--- id: "kG8AoExkX40" title: "Sam Altman：从 12 人公寓到十亿用户，OpenAI 如何押注“不可能”" channel: "David Senra" host: [] guests: ["Sam Altman"] date: "2026-08-23" updated: "2026-08-24" duration: "1:18:16" duration_seconds: 4696 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=kG8AoExkX40" canonical: "https://pod-exp.pages.dev/kG8AoExkX40/" transcript_jsonl: "https://pod-exp.pages.dev/kG8AoExkX40/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["人工智能","AI 研究","AI 基础设施","创业与经营"] series: ["Sam Altman","OpenAI"] --- # Sam Altman：从 12 人公寓到十亿用户，OpenAI 如何押注“不可能” > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** 这期对谈从 Shopify CEO Tobi Lütke 的 AI 使用方式切入，延伸到企业采用新技术为何慢于技术进步本身。Sam Altman 讨论了自己仍被二十年电脑使用习惯束缚、AI 尚缺“iPhone 时刻”，以及 OpenAI 为什么把模型与算力视为最高杠杆。他也谈到人才与研究的幂律、AI 的失控与权力集中两类风险、迭代部署、平台策略、从成功而非失败中提炼可复用因果，以及 YC 对创业生态和 OpenAI 的影响。后半段最具体地还原了 OpenAI 早期四年半没有产品与客户信号、用研究排行榜替代用户反馈、2016 年十来个人在 Greg Brockman 公寓里“不知道接下来做什么”的场景；最后以 Sam 写给孩子的信和“及时记录正在发生的历史”收束。 ## [0:04] Tobi Lütke：AI 原生公司与采用速度 · YouTube **David Senra：** 我刚刚提到 Tobi Lütke，也说到我之前录过他。为什么你会说，他是你觉得眼下最有意思的 CEO 之一？ **Sam Altman：** Tobi 最让我印象深刻的一点，是从 AI 很早期开始，到这条发展曲线上的每一个阶段，他一直都是最积极往前冲的 CEO。他会自己进去写软件、亲手做实验，还会给我们发非常细的反馈，既谈产品，也谈模型能力。 **Sam Altman：** 在其他人还没这么说的时候，他就已经在讲：我们不能做一家“NPC 公司”，所以必须采用 agents，不然就彻底完了；我们得自己把它做出来。每次跟他聊，他都站在最前沿——不只是 CEO 里最前沿，放在所有人里也一样。他亲手做，理解得很深，对东西有很强的手感。 **Sam Altman：** 在我看来，他经常比其他 CEO 领先六到八个月。你还记得他那封信吗？大概是一年半前，也许是 2024 年，他说处理问题时第一件事应该先问：AI 能不能解决？哪怕那已经是十八到二十四个月前，很多人还是觉得这想法疯了、荒唐。 **Sam Altman：** 这正是我的意思：他长期领先，而且经常是对的；他真正投入进去，又非常不来虚的。没有什么炒作，只有“它现在到底能做什么”“我觉得很快还能做到什么”“我要怎样把公司推到那里”。他对当前能力边界理解得非常深。 **David Senra：** 我之前真没从这个角度想过。对你这样的位置来说，有一个人能给这么强烈、直接、清楚的产品反馈，价值一定很大。给产品反馈的人很多，但他是少见的那个交集：既是一家大公司的 CEO，又能对最前沿的东西给出非常准确、细致的反馈。 **David Senra：** 他跟我说过一件事，我不记得是在那期节目里还是录完之后。他说得很坚决：回头看，2026 年会是“每一门生意都重新变得可争夺”的一年。我本来没想到今天会聊这个，但我很想听你的看法。他说一定会有人造出“AI 原生版 Shopify”，然后说：“那个人会是我。”所以他晚上真的会自己动手，试着从头重构。 **Sam Altman：** 如果今天从零开始，用现在的技术，你会怎么做？这也是我刚才想补充的：Tobi 真的是自己做。他自己用这些工具，自己写软件，自己试模型，自己重新想象工作流。 **Sam Altman：** 多数 CEO 到了那个层级，下面是团队管理团队，再由那些团队去实施。大家会想让你满意，也会替你把粗糙的边缘磨平。但如果自己没在做那件事，我觉得很难真正形成“手感”。据我观察，Tobi 就是非常亲手、非常深入地做，而且像是整晚都在做。 **Sam Altman：** 不过，我不确定 2026 年是不是“所有生意都重新可争夺”的那一年。这里我可能会和他有一点不同意见。我理解那句话的精神，也理解为什么现在会让人感觉事情正在这样发生。 **David Senra：** 那你觉得这件事本身有可能吗？不管是 2026 还是 2046？ **Sam Altman：** 当然不可能字面意义上“每一种生意”都如此。我觉得有些东西甚至是反 AI 的：AI 越强，一些和 AI 没什么关系的业务反而越难被替代，因为人们会更想要真实、非技术性的体验，或者更在乎体育队之类的东西。所以不是所有行业，但很多软件业务，我确实认为会重新变得非常可争夺。 **David Senra：** 所以你主要不同意的是时间表？ **Sam Altman：** 对。我不同意时间表。我觉得会再久一点。 **David Senra：** 好，能多讲讲为什么吗？ **Sam Altman：** 我很喜欢创业公司，我觉得它们是经济里最酷的东西之一。我整个职业生涯都在努力真正理解创业公司。我们做到 GPT-4 的时候——我记得那是 2023 年——我原本以为，很快就会出现远比后来实际发生的更大规模的软件行业扰动，很多软件生意会马上重新变得可争夺 ## [4:06] 企业惯性、Netflix / Blockbuster 与行为改变 · YouTube **Sam Altman：** ……结果并没有像我当时想的那样，马上有那么多软件业务被重新洗牌。我对速度的判断错了几件事，其中一个很重要的原因就是：经济本身有巨大的惯性。人们会继续做原来在做的事，继续向原来的公司买东西，也继续用原来的方式使用工具。 **Sam Altman：** 某种意义上我觉得这反而是好事。它会让我们面前这场很大的转型更平顺、更慢一些，我对此其实很感激。但这也说明，我们所有人给出的时间表都太激进了。即便 AI 是人类发明过最不可思议的技术之一，社会和经济的适应速度还是会慢很多。 **David Senra：** 对，这很有意思。录之前我们还聊过，历史里有很多类似的平行案例。我就是靠读历史吃饭的，所以你刚才讲的时候，我脑子里想的甚至不是 OpenAI、AI 或 Sam Altman，而是我读过的一本 Larry Ellison 传记。 **David Senra：** 大概在 1980 年代，他就在说：“各位，这不是软件问题，是人的问题。软件可以装进去，但人就是不用。我们必须改变他们的行为。技术已经在那里了，现在要做的是让人适应技术，真的开始用它。” **David Senra：** 我自己想到的例子是 Netflix。当它还只是邮寄 DVD、甚至还没开始流媒体的时候，我就很惊讶为什么人们还会去 Blockbuster。我上下学会路过一家 Blockbuster，就这样看着人们继续进去租片，觉得非常不可思议。 **David Senra：** 这个画面一直留在我脑子里：习惯的力量、大家原来做事的方式，远比技术宅想象的更难改变。所以如果回到 Tobi 那封在公司里引起巨大反响的信——你们比别人更早采用这些东西，因为你自己也在参与发明它们——那我很好奇，你自己有没有哪种行为会让你都觉得惊讶：明明知道有更好的方式，甚至正在造那个更好的产品，却还是跨不过旧习惯 ## [5:45] Sam 自己对 AI 的使用惯性与缺失的“iPhone 时刻” · YouTube **David Senra：** 所以回到 Tobi 那封信引发的反应：你比大多数人采用得快，因为这些东西你自己也在参与发明。有没有哪件事让你连自己的行为都觉得不可思议——明明知道有更好的办法，甚至在造那个更好的产品，却还是被习惯的力量卡住？ **Sam Altman：** 百分之百有。 **David Senra：** 好。 **Sam Altman：** 我很喜欢你问这个，我一直在等这个问题。对我来说，心理上最矛盾的一点是：过去二十年，我一直用同一种方式操作电脑。现在我有一个像魔法一样的东西叫 Codex；你有，所有人都能有。按理说，这意味着我应该彻底改变使用电脑的方式。 **Sam Altman：** 我不该还在界面里点来点去，不该把内容从一个消息应用复制到另一个；也不该无意识地刷邮件，在那些我根本不想处理的邮件里挑一封“最不痛苦”的先打开回复。我也不该继续维护一张待办清单，再用二十年来那套方式做这些机械性的电脑任务。 **Sam Altman：** 可我脑子里像是已经写死了：做这些事，才叫工作，才叫有生产力。你如果问我喜不喜欢这样做，我绝不会说喜欢；事实上我会说恰恰相反，而且我相信自己是真心的。但从“显示出来的偏好”看，我明明已经有更好的方式，可以更快，也可以让 Codex 多接手日常工作——清邮箱、做待办、处理这一堆杂事——我却还是照旧。 **Sam Altman：** 这其实说不通，除非我内心某个地方偷偷喜欢这种感觉，或者它会让我觉得自己在“认真工作”。 **David Senra：** 那你觉得要发生什么，你才会更深地采用自己做出来的产品？ **Sam Altman：** 我真不知道。我想，它正在逐渐发生，也许这本来就是正确答案：这种改变只能逐步发生。要彻底改掉一个人已经刻进身体里的习惯和工作流，非常难。 **Sam Altman：** 我也觉得，我们还能基于现有技术做出更好的产品，让转变变得更无缝。可现在大家像是一只脚踩在旧世界、一只脚踩在新世界：我们仍有一台能用老办法操作的电脑，同时又有 Codex，能用一种惊人的新方式替我们操作电脑；但具体什么时候该用哪一个、做什么，大家还没形成直觉。 **Sam Altman：** 我认为这主要是产品层面的失败。现在这个阶段让我想到 iPhone 之前的智能手机。我当年算很早的用户，2003 或 2004 年左右就有 Palm Treo。 **David Senra：** 你用过 Sidekick 吗？ **Sam Altman：** 没有。我一直觉得那东西特别酷，当时很想要一台。其实那时很多底层技术已经有了——当然还缺 multi-touch——但更主要缺的是那些“让 iPhone 成为 iPhone”的产品理念。 **Sam Altman：** 我觉得今天也类似：技术拼图基本都已经摆在桌上，但我们还没有迎来那个“iPhone 时刻”，还没有一种产品把人与技术交互的方式彻底改掉。 **David Senra：** 刚才我们说 Tobi 会自己下场做这些。我们共同认识 Josh Kushner，他跟我说过，你的思考方式和经营公司的方式，很容易让人想到 Steve Jobs。 **David Senra：** Jobs 当然不是自己写代码，也不是自己造硬件，但他的思路像是：“我是零号病人（patient zero），我要做我自己想用的产品。”我们后来在 Apple 看到的很多东西，本质上就是他本人想要的东西。 **David Senra：** 有本书里讲过一个很好的故事。团队准备跟 Steve 开会，讨论一款新的 MacBook 笔记本。他们做了特别庞大的演示文稿，也因为 Steve 那种压迫感很强的存在感而非常紧张，原本以为会开一个小时。 **David Senra：** 结果 Steve 走进来，先看电脑：开机——按一下，马上亮；关机——按一下，马上关。然后他去掀开 MacBook，那里出现了一点延迟。他当场就… ## [9:45] Steve Jobs 式产品直觉与模型 / 算力优先级 · YouTube **David Senra：** ……他说：“把 MacBook 做成这样。”然后直接走出会议室。那场会就结束了。Apple 历史里有很多这种例子。你自己是怎么做产品的？你怎样改进产品？主要就是从自己的需求出发吗？你怎么看这件事 ## [10:00] 模型、算力、幂律与非共识人才 · YouTube **Sam Altman：** 我现在大部分精力都放在研究和算力上。我当然很想多花时间做产品，而且公司里也有很棒的人在思考产品；但我们能做的最重要的事，是造出更聪明的模型，并且让很多人都能高效、充足地运行这些模型。只要这件事做对，我相信其他东西会跟着发生。 **Sam Altman：** 从哲学上，我很倾向于先去找那个高杠杆、很难、却能让指数曲线继续下去的问题。对我们来说，就是模型和算力。我也觉得，这类问题天然比较适合我。 **David Senra：** 为什么会天然适合你？ **Sam Altman：** 像我们这样扩算力，本身是一条非常复杂的供应链。你要设计很多有意思的合作关系，而我喜欢做这类事；还有很有意思的金融问题——你究竟怎样为一个可能已经是、或者正迅速变成人类历史上最昂贵的基础设施项目融资。 **Sam Altman：** 技术问题也铺得非常广：自己设计芯片、晶圆厂（fabs）的供应链、做机架的人，再到这些系统所需要的电力系统。我一直对能源很有兴趣，现在这些东西全汇到了一起。 **Sam Altman：** 所以当你要以这种规模建设 compute，技术、商业、政策、供应链、物流会全部交织在一起，每一层都有很有意思的问题。 **Sam Altman：** 我以前做创业投资。到目前为止，我职业生涯里觉得最像 startup investing 的事情，其实是管理一个研究项目。当然，两者也有很多非常不同的地方。表面上，典型研究员和典型创始人很不一样，这很明显；但底层又有很多共同点。 **Sam Altman：** 比如，你怎么发现非共识（non-consensus）的下注；在哪些地方形成真正的 conviction；怎样识别指数增长；怎样管理那种极端离群的天才，更重要的是怎样先把他们识别出来。我们现在就在研究大楼里，我平时也坐在这里。 **David Senra：** 很好。再多讲讲，为什么你觉得做创业投资学到的东西，和做研究之间有这些平行关系？ **Sam Altman：** 一个很大的共同点就是幂律（power law）。投资圈一直讲这个，但你几乎得重新训练大脑，因为人好像天生不擅长用这种方式思考：你最成功的一笔投资，会超过其他所有投资加起来；第二成功的一笔，也会超过它后面所有投资加起来。 **Sam Altman：** 至少 AI 研究也是这样。我们刚开始的时候，人们觉得 AGI 要么极不可能，要么几乎根本不可能。 **David Senra：** 那是哪一年？ **Sam Altman：** 2015 年。2015 年我们说要追 AGI，几乎被这个领域所有“知识巨人”狠狠干了一顿。后来我们开始真正聚焦大型语言模型，又被狠狠干了一遍，大家说这完全荒谬。 **Sam Altman：** 至少我从创业背景里理解到一点——其他人可能通过别的路径理解——高风险的赌注本身没问题，只要你选的是那种“一旦成功，价值极大”的下注。研究就是长这个样子的。 **Sam Altman：** 能成为优秀研究员的人，也常常具有类似特征：非共识、新鲜的路径、高能量。我脑子里反复出现的词是“不标准”（non-standard）。 **David Senra：** 你得把“不标准”说得更具体一点。是那种能力特别“尖”的人吗？ **Sam Altman：** 你不会想投这样一个创始人：他的想法只是比你前面见过的一千个人稍微不一样一点，却努力说服你——也可能先说服自己——他完全不同、正在做彻底新鲜的东西。很多人其实还是在努力融入人群，沿着和所有人一样的轨道走，只是觉得自己“应该”去创业。 **Sam Altman：** 他们听 Peter Thiel 说过足够多遍“你应该做某件别人没在做的事”，于是又开始模仿这种“不同”。但他们… ## [14:01] 研究管理、人才识别与职业路径 · YouTube **Sam Altman：** ……很多人其实并不真心“不同”。真正不同的人，你一接触就很明显：他就是和大多数人想得不一样，而且愿意守住一种极不受欢迎的判断。这个判断很可能是错的，但一旦对了，会是“非常对”；而另一类人只是给大家都有的同一套想法罩了一层很薄的新外衣。 **Sam Altman：** 2015 年底我们创办 OpenAI 时，全世界真正以 AGI 为目标的项目非常少。有 DeepMind，还有我能想到的一两个。那是一件非常非共识的事。可同一年——我只是拿这个例子开刀，别的类别也一样——可能有成千上万的创始人在做照片分享 app。那大概不是一个那么好的下注。 **Sam Altman：** 今天很多人都想开 AI lab。真正值得找的，反而是那两三个、或者少数几个正在做完全不同事情的人：那件事也许直到 AI 好到今天这个程度才第一次变得可能，但眼下看起来还不像一个“好点子”。我做创业投资时最想投的就是这种东西，而且这类下注对我总体上最有效。 **Sam Altman：** 研究员也一样。很多研究员会去追上一件已经证明有效的东西，少数人则会对一个新想法形成很强的信念。我认为，对后面这种人来说，我们过去是、现在也仍然是最好的研究实验室。 **David Senra：** 我记得几个月前跟一位业内人士聊过这个——这里自动字幕的人名不清。他的意思大概是：以你们现在追的方向，资本需求决定了前面会有“三大玩家”，不太会再冒出第四个同规模玩家；但仍有一个很小的概率，也许 10%——我不记得原数，姑且这么说——会出现某个像“隐士”一样的研究员，从一个我们从没想过的角度切进来。 **Sam Altman：** 完全可能。我不知道该给它一个什么数字，但确实存在这种概率。 **David Senra：** 我记得那个数字不是我凭空编的，但确实只是一个很小的百分比。 **Sam Altman：** 这种事肯定有可能，而且我很喜欢这一点。我觉得也正因为如此，事情才一直这么有意思。 **David Senra：** 这里插播本期节目的 presenting sponsor：Ramp。我最近读了很多 SpaceX。SpaceX 是世界上最有价值的公司之一，而它历史里的一个核心主题，就是不断攻击、质疑自己的成本。Ramp 帮很多世界上最创新的公司做的正是这件事。按照 Ramp 的数据，在 Ramp 上运营的中位数公司会把开支削减 5%。 **David Senra：** SpaceX 还证明了一件事：近乎宗教式地控制成本，实际上也可能帮助你增加收入，因为这样你能追逐原本追不了的机会。Ramp 的数据里也能看到同样现象：使用 Ramp 的中位数公司，收入还会增长 16%。所以当你用 Ramp、竞争对手不用时，你得到的是一种会随时间复利的巨大竞争优势。 **David Senra：** Ramp 的设计目标就是让财务团队更快、更开心。我认识的很多顶尖创始人和 CEO 都用 Ramp 管公司，我自己的公司也用。你可以去 ramp.com 看看它怎样帮企业省时间、省钱、增加收入。 **David Senra：** 我读《Zero to One》时找到过一句我最喜欢的引文之一：“我注意到最强有力的模式，是成功的人会在意想不到的地方找到价值；他们做到这一点，是因为他们从第一性原理而不是公式出发思考商业。”AppLovin 的广告平台做的正是这件事。 **David Senra：** AppLovin 可以让你在手机游戏里触达超过十亿潜在新客户，而且抓住的是不被分散的注意力。它的广告是全屏视频，平均会被观看 35 秒；这个留存表现远超很多其他广告平台。 **David Senra：** 上线也可以非常快：你设定目标，由 AppLovin 去实现，不需要复杂配置，也不要求你具备专门经验，而且规模可以很快放大。它能把你的广告放到超过十亿潜在客户面前… ## [18:01] 赞助口播与从投资人回到创始人 · YouTube **David Senra：** ……其他企业已经很快看到结果，有些把每天广告花费扩大到数十万美元，并把收入增加了数百万美元。所以最好在所有竞争对手都上 AppLovin 之前尽快开始。网址是 applovin.com。 **David Senra：** 好，回到我们的对话。有件事我一直觉得很有意思：你先是创始人，后来做投资人，又回去当创始人。为什么偏偏是 2015 年？到底是什么让你一开始就对人工智能感兴趣，以至于你愿意说：“这件事这么非共识，大家都觉得我疯了，但我还是要做。 ## [18:37] 从痴迷 AI 的孩子到 OpenAI · YouTube **Sam Altman：** 其实我一辈子都对 AI 感兴趣。我小时候就是一个特别 nerdy 的孩子，周五晚上会坐在电脑前，边玩电脑边看科幻、读科幻。我一直觉得 AI 会是最惊人、最疯狂的东西。我从没想过自己有一天真能做它，但一直都非常喜欢。 **Sam Altman：** 我上大学某种程度上也是为了学 AI。大一和大二之间那个暑假，我在 AI lab 工作，但什么都不奏效。