撰文：Techub News 整理

在关于人工智能未来的一场长谈中， Sam Altman 并没有把重点放在炫目的技术演示上，而是反复强调一件更重要的事：AI能力提升的速度仍在加快，而且社会距离“极其强大模型”的时代，可能已经比多数人想象得更近。 这场讨论围绕科学、就业、治理、安全、创业以及社会制度转型展开，呈现出的并不是单一的技术乐观主义，也不是单纯的风险警报，而是一种带着紧迫感的历史判断：人工智能已经不再只是实验室里的新工具，而是在逐步成为会重塑经济结构、公共治理和个人生活方式的基础性力量。

奥特曼在谈话一开始就解释，为什么现在必须把“超级智能”以及更高能力等级AI的公共讨论提前展开。 他的核心判断是，模型进步并非一次性跃迁，而是在接下来几年里持续推进，能力会不断抬升，并以越来越实质的方式影响世界。 正因为如此，越早让公众、领导者和政治系统进入讨论，未来在关键时刻做出合理决策的可能性就越高。 这种观点背后的逻辑并不复杂：真正危险的往往不是变化本身，而是社会在变化到来时仍没有准备好应对框架、协调机制与价值共识。

这种“变化已在路上，但公众感知滞后”的判断，在整场对话中多次出现。 奥特曼用一次疫情前夕的个人记忆来说明这种感受：在2020年初，OpenAI内部一些研究者已经比外部世界更早意识到新冠疫情的扩散风险，并提前开始为封锁和远程办公做准备；而在城市街头，大多数人的生活看上去依旧正常。 他认为，如今自己面对AI进展时再次感受到类似的气氛——重大变化事实上已经发生，模型能力已经抵达某个新阶段，但整个社会还没有完全消化这一现实。 这种比喻极具冲击力，因为它不是要制造恐慌，而是在提醒人们：当一个系统沿着指数式轨迹发展时，惯性的社会判断往往会系统性低估它的近程影响。

不过，奥特曼并没有把这种紧迫感仅仅导向风险叙事。相反，他明确表示，AI最值得期待的地方，恰恰在于它可能释放出前所未有的积极价值。 在他看来，如果人工智能能够把几十年的科学进展压缩到更短时间内完成，人类就有机会更快地治疗疾病、发展个性化医疗、发现新材料，并推动更廉价、更安全的能源方案落地。 这意味着AI的意义并不只是提高办公效率，也不只是替代一部分脑力劳动，而是可能直接扩大整个人类社会解决问题的能力边界。 换句话说，AI真正重要的地方，也许不是“让现有流程更快”，而是“让过去做不到的事情变得可做”。

这种能力扩张还会改变创新的组织形式。 在对创业的讨论中，奥特曼多次提到一个令人兴奋的图景：未来也许只需要一个人、两三个人，外加大量计算资源和AI系统协作，就能搭建起过去必须依赖完整团队才能建立的创业公司。 他把这种变化类比为云计算基础设施普及给创业生态带来的那种门槛下降——当年小团队不再需要自建复杂服务器设施，创新就迎来一轮爆发；而AI将带来的门槛下降，会比那次更大。 这背后的本质，是启动一家公司的“摩擦成本”在持续下降：产品设计、编码实现、营销文案、客户服务、数据分析乃至运营流程，都可能被AI显著压缩。 当表达想法和执行想法之间的距离被拉近，社会中原本被资源、技能或组织门槛压住的创造力，就有可能被大量释放。

这种释放不仅属于创业者，也属于更广泛的人群。 对话中提到，未来每个人都可能拥有一组AI助手，帮助完成自己原本并不擅长的工作环节，由此获得更强的行动能力与经济参与能力。 这是一种非常关键的转变，因为它意味着AI不只是替代劳动者，也可能成为普通人放大自身能力的基础设施。 如果一个人可以借助AI迅速搭建产品、验证商业模式、组织信息、学习新领域知识，那么“谁有资格开始行动”这件事本身就会发生改变。 在这样的新经济里，创造价值的机会可能不再只集中在掌握资本、技术与组织资源的少数机构手中，而是更多流向有创意、有判断力、有执行愿望的个体。

