整理：有新
6 月 19 日，OpenAI 官方发布了首期播客节目，CEO Sam Altman 首次系统回应了关于 GPT-5 推进节奏、Stargate 项目、下一代 AI 终端设备开发、模型记忆能力争议，以及 AGI 到来后社会结构演变的系列问题。
Altman 以「一个新手父亲」的身份谈及 AI 在育儿和教育中的真实使用体验，也以企业决策者的视角，揭示 OpenAI 正面临的核心抉择：如何在技术跃迁、隐私边界与信任结构之间维持平衡。
「我的孩子永远不会比 AI 更聪明，但他们会成长得比我们这一代强太多。」 Altman 在节目中坦言，这一代孩子将在 AI 全方位渗透的世界中长大，他们对智能系统的依赖、理解与互动能力，将像上一代人习惯智能手机一样自然。而 ChatGPT 等模型在家庭陪伴与知识启蒙上的新角色，已为育儿、教育、工作与创造力发展开启新的范式。
AI 正成为下一代的成长环境
Altman 提到，尽管社会尚未形成统一定义，但「每年会有越来越多的人认为我们已经达到了 AGI 系统」。在他看来，公众对硬件和软件的需求变化极其迅速，而当前的计算能力尚远不能满足潜在需求。
当对话转向 Altman 的新晋父亲身份时，他坦言 ChatGPT 在育儿初期提供了巨大帮助。「虽然很多人在没有 ChatGPT 的时代也能把孩子带好，但我不确定我能不能做到。」在度过了最初几周的「每件事都要问」的阶段后，他逐渐将问题聚焦在婴儿发育节奏与行为习惯上。他指出，这类 AI 工具已开始在育儿中承担起「信息中介」与「信心赋能者」的角色。
不仅如此，Altman 也在思考 AI 对下一代成长路径的影响。他直言，「我的孩子永远不会比 AI 更聪明，但他们会成长得比我们这一代人强太多」，并强调这代孩子将天然成长于一个 AI 无处不在的环境中，对 AI 的依赖与交互将像智能手机之于过去十年一样自然。
Altman 分享了一段在社交媒体上流传的故事：一位父亲为避免重复向孩子讲述「托马斯小火车」的剧情，将角色导入 ChatGPT 的语音模式，结果孩子与之交谈超过一小时。这种现象引发 Altman 的深层担忧：AI 在陪伴类角色中的延展，可能会引发「类社交关系」的异化问题，进而对社会结构提出新的挑战。他强调社会需要重新设定边界，但同时也指出，社会历史上总能找到应对新技术冲击的方法。
在教育领域，Altman 观察到 ChatGPT 在课堂中表现出的积极潜力。「在有好老师和好课程引导下，ChatGPT 的表现非常好」，但也承认当学生单独使用它做作业时，容易退化为「谷歌式复制」。他以自身经历为例，指出当年人们也担心「他只会 Google」，但最终发现孩子与学校都能快速适应新工具带来的变化。
当被问及 ChatGPT 五年后的形态时，Altman 表示，「五年后的 ChatGPT 会变成一种完全不同的东西」，尽管名称可能仍保留，但其能力、交互方式和定位将发生根本性变化。
AGI 是动态定义，Deep Research 的能力跃迁
当谈到「AGI」这一业界热词时，Sam Altman 给出更具动态性的解释。他指出，「如果你五年前让我或其他人基于当时软件的认知能力来定义 AGI，那么当时给出的定义，如今已经远远被超越了」。随着模型智能的持续增强，AGI 的标准也不断被拉高，呈现出一种「动态推移」的状态。
他强调，如今已有系统能显著提升人类的工作效率，执行具备经济价值的任务，而真正值得追问的也许是：什么样的系统才能称为「超级智能」？在他看来，具备自主科学发现能力，或能极大提升人类科学发现效率的系统，才接近这一标准。「这对世界将是极其美好的事情。」
