OpenAI 深度访谈解析

剥开表层：关于代码重构、商业护城河与基础设施的底层逻辑
Code Red 与 "偏执" 的价值
面对 Gemini 3 和 DeepSeek 的崛起，OpenAI 如何通过“红色警报”重塑防线？
危机管理竞争

深层背景

OpenAI 总部曾处于“Code Red”（红色代码）状态。导火索是 Google 发布的 Gemini 3 以及来自中国的 DeepSeek。这不仅是技术追赶，而是暴露了 OpenAI 在产品策略上的具体弱点。

Sam 的应对哲学

"关于大流行有一种说法：你在开始时采取的每一个行动，价值都远超后期的行动。大多数人初期做得不够，后期才恐慌。"
  • 时间窗口： Code Red 通常持续 6-8 周，是一次高强度的冲刺。
  • 实际效果： Gemini 3 的实际冲击未达预期，但这次警报迫使 OpenAI 快速发布了新功能（如新的图像模型）。
  • 常态化： 未来这种“战时状态”将成为常态，每年可能发生1-2次。
Google 的“创新者窘境”
为什么坐拥分发优势的 Google 依然脆弱？
商业模式观点

核心冲突

Sam 承认 Google 是巨大的威胁，拥有极佳的商业模式。但这种商业模式（搜索广告）也是他们的枷锁。

Bolting on vs. Reimagining

Sam 提出了一个关键的技术/产品论断：

  • Bolting on (缝合)： Google 试图将 AI 强行塞进现有的搜索栏和 Gmail 中，这种体验是割裂的。
  • Reimagining (重构)： OpenAI 赌的是“原生 AI 体验”。
案例：与其让 AI 帮你写 Excel 公式，不如重构整个 Excel，让你可以直接跟数据对话。这不仅仅是 UI 的变化，是后端逻辑的重写。
从“写代码”到“消耗 Token”：Sora App 案例
OpenAI 内部如何使用 Codex 在不到一个月内构建复杂应用？
软件工程案例分析

工程范式转移

Sam 分享了一个极具震撼力的内部案例：OpenAI 开发 Sora (视频模型) 的 Android App 时，几乎完全依赖 Codex。

  • 速度： 整个开发周期缩短至不到一个月。
  • 成本置换： 工程师不再受限于手写代码的速度，而是受限于“消耗多少 Token”。OpenAI 内部对 Codex 的使用不设限。
  • 启示： 软件工程正在变成一种资源密集型活动，用大量的计算力（Compute）换取极致的开发速度。
GDP Eval 与 知识工作的自动化数据
GPT-5.2 在具体任务上超越人类专家的精确比例。
70.9%74.1%能力评估

关键数据披露

OpenAI 引入了 "GDP Eval" 来衡量模型在知识工作中的替代能力。数据令人震惊：

  • GPT-4 时代： 仅能完成约 38% 的知识工作任务。
  • GPT-5.2 Thinking Model： 在 70.9% 的任务中击败或打平人类专家。
  • GPT-5.2 Pro： 这一数字达到了 74.1%。

对开发者的影响

Sam 指出，虽然模型不能完成复杂的、长周期的创造性任务，但对于“给这种 inputs，给我 output”的定义明确的任务（如编写特定模块、法律文档审查），模型已经是专家级别。

未来的工作：管理者 (Manager) 而非执行者
“我的工作变成了管理 Bot 团队，而不是管理人类。”
职业前景组织架构

角色转变

Sam 引用了一位技术文案的描述，并表示认同：未来的工作者将是Orchestrator（编排者）。

  • 现状： 现在的工程师自己写代码。
  • 未来： 工程师管理一系列专精不同领域的 AI Agent。你的产出不再受限于你的打字速度或记忆力，而是受限于你的管理半径和判断力。
  • AI CEO： Sam 甚至设想了“AI CEO”的概念，由人类董事会管理，AI 执行具体的资源分配决策。
从 Consumer 到 Enterprise 的重心中转
为什么 API 收入增长超过了 ChatGPT？
商业转型增长数据

数据背后的战略

虽然 OpenAI 以 ChatGPT (C端) 闻名，但 2025 年是一个转折点：企业端和 API 的增长速度已经超过了消费者端。

企业的真正需求

Sam 揭示了企业客户的深层痛点：他们不要聊天机器人，他们要“One AI Platform”。

  • 数据主权： 企业希望将自己的私有数据接入，但绝不能用于训练公共模型。
  • Agent 生态： 企业内部会有财务 Agent、法务 Agent，它们需要在同一个安全平台上协作。
  • 垂直领域爆发： 金融 (Finance) 和 科学研发 (Science) 是目前付费意愿最强、落地最快的领域。
1.4 万亿美元与“能力悬空”(Capability Overhang)
为什么即使模型不再进化，我们也有巨大的商业价值未挖掘？
宏观经济风险

能力悬空 (Capability Overhang)

这是一个非常深刻的概念。Sam 认为：即便技术锁死在 GPT-5.2，目前世界对其利用率也极低。这种“模型能力”与“实际应用”之间的巨大落差，就是Overhang。

"如果你把模型冻结在 5.2，我们依然可以通过消除这种悬空，创造巨大的经济价值。"

算力与收入的线性关系

Sam 提出了一个简单粗暴的经济模型：Revenue tracks Compute（收入紧随算力）。

  • 如果 OpenAI 能获得 2 倍的 GPU，他们就能立刻获得 2 倍的收入。
  • 目前的瓶颈纯粹是供应端（Supply-constrained），而非需求端。
  • 因此，举债建设数据中心（CapEx）在财务上是极其理性的行为，因为这些是生产性资产。
硬件愿景：环境计算 (Ambient Computing)
不带屏幕的设备，如何取代手机？
硬件交互未来

为什么手机是“错”的？

Sam 认为现有的手机形态是基于旧约束的产物（为了输入必须要键盘，为了输出必须要屏幕）。

AI Native Device

OpenAI 正在开发的设备（系列）基于以下逻辑：

  • Proactive (主动)： 现在的手机是“我戳你一下，你动一下”。AI 设备应该是“我看你一眼，你就知道我要什么”。
  • Context Aware (上下文感知)： 设备应该持续听、持续看，理解你所处的物理环境和社交环境。
  • 无屏幕/弱屏幕： 交互的核心是语音和意图理解，而非图形界面（GUI）。
AGI 定义的消亡与“超级智能”的崛起
当图灵测试变得毫无意义，我们需要新的标尺。
定义

Sam 承认 "AGI" 这个词已经变得模糊不清，甚至可以说我们已经擦肩而过但未察觉。他提出了新的目标：Superintelligence (超级智能)。

新定义标准

不再是“像人一样对话”，而是：

当一个系统能比任何人类更好地担任美国总统、财富500强CEO或顶级实验室负责人时，那就是超级智能。

原文

源链接