近日，OpenAI公司CEO Sam Altman和COO Brad Lightcap一起接受了投资人播客VC20的访谈。这也是OpenAI成立8年多以来，Sam和Brad首次合体进行对外交流。
采访中，Sam和Brad分享了他们的合作历程，从最初的兴趣和信念开始，共同推动AI技术的发展。Sam强调了深度学习的潜力和规模扩大带来的积极效应，而Brad则从投资的角度讲述了他对OpenAI的信心和对公司未来发展的期待。
Sam认为，未来，计算成本将持续下降。他们（OpenAI）可以将非常高质量的AI技术成本降至接近零。不过，他也表示，未来5年，OpenAI最大的瓶颈可能会出现在供应链和计算资源方面。
Sam同时称，目前的AI模型还不够聪明，人们在使用GPT-4进行科学研究时仍只停留在非常原始和有限的阶段，但他预见，到了GPT-6时代，人们将会把它视为一个能够在各个方面提供帮助的通用工具。而到了GPT-8时代，或许人们会惊叹于它所能完成的任务之广泛，甚至可能超出我们现在的想象。
Brad则表示，企业供应链非常需要AI技术的加持，希望将ChatGPT技术投入到业务流程中，从而实现非常可量化的投资回报率。如今，ChatGPT投入到供应链管理的特定流程中，可以将特定领域的支出削减20％。不过，企业采用周期较慢，而ChatGPT企业版仍在缓慢落地中。
Sam和Brad都同意，失去顶尖的研究人员、研究文化或者缺乏足够的计算资源，将严重阻碍OpenAI的进步。他们讨论了人工智能模型对计算能力的巨大需求，并强调了在整个决策过程中，虽然只有少数几个战略性决策，但要成功实施这些决策，需要做出大量的日常小决策。
值得一提的是，Sam称，OpenAI领导团队的成员大多处于30多岁和40多岁这个年龄段，不像其他初创公司那样大多数领导者都在20多岁和30多岁。同样，他们的技术人员的平均年龄也稍微偏高一点。Sam认为，部分原因在于成为一名优秀研究人员的道路是非常漫长的。
以下为「硬AI」整理的访谈全文翻译：
主持人：准备好了吗？对此我感到非常兴奋，我已经期待了很长时间。这是你们俩第一次一起接受采访吧？
Sam：是的。
主持人：那这次采访将会是非常独特的一次。Sam，七年前是什么让我坚信去做这件事？
Sam：我觉得有两个原因。首先，从小我就对人工智能很感兴趣，但是在大学学习的时候，这方面没有什么进展。但后来我们开始做这件事的时候，有两个因素似乎非常重要。第一，深度学习似乎确实有效。第二，随着规模的扩大，效果会更好。当时我们不清楚可预测性有多强，但很明显规模越大越好。这似乎是一件非凡的事情。当时让我们困惑的是，为什么其他人没有看到这一点？为什么其他人没有参与进来？但事实并非如此。所以我们想要去做这件事。
主持人：可以问问在过去的几年里，当别人都怀疑的时候，是什么让你们坚持下去？坦率地说，很少有人有同样的信心。
Sam：这在我们看来似乎是可行的，而且我们一直在取得进步，这不是盲目的信仰，虽然如果你想做一件难事，就需要一定的信心。但对我们来说，做这件事真的很重要，如果我们能做到，它将以某种方式对世界产生巨大的影响，而且它可能会奏效。
我们拥有持续的数据证明这种方法是有效的。当然，具体细节花了很长时间才弄清楚。你知道，我们一开始并不是做语言模型的。显然，我们知道如果我们能继续做以前认为不可能的事情，那就预示着进步。在很长一段时间里，我们对这种方法和攻击向量有着根本的信念，细节部分则花了很长时间才理清，并且同事们做出了许多 brilliant discoveries（重大发现）。如果我们能做到，毫无疑问人工智能将是一件大事。这很有帮助。就像，它将是非常有价值的。
我们对这种方法越来越有信心，尽管在一段时间里确实像在丛林或沙漠里迷路了一样。然后，你知道，如果你坚信某件事，而其他人却怀疑它，这会稍微有点儿激励作用。是的，这肯定会有点儿烦人，但也会稍微有点儿激励作用。
主持人：我的意思是，风投公司可能会持反对意见，但这并不是我们做投资的方式，因为我们是跟随大众的。但我确实想从我们之间的关系开始谈起，因为这是一种非常独特的伙伴关系。再说一次，我们说这是你们俩第一次一起接受采访。Brad，这段合作关系是怎么形成的，你为什么不告诉我呢？
Brad：当然可以。嗯，我和Sam合作了很长时间，我们实际上在YC花了大量时间观察那一批正处于增长阶段的公司，那些都是非常深度的技术项目，比如核聚变反应堆、量子计算机、自动驾驶汽车、卫星等等。从投资的角度来看，我当时比较关注这些公司。而OpenAI是我见到的第一家让我觉得很独特的公司，因为它似乎随着时间的推移而变得越来越好，不像是一种非赢即输的二元风险。
