奥特曼回应一切：ChatGPT不是美国版微信，Sora是为假视频时代「打预防针」|附万字采访

我们已经可以认真讨论「零人公司」这件事了。

2025 年 DevDay 现场，OpenAI CEO Sam Altman 在接受博主 Rowan Cheung 的采访时抛出了这个观点。语气轻松，但分量不轻。

数据支撑着他的底气：ChatGPT 用户周活跃用户突破 8 亿，周活跃开发者突破 400 万，最近发布的 AgentKit 让普通人几分钟就能搭建复杂 Agent，AI 也开始在数学和科学领域做出「小小的发现」。

这些成就背后藏着一个更深的问题：当 AI 能完成越来越多的工作，「工作」本身还意味着什么?在 Altman 看来，50 年前的农民无法想象坐在办公桌前敲键盘也能叫工作，就像我们现在也无法想象未来人类会把时间花在哪些事情上。

不同的是，这次转变的速度可能快到让人措手不及。

整场访谈中，Altman 展现出一种难得的坦诚。他承认 OpenAI 在某些测试上输给了竞争对手，承认提前发布 Sora 是为了让社会接受假视频的冲击，承认「AI slop」(AI 垃圾) 确实是个问题——但话锋一转，他补充道：人类自己也一直在制造烂活儿。

采访最后，Altman 耐人寻味地表示，他很羡慕现在 20 岁的创业者，因为有了 AI，机会空间「实在太广了」。

采访省流版：

关于产品发布和未来方向

核心重点是智能体（Agent）：他个人对 Agent 的方向最感兴趣，并认为将 Apps 与 ChatGPT 结合会非常强大。

Agent Builder 是革命性的：他认为从 GPT Builder 到 Agent Builder 的最大飞跃是模型本身能力的巨大提升。现在的 Agent Builder 实现了「无代码革命」，让普通知识工作者也能轻松构建复杂的智能体系统，这是软件开发领域地震式的变化。

语音交互潜力巨大：他不认为语音是唯一的最终交互方式，但在许多场景下是一种非常自然、被低估的交互方式。当前智能音箱体验不佳是因其背后的 AI 不够强大，而非语音交互本身的问题。

关于 AI 的发展和影响

开发速度将极大提升：AI 工具将使软件开发周期一降再降，让创业者可以极快地测试和迭代想法。

自主智能体即将到来：他认为，像 Code Interpreter 这样能独立完成「一周工作量」的智能体，可能很快就能实现，并非遥不可及的目标。技术突破的关键在于更聪明的模型、更长的上下文处理能力和更好的记忆系统。

AGI 的核心是发现新知识：对他而言，AGI 最重要的衡量标准已不是通过某个测试，而是 AI 开始具备「发现新知识」并扩展人类知识边界的能力。他对此感到非常乐观。

社会将快速适应 AI：他以「图灵测试」被超越后社会迅速适应为例，认为人类也会很快习惯 AI 做出科学发现，以及适应由 AI 生成的、真假难辨的视频内容。

关于创业和商业模式

创业者的独特优势是在实践中发现的：他建议创业者从「有用、能跑得通」的事情做起，在过程中逐步发现并形成自己的长期优势（护城河），就像 ChatGPT 的「记忆」功能一样，是事后才发现其巨大价值的。

OpenAI 不想做「超级应用」：他们的目标是构建一个强大的「AI 超级系统」，而不是像微信那样的「超级 App」。因此，功能（如 Sora 视频生成）可能会作为独立应用存在，以适应不同的用户场景和心态。

Sora 等新产品的商业模式仍在探索中：他提到，可能会尝试让用户付费生成视频，并与授权肖像的名人进行「收入分成」，但最终的商业模式（按次计费、订阅或广告）将取决于产品的演化和用户的主流使用方式。

关于社会和未来

「AI 制造垃圾工作」是伪命题：他认为低效工作（slop）是人类固有的问题，而非 AI 独有。经济体系会自我纠正，最终奖励那些高效使用工具的人。

未来工作的形态会彻底改变：以「农民」作类比，他认为未来由 AI 创造的新工作在我们看来可能「不像真正的工作」，但人类依然会找到新的目标和意义。他担忧的是转型的短期阵痛。