当然，前提是这种能力不能只掌握在少数人手里。奥特曼在谈“AI民主化”时，将其明确分成两个层面。 第一个层面是使用权意义上的民主化，也就是让尽可能多的人都能获得足够强的AI资源，用它改善生活、开展研究、创造产品和服务。 第二个层面则是治理意义上的民主化，即公众不仅要能使用AI，还要能对AI将走向何处、以什么方式嵌入社会制度，拥有真实的发声机会和反馈通道。 这一区分很重要，因为它说明，真正的AI普惠并不只是订阅一个聊天工具，而是要让更多人接触到高价值、高算力、真正能够改变生产与创新能力的服务。 同时，社会还必须建立一种机制，让公众意见能够真正反馈到制度设计中，而不是只在舆论层面热闹一时。

围绕这种普惠目标，对话也触及了AI时代最现实的瓶颈之一：算力与基础设施。 奥特曼坦言，过去人们总在谈何时能走出“算力紧张”，但如果智能成本不断下降、能力不断提升，那么对计算资源的需求也会持续增长，算力紧张可能并不会真正结束。 这意味着，AI的广泛普及并不仅仅是软件问题，也是能源、芯片、数据中心、网络与经济模式共同构成的基础设施问题。 谁能获得足够便宜、足够强大的推理资源，谁就更有可能在新一轮创新和生产组织变革中占据主动。 从这个角度看，AI竞争并非只是模型参数的竞争，更是整个社会资源配置能力的竞争。

然而，能力越强，风险也越需要被认真处理。对话中的另一条主线，就是如何理解AI时代的安全与韧性。 过去，人们讨论AI安全时，常常默认世界上只会存在少数几个最强大的AI系统，因此重点是确保这些系统本身“不做错事”。 但奥特曼指出，现在更现实的图景是：未来世界里将存在大量AI，不同公司、不同组织、甚至开源社区都会不断提供能力很强的模型。 在这种情况下，安全问题不能只靠某一家机构“把自己的模型管好”，而必须转向一种社会整体韧性的建设逻辑。

所谓韧性，首先意味着承认漏洞和冲击并不会因为单点控制而完全消失。 研究者在对话中提到，除了继续做安全评估、红队测试和风险缓解，还应准备面对另一种现实：总会有某些行为者做得不够谨慎，也总会有某些事故、近失误或者意料之外的后果出现。 因此，社会需要像航空业那样建立更系统的事故报告与共享机制，把小事故、近失误和新型风险尽快纳入公共认知，以便其他机构及时采取防范措施。 这种思路非常重要，因为它说明AI治理不能只依赖“提前阻止一切”，还要建立“事后快速发现、快速共享、快速修复”的能力。

网络安全是被反复提到的高风险领域之一。 奥特曼认为，AI会越来越擅长编程，而这也意味着它会更擅长发现软件漏洞、理解系统脆弱点，进而可能被恶意使用于网络攻击。 更严峻的是，即便某些前沿模型提供者能够限制本身产品的滥用，强大的开源模型同样可能迅速出现，并具备类似的代码与攻击辅助能力。 因此，现实可行的办法并不是幻想风险不会外溢，而是必须大规模使用AI去防御AI，优先增强可信防御者的能力，加固关键基础设施，修补长期无人维护的脆弱系统。 这是一种典型的“攻防共同升级”格局：未来的安全，不再取决于是否存在高能力AI，而取决于防守方能否比攻击方更快、更系统地掌握并部署这种能力。

生物安全则是另一个被明确提出的重点方向。 奥特曼指出，仅仅限制模型不能协助开发病原体，并不足以构成完整的防线，因为迟早会有人通过某种模型尝试危险用途。 因此，更长远的应对方式，是建立检测系统、快速响应机制、治疗储备以及更广泛的生物防御“护盾”。 对话中还特别提到食品供应链相关的生物风险，认为这一点往往被公众低估，但对社会稳定却极其关键。 这一判断表明，AI治理的关注点不能只停留在“模型说错话”或“内容真假难辨”，而必须延伸到网络、电力、医疗、食品、供应链等真正支撑文明运转的底层系统。