我记得告诉Sam，我认为这家公司与我们当时关注的其它公司不同。随后，我更多地与Greg和Ilia合作，见证了Sam所述系统规模增长带来的性能提升，最初是不可预测的，后来变得可以预测。这种现象我认为非常独特。我想我们从不同的角度看到了相同的事情。从投资视角而言，如果这成立，这将是重要的投资成果，也将对世界产生深远影响。因此，我很早就对此充满信心，并愿意不遗余力地提供帮助。
主持人：你是否打算全职加入呢？何时决定让这成为未来几十年的使命？
Brad：起初，并没有这样的打算。我主要是帮Sam寻找CFO。
Sam：Brad实际上在我之前就全职在OpenAI工作。
Brad：确实如此。这是我首次在某件事上打败Sam。但我当时正在帮忙招聘。当时没人愿意担任OpenAI的CFO，这家公司当时只是一个规模较小的非营利性研究机构。我询问了约25位人选，结果全数被拒。说实话，我之所以来这里，是因为25个人中没有一个人愿意，这让我感到尴尬，所以我说，你知道吗？我为什么不在晚上和周末帮忙呢？然后我很快就全职了。我大约一半的时间在OpenAI，一半的时间在YC。
主持人：Sam，你什么时候全职加入的？
Sam：我开始全职做OpenAI。这是一个循序渐进的过程。但我认为到2019年春季或夏季。
主持人：好的，Brad在OpenAI方面比你更胜一筹。
Sam：我认为伟大的合作伙伴关系在于互补的技能组合。
主持人：这是肯定的。所以我想听听你们每个人的意见，就像全明星先生和夫人一样。Brad有什么了不起的地方，而世界不知道？
Sam：我觉得，良好的合作关系的一个标志就是，我很感激能与OpenAI的许多关键人物合作。当然，也许Brad可以替我做一周的工作。我肯定不能替Brad做一周的工作。我认为，作为一个团队进行分工，与每个人以及作为一个领导团队一起建立非常高带宽的沟通渠道的能力非常重要。
Brad擅长很多事情。为了节省时间，我在这里只谈两点。一是适应性。Brad加入公司显然是为了做金融，现在他做了一些事情，我想这就像在金融领域，但非常非常不同。我们根本没有生意，或者直到最近才有了可观的生意。当我们清楚地知道我们将拥有一个非常快速增长的业务时，我环顾四周，觉得我们真的需要一个人。我们得找个人来做这件事。我环顾了一下房间，然后让Brad去做。他表示：“好的，我会找到解决办法。我可能需要一些时间来适应，但我曾经处理过类似的商业事务，我有能力完成所有的事情。”
Brad在公司的各个层面上都能够接受新的挑战，并在前进的过程中解决问题。然而，我对财务一窍不通，所以这一切对我来说都显得神秘。要创建一个新的产品类别并进行市场推广，需要广泛的技能和极大的耐心。这就像对客户的痴迷，从产品到商业模式，再到我们如何处理客户支持以及所有相关的事情。Brad能够看到整体画面，以及它是如何组合在一起的，这就是一家公司。今天，我们在这里参加这个企业销售活动。
如果你一年前告诉我，我们将会成为一个伟大的组织，我可能会表示怀疑。哦，我们还不是一个伟大的组织。如果你说我们将会成为一个非常优秀的上市公司，我会认为这种情况发生的可能性非常低。但现在，我们已经是一个相当不错的组织了。
主持人：稍后我们会讨论这个问题，因为我认为你制定的上市计划令人难以置信。但是，如果换个角度，你认为Sam的最大优势是什么，而这是很少有人考虑或知道的呢？
Brad：好的，我猜有些人可能知道这一点，但我认为……
我想说两件事，它们是相互关联的。首先，在任何公司的发展阶段，总有一到三件事是那个时期真正重要的。这些事情会变化，但几乎从来不会有10件真正重要的事情。我认为Sam在专注于这一到三件重要事情上有着难以置信的能力，而这种专注也影响到了我们团队的运作。因为如果我知道他正专注于什么，即使我们可能对这些事情有不同的看法，通常我认为我们是一致的。但是，如果我们至少能在这些事情上达成一致，它们可能不是正确的全球性押注，但在当时看起来是正确的，这有助于我将其转化为我正致力于建立的团队，无论我们想要更注重企业，还是我们真的想改变我们对研究的押注，或者我们实际上想更多地押注于一件事而不是另一件，哪里我们真正需要做对的地方，这有助于我们非常快速地前进。我认为这是在规模扩大的同时保持速度的关键，这是大多数公司在事情的数量和感知到的重要事物的数量增加时开始丧失的。
第二件事就是长期未来的导向。你会有这样一种想法，你正在追逐一个非常遥远的目标，并且这个过程中，辩解哪一到三件事是最重要的，其实就是尝试弄清楚哪一到三件事是最快把我们带到那个点的方式。Sam对那个未来世界有着狂热的专注。我的工作只是填补其中的一切。
主持人：现在，对你来说最重要的一两件事是什么？
