ChatGPT背后，AI帝国如何运转

当地时间2026年6月29日，法国克雷泰伊，智能手机屏幕上显示着GPT-5.6演示页面，背景中可见公司标志。OpenAI宣布发布其旗舰语言模型的最新更新。（图片来源：视觉中国）

Karen Hao最早并非是人工智能的怀疑者。

成为记者前，她在MIT学习机械工程，辅修能源研究。毕业后，她去了一家从Google拆分的初创公司做应用工程师，长期以来身处旧金山的科技行业。“我大学学机械工程，因为觉得技术可以做有社会价值的事情。”她在接受界面文化的专访时说道。但工作没多久她很快意识到，科技公司首先要回答的是产品能否商业化，大多数有商业价值的技术，未必能带来好的社会后果。

2018年她转行做了记者，开始报道人工智能领域的新闻。

那时距离ChatGPT引发全球热潮还有好几年，但人工智能早已进入人们的生活。打开一个常用 App，机器学习已经参与其中，有的决定信息流中内容的先后顺序，有的帮助邮箱过滤垃圾邮件，Google Photos也在2015年就能识别照片内容，用户搜索“狗”或者“山”，就能筛选出对应的图片。有的打车软件还会用机器学习修正预计到达时间。这些AI大多藏在产品内部，普通用户很少能直接感知到，Hao回忆，当时她报道的对象大多是研究者，她参加学术会议，也读很多论文。“很接近一种科学报道。”她说。

最开始她不觉得机器学习本身有多复杂。“我当时觉得，这项技术太简单了。”她学过数据科学和机器学习，在最基本的层面上，这无非是用数据训练模型，再让模型处理新的材料。Hao一度怀疑，这个领域是否真的值得长期报道。

当地时间2026年7月6日，韩国首尔，在首尔江南区COEX举办的“国际机器学习学会（ICML 2026）”上，参会者正在查看招聘广告。ICML 2026是机器学习领域全球最大规模的学术会议，麻省理工学院（MIT）、斯坦福大学等学界重要人士以及OpenAI、Meta、微软、亚马逊等全球人工智能（AI）企业相关人员出席了会议。（图片来源：视觉中国）

但AI研究本身也在发生变化。

很长一段时间里，AI主要用于处理具体任务，比如识别图片需要训练一套模型，判断垃圾邮件又需要另一套，一个系统通常只擅长一件事。

后来研究者发现，把更多数据交给更大的模型，再投入更多计算资源，往往能够继续提高表现。到2020年，OpenAI发布GPT-3，这类大型模型开始显示出一种不同的能力，人不必再为每个问题单独训练模型，用文字告诉它要做什么，它就能完成任务。自然语言也逐渐变成了调用模型的一种方式。

这也改变了AI研究的成本，训练一次前沿模型需要的计算资源越来越多。大学仍然进行大量AI研究，但能够独立训练最先进模型的机构越来越少。Stanford AI Index的数据显示，2023年，工业界开发了51个notable machine learning models，学术界为15个。到2024年，近九成notable AI models来自工业界。

Hao也看到自己的报道对象发生了变化。刚开始报道AI时，她更多是采访大学里的研究者，后来OpenAI、Google和Anthropic逐渐成为新闻的中心，越来越多前沿模型在公司内部诞生。

她对这个领域的理解也逐渐改变，机器学习的基本原理或许并不复杂，真正需要追踪的是技术进入社会之后发生的事情。

“它会产生巨大的涟漪。”Hao说，它需要占用土地和水资源，消耗大量电力，也依靠低薪劳动维持运转。这些影响远远超出模型本身，也正是在这个过程中，Hao开始把注意力转向开发AI的公司，2019年，她第一次进入OpenAI。

当地时间2026年7月6日，韩国首尔江南区，国际机器学习学会2026在COEX举行，现场挤满了观众。该学会是机器学习领域全球最大规模的学术会议，麻省理工学院、斯坦福大学等学界重要人士以及OpenAI、Meta、微软、亚马逊等全球人工智能企业相关人员出席了会议。（图片来源：视觉中国）

OpenAI在2015年成立时，看起来并不像一家典型的硅谷公司，它注册为非营利机构，在最初的介绍中，它称自己的目标是以最有可能造福全人类的方式推进数字智能发展，不受财务回报约束。作为一家非营利机构，它希望“为所有人，而不是股东创造价值”。

成立之初，OpenAI就把目光放在一种远超狭义AI的智能上。2018年发布的公司章程中，这个目标被正式称为AGI，一种“高度自主、能够在大多数有经济价值的工作上超过人类的系统”。

在公司内部，AGI并不是一个遥远的构想。Hao在书中写，员工会预测它何时到来，一些人相信，时间可能只剩十几年。这在当时的AI研究界并不是共识，许多科学家甚至不愿认真使用AGI这个词。OpenAI则聚集了一批坚定的AGI信奉者。

