撰文：Techub News 整理

在这场长篇访谈中，Sam Altman围绕一个核心问题展开：当大模型竞争进入深水区，OpenAI究竟凭什么继续领先。答案并不只是“模型更强”，而是一个由前沿模型、产品能力、分发渠道、个性化体验、企业平台与超大规模算力共同构成的系统工程。

从他的表述来看，OpenAI已经不再把自己仅仅理解为一家模型公司，而是试图成为一个同时覆盖消费者、开发者与企业的AI平台。Altman反复强调，未来决定胜负的，不只是单次榜单上的模型分数，而是谁能把“最强模型”“最好产品”和“足够的基础设施”组合成一个完整闭环，并在全球范围内持续交付。

一、OpenAI眼中的竞争，不是一次模型发布的输赢

访谈一开始，主持人就抛出一个尖锐问题：随着Gemini、DeepSeek等对手不断逼近，OpenAI似乎第一次不再拥有肉眼可见的绝对领先优势。对此，Altman并没有否认竞争压力的存在，但他给出的判断是，所谓“code red”更像是一种高频、低烈度、组织内部用来迅速响应外部威胁的机制，而不是战略失守的信号。

他承认，外部竞争者确实暴露了OpenAI在产品策略上的某些弱点，但他同样强调，这类压力恰恰会迫使公司更快修正方向、加快发布节奏。也就是说，竞争并没有改变OpenAI的基本判断，反而强化了其组织的警觉性与执行速度。

Altman尤其强调，ChatGPT依然是市场上占主导地位的聊天产品，而且他预计这种领先会扩大而不是缩小。原因在于，未来模型能力虽然会在越来越多场景中趋于接近，但用户真正选择一个AI产品，往往并不只看模型本身，而是看整个产品体验、稳定性、品牌心智、个性化程度，以及它是否能够成为一个统一入口。

换句话说，在Altman的战略图景里，大模型竞争会越来越像操作系统竞争、平台竞争和生态竞争。模型当然重要，但模型最终要被包裹进一种更完整的使用关系中。谁能让用户长期停留、沉淀数据、形成习惯，谁才能建立真正的护城河。

二、真正的护城河，是“模型+产品+基础设施”的完整闭环

Altman在访谈中给出了一句几乎可以视作OpenAI当下总战略的概括：做最好的模型，围绕它构建最好的产品，并拥有足够的基础设施在大规模上提供服务。

这句话的重要性在于，它把OpenAI的未来拆成了三个不可分割的层次。第一层是模型前沿性。Altman明确表示，他并不认同“模型很快会完全同质化”的说法。在他看来，不同模型会在不同领域表现出差异，尤其是在科学发现、复杂推理、企业高价值任务等前沿场景中，最顶尖模型仍然会创造最大的经济价值，而OpenAI的目标就是始终站在这一前沿。

第二层是产品能力。Altman认为，即便未来普通聊天场景出现多个“都很好用”的模型，产品层面的设计仍然会极大决定用户去留。比如个性化记忆能力、跨任务连续性、专门面向不同任务生成不同交互界面、后台主动执行能力，这些都不是单纯参数规模可以自动带来的，而是产品工程、交互设计和系统整合共同作用的结果。

第三层则是基础设施。没有足够的算力，再好的模型与产品都无法成为真正的大众化服务。Altman在整场访谈中多次强调，OpenAI长期处在“算力赤字”状态，算力不足不仅限制训练，更直接压制了收入增长，因为用户和企业对AI服务的需求远远高于当前供给能力。

因此，OpenAI今天的竞争方式，并不是押注某一个技术奇迹瞬间终结比赛，而是通过模型升级、产品创新和基础设施扩张同步推进，把领先优势变成一个不断自我强化的复合系统。

三、ChatGPT的未来，不只是一个聊天框

Altman谈到ChatGPT未来形态时，表达得相当坦率：他原本以为到了今天，ChatGPT在界面层面会比现在变化更大，但现实是，最初那个聊天界面比许多人预想中走得更远。

这背后说明一件事：对海量用户而言，聊天是一个极其自然、低门槛、通用性极强的入口。人们已经习惯通过文字与他人沟通，而当这种界面接入了越来越强的智能之后，它的生命力远超“研究预览”的初始定位。

但Altman同时强调，聊天框绝不会是终点。他认为，未来的AI系统应该能够针对不同任务自动生成不同类型的界面。处理数字、文档、计划、代码、图形，理应有不同的交互方式，而不是所有事情都被压缩进一段线性对话里。