Sam：世界上有很多AI组织可以复制其他人的工作。一旦你知道某事是可能的，就知道它的大概样子，一旦你知道人们想要它，那就不太难了。哦，这有点难。真正难的是首次尝试做新事物，并且持续多年，如果幸运的话，持续几十年，建立一个研究机构、产品机构和全公司，将这些东西推向世界。因为我们还在商业模式上创新，所以这种反复创新的文化也非常重要，这样我们不仅是在让GPT 5变得惊人地棒，而且6、7、8等，不论我们将来会怎么称呼它们。我们不会一直这样编号。确保我们能从思考研究人员能把我们带到哪里，这对产品必须走向何方，整个公司必须跟随的思考中得到准备，这是一个大事。
主持人：影响OpenAI决策创新速度的最大障碍之一是什么？
Sam：我认为我们有世界上最好的研究人员和最好的研究文化。如果我们失去其中的任何一个，那将是非常糟糕的。没有足够的计算资源将是非常糟糕的。我想，我们喜欢做酷酷的研究，因为科学进步是世界上最酷、最令人兴奋的事情。但实际上我们在这里是为了为其他人做有用的事情。如果我们进行了世界上最好的研究，然后我们尽我们所能使其高效，但我们仍然没有足够的计算资源来为地球上每个想要使用它并将要更多使用这些模型的人提供服务，那将是很糟糕的。 所以我想说的第二件事是，考虑如何获得足够的计算资源来满足想要使用这些服务的人们的需求。
主持人：你是如何考虑回答这个问题的？
Sam：那个我可能不会在镜头前回答，但通过将其视为一个整体系统问题，我对我们将给世界带来的惊喜保持乐观态度。
主持人：我可以问一下，你们俩如何做决策？你如何确定哪些事情可以委派，哪些事情不能委派？Brad：最重要的事情就是达成一致，我们作为执行团队和领导团队花了很多时间在这个方面做决定，有时很明显，有时则不然。所有其他事情都会被分派下去。因此，我每天可能做10个决定，这些决定都不会交给Sam，因为它们并不是最重要的。但如果真是一件最重要的事，我们整个执行团队会花一次会议或者好几次会议来讨论它。
主持人：你是否同意那种说法，一家公司只需要一年做一两个决定就能成功？还是说你更认同每天做10个决定，所有这些小的渐进式决定最终会使公司取得进步的观点？
Sam：我非常认同两者都重要。我喜欢做投资者的一件事是，这份工作实际上是每年做一两个决定，或者十年做一两个决定。顺便说一句，作为运营者的角色绝对不是我的本能，这不是我在这个世界上的自然位置，但为了稍微做得更好，我学到的一件事是，确实，只有少数几个战略决策。感觉更像是每月一两次，而不是每年一两次，但也不是那么多，也不是很大，就像这里是什么决定一样。但是，关于如何做决定，有很多。
我认为那些声称没有很多这样的人以前没有尝试过经营一家复杂的公司。因为说任何首席执行官每年或每月只做一两个决定都是荒谬的。这真的是永不停歇的。但是，在诸如我们要做ChatGPT 或不要做ChatGPT 之类的大事之间是有区别的。然后，为了使这一决定成功，我们必须在整个过程中做出10000个小决定。
主持人：你为什么认为自己不是一个运营者？
Sam：老实说，我不是。我非常开心地做投资者。对我来说，这不是一份令人满意的工作。但这是一个非常有趣的工作。而且，我有点喜欢，人们用来取笑投资者的所有话在某种程度上都是正确的。就像对于生活质量的工作来说，这是一个很好的权衡。但是，是的，毫不谦虚地说，我天生就不是操作员。我非常愿意做这件事，是因为我真的非常喜欢OpenAI。我认为AGL将是我接触过的最重要的事物。然而，这并不适合我。当你想到OpenAI是发展最快的公司时，听到这个消息真是太有趣了。我相信Brad会同意的。
Brad：是的，我绝对同意。
主持人：我想问一下，我们提到了计算元素。在边际成本与边际收益方面，我们如何考虑边际收益超过边际成本的情况？我认为这是很多人建议我们今天讨论的一个问题。显然，尤其是我们的产品。我们如何看待这个问题？
Sam：说实话，我认为这是我们可以谈论的所有事情中最无聊的。无意冒犯，这是我能想到的最无聊的问题。
主持人：真的吗？为什么无聊？
Sam：你只需要坚信一点，那就是计算的成本将持续降低，而随着模型性能的不断提升，人工智能的价值也将持续攀升。这个等式其实相当直观，解决起来并不复杂。当然，也存在出错的可能性，比如如果计算成本因为某些原因未能如预期般下降，或者因为供需失衡、计划不当等因素导致计算能力变得异常昂贵，那么情况就会有所不同。但我认为我们可以将非常高质量的AI技术成本降至接近零，这对世界上大多数领域而言都将是一个惊人的转变。不是所有事物都会因此受到负面影响，但我相信AI的成本即将变得非常低廉。
主持人：开源和开源的兴起如何进一步实现或影响这一点？
Sam：世界将会有开源模型的一席之地。有些人想要这些模型，有些人想要托管服务，还有些人两者都用。我认为这些细节虽然有趣，但忽略了更大的图景：我们正处于一场真正的、相当大的技术革命之中，智能正在从一种非常有限的东西转变。过去，只有聪明人才拥有智能，如果你想做一些需要高智商的事情，就需要很多聪明人合作。例如，创建一个像OpenAI这样的东西，你需要大量聪明的人，非常多。试想一下整个体系，不仅是OpenAI的员工，还有制造芯片、建造数据中心等等的人，最终每个人都将能够获得丰富且廉价的智能来做一些惊人的事情。