Hao后来把这种气氛称为准宗教式的。有人相信AGI会带来一个近乎丰裕的世界，也有人担心它最终毁灭人类，这种信念给OpenAI的使命带来了特殊的紧迫感。如果一种比人类更强的智能可能在不远的将来出现，谁先造出它就成了一个重要的问题。一项深刻改变社会的技术不能完全由市场决定，所以非营利结构被视为一种保护机制，可以让研究者在商业利益之外考虑更长期的后果。

Hao最初正是被这种尝试吸引，OpenAI看起来提供了另一种可能，“我当时以为，OpenAI可能解决了一些问题。”

2019年8月，Hao进入OpenAI的办公室，在那里待了三天。

那时很少有普通人听说过这家公司，第一次和Brockman、首席科学家Ilya Sutskever见面时，Hao问了一个简单的问题：为什么要花数十亿美元研究AGI？同样的钱，也可以投入许多对社会有益的事情。

当地时间2026年7月6日，韩国首尔江南区，国际机器学习学会2026在COEX举行，现场挤满了观众。该学会是机器学习领域全球最大规模的学术会议，麻省理工学院、斯坦福大学等学界重要人士以及OpenAI、Meta、微软、亚马逊等全球人工智能企业相关人员出席了会议。（图片来源：视觉中国）

半年后，她在MIT Technology Review发表了《The messy, secretive reality behind OpenAI’s bid to save the world》。文章写道，OpenAI与公司公开描述的形象有一定距离。“我在写那篇报道的时候就很快发现，它其实已经和其他科技公司一样了，”Hao说，“虽然它说自己是开放的、使命驱动的，但它非常保密，非常竞争，而且实际上在把自己运转成一个商业实体。”

文章发表后，OpenAI有三年没有再与她交流过。

Hao进入办公室之前，这家公司正好在经历着关键的变化。2019年3月，公司成立OpenAI LP，公告中写，它决定“比创立时计划的更快扩大规模”。原因来自过去几年的研究经验，表现最突出的AI系统，越来越依赖计算能力，所以未来几年需要投入数十亿美元购买云计算资源，并建设AI超级计算机。规模逐渐成为OpenAI理解技术进展的关键词。

公司内部越来越相信，同一种方法经过更大规模的训练，会继续产生新的能力。有人开玩笑说，公司的秘密可以写在一粒米上，只有一个词：scale。

这个判断也改变了竞争的性质。如果模型能力主要来自规模，其他公司获得足够的计算资源，就可能沿着相似的路线追赶。《AI帝国》中写到，这种担忧逐渐进入办公室的日常。人们用完全断网的电脑撰写关键战略文件，再直接连接打印机，只让纸质文件流通。办公室里出现过一个来历不明的U盘，员工一度担心其中藏有恶意软件，Sam Altman还曾秘密安排反窃听检查。

焦虑不只来自商业竞争，公司内部还形成了一种地缘政治式的想象，如果AGI先被他们眼中的威权国家掌握，并被用于错误目的，公司使命也就失败了。Altman曾在一份愿景文件中写道，OpenAI需要为世界的好结果负责，由此推导出的结论是，公司“几乎一定必须快速取得技术进展”。

正是这种使命感，也让公司更容易接受融资和激烈竞争。Hao最初以为，OpenAI找到了摆脱硅谷逻辑的方法，几年后，她看到的是一家越来越深地进入同种逻辑的公司。

[美]郝珂灵（Karen Hao）著 王薇 / 旻宏 译
浙江人民出版社 2026-4

普通用户打开ChatGPT时，面对的是一个很简单的界面，在输入框写下一句话，机器的回答就出现了。

但从聊天框继续往后看，会出现完全不同的景象。

首先大模型训练需要大量数据，以GPT-3为例，它的训练材料包括经过筛选的网页、书籍和维基百科，普通用户很少知道自己的公开表达是否进入了某个训练集。

另一方面，模型从互联网文本中学习也会生成有害内容，这背后需要许多人工筛查劳动。此前《时代周刊》的调查显示，OpenAI曾通过外包公司Sama使用肯尼亚工人标注有害文本，涉及性侵、暴力和虐待，部分工人的时薪不到2美元，受访者称长期阅读这些内容给他们造成了心理困扰。《AI帝国》里也描述了肯尼亚的数据工人，而硅谷公司则获得更安全的产品，和更高的估值。

更昂贵的部分是算力，大模型训练需要大量GPU，也需要持续运行的数据中心，OpenAI之所以无法停留在普通非营利研究机构的位置，就是因为模型越大，计算资源越贵。AI产业强烈依赖重型基础设施，比如数据中心需要土地，电力，冷却系统。