需要全球性的 AI 安全框架：他认为，随着模型越来越强大，世界需要一个全球性的框架来降低潜在的灾难性风险，这个框架应从一个完善的「测试机制」入手。

附上 Rowan Cheung 采访视频地址：

https://www.youtube.com/watch?v=zwnVUiwObl8

另外，今天凌晨，Sam Altman 接受 a16z 的访谈视频也正式公开，我们也整理了其中几个值得关注的观点。

OpenAI 的核心愿景：

最终目标是构建通用人工智能（AGI）并使其对人类有益。

实现这一目标的主要方式是为用户提供「个人 AI 订阅服务」，这个 AI 将深度了解用户，并在各种设备和服务中提供帮助。

产品与 AGI 的关系（共同进化理论）：

像 ChatGPT 和 Sora 这样的产品，不仅是消费级应用，更是实现 AGI 的关键步骤。

它们不仅能推动核心研究（如 Sora 帮助构建「世界模型」），更重要的是能让社会与技术「共同进化」，帮助公众逐步理解和适应即将到来的技术变革，避免技术成熟后突然冲击社会。

对未来的关键预测（AI 科学家）：

Sam Altman 个人最兴奋的未来方向是「AI 科学家」。他认为，衡量 AI 的真正标准不是图灵测试，而是当 AI 能独立进行科学研究并做出新发现时。

他预测，在两年内，AI 模型将能够承担更大规模的科研任务，并做出重要的科学发现，这将是推动人类社会进步的巨大变革。

商业与战略：

激进地投资基础设施：由于对未来的研究路线图和模型经济价值极度自信，OpenAI 正在进行大规模的基础设施投资，并与整个行业的众多公司（如 AMD、Oracle、NVIDIA）展开广泛合作。

对广告模式持谨慎开放态度：他认为广告并非完全不可行，但用户信任是绝不能破坏的底线。任何为商业利益而牺牲推荐质量的广告模式（如付费推荐产品）都是不可接受的，因为这会摧毁用户与 ChatGPT 建立的信任关系。

支持开源：他认为开源是件好事，并对自家开源模型的受欢迎程度感到高兴。提供高质量的开源模型也是一种重要的战略，可以为全球开发者和学术界提供可靠的选择。

关于版权和数据训练的看法：

他大胆预测，社会最终会认定，用于模型训练的数据属于「合理使用（fair use）」。

但他认为，直接用 AI 生成受版权保护的内容，则会出现新的规则和商业模式。

他观察到一个新趋势：许多版权方已经从担忧「AI 用了我的角色」转变为担忧「AI 用我的角色用得不够多」，他们希望在保证角色形象不受损害的前提下，通过 AI 互动来提升 IP 价值和粉丝粘性。

附上 a16z 采访视频地址

https://www.youtube.com/watch?v=JfE1Wun9xkk

Rowan Cheung：现在是 2025 DevDay，你能不能总结一下今天公布了哪些内容？你个人又对哪部分最感兴趣？

Sam Altman：我对所有内容都很兴奋。嗯，我很关注 ChatGPT，这其实是我一直想做的事情——和人们聊聊他们在用它做什么。

智能体（agent）这个问题也让我很感兴趣，很多关于 agent 的内容我真的很想亲自用用。但如果非要说一个重点，我觉得 Apps 和 ChatGPT 的结合会非常棒。我很喜欢 Agent 这个方向。

Rowan Cheung：如果让我作为一个开发者去尝试一些酷炫的东西，那我可能会从那里开始。另外我们现在有八亿用户了，恭喜啊，这真的很了不起。显然，ChatGPT 已经成为下一个重要的分发平台。

现在开发者可以通过 Apps SDK 构建基于 ChatGPT 的应用，我觉得这是一个巨大的机会。

Sam Altman：我觉得我们还需要一些迭代，来摸索出人们真正想怎么用这些东西。比如：用户到底更倾向于通过调用某个应用来完成任务，还是希望 ChatGPT 本身就知道他们想干什么并主动推荐？

我认为，开发者最终会找到一种新的分发机制，非常适合他们。但说到底，这些产品推向世界后，总是会带来一些意想不到的惊喜。

Rowan Cheung：我记得你们也发布了一些文档，教大家怎么更好地被推荐，是吗？

Sam Altman：是的，不过也要加一句常规提醒：这是全新的产品，变化很快，我们会边走边学。但没错，这些文档我们今天就会发布。

几分钟部署智能体，软件开发真的在「地震」

Rowan Cheung：我很想读一读那些文档。嗯，我们来聊聊 Agent Builder（智能体构建器）吧，回到第一次 DevDay 的话题。

两年前，你们发布了 GPT Builder，那真的很棒。我记得我好像是最早构建公开 GPT 的人之一。那么，从那时候到现在，你们做了哪些重大改进，才有了今天的 Agent Builder？

Sam Altman：最主要的变化就是模型本身变得更强大了。我们等下会谈到很多方面，但我回头想想那次首次 Dev Day，模型能力的差距真的非常大。虽然也就二十几个月，但我们已经走了很长一段路。