主持人：我们是否高估了一年的应用速度而低估了人们未来的意愿？
Sam：这很有可能。因为我认为这实际上是对技术普遍应用方式的深刻洞察。无论某样东西有多神奇，社会惯性都是一个大问题。只有非常棒的东西才会被广泛采用，但这个过程需要时间。所以，对于酷炫的新事物，人们总是一开始期待很高，然后过个几年热情就减退了。因此，我可能确实高估了应用速度。我认为期望和现实之间会很快发生逆转。
Brad：目前人们的期望值非常高，但现实仍然很糟糕。老实说，这些模型并没有那么好。但我认为一旦人们接触到现在的模型，他们的期望值就会迅速下降。然后，这些模型也会很快变得非常出色，你会看到期望和现实的逆转，人们的期望值突然需要追赶上现实的提升速度。
主持人：你提到了模型的实际质量可能并不像预期那么好，以及期望和现实之间的差距。另一个有趣的问题可能有点无聊，但它就是模型的商品化。以前从未见过像这样，上周Mistral还被热捧，然后又出现了其他的一些东西，媒体上总是报道新晋玩家的崛起，感觉每周都在变化。这是否意味着模型正在变成一种商品？
Sam：我记得，在美国曾经有过100多家汽车公司，或者至少接近这个数字。如果你去看当时的一些旧媒体报道，就会看到类似“现在出现了更好的汽车”、“现在出现了更好的汽车”这样的说法。我认为大多数新兴行业都会经历同样的过程。我觉得这没关系，甚至可能是件好事，但我并不认为这才是持久的价值所在。
最终会有一场洗牌，只会剩下少数几家提供商，大概十几家左右，大规模地提供模型。这将是一项非常复杂、非常昂贵的工程。我希望我们所有人能继续互相竞争，使模型变得更好、更便宜、更快，并在某种意义上实现商品化。
长期差异化不会存在于基础模型上，就像智能只是物质的一种新兴属性一样。长期的差异化将在于最适合你的模型，它拥有你的整个生活背景，并与你想做的所有其他事情无缝集成。但就目前而言，进步的曲线如此陡峭，我们最应该关注的就是不断改进基础模型。
主持人：你提到了你做投资人的经历，Brad今天也接触了很多全球大型企业。作为一个投资者，我看到了很多AI公司，但我没有投资过任何应用型AI公司。因为老实说，我看到OpenAI自己推出了一些产品，感觉杀死了整个行业。
Sam：我认为现在关于人工智能的发展有两个策略。一种策略是假设模型性能不会提升，然后在此基础上构建各种附加功能。另一种策略则是假设像OpenAI这样的人工智能研究机构会持续快速迭代，模型也会不断进步。在我看来，全球95%的创业公司都应该采用后一种策略，但遗憾的是，许多创业公司却采用了前一种策略。当我们不断改进模型及其工具时，就会有可能让那些采用前一种策略的公司面临挑战，这就是 “OpenAI杀死我的创业公司” 这个想法的由来。不过，也有许多创业公司可以从GPT-5性能的大幅提升中获益。如果你押注人工智能的进步并将之作为投资逻辑，那么大多数情况下你都会取得成功。
主持人：对于投资者来说，该如何识别哪些公司不会被淘汰，哪些公司可能会被淘汰？Brad：我们可以询问这些公司是否对模型性能提升100倍感到兴奋。通常，那些经常跟我们说想要下一个模型、询问新模型的发布时间并希望成为第一个尝鲜的公司，就属于可以从中获益的类型。还有一些公司则从未对此表示过兴趣。我认为，一个非常好的判断标准是，如果一家公司能清晰地阐述出更强大的人工智能将如何加速其产品的开发，那么他们就属于可以从中获益的类型。
主持人：那么Klarna就是一个例子吗？
Sam：Klarna就是一个很好的例子。对于Klarna公司来说，如果下一个模型像我们预期的那样出色，他们将取得巨大的收益。就拿医疗顾问这个例子来说，目前的人工智能模型虽然还存在一些不足，但在某些方面仍然非常有用。如果模型能在这些方面取得更大进步，那么Klarna公司就可以拓展更多业务。他们可能会对我们施加压力，要求我们更快地改进模型，以便挽救更多生命，让以前无法获得医疗服务的人也能得到一些帮助。
主持人：之前我列了一些问题，但后来意识到这些问题并不理想。现在我要谈论一下模型改进的速率。这个速率是线性的吗？还是会遇到瓶颈期？现在模型的改进速度明显在加快，那么这种速度在未来会如何发展呢？
Sam：从外部来看，模型的改进速度似乎是跳跃式的。这表明我们在一个核心信念上做得还不够好。我们认为迭代式地发布模型非常重要，避免在实验室里秘密研发通用人工智能 (AGI)。最糟糕的情况是，经过几十年的努力，我们突然发布一个通用人工智能，让全世界措手不及。对我们来说，更好的做法是将模型发布到世界，让人们有时间思考、做出反应，并逐步提高社会对人工智能的参与度。
