来源：BlackRock

Z Highlights

• 面向企业和创业公司，组织逻辑正在发生明显转向：相比过去讨论“要招多少人”，新一代公司更关心的是“能拿到多少算力、多少token”，而工程和产品团队也因此开始追求前所未有的两倍、三倍交付增长。

• 对OpenAI而言，最核心的判断是“智能应该是充裕的”：这也是为什么公司愿意在收入到来之前就提前重投基础设施，并试图把智能做成像电力、自来水一样可计量购买、最终“便宜到几乎无需计量”的公共能力。

• CEO、总统、顶级科学家这样的角色不会被AI简单替代，但会越来越离不开AI；管理大型组织的关键，正从亲自处理事务，转向“监督一大批AI系统的工作”、决定如何信任它们并为其提供指导。

Sam Altman是OpenAI首席执行官兼联合创始人，此前曾担任Y Combinator总裁，长期处于硅谷创业与人工智能浪潮的核心位置；本次对话由BlackRock旗下GIP主席兼CEO、同时也是OpenAI董事会成员的Bayo Ogunlesi在2026 BlackRock Infrastructure Summit上发起，围绕AI的经济实用价值、算力与基础设施瓶颈、数据中心与能源建设、推理芯片，以及熟练技术工人在AI基础设施扩张中的关键作用展开深入讨论。

AI已跨过“经济实用价值”门槛

Bayo Ogenlesi：大家好，又见面了。要是我一直这样干下去，我明白，等到《60 minutes》有了空缺，也许我还能去试试看。要是我这投资的活儿干不下去了，说不定还能去做那个。再披露一下：Sam是我的朋友，我同时也是OpenAI董事会成员。所以我向你们保证，我不会只问他一些轻松的问题；我会拿出我内心那个尖锐、追问到底的采访者状态。

那么，Sam，正如我刚才说的，你是OpenAI 的CEO，也是创始人之一。你此前还担任过Y Combinator的总裁，在那里你帮助推动了这个世界上最有影响力的创业加速器之一的发展，也为那些塑造了整个行业的公司提供过建议。显然，OpenAI一直站在推动人工智能发展的最前沿，致力于让AI造福全人类，并帮助把最前沿的AI工具带到数以百万计的人手中。多少人？八亿、九亿人？以及世界各地越来越多使用GPT的企业。所以我想先从一个所有人现在都最关心的问题开始，那就是：今天的AI世界到底发展到哪里了？

Sam Altman：在过去几个月里的某个时间点，我们确实已经跨过了一个门槛：这些模型开始具备重大的经济实用价值。这件事也许稍微早一点就已经发生了，但在那之前，人们对这些模型怎么用始终还存在一种迟疑和不确定。我们不仅需要继续让模型变得更聪明，还得把配套的“管道系统”搭建好，让它们真正变得容易使用。而现在，我们已经进入了这样一个阶段：模型所能完成的工作，正在让人们感到惊叹。这种变化在编程领域最明显，但它也同样发生在科学研究中，发生在许多知识型工作领域中。

这一切推进的速度快得让人有点失去方向感。人们会说：天啊，我原本以为还要好几年才会发生的事，现在居然已经发生了。我的工作也已经从亲自去做技术工作、法律工作，变成了管理一支由智能体组成的团队，让它们来完成这些工作。而且，这种趋势还会走得更远。我们现在正处在这条曲线非常陡峭的一段。眼下，也许你已经可以信任一个AI软件工程师去完成一个需要几个小时的任务。很快，它就能完成一个持续好几天的任务；再往后，就是持续几周的任务。而在那之后不久，整个范式还会再次转变。到那时，这些AI系统会让人感觉像是已经接入了你的生活、你的公司，或者任何你所在的环境；它们会持续主动地思考、持续工作，始终掌握完成任务所需的全部上下文信息，然后自然而然地把事情做好——就像你会信任一位资深员工去做的那样。

企业竞争，正在从“招人”转向“拿算力”