除此之外，我们还学到了很多用户想如何构建这种智能体工具。他们也希望能把这些智能体部署到 ChatGPT 之外的其他平台上。

我觉得最惊喜的是，现在构建一个复杂系统变得非常简单。比如你现在可以直接用一个可视化工具，把几个文件上传，配置一些数据源，告诉它你要实现什么目标，然后就可以部署了。整个流程只需要几分钟。

昨天我们还在内部演示，我第一次完整看了一遍整个流程。像 Code Interpreter（代码解释器）、Agent 工具包这些东西，加上整个构建体验，让我觉得软件开发经历了一场地震式的变化。我自己都还没完全弄明白这会带来多大的影响。

Rowan Cheung：如果我理解没错的话，在 Agent Builder 里，基本上可以零代码构建智能体对吧？

Sam Altman：对，完全可以。

Rowan Cheung：当然，懂点编程会更有帮助，能做更复杂的功能，但普通的知识工作者也可以上手构建。

Sam Altman：没错，人人都可以构建智能体。

Rowan Cheung：这听起来几乎就像是一次「无代码革命」，只是这次是针对智能体的。

Sam Altman：完全同意。就像你说的，懂一点或很多代码确实能做出更强大的东西，但最重要的是，现在的入门门槛已经非常低了，几乎人人都能开始尝试。

Rowan Cheung：你觉得这些变化会对下一波创业者或者开发者产生什么影响？

Sam Altman：这正是我最近一直在努力思考的事情。我在后台看演示时就在想——这些东西在一年前做起来要花费很长时间。而现在，你几乎可以实时做出来。说真的，我现在已经快跟不上点子生成的速度了。

我还不确定这会如何演变，但很明显，全世界将会有越来越多的软件被写出来。测试和迭代的速度会不断加快，开发周期会一降再降。

只是……我现在真的很难完全想明白这意味着什么。我觉得最明显的变化是：一切都会发生得更快，你可以快速尝试很多想法，更快地找到更好的方向。但除此之外，还会带来什么变化，我也说不好。

「一人公司」离我们只差几个 prompt

Rowan Cheung：我听说你和朋友之间还有一个打赌——猜测第一个靠 AI 智能体赚到十亿美元的公司会什么时候出现。你觉得 Agent Builder 会让这个目标更接近吗？

Sam Altman：可能还没到那个时候。嗯，之前我们打赌的点是：第一个「一个人公司」靠 AI 赚到十亿美元会何时诞生。虽然我们没正式立个规则，但大家一直在猜什么时候会出现第一个这种公司。

Rowan Cheung：那「零人公司」呢？是几个月，还是几年？

Sam Altman：我猜，可能还需要几年。但关键是——我们现在已经可以认真地去讨论这样的一天了。你可以直接在 ChatGPT 里写个提示词，然后它就能帮你搞定一切。

Rowan Cheung：这已经非常疯狂了，我完全同意。不过 2025 年原本被很多人认为是「智能体元年」。我们确实看到了一些还不错的智能体产品，但它们仍然需要大量人工监督和反馈。你觉得什么时候我们才能拥有那种一整周都不需要人干预的智能体？

Sam Altman：我觉得，像 Code Interpreter（代码解释器）这样的工具，距离完成「一周的工作量」其实已经不远了。虽然听起来有点疯狂，但我觉得这并不是一个遥不可及的 2025 年目标。

今天我还和一些人聊起这事，他们也很惊讶地说：「它现在真的已经能完成一天的任务了？怎么发展得这么快？」老实说，我通常不会觉得 AI 的进步有多夸张，但在 ChatGPT Code Interpreter 能完成的任务长度这个方面，我真的感受到一种爆炸式的进展。所以我猜，一周级别的任务，可能真的很快就能实现。

Rowan Cheung：那要实现这种 Agent，还需要哪些技术上的突破？

Sam Altman：更聪明的模型、更长的上下文处理能力、更好的记忆系统。

Rowan Cheung：好的。你们现在有了 AgentKit、持续升级的模型、Codex，还有 API。看起来现在真的能构建太多东西了。那如果你回到过去，把一个刚从斯坦福退学的 20 岁年轻人带到现在，并让他拥有我们今天所有的工具，你觉得他该做什么，不该做什么？

Sam Altman：我前几天其实还真在想这个问题。老实说，我挺羡慕现在这代 20 岁的创业者们的，因为他们能做的事情太多了，机会空间实在太广了。过去几年里，我一直没腾出真正完整的时间去深入想「我要做什么」，但我知道现在有非常多值得构建的好产品。今天和现场很多人聊天，也被他们正在做的项目震撼到了。真的很棒。