我印象特别深，一个教授对我说：“这些方向你都可以试，唯一确定没用的是 deep learning。我们已经试了很久。那基本是保证你职业生涯失败的办法。” **Sam Altman：** 我当时只是个很容易受影响的大一学生，就信了。于是去做别的方向。大概 2005 年左右，我的判断很明确：AI 还做不出来。 **Sam Altman：** 后来我算是偶然闯进创业这件事，然后彻底爱上了它。所以我甚至不愿把那段经历叫作职业绕路，因为回头看它非常有帮助。之后做 startup investor 也非常好。硅谷一种常见的路径是：先做创始人，然后半退休，转去做投资人。 **David Senra：** 我们可不想要那个。我听你说过，接下来整个职业生涯都准备继续做这件事。希望今天只是开始，以后你还会来很多次；我会拿这句话约束你。我们不需要更多“退休去投资”的创始人。 **David Senra：** 投资人已经够多了。 **Sam Altman：** 但我想说的是，我后来又能往相反方向走，这件事很特别：先获得大量投资人的视角，再回去经营公司。这种路径很少见。 **David Senra：** 非常少见。 **Sam Altman：** 我对此特别感激。如果你作为投资人真的长期研究、观察很多公司，会积累一套不可思议的学习样本和 pattern matching。它对我后来经营 OpenAI 帮助极大。因为这和常见路径相反，所以很稀有，我其实非常推荐。 **David Senra：** 它具体为什么有帮助？ **Sam Altman：** 如果你一直只经营一家公司，过去大概只亲身遇过有限数量的类似抉择——那些真正决定命运的 crux decisions。你会知道哪些有效、哪些没用。可当你面对一次高风险战略转向，或者不得不用一种很混乱的方式解雇高管时，你能调用的通常只是自己过去五年、十年的有限经验。 **Sam Altman：** 做投资人不一样。你会一直看到很多公司的关键时刻。你当然得不到每天亲自经营公司那种 operating practice，但你几乎整天都在看别人撞上那些大关口。所以我当时积累的数据集特别丰富。 **David Senra：** 所以现在每次要做决定，那些案例都会在你脑子里播放？ **Sam Altman：** 会。我会想：“哦，这和那家公司当时遇到的事很像；我看过那个创始人在这里犯错，也看过另一个创始人在类似问题上做得特别对。” **David Senra：** 我们刚才还聊到你研究工业革命，也聊了几本我们都读过的传记。我有个朋友 Daniel——自动字幕这里的姓氏不清——形容过我做 Founders 十年的结果。他说：“你就像一个拿历史上最伟大创业者训练出来的 LLM，只是 temperature 调得特别高，因为你疯得厉害。” **David Senra：** 我确实会以一种很怪的方式，对那些已经去世的创业者特别着迷，但这很有用。跟一个创始人聊天时，他说自己碰到什么问题，我脑子里会马上跳出：“Carnegie 当年这么做，Rockefeller 当年那样做，也许你可以试试这个。” **Sam Altman：** 那你最后会从这么多案例里提炼出一个最大的洞见吗？还是说，更像是每遇到一个具体场景，你都能调出很多不同的人当时怎么做，再把它们拼起来？ **David Senra：** 我觉得很依赖创始人的个性。比如我读你的博客很多年了，我觉得你写得特别好，很简洁；那种 brevity 对我很有吸引力。我也特别爱 numbered lists。很怪，我们俩写东西的方式其实很像。我读你的文章时经常会想… ## [22:37] 早年对深度学习的怀疑与重新下注 · YouTube **David Senra：** ……“这就是我读完那些东西也会得到的结论。”当然，有一小组原则可以跨案例使用，但最后还是非常取决于创始人是谁、他到底想做什么。 **David Senra：** 这也正是我想理解的。回到刚才的话题：你当时其实做了一个非常大的跳跃。据我听到的说法，你已经是硅谷有史以来最优秀的投资人之一。你完全可以很有钱，然后不用那么辛苦工作——投资人嘛，多少有点懒。 **David Senra：** 我开玩笑的。好吧，也不完全是。 **Sam Altman：** 不，做过两边以后，我觉得我有资格说：经营一家公司，比做投资人难太多、太多、太多了。 **David Senra：** 对，这正是我觉得人应该去做的事。所以你当时相当于说：“去他的容易路线，我偏不走。我要去做可能是最难的东西，做大家觉得不可能、还会拿我开玩笑的东西。 ## [23:19] 不可能问题、科学发现与人类连接 · YouTube **Sam Altman：** 对。 **David Senra：** 我还是想把这件事弄明白。你小时候就喜欢 AI；当时你住在 St. Louis，对吧？ **Sam Altman：** 对，我住在 St. Louis。 **David Senra：** 那时候 AI 为什么会吸引你？ **Sam Altman：** 我觉得它会吸引所有 computer nerd，这一点在我身上并不特别。它给人的感觉是“不可能”：大家都会说，如果真能做出来，那肯定是世界上最酷的事，但它完全不可能。可能我比较怪的地方只是——好，那就试试看。 **Sam Altman：** 别人说“你做不到”，我不会立刻产生那种对抗式的抵抗，更像是：“你确定吗？为什么不行？试一下看看会发生什么。也许我能，也许我们能。”我小时候非常乐观，而且一件事看起来越不可能，我反而越着迷。 **Sam Altman：** 如果能发明一种技术，让我们借它去做几乎所有别的事，以一种任何单一技术都做不到的方式给人增加能力，这件事在我看来天然就极有吸引力。我想要的就是那个东西——我想拥有做其他一切事情的能力。 **Sam Altman：** 从我有记忆起，我就对“让人拥有更多力量、更多能力”这件事很感兴趣。某种意义上，这就是技术史的整条弧线。我当然一直是个 technology nerd，而 AI 是我能想象的最强版本。 **David Senra：** 那你小时候觉得它具体能让你做什么？有没有某件事是：“我想做 X，但除非先发明 AI，否则我做不到”？ **Sam Altman：** 这种问题最难的地方是，我很难分清：哪些真是我当时想的，哪些是我今天正在做的工作反过来改写了记忆。 **David Senra：** 对，也就是你现在的工作在多大程度上给旧记忆染了色。 **Sam Altman：** 但我可以确定，小时候我特别喜欢机器人。学校里有 robotics club。那时的机器人现在看简直好笑。我还记得夏令营里有一个小“乌龟”，可以用电脑控制它在地板或桌面上移动；当时我觉得那东西酷爆了。电脑能让实体东西动起来，这一直让我觉得很神奇。 **Sam Altman：** 现在我极其关心 AI 能怎样推进科学发现。成年后的记忆告诉我，小时候大概也觉得这个很酷，但我又觉得这有点不可信，所以很可能就是“现在的兴趣给过去的记忆染色”的例子。 **Sam Altman：** 可今天，AI 有机会去发现新的物理规律、治愈疾病，再看看它已经在数学上做的事——我觉得这会成为最重要的方向之一，甚至比自动化其他任务更重要，因为它能帮助我们理解更多东西。 **Sam Altman：** 我们之前聊过 David Deutsch 的《The Beginning of Infinity》。站在今天重新读，我会想：天啊，AI 真能帮助我们完成这件重要的事——理解一切，或者至少尽可能多地理解。 **Sam Altman：** 小时候我肯定也喜欢那种 Star Trek 式的未来：巨大的繁荣和丰裕，以及 AI 能怎样推动它。也许我小时候对科学的兴趣其实是真的；我一直喜欢科学，也一直觉得，只要足够聪明，我们就能理解世界、做出预测，从而完成那些没有这种深层理解时做不到的事情。对我来说，这本身就很酷。 **David Senra：** 有意思的是，人类跨了这么多年，对 AI 的愿望其实非常一致。你刚才描述的东西让我想到我最近第二次重读 Claude Shannon 的传记。我大概五年没读，已经忘了一个细节：他和 Alan Turing 当年在 Bell Labs 时，会每天一起喝咖啡。 **David Senra：** 那是 1940 年代，他们坐在那里谈的就是 AI，而且两个人都对它着迷。他们那时已经觉得这件事必然会发生，甚至觉得大约十五年后就会发生——也就是到 1955 年左右，会有比人更聪明的计算机。当时今天意义上的电脑甚至还不存在，只有更早的模拟形态。 **David Senra：** 在他们看来，觉得这不会发生的人反而很荒谬。别人问：“那你希望计算机做什么？”他们会回答：“解数学题、写诗、治病……”这些愿望你会一遍又一遍地看到。 ## [27:21] AI 内容与真实人类关系的价值 · YouTube **David Senra：** 我读过不少他们那个时代写下来的东西，非常遗憾他们没活到今天，因为他们在太多事情上都说对了。我们终于到了 AI 能解全新的数学题、能发现新东西的阶段；它也在写诗——你可以争论写得好不好，我会说现在还不算很好——但已经走到了一个他们大概会说：“行，你们做到了，就是这个。”的时刻。那一定会很酷。 **David Senra：** 奇怪的是，人总爱说：“哦，它绝不可能做 X。”我跟音乐行业的人聊，他们会说：“AI 永远做不出伟大的音乐。”然后又有人问我：“那它会不会做 podcast？”我会说，当然会。它最终会做我们能做的一切，而且至少在很多事情上，我觉得它会做得比我们更好——甚至现在某些地方就已经更好。 **David Senra：** 人好像有一种很深的心理缺陷：总觉得技术绝不会超过“恰好在我活着的这个时间点”已经达到的水平。但我觉得还有一个更有意思的问题：假设它真的做出一档伟大的 podcast，两个 AI 的对话甚至比你我现在这场更有意思，人们会在乎吗？还是会因为我们天生痴迷于“人”，仍然想听真正的人？ **David Senra：** 对我来说，“是真人在说”本身就让事情更有意思。那是两个我可能本来就喜欢、也可能本来就不喜欢的人，在进行一场我感兴趣的谈话。纯 reference 类型的内容，比如我另一档节目有时只是说“这本书里有几个有意思的观点”，那种东西也许更容易被替代。 **David Senra：** 但尤其对我们这种在这一切发生之前就出生的人——也许对你儿子那代会不同——我非常深地相信，人会一直被人吸引。很多工作可能发生巨大转型，可凡是围绕“人”、围绕人与人的连接、围绕人喜欢另一个人的东西，我感觉在那个新世界里会变得更值钱，而不是更不值钱。 **David Senra：** 当然，我可能也不是讨论这件事最中立的人。