Bayo Ogenlesi：企业现在是不是真的明白这些系统能怎样帮助自己，以及如何借助它们重新构想自己的业务模式和运营方式？

Sam Altman：有些公司理解了，有些还没有。但可以肯定的是，新一代创业公司和以往任何一代创业公司相比，思维方式都已经不一样了。以前我们和创业公司交流时，他们谈的通常是自己需要招多少员工。现在，他们普遍不想雇太多人，因为他们觉得那样反而会拖慢速度。如今，他们关注的几乎都是自己能拿到多少算力。比如：我能不能预留这么多算力容量？我能不能谈下这样一个云服务协议？我能不能拿到这么多token？这是一种思维方式上的转变，而大公司在经历这种转变时，速度会更慢一些。不过，已经有一些公司开始朝这个方向走了。你已经能从工程团队和产品团队身上看到这种变化：他们在谈论自己今年计划交付的内容要翻倍、三倍增长。而这种情况，以前是从来没有过的。

Bayo Ogenlesi：而且你一直都很明确地在表达这个观点：通用人工智能（AGI）会比很多人想象得更早到来，而不是更晚。我们也想请你谈谈，你认为我们距离它还有多远，它大概还要多久才会到来。

Sam Altman：到了现在这个阶段，AGI的定义到底是什么，这件事其实非常重要。有人会说，我们已经实现AGI了；也有人会说，已经非常接近了；还有人会说，大概还差一年左右。但不管怎样，这个词本身其实已经越来越失去明确意义了。也许有两个门槛是更值得讨论、也更有意思的。

第一个是：什么时候，全球“认知能力”的总量，在数据中心内部会超过数据中心外部？对我来说，这件事也许会在2028年下半年左右发生。当然，这里的不确定性非常大，我也完全可能是错的，但大概有可能会在那个时间点附近发生。而一旦发生，那将是世界层面上一种极其重大的转变。

第二个门槛是：一家大型公司的CEO、一个大国的总统、一位诺贝尔奖得主级别的科学家——他们会在什么时候变得离不开对AI的高度依赖，无法在不大量使用AI的情况下完成自己的工作？这并不意味着会出现一个“AI CEO”或者“AI 总统”，但它确实意味着，例如拿人类CEO这个角色来说——至少当我思考我自己的工作时，我会觉得这个角色本身将变得非常不同。你仍然需要一个人来为决策负责，并作出人类的判断。你仍然需要一个真正的人去完成我们对一个重要组织领导者所期待的一切理解、判断和担当。但是，我这个角色中的实际工作内容，会越来越多地必须依赖AI来完成，因为人类做不到——没有哪位人类CEO能和公司里的每一个员工交流，和每一个客户沟通，参加每一场会议，并且同时成为每一个领域的专家。所以这些岗位今后会越来越多地变成：监督一大批AI系统的工作，提供监管和把关，决定该如何信任它们的输出，以及如何给它们提供指导。

而那个门槛——也就是你在经营一个大型组织时，如果不高度依赖AI，几乎就不愿意、也不适合继续做这份工作——这是另一个很有意思的临界点。它可能会比前一个门槛来得稍晚一点，但大概也不会晚太多。

Bayo Ogenlesi：那就你自己的工作而言，你现在有多依赖OpenAI开发的那些智能体和AI系统来协助你完成工作？

Sam Altman：这种依赖正在以惊人的速度迅速增加。如果我有一个关于商业模式的新想法，或者是某种战略调整、我们应该推出的产品方案变化，那么在我拿去和别人讨论之前，我做的第一件事，甚至是在和任何人交流之前，就是先去问我们的工具。而随着这些工具获得越来越多的上下文信息，这真的会成为接下来最重要的一件事：它们能够接近于掌握我们公司的完整背景，能够访问我们所有的内部文档、沟通记录、代码、客户数据，以及其他一切信息。这样一来，它们给出的答案、思考能力——或者不管你想怎么称呼它——都会变得越来越好。

1100亿美元融资背后：为什么基础设施才是关键

Bayo Ogenlesi：对吧？好。那我们稍微换个话题。两周前，你们完成了一轮1100亿美元估值的融资。我还特意问了ChatGPT：这和公开市场上其他任何一次融资相比，到底算是什么级别？

Sam Altman：说实话，我也不知道。

Bayo Ogenlesi：是它的四倍大，对吧？历史上规模最大的公开募资，大概也就是沙特阿美几年前做的那次，规模大约在225亿美元左右。而公开市场本来就应该是最广泛、最深厚的资本来源。你们现在有三家战略合作伙伴：亚马逊、英伟达和软银。跟我们讲讲这件事吧——这对公司来说，为什么是一个转折点？还有一个别人问我的问题是：我们到底把这么多钱花在什么地方？