如果说安全问题要求社会建立新的韧性，那么经济问题则要求社会准备新的分配和调节机制。 在谈到AI对就业与收入结构的冲击时，奥特曼并没有给出简单结论，但他明确表示，如果AI开始承担世界上大部分智力劳动，传统依靠征收人类劳动收入来维持财政与福利体系的方式，很可能需要调整。 他提到，未来可能需要探索新的税收方式，对AI创造的价值征税，而不是继续沿用以人类工资性收入为中心的旧制度。 同时，社会也许需要更强的过渡支持措施，例如新的失业保障、转型援助，甚至讨论让更多人以新的方式分享技术进步带来的上行收益。 这其实触及了一个非常深的制度问题：当资本与劳动之间原有的平衡被AI打破时，资本主义现有结构是否仍能稳定运行。

对话者还进一步提出，一些应对措施应当具有“逆周期”特征，也就是在AI造成明显冲击时自动加强保障，而不是在一切尚未变化时就贸然全面改写制度。 其中包括围绕缩短工作时长、强化失业支持等方向的讨论。 这种表述体现出一种谨慎态度：一方面，他们认为变化可能非常剧烈，必须提前讨论；另一方面，他们也承认自己可能判断有误，因此制度设计最好保留弹性，在风险真实显现时再分层启动。 这不是犹豫，而是试图在前瞻性与可执行性之间寻找平衡。

整场对话还有一个非常值得重视的观点，那就是AI可能迫使社会建设新的机构能力与民主机制。 参与讨论者指出，每一轮重大技术转型都会催生新的制度安排，而AI同样如此。 因为AI会放大既有系统中的脆弱性，比如供应链依赖、公共传播中的操纵风险、关键领域的治理缺口，所以国家与社会不只是要监管AI，更要借助AI系统性识别这些原本就存在的问题，并用新的组织能力加以修补。 从这个意义上说，AI既可能是冲击源，也可能成为提升国家能力和公共服务能力的工具。 关键不在于“要不要用”，而在于“由谁来用、如何用、为了谁而用”。

除了宏观制度和产业变革，这场对话还透露出一个微观层面的未来图景：AI将越来越像人的认知搭档。 在讨论创意与个体潜力时，奥特曼提到，未来的模型也许可以在获得充分授权的前提下，梳理一个人的文本记录、邮件、电脑资料，进而挖掘那些本人曾经零散表达过、却没有真正成形的想法，并主动提出值得实现的新方案。 这意味着AI不只是一个被动回答问题的系统，而可能演化为真正参与构思、筛选、推进创意的“思想伙伴”。 如果这一点成为现实，教育、科研、艺术、产品设计乃至日常生活中的决策方式，都将发生非常深刻的变化。

值得注意的是，对话者还谈到公众对AI能力的“信念差”。 他们认为，许多人仍停留在对早期模型的印象中，觉得AI经常胡说、充满错误，因此很难相信它会在不久之后承担更复杂、更重要的工作。 但问题在于，AI进展的时间尺度往往是按周或按月计算，而很多普通人的重新评估周期却可能是半年甚至更久。 当这种认知更新速度慢于技术更新速度时，社会就会出现一种典型错位：最该提前准备的时候，恰恰因为“不太相信已经发展到那一步”，反而错过制度安排和心理预期的调整窗口。 这也是奥特曼不断强调公共讨论必须提前展开的另一个原因。

从整场对话综合来看，奥特曼描绘的AI未来并不是一个单线条故事。 它既包含科学突破、创业民主化、个体能力放大和公共服务升级的巨大潜力，也包含网络攻击、生物风险、劳动力结构重组、税制调整和制度再设计的复杂挑战。 更重要的是，这些变化并不被他描述成一个遥远的世纪议题，而是一个“已经开始、只是尚未被充分意识到”的现实过程。 正因为如此，这场讨论最有价值的地方，也许不在于它给出了多少最终答案，而在于它向外界释放出一个清晰信号：人工智能的未来，不再只是工程师或企业家的内部议题，而是整个社会必须共同进入、共同塑造的公共议题。

如果把这场对话浓缩为一句话，那大概就是：真正重要的，不是去争论AI会不会改变世界，而是要尽快认真思考，当它以比预期更快的速度改变世界时，社会准备以什么样的方式迎接它。 奥特曼提出的大部分方案都还处于探索阶段，他本人也承认其中许多判断也许会被未来修正。 但正如他在对话中反复强调的那样，在剧变真正到来之前就开始广泛讨论，总比在剧变已经压到眼前时仓促应对要好得多。 这正是这场谈话最值得被记录和传播的原因：它不是对未来的定论，而是对现实的提前提醒。