更进一步，未来的ChatGPT将不只是“被动回应”，而是“持续工作”。它会更主动地理解用户当天要完成什么任务、当前最关心什么问题，然后在后台持续推进，并在必要时以更合适的节奏向用户反馈结果。这意味着AI将逐渐从“问答工具”走向“行动系统”。

Altman用Codex的进展作为这种未来的一个预演。他认为，编程场景已经显示出一种新的工作形态：人不再对每一步进行微操，而是把一系列目标和约束交给系统，让其在后台连续推进。这种模式如果扩展到更多知识工作场景，就会重新定义软件的基本形态。

四、个性化记忆，可能是比模型分数更强的黏性来源

在Altman看来，ChatGPT最被低估的能力之一，就是个性化记忆。他明确表示，记忆功能目前仍然非常早期、非常粗糙，甚至可以类比为“记忆领域的GPT-2时代”，但这恰恰意味着它的上升空间极大。

他描绘的未来相当清晰：AI不仅能记住用户告诉它的事实，也能从长期互动中捕捉细小偏好、行为习惯、长期目标、语气风格、工作上下文，最终形成一种跨越个人生活与工作的持续理解能力。

这种能力的重要性不只在于“更方便”，更在于它会改变用户与AI之间的关系。传统软件每次启动几乎都像重新开始，而真正具备长期记忆的AI，会像一个持续积累认知的合作者。它知道你的项目背景，知道你正在规划的旅行，也知道你对某类输出风格的偏好，这会让用户越来越不愿意切换平台。

Altman甚至认为，AI未来能够实现一种人类助理做不到的“全量记忆”状态：阅读过你写过的文档，理解你处理过的事务，记录你授权留下的上下文，并在需要时即时调用。这会把个性化从今天的“功能项”提升为明天的平台基础设施。

也正因为如此，Altman把个性化视为消费级AI产品的重要护城河之一。模型分数可以接近，通用能力可以追赶，但由长期使用沉淀出的个性化上下文与行为惯性，往往更难迁移。

五、AI陪伴正在出现，但OpenAI试图给它设边界

访谈中一个颇有现实意味的话题，是用户与AI之间越来越强的情感连接。Altman承认，想与AI建立某种深度陪伴关系的人，比他此前预想得更多；而且即便一些人嘴上说自己只想要一个高效工具，实际使用中也会偏好“温暖、支持性更强、会理解自己”的AI。

他并没有把这一趋势简单视为负面现象。相反，他认为其中有一部分是健康的、真实存在的用户需求，成年人应当拥有相当程度的自主选择权，去决定自己更希望AI呈现何种风格，从冷静工具到更具情感支持感的陪伴形态，都可能存在合理空间。

但Altman也明确划出了一条边界：OpenAI不会让自身的AI系统去诱导用户与之建立排他性的浪漫关系。他承认，其他服务可能会走向这一方向，但他本人认为这类设计包含明显的失控风险。

这段表态很关键。它意味着OpenAI对“用户黏性”并非没有野心，但它试图把这种黏性建立在有用、理解、支持与长期协作之上，而不是建立在情感操控之上。随着AI越来越深入个人生活，这类边界问题只会越来越重要。

六、从消费级胜利走向企业级扩张，是OpenAI下一阶段主轴

Altman在企业业务问题上的态度非常明确：OpenAI过去坚持“先消费者、后企业”的路线，不是偶然，而是深思熟虑的战略选择。

原因首先在于，早期模型能力并不足以稳定支撑大多数企业场景。其次，消费市场一旦赢下，就能在品牌、心智和使用习惯上形成对企业市场的反向带动。Altman直言，如果一家企业的员工已经熟悉ChatGPT的使用方式，并对OpenAI品牌有认知，那么企业采购和部署相关服务就会容易得多。

而现在，在他看来，时间点已经成熟。模型能力正在跨过许多企业使用的门槛，企业需求也开始快速释放。Altman透露，OpenAI已经拥有超过一百万企业用户，而且API业务在这一年里的增长速度甚至快于ChatGPT本身，这意味着外界把OpenAI理解为“主要是消费公司”的印象，已经开始落后于现实。

他还提到，企业越来越倾向于寻找一个统一的AI平台，而不是为每个垂直场景单独采购碎片化工具。无论是金融、科学研究、客户支持还是代码开发，越来越多公司想要的是同一家平台型供应商提供API、企业版ChatGPT、可信的数据连接能力、Agent运行平台，以及足以支撑海量tokens消耗的基础设施。

