OpenAI CEO Sam Altman谈AI扩展与基础设施需求

Speaker 1: 大家好，又见面了。呃，如果我继续这样下去，我理解《60分钟》节目有个空缺职位。也许我可以……如果投资这事儿行不通，也许我可以去试试。再次完全披露一下。Sam是我的朋友。我也是OpenAI的董事会成员。所以，呃，我向你保证，我不会只问他一些容易回答的问题。我会激发我内心的“Breath Bear”和……呃……还有“Gooper”。那么，Sam，正如我所说，OpenAI的首席执行官，创始人之一，呃，他曾担任Y Combinator的总裁，在那里他帮助扩展了世界上一些最具影响力的初创企业加速器，并为重塑整个行业的公司提供建议。在OpenAI，Sam显然一直站在推动人工智能造福人类的前沿，帮助将尖端AI工具交到数百万人手中。多少人？全球8.9亿人和企业。 Speaker 1: 那么Sam，让我从一个我认为大家都在想的问题开始，好吗？那就是，我们今天在AI世界处于什么位置？ Speaker 2: 我……我认为在过去的几个月里，我们确实已经跨越了一个门槛，进入了这些模型具有重大经济效用的阶段。这可能发生得更早一点，但在我们弄清楚如何使用这些模型之前，存在很大的悬而未决的问题。我们不仅需要继续让模型变得更聪明，还需要弄清楚如何构建使其易于使用的“管道”。我们现在所处的世界是，模型能完成的工作令人惊叹。呃，我认为这在编码领域最为明显。 Speaker 1: 是的。 Speaker 2:但这也在科学领域发生。它正在许多知识工作领域发生。呃，以一种令人眼花缭乱的速度，人们都在说，天哪，那些我以为还要好几年才会发生的事情，现在正在发生，而我的工作已经从做……你知道，直接的技术工作或……呃，你知道，法律工作，转变为管理一个由智能体组成的团队来完成这项工作。这将会走得更远。呃，我认为我们正处于曲线非常陡峭的部分，现在也许你可以信任一个AI软件工程师来完成一个耗时数小时的任务。很快，它将是耗时数天的任务，然后是耗时数周的任务。在那之后不久，我认为范式将再次转变，感觉这些AI系统将直接连接到你的生活、你的公司等等，主动思考，一直工作。呃，并且对你需要它们知道的任何事情都有完整的上下文，就像你会信任一位资深员工那样去做事。 Speaker 1: 那么，你认为公司是否真正理解了这些系统如何帮助它们，并重新构想它们的业务方式？ Speaker 2: 有些公司理解了，有些没有。呃，当然，新一代的初创企业与以往任何一代的初创企业想法都不同。呃，过去当我们与初创企业交谈时，他们会谈论他们需要多少员工。呃，现在他们通常不想雇佣很多人。他们认为那会拖慢他们的速度，他们都专注于能获得多少计算资源。 Speaker 1: 你知道，我能预订这么多容量吗？我能为此做一笔云交易吗？呃，我能获得这么多token吗？ Speaker 2: 我认为，这是一个思维转变，大公司正在更缓慢地经历这个过程，但有些已经开始这样做了。呃，我认为你可以看到这种情况发生的一个地方是工程部门和产品部门在谈论他们今年计划交付的产品数量翻倍或三倍。 Speaker 1: 这在以前从未发生过。 Speaker 2: 是的。 Speaker 1:而且，呃，你一直非常直言不讳地说，通用人工智能（AGI）会来得更早而不是更晚。你想分享一下你对我们离它有多近以及它多快会到来的看法吗？ Speaker 2: 在这一点上，我认为AGI的定义真的很重要。有些人会说我们已经达到了。有些人说它非常接近。有些人说我们可能，你知道，也许还有一年，但无论如何，这个词已经不再有太多意义了。呃，也许我们可以讨论两个有趣的门槛。 Speaker 1: 好的。 Speaker 2:第一，什么时候数据中心内部的全球认知能力会超过外部？对我来说，这感觉可能发生。误差范围很大。我可能完全错了，但这可能发生在2028年底左右。这对世界来说是一个非凡的转变。