我认为，我们做过的最重要的决定之一就是将像ChatGPT这样的模型发布到世界，让全世界都认真对待高级人工智能。我们以前尝试过谈论这个话题，但收效甚微。而推出ChatGPT确实取得了成效。
不过，当我展望未来模型时，我认为我们低估了它们的潜力。因为我们已经习惯了这些模型，看着它们一点点地改进。我们低估了即使采用迭代式发布的前瞻策略，这些模型的一些能力也会变得多么强大。因此，在构思下一个模型时，我们正在努力让发布过程更加平滑，使外部世界感受到的平滑度更接近我们内部的感受。
主持人：随着公司规模的扩大，你认为迭代部署策略是否仍然可能向前发展？你看，Farron Llama发布了一些关于医学科学写作的文章，他受到了强烈的反对，不得不撤回它。Bard也做了他们的事情，他们的股价下跌了8%。随着公司规模的扩大，发布不完美的产品可能会产生这样的后果。随着时间的推移，这种迭代部署是否仍然可能？
Sam：设置正确的预期很重要，我认为只要预期得当，迭代式发布仍然可行。
Brad：是的，我同意这一点。我们也会学到很多东西。例如，当我们发布“奏鸣曲”时，我们从创意界、媒体和业界得到了大量反馈。我们现在开始将这些反馈纳入考量，并将其融入我们针对这一特定模式的研究路线图。因此，从某种意义上说，我们一开始会将期望值设定得很低，只是尝试学习，倾听外界的声音，然后尽最大可能地吸纳这些建议。这样，等到我们真正想要分享某个产品时，它才会让人觉得实用，并且人们会自然而然地熟悉它，甚至感觉它好像是专门为他们打造的。我认为这将成为我们的一种运营模式，它将是一种真正迭代的模式，与世界的合作开发将比人们想象的更加紧密。
主持人：最后我想谈论一下产品上市 (GTM) 策略。你之前明确提到了医疗顾问。我听说你对人工智能如何解决癌症，特别是某些医学问题，充满了热情……
Sam：更准确地说，我渴望人工智能能够提供帮助。它或许无法完全解决癌症问题，但可以大幅提高科学进步的速率，而攻克癌症就是一个很好的例子。我确实认为科学非常棒，这肯定有一部分出于个人的兴奋之情。但我真诚地相信，科学进步是社会进步、经济增长和所有人生活质量提升方面最重要的一环。如果人工智能能帮助人们显著加快科学进步的步伐，我相信它一定会取得巨大的成功。
主持人：你认为实现这一目标的最大障碍是什么？
Sam：我认为最大的障碍在于模型不够智能。这听起来似乎有点令人沮丧，像是信息量不足的敷衍回答，但我觉得这才是最根本的原因。只要模型足够智能，其他问题都会迎刃而解。我们将需要找到各种方法将这些工具整合到人们的工作流程中。当然，模型在不同领域的能力也将发挥重要作用。但从宏观的角度来看，使用GPT-2进行科学研究曾被认为是一个相当不切实际的想法。而如今，虽然人们在使用GPT-4进行科学研究时仍只停留在非常原始和有限的阶段，但我可以预见，到了GPT-6时代，人们将会把它视为一个能够在各个方面提供帮助的通用工具。而到了GPT-8时代，或许人们会惊叹于它所能完成的任务之广泛，甚至可能超出我们现在的想象。
主持人：现在可以谈论公司发展方面的内容了吗？我认为这非常重要。从历史上来看，OpenAI的公司发展规模可以说是史无前例的，尤其是考虑到收入增长的速度。Brad，你一直是其中的佼佼者。这是一个不太好的问题，但是，到目前为止，OpenAI是如何实现足够好的发展规模的呢？成功的秘诀是什么，以及为什么一切看起来都没有崩溃？
Brad：事情并不总是那么顺利，但我很感谢你认为至少从表面上看，OpenAI 并没有乱成一团。当时推出Chat GPT的时候，正是一个契机，人们第一次真正体验到了这项技术的人性化一面。我们一直听到人们分享各种各样的使用体验，这些故事的多样性让我们感到非常惊讶。例如，有时你会听到一家公司的研究科学家谈论这个工具如何提高了他们的工作效率，然后又会听到一个 XYZ 初创公司的软件工程师说这个工具可以帮助他写代码。甚至还有新手父母说，他们每天都会向这个工具询问80个问题，帮助他们理解如何照顾婴儿。同一个工具竟然能支持如此丰富的使用场景，而且我认为它易于上手，这肯定会对人们的接受程度和使用方式产生重大影响。当然，这也会带来商业上的影响，但我们仍然专注于在这一领域不断努力。
B2B业务显然和面向个人的业务节奏不同，企业采用新技术往往需要更长的周期。我们在开发者方面取得了巨大成功。我们一直都以打造全球顶尖的人工智能开发者平台为荣。现在，企业用户成为了我们的新关注点。因此，针对企业用户开发产品将是一个需要更多流程和时间点的过程，但我们对此感到兴奋。
主持人：我想问一下关于人才的问题。如果人才因为OpenAI是最热门的公司而加入，这是否不好？OpenAI是发展最快的公司吗？
Sam：可能吧。
主持人：那么，每个人都必须加入我们的使命吗？