Rowan Cheung：我自己也是从零开始，我觉得现场很多开发者可能也是这种状态。现在能做的东西太多了，你有没有什么建议？比如说，在构建产品时，应该寻找怎样的「独特优势」？是分发方式？数据？还是某种工作流模型？

Sam Altman：这个问题抽象地讲我一直觉得挺难回答的。因为我认为最好的「独特优势」，往往是你自己为你要做的事情量身打造的。我们在 OpenAI 也花了很多精力去找到这一点。我觉得这没有通用的「最佳答案」。

最好的回答应该是：你找到了一些，只对你当前产品、技术、市场定位在这个时间点上才成立的独特东西。而这类东西，往往就构成了你能创造巨大价值的核心。

不过，有一点通用的建议我可以说：你是在做的过程中逐步发现优势的。我很喜欢一句经典的商业名言——「让战术变成战略。」

你可以先从一些「有用、能跑得通的事情」开始，往往在这个过程中，就会慢慢浮现出某些可以上升为战略的东西。

如果你在我们刚开始做 ChatGPT 的时候问我：「你们未来会有什么持久的优势？」我可能会说「我也不知道」，或者给你一堆猜测，但不会有特别自信的答案。

但现在回头看，像「记忆」功能，其实就成为了一个非常强的竞争优势，也是用户持续使用 ChatGPT 的重要原因之一——可当时我们压根没想到这点。

所以你在构建功能时，有时会意外地发现：「哇，这个点其实可以成为我们长期的护城河。」这就是你一边走、一边找、慢慢形成的过程。

Rowan Cheung：有没有什么迹象能告诉我们，现在在构建产品时应该朝着哪种「长期优势」去努力？比如说该怎么为 GPT-6 时代布局？或者说，现在到底该怎么思考产品构建这件事？

Sam Altman：这个嘛，最终还是得你自己去摸索出来。当然如果有时间我很乐意参与头脑风暴，这事儿本身就挺有趣的。

但说实话，OpenAI 现在几乎占据了我全部的脑力空间，我已经没有什么机会去认真思考怎么创业了，这点其实还挺遗憾的。

我觉得 AI 虽然改变了世界上很多事情，但它并没有改变一个公司获得优势的底层机制。

比如说，网络效应、品牌和市场优势、用户数据、平台或市场的双边效应等等，这些因素过去行得通，现在依然有效。如果你去列一个近几年成功企业的清单，那些驱动力大概率现在也还适用。只不过，现在可能会有一些新的策略、新的打法罢了。

OpenAI GDPval: A New AI Benchmark for the Future of Work

Rowan Cheung：最近发布了一个叫 GDPval 的基准测试，用来衡量模型在现实经济中、尤其是典型知识工作岗位上执行任务的能力。让我有点意外的是，GPT-4.5 的表现排在第二，第一名是一个封闭服务模型。你们还没发布 GPT-5，但你对这个结果感到惊讶吗？

Sam Altman：一点也不惊讶。首先，如果我们只能在排名第一的时候才发布产品，那就太糟糕了。我们不可能在所有事情上都做到最好，这很正常。想要长期变得更好，文化里必须包含一个元素：坦然承认在某些基准测试上别人更强。

有时候别人就是做得比你好。说实话，那家公司确实在理解企业级使用场景上做得很出色，而且输出格式也非常漂亮。我并不惊讶，反而觉得这激励我们继续提升。

Rowan Cheung：这个基准测试有没有影响你们在构建 GPT-6 时的方向？

Sam Altman：它会影响我们后续训练（post-training）的一些方式，但整体上我们对 GPT-6 的核心策略是不会改变的。

Rowan Cheung：你之前说过，你对 AGI（通用人工智能）的定义是：当它在大多数具有经济价值的任务上超过人类。那么，如果某个模型在 GDP-V 的得分达到某个程度，你会认为 AGI 实现了吗？

Sam Altman：我最近也在认真思考这个问题。首先，像很多人一样，我对 AGI 也有多个定义。离目标越近，这个概念反而越模糊。

但对我来说，最重要、也是让我最惊喜的一点是：我们已经开始看到 AI 具备「发现新知识」的能力了。也就是说，AI 可以扩展人类目前的知识边界。虽然现在这些例子还很小，但这才是我最在意的突破。

我真的不想把这件事说得太夸张，但你现在可以在 X 上看到很多例子，科学家们在各个领域都在说：「AI 做出了一个小小的发现」、「它提出了一种全新的方法」、「它解决了某个我们一直没解开的难题」。而这些背后的原理，我们可能也还没完全理解。

就是这种感觉。现在还只是刚刚开始而已，而我们对未来几个月、几年能在这个方向上持续推进感到非常乐观。这件事意义非常重大。它可能是我最关心的、最接近 AGI（通用人工智能）的那部分能力。