呃，另一个是，什么时候一家大公司的CEO、一个大国的总统、一位诺贝尔奖得主科学家，什么时候他们不大量使用AI就无法完成工作？ Speaker 2: 这并不意味着会有一个AI CEO或AI总统。呃，但这确实意味着，比如说人类CEO的角色，当我想到我的工作时，它真的非常不同。你仍然需要一个人来为决策负责，并行使人类判断力，以及我们期望一个管理重要组织的人所具备的所有理解力。但我角色中实际的部分，我将越来越依赖AI来完成，因为没有人类能够……你知道，没有人类CEO能与公司的每个员工、每个客户交谈，参加每个会议，成为每个领域的专家。所以，我认为越来越多的工作将是监督一群AI，提供监督，决定如何信任输出，如何提供指导。而当你真的不想在没有严重依赖AI的情况下管理一个大型组织时，那个门槛，我认为是另一个有趣的门槛，可能需要更长一点时间，但可能不会长太多。 Speaker 1: 那么，在你做你的工作时，你发现自己有多依赖我们在OpenAI开发的一些智能体和一些人工智能？ Speaker 2: 呃，依赖程度正在以惊人的速度增长。呃，如果我有一个关于商业模式、战略转变、呃、我们应该做的产品的新想法，在我甚至和别人讨论之前，我做的第一件事就是询问我们的工具。随着它们获得更多上下文，我认为这真的就像是下一个要发生的大事，因为它们可以接近我们公司的完整上下文，访问我们所有的内部文档、通信代码、客户数据、一切。答案、思考的质量，无论你想称之为什么，都变得越来越好。 Speaker 1:对吧？好的。那么，让我们稍微转换一下话题。两周前，呃，你们宣布了一轮1100亿美元的融资。我问了ChatGPT，这与公开市场上任何其他融资相比如何？我其实不知道。 Speaker 1: 呃，是四倍大。好的。有史以来最大的公开募股大约是250亿美元，是沙特阿美几年前完成的。而公开市场本应是资本最广泛和最深厚的来源。好的。三个战略合作伙伴，亚马逊、英伟达和软银。跟我们谈谈这个。这如何成为公司的一个转折点？有人问我一个问题：我们把这些钱都花在什么地方了？ Speaker 2: 这个业务有很多困难的部分，但最困难的部分之一是基础设施非常昂贵。你需要很多，而且你必须提前很久就承诺投入。我从未见过任何其他行业像这样。我的意思是，历史上显然有很多资本密集型行业。但当我展望未来几年摆在我们面前的情况时，如果增长曲线保持像现在看起来那样陡峭，需求增长得像现在这样快，你就必须做一些相当不寻常的事情。呃，OpenAI做了很多看 起来奇怪的事情。我们在收入之前就投入巨资建设基础设施。我们尝试新的商业模式，比如广告，这看起来，你知道，可能不是我们能做的最赚钱的事情。呃，还有很多其他事情，但我们有一个根本信念，即智能是充裕的。未来最重要的事情之一就是，我们让智能，借用能源行业一个不太成功的旧说法，便宜到无法计量。我们想让世界充满智能。我们希望人们将其用于一切。我们希望这成为下一代人不会思考的东西。他们期望在任何地方、任何人都能接触到他们需要的任何领域的“天才”，需要多少就有多少。 Speaker 2: 这个原则，是我们最重要的指导原则之一，确实导致了很多对其他公司来说看起来不那么自然的行为。其中之一就是我们真的想摆脱我们一直所处的这个世界——我们认为如果不改变我们的做法，我们仍将处于一个轨迹上——即总是受限于容量。 Speaker 1:对。 Speaker 2: 容量受限你指的是计算。 Speaker 1: 是的。 Speaker 1: 我经常听你说计算就是收入。你想谈谈你对此的看法吗？ Speaker 2:从根本上说，我们的业务，我认为其他所有模型提供商的业务，看起来都将是销售token。你知道，它们可能来自更大或更小的模型，这使得它们更贵或更便宜。它们可能使用更多或更少的推理，这也使得它们更贵或更便宜。它们可能一直在后台运行，试图帮助你。呃，如果你愿意付更少的钱，它们可能只在需要时运行。它们可能非常努力地工作，你知道，在一个问题上花费数千万、数亿，甚至有一天数十亿美元。 