Sam Altman：这个行业有很多难点，但其中最难的一点之一就是：基础设施实在太昂贵了。你不仅需要大量基础设施，而且还必须提前很久就作出投入承诺。我从没见过还有哪个行业和这个这么像。当然，历史上显然也有很多资本密集型行业。但当我看向未来几年摆在我们面前的局面时，如果增长曲线还像现在这样陡峭，如果需求还在以现在这样的速度增长，那你就不得不做出一些相当不寻常的事情。

OpenAI做了很多看起来很“奇怪”的事。我们会在收入真正到来之前，就提前在基础设施上投入大量资金。我们也会尝试一些新的商业模式，比如广告——这看起来也许并不是我们能做的最赚钱的事。类似这样的例子还有很多。但这一切背后，有一个最根本的信念，那就是：智能应该是充裕的。而且我们认为，未来最重要的事情之一，就是要让智能变得——借用能源行业一句老话，虽然那句话后来并没有完全实现——便宜到几乎无需计量。我们希望让智能充满整个世界。我们希望人们在做任何事情时都能使用它。我们希望对下一代人来说，这会变成一种根本不用特意去想的东西；他们会默认它无处不在，默认每个人都能获得这种能力——就像随时都能拥有所需数量的天才，在任何需要的领域里都能调用一样。而这个原则，可以说是我们最核心的指导原则之一。

也正因为如此，我们会做出很多在别的公司看来不那么自然、甚至有点反常的决策。其中之一就是：我们真的很想摆脱现在这种状态。也就是我们过去一直处于、而且直到今天我仍觉得我们还处在其中的一种状态——一种如果不改变做法，就会始终被算力容量所限制的状态。

Bayo Ogenlesi：对，所以你说的“容量限制”，本质上是在说算力受限，是这个意思吗？

Sam Altman：是的。

Bayo Ogenlesi：我经常听你讲一句话：算力本身就意味着收入。关于这一点，我想进一步谈谈你的看法。

Sam Altman：从根本上说，我们的业务——其他所有模型提供商的业务未来也都会是这样——就是出售token。这些token可能来自更大或更小的模型，这会让它们的成本更高或更低。它们也可能使用更多或更少的推理能力，这同样会影响成本高低。它们也许会一直在后台运行，持续为你提供帮助；如果你想少花一点钱，它们也可以只在你需要的时候才运行。它们还可能为了某一个问题而拼尽全力——花上几千万美元、几亿美元，未来甚至可能为了单个问题花上数十亿美元。而这一切，都是非常有价值的。但我们看到的未来是：智能会变成一种公用事业，就像电力或自来水一样。人们会按照计量方式从我们这里购买智能，然后把它用在任何他们想用的地方。而我们现在看到的这种需求，似乎只会继续一路往上增长。如果我们的供给不够，那么结果要么是我们根本卖不了，要么就是价格会变得非常高，最后只有富人才能用得起；或者，社会不得不去做出一大堆某种“中央计划式”的分配决策——比如说，我们有限的算力供应要用在这个地方，而不能用在那个地方。而在我看来，纵观资本主义、创新以及类似这一切的发展历史，最好的办法始终都是：向市场大量供给。

Stargate之后，真正的挑战是电力、供应链与建设速度

Bayo Ogenlesi：显然，要满足这种算力需求，Stargate是其中一个关键组成部分。而且这本来就是一场关于基础设施的大会。你们几个月前宣布了这个项目——或者我想想，差不多快一年前了吧。它在美国那边进展得怎么样？另外，它在其他地方推进得如何？因为我也看到它似乎已经在阿布扎比启动了。

Sam Altman：说实话，这份工作里有很多很酷的部分，而其中最酷的事情之一，就是能亲自去参观那些正在建设中、或者已经投入运行的超大型数据中心。这些吉瓦级园区的规模，真的很难形容。你看照片的时候会觉得：嗯，确实看起来很大。可当你真的到了现场，在里面穿行，从一栋楼走到另一栋楼时，那种震撼是完全不一样的。现场大概有一万人，各种不同工种的专业人员都在做着各自不同的工作。而且，你知道吗，里面看起来简直像一艘宇宙飞船。真的非常惊人。我们现在已经在阿比林（Abilene）的第一个站点上开始训练模型了。那将会成为世界上最好的模型——希望是领先很多的那种。而最让人惊叹的是：我曾在它还处于建设阶段的时候去看过很多次，慢慢真正体会到它那种庞大的规模，以及其中令人难以置信的复杂性；然后到了某一天，OpenAI的一位研究员只是在电脑前输入一条命令，按下回车键，接着数量惊人的GPU同时启动，一起开始执行这项巨大的计算任务。那种感觉真的特别酷。