APPSO 注释：在 a16z 的采访视频中，根据 Sam Altman 的观点，OpenAI 的整体愿景和核心使命非常简单，那就是打造通用人工智能（AGI）并让它真正为人类服务。实现这一宏大目标的主要方式，是为每个人提供一种「个人 AI 订阅服务」。这个个人 AI 将随着时间推移深度了解用户，变得越来越有帮助，并且用户可以在 OpenAI 自家的产品、登录其他第三方服务，甚至在专属硬件设备上随时使用它。为了支撑这一切，公司必须构建庞大的基础设施，这些设施目前主要服务于这个核心目标和相关的研究。

他强调，如此大规模的基础设施投入远超单个公司的能力，需要获得行业大部分力量的支持与协作。因此，OpenAI 将与众多公司展开广泛合作，合作范围覆盖从底层的电力、电子供应到上层的模型分发系统等所有环节，并且可以预期在未来几个月里会宣布更多新的合作关系。

Rowan Cheung：有没有哪个具体的科学突破，是你特别兴奋、特别希望 AI 能帮我们实现或解开的？

Sam Altman：当然了，比如说治愈某些疾病，或者发现全新的物理规律，这些都是非常令人兴奋的方向。即使是现在正在发生的一些「小事」，也同样令人振奋。比如在数学领域的一些进展，也给人一种特别振奋的感觉——就像 GPT-4 刚发布时带来的那种冲击感。

我知道大家对「图灵测试」到底是什么意思还存在很多争议，但从大众的角度来看，图灵测试曾经是一个看起来遥不可及的目标。然后，突然之间，它被「通过了」。可整个社会几乎没有什么反应。

Generative AIs: A Socially Distributed Turing Test*

人们可能讨论了两周，然后就开始说：「这玩意儿怎么还这么慢？」、「能不能再做得更好点？」我觉得这其实也说明了人类的伟大——我们非常善于适应。曾经被视为衡量 AI 智能的终极测试，突然之间就被超越了，而我们也很快就习惯了。

我现在有种类似的感觉：我们也会很快习惯 AI 做出科学发现这件事。

Rowan Cheung：感觉有点像电影《Her》里人类适应 AI 的情节。

Sam Altman：是的，只有第一次觉得奇怪。

Rowan Cheung：没错，奇怪也就那三分钟，之后你就习惯了。嗯，我确实感受到了这种趋势。最近有一个新术语叫做「slop」，意思是那些看起来很精致、但其实很低效的工作成果。它们通常需要反复返工才能真正有用。

一项针对上千名测试用户的调查显示，有 41% 的人表示他们在过去一个月里，曾从同事那里遇到过这种「slop」工作流。每次「清理烂摊子」平均花费 1 小时 6 分钟，每名员工每月因此造成的损失大约是 100 美元。

那么，如果 AI 能够让部分人（比如在这个活动现场的很多人）效率提升 10 倍，我们该如何进行教育？如何帮助老师和普通人理解：什么时候该用 AI，什么时候不该用？

Sam Altman：首先，要说的是，人类自己其实也常常制造「slop」工作流，所以这并不是 AI 独有的问题。比如那种「写邮件只是为了制造更多工作」的人，你懂我意思吧。

就像会议也是一样，明明是为了协作，结果反而变成拖累。所以「slop」不是新现象，它在 AI 出现之前就已经存在了。过去就有一类人会用工具提高效率，也有另一类人只是在制造混乱和负担。

我觉得我们也没必要对 AI 抱有不切实际的期待。经济体系是自我纠正的——那些真正用工具提高效率的人和公司，最终会获得更多影响未来的能力；而那些用 AI 拖累组织的人，会自然被边缘化。

像所有新工具一样，AI 的使用也有学习曲线，但我相信这个学习过程会相对快速。

Rowan Cheung：那 OpenAI 有没有做什么事情来帮助大家在教育和入门阶段更好地掌握这种「使用直觉」？

Sam Altman：有的，我们确实在做这方面的工作。人们使用工具的方式就是他们自己的方式。有一件事我学到了，那就是：哪怕你提供了再好的教学内容、培训资源，最后人们还是会发现他们可以用它来——比如说，让 ChatGPT 模仿海盗说话，然后他们就真的去这么做了（笑）。

但我们确实在努力创建很多内容，帮助人们在真实工作场景中高效使用 AI。比如在 Codex 的推广过程中，很多公司采用它的速度非常快，甚至在几天或几周内就完成了工作流程整合，效果非常好。