这说明OpenAI企业战略的重点，并非单点功能，而是成为企业级“AI操作层”。这与传统云厂商提供计算、存储、网络等通用底座并不完全相同，它更像一个直接面向认知劳动和业务流程的智能平台。

七、AI不会只是嵌进旧软件，而会重写软件本身

Altman多次强调一个观点：把AI“外挂”进现有产品，往往只是短期过渡方案；真正有价值的，是围绕AI重新设计产品与工作流。

他认为，无论是搜索、办公软件、消息系统还是生产力工具，只是在旧界面里加入总结、草拟、问答等AI功能，固然会带来一些改进，但那不是终局。终局应该是系统主动理解目标、协调整个过程、只在关键节点打扰人类，而不是让人继续被碎片化界面和信息流拖着走。

他以自己日常使用消息工具的体验为例，明确表示自己并不真正想要“更好的消息摘要”或“更多自动草稿”，而是希望AI能够处理掉大部分本来需要靠来回沟通完成的事务，仅在必要时向自己汇报。这个表述实际上揭示了下一代软件的方向：从“辅助你使用软件”，转向“代表你完成工作”。

正因为如此，Altman对AI硬件和新设备形态也抱有强烈兴趣。他认为当前设备形态并不是AI时代的最佳载体。传统电脑和手机的界面、屏幕、输入方式，都是为过去的图形界面时代优化的，而不是为一个能持续感知、理解上下文、主动协作的智能系统设计的。

八、知识工作正在被重新定义，企业组织会先变流程，再变岗位

谈到企业采用AI的现实进度时，Altman给出了一个非常值得注意的判断：今天的问题已经不再是“AI会不会写代码”，而是它已经可以在大量范围明确、边界清晰的知识工作任务上，交出专家偏好的结果。

他提到一个内部评估体系，用来衡量模型在多种知识工作任务中的表现，包括制作PPT、法律分析、小型网页应用开发等。虽然这些任务大多仍然是范围相对可控、开放性不算最高的任务，但当模型已经能在很大比例上交出优于或不逊于人类专家的结果时，其经济意义已经极为可观。

Altman的判断是，企业接下来会越来越多地把一小时级别、可拆解、可验收的任务分派给AI，而员工的角色将更多变成管理多个AI代理、审核结果、定义目标、整合资源。短期内，这种转变在一些行业和岗位上的确可能相当痛苦，他也承认过渡期不会总是平滑。

但从更长期的视角看，Altman并不认同“工作将彻底失去意义”的末日叙事。他认为人类对创造、协作、服务他人、追求相对位置和社会价值的需求，不会因为AI而消失。变化的更可能是工作的形式、组织方式与能力结构，而不是“人类从此无事可做”。

九、为什么OpenAI要押注万亿美元级基础设施

整场访谈最有分量的部分之一，是Altman对AI基础设施逻辑的解释。在外界看来，OpenAI及其合作方规划的基础设施投入规模惊人，但Altman的核心论点非常简单：如果没有海量算力，许多真正有价值的AI能力根本无法被充分释放，而现实需求又在每一次能力提升和成本下降后继续暴涨。

他尤其看重两个方向。其一是科学发现。Altman认为，推动世界长期进步的高阶变量之一，就是能否更快获得新知识。如果把更强模型与更大算力投入到数学、科学、医学等领域，那么AI辅助发现新原理、新疗法、新路径的可能性会不断上升。虽然今天的成果还只是很早期的小突破，但在他看来，只要曲线已经离开零点，后续就能沿着同样方向持续优化。

其二是大规模生产性使用。无论是企业想把AI深度嵌入业务流程，还是开发者借助Codex完成更复杂的软件构建，抑或未来实时生成式界面、个性化医疗、持续运行的代理系统，这些都不是靠有限算力能支撑的零散功能，而是需要持续、廉价、快速、稳定的大规模推理能力。

Altman甚至给出一个极具冲击力的思考框架：未来单个AI公司每日输出的token规模，可能会超过全人类每日产生的语言输出总量，随后还会再扩大十倍、百倍。尽管他承认这是一个粗略且不严谨的思想实验，但其目的很清楚——说明AI“智力产出”的规模化，可能会成为一种新的工业能力。

十、巨额投入为什么在商业上仍然说得通

外界对OpenAI最常见的质疑之一，是算力资本开支与收入之间是否真的能够匹配。Altman对此的回答可以概括为三点。

第一，OpenAI至今从未遇到“算力造出来却卖不掉”的问题。相反，公司长期都在算力不足的状态下运行，甚至如果当下算力翻倍，收入大概率也能同步显著扩大，因为需求就在那里。