我的工作几乎完全数字化，广播到全世界，但我内心非常渴望更 analog 的生活。我喜欢纸质书。之前跟 Kelly 聊时我还说：“我不想上 Zoom。给我打电话，或者我们当面聊。”我就是喜欢实体世界里的东西。 **Sam Altman：** 我也是。我不读电子书。 **David Senra：** 对。 **Sam Altman：** 我也不喜欢 Zoom meeting，我喜欢跟人待在真实世界里。我确实觉得有一小撮怪人——这个城市里大概还不少——不喜欢人，只想跟电脑交流。但那只是整个人类里非常小的一部分，真的非常小。 **Sam Altman：** 这也是为什么我觉得，即便有 superintelligence，整个世界在很多根本层面也不会变得那么不一样。人依然会在最底层的本能里关心其他人，想待在其他人身边，想和其他人互动。 **Sam Altman：** 当然会有一些人迷上模型，觉得人类只是碍事，或者是某种需要处理的危险。但对绝大多数人来说，人本身才会是全部意义所在。我觉得… ## [30:16] AI 的两类最大风险：失控与权力集中 · YouTube **Sam Altman：** ……这一点非常重要。如果我们真的遇到那种把人类视为障碍、只想让模型掌权的人，我觉得应该把这种倾向明确指出来，而且要确保这样的人不要获得权力。 **Sam Altman：** 也许我对 AI 最担心的两类大风险，彼此还有一点张力。第一类是失去控制：AI 变得过于强大，我们无法保证仍然拥有想要的控制。第二类则是权力过度集中：一家企业、一个模型或者一个人拥有太多权力。 **Sam Altman：** 这两种情况的共同点，是我都觉得它们非常 anti-human。正确方向应该是：让人真正掌控未来，让人真正被赋能。人才是这一切的目的。我们不能因为不信任人、不喜欢人，就坐在这里一点点把控制权交给 AI 模型。 **Sam Altman：** 那种“把所有信任都交给模型，让它拥有这个世界的全部权力和决策权”的想法，非常厌人类。可世界上确实有人觉得那才是正确结局。 **Sam Altman：** 另一种版本则是：因为我们不信任人，所以必须限制谁能获得这项技术、他们能怎么使用。我们会列出所有可能发生的可怕事情，然后因为害怕这些事情，把权力集中到少数公司手里；其他人不能真正使用技术，只能被分到一些好处。 **Sam Altman：** 我对此的夸张版概括是：AI 领域有些人实际上在说——“我们可以把治愈所有疾病的能力给全世界，也可以让东西变得非常便宜；交换条件是，你们放弃自主性，放弃影响未来的能力，放弃权力。我们会以安全之名这么做，而且接受极端不平等：少数人拥有巨量财富和权力，其他人则得到一个‘什么都还不错’的生活。” **Sam Altman：** 我觉得这是一套非常糟糕的推销话术，也是一套非常 anti-human 的推销话术。可不知为什么，确实有人愿意这么讲。 **David Senra：** 你觉得他们为什么愿意这样讲？ **Sam Altman：** 我觉得是恐惧和权力。谈到 AI 风险时，有些人对风险的量级紧张到被它完全攫住，强烈觉得自己必须保护世界，于是会说：“这和我们以前见过的风险不同，所以这里应该用大量自由去换安全。” **Sam Altman：** 但我也觉得，这最后很容易变成替追逐权力的行为提供正当化理由。 **David Senra：** 这和我读到的早期材料反差很大。就像我刚才说 Claude Shannon、Alan Turing——至少在我读过的书里——他们的基调更乐观：我们要发明能让生活变好、能替我们做事情的东西 ## [33:10] 迭代部署、安全与从现实反馈中学习 · YouTube **Sam Altman：** 你完全说对了。回到 Claude Shannon 和 Alan Turing 那个时代，他们谈的是 AGI 会有多棒、能做多少事情。我们刚开始时，却承受了来自 doomers 的很大压力。 **Sam Altman：** 我认同 doomers 的一部分：这是一项非常强的技术，所以每到一个新的能力层级，我们都应该偏向安全、谨慎行事。我不同意的是“这是一个无解问题”这种判断。 **Sam Altman：** 回到 OpenAI 刚成立时，我觉得当时有两种广泛意见。第一，我们根本不可能——至少十年内不可能——做出很像 AGI 的东西。第二，假设真的做出来，我们肯定也没办法让它安全。 **Sam Altman：** 如果你有一个 AI，在很多维度上比大量最聪明的人、甚至比大多数最聪明的人都聪明，doomers 当时会说：到了那一步，世界肯定已经毁了；alignment 一定已经失败。大家对“十年后会发生什么”有非常自信的判断。 **Sam Altman：** 可现在我们已经造出了一个东西，按当时很多人的标准会被称为“非常像 AGI”。很多好事发生了，而那些“世界已经结束”的疯狂坏预测没有发生。我觉得这应该让人更新对未来的预测。当然，前面仍有风险更高的问题要解决。 **Sam Altman：** 我们的做法又来自我从 startup 学到的一件事：把东西放到现实世界里，从真实客户那里得到反馈，看它在哪里会坏、哪里不会坏。这是造好产品的办法，我认为也是造安全产品的办法。我们在 AI safety 上取得的进展，比刚开始时绝大多数人预期的更多。 **David Senra：** 为什么？ **Sam Altman：** 因为有太多人在用。现在每周有十亿人使用我们的产品。每当模型进入一个新的能力层级，我们就把它放到世界里，看什么有效、什么无效；看哪些地方 guardrails 太紧，需要放松，因为用户确实有正当用途；也看哪里会出现 alignment failure、哪里安全系统会失效。 **Sam Altman：** ChatGPT 上线还不到四年，就有十亿人在重要、敏感的事情上使用它。我们能在这么短时间里，把这么强的技术做到整体上被认为是安全的——当然它仍然有问题——我不认为靠待在象牙塔里能做到。 **Sam Altman：** 这就是我相信应该如何构建好的、安全的、robust、真正有用的技术与产品。我觉得这是 Y Combinator 给我的一个重要学习。如果你问过去那些 AI safety 人士，走到今天这个能力水平还能保有我们目前这种安全保证，在他们看来大概完全不可能。 **Sam Altman：** 从这里往后确实会更难。但我不认为把自己和现实切断，就能把问题解掉。 **David Senra：** 为什么从这里开始会更难？ **Sam Altman：** 因为现在世界上最聪明的人，大致还和世界上最聪明的模型处于差不多的聪明水平，而这个关系正在翻转。 **David Senra：** 对，方向上我同意。 **Sam Altman：** 模型的能力实在太强，而且还沿着非常陡的轨迹进步。那些 unknown unknowns，也许相对难度未必上升，但从绝对尺度看会更难。我们会不得不做很多艰难决定：什么时候延缓开发；什么时候说“好，先让它接触现实”；什么时候又该等更久、先把某件事研究清楚。 **Sam Altman：** 我最近和一个人聊过一件一直留在脑子里的事。FAA 帮助航空旅行变得极其安全。飞行表面上看是一件非常危险的事，但今天大多数人上飞机几乎不会多想。飞机在人类历史的长尺度里其实非常年轻，早期航空当然完全不是今天这样。 ## [37:11] 事故复盘、赞助口播与安全机制 · YouTube **Sam Altman：** 航空体系有极其 robust 的事故报告机制，而且态度非常清醒。他们不会把问题含糊带过，而是尽可能从每一次事故里抽取信息。我觉得，对任何新技术来说，这样的路径都非常有效，却经常被低估。 **Sam Altman：** 所以当我们开始部署模型、决定把 ChatGPT 放进世界时，我们知道模型不完美，知道它会 hallucinate，也知道会有别的问题。但我们同样知道：世界必须亲自体验这项技术；我们必须从中学习怎么让它安全；而且必须把能力交到人手里。 **Sam Altman：** 我们不能用这项技术强行把自己的世界观施加给别人，也不能坐在实验室里试图预先想清所有社会影响——那本来就行不通，因为社会和模型会共同演化。我们必须把它当成一个大家一起参与的共同产品。 **Sam Altman：** 然后我们要认真做“事故记录”：哪里出了问题就研究哪里，写清楚 postmortem，尽可能多学东西。不只是改进我们自己的技术和产品，也尽量把这些学习分享给其他做 AI 的人。到目前为止，我觉得这套方式的效果好得出乎预料；它既有技术史上的好先例，也有 startup 的好先例。 **David Senra：** 这里插播 Deal。最好的创始人会把整个世界变成自己的人才池。我研究历史上最伟大的创始人已经十年，他们有一个共同点：都知道招到、留下最优秀的人才，是最重要的优先级。A player 会识别 A player，这也是 Ramp、Shopify、ElevenLabs、Uber、DoorDash 这类公司都使用 Deal 的原因。 **David Senra：** 我认识的很多顶尖创始人用过 Deal 后还亲自投资了这家公司。他们发现，Deal 在建设全球招聘基础设施这件事上非常强。它可以帮助企业在世界任何地方雇佣、付薪并管理员工，让你留住各地最好的人，然后把剩余时间放回自己最擅长的事情——为客户交付价值。 **David Senra：** ElevenLabs 的创始人有一个很好的说法：“我们打造 ElevenLabs，是为了打破语言和沟通障碍；Deal 让我们能在任何地方雇佣并支持杰出人才，从而加速创新，把更多声音、故事和想法带到世界每一个角落。”Deal 已经被四万多家企业使用。自动字幕给出的访问地址是 deal.com/enra。 **David Senra：** 回到对话。有件事对你来说一定很令人失去方向感，因为在我看来它也很矛盾。我几乎只研究 entrepreneurs 和 entrepreneurship。我的节目当然很高兴有其他人听，但它的核心就是服务创业者：从去世创业者的传记里找有用信息，或者和你这样的人谈，让别的创业者能从这些对话里获益。 **David Senra：** 可这里有个很怪的现象：很多创业者喜欢 AI，几乎每个人也都在用 AI；与此同时，好像又“每个人都讨厌 AI”。这到底是怎么回事 ## [40:28] 人们为何害怕 AI，以及小企业可能的繁荣 · YouTube **Sam Altman：** 人本来就会害怕快速的社会经济变化。我们前面聊工业革命，我也很喜欢读过去那些技术革命。工业革命发生时，人们绝不是普遍都带着温暖、积极的感觉欢迎变化。 **Sam Altman：** 我甚至觉得，人类社会内置一定程度的惯性、对快速变化保有怀疑，是个不错的特征。