奥特曼承认OpenAI路线走偏了，以及“写代码将变得不再重要”

梦瑶 发自 凹非寺

量子位 | 公众号 QbitAI

大家是真敢问，奥特曼也是真敢说！

刚刚，奥特曼拉着一屋子AI相关从业者搞了一场直播，围绕软件工程、商业、模型开发、科学研究、教育、安全等问题，奥特曼进行了一场超「有问必答」的对谈。

问题一个比一个劲爆，奥特曼这边也是诚意满满，主打一个：奥特曼大舞台，有问题您就来～

整场直播听下来呢，奥特曼也确实给出了一些非常实诚的结论，我也帮大家小小总结了一下：

未来从事工程师工作的人数可能会大幅增加。

我们花在写代码、调试代码上的时间将会明显减少，更多精力会用在让系统替我们把事办成上。

在今后的几年，我们会大量使用只为一个人、或极小群体量身定制的软件。

OpenAI确实搞砸了ChatGPT5系列模型，今后ChatGPT也一定会回到真正的通用模型上。

在接下来的几年里，模型学习新技能的速度会比人类还要快。

以下为本场直播的重点内容实录，围绕核心观点做了摘选整理，部分文字在不改变原意的基础上做了适度删改～

AI 正在重新定义工作、技术和教育这三件事

Q：如果AI让写代码这事儿变得又快又便宜，那是不是意味着未来市场会减少对软件工程师的需求？

Sam Altman:我认为，未来从事工程师工作的人数可能会「大幅增加」。

不仅如此，未来AI能让工程师捕捉到更多工作价值，让计算机实现预期功能，这也意味着你花在敲代码、调试代码上的时间，会明显减少，更多精力会用在「让系统替你把事办成」这件事上。

甚至，我们会大量使用那种只为一个人、或者极小群体量身定制的软件， 每个人都会不断给自己定制工具。

所以在我看来，软件工程岗位需求不会变少，只会变得更多，而且规模会比今天大得多，而且全球GDP中会有更大一部分，是通过这种方式被创造出来的。

Q：随着模型和工具越来越强，我们会不会被现在这套技术方案“定死”，以后哪怕有更好的新技术出来，也很难让模型和系统真正用上？

Sam Altman:我对这件事非常乐观，我认为我们会非常擅长让模型学会使用新技术、新工具。

从本质上讲，只要我们用对了方式，这些模型就是一种通用推理引擎。

而且，以我们现在的架构来看，模型本身就内置了大量世界知识，所以我觉得我们正在走在正确的方向上。

我非常希望、也非常相信在接下来的几年里，模型更新能力、学习新技能的速度，会比人类还要快。

一个我会非常自豪的里程碑是：当模型第一次面对一个完全陌生的东西——新的环境、新的工具、新的技术，你只需要给它解释一次，或者甚至不用解释，它就能自己探索一遍，然后稳定、可靠地用对它、用好它。

而且说实话，这个时刻感觉并不遥远。

Q：你认为在人生关键的成长阶段，教育会如何被人工智能改变和塑造？

Sam Altman:我一直觉得，幼儿园里根本不该有电脑。

在我看来，小孩子这个阶段，最重要的就是跑一跑、玩一玩，通过真实的东西、真实的人去学怎么交流，而不是对着屏幕。

所以不只是AI，我连电脑本身都不太想让它们出现在幼儿园里，从成长角度看，我们其实到现在都没搞明白，技术到底会对青少年造成什么长期影响。

虽然已经有一大堆研究在讨论社交媒体的问题，但结论也很分裂，整体看下来情况并不乐观，更糟的是，专门给幼儿用的那些科技产品，潜在问题可能更大，却反而没什么人在认真讨论。

所以在我们真正搞清楚这些影响之前，我觉得至少在幼儿园这个阶段，根本没必要把AI引进来。

OpenAI正在重新校准产品路线：从偏科走回通用模型

Q：我注意到ChatGPT最近几代模型开始出现明显「偏科」的问题，我想问OpenAI会继续沿着这种「能力失衡」的路线走吗，还是会回到真正通用、各项能力更均衡的模型方向？

Sam Altman:说实话，这件事儿上我们确实「搞砸」了。

在ChatGPT-5系列模型的开发中，我们有意把大部分精力集中在让它在智力、推理能力和编程能力上做到非常强，但现实是，有时候专注了一件事，就会不可避免地忽视其他方面。

这也是为什么，你会看到ChatGPT-5系列模型表现在写作能力上没有像4.5模型那样表现稳定，这一点我们是承认的。

但从更长远的方向上看，我认为未来主流一定会是真正高质量的「通用型」模型。

比如，当你希望模型帮你生成一个完整应用程序时，你不仅需要它把代码写对，也希望它在和你互动时，具备一种清晰、有条理、善于表达的人格，这里说的写作能力，不是指辞藻华丽的文风，而是指思路清楚、表达清楚、沟通高效。

所以我的希望是：我们能继续推进下一代模型，让它们在「所有这些维度」上都变得非常优秀，而且我相信，这件事是可以做到的。

而且我认为我们完全有可能在一个单一模型里，同时把这些能力都做到很强，眼下这个时间点尤其关键。

我们必须继续把「编程智能」这条线往前推，但与此同时，我们也会努力在其他能力上迅速补齐短板、追上进度。

Q：如果要让数百万、甚至上亿个Agent同时运行，真正的瓶颈其实在于成本，OpenAI怎么看小模型和推理成本的下降空间？在接下来的时间里，模型调用成本有没有可能出现大幅下降？