Bayo Ogenlesi：在把它搭建起来、投入运行，并继续扩张规模的过程中，有哪些事情是让你感到惊喜的？又有哪些是最头疼、最难处理的？

Sam Altman：我的意思是，既有那些原本就预料之中的挑战，也有一些完全意想不到的“未知的未知”。比如说，阿比林就发生过一次异常极端的天气事件，超出了我们原先的预案范围，结果让整个系统短暂地停摆了一阵子。除此之外，还有各种供应链方面的挑战。像这种规模的项目，情况就是这样：总会有很多事情出问题。当然，也有很多事情进展顺利，但如果你要围绕这样一个高度复杂的系统，昼夜不停地去建设它，那就一定会不断冒出各种问题。不过，最让人惊喜的一点之一在于：为了完成这件事，有那么多不同的组织必须在极短时间内协同起来，而最终我们确实在巨大的压力之下，像同一个团队那样一起工作。

Bayo Ogenlesi：当然，电力需求问题是现在很多人都非常关注的。你是否乐观地认为，这个问题能先在美国得到解决？之后我们再讨论其他地区的情况。

Sam Altman：从长期来看，我是乐观的。我毫不怀疑，我们最终一定会想办法建设出大规模的发电能力。AI当然也会在这方面提供帮助。而且，摆在世界面前的这套能源组合——天然气、太阳能、核裂变、核聚变等等——让我对人类最终能够做到什么、最终会采取什么行动，整体上是有信心的。不过，考虑到我们现在看到的需求增长速度，我某种程度上是在期待一个“奇迹”出现：也就是我们能不能在模型的单位功耗效率上大幅提升，好为我们争取时间，去把所有这些基础设施建设出来。当然，在这方面，我们过去的成绩已经非常惊人了。人们总会引用各种他们喜欢的统计数字，来说明我们的模型、以及整个行业的模型，随着时间推移变得高效了多少。

但有一个数字尤其惊人：我们的第一个推理模型叫o1，大概是16个月前发布的。而我们最新的模型，现在已经把推理能力整合进5.4里了。对于同一个高难度问题，如果想得到同样的答案，从最初那个模型到5.4，成本大约下降了1000倍。也许我对时间线记得不是完全准确，也许实际跨度稍微更长一点；但不管怎么说，从o1到现在，成本降低1000倍，在这么短的时间里，这是难以置信的。

这说明了两件事。第一，我们还处在非常早期的阶段。在当前这个范式下，我们对如何开发这些模型、如何训练它们、如何高效地运行它们，其实还有太多可以继续提升的空间。换句话说，我们以前、甚至直到现在，仍然在用一些并不聪明的方式做事，而我们会变得越来越好。第二，人类的创造力，以及在约束条件下运作、寻找解决方案的能力，几乎总会在积极的一面给你带来惊喜。

所以，不只是模型本身变得更强了；我们还看到，内核工程师加入进来，帮助写出更高效的内核；电力工程师加入进来；数据中心设计人员也在想办法，用更高效的方式来建设这些系统。也就是说，响应这个挑战的，并不只是模型研发这一端。远远不止于此，很多领域的人都在共同努力，让整套系统变得更高效。

Bayo Ogenlesi：当然，OpenAI现在本身就是英伟达、AMD这类公司的重要客户。不过，我记得我们也和亚马逊签了一个很大的合作协议，而且我们也在推进自研芯片。

Sam Altman：是的。

Bayo Ogenlesi：你们这么做的考虑是什么？

Sam Altman：我们正在做的这款芯片是专门用于推理的。而这背后的考虑是：面对眼前不断出现、不断累积需要解决的问题，我们认为，一款专门化的芯片会非常重要——它不一定非得是速度最快的推理芯片，但它应该是成本最低的推理芯片，是在单位功耗上效率最高的芯片。考虑到我们眼下面临的这些约束条件，这样一种芯片对于未来我们所看到的大量智能体需求，会变得非常关键。所以，这其实是一种带有明确判断倾向的押注。它是一款功能相对聚焦、用途相对有限的芯片；但在一个能源受限的世界里，它所擅长做的那件事，会变得非常重要。

