Sam Altman：把不可能的赌注做成平台，并承认习惯比模型更慢

真正卡住下一波的不是模型够不够聪明，而是人、组织和权力分配改得不够快

本文综合：Altman 一边称赞 Toby Lütke 亲手写软件、把公司当成非 NPC，一边承认自己用了二十年同一套电脑习惯，揭示偏好仍在点邮箱而不是把日常交给 Codex（00:00:02–00:08:13）。他把同一惯性放到经济上：GPT-4 之后软件被重写的速度慢于他的预期，社会适应会比技术更慢，这未必是坏事（00:03:39–00:05:02）。后半场则把惯性变成组织选择：把精力放在模型和算力这类能维持指数的难题，杀掉 Sora 与 Atlas 这类好产品，只提供「一个对个人或公司的接口 + 一个 API」；安全上拒绝象牙塔，坚持像 YC 一样先放到世界里做事故记录（00:10:00–00:11:49；00:34:54–00:39:00；00:49:25–00:53:35）。连接这三层以后可以看到：他所谓押注不可能，不只是 2015 年说要做 AGI，而是在习惯、平台边界和失控/集中这两类反人类风险之间，持续做令人不适的聚焦。

TL;DR

两分钟读完

这期谈话把 CEO 手感、自身习惯、研究管理和平台取舍放在同一条「不可能赌注」上。

一句话

Altman 认为 AGI 已经足够接近，下一步的约束是经济惯性、产品尚未出现 iPhone 时刻，以及 OpenAI 必须把算力和研究集中在通用智能平台，而不是自己做完所有产品。

Toby Lütke 被他称为最靠前的 CEO：自己写软件、给模型细节反馈，并说 2026 年每家公司都可能被重写；Altman 认同精神，但认为时间表更慢，经济有巨大惯性（00:00:02–00:05:02）。
他自己的揭示偏好仍是旧电脑习惯；他认为现在像 iPhone 之前的智能手机，技术零件齐了，还缺完全改变接口的产品时刻（00:06:24–00:09:06）。
他把大部分精力放在研究与算力，因为那是能继续指数增长的高杠杆难题，也最接近他从前做投资时对 power law 和非共识人才的判断（00:10:00–00:15:53）。
他最担心的两类风险互相拉扯：模型失控，以及权力过度集中；两者都把人从未来的控制权里拿掉，而「用安全换自主」是很糟的销售词（00:30:20–00:33:07）。
ChatGPT 不到四年、约十亿周活，被他当作 iterative deployment 的证据：先放到世界里，做清楚的事故记录，而不是关在实验室里想完所有影响（00:34:54–00:39:00）。
在算力有限时他们关掉 Sora 和浏览器 Atlas，把 ChatGPT 与 Codex 合并，目标是成为平台而不是与客户抢每一个产品品类（00:49:25–00:53:35）。

THE ARGUMENT

整期内容的一条主线

节目中的关键论证可以整理为六步：

STEP 01

技术已经很快，人和经济仍然很慢

亲手使用模型的人会领先，但连发明者自己也改不掉旧工作习惯；社会惯性会让转型更平滑，也更慢。

STEP 02

零件齐了，还缺 iPhone 时刻

Codex 已经能用新方式操作电脑，但产品仍让人跨坐新旧两套界面。

STEP 03

把赌注压在模型和算力这种 power law 上

2015 年做 AGI、后来押大语言模型，都是非共识、一旦做对就极有价值的研究，类似选创始人。

STEP 04

安全来自接触现实，而不是断开现实

像航空事故调查一样部署、记录、共享，才能在能力上升时仍然把人留在控制权里。

STEP 05

杀掉好想法，只做通用智能平台

一个对用户的接口、一个 API、整条成本曲线上的模型，而不是自己吞掉所有产品品类。

STEP 06

在没有客户的年份，必须自己制造信号

成立后四年半才有产品，这违反 YC 常识；Dota 2 排行榜、外部 demo 和向旧实验室请教，是当时用来代替用户的办法。

DEEP DIVE

内容提炼

下面按时间顺序提炼本期实际出现的习惯、权力、平台与实验室主题。广告段落不进入主题。

0100:00–00:06

Toby 亲手做，经济却比技术慢

观察主张预测

Altman 把 Shopify 的 Toby Lütke 称为当前最有意思的 CEO 之一：在 AI 曲线的每个时刻都最靠前，自己写软件，并给出极少见的、又当 CEO 又足够准确的产品反馈。

