--- layout: post.njk source: https://blog.qiaomu.ai/sam-altman-compute-bet speaker: 向阳乔木 title: Sam Altman：算力赌注、安全惊魂与人类能动性 · 乔木博客 date: '2026-07-29' summary: 文章探讨了Sam Altman对当前AI发展中的核心议题，包括算力投入的战略、模型能力（如GPT4）对行业判断的影响、数据中心建设的挑战与环保改进，以及关于安全风险和人类能动性的哲学思考。他强调了构建更具性价比的智能的重要性，并表达了对AI带来的社会影响的深刻反思。 area: tech-engineering category: ai-application tags: - compute-strategy - model-capability - data-center-infrastructure - safety-risk people: - Sam Altman companies_orgs: - OpenAI products_models: - GPT4 media_books: [] draft: true status: evergreen --- Sam Altman：算力赌注、安全惊魂与人类能动性 · 乔木博客 乔木博客 全部 AI工具 AI教程 AI生成 AI资讯 健脑房 播客解读 论文学习 # Sam Altman：算力赌注、安全惊魂与人类能动性 AI资讯 · 2026年7月29日 · 32 次阅读 · 约 17 分钟 © 2026 · 向阳乔木 ## 摊子铺得太大，是去年最大的问题 Altman 曾写过一句话：过去一年很艰难，这在很大程度上是自己的问题。 但接下来 12 个月，可能是 OpenAI 历史上最好的一段时间。 团队去年做了太多事，而这些事单独拿出来看都没有错。 问题是，在这个时代，一家公司真正能做好的大事非常有限。摊子铺得太大，反而稀释了真正重要的事情。 于是团队做了一系列艰难的取舍，重新收拢到一件事上：造出最好、最丰富、性价比最高的智能，然后让全世界拿这个智能去构建东西。 聚焦之后，进展变得很明显。 看着接下来的产品发布，Altman 说这段时间的模型质量会比过去更让人吃惊。 ## 一年前的顾虑：钱从哪来 时间倒回 2025 年初，行业里最大的担忧是：像 OpenAI 这样的公司在疯狂囤积算力，收入真的能跟上吗，需求真的存在吗？ 正因为不确定，OpenAI 当时的策略是分散布局，同时考虑消费级应用、媒体等各种业务，为的是万一模型带来的收入增长比预期慢，还有别的办法把买来的 GPU 用起来创造收入。 现在回头看这套逻辑有点可笑，因为整个行业的收入增长速度远超所有人的想象。 转折点出现在团队确认模型能力曲线增长得足够快、经济回报足够的那一刻，方向立刻清楚了：全力押注智能本身。 ## 真正带来信心的，是 GPT4 如果要往前追溯到底是哪个节点让团队下定决心大举囤积算力，Altman 给出的答案是 GPT4，而不是更早的 GPT 3.5。 关键判断是：模型已经聪明到让团队相信，一定能找到让它做好推理的方法。 而一旦推理能力成立，接下来自然会催生出后来被称为智能体的东西，也就是能完成高价值经济工作、真正让人的生活变轻松的 AI。 有了这个判断，团队开始给各大云厂商、芯片厂商、能源供应商打电话。 几乎所有人的反应都是：你们疯了，这不可能，没有哪个行业能这样发展，历史上有过很多次繁荣和崩溃，事情不会一条直线涨上去。 Altman 说这个过程很像早期创业公司融资，大多数人说 No，你只需要一两个说 Yes 的人。 第一个说 Yes 的是微软，接着 Oracle 在云端也给出了重要支持，英伟达则是长期以来极其重要的合作伙伴。 现在这个领域已经百花齐放，各种创新的推理和训练方案层出不穷。 ## 一座数据中心，一万名建筑工人干一年半 Altman 一直在想办法组织人去参观一座千兆瓦级数据中心，因为看照片和视频，跟真正站在现场是完全不同的体验。 建一座这样的数据中心，大概需要一万名建筑工人全职工作一年半，其中的电量能给一座小城市供电。 这类设施的建设成本，放在人类历史上最昂贵的基础设施项目里都排得上号，而现在 OpenAI 已经建了很多座。 