Speaker 1:对吧？ Speaker 2: 这真的很有价值。但我们看到了一个未来，智能就像电力或水一样是一种公用事业，人们从我们这里按表购买，用于他们想用的任何地方。我们看到的需求似乎将继续这样增长。如果我们没有足够的，我们要么无法销售，要么价格变得非常高，然后，你知道，它可能会流向富人，或者社会做出一系列我认为几乎总是很糟糕的中央计划决策，关于，你知道，我们将把我们有限的计算供应用于这个而不是那个。所以，对我来说，纵观整个资本主义、创新的历史，最好的事情就是让市场充满供应。 Speaker 1: 是的。显然，解决计算需求的一个关键部分是“星际之门”（Stargate），这是一个基础设施会议，你知道你几个月前，或者我猜差不多一年前宣布了它。在美国进展如何？然后进展如何，因为我也在阿布扎比开始了。 Speaker 2: 是的。 Speaker 1: 呃。 Speaker 2: 说实话，这份工作有很多很酷的部分。最酷的事情之一就是有机会去参观这些正在建设和运营的巨型数据中心。是的。 Speaker 2:仅仅是规模，你知道，这些吉瓦级的园区。真的很难解释，你看这些照片，感觉，好吧，看起来确实很大。然后你去那里，从一个建筑走到另一个建筑，你知道那里有一万人，所有这些不同技能的工种在做所有这些不同的事情，而且，你知道，里面看起来像一艘宇宙飞船。真的非常不可思议。呃，我们现在正在安布林（Ambling）的第一个站点上训练，我认为这将是世界上最好 的模型，呃，希望领先很多。这真是太神奇了，从你知道它在建设期间的多次访问，呃，真正内化了其规模和令人难以置信的复杂性，到OpenAI的一位研究人员输入一个命令，然后按下回车，难以置信数量的GPU启动并开始一起进行这个巨大的计算。 Speaker 1: 是的。 Speaker 2: 这非常酷。 Speaker 1: 那么，呃，最令人惊喜的是什么？在启动、运行和未来扩展方面，最困难的事情是什么？ Speaker 2: 呃，我的意思是，有所有预期的挑战，然后还有未知的未知，比如阿比林（Abalene）发生了一次疯狂的天气事件，呃，你知道，这超出了我们的计划，导致事情中断了一段时间。呃，还有所有的供应链挑战。任何达到这种规模的事情，就是会有很多东西出错。很多东西进展顺利，但只是试图全天候地构建如此复杂的东西。所有可能出错的事情都会出错。最令人惊喜的积极方面之一是，有多少不同的组织必须在极短的时间内聚集在一起完成这件事，呃，以及我们所有人如何在巨大压力下像一个团队一样最终一起工作。 Speaker 1:当然，其中的电力需求部分是很多人关注的焦点。呃，你是否乐观地认为我们将首先在美国解决这一挑战，然后我们可以谈谈其他地方。 Speaker 2:从长远来看，我是乐观的。 Speaker 1: 好的。 Speaker 2: 我毫不怀疑我们将找到如何建造大量发电能力的方法，AI当然会有所帮助，呃，但考虑到世界面前的组合——天然气、太阳能、核裂变、核聚变等等——我对于我们能够做到什么以及最终会做什么感觉良好。呃，考虑到我们看到的增长需求，我有点希望出现一个奇迹，在每瓦特效率方面，让我们有时间来建设所有这些基础设施。 Speaker 2:现在，这方面的记录一直令人难以置信。呃，人们引用他们喜欢的任何惊人统计数据，关于我们的模型、我们行业的模型随着时间的推移效率提高了多少。但有一个我认为是不可思议的，我们的第一个推理模型叫做01，大约16个月前发布。呃，而我们最新集成了推理的模型是5.4。从第一个模型到5.4，要得到同一个难题的答案，成本已经降低了大约1000倍。也许我在时间线上有点错。也许时间更长一点。但无论如何，从01到现在。 Speaker 1: 是的。 Speaker 2: 1000倍，呃，这在相对较短的时间内是难以置信的。我认为这指向了两件事：第一，我们在这个范式中仍然处于非常早期的阶段，我们对于如何开发这些模型、训练它们和高效运行它们的理解