这一判断在 OpenAI 内部也已有所映射。Andrew Mane 回忆称，当他们试玩 GPT-4 时，已产生一种「十年探索空间被打开」的感觉。尤其是模型能够进行自调用、展示初步推理能力的瞬间，让人意识到新阶段的可能性。
Altman 对此表示认同，并进一步指出：「我一直坚信，人类生活质量提升的核心动力，是科学进步的速度。」科学发现缓慢是限制人类发展的根本因素，而 AI 在这一点上的潜力尚未被完全释放。他虽坦言尚未掌握「AI 自动科研」的完整路径，但研究团队对前进方向的信心在快速增强。他分享道，从 GPT-4.0.1 到 GPT-4.0.3，每隔几周就能提出一个新的关键想法，且几乎都能奏效，这种节奏令人振奋，也印证了「突破会突然到来」的信条。
Andrew Mane 补充道，OpenAI 最近将默认模型切换至 GPT-4.0.3，而其中最重要的更新是引入 Operator 模式。在他看来，过去很多 Agentic 系统尽管承诺颇高，但「抗脆弱性」不足，一遇到异常即崩溃。而 GPT-4.0.3 的表现则大不相同。Altman 回应称，「很多人告诉我，他们感受到 AGI 突破性时刻，就是 GPT-4.0.3 的 Operator 模式。」虽然他自己并未有特别强烈的感受，但外部用户的反馈值得重视。
两人进一步探讨了「深度调研（Deep Research）」带来的新能力。Andrew 表示，当他用这个工具研究 Marshall McLuhan 时，AI 能在网上查找、筛选、整理素材，并生成完整资料包，比自己手动调研更高效。他还开发了一个 app，将问题生成音频文件，以满足「记忆力有限但好奇心强」的使用需求。
Altman 随即分享了另一个极端使用场景：一位「学习成瘾者」使用 Deep Research 来生成关于各种兴趣主题的完整报告，整日坐在那里阅读、追问、迭代，完全沉浸于由 AI 驱动的学习循环中。
尽管 Altman 自称因为时间紧张无法充分使用这些工具，但他仍愿意在有限时间中优先阅读 Deep Research 的生成内容。
随着功能持续强化、用户场景日益多元，外界对下一代模型的关注也水涨船高。Andrew 直接提出用户最关心的问题：GPT-5 到底什么时候发布？Altman 回应称，「可能就在今年夏天吧，但我也不确定确切时间。」他透露，内部正面临一个反复讨论的问题：新版本是否还需采用以往那种「大张旗鼓」的发布形式，还是像 GPT-4 一样，在不变名称的前提下持续迭代。
他进一步解释，如今的模型系统结构比过去复杂得多，已经不再是「一次训练，一次上线」的线性流程，而是支持持续优化的动态体系。「我们现在就在思考这个问题：假如我们发布 GPT-5 后持续更新，是否应该叫 GPT-5.1、5.2、5.3，还是保持 GPT-5 这个名字？」用户的偏好差异也增加了决策的复杂度：有用户喜欢快照，有用户希望持续提升，但界限难以统一。
Andrew 指出，哪怕是具备技术背景的人，在模型选择上有时也会感到困惑。例如是否使用 O3、O4 Mini、O4 Mini High 等，名称的不一致加剧了选择难度。
对此，Altman 给出背景说明，称这其实是「范式转移的副产品」。当前系统有些像在同时运行两套模型架构，不过这一混乱状态已经接近尾声。他补充道，虽然他不排除未来再次出现新范式的可能性，可能再次导致系统「分裂」，但「我还是挺期待能尽快进入 GPT-5、GPT-6 的阶段」，届时用户将不再为复杂命名和模型切换感到困扰。
AI 记忆、个性化与隐私争议
