破思考的局限，产生更好的想法。 **萨姆·奥特曼**: 我提出，未来需要构建能够帮助人们产生好想法的工具。随着创作成本的持续暴跌，我们将能够建立非常紧密的反馈循环，从而更快筛选出好的想法。比如，AI可以通过分析用户过去的工作和代码，找出对用户可能有用、或者有趣的东西，并且不断提出建议，就像一个很好的头脑风暴伙伴一样。 **萨姆·奥特曼**: 我举例说，我生命中有三四个人，每次和他们交流后，都会有很多新的想法，**保罗·格雷厄姆**就是其中的代表。如果能够构建一个保罗·格雷厄姆式的机器人，用户可以与之互动来激发新的想法，即使其中大部分的想法都很糟糕，只要能在一百个想法中筛选出五个有价值的，也将会对世界上诞生的优秀事物数量做出重大的贡献。 **萨姆·奥特曼**: 我还透露，在使用内部的GPT 5.2版本时，科学家们已经反馈，这些模型带来的科学进展不再是微不足道的。这让我相信，一个能够提出新的科学见解的模型，同样可以通过不同的框架和训练，提出关于产品构建的新见解。随着AI能力的不断提升，它将帮助人类打开全新的可能性空间，让好想法的产生变得更加高效。 ### AI与科学研究 **主持人**: 既然人工智能在科学研究中的应用已经展现出了巨大的潜力，那它会不会彻底取代人类的科学家，接管整个科学研究事业呢？这是来自一位年长科学家的疑问。科研过程中，想法呈指数级的增长，但是科学家用来执行研究的时间却是有限的。AI工具正在加速这个过程，但是人们会不会迎来模型彻底接管科研的过渡点呢？如果会，这是通过现有的算法就能实现，还是需要新的想法或者世界模型呢？ **萨姆·奥特曼**: 我认为，在大多数的领域，距离模型能够进行真正的、完全闭环的自主研究，还有相当长的一段路要走。以数学研究为例，它不需要湿实验室、或者生物和化学实验室，或者物理输入。理论上只需要通过极其深入的思考和不断更新的模型就能取得巨大的进展。但是即便如此，目前利用模型取得最大突破的数学家们依然高度参与其中。他们会观察中间过程，并且凭借直觉指出哪里感觉不对。这种人机协作的模式才是当前最有效的路径。 **萨姆·奥特曼**: 我用国际象棋史上的例子进行类比：当深蓝击败卡斯帕罗夫后，曾经出现过人类加AI比单独的AI更强的阶段。人类能够挑选AI的最佳步法，实现一加一大于二的效果。但是随着AI变得过于强大，人类的介入反而成了累赘。我怀疑许多研究领域也会经历类似的过程。随着时间的推移，科研问题将变得非常复杂，AI理解多步逻辑的能力将超越大多数人，甚至所有人。但是创造力、直觉和判断力，这些人类独有的特质，是当前这一代模型还远远未曾企及的。虽然我找不到原则性的理由说AI永远无法达到人类的创造力水平，但是，我假设最终AI可能会实现这一点。 **萨姆·奥特曼**: 就目前而言，仅仅让GPT 5或GPT 6去独立解决数学问题，远不如几个优秀的专家利用AI探索方向来得有效。即使模型可以验证结果，并且反馈回训练集，过程中依然需要人类的直觉和判断力的参与。不过，AI在科研中的辅助作用已经非常显著。我将AI称为**无限的博士后助理**。科学家可以利用AI对大量的新问题进行广度优先搜索，无需深入研究每一个问题，从而大幅提升科研效率。 ### AI时代的人类协作 **主持人**: 既然如今AI模型的强大能力已经能让人们随时随地的获得答案，这也引发了一个深刻的问题：如果能轻易的从AI那里得到结果，为什么还要花精力和他人交流协作呢？来自梅格娜的提问，聚焦于人类加人类加AI的协作模式。她想知道在AI普及的时代，人类协作的价值将如何体现。 **萨姆·奥特曼**: 我从教育领域的变化切入，分享了自己的经历。我上中学时Google刚刚出现，当时老师们试图让学生承诺不使用它，理由是，如果能随时随地的查到信息，为什么还要上历史课呢？为什么还要死记硬背呢？