Sam Altman:其实现在模型的发展已经进入了一个新阶段了，大家注重问题不再只是怎么把成本打下来，而是越来越多人开始要求更快的输出速度，甚至愿意为速度付更高的价格。

而且从历史数据来看，我们在「压低模型成本」这件事上其实一直做得非常好，如果你回头看从最早的预览版本到现在，就会发现我们的模型成本曲线已经出现了非常明显的下行趋势。

但现在的关键变化在于，除了成本之外，一个过去没那么被重视的维度，开始变得同样重要——「速度」。

有些场景里，大家其实愿意为更快的输出付更高的价格，哪怕价格贵很多，只要能在原来百分之一的时间里拿到结果。

所以我们现在面临的不只是单纯压低成本的问题，而是要在成本和速度这两个目标之间，找到一个合理的平衡点。

如果我们继续沿着降成本这条路往下推，而市场也确实想要这个方向，那我很有信心，我们能把模型成本打到非常低， 让“大规模运行Agent”这事儿在经济成本上真正站得住脚。

Q：在一个人类注意力极度稀缺的时代，OpenAI是否能构建一些工具，去系统性地提升人们提出想法的质量，让更多产品在源头阶段就变得「值得被做出来、值得被关注」呢？

Sam Altman:我知道现在很多人喜欢把AI生成的内容叫作垃圾，但说实话，这个世界上本来就有大量由人类生成的垃圾内容。

真正困难的，从来都不是把东西生成出来，而是想出真正好的新点子。

我认为，我们应该去构建一类工具，专门帮助人们产生好想法，而且我相信，这样的工具应用前景非常大。

随着创作成本持续暴跌，我们可以用极低的代价去快速试错、验证想法，并建立起非常紧密的反馈回路，更快地筛选出哪些点子是好的，哪些是行不通的。

而且从模型能力上看，我完全不觉得这是做不到的，现在我们内部在用一个「特殊版本」的GPT-5.2模型，来自科学家反馈的：这些模型带来的科学进展，已经不再是可有可无的水平了。

AI会带来巨大经济变化，但风险也会一并放大

Q：现在女性因为工资差距，每年白白损失了约100万美元，你认为人工智能怎么解决这些存在了几十年的经济差距问题？

Sam Altman:我确实觉得，AI会带来非常强的「通缩」效应。

我之所以这么说，是因为AI很可能会成为一种赋权工具，它会让个人用极低的成本，做出以前只有大公司或大团队才能做的事情。

如果这套能力被广泛普及，它确实有潜力去拉平一部分长期存在的经济差距，包括你提到的那种因为结构性不公平而被压低的收入问题。

但我同时也非常警惕另一种可能性，那就是AI也可能反过来，把权力和财富进一步集中到少数人手里，如果这些工具只掌握在一小撮人或少数公司手中，那它带来的不一定是拉平差距，而可能是「放大差距」。

所以在我看来，AI能不能真的缩小这些几十年的经济差距，最终取决于我们怎么去部署它、监管它，以及配套的政策设计。

Q：你认为我们如何利用人工智能来提升安全基础设施的水平？

Sam Altman:我对2026年AI可能出问题这件事其实非常紧张，其中最让我担心的一块就是——生物安全。

现在这些模型在生物领域已经相当强了，而我们当下的主要策略，基本还是靠限制访问权限、加各种分类器，尽量不让人用模型危害人类的事，但说实话，我不觉得这种「封堵式」的办法还能撑多久。

我认为，AI安全，尤其是生物安全，必须从阻止一切发生，转向提高整体抗风险能力，也就是一种「韧性式」安全。

就像人类当年面对火一样：火带来了巨大的社会价值，但也开始烧毁城市，一开始我们试图禁止用火，后来发现根本行不通，于是我们转而建设防火规范、耐火材料、城市基础设施，最后才真的把火变成了一个可控、可用的东西。

我觉得AI也必须走同一条路，AI一定会有非常多的现实风险，但它同时也会成为解决这些问题的一部分，它既是问题本身，也是解决方案的一部分。

此外如果今年AI真要出一次明显、严重的事故，我觉得最有可能出事的领域就是「生物安全」，等到明年、后年，你可以想象，还会有更多其他方向开始出问题。

AI解决不了差异化价值这道坎

Q：现在大家都能用Codex、Cursor把产品做出来，但新的难题变成了GTM，我该怎么找到那些真的会用、也真的能从中我的产品中获益的人？你怎么看这件事？

Sam Altman:我一直觉得，创业最难的部分，从来都不在「把产品做出来」，而在于怎么让大众真正关注它、使用它、并和它建立连接，以前是这样，现在依然是这样。

AI确实让软件开发本身变得轻松了很多，但这并不意味着创业的其他环节也跟着变简单了，你还是必须找到真正有差异化的价值突破口，产品才有可能被市场接住。

就算现在可以用AI自动化一部分销售和营销流程，也只会带来一些局部成功，解决不了根本问题。

在我看来，这件事之所以始终很难，是因为一个更底层的约束并没有改变——人类注意力极其稀缺，哪怕进入一个软件极度丰裕、能力爆炸的世界，注意力反而会变成最稀缺的资源。

在一个高度丰裕的世界里，真正稀缺的将是人的注意力与好创意，而创业，依然是一件必须靠持续创造非凡价值才能跑出来的事。

参考链接：https://www.youtube.com/watch?v=Wpxv-8nG8ec