Toby 早于他人说自己不是 NPC 公司，必须采用 agent，否则会被淘汰；2024 年那封「先看 AI 能不能解决你的问题」的信当时显得荒谬，后来被证明超前（00:00:30–00:01:54）。
Toby 认为 2026 年每家生意都可能被重写，并会由他来做 AI native 的 Shopify。Altman 不同意字面意义上的「每一家」，也不同意时间表：更强的 AI 会让某些无关技术的真实体验和体育更难竞争，软件生意会有很多被重写，但惯性很大（00:02:18–00:05:02）。
他用 Netflix 已寄 DVD、人们仍去 Blockbuster 的记忆说明：改变行为比技术人以为的更难（00:05:00–00:05:59）。

领先来自 CEO 亲手使用；扩散速度则由习惯决定，不是由模型发布决定。

0200:06–00:10

发明者自己也改不掉点邮箱的习惯

观察主张

最让他自己觉得心理不一致的是：用了二十年同一套电脑方式，现在有 Codex，按理不该再点来点去、无目的翻邮件、用手写待办，但他仍在那样做。

口头上他不喜欢旧方式，揭示偏好却说明他可能暗中喜欢「这样才叫工作」（00:06:24–00:07:47）。
改变根深蒂固的工作流很难，现在像同时拥有旧电脑和新的 Codex，不确定何时用哪一个；他认为这主要是产品失败（00:07:45–00:08:39）。
类比是 iPhone 之前的智能手机：多点触控之外，缺的是让接口彻底改写的产品想法（00:08:10–00:09:06）。

如果连 CEO 都跨坐两套界面，问题就不只是用户教育，而是产品还没有完成跳跃。

0300:10–00:16

高杠杆难题是模型与算力，研究管理像投资

主张观察

他更想花时间在产品上，但当前最重要的是造出聪明模型，并高效、充裕地跑给很多人用。哲学上他寻找能维持指数的高杠杆难题。

规模化算力涉及供应链、融资、自研芯片、晶圆厂、机架和能源，已经或很快会成为历史上最贵的基础设施之一（00:10:54–00:11:49）。
管理研究项目是他职业生涯里最接近创业投资的事：识别非共识赌注、理解指数、管理极端人才。AI 研究同样服从 power law（00:11:21–00:12:43）。
2015 年底做 AGI、后来聚焦大语言模型，都曾被领域里的知识权威抨击。他要的是非标准、愿意坚持可能错但一旦对就对得很深的人，而不是表面上换皮的同一条赛道（00:12:42–00:15:53）。

在算力成为约束以后，选研究方向的方式必须接近选创始人，而不是接近排期功能。

0400:18–00:30

从圣路易斯的「为什么不试试」到科学发现

观察主张

他从小就是计算机与科幻迷，上大学想学 AI，大一暑假在实验室被告知：深度学习是最能保证职业生涯糟糕的方向。当时是大约 2005 年，AI 确实还不工作。

他先做创始人再做投资人、再回到创始人，路径少见；投资让他看到大量关键决策，尽管缺少日常操盘练习（00:19:52–00:21:42）。
童年反应不是抵抗，而是「你确定吗，为什么不试试」。AI 是他能想象的最强赋能技术。记忆里对机器人的兴趣更硬，对用 AI 发现物理、治病和推进数学的兴趣可能被当前工作染色（00:23:58–00:26:42）。
Shannon 与 Turing 在 1940 年代已谈论解数学、写诗、治病；他认为人类仍会被人吸引，关于人与人连接的工作在 AI 之后会更值钱，而不是更便宜（00:26:40–00:29:27）。

他想做的从来是给人更多能力；科学发现现在被他排在许多任务自动化之上。

0500:30–00:36

两种反人类结局：失控，或把权力收走

主张观察

他最担心的两件大事互相拉扯：AI 强到无法保证控制；以及权力过度集中在一家公司、一个模型或一个人手里。

正确立场是人必须深度控制未来。把决策交给模型因为不信任人，是厌人类的；因为害怕而限制谁能用、把权力集中到少数公司，也是厌人类的（00:30:47–00:32:13）。
他讽刺的销售词是：我们给世界治好所有病、把东西变便宜，交换条件是你们交出对未来的自主权，并接受严重不平等（00:32:11–00:32:40）。
他同意 doomer 的部分是：这是强技术，每一级都该偏安全、谨慎；不同意的部分是它不可解决。十年前的两个自信预测——十年内做不出很像 AGI 的东西，以及一旦做出来就无法保证安全——在他看来都没有按那种末日方式发生（00:33:31–00:34:56）。