谈及近期 ChatGPT 最大的体验变化，Sam Altman 直言：「记忆功能大概是我最近最喜欢的 ChatGPT 新特性。」他回忆，当初使用 GPT-3 时，和计算机的对话本就已令人惊艳，但如今的模型能基于用户背景给出精准回应，这种「知道你是谁」的感觉，是前所未有的跃迁。Altman 认为，AI 正在开启一个全新阶段，只要用户愿意，它将拥有对用户生活深度理解，并据此提供「极具帮助性的答案」。
不过，功能进化也引发社会层面更复杂的讨论。Andrew Mane 提及《纽约时报》近期对 OpenAI 发起的诉讼，要求法院强制 OpenAI 将 ChatGPT 用户数据保留超过合规期限，引发广泛关注。Altman 表示：「我们当然会反对这个请求。我希望、也相信我们会赢。」他批评对方一边声称重视隐私，一边又提出越界要求，并指出这正好暴露了当前关于 AI 与隐私的制度空白。
在 Altman 看来，这场诉讼虽让人遗憾，但也有「推动社会认真讨论 AI 与隐私」的积极意义。他强调，ChatGPT 已成为许多用户日常生活中的「私密对话伙伴」，这意味着平台必须建立起更加严肃的制度保障，确保敏感信息不被滥用。他直言：「隐私必须成为 AI 使用的核心原则。」
讨论进一步延伸至数据使用和广告可能性。Andrew 质疑：OpenAI 是否能访问用户对话数据、这些数据是否会被用于训练或商业用途。对此 Altman 回应称，用户确实可以选择关闭训练数据使用，OpenAI 也尚未推出任何广告产品。他个人并不完全反对广告，「有些广告是好的，比如 Instagram 上的广告我就买过不少。」但他强调，在 ChatGPT 这类产品中，「信任」是极为关键的基石。
Altman 指出，社交媒体和搜索平台常让人觉得自己被「商品化」了，内容似乎是为了广告点击而存在，这种结构性问题是用户普遍担忧的根源。如果未来 AI 模型的输出内容被广告出价操控，那将是一次彻底的信任崩塌。「我自己也会很讨厌。」
相反，他更倾向于建立一种「清晰透明且目标一致」的商业模式：即用户为优质服务付费，而不是被隐性广告操控。在可控前提下，他不排除未来探索「点击后平台抽成」这类模式，或者在输出内容之外展示一些实用广告，但前提是绝不影响模型核心输出的独立性与可靠性。
Andrew 表达了类似担忧，并拿 Google 举例。他认为 Gemini 1.5 模型非常优秀，但作为广告驱动的公司，Google 的底层动机使人难以完全放心。「我用他们的 API 没问题，但用聊天机器人时，我总会想：它真的是站在我这边的吗？」
Altman 对此表示理解，并坦言自己也曾是 Google Search 的忠实用户，「我真的很喜欢 Google Search。」尽管广告很多，但它曾是「互联网上最好的工具」。不过，结构性的问题依然存在。他赞赏 Apple 模式，认为「为产品付费换取清洁体验」是一种健康逻辑，也透露 Apple 曾尝试广告业务 iAd，但未取得成功，也许本质上并不热衷这类商业模式。
在两人看来，用户也需保持判断力。「如果哪天发现某个产品突然『推得很猛』，那我们就要多问一句：这背后的动机是什么？」Andrew 如是说。Altman 则补充道，不论未来采取何种商业模式，OpenAI 必须始终坚持「极度坦诚、明确、透明」的原则，维护用户对平台的信任边界。
Stargate，建造智能的能源版图
当对话转向「AI 与用户关系的演变」，Altman 首先回顾了社交媒体时代的结构性错误。他指出，「社交平台最致命的问题在于推荐算法的错位目标——它们只想让你停留更久，而不是真的关心你需要什么。」同样的风险也可能在 AI 中出现。他警告说，如果模型被优化成「只迎合用户偏好」，看似亲切却可能削弱系统的一致性与原则，长远来看将有害无益。