Hao在书中把视线从硅谷移到智利。在圣地亚哥的Cerrillos，Google曾计划建设一座新的数据中心，当地居民和市政府对项目提出异议，认为它的冷却方案会影响已经承受水资源压力的地区。2024年，智利环境法院要求项目重新评估气候变化对当地水资源的影响，Google随后暂停了原有方案。

当地时间2026年6月27日，加拿大不列颠哥伦比亚省温哥华，民众参加游行抗议人工智能数据中心开放。（图片来源：视觉中国）

这也是Hao用“帝国”来理解AI产业的原因。帝国并非只是关于领土，它的运转依赖一种资源关系，帝国进入其他地方，把当地的劳动和原料纳入生产体系，最终将价值集中到权力中心。

AI产业的汲取也是类似的，比如模型训练汲取互联网用户多年留下的文字，更便宜地区的数据标注劳动，地方的土地和能源，它们最后汇集到少数科技公司手中成为商业资产，而成本却仍然留在当地。

帝国还涉及到如何解释扩张，历史里，帝国以谈论文明秩序为由，将扩张解释成一种更大的公共使命，今天的AI公司也拥有自己的使命语言，比如“推动创新”或“造福全人类”，让技术发展显得具有天然的正当性。Hao认为，当一种技术被天然地理解为人类未来时，扩张就更少需要证明自身，也更容易描述成技术进步的必要条件。

Hao认为，AI被理解为“人类的未来”，实际上经历了一个被不断讲述的过程。在界面文化的采访中，她提到了“复合危机”（polycrisis）的概念，当气候变化、战争和人口结构等问题同时出现，危机之间又相互影响，人们开始怀疑原有的公共系统是否还有能力及时回应。

技术因此提供了一种更有吸引力的想象。在硅谷流行的叙事中，社会问题常被描述成技术问题。只要找到更好的工具，获得足够强的计算能力，原本复杂的问题就有可能被解决。AI恰好出现在这样一个时刻，它的能力快速增长，很容易放入通用解决方案的位置。

Hao说，不同的人会从AI里看到不同的未来。面对疾病的人，会听到AI有望加快药物研发，担心气候变化的人，则不断听到AI可以帮助寻找新的能源方案。AGI最终被描述成一种超越人类的通用智能，而且它能改变现在的一切，提高整个社会生产力，解决最困难问题的技术。

她想起《哈利·波特》里的厄里斯魔镜。镜子呈现出站在镜子前的人最深的欲望，哈利在那里看见了已经去世的父母。“AI就像那面镜子。”Hao说，“它只向你显示你在世界上最想要的东西，但它并不会真的把它给你。”

当地时间2026年7月6日，瑞士日内瓦，联合国秘书长安东尼奥·古特雷斯在帕莱克斯会展中心举行的人工智能治理全球对话会开幕式上发表讲话。人工智能治理全球对话会首届会议于2026年7月6日至7日在日内瓦举行，第二届会议将于2027年5月在纽约召开。（图片来源：视觉中国）

2026年的一次MIT讨论中，Hao把AI比作“交通工具”。交通工具可以指自行车，也可以指火箭，两者都用来移动，却很少有人会因为火箭速度更快，就认为所有交通问题都应该用火箭解决。

AI也是如此，一个用于语音识别的模型和处理更通用任务的大语言模型，都被称作人工智能，它们需要的资源不同，服务的对象也不同，当人们笼统地讨论AI时，这些差异很容易消失。

Hao认为，今天得到最多关注和投资的是“火箭式AI”，大型科技公司不断扩大模型，希望最终走向AGI，这条路线需要庞大的计算基础设施，也把资金进一步集中到少数公司。

《AI帝国》的最后，Hao写到了另一种技术路径。

在新西兰北部，毛利人运营Te Hiku Media保存了数十年的毛利语广播录音。工作人员原本希望把这些声音转写出来，用于语言学习，但人工处理数千小时录音几乎不可能。他们于是开发语音识别系统，让机器帮助转录毛利语。模型不需要回答所有人的所有问题，也没有通往AGI的计划，它只需要更准确地听懂一种语言。

“一种可能是把资源从大规模聊天机器人转向更专门的系统。它们不需要承诺解决一切，只需要在具体场景中有效。”

Te Hiku没有把收集到的语言数据交给大型科技公司，团队建立了自己的数据治理规则。外部研究者希望使用数据，需要先提出申请。Te Hiku将语言数据视为集体资源，认为技术首先应该服务提供数据的社群。模型是否成功，可以回到一个更明确的问题上衡量，即它有没有帮助毛利人保存自己的语言。

这些路径一直存在，但它们很少成为公众想象中的AI未来。Hao质疑，产业似乎默认更大的模型代表更先进的未来，于是规模本身逐渐成为了目标，但技术是否也可以从一个具体问题出发，并由受到影响的人参与它如何被建造。这里留下的并非一个关于AI好坏的简单判断，更关键的问题是，人们首先需要问清楚我们希望发展哪一种AI？