但是在我的看法，这种想法是荒谬的。拥有工具只会让人更加聪明、学得更多、做得更多。禁止使用AI，就像几十年前有了计算器，却还要强迫人学算盘或者计算尺一样，这并不是在培养一个有价值的技能。 **萨姆·奥特曼**: 我认为，AI确实对当前的教学方式构成了挑战，但是这并不意味着要拒绝AI，而是要改变教学的方式。人们依然需要学会思考，而写作是练习思考的重要方式。但是我们传授思考、评估思考能力的方法，必须随着变化而调整。同样，在协作领域，AI的出现并不会削弱人类协作的价值，反而会让人际联系变得更有价值，因为人们会更加重视和他人的相处，以及在合作过程中产生的情感连接和创意碰撞。这些都是AI无法替代的。 **萨姆·奥特曼**: 我透露，OpenAI正在努力衡量AI对人类协作的赋能效果，并且已经开始看到人们开始探索更加便捷的协作界面。在思考制造硬件设备时，OpenAI首先考虑的，就是协作式的多人加AI的体验。虽然目前还没有人完全掌握这种模式，但是AI在这方面的潜力令人惊讶。我构想了一个未来的场景：五个人围坐在一张桌子旁，旁边有一个AI助手。这个团队将比以往的任何时候都更具生产力。每次小组头脑风暴都会有AI参与，帮助团队梳理思路、提出建议、筛选方案，让协作变得更加高效。 ### AI风险与宏观安全 **主持人**: 随着Agent越来越多的投入到生产系统中，大规模部署带来的故障风险也日益凸显。现场提出了另一个核心问题：最被低估的故障模式是什么呢？是安全、成本还是可靠性呢？目前哪些方面的工作投入还不足呢？ **萨姆·奥特曼**: 我认为，安全、成本、可靠性这些问题都很重要，但是**最被低估的风险在于，AI工具的强大和便利性会让人们逐渐放松警惕，盲目信任模型的表现，从而忽视潜在的灾难性故障**。我分享了自己使用Codex的亲身经历。一开始我确信绝不会给Codex完全无监督的计算机访问权限，但是仅仅使用了两个小时后，我就发现Agent似乎在做正确的事，而且每次都要批准命令非常繁琐。于是我决定开启完全访问权限试一试，结果从此就再也没关过。 **萨姆·奥特曼**: 这种经历并不是个例。许多人在使用AI工具时都会有类似的感受：工具的便利性和强大功能让人难以抗拒，从而逐渐放弃对它的监督和控制。我担忧的是，虽然AI工具的故障率很低，但是这种低故障率会让人们产生麻痹大意的心态，抱着船到桥头自然直的想法，逐渐滑向一种听之任之的境地。更严重的是，随着模型能力的日益增强，人类越来越难以完全理解它们的行为。如果模型出现偏差，或者在长期使用中暴露出隐蔽的复杂问题，很可能会在不知不觉中引入安全漏洞。 **萨姆·奥特曼**: 虽然AI完全失控的可能性不大，但是，我强调，采用这些工具的诱惑，不仅是效率方面的提升，更有巨大的乐趣和力量。人们会被这种诱惑所裹挟，甚至来不及充分考虑运行这些工具的复杂性，或者是沙箱机制的可靠性。我认为，当前最缺乏的是**宏观安全基础设施的建设**，即能够从整体上监控、预警和应对AI故障的系统性解决方案。这不仅是技术层面的问题，还涉及到制度、流程和标准的建立。而这也恰恰是一个极佳的创业机会。谁能构建起完善的宏观安全基础设施，谁就将在AI时代占据重要的战略地位。 ### AI与K12教育 **主持人**: 最近，AI在教育领域的应用也引发了广泛的争议，尤其是在K 12阶段。当孩子们正处在学习解决问题、写作和思考的关键成长期，课堂上引入AI会带来怎样的影响呢？这是来自伯克利分校大二学生克莱尔的提问，同时结合了她作为学生的观察和对教育未来的担忧。 **萨姆·奥特曼**: 作为一位新晋父亲，我的观点非常明确：我不建议在幼儿园阶段使用电脑，更不赞成大量使用AI。在我看来，低龄儿童的成长应该以户外奔跑、玩实体玩具、学习人际互动为主，这些活动对于孩子的身体发育、社交能力和认知发展至关重要。