在动荡、局部疯狂之类的时期，它大概能保护社会。这也像是人类生物学的一部分，我通常不赞成太用力去对抗它。 **Sam Altman：** 但另一方面，AI 圈自己也把事情讲得很糟。有人会跑出来说：“有 25% 的概率我们会毁掉世界，但我们还是要冲，因为不然坏人会先做。”或者说：“这东西会很可怕，明年 50% 的工作都会消失，希望大家没事。”听起来当然吓人。 **Sam Altman：** 作为一个领域，我们没有很好地向人解释收益是什么，也没有很好地说明坏处怎样被减轻。就算有人给出答案，比如 universal basic income、或者“工作会变成可选”，大家也很少认真谈：为什么让普通人拥有更多权力、更多个人自由，而不是更少，是一件极重要的事。 **Sam Altman：** 大多数人非常在乎能不能影响自己的未来，能不能一起参与决定社会往哪里走，也在乎由此带来的 autonomy。我觉得 AI 领域不少人自己当然珍惜这些，但很少停下来反思、承认：别人同样在乎。 **Sam Altman：** 所以回到我之前对那套“sales pitch”的形容——我甚至不确定 characterization 算不算一个词。 **David Senra：** 算。 **Sam Altman：** 它大概就是：“亲爱的农民们，我们将赐予你们治愈癌症、物质财富、很棒的娱乐这些礼物。你们别抱怨了，未来的决定都由我们来做，相信我们就好；我们会是仁慈的独裁者。”这不好，真的不好。 **Sam Altman：** 我热爱创业者，也一直研究过去几个世纪为什么会出现这样不可思议的经济奇迹。让我最坚定相信的东西之一，就是让人真正有能力去做新东西、追自己相信的方向，并拥有创办公司、发明技术、追求想法的自由，以及支撑这一切发生的制度。 **Sam Altman：** 即使一个人从不觉得自己是 entrepreneur、也永远不想创办一家大公司，他仍然能理解这种自由为什么重要。所以当他听见有人隐含或明确地说：有了 AI 以后，这种东西会更少，因为权力会集中在少数人手里，只是这些人会替大家做“好决定”并保证安全——我觉得这当然会让人害怕。 **Sam Altman：** 而且，就算多数人不想造一家特别大的公司，仍有很多人想开一家小公司。过去这件事很难，常常需要相当多的 privilege、运气和资源。我认为我们马上会看到历史上最大规模的一波“小企业创业潮”，AI 正在赋能这件事。 **Sam Altman：** 不知为什么，整个领域——也包括我们自己——没有把它讲得足够多，明明我们已经看到很多迹象。我们也还没造出足够多的产品去加速它，但我觉得接下来会看到非常多。 **David Senra：** 有意思的是，我们前面提到 Tobi Lütke。我跟他那次对话最后，他说了一个我之前没想过的角度：“其实你和我做的是同一门生意——我们都想创造更多创业者。”他说自己在给创业者做基础设施，而我在给他们做教育和激励型 podcast。 ## [44:28] 创业、工作变化与个人能动性 · YouTube **David Senra：** 你刚才说的让我觉得更夸张：AI 作为一个新兴行业，在“解释自己到底在干什么”这件事上，可能是我见过做得最差的行业之一。你们这些人需要更主动走出去，谈自己看到了什么、教育大家。 **David Senra：** 有一本很好的书叫《The Intel Trinity》，讲 Intel 的故事。“Trinity” 指三个人：Robert Noyce、Andy Grove、Gordon Moore。书里有个我一直没忘的故事：他们从集成电路一路做到 microprocessor 后，意识到这项技术太重要，也会让潜在客户害怕。 **David Senra：** 于是这三个人停下手头工作，亲自出去教育潜在客户、投资者，甚至整个国家。有一段时间，他们办的课程数量，比当地 community college 的整套课程目录还多。他们把“解释这项新技术”放到了最高优先级。那为什么 AI 圈没有人在大规模做同样的事？ **Sam Altman：** 没有借口，我们应该做得更多。我们试过一些版本，但还没有真正做对。 **David Senra：** 可你现在就在做。这也是我特别想跟你聊的原因之一。我自己天天用 AI，也觉得它特别有意思，但你的视野会让我觉得自己的视野像蚂蚁一样小。你脑子里有太多 context，而且你本人就在发明这项技术；我很想把这些东西掏出来，也想知道其他人究竟在怎么用。 **David Senra：** 不过在说别人之前，我听你在另一档 podcast 讲过一个很有意思的点，正好和前面“技术进步极快、采用则应该更慢、更审慎”联系起来。你说自己甚至在想：到底应该让 AI 看见我电脑上的多少东西？是不是每一样都让它看？能谈谈这个吗 ## [46:14] Context、记忆与下一种 AI 工作方式 · YouTube **Sam Altman：** 说到现在这代模型，我不想说它们已经“足够聪明”了，因为我觉得我们永远都应该希望它们变得更聪明；但它们确实已经相当聪明。到这个阶段，我反而更受限于 AI 掌握的、关于我的有用 context 有多少。我希望 AI 尽可能了解我，好来帮助我；我希望它去做那些我自己做不了、或者根本不想亲自做的事情。 **Sam Altman：** 比如，我不可能把公司内部 Slack 上的每一条帖子都读完，也不可能把每一位客户讲的故事都看完——ChatGPT 在哪里帮到他们、又在哪里失败了，我根本看不过来。还有些事是，我当然可以再多读一些 research paper，但那会消耗很多 mental energy。可我很希望有一个 AI agent，持续试着帮我；它能读取、理解比我本人有时间或精力处理得多得多的 context，然后在我需要做决定时，把那些 context 调出来，给我很好的建议。 **Sam Altman：** 我觉得，我们把大量精力放在 model intelligence 上是对的；但在 product 这一侧，我们还没有充分想清楚：如果一个模型能拥有比任何一个人都多的 context，并用它来帮助这个人做重大决定，会意味着什么。我的感觉是，我们正站在一个临界点上，很快会看到一种和 AI 协作的全新方式，而且是在一条人类根本很难做到这么好的轴线上。 **Sam Altman：** 世界上当然有很多非常聪明的人，但没有谁能在几秒钟内读完几万页 context，再准确地用它来做判断。AI 可以做到，而这会是一种非常新的、非常强的补充。你读过这么多 biographies，肯定有时候会隐约记得某件事：如果你能准确想起某一本书里的一个具体 anecdote，它可能正好能帮到你当时在聊的那个创业者。但你可能忘了，也可能记得不够准确。 **David Senra：** 我自己做了一个 AI 工具，一直内部使用。你知道它是什么吗？从 2018 年开始，我把自己读过的每一本书里所有 notes 和 highlights 都保存进一个 database，最开始就是拿它来搜索。后来你们做的这些技术出现后，我又把这套东西接上 AI；现在里面有我所有 notes、所有 highlights，还有我每一期 Founders 的 transcript。 **David Senra：** 我每天都会用它来做每一期节目。比如我在做 Claude Shannon 那一期——那期大概两三周前刚发——我会问它：“Bob Noyce 对这个说过什么？”或者“Rockefeller 碰到这种事时做过什么？”那些书我当年读过、节目也做过、笔记也记过，可那可能已经是七年前了，我当然不记得了。 **Sam Altman：** 太不可思议了。这正是我说的东西。 **David Senra：** 真的他妈太爽了。 **Sam Altman：** 这太酷了。 **David Senra：** 那我们来聊聊你是怎么思考“经营公司”这件事的。你刚才说，你现在花时间最多的地方，第一是拿到更多 compute，第二就是 research，对吧？ **David Senra：** 所以你会希望模型做到世界上最好— ## [49:18] OpenAI 的平台战略与“杀掉好点子” · YouTube **David Senra：** 所以你希望模型做到世界上最好，但你怎么看“自己要不要做产品”这件事？你们现在做了 Codex，对吧？说实话，我连你们到底有多少条产品线、收入都是从哪来的都搞不清楚。 **Sam Altman：** 其实我觉得，我们更应该是一家 platform company，而不是 product company。当然我们会做产品。 **David Senra：** 那先退一步。你们现在到底有多少产品？ **Sam Altman：** 我们刚把 ChatGPT 和 Codex 合到了一起。以前大致是 ChatGPT、Codex 和 API。Codex 这个名字多少有点 unfortunate，因为它并不只做 coding，它其实可以做各种工作，这把很多人搞糊涂了。 **David Senra：** 我就被搞糊涂了。 **Sam Altman：** 对，很多人都是。我的判断是，大多数人想要的其实是一个单一界面，连接他们个人或者公司的 AGI：无论需要什么，它都能帮忙；同时再有一个 API，让大家可以在它上面构建任何东西。我觉得这才是我们应该提供给世界的平台。 **Sam Altman：** 我们会在 cost-performance curve 的每一个位置提供很好的 AI，而且要做到最好。你想要非常高端的 AI 去做 scientific discovery——可以；你想要非常便宜的 AI，大批量完成那些不需要 genius-level intelligence 的工作——我们也覆盖。无论你把它叫一种新的 utility、新 commodity，还是别的什么，人们都会想大量使用 AI：成本要低、速度要快、效果要好、能带着自己的 context，而且整个体验要顺滑。这一层我们来提供。 **Sam Altman：** 然后还有一个直接面向人的产品：你需要向 AI 问问题；以后也许不是你问，而是 AI 主动给你建议。你会有这样一个 interface——它最初是 chatbot，现在也有 coding agents，未来我觉得会越来越像一个 persistent agent——连接到那个可以按你需要去运行的 AI。但就这些。我不认为我们应该进入每一个产品类别，不应该和所有客户竞争，也不应该试图吞掉整个经济。 **Sam Altman：** 我觉得我们应该提供这个平台，然后让一亿家新企业、八十亿人用各种新方式去使用它。一边是直接使用产品的 interface，一边是大家想怎么构建都可以的 API；这两边最终也会越来越融合。