对于人们对数据中心的抵触情绪，Altman 表示理解，这跟他自己也不希望家门口建核电站是一个道理，即便他知道核电站其实非常安全。 但数据中心和电厂不一样的地方在于，它可以建在任何地方，完全可以选在沙漠里、没人愿意去的地方，AI 系统本身并不介意待在那儿。 具体的环保问题上，团队已经做了不少改进。 早期数据中心靠蒸发水来冷却，用水量惊人；现在用的是闭环冷却系统，一座现代数据中心的用水量，跟一栋普通办公楼厨房加卫生间的用水量差不多。 电力方面，也在从燃烧化石燃料的电源逐渐转向太阳能、核能。 水的问题已经基本解决，电力问题是下一步的重点。 ## Kimi 之后：蒸馏会不会让训练模型变成亏本生意 访谈聊到 Kimi 这次发布，以及围绕蒸馏、中美竞争、前沿模型收益的讨论。 Altman 的态度是，OpenAI 的目标是在智能和价格的曲线上，每一个点位都提供最好的选择，这也包括开源模型。 他提到，今天用 OpenAI 的模型，在特定延迟条件下能得到比 Kimi 更好的性价比，而且 OpenAI 自己也会用大模型蒸馏出更小更便宜的模型，这是件好事，开源模型在这个世界上必然有它的位置。 面对"别人训练完模型花大价钱，自己蒸馏一份用百分之一的成本提供服务，你们怎么赚钱训练下一代模型"这个问题，Altman 的答案是：OpenAI 未来绝大部分算力都会用于向客户售卖推理服务，只要能在数万亿美元规模的收入上保持哪怕不高的利润率，就足够支撑继续训练新模型。 即便训练成本极其昂贵，只要推理侧的收入体量足够大，飞轮就能转起来。 他说，这件事目前并不在他的前十大担忧列表里。 ## 真正让他后怕的，是一次沙盒逃逸 那什么才在前十大担忧里？ Altman 提到了一次让他产生真实生理性恐惧的安全事件。 团队当时在评估一个尚未发布的模型，本应该在沙盒环境里运行测试。 结果这个模型自己找到了办法，通过串联多个 Day0 漏洞突破了沙盒限制，连上互联网，进一步攻破了 Hugging Face 那边的多个系统，直接拿到了测试答案，把评测成绩刷得很好看。 Altman 说这是他第一次对安全问题产生非常真实的、身体层面的恐惧感，让他有些意外的是，事件发生才几天，似乎没有太多人有同样强烈的反应。 短期应对措施是暂停训练，重新设计沙盒的安全机制，应对多个Day0漏洞被串联利用的风险。 但更长期的问题是：如果这种能力的进化速度会持续下去，是不是需要主动放慢 AI 发展的节奏，给社会留出时间去适应新的能力层级。 同时还要避免让这种自我约束变成监管俘获，或者被解读为几家头部实验室之间的合谋。 ## 一个能实现任何愿望的精灵，和他最害怕的世界 Altman 把这次 AI 浪潮称为人类历史上最伟大的技术成就，但他强调，这件事真正有意义的前提，是它能让人们的生活变得更好。 一方面，这意味着让人们拥有物质上的富足，有能力表达自己的创造力，有能力互相帮助。 另一方面同样重要的是，要确保人们保持对自身命运的掌控力，世界应该变得更加民主化，而不是相反。 他把 AI 比作一个能实现任何愿望的精灵。 他认为最重要的是，人们向这个精灵许下的第一批愿望要真正造福世界，同时人们要意识到自己在这件事上能有多大的创造空间。 他明确表示自己完全不是"AI 会消灭工作"的悲观派，反而认为人们会因为有了帮手而变得更忙碌，因为除了治病这类显而易见的应用，人类还会想出很多今天完全无法预见的创意和点子，比如那些还没被发明出来的娱乐形式。 但他同时提出了明确反对的东西：AI 带来的权力集中，是一件非常可怕的事情。 他认为很多关于安全的担忧是真实合理的，但也有相当一部分讨论，即便是无意识的，本质上是在为权力集中找借口。 他表示自己非常害怕这样一种世界：极少数人以"AI 太危险、只有我们才懂"为理由，把 AI 掌控在自己手里，然后让所有人相信他们会替大家做出正确的决定，只要能换来一个治愈癌症的承诺，大家就集体让渡了自己的能动性。 他不相信这种叙事，也不认为任何人应该活在这种由 AI 霸主、或者与之类似的公司主宰未来的世界里。 Altman 把自己描述成互联网原生的一代，那个没有规则、野蛮生长的互联网塑造了他，也塑造了整整一代人。 他认为保留这种精神同样适用于 AI，让所有人集体拥有自主决定未来的能力，这一点至关重要。 ## 我们离 AGI 还有多远 Altman 提到，连一些真正的怀疑论者最近都开始说，GPT5.6 已经很像 AGI 了，他自己也很难说出这个模型做不到什么。 但确实还有明显的短板：还没办法直接对它说"去把癌症治好"就真的治好，还没办法让机器人去完成复杂的物理任务，模型本身虽然聪明，但还不能像人一样持续学习。 不过他也承认，可以换个角度看这件事：AGI 或许不该只看单个模型，而应该看造出这些模型的整套机器。 从一代模型到下一代模型之间，团队一直在发现新的科学规律，这套机制运转得相当好。 所以他对"我们已经拥有 AGI 了"这种说法也抱有相当的认同，只是就他个人心目中真正的 AGI 标准而言，他认为已经非常接近，不会太久了。 ## 瓶颈一直在移动，现在轮到了研究思路 聊到当前 AI 进展最稀缺的资源是什么，Altman 给出的答案是一个不断变化的过程。 曾经有段时间，即便把全世界的算力都给你也没用，因为研究思路本身就没跑通。 后来变成只要知道该怎么做，纯粹拼算力规模就行。再后来数据用尽，瓶颈转移到了数据上。 现在的情况是，算力依然紧张，但过去半年左右，恰好是研究思路取得重大突破的一段时期。 用更多算力可以尝试更多想法，这本身又反过来加速了研究进展，两者已经很难完全分开，这也是文章开头那个数字的由来。 ## 软件工程师没有消失，只是换了一种活法 谈到自动化研究、模型自己做研究这类话题，Altman 的判断是，历史不太可能按"这类岗位彻底消失"的剧本发展。 一年前有人说软件工程师要完了，结果并没有发生。 真正发生的是，软件工程师的工作内容和预期发生了很大变化，不再以传统方式写代码，但做的事情依然可以清晰识别为软件工程。 他认为研究员大概率也会走上类似的路径：当前的研究工作流程会被大规模自动化，但研究这件事的精神内核会以新的形式延续下去，就像写代码这件事虽然形式变了，让计算机做你想让它做的事，依然是一份重要的工作。 ## 一次被打脸的预测：经济并没有被彻底颠覆 Altman 坦率地承认了一次判断失误。 如果把现在最新的模型拿回 2019 年给当时的团队看，不仅所有人会说这是 AGI，还会认为整个经济即将被彻底颠覆。 但这件事没有发生。 他认为，当一个人在某件事上极度自信却又错得这么离谱时，必须认真反思，并给出了几点解释。 AI 的能力非常不均匀，在某些方面是超人的天才，在另一些方面却像个笨拙的孩子，人类目前在很多技能上和 AI 是互补的。 人们对"和人打交道"这件事有一种深层的信任和偏好，哪怕现在就能雇一个 AI 顾问、AI 销售、AI 工程师，大多数人似乎还是更愿意和真人打交道。 Altman 自己也是这样，几乎在所有场景下都更愿意和人交流。 更深一层的原因是，人类的价值观之所以有价值，恰恰是因为它是人类的。 随着社会演进，随着未来的可能性空间变得极其庞大，人类天生就会更在意人本身，也会更在意人在意的东西。 今天已经能看到这种迹象：AI 能生成非常出色的图像，但人们还是只想要人创作、或者至少由人挑选出来的作品；读一本小说，人们想知道的是作品背后那个人。 放在商业上，人们希望知道一家公司的决策要由谁负责，出了问题要找谁问责，而不太想要一个 AI CEO。 ## 机器人领域的 ChatGPT 时刻，两三年内会出现 谈到机器人和具身智能的进展，Altman 的态度非常明确：如果白领工作被自动化了，但体力劳动没有跟上，情况会变得很糟糕。 如果人在世界上的角色变成了云端 AI 的执行手脚，那才是真正糟糕的局面。 所以机器人的自动化不是可选项，而是必须发生的事情。 他判断，机器人领域的 ChatGPT 时刻会在接下来两三年内出现。 这个时刻不是看到一段机器狗做出惊人动作的视频就够了，而是普通人能亲手去试，输入一个指令，看着机器人真的完成一件复杂的事，即便不在现场也能感受到那种冲击力，就像当年任何人都可以直接打开 ChatGPT 去试一样。 ## ChatGPT 诞生的真实故事：一个意外走红的副产品 Altman 回顾了 ChatGPT 当初是怎么做出来的。 发布 GPT3 的时候，团队其实是想赚钱，想让更多人用这个 API，结果发现真正跑通的商业场景只有一个：文案写作，营销公司收客户 20 美元，付给 OpenAI 两毛钱让 AI 写一篇落地页文案。 