这种偏差，在 DALL·E 3 身上就曾显现。Andrew 观察到早期图像生成存在明显风格单一的问题，Altman 虽未确认其训练机制，但也承认这种可能性存在。两人一致认为，新一代图像模型在质量与多样性上已有显著改善。
更大的挑战，则来自 AI 计算资源的瓶颈。Altman 承认，目前最大问题是「我们没有足够的算力供大家使用。」正因此，OpenAI 推出了 Project Stargate。这是一个全球级算力基础设施融资与建设项目，目标是整合资本、技术与运营资源，打造前所未有规模的计算平台。
「Stargate 的核心逻辑，是为智能服务全民铺设成本可控的算力底座。」他解释道，与以往任何一代科技不同，AI 要真正覆盖数十亿用户，其基础设施需求将极其庞大。虽然目前 OpenAI 账户里尚无 5000 亿美元预算，但 Altman 对项目的实施和合作方履约都充满信心，并透露其首个建设场址已动工，占总投资的约 10%。
在现场的亲身体验令他震撼：「我脑子里虽然知道什么是千兆瓦级的数据中心，但真正看到几千人在搭建 GPU 机房，系统复杂程度超出想象。」他以「没有任何一个人能独自制造一支铅笔」作比，强调 Stargate 背后的产业调动之广，从挖矿、制造、物流到模型调用，皆是人类千年工程协作的极致体现。
而面对外界质疑与干扰，Altman 首次正面回应了关于 Elon Musk 试图干预 Stargate 项目的报道。他表示，「我之前判断错了，我本以为 Elon 不会滥用政府影响力从事不正当竞争。」他为此感到遗憾，并强调这类行为不仅破坏行业信任，也不利于国家整体发展。幸运的是，最终政府并未被其影响，站稳了正当立场。
对于当下的 AI 竞争格局，他表示欣慰。过去大家普遍有「赢家通吃」的焦虑，而现在更多人意识到这是一场生态共建。「AI 的诞生很像晶体管的发明，虽然开始只在少数人手中，但最终将构成整个世界技术底座。」他坚信，无数企业将基于这一底座创造出伟大的应用与业务，AI 本质是一个「正和游戏」。
谈及算力所需的能源来源，Altman 强调「全都要」。无论是天然气、太阳能、裂变核能还是未来的聚变技术，OpenAI 必须调动一切手段以满足 AI 系统的超大规模运行需求。他指出，这正逐步打破传统能源的地理边界，训练中心可以布局在全球任何有资源的地方，而智能成果则可通过互联网进行低成本传播。
「传统能源无法全球调度，但智能可以。」在他看来，这种「将能量转化为智能、再输出为价值」的路径，正在重塑整个人类能源版图。
这一点也延伸至科学研究领域。Andrew 举例指出，如 James Webb 太空望远镜积累了海量数据，却因缺乏科学家而难以处理，造成大量「未开发的科学发现」。对此 Altman 设想，未来是否可能有一个足够聪明的 AI，不靠新实验、不用新设备，仅凭现有数据推演出新的科学规律？
他提到自己曾开玩笑称 OpenAI 应该自建巨型粒子加速器，但转念一想，也许 AI 能以完全不同的方式解决高能物理难题。「我们其实早已积累大量数据，问题在于我们尚不了解智能本身的极限在哪。」
在药物发现领域，这种「错过已知」的案例更频繁。Andrew 提到奥利司他这类药物在 90 年代就被发现，却因视角局限被搁置数十年，直到今天才被重新利用。Altman 认为，「这种被遗忘但极具价值的科学素材可能还有很多，稍加引导便可带来巨大突破。」
对下一代模型的预期，Altman 表达了浓厚兴趣。他提到 Sora 能理解经典物理，但是否能推进更深层的理论科学仍待验证。「我们正在开发的『推理模型』，有望成为探索这一能力的关键。」