ChatGPT rolls out Codex, an AI tool for software programming

Rowan Cheung：回到「slop」这个话题，其实这是世界上第一个「以 AI 为中心」的工作年。

Sam Altman：是的，可以说是整个互联网都在经历这个转变。

Rowan Cheung：你会不会觉得，这种变化也像你之前提到的——目标设得太高，比如 GPU 的使用、算力的投入，等等？

Sam Altman：其实这是我原本以为会很奇怪的事情，但结果出人意料地没那么怪。甚至有点反常识——你翻看上百个例子，反而比你只看一个还要自然一些。

我当时一边看，一边还在想这个问题。对了，我还刚完成了一次环球旅行……

在产品上线前，团队里有个人发消息问我：「我们能不能把你的那个骆驼形象开放访问？」那一刻我几乎没想太多，8 秒内就回复了同意。但后来想想，其实这事儿也许值得更认真考虑一下。只是当时我心里也想——这是一项新技术。

我知道，如果我连尝试都不愿意，那确实是我的问题。所以我就决定：那就试试吧。后来我坐飞机的时候，终于有点时间思考，就开始想：

「这会不会是一次很奇怪的体验？」

然后我自己回答自己：「嗯，可能确实会有点怪。」

结果产品上线之后，我看到一些苗头了——因为 OpenAI 内部的人在测试期间，已经做了很多以我和其他人为主题的 meme。

那天我人在亚洲，半夜醒来发了条推文，就又睡回去了。六小时后醒来，我打开手机一看：全是 meme、meme、meme……

ChatGPT parent company OpenAI announces Sora 2 with AI video app

就这样被刷屏了。

最初几分钟确实觉得有点奇怪，但也就三分钟而已。之后我就释然了，觉得：「好吧，这就是一个充满生成视频的应用。」这些内容挺搞笑的，我也能乐在其中，笑一笑就过去了，并没有留下什么奇怪的感觉。

Rowan Cheung：我唯一有点担心的是那些「水印移除工具」。现在市面上有几家公司发布了这种功能，我看到有工具可以移除水印。

那如果我允许别人用我的形象，他们之后可能会把水印去掉再发到社交媒体上。这样会不会对我的个人品牌有负面影响？这个权衡该怎么做？

Sam Altman：首先，我们之所以愿意发布这种技术，是因为我们看到某些趋势已经不可避免地在靠近——无论几个月还是几年后，它都会变得广泛可用。届时会有优秀的开源模型，任何人都可以用它制作一段你的视频，让你「做」任何他们想让你做的事情，只要你在互联网上有公开资料，就有可能被生成。

当然，社会最终会适应这种变化，但我们认为，提前发布并设置好「防护栏」，是一种帮助社会逐步适应的好方法。我们以前在文本生成技术上也是这样做的。视频则会更难适应，因为视频的冲击力远大于文字。

但我相信大家会学得很快——会很快意识到：网上将会出现大量没有水印、来源难以追踪的虚假视频，它们是由某个开源模型生成的，这种事是不可避免的。

所以，提前让社会「接种」这种现实的冲击，可能是有价值的。

Rowan Cheung：所以，「无法分辨真伪的视频」是目标吗？

Sam Altman：我们最终的目标是 AGI（通用人工智能）。在实现 AGI 的过程中，高质量的视频生成会是非常重要的一环，原因有很多，特别是在我们从「世界模型」中学习的时候。

希望有一天我们能在机器人领域也取得真正的进展，那时视频也会非常关键。

而且我并不希望未来人类与 AI 的交互界面只有文字。我非常期待那种可以通过实时视频流与 AI 互动的未来，它能带来一种全新的用户体验。

所以我觉得这是好事。但更重要的是，我认为这条路对于通向真正的 AGI 来说，是非常关键的一步。

Rowan Cheung：你们上周五发了一篇博客，说你们正在探索「收入分成」机制，回馈那些允许用自己面孔生成内容的人。你可以多分享一些细节吗？这机制会怎么运作？

Sam Altman：可以。其实很多时候你发布一个新产品，用户的使用方式会超出你的预期。

我们原本以为会是少量创作者在用它制作一些很酷、很复杂的视频，然后被更大的观众群体观看和传播。

确实有一部分人是按照我们预期的那样在用这个产品，但实际上，更多人是为了自己和三两个朋友制作视频，然后发在动态里，或者只是在群聊中分享一下，不是公开发布在平台上。

我不确定这种用法是昙花一现的新鲜感，还是会持续下去。但如果它真的持续下去，那就会彻底改变我们对计算资源需求和用户互动方式的预期模型。也许我们会考虑允许用户付费生成视频。