我特别提醒，要警惕技术对低龄儿童的影响。目前关于社交媒体对青少年的负面影响已经有许多的讨论，但是很多技术对更年幼孩子的影响可能会更加严重，却鲜有人关注。所以，我建议在对这种影响有更深入的科学调查之前，幼儿园的孩子不应该大量的接触AI，甚至不应该过多的使用电脑。 ### 大学教育与实践 **主持人**: 聊完K 12教育，大学教育是否还是AI时代个人发展的唯一路径呢？来自伦敦一所大学的辍学生丹的提问，道出了许多年轻人的困惑。他的父母还在催他读完大学，而他自己则对大学教育会不会限制个人发展产生了怀疑。 **萨姆·奥特曼**: 我以自己的亲身经历回应了这个问题。我辍学后，父母念叨了十年才放弃让我回去读书的念头。我表示，父母的建议是源于对孩子的爱，他们想给孩子自己认为最好的人生路径。但是世界已经发生了巨大变化，并且还在不断的加速变化。每个人都应该根据自己的情况做出选择，而不是盲从社会灌输给你的既定路线。 **萨姆·奥特曼**: 我明确表示，如果你是一名AI开发者，现在可能不是待在大学里的最佳时机。对于雄心勃勃、想要主动解决问题的人来说，当前AI行业正处于千载难逢的特殊时期，大量机会涌现。**实践经验的价值甚至超过了传统的课堂教育**。我强调，学校随时可以回去读，这并不意味着上学对很多人来说是错误的，也不意味着未来不是正确的选择。但是此刻，抓住AI行业的发展机遇更为重要。对于那些有着明确目标和强烈主动性的人来说，投身实践、在真实的项目中积累经验，可能是更加高效的成长方式。同时，我也提醒年轻人要和父母充分的沟通，让他们理解自己的选择，毕竟家人的支持是个人发展的重要动力。 ### 招聘与面试新模式 **主持人**: 接下来，来自奥莱格的提问聚焦在了OpenAI的招聘策略。既然AI已经能够大幅提升编程效率，OpenAI为什么还在招聘软件工程师呢？过去这段时间，面试方式发生了怎样的变化呢？ **萨姆·奥特曼**: 我的回应是，OpenAI会继续招聘软件工程师，但是计划大幅放缓人员的增长速度。核心原因在于，只需要少量的人类工程师加上大量的AI工具，就可以完成过去需要大量人力才能完成的工作。我同时指出，当前的障碍在于，大多数公司原来的政策还没有准备好接纳大量的AI同事，这需要时间来进行调整。企业最不该做的就是疯狂扩招，然后突然发现有了AI之后并不需要这么多人，最后不得不进行痛苦的裁员。因此，对于OpenAI而言，正确的策略是放慢招聘的速度，保持对人才的精选，确保每一位员工都能和AI高效协作，实现能力的倍增。 **萨姆·奥特曼**: 关于面试方式的变化，我表示目前变化不大，但是OpenAI正在讨论改革方向。**未来的面试重点，将不再是传统的编程技能考核，而是转向评估应聘者利用AI工具的效率**。比如让应聘者在十到二十分钟内完成一项在去年可能需要一个人花两周时间才能完成的任务。我认为，传统的软件工程面试早就已经过时了。在AI时代，真正的核心竞争力，应该是驾驭AI工具解决复杂问题的能力。 **萨姆·奥特曼**: 我还提出了一个发人深省的问题：未来的赢家，会是那些只有少量员工、但是拥有大量AI同事的公司，还是完全由AI组成、只有一大堆GPU而没有人类的公司呢？我个人非常希望是前者。但是如果传统公司不积极采用AI，不招聘善用工具的人才，它们最终会被那些完全由AI组成、没有繁文缛节束缚的新型实体所淘汰。这对社会来说将是极大的动荡。因此，企业迅速、大规模的采用AI，已经成为了关乎生存和发展的关键。 ### 创作者与AI共生 **主持人**: 随着Sora等生成式AI工具的普及，人类创作者和AI辅助创作之间的关系，又将走向何方呢？来自创作者兼摄影师科尔的提问，反映了创意行业从业者的普遍困惑。 **萨姆·奥特曼**: 我从图像生成领域的发展中寻找答案。