Sam：如果人才只是因为OpenAI是最热门、发展最快的公司就想加入，那并不是件好事。每个人都应该认同我们的使命才对。我们总是强调使命，但仅仅强调使命就足够了吗？我确实看到过一些科技公司仅仅因为成为热门雇主而吸引人才，但这种做法通常会带来负面影响。正如你所说，使命感并不需要在所有情况下都100%真实。不过，那些失去使命导向，被雇佣兵文化主导的公司往往会为此感到后悔。
主持人：你投资了一些杰出的创始者，其中有没有哪些人是你学习榜样、塑造了你关于建设公司的想法的呢？
Sam：我非常幸运能与我这一代许多优秀的创始人合作，并见证他们取得成功。我也很高兴他们现在愿意花时间帮助我。
主持人：可以冒昧地追问一下吗？有没有那么一两位特别让你印象深刻的创始人，你从他们身上学到了什么？
Sam：Chessie在过去的一年半里对我提供了很多帮助，他擅长许多我并不擅长的领域，迫使我快速学习如何思考产品、讨论产品以及如何打造优秀的产品。他真的是个特别的人。
Carlson兄弟也很棒。每次和他们交谈，我都会学到一些前所未有的深刻见解，这些都是非线性的思考方式。我投资了很多公司，所以认识很多杰出的创始人，我非常感激他们愿意在不同方面提供帮助。就像我试图从不同的投资者身上学习一样，向不同的创始人学习也是一种很棒的策略。
主持人：可以回到关于用户使用方面的话题吗？你提到了消费者、父母、科学研究人员等各种各样的用户群体。你们还与一些全球知名的大型企业建立了令人赞叹的合作关系。在企业级应用方面，您认为有哪些关于企业采用人工智能的最重要心得体会，以及大型企业是如何思考、接近和采用人工智能技术的？
Brad：我认为最大的心得体会是，企业天生就有一种强烈的愿望，那就是将这项技术直接投入到业务流程中，以期获得可量化的投资回报率 (ROI)。
主持人：听起来很棒。
Brad: 我管理我的供应链，每年花费X，我想将人工智能投入到供应链管理的特定流程中，并将我花钱的特定领域的支出削减20%。诸如此类。这很好。我们在这里，很乐意帮助您思考这个问题。
不过，我认为人们严重低估了仅仅让员工能够使用这项技术所带来的重要性和回报。虽然你无法确切地量化这种工作方式的效益，但例如，原本需要花费两天才能完成的工作现在只需要两分钟，这样一来，员工就腾出更多时间去做其他 85 件日常工作。这并不会直接体现在企业衡量投资回报率的方式中。但是，想象一下，如果这种情况在10000名或100000名员工身上发生，会带来怎样的影响？
主持人：我们该如何向企业解释这一点？你说得对，这不像预算明细那样一目了然，例如，我们节省了X美元。
Brad：是的，要展示节省出来的时间确实比较困难。一方面，这确实需要时间来证明。ChatGPT作为商用产品还非常新。我们去年8月或9月左右才发布了企业版，而自助服务产品 (SRF) 则是在今年早些时候发布的。因此，上市时间几乎为零，而企业采用新技术往往需要更长的周期。所以我认为，部分原因在于需要时间，另一部分原因在于员工会期望使用这些工具。此外，未来你将开始雇佣习惯于使用这些工具的人才，他们期望在工作场所也能使用这些工具。因此，我认为随着时间的推移，我们会开始看到这种转变。但是，我认为目前人们对于应该在哪里部署人工智能存在着一种奇怪的误解，这将对我认为他们应该在哪里部署人工智能产生重大影响。
主持人：你认为最大的公司没有问他们应该问的哪些问题？
Brad：是的，关于如何使用人工智能，如何整合人工智能，他们应该考虑的问题。许多公司认为这是一项静态技术。许多公司认为 GPT-4 是他们能获得的最好的模型。这可以理解。因为他们以往采用的每项技术都相对静态。例如，想想 2009 年的 iPhone 和今天的手机，它们本质上是相同的，只是外形略有变化，速度更快，分辨率更高，但技术本身并没有太大变化。云计算的应用开发也差不多是这样。因此，现在他们被赋予了这项新技术，他们认为这就是全部了。我认为他们没有充分考虑技术更新的速度，以及如何看待下一波技术浪潮和后继浪潮，还有如何思考实施这些技术来适应这种变化速度。
主持人：你们公司显然适应了这种变化速度。欧洲公司在你们如此快速变化的情况下，其行动速度往往赶不上。因为他们习惯了现有的工作流程和程序，然后你们进行更新换代，他们就会措手不及，对吧？
Brad：是的，这确实很难。这就是我们的工作难点所在，不是吗？我认为公司想要快速发展，但当你的规模达到10万倍或20万倍时，要做到这一点就非常困难。因此，这将是未来几年我们面临的最大挑战。
主持人：Sam提到了研究和文化以及在建立销售团队的时候两者间的平衡，因为产品和销售的职能和文化很难有效融合。您认为这种平衡面临的挑战有哪些？