比如说，你一天想生成 100 个视频发给朋友，那没问题。如果你还想让视频里出现某个名人，而那位名人愿意授权，那么他们也可以从中获得一定的生成收入分成。所以我们会在这方面做些尝试。

但我也得说，现在就对一个只有六十天的新产品下任何定论都还为时过早。也许这个方向最终根本不成立，也许这根本不是一个真正的「使用场景」，但至少到目前为止，它是一个挺大的趋势。

Rowan Cheung：你们有没有考虑过在这个产品里加入广告的可能性？

Sam Altman：目前还没有，但我觉得这个方向确实有一些值得探索的地方。当然，它也有一些让人感到非常可怕的潜在风险。

不像 ChatGPT，那边我们已经跑得挺顺，有清晰的订阅制商业模式。而如果这个视频产品最终的主流用法变成：大家看搞笑内容或高质量视觉内容——那可能就更适合走广告驱动模式。

但如果大多数内容都是私密分享，比如私信里的视频，那就可能是完全不同的模式。

所以乐观来看，也许到今年年底——或者这可能太乐观了，可能要等到明年第一季度末，我们才能真正理解这个产品的最终形态，然后再根据它的走向设计相应的商业模式。

至少目前来看，我觉得按次计费、按生成数量收费，是一个合理的方式，值得我们去尝试。但其他的商业化策略，还要看产品接下来如何演化。

APPSO 注释：在 a16z 的采访中，Sam Altman 也强调，他对在产品中引入广告持谨慎的开放态度，并区分了他欣赏的广告（如 Instagram 上帮助用户发现新事物的模式）和不喜欢的广告（如 Google 搜索中干扰结果的模式）。

他强调，对于 ChatGPT 而言，用户的信任是绝不能破坏的核心原则。人们相信 ChatGPT 是真心想提供帮助，如果为了广告费而推荐并非最佳的产品，这种信任会瞬间崩塌，因此这种直接影响结果的付费推荐式广告是绝对行不通的。

未来的工作，可能也「不像工作」

Rowan Cheung：这个话题真的很有意思，关于「工作」的问题。工作的形态正在改变。我喜欢用「农民」类比来解释这件事。

比如你对 50 年前的农民说，有一个叫「互联网」的神奇东西，会创造出数十亿个新工作岗位，而且人们会坐在办公桌前工作、开发市场……他大概率是不会相信的。

现在我们正处在一个类似的时代——你和很多人都说过，AI 会创造出很多全新的岗位。但现在很难看清这些新工作会是什么。

这次和「互联网时代」的不同之处在于：互联网是从零开始创造了很多新职业，而这次 AI 的冲击，是先影响现有数十亿知识工作者的岗位，然后才可能出现新的工作机会。你怎么看？

Sam Altman：你说得非常对，我觉得你点出了一个很关键的点——这让我在某些方面没那么担心，但也在另一些方面更担心了。

关于那个农民，不只是他不会相信这种事真的会发生，他甚至可能会觉得你我现在做的这些根本不算「真正的工作」。

你想啊，农民每天种地，是在做大家真正需要的事——他们在生产粮食、维持生命，这才是「真正的工作」。

而在他们看来，我们这些未来人，生活太容易了，食物和财富都很丰富，我们做的事情更像是打发时间的「游戏」，只是为了找点存在感。他们会说：「这算哪门子工作？」

尽管对我们来说这份工作很真实，至少我自己感到很满足，也很感激自己能做一份既重要又有意义的事。

但也完全有可能，如果我们现在能看见未来那些新工作，我们会说：「好吧，也许我们的工作比不上农民的真实感，但肯定比未来这些『自娱自乐的游戏』更像工作。」

所以我真的相信——是的，人类将来依然会有目标、有动力，但我们对「工作的理解」会发生巨大变化。在未来人眼中，我们现在的工作，可能也会显得「不那么像工作」。

我也相信，社会契约会随之改变，尤其是当这个转变发生得非常快的时候。

所以我确实对这场转型的短期阶段感到有些担忧。但说到底，我依然非常相信人类的动力与创造力，我们一定会找到值得去做的事情。

Rowan Cheung：比如探索太空，希望看到更好的 AI 系统等等——你觉得在 AGI 实现之后，人类最有可能会集中精力去做什么？

Sam Altman：我其实更希望——我们能「全面开花」，什么方向都去探索。

太空探索当然很酷，我自己也很感兴趣。但也许你、你，还有你，各自会对别的方向感兴趣。我希望那个时代的「可能性画布」能变得无限宽广，大家都能去做自己真正感到兴奋的事。