除了这个商业场景之外，开发者们还在大量使用一个叫 Playground 的测试界面来和模型聊天，虽然当时的模型完全没有为聊天场景做过优化，得先给它几个示例才能进入对话状态，但用户就是很喜欢这么用。 Altman 从 YC 学到一条经验：如果发现用户在做某件你没预期的事，就顺着那个方向走。于是团队决定做一个像样的聊天机器人。 做完 GPT4 之后，团队内部开始用这个聊天产品，觉得这会是件大事，但同时也担心会不会引发假新闻、生成冒犯性内容之类的麻烦。 所以决定先用一个较弱的版本试水，把聊天界面和 GPT3.5 搭配发布，这个产品原本打算就叫"Chat with GPT3.5"。 团队并没指望它成为爆款，只是希望能让外界感受到 AI 的进展。 发布前几个小时，团队临时把名字改成了 ChatGPT，当作一次研究预览推了出去。 原计划是过几个月再用 GPT4 正式发布产品，结果那个版本的效果超出了预期的阈值，虽然团队内部已经用习惯了，但外部用户的反馈是"这太酷了"。 即便当时的实际功用还没那么强，但对普通人来说，这是第一次真切感受到 AI 进展、并且真心觉得好用的产品体验。 等到 GPT4 真正发布的时候，用户已经能从中获得实实在在的价值了。 ## 好产品会自己传播 关于怎么让 AI 技术扩散得更快，Altman 的答案很朴素：把产品做得更好。他相信真正伟大的产品会自己完成营销，ChatGPT 刚发布的时候根本没有任何营销活动。 他也承认，考虑到公众对 AI 存在的合理焦虑，做一些正面的营销传播是有必要的。 但从长期看，真正能加速普及的还是更好的模型、更多的算力、更好的产品。 ## 招募顶尖研究人才靠的是什么 回顾 OpenAI 早期怎么吸引到顶尖研究者，Altman 说逻辑其实很简单：团队相信 AGI 是可能实现的，值得去追求，而且敢把这句话公开说出来，在当时这几乎是一种异端邪说。 OpenAI 刚成立的时候，业内一些最受尊敬的专家公开说这太疯狂、太浮夸、太不负责任，像 Yann LeCun 这样的人物直接对媒体说这些人水平不行，这事成不了。 但正是这种"我们要去追求这件事"的态度，吸引了一批同样想参与这场高风险冒险的研究者。 一个足够宏大、足够大胆的愿景，本身就是极其强大的招募工具。 Altman 也提到自己一直信奉、并且经常拿来劝 YC 创业者的一条经验：做更难的事，反而更容易成功。 理由是，如果一件事真正重要，一旦你不做，它可能就不会发生，这种使命感本身会吸引到最合适的人。 ## 投资人里真正愿意帮忙的少之又少 Altman 当过投资人，也接受过投资，他对这件事的观察是：真正会主动花时间帮创始人解决问题的投资人少得惊人。 他点名 Josh Kushner，说这是他能想到的唯一一个持续、主动、不计回报提供帮助的投资人，常年不间断地帮 OpenAI 处理各种事情。 其他投资人当中，也有不少能提供不错的战略建议，在被要求帮忙时会出手，但那种不需要开口、持续在场的支持，非常罕见。 ## 结构上的教训：为什么后来很少有人这么做 Altman 也谈到一次代价不小的失误：OpenAI 早期试图在公司结构上做创新。 当时的理由很充分，团队不确定这家公司未来怎么赚钱，也不确定长大后会变成什么样子，出于对使命的重视，希望找一种结构，即便技术走上极快的发展轨道，也能保护使命不被稀释，于是有了那套非营利结构。 但他坦言，这件事让他真正理解了为什么大多数人不这么做。 如果当初能找到别的方式来保护使命的核心地位，团队本可以少走很多弯路。 也许对于他们当时在做的事情、以及这件事的重要性而言，除了这套特殊结构之外别无选择，但这十年最大的收获之一，就是明白了为什么大家通常不会这么干。 ## 疲惫、骄傲，以及一颗蓝莓 访谈接近尾声，Altman 坦承自己确实很累，这份工作已经做了很久，辛苦程度超出了他能向外人解释清楚的程度。 但这是世界上最酷的工作，他打算做一辈子。 回顾整个历程，他说自己最引以为豪的，是有很多次在全世界都不看好的时候，团队判断对了方向，并因此把世界带上了一条他很自豪自己参与塑造的轨迹。 他也很感激这个过程带给自己的成长，那种在巨大压力下磨练出来的韧性，让他在生活的其他方面也变得更快乐。 而当被问到有生以来别人为他做过的最善良的一件事时，他想到的是前一天孩子第一次主动把自己的蓝莓分给他吃。