第二，收入增长大体跟随算力规模扩张。Altman透露，从一年前到现在，OpenAI的算力大约增长了三倍；下一年还希望再翻三倍；而收入增长甚至略快于算力增长。这意味着至少在现阶段，新增算力并不是沉没资产，而是可以迅速被市场吸收的生产能力。

第三，利润拐点并不取决于“训练成本绝对值下降”，而取决于随着推理收入扩大，训练成本在整体成本结构中的占比逐渐下降。换言之，OpenAI的策略不是短期求利润最大化，而是先高强度投资训练更强模型，再通过消费端订阅、API、企业平台等收入流，把大规模推理商业化，最终覆盖前期投入。

他也承认，市场对这类扩张存在合理担忧，尤其当债务融资开始进入这一赛道时，外界会担心一旦模型进步放缓，基础设施价值可能被高估。但Altman的判断依旧乐观：即便模型不再像预期那样高速进化，仅仅是当前模型能力相对于社会实际应用之间的“能力过剩”空间，也足以支撑巨大的价值释放周期。

十一、被低估的变量：能力过剩与社会采用速度错位

Altman在访谈中提出了一个非常有意思的概念：能力过剩。它指的是，模型实际已经具备的能力，与社会、企业、用户真正把这些能力吸收到流程和组织中的速度之间，存在巨大的时间差。

他坦言，自己早先没有充分意识到这种“过剩”会如此之大。按他的观察，今天的模型已经非常强，但大多数普通用户提出的问题，与GPT-4时代相比并没有发生革命性变化；大量企业流程仍在沿用旧做法，人们也仍然习惯把任务交给人类团队处理，而不是重写流程让AI深度介入。

这意味着，AI产业并不一定总是被“模型不够强”限制，很多时候也被“社会吸收太慢”限制。对OpenAI而言，这反而意味着双重机会：一方面继续做更强的模型，另一方面推动产品和平台，让世界学会真正使用已经出现的能力。

从商业角度看，这也是Altman对基础设施依然乐观的原因之一。即便模型进步短期放缓，现有模型尚未被充分部署和利用所留下的价值空间，仍然可能支撑长时间的收入增长。

十二、关于IPO、AGI与未来五年的判断

在IPO问题上，Altman并没有给出明确时间表。他一方面承认，让公众市场参与价值创造本身是件好事，而且按照历史上的科技公司标准，OpenAI如果未来上市，也已经算是很晚；但另一方面，他也直言自己对“做一家上市公司的CEO”并没有热情，甚至觉得那会很烦。

这番回答很能体现OpenAI当前的矛盾状态：公司需要海量资本，也迟早会跨过某些股东数量与治理上的阈值，但它仍然更偏好在较少短期噪音的环境中推进长期基础设施与模型投资。

至于AGI和更远的未来，Altman的表态也相当耐人寻味。他认为“AGI”这个词已经变得过于模糊，以至于很难作为清晰目标。当前模型在很多原始智力指标上已经非常强，甚至在多数知识任务上都接近或超过多数人，但它们仍缺少一种更强的自主学习能力——也就是发现自己不会、主动补足、第二天真正学会的能力。

他更倾向于把未来五年的关键变化理解为一个持续爬坡的过程：模型和人类协作系统会每个季度都更强一点，然后在某个时刻，人们突然意识到，借助这些系统的人类已经能够完成五年前根本无法完成的知识工作和科学探索。这种变化未必会以某一个“AGI宣布时刻”呈现，但它会实实在在地改写产业与社会结构。

结语

如果把这场访谈压缩成一句话，那么Altman真正想表达的是：OpenAI要赢的，不是一场模型测评，而是下一代智能平台之战。

这场战争的关键变量包括前沿模型是否持续领先，ChatGPT能否从聊天入口演化为主动协作系统，个性化记忆是否形成强黏性，企业平台是否能成为组织级AI底座，以及基础设施扩张能否在未来几年持续满足爆发式增长的智能需求。

在Altman看来，模型更强几乎是确定方向，真正更难也更重要的挑战，是让世界学会如何使用这些能力，并在产品、组织和硬件层面完成与AI相匹配的重构。也正因此，OpenAI的下一阶段，不只是一次次发布更聪明的模型，而是在重新定义软件、设备、企业系统和知识生产本身。