我指出，创意界对AI生成内容的态度，可以说是爱恨交织。而消费者的反应则揭示了一个核心趋势：研究显示，如果被告知作品是人类而不是AI创作的，人们的欣赏度和满意度就会大大提高。这背后的本质是，人类深切的关注着同类的创作，却对机器生成的内容缺乏情感共鸣。 **萨姆·奥特曼**: 我分享了一个有趣的测试案例。研究人员给那些声称痛恨AI艺术的人看十张图片，其中一半是由人类创作的，另一半是由AI生成的，让他们按照喜爱程度来排序。得出的结果相当一致：人们往往会将AI创作的图片排在前面。但是一旦被告知真相，他们的态度就会立刻反转，声称自己其实并不喜欢它。这个现象表明，人们对艺术作品的情感共鸣，不仅是源于作品本身的质量，更是源于创作者的人类身份，以及他背后的人生故事和创作动机。 **萨姆·奥特曼**: 我又举例说，当人们读完一本深爱的书，第一件事往往是去查阅作者的生平，因为他们感到和这个陌生人建立了某种精神上的联结，渴望了解作者的经历和想法。如果发现一本伟大的小说是由AI写出来的，很多人会感到失落和沮丧。这种情感反应并不是暂时的，而是将持续几十年的长期趋势。但是，我也同时指出，如果艺术作品中包含了人类的指导，哪怕只有一点点，人们似乎就不会产生强烈的抵触情绪。这就像数字艺术家使用Photoshop创作的作品，依然会受到人们的欣赏一样。人类的编辑、策划、创意指导等工作，为作品注入了情感和灵魂。 **萨姆·奥特曼**: 因此，我预测，在未来，创作者本身、他们的人生故事，以及在创作过程中所做的编辑、策划等工作，依然是非常的重要。**纯AI生成的艺术作品，很难获得和人类创作、或者人类辅助创作的作品同等的情感共鸣**。 ### AI个性化与记忆 **主持人**: 对于AI工具的个性化和记忆功能，来自旧金山州立大学毕业生基思·柯里的提问，聚焦于两个核心点：一是，个性化和记忆功能的未来发展方向；二是，更精细的控制权，比如对记忆进行分组，区分工作身份和个人身份，以便在不同的场景下，精确选择AI调用的内容。 **萨姆·奥特曼**: 我明确表示，OpenAI将大力投入记忆和个性化的功能。这不仅是用户的核心需求，也是提升工具可用性的关键。我分享了我的观念转变：过去我对AI访问我的私人信息感到顾虑，但是现在我已经准备好了让ChatGPT访问我的电脑和互联网上的所有信息，因为这带来的价值将是巨大的。AI将了解用户生活的方方面面，帮助用户管理自己的数字生活，提供个性化的建议。这种便利是无法替代的。 **萨姆·奥特曼**: 但是，我也强调，所有的AI公司以及整个社会，都必须高度重视安全和隐私问题。AI的效用越大，隐私保护的重要性就越高，不能因为追求便利而忽视安全风险。对于记忆分组的需求，他表示用户并不想手动分类工作记忆、个人记忆等内容。大多数用户都希望AI能够自主理解生活中复杂的规则、互动和层级关系，知道在什么时候使用什么信息，在哪里展示什么内容。这意味着，未来的AI个性化功能将朝着智能自主的方向发展。AI不仅能存储用户的记忆信息，还能理解这些信息的上下文和使用场景，自动进行分类和调用。当然，实现这个目标需要解决复杂的语义理解、场景识别和隐私保护问题，但是这正是大多数用户真正想要的，也是OpenAI未来的核心研发方向之一。 ### OpenAI未来愿景 **主持人**: 最后，奥特曼在访谈的结尾，呼吁所有的AI构建者和用户们提供反馈，告诉OpenAI他们想要什么样的功能和工具。他描绘了一个愿景：未来的OpenAI还将推出比当前模型强大一百倍、上下文长度增加一百倍、速度快一百倍、成本降低一百倍的模型。它能够完美的调用工具，并且具备极高的连贯性。而实现这个愿景的关键，正是来自全球用户和开发者的需求反馈。 **主持人**: 好了，以上就是奥特曼这次访谈的主要内容了。不知道大家是否有所收获。感谢收看本期视频，下期再见。