安全如果变成少数人的权力，就会和失控一样把人从未来里拿掉。

0600:34–00:44

Iterative deployment：用航空事故调查的方式学安全

主张观察

他把 YC 的产品方法直接用到安全：放到世界里，看真实用户在哪里需要放松护栏、哪里出现 alignment 或安全系统失败。

ChatGPT 上线不到四年、约十亿人每周使用，且涉及敏感重要事项；他认为关在象牙塔里做不到现在这种被广泛视为安全、尽管仍有问题的程度（00:35:21–00:36:19）。
往后会更难，因为模型正接近、并将超过最聪明的人；未知未知的绝对难度在上升，需要决定何时延迟、何时再接触现实（00:36:17–00:37:11）。
FAA 式的清楚事故记录被他当作被低估的技术治理。社会与模型会共同演化，不能由实验室单独想完所有影响，再把世界观强加出去（00:37:09–00:39:00）。
「人人都用 AI，人人都恨 AI」被他部分归因于对快速社会经济变化的本能怀疑，以及行业把 25% 毁灭世界、明年 50% 工作消失讲得太多，却很少讲人如何获得更多权力与第一人称自由（00:40:21–00:42:39）。

断开现实解决不了下一阶段的未知；不讲清楚人仍有权力，则解释不了公众的厌恶。

0700:46–00:53

上下文将比智力更稀缺，OpenAI 应做平台

主张观察

最新一代模型已经相当聪明。他更受限于模型拥有多少关于他的有用上下文：读不完的内部 Slack、客户成败故事、研究论文。

没有人能在几秒内准确使用几万页上下文；产品侧还没有充分想过「给模型超出任何个人的上下文，并在重大决策上提供建议」（00:47:34–00:48:30）。
他们刚把 ChatGPT 与 Codex 合并。Codex 这个名字容易让人以为只做编程，它其实能做各种工作。他想提供的是个人或公司 AGI 的单一接口，外加 API（00:49:25–00:50:51）。
在算力、人和资源有限时，他们关掉他认为好玩但次要的 Sora，以及他认为很好但不该聚焦的浏览器 Atlas，把通用知识工作与科学智能放在前面（00:52:10–00:53:35）。
他不想做每个产品品类，不想和客户竞争，也不想吞掉整个经济；他想让约 1 亿家新企业和 80 亿人用这个平台（00:51:15–00:51:45）。

平台承诺的代价，是真的杀掉已经能工作的好产品。

0800:53–01:03

Peter Thiel 的文本框，Paul Graham 的尴尬一版

观察主张

需要整理思路时，他依赖三类人：一起过来的研究者；以及长期请教的 Paul Graham 与 Peter Thiel，后两人是他最难预测下一句会说什么的对话者。

ChatGPT 上线约两个月后，增长很快但像低价值猎奇。Thiel 说除了这件事什么都不要做：它像 Google 的文本框，灵活、在增长，只是不符合当时硅谷对 feed 和网络效应的智慧（00:56:46–00:58:38）。
Graham 的办公室小时以「你知道你该做什么」著称；上线 ChatGPT 前他甚至没问，因为知道答案一定是：还很尴尬，也必须先放到人面前（00:58:37–00:59:59）。
他不断提到 YC，是因为它改变了整套创业生态系统：迭代部署、技术出身的人掌权、愿意押年轻但经验不足的人。若只有 2016 年的技术、没有 2004 年后的生态变化，他认为 OpenAI 不会成为可能（01:01:20–01:03:59）。