之后真正重要的，是别人拿它去做什么、在上面造什么。 **David Senra：** 你是犯过哪些错，才学会这一点的？我的感觉是，你一定不得不杀掉一些好点子，牺牲它们，才能把全部强度和 focus 放到那些真正伟大的事情上。 **Sam Altman：** 对。我觉得，“牺牲好点子去追伟大点子”，是任何 entrepreneur、任何公司最难学会的课之一。杀掉一个好点子真的很痛苦。无论你以为自己多擅长做这件事，大家都很差——可能也和什么样的人会选择做 entrepreneur 有关。我自己就很差，而且我知道自己很差。 **Sam Altman：** 但比如去年，我们杀掉了 Sora。它是个好产品，很有趣，也很酷，但它耗很多 compute，而 Codex 更重要，所以我们把 compute 放到 Codex。我们也杀掉了自己的 web browser——Atlas。它同样是个很好的产品，我甚至认为它是最好的 web browser，但对我们来说，把那批 talent 放到别处，比继续把精力放在浏览器上更重要。 **Sam Altman：** 在 compute、人才、资源都有限的世界里，我们认真想过之后说：面向 knowledge work、最终面向 science 的 general intelligence，是我们能做的最重要的事情。所有处在“生成这种 intelligence”上游的东西——自己造 chip、自己建 data center、写好的 infrastructure software，当然还有训练模型——都极其重要。 **Sam Altman：** 但往下游，我们就把这种 AI 作为一种 service 提供出去，让人们拿它做 intellectual pursuit、工作、scientific discovery，也让个人生活更 productive。我们应该做的是一个灵活、通用的平台，而不是自己去做很多—— ## [53:19] 平台边界与下一段话题的交接 · YouTube **Sam Altman：** ——别的事情。 **David Senra：** 任何从事复杂工作的人——而你现在大概处在全世界最复杂工作的最前列——都需要有人帮自己整理思路，对吧 ## [53:21] Peter Thiel、Paul Graham 与非线性思考者 · YouTube **David Senra：** 这非常有帮助。你在每一本 biography、整段历史里都能看到：人需要一个可以说话的人。有个很好笑的故事，能说明这件事极端到什么程度。Charlie Munger 有个所谓的“orangutan theory（红毛猩猩理论）”，你听过吗？ **David Senra：** 他说，一个相对聪明的人哪怕只是走进房间，坐到一只 orangutan 面前，把自己所有问题、脑子里的所有东西都讲给它听——orangutan 当然什么也不说——这个人离开时，状况都会比进去前更好。只是被迫把自己的想法组织成某种结构，本身就有价值。当然，如果对面是一个非常聪明的伙伴，价值会更大。Munger 对 Buffett 就扮演了这个角色。Buffett 是最聪明的人之一，也是史上最伟大的投资人，但他仍然需要把自己的思路讲给别人听、借此整理。 **David Senra：** 而你现在经历的东西，我甚至想不到多少历史类比，尤其你还这么年轻。那我很好奇：谁在你的生活里扮演这个角色？你会去找谁？谁哪怕只是“稍微”能共情你每天到底在处理什么？ **Sam Altman：** 大概分三类。第一类，是很多从很早就在这里的 researchers。我们算是一起经历了这一切，也共同形成了一套 shared language、intuition、standards——不管你想怎么称呼它。关于“现在发生的事情是什么形状、下一步可能发生什么、技术可能往哪走”，我至今没能在公司外的人身上复制这种默契。 **Sam Altman：** 第二类更偏 business 和 world。职业生涯很长一段时间里，Paul Graham 和 Peter Thiel 是我学到最多东西的两个人之一；直到现在，如果我卡在一个非常 non-obvious 的问题上，他们仍然是我会去找的两个人。我找了很多人，但始终没有找到其他人拥有同样的能力——能以一种极度 nonlinear 的方式思考。 **Sam Altman：** 如果说 LLM 做的是预测下一个词，那他们两个人就是我最难预测“下一个词会是什么”的人。这是一种非常有价值的能力。你去找他们时可能会说：“我真的卡住了，我把这些选项都想遍了。”然后对方会告诉你：“我觉得这些选项都不好。你应该看这个。”一听之下，它突然又显得完全 obvious、完全正确，但你之前根本没想到；那是一种你在别处完全没听过的视角。 **David Senra：** 所以这更像是给你自己的思考一个 prompt，而不是非常明确地告诉你“去做 X”这种建议？ **Sam Altman：** 很多时候其实就是：“这是一个具体要做的事情。” **David Senra：** 真的？ **Sam Altman：** 真的。 **David Senra：** 那你能不能举一个 Peter 的例子？我觉得 Peter 特别 fascinating。 **Sam Altman：** 他确实非常 fascinating。 **David Senra：** 我刚才问这个问题，其实就是因为想到他。你前面说要为了伟大的想法杀掉好点子，砍掉 Atlas，把 compute 收回来，必须 focus、focus、focus——这正是 Peter 一直讲得非常明显的一件事：如果你已经有某样东西在奏效，就应该让它奏效得更好，继续沿着这条线往深处走。从这件已经奏效的东西上拿走一个小时去探索别的方向，机会成本都太高。应该继续往已经奏效的东西上加码。 **Sam Altman：** 在极端处往往有很大的价值。我们刚推出 ChatGPT 后，情况其实很奇怪：人们还不知道它到底该拿来干什么。它增长得非常快，但感觉又很不稳定，甚至像一种“低价值增长”——很多人只是因为好奇，想和它聊聊、看看它能做什么。 **Sam Altman：** 所以公司里很多人会说：“这不行，我们得找别的东西；这不是可持续的价值。”我记得大概在 ChatGPT 上线两个月后，我去找 Peter，给他列了五六件我们也许应该转而 focus 的事情。他的反应是：“除了继续盯着它正在增长这件事之外，去做任何别的东西，都是明显的错误。增长本身非常罕见，也非常了不起。”当时它还没有后来增长得那么快— ## [57:22] ChatGPT 上线后的 Peter Thiel 建议与 Paul Graham 的迭代哲学 · YouTube **Sam Altman：** ——后来那么快。他当时说，这东西的力量就像 Google 的那个 text box：一个空白输入框，你什么都可以往里面打，而它会做对的事情。它不符合当时 Silicon Valley 的主流智慧——大家会说，你得有 feed、得有 network effect、得有什么机制让用户不断积累更多东西；我们当时这些一个都没有，所以所有人才担心。那还是我们有 memory 之前，大家会问：“用户会不会积累更多 context？会不会被 lock in？会不会有这些东西？” **Sam Altman：** Peter 的意思是：那些东西都是过去二十年大家追着 Google business model 模仿出来的，而这可能是二十年来第一次出现一个新的东西。Google 已经证明“空白 text box”能工作，那你们为什么不干脆在这上面 double down？它在增长、很 flexible，除了不符合当下 Silicon Valley 的主流 wisdom 之外，其他信号都对。我听完就是：“好。”然后我们就非常猛烈地押了上去，结果非常好。 **David Senra：** 他刚才说的其实是一种“simple genius”。当然他有时也会给出很复杂的东西，但这是一个特别重要的、非常简单的 genius 例子。那 Paul Graham 呢？有没有哪条 advice、guidance，或者某个他把你推向的方向？ **Sam Altman：** 你刚才说的这个，在很多 YC founders 里其实已经成了 meme。以前去找 Paul 做 office hours，他会这样摇着手指说：“你知道你应该做什么吗？你知道你应该做什么。”有时候后面接的建议特别好，有时候后面接的建议特别糟。 **Sam Altman：** 但真正重要的是，他身上有一种创造力、一种很开放的 landscape，还有一种“先试很多东西”的精神。我们前面讲 iterative deployment；同样地，我觉得他也把整个 startup ecosystem 推进了这种世界：你得赶紧 ship 一个 V1；它很早、甚至让你尴尬都没关系。因为一旦把东西放到客户面前，拿到 feedback，你就能把它改得好得多。 **Sam Altman：** 我们推出这个东西前，我甚至不记得有没有专门问过他：“你觉得我们该不该 launch？”但我知道他会说什么。我知道它还很早，也知道它还很 embarrassing；可我同样知道，正确的事就是把它放出去，让真实的人开始用。 **David Senra：** 等一下。你脑子里关于 Paul Graham 的 mental model 已经完整到，这件事你甚至不用去问他？ **Sam Altman：** 这一件事，我会说我是有 certainty 的。 **David Senra：** 我给你讲个很好笑的事。Charlie Munger 去世前几个月，我去他家吃过晚饭。我问他：“你多久和 Buffett 聊一次？”他说：“从不。”我说：“什么？”他说：“我们以前每天聊几个小时。现在 Buffett 只要假装拿起电话要打给我，他就已经知道我要说什么了。”当然，那是他们一起密切工作了 65 年之后才有的状态，但我当时觉得太好笑了。 **Sam Altman：** 这真的太好笑了。特别好笑。 **Sam Altman：** 不过不，Paul 还是有很多时候我完全预测不了他会说什么，而这正是我觉得他有价值的地方。只是“当你对产品还觉得尴尬时就 launch”这件事，我知道他会怎么说。它未必是 YC 最有价值的 tactical advice，但绝对排得很靠前。 **Sam Altman：** 回头看我这些年在 YC 见过的所有 founder data points，我非常惊讶：行动快、持续 iterative 的能力，和最终成功之间的相关性竟然这么强 ## [1:00:42] YC 如何改变创业生态，也塑造了 OpenAI · YouTube **David Senra：** 好，你这场对话里提 YC 的次数已经多得离谱了，我必须把这件事挖下去。