Sam：我认为这就是Brad和我建立良好合作关系的地方，因为我们对如何平衡任何特定决定有不同的看法。我认为，我们非常善于听从对方的意见，根据情况或感觉会产生更重要的影响。但我认为，我们在确保让研究推动产品和产品推动销售的关键重点方面有着非常深刻的共识，而Brad和许多人却不会这样认为。
当然，这并不意味着完全如此。必须有另一个方向的反馈。我们现在喜欢拥有用户的原因之一是，这是你能获得的最重要的奖励信号，可以判断模型的好坏。它对人们到底有多大用处？这才是最重要的。但我们也知道，为了销售更多产品，我们能做的最好的事情就是让产品变得更好。为了提升产品的质量，我们最应该做的就是进行更深入的研究。在这一点上，我们之间从未有过任何分歧，这一点至关重要。
主持人：有趣的是，你提到了来自Meta的Alex Schultz，他以前非常擅长增长，但现在在OpenAI之后，他的增长思维发生了怎样的变化？
Sam：Alex Schultz的确是一位增长方面的天才。他可以滔滔不绝地讨论用户留存曲线和各种指标，他非常懂得这些方面的诀窍。我认为通常情况下，你从失败中学到的东西并不多，成功才是更好的老师。然而，那种打破所有规则的极端成功案例其实也学不到太多东西。ChatGPT的成功是一种罕见的科技革命，并不是什么可以操作的建议。因此，如果我想要学习增长之道，我可能无法向Alex Schultz请教了。
主持人：你为什么说从失败中学不到东西呢？
Sam：我一直认为可以从失败中学到教训，例如哪些做法应该避免。至少根据我自己的经历，我失败过很多次，也成功过几次，而从成功的案例中学到的东西要多得多。
主持人：你从成功中学到的最大教训是什么？
Sam：有很多，比如招聘员工时应该关注哪些方面。现在我更倾向于提拔内部员工担任高级职位，当然，在招聘外部人才时我也会非常谨慎。此外，还要学习如何判断创始人是否优秀，如何判断投资是否成功等等。Krishna Ross的投资业绩非常出色，你可以向他请教如何判断创始人是否优秀。
我肯定会考虑那些显而易见的因素，还有一些其他因素也会考虑进去。例如，我更看重创始人追求的目标是否宏大，如果成功的话影响会很大。这比人们想象的更重要，因为真正的大赢家往往可遇不可求。宁可十次投资中有九次失败，第十次取得巨大成功，也不要追求七次小赢的平庸。优秀的创始人应该能够不断产出新点子，并且具备快速迭代的能力。当然，聪明、坚韧等素质也很重要。优秀的沟通能力也是我非常看重的一点。
主持人：好的。我搞砸了很多，我错过了很多伟大的公司，我搞砸了，恕我直言，特别是在种子期或我倾向于投资的地方，他们并没有那么熟练。所以他们没有那种沟通能力。
Sam：作为一家公司的领导者，你需要向团队解释公司的发展方向和目标，你需要招募人才并让他们信服和你一起工作，你需要向客户推销产品并让他们愿意尝试。在某些时候，你还需要面对更广泛的受众进行演讲。我并不是说一定要能言善辩，也许我一辈子都做不到这一点，但是日常工作中能够清晰地解释你在做什么、为什么重要以及如何让别人帮助你，这一点非常重要。
主持人：最后一个问题，我们来快速讨论一下招聘问题。你之前提到的一个特点是，你聘用的人似乎有点年纪了。你是更倾向于聘用经验丰富的人才，还是更看重求职者的干劲和拼搏精神？根据您之前提到的招聘情况，我猜测你更倾向于前者。你认为呢？
Brad：至少在我任职的公司，招聘策略的制定上，我会区分团队人员的构成和职责分配。我崇尚团队合作，鼓励每个人都能提出好的想法。实际上，很多优秀的想法往往出乎意料，并非总是来自经验最丰富的人。因此，我的建议是建立一种扁平的团队架构，平等对待每个人的想法，鼓励大家集思广益，共同决策、判断和发挥创意。当然，招聘一些经验丰富的人才也很重要，因为他们可以带来更多的视角和经验。不过，我认为真正能改变公司的新想法往往不是来自这些经验丰富的人才。
主持人：你同意吗？
Sam：我认为有些职位确实需要经验，而有些职位则不需要经验，甚至经验反而会成为劣势。我们领导团队的成员大多处于30多岁和40多岁这个年龄段，不像其他初创公司那样大多数领导者都在20多岁和30多岁。我们的技术人员的平均年龄也稍微偏高一点。我没有具体的数据，但估计我们技术团队的平均年龄应该是在30岁出头，而其他一些科技公司可能只有20多岁。我认为部分原因在于成为一名优秀研究人员的道路是非常漫长的。
当然，这方面也存在一些例外。总而言之，我认为无论是有丰富经验的人才还是几乎没有经验的人才，只要是优秀的人才都值得考虑。到目前为止，我们的招聘策略似乎是有效的。这不是一个非此即彼的选择题，而是更应该考虑哪个人才是最合适的人选。
Brad：我想补充一点，在某些特定领域，招聘有经验的人才确实非常重要。因为我们所做的事情与以往完全不同，这是一个全新的领域。人们使用、消费、讨论和评价这项技术的方式都与以往截然不同。因此，传统的商业模式手册并不适用于这类新技术，也没有现成的解决方案可以借鉴。至少在我看来，对于这些前沿领域的问题，那些拥有20年工作经验的人不一定能提供更好的解决方案。