Rowan Cheung：如果你明天可以制定一项全球性政策，你会选择什么？

Sam Altman：这真的很难只选一项。但我脑海里一直浮现的，是关于 AI 监管的激烈争论——到底它是好是坏？是否会让大公司获利太多？

我能理解这些争议的各个方面。但我确实认为，随着模型变得越来越强大，我们需要一个全球框架，来降低潜在的灾难性风险。

尤其是在那些处于前沿的模型上，我们必须认真思考最严重的安全问题。如果能有一项全球政策来应对这个问题，那将是非常有意义的。

Rowan Cheung：你能简单概括一下这个「全球框架」会是什么样的吗？

Sam Altman：一开始我会从一个完善的测试机制入手，作为基础。

Rowan Cheung：我还想聊聊「超级应用」这个话题。在中国，像微信这样的「超级 App」已经涵盖了几乎所有功能：购物、支付、聊天……

而现在 ChatGPT 也开始支持购物、网页搜索、Sora 视频生成等功能。你们是不是也打算打造一个「美国版的超级 App」？

Sam Altman：不是的。嗯，有很多原因让我觉得这种模式在美国市场并不适用，至少不能用同样的方式去复制。

我们的目标并不是做「超级 App」，而是要构建一个真正强大的 AI 超级系统。

Rowan Cheung：那为什么你们要把这些功能分开发布？比如 Sora 是一个独立的应用，为什么不直接集成到 ChatGPT 里？

Sam Altman：因为对很多用户来说，ChatGPT 是他们最私人的账号之一。

如果把一个「社交体验」也强行塞进去，感觉会很奇怪。你可以想象加入一些「消息」功能，因为很多人确实会分享内容、进行协作。但从用户心态来看，他们对 ChatGPT 的认知，和对一个娱乐类 App 的认知是完全不同的，混在一起会有割裂感。

当然，我们也会把很多功能直接加到 ChatGPT 里，但有些东西还是更适合独立发布。

Rowan Cheung：我们再聊聊智能体。你觉得现在人们可以构建哪些真正重要、有用的 Agent？你最看好哪一类？

Sam Altman：我觉得可以参考一下 Codex 的发展，然后把这种思路推广到其他行业。

比如：能不能为法律、金融建模，或其他我们已经看到早期成功案例的领域，打造像 Codex 一样的体验？其实现在已经有一些很棒的初创公司在做这些方向了。

随着技术的成熟，如果你能让这些 Agent 在各自行业中，做到像 Codex 在编程领域那样强大，那将是我最感兴趣的方向之一。

我可以想象未来这样的场景：一个人只需要和一堆 Agent 对话，就能启动一个公司。现在的 Agent Builder 和 AgentKit 还没完全达到这个水平，但我能看到我们正在往这个方向靠近。

Rowan Cheung：我记得你在主题演讲里提到，「语音」可能会成为 AI 智能体的最终界面。你能展开讲讲吗？

Sam Altman：我不觉得语音是最终的交互方式。很多场景下，语音其实并不适用——比如在公共交通上，和设备对话就很不方便，甚至有点尴尬。

但在很多情况下，语音确实是一种非常自然的交互方式，尤其是语言本身的交流。尽管有时候，打字仍然是更合适的方式。

Will the Jony Ive-Sam Altman show challenge Apple?

我觉得我们其实低估了语音交互的潜力。大家现在总是拿智能音箱这个类别开玩笑，但我们忽略了，其实很多人真的在用这些设备，而且很喜欢它们——尽管它们现在的体验还很差，主要是因为以前的 AI 不够好，生态基础也没跟上。

但你想想未来会怎样：如果你能随口对设备说一句，它就能完全准确地帮你完成任务——那种感觉，可能就真的像拥有了一个「理想中的计算机」。

Rowan Cheung：我很期待能够使用它。能不能透露一点关于你们在 I/O（设备端）正在做的事情？是不是会有语音交互？

Sam Altman：我们还需要一段时间。这个方向确实需要大家多一点耐心。

要做出一种全新类型的设备，而且要达到极高的品质标准、还能大规模生产，这等于是重新定义人与计算机的交互方式。我们需要一定的创作空间来把这个事情摸索清楚。

我们确实有一些非常令人兴奋的想法，但目前还不准备公开谈论，而且在短期内也不会说太多。但我们会努力做出一个真正值得使用、非常有意义的产品。

Rowan Cheung：好吧，那今天就聊到这。

Sam Altman：非常感谢。

欢迎加入 APPSO AI 社群，一起畅聊 AI 产品，获取#AI有用功，解锁更多 AI 新知👇

我们正在招募伙伴

📮 简历投递邮箱hr@ifanr.com

✉️ 邮件标题 「姓名+岗位名称」（请随简历附上项目/作品或相关链接）

更多岗位信息请点击这里🔗