我们开聊前也说过：我不是 journalist，我就是个 enthusiast。我没有一张预先写好的问题清单。我只是想：世界级 founder 就坐在我对面，我想知道这个人脑子里到底装了什么，想很自私地把这些信息抽出来给自己用。 **David Senra：** 所以我真的很惊讶，你在聊天里会这么频繁引用 YC。你亲自经历 YC、后来又经营 YC，和它长期绑定，显然对你的人生产生了巨大影响。你能展开讲讲吗？ **David Senra：** 历史上有过这样一支乐队：商业上没有特别成功，唱片卖得也没那么多，但它影响了后面几乎所有音乐人。 **Sam Altman：** 我好像记得它就叫 The Band？ **David Senra：** Rick Rubin 跟我讲过这个故事。我记得也可能是 Velvet Underground。不管具体是哪一个，我想说的就是这种“直接成绩和后续影响力不是一回事”的概念。 **Sam Altman：** 不过把 YC 完全类比成这种“自己不太成功、但影响别人”的例子，其实也不公平。按传统指标，比如它帮助创造出来的 market cap，YC 本身如果被当作一家科技公司来看，也会是最有价值的那一小撮公司之一。 **Sam Altman：** 但 YC 到底在多大程度上影响了过去二十年 tech industry、startup、entrepreneurship 里发生的几乎一切，我觉得外界只是部分理解。OpenAI 就是一个例子：不只是我们把产品 ship 到世界上的方式，甚至包括我们经营 research lab 的 philosophy。你如果去问这一代许多大型科技公司的负责人，我觉得他们会讲出类似故事，即使他们本人没进过 YC。 **David Senra：** 那 YC 到底给了什么？是一套 operating system——比如“照着这五件事做”——还是更像一种 building companies 的 philosophy？作为外人，我最困惑的就是这里。 **Sam Altman：** 我觉得主要有两件事。确实存在一些“具体应该怎么做”的 operating system，但更重要的是一套经营公司的 philosophy：iterative deployment；让 technical people 掌权；以及愿意押注那些精力和 ambition 都非常高、但 experience 可能还少的年轻人，而且这种押注贯穿公司的各个层级。 **Sam Altman：** 另一件事，是 YC 对整个 ecosystem 造成的连锁改变。假设把时间拨回 2004 年，然后只把 technology 推进到 2016 年的水平，却不改变其他任何东西——startup ecosystem 长什么样、成为 entrepreneur 意味着什么、capital 怎么流动、什么样的人能经营公司——那我不认为 OpenAI 会成为可能。 **Sam Altman：** YC 让 founder 拿到更多 leverage，让年轻的 technical founders 有能力筹集大量资本，也让一个履历还没被充分证明的人有机会去做极其 ambitious 的事情。没有这些 ecosystem 层面的变化，我觉得 OpenAI 不会存在。 **David Senra：** 所以这是个很大的变化。那它是不是也和你自己那条路径有关——先做 founder，后来很长时间做 investor，再回去做 founder？你觉得这段转换本身给了你什么优势吗？ **Sam Altman：** 当然也有那些好处。但我不太会把自己说成“founder → investor → founder”，因为我第一次做 founder 时其实没做得多好。那更像是一家—— ## [1:04:03] 从成功中学习，以及重复提醒的力量 · YouTube **Sam Altman：** 那是一家让我从失败里学到一些东西的公司，但我觉得，人从成功里学到的东西要多得多。 **David Senra：** 等一下，我们不能就这么跳过去。你得多讲讲这句话。 **Sam Altman：** 有一句话，我简直不敢相信自己记不起出处了，我想是某部很伟大的俄罗斯小说，我不知道真的很尴尬。大意是：“所有不幸福的家庭，都各有各的不幸；所有幸福的家庭都一样。” **David Senra：** 对。 **Sam Altman：** 难怪它刚才会跳进我脑子里。我觉得这件事真的很对。回头看我做失败的事情，我通常学到的是一些比较 generic 的东西：grit、determination，或者某件事不要怎么做。但大多数事情本来就不会成功，而一件事失败可以有太多不同原因，所以很难把正确的 causation 拼出来。 **Sam Altman：** 可当某件事真的非常成功时，比如我看清 YC 哪些部分真正有效、OpenAI 哪些部分真正有效，再把这些 lessons 往前应用，对我的帮助远大于试图应用那些“失败的反向教训”。当然，每一个 data point 都应该尽可能学习：失败要学，成功也要学。 **Sam Altman：** 只是按我自己的经验，真正拿去应用时，从成功里学到的 lessons 往往非常好，而且我本来应该更坚定地重复使用它们；从失败里学到的，要么比较 generic、其实我本来就知道，要么反而会妨碍我做别的正确事情。我觉得这对很多人都普遍成立。 **David Senra：** 但这是不是也说明，我们其实大体知道自己该做什么、该避免什么，真正缺的是提醒，是持续不断的提醒？别人对我的另一档 podcast《Founders》最好的一句描述是：“这是 entrepreneur 的 church。”仔细想想还真是。我以前每周日发布节目，也许应该恢复这个习惯。 **David Senra：** 因为我其实一直在讲同样的东西。同一种 personality type 会在历史上反复出现，只是这个年代的人在造船，另一个年代的人在做 technology；时代不同，personality 却很像。 **David Senra：** 这我非常确定。我自己也有点痴迷于“什么东西能持续很久”。最好的 company 可以活很久，但一般没有 city 久；city 和 country 又没有 religion 久。所有人造的东西里，还有什么比宗教持续得更久？我一时想不到。 **David Senra：** 所以我后来会去研究这件事。我妈是 fundamentalist Christian，我从小被迫一直去 church，于是开始分析：世界主要 religions 有什么共同点？通常都有一套共享的 knowledge base，往往是一本书；而且 believers 会按固定间隔聚在一起。 **David Senra：** 去 church 也不是“上周讲完 Jesus，这周换另一个人”。不是。大家会一次又一次回到同样的书、同样的故事。我读过你的 blog，你写过 YC 结束以后会发生什么：在 YC 里，你不断对 founders 重复同样的东西；等他们离开这个“church”，就又开始不做这些事了。 **David Senra：** 所以甚至不只是 lesson 本身，而是不断被提醒：“这件事很重要。” **Sam Altman：** 我极其、极其同意。我只是觉得，被提醒“多和 users 聊、早点 ship product、拿更多 feedback、对 recruit 和 hire 的人保持更高标准，而且动作更快”这些正面的东西，尤其有价值。我认为应该反复强调的是这些 positives。 **David Senra：** 你有一条我经常对着手机复述的 tweet，特别好。大意是：别去 conferences、别去那些他妈的 dinners，别做其他杂事；要么造产品，要么卖产品。你如果既没在造，也没在卖，那基本就没在做真正重要的事。我觉得这又回到一种 simple genius。 **David Senra：** 还有一件我特别着迷的事。昨天有人问我：通常我见到一个 founder，总能找到某种 historical equivalent——这个人有点像 Vanderbilt，那个人有点像 Rockefeller，或者像我读过的其他人。对方问：“那 Sam 的历史对应是谁？”我说我想不到，因为我还不够了解他，也还没搞明白他是怎么想的。 **Sam Altman：** 那你现在觉得呢？ **David Senra：** 这只是我们希望能聊八次的第一次，所以我以后再告诉你— ## [1:08:05] Founder、投资人再回 Founder，以及从别人成功中学习 · YouTube **David Senra：** ——等到第七次 conversation 再说。 **David Senra：** 但你这种路径真的非常罕见。我刚和 Doug Leone 聊过，他提到一个自己当年招进来的年轻人：那个人只是 VC 里的一个 associate，后来离开去创办 Nubank——自动字幕这里记成了“New Bank”——最后做成极其成功的公司。我当时说：“这种路径我几乎没听说过。Doug，你见过别的吗？”他一辈子都在干这一行，他说：“没有，那就是唯一一个。” **David Senra：** 所以还是非常罕见。更多情况反而是 founder 把公司卖掉，然后很遗憾地转去做 investor，而不是把公司一直经营到死——后者才是我更喜欢的方式。 **David Senra：** 我真正好奇的是：你刚才说自己从 success 里学得更多。那你做 YC 那十年、十几年里，接触了多少？一万家公司？其中也许有半打、十几家成了全世界最好的公司。你是不是也把“它们的成功”当作自己的教材？ **Sam Altman：** 完全是。人们确实也会这样学。你是一个非常夸张的 student，但其实有不少人也很认真研究 entrepreneurship。他们会去找那些真正奏效的事情，从里面抽 lessons。正如你前面说的，它们在不同 industry 里经常是一遍又一遍出现的同一套东西，只是你必须不断被提醒。 **Sam Altman：** 而且这些东西往往一点都不 glamorous。 **David Senra：** 我在进这场 conversation 前，真的没有理解到这一点。现在我可能稍微理解多一点了。我们开录前我就说过，我做这场对话很大程度上是为了我自己的 edification。 **David Senra：** 甚至你提到那些真正影响你的人，也常常只是这种非常朴素的提醒。