Bayo Ogenlesi：你或许可以解释一下，因为我不确定现场所有观众都熟悉AI——推理芯片和训练芯片的区别究竟是什么？

Sam Altman：抱歉，我应该解释一下。AI的工作负载目前大致可以分成两个主要阶段。未来它们最终会逐渐融合在一起，变成一个连续的整体过程。但就现在而言，首先，我们要训练一个模型。也就是让数量极其庞大的GPU在海量数据上持续运算数周甚至数月。

你可以把这个过程想象成：一个人可能要花22年的人生时间来完成自己的教育过程。在这个过程中，你从婴儿时期开始学习，东西掉到地上，你看到它会落下；再到后来，比如到了大学物理阶段，你才会非常深入地理解这背后究竟发生了什么。而在那之后，如果你去问一个模型，让它解决一道物理题，这就叫做推理。而这个过程本身其实是相当高效的。对人类来说也是一样。当人们说这些AI模型效率已经很高的时候，他们通常是在拿一个人类花22年完成训练的过程，去和一个成年人花1秒钟解出一道物理题的过程作比较。但如果你比较的是：模型解一道物理题和人类解一道物理题，那实际上，模型可能已经更节能了。而训练则是另一回事。训练需要极其庞大的计算能力，最后产出的其实可以理解为一个“数字文件”——也就是由大量数字参数构成的模型。然后你就可以向它提出问题，并得到回答。

Bayo Ogenlesi：你对我们在这款芯片上的进展感到乐观吗？

Sam Altman：是的，我们预计会在今年年底前把首批芯片实现规模化部署。再过几个月，我们就会先拿到第一批芯片。从目前的情况看，效果应该会相当不错。

要建起AI世界，先要有更多工人

Bayo Ogenlesi：太好了。实际上，你们今天上午刚刚宣布了一项新的合作伙伴关系——与北美建筑行业工会联合会合作，扩大面向熟练建筑工种的培训路径。而这也是今天很多讨论一直在涉及的话题。你能不能跟我们简单讲讲，你和Sean McGarvey达成了什么共识？他稍后也会登台发言，所以我们先来听听你的版本，等会儿再看看他的说法是不是一致。

Sam Altman：是的。我们之前也谈过，而且整个世界过去其实已经很多次讨论过这个问题：我们需要AI基础设施，我们需要这个世界拥有支撑AI的实体基础设施——发电厂、输电线路、数据中心机房、冷却系统，当然还有机架、GPU，以及所有安装在这些设施中的设备。我其实很希望每个人在某个时候都能亲自去看一看这种超大规模的数据中心，因为这件事真的很难只靠想象去理解。

你向ChatGPT提一个问题，它给你一个答案；但人们很难直观地意识到，为了实现这一点，背后到底需要多么庞大的系统，或者说，需要付出什么样的代价才能让这件事发生。人们常常会说，我们在很多不同的地方都受到限制。可能受限于涡轮机的数量，可能现在受限于高压变压器，也可能受限于存储芯片工厂的产能，或者是受限于数据中心本身的建设，等等。

但所有这些限制有一个共同点，那就是：它们都属于极其复杂的大型实体基础设施，而要把这些东西建设出来，就需要大量熟练技术工人，而且是大量的。而且，无论供应链在某一个时点上的瓶颈具体卡在哪个环节，当我去和别人讨论到底需要什么才能加快进度时，答案总是一样的：我们需要更多熟练技术工人，去建设这一整套我们所有人都依赖的基础设施。这些都会是非常出色的工作机会。更重要的是，它们将为下一代美国基础设施建设和经济繁荣打下基础。而我们也非常高兴能够一起合作，推动这件事更快发生。

Bayo Ogenlesi：顺便说一句，BlackRock也持有同样的看法。

原文：“Flood The World With Intelligence” – Sam Altman On AI | DRM News | AI1F

https://www.youtube.com/watch?v=FS1fU5bwVt0编译：GinYibe

请注意，本文编译自文未载明的原始链接，不代表ZPotentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。

Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。