当增长不像「正确的」消费产品时，更需要有人指出：文本框本身就是那件正在工作的事。

0901:03–01:16

从成功里学到的更多，四年半无产品是例外

主张观察

他不同意「从失败里学得更多」。失败教的是泛化的毅力和别做什么，因果很难拼对；真正工作过的部分，往前迁移更有用。

他同意创业建议需要像宗教一样重复：多和用户谈、更早发布、提高招聘标准。他写过：若你既不在做产品也不在卖产品，就别去做别的（01:07:09–01:08:07）。
OpenAI 与他过往模式最不像的地方，是成立四年半才发布第一个产品。他们用 Dota 2 排行榜等办法模拟「研究是否真的在工作」，向 Alan Kay 等人请教如何办实验室，效果有的翻译得过来，有的翻译不过来（01:09:57–01:12:40）。
2016 年新年后第一天，十一二人站在 Greg Brockman 公寓里，去找白板，能量迅速塌掉：没有客户，只有「我们说要做 AGI」。后来的节奏来自 sentiment neuron 到 GPT-1、scaling laws、给研究者敬重的人做外部 demo；伪造截止日期则不太工作（01:13:05–01:15:51）。

YC 的发布纪律仍然有效；在没有用户的研究阶段，必须另外发明可看见的梯度，而不能假装自己已经有客户。

OPEN QUESTIONS

尚未解决的张力

平台、安全和惯性在口头上被收束，但几处关键取舍仍缺少可外部检验的标准。

亲手使用才能有手感，CEO 却把时间放在算力上

Toby 的优势是整夜自己写软件、自己重做工作流；Altman 也承认不亲手做就很难获得手感VS他自己把大部分精力放在研究和算力，并说产品有优秀的人在想

节目把「高杠杆」说成合理分工，但没有说明他如何避免变成自己批评的那种、被团队抹平棱角的大型 CEO。他自己跨坐新旧界面，也削弱了「我们会做出 iPhone 时刻」的说服力。

社会应该慢，行业又在用十亿用户证明快部署是安全的

经济惯性被他视为正面，转型会更平滑；他自己的习惯也只能逐渐改VSChatGPT 以不到四年、约十亿周活，被当作 iterative deployment 比象牙塔更安全的证据

慢的是客户采购和界面习惯，快的是模型能力和用户规模。节目没有给出何时该延迟训练、何时必须接触现实的公开原则，只说后面的决定会更难。

反对权力集中，自身却在建历史上最贵的基础设施

他拒绝用安全或治病作为集中权力、限制他人使用的理由VS自研芯片、数据中心和全成本曲线上的「最好」模型，本身就会把能力集中到极少数能融资的实验室

平台叙事（1 亿家新企业、80 亿人）是一种分散使用的承诺，但不是分散控制权的机制。节目没有讨论治理、开源或外部约束如何防止他担心的那种集中。

杀掉 Sora 与 Atlas，与「我们会做人们需要的产品」

在有限算力下，通用知识和科学智能优先于视频和浏览器VS他同时说产品还没有 iPhone 时刻，上下文产品也尚未被想清楚

自动字幕里的产品名和「杀掉」需要回听核对。即便属实，这也说明平台聚焦会牺牲已经验证过有人喜欢的界面。是否杀错了那次 iPhone 时刻，节目无法回答。

YC 要尽早发布，实验室却用四年半发明替代信号

移动快、可迭代与成功高度相关；ChatGPT 是在仍令人尴尬时发布的VS研究阶段没有客户，排行榜、demo 和内部梯度代替了用户

他承认这是最没有模式可套的部分，也承认学得不完美。对其他想做实验室的人，这不能直接翻译成「先关四年半门」或「始终按 YC 做」中的任何一句。

SO WHAT

可执行启示

把 Altman 的自我违背和公司取舍收成可以检查的行为，而不是再听一遍愿景。

公司负责人

本周亲自用当前模型把一条真实工作流做完，并写下仍在用手点的步骤；不要只听汇报里被抹平的版本。
列出正在占用聪明人和算力的「好产品」，明确哪一件要停，才能把资源还给通用能力和上下文，而不是并行所有品类。

产品与研究负责人

把模型智力指标和「它拥有多少用户上下文」分开追踪；优先补齐人没有时间读完的内部知识，而不是再加一个同质功能。
为事故、幻觉和护栏过紧各建一份可公开学习的记录模板，写明下次是放松、收紧还是延迟发布。

创业者

若一件事已经在增长，先问它是否像「可输入任何东西并做对」的文本框，再决定要不要去补 feed 或网络效应。
在没有用户的阶段，先发明一种外人也能看见的评价方式，例如公开排行榜或对特定专家的 demo；不要用假截止日期代替信号。

CHAPTERS

节目时间轴

时间点来自 YouTube 自动字幕的分段边界，用于回听，不是官方章节。Ramp、AppLovin、Deel 广告未列入。