Peter Thiel——自动字幕这里转成了“Peter Taylor”——本质上就是在说：“不是吧，笨蛋，这东西明明正在奏效，你为什么还去做别的？继续做正在奏效的东西啊。” **David Senra：** 所以你肯定也遇到过这种时刻：同样的 advice 你已经给其他 founders 讲过一百万遍，结果忽然抓到自己：“我靠，我现在居然根本没在执行我自己的建议。 ## [1:09:45] 没有客户、没有产品、没有现成 playbook 的 OpenAI · YouTube **Sam Altman：** 完全是，我能举很多这种例子。 **David Senra：** 但我觉得另一个同样有启发的问题是：什么东西是全新的？哪些问题，是你根本没有现成 advice 可以套的？ **Sam Altman：** OpenAI 和我以前所有 pattern matching 最大的不同，是从公司成立到推出第一个产品，中间隔了四年半。 **David Senra：** 这几乎和 YC 的 advice 完全相反，对吧？ **Sam Altman：** 对。 **David Senra：** 好。 **Sam Altman：** 对。管理 research team 的很多方面，确实和挑选、辅导 founders 很像；但我们必须学习怎么在这样一个世界里前进——没有 customers 提供 external signal，却又要做一件按普通 startup 标准看几乎是灾难性建议的事情：四年半都不 ship product。 **Sam Altman：** 这非常难。我们试过各种办法，想用别的信号替代“customers 到底喜不喜欢这个产品”，去判断“我们的 research 到底有没有在起作用”。其中一个有效的例子，是 Dota 2 那段时间。我们在用 RL 训练系统打赢人类玩家，于是做了一个 leaderboard，让所有人能直接看到不同 ideas 表现得怎样。 **Sam Altman：** 那个指标是 objective、real 的，大家也会很想往 leaderboard 上爬。为了替代真实 end users，我们不得不试很多这种机制。对我来说，这是一个完全新的问题，我之前没有任何 pattern matching。 **David Senra：** 那你到底是怎么摸索过去的？当时怎么想？具体怎么做？ **Sam Altman：** 我们去问了一批真正待过过去伟大 research labs 的人。OpenAI 刚开始那个年代，Silicon Valley 里很多人——包括我——都把“创办一家 research lab”当成某种 vanity project。那几年关于 Bell Labs 黄金年代、Xerox PARC 的书非常流行，所有人都在谈这些地方。 **Sam Altman：** 但真正还活着、还能凭 firsthand memory 告诉你“该怎么经营这种实验室”的人其实已经不多。我们和 Alan Kay 聊了很多，也找过少数其他人。他们告诉我们一些“什么让一家 research lab 真正优秀”的经验；有些建议特别好，有些就没那么能迁移到当下。 **David Senra：** 而且你们也没有 Bell Labs 背后那种巨大的 monopolistic profit printing machine（笑）。Polaroid 在自己几乎垄断摄影市场的时候，也能投入更多 research。我刚读完 Honda 创始人的 biography，他造出了史上最成功的 motor vehicle 之一：Honda Cub，连续卖了大约六十年，卖了不知道多少百万辆。 **David Senra：** Honda 最后也得出了和 Bell Labs 类似的结论：research and development 应该真正独立出来。那一块被从公司里拆出去，甚至有独立 ownership，就像 Bell Labs 一样。 **Sam Altman：** 我们没有那种东西。 **David Senra：** 对，你们没有。 **Sam Altman：** 我回想 OpenAI 早期，最强烈的记忆其实就是：我一直在筹钱，而且一直筹不到。那花了太多 effort，也太 frustrating 了。我真希望我们当时也有一个那样的 cash machine。 **Sam Altman：** 我对 OpenAI 最清楚的记忆之一，是 2015 年底我们宣布成立以后，2016 年新年刚过的第一天。大概十一、十二个人去了 Greg Brockman 的 apartment，可能是周一或者周二早上 9:30 左右。就当作 1 月 4 日吧。大家为了把这件事凑起来已经努力很久，所以每个人进门时都特别兴奋，感觉像开学第一天。 **Sam Altman：** 但很快，所有人开始环顾房间，然后有点像：“所以……现在我们做什么？”有人说：“好，我们应该先弄一块 whiteboard。”Greg 就让人去找 whiteboard。whiteboard 搬来了，大家又看一圈：“那现在到底该做什么？”你能感觉到房间里的 energy 开始— ## [1:13:46] 从“完全不知道该做什么”到研究节奏 · YouTube **Sam Altman：** ——塌掉。我们谁都不知道该干什么。它不像做 product startup：不是“来，造这个产品；去和 customers 聊”。我们只是说：“好，我们想做 AGI。那也许先写几篇 papers？好，写 papers。也许先想些 ideas？好，想 ideas。” **Sam Altman：** 每个人都会有“我完全不知道自己在干什么”的时刻，那就是我的一个。我们刚把这件东西 launch 出来，却没人知道下一步到底要做什么。所以我们先做自己会做的事，然后慢慢发现很多东西都行不通。 **Sam Altman：** 再后来，我们逐渐形成一种 rhythm：提出 research bets，然后评估它们。当然远远谈不上完美，但我们至少找到了一条可以前进的 gradient，也慢慢知道怎么给非常聪明的人提供他们需要的 resources，同时确保整个团队没有彻底迷失在 wilderness 里。 **Sam Altman：** 就这样过了几年，大部分时间都像 chaotic stumbling，但我们最终做出了大部分关键 discoveries。最早从那篇 unsupervised sentiment 的 paper 出发，后来变成 GPT-1，再一路变成后面的 GPT。scaling laws 的工作给了我们信心：不只是敢去买 compute，也逐渐理解模型应该怎么 scale up。 **Sam Altman：** 在这个过程中，我们学到 leaderboard 这种机制有效；也学到了 external demo 的力量——比如把成果展示给一位 researchers 很想 impress 的重要人物，会形成很强的驱动力。我们同样学到一些无效的东西，比如 fake deadlines。 **David Senra：** 亲身经历这个过程一定特别 disorienting。最开始是十二个人挤在 apartment 里，连 whiteboard 都没有，也不知道要做什么；快进十年，却变成十亿人在用。 **Sam Altman：** 非常奇怪的经历 ## [1:15:57] 写给儿子的信，以及如何把正在发生的历史留下来 · YouTube **David Senra：** 你写 journal 吗？ **Sam Altman：** 我第一个孩子出生后，我每天回到家，会一边哄他睡觉一边随便跟他说话。为了有东西可讲，我就开始讲自己当天发生了什么、我们在 struggle 什么、我在担心什么、公司又出了什么事。对我来说这还挺有趣，我也想：以后他能看到这些，应该也会觉得有意思。 **Sam Altman：** 所以后来我开始给他写信，大概每个 Sunday 写一封。我会先这样说出来，再把它写下来。不过最后我好像总共只写了八封左右。 **David Senra：** 你有几个孩子？ **Sam Altman：** 两个。 **David Senra：** Bezos 讲过一句很好的话，说他们造 Amazon，是想做一些“以后可以很自豪地讲给孙辈听”的事情，而这种事往往都很难。你居然已经在给儿子写信—— **Sam Altman：** 哦，天啊。 **David Senra：** 继续写这些信。就算你不继续，我也很快说一句，因为这种书我读得太多了：founders 通常不会在 40 岁写 autobiography，而会等到 70 岁再写。等他们回头看时，都会希望自己能重来一次，因为太多东西已经被时间冲走了。他们反复说同一句话：“我真希望当时有写 journal。” **David Senra：** 你现在有足够多的 resources。就算只是内部用途，也应该让人把这段历史写成一本书。你读过 Michael Moritz 的《The Little Kingdom》吗？自动字幕把他的姓记成了“Mortz”。 **Sam Altman：** 我没读过。 **David Senra：** 你一定得读。它基本就是 Apple 最初六年的历史，而且是在 Michael Moritz 当时就写下来的。想想很疯狂：那本书写完时，Steve 甚至还没有被赶出 Apple，所以你能看到事情当时到底是怎么发生的。你现在可能还不想要这样的记录，但到了 60、70 岁，你绝对会想要。 **Sam Altman：** 他是个非常厉害的 writer。 **David Senra：** 一个夸张厉害的 writer，后来居然还成了史上最优秀的 venture capitalist 之一。重点就是：要有这样一本书，把一段历史在它还新鲜的时候封存下来。 **Sam Altman：** 对我来说，真正有意思的是“写给自己孩子”这个 mindset。你几乎没办法躲在任何东西后面，因为你会非常在意孩子以后怎么看你。比如当天发生了一件事，你自己感觉并不好，就会想：“下周最好换一种做法。”这是个极其有意思的 mental framework。也许我会想办法重新开始写。 **David Senra：** 那也许你真的会重新写。好，Sam，谢谢你抽时间来聊。太棒了，非常感谢。 **David Senra：** 希望你喜欢这一期。请记得在你收听的平台订阅并留下 review，也一定要听我的另一档 podcast《Founders》。差不多十年来，我痴迷地读了 400 多本历史上最伟大 entrepreneurs 的 biographies，寻找能直接用到你工作里的 ideas。你在这档节目里听到的很多 guests，最早其实都是通过《Founders》认识我的。---