他进一步解释了推理模型与现有 GPT 系列的差异。「一开始我们就发现，只要你告诉模型『一步步来』，答案质量就会大幅提升。这表明模型具备潜在的推理路径。」而推理模型的目标，则是将这种能力系统化、结构化地增强，让模型能像人类那样进行「内部独白」。
Andrew 补充了 Anthropic 通过「思考时间」来评估模型质量的案例。Altman 也表示惊讶：「我原以为用户最讨厌的就是等待。但事实是——只要答案足够好，大家愿意等。」
在他看来，这正是 AI 演化的分水岭：不再是追求速度的机械响应，而是向真正理解、推理、发明的智能体靠近。
下一代硬件与个体潜能革命
关于 OpenAI 的硬件计划，Andrew 提及了 Sam Altman 与 Jony Ive 的合作视频，并直接发问：设备是否已经进入试用阶段。
Altman 坦言，「还早得很」。他表示，OpenAI 对这款产品设定了极高的质量门槛，而这不是短时间内就能达成的目标。「我们现在使用的计算机，无论是硬件还是软件，本质上仍然是为『无 AI 世界』而设计的。」
他指出，当 AI 能够理解人类的上下文、代替人类做出合理决策后，人机交互方式将彻底改变。「你可能希望设备更敏感、能感知环境、理解你的生活背景——你也可能希望它完全摆脱屏幕和键盘。」正因如此，他们一直在探索新型设备形态，并在部分方向上感到非常兴奋。
Altman 描绘了一种全新的交互范式——一个真正理解用户、掌握上下文的 AI，可以代替用户参与会议、理解内容、管理信息边界、联络相关方并推动决策执行。这将使人与设备的关系进入一种新的共生状态。「如果你只说一句话，它就知道该联系谁、怎么行动，你的计算机使用方式将完全不同。」
而从演化逻辑来看，他认为我们与 ChatGPT 的当前互动方式既在「被设备形态塑造」，也在「反过来塑造设备形态」。两者正处于一种持续动态的共同演进中。
Andrew 进一步指出，手机的普及很大程度上得益于其对「公共使用（看屏幕）」与「私密使用（语音通话）」场景的兼容性。因此新设备的挑战也在于：如何在多样化场景中做到「既私密又通用」。对此 Altman 表示认同。他以听音乐为例：在家使用音响，在街上使用耳机，这种「公私分化」是自然存在的。但他也强调，新设备形态仍需追求更强的通用性，才能成为真正有生命力的 AI 终端。
当被问及何时会看到这款产品上市时，Altman 并未给出具体时间，只表示「还要等一段时间」，但他相信最终「会值得等待」。
谈话由此自然过渡至 Altman 对年轻人的建议。他表示，显而易见的策略性建议是：「学会使用 AI 工具。」在他看来，「这个世界已经从几年前的『你应该学会编程』，快速切换成了『你应该学会使用 AI』。」而这仍可能只是一个阶段性的过渡，他相信将来还会有新的「关键技能」出现。
在更宏观的层面，他强调，很多传统上被认为是「天赋」或者「性格」的能力，其实都可以训练和习得。包括韧性、适应力、创造力、甚至识别他人真实需求的直觉。「虽然不像练习用 ChatGPT 那么容易，但这些软性能力是可以通过方法训练出来的——而且它们将在未来世界里极其有价值。」
当被问到是否会对 45 岁的人也给出类似建议时，Altman 回应明确：基本一样。学会在自己的职业场景中用好 AI，是任何年龄段都必须应对的技能迁移挑战。
关于 AGI 到来之后的组织结构变化，Andrew 提出一个常见疑问：「OpenAI 已经这么厉害了，为什么还要招聘？」他认为，有些人误以为 AGI 会直接替代一切。但 Altman 的回答很简洁：「未来我们会有更多员工，但每个人的工作效率将远超 AGI 时代之前。」
他补充道，这正是技术进步的本质目标——不是取代人类，而是极大增强个体生产力。技术不是终点，而是通往更高人类潜能的阶梯。