主持人：新兴行业的一大乐趣在于它提供了公平的竞争环境。我认为你在加密领域尤其看到了这一点。
Sam：19岁的人才和45岁的人才一样能做出重要贡献，因为这是一个全新的领域，没有既定的经验标准。总的来说，如果你想评估OpenAI的员工，可以看看他们的职位、职责和影响力，然后判断他们是否符合你的预期，即他们应该更有经验还是更少经验。
主持人：你准备好快速回答了吗？每个问题60秒或更短，让我们开始吧。Sam，在未来12个月和接下来的五年里，OpenAI面临的最大挑战是什么？
Sam：在未来12个月内，最重要的挑战是如何进行最佳的研究，并将最佳的创新成果转化为产品。5年之后，最大的挑战可能是供应链和算力。
主持人：Brad，如果你能改变主意，过去12个月中最大的挑战是什么？
Brad：我认为企业采用人工智能的速度实际上会比人们意识到的要快得多。我认为我们将打破惯例。人们认为企业在采用新技术方面比较缓慢，但我认为事实并非如此。
主持人：我们是否拥有大量的实验预算？
Brad：是的，我们确实拥有大量的实验预算，这对我们的工作有很大的帮助。
主持人：Sam，你今天最关心的全球问题是什么？
Sam：我感觉全球的问题变得更为严重，包括地缘政治问题、社会经济问题以及政治问题。我觉得现在的世界比我关注以来的任何时候都更加不稳定。这就是问题的关键，这就是根本原因。我感觉到的总体宏观不稳定性非常高。
主持人：Brad， OpenAI发展过程中最出乎意料的是什么？
Brad：让我吃惊的是模型的扩展性如此一致。尽管该趋势已经持续了六年，但我仍然对这种现象感到难以置信，即随着模型的增大，性能会可预测地提高。这真是太棒了。
主持人：Brad，你现在知道的事情，你希望在开始在OpenAI工作时就知道的是什么？
Brad：我希望我能理解这项技术实际发挥影响的顺序。例如，创意产业领域对这项技术的重要性超出了我们的预期，而我们之前更关注知识密集型产业或工业领域的应用。我们早期曾做过很多机器人方面的研究，当时我们以为会与机器人公司合作制造机器人，并与游戏公司合作开发智能体，但实际的发展却完全不同。
主持人：Sam，如果时间允许，你还有哪些想做的事情？
Sam：我现在几乎不怎么读书了，以前我读书很多。这是一个让我觉得遗憾的变化。
主持人：你想腾出更多时间读书吗？
Sam：也许吧，但这可能短期内不会实现。现在这种以牺牲个人生活为代价换取事业发展的方式是可以接受的，我知道这并非长久之计，但还是觉得有些难过。
主持人：抱歉，这个问题有点深了。见到埃隆的人，你高兴吗？
Sam：我很高兴。虽然不能说我享受这个过程，但我确实为取得的进展感到非常自豪。
主持人：过去一年里你们俩都结婚了，这真是太让人兴奋了。能分享一些你们在如此忙碌的情况下，如何保持浪漫的爱情关系以及幸福的秘诀吗？
Brad：沟通是关键。我仍在学习如何更好地沟通，要有同理心，并且要理解这份工作可能是世界上最辛苦的工作之一。然而，真正为此付出代价的人并不是你，而是你的另一半。
Sam：我真的很幸运娶到了克里斯蒂，但他确实为我的工作付出了很多。过去我们的生活很平静，而现在他非常支持我，理解我的工作，他说，你去忙吧，我会在这里等你，我们会有很多时间在一起的。我们仍然会抽出时间约会，但拥有一个支持你的伴侣，不仅仅是支持，还是一个热情的伴侣，这真的很重要。他说，你去做吧，我会想办法让事情顺利进行，我会尽量灵活一些。我真的很感激这一点。
主持人：Brad，对于 OpenAI，你对它未来10年有什么展望？
Brad：我讨厌做10年的预测。
主持人：没关系，你可以说5年或20年。
Brad：这也没什么区别。我不知道，过了。我知道Sam比我更讨厌它。
主持人：比如，当你展望10年后，你如何看待那时的世界状况？你对未来的状态感到兴奋吗？
Brad：是的，否则我们也不会从事这份工作，至少我不会。
Sam：非常兴奋。我希望到那时人们会回首过去，说“天哪，2024 年的人们生活也太原始野蛮了吧！”就像我们现在回首几百年前的人们的生活一样。并不是说我们不感激现在美好的生活，但是，人们会生病，会因疾病过早死亡。并不是每个人都能接受良好的教育。每个人都应该能够按照自己的意愿去做事和支配时间，更不用说未来会出现一些我们现在无法想象的新事物了。当然，未来并非全是好的，也会有一些我们失去的东西。但总而言之，我对一个真正富足的世界感到无比兴奋。
主持人：非常感谢你们抽出时间来做这次访谈。老实说，能和你们俩面对面交流太棒了！再次感谢你们加入我今天的访谈。
Sam和Brad：感谢你的邀请，这太棒了！
本文来自微信公众号“硬AI”，关注更多AI前沿资讯请移步这里
