Sam Altman 畅谈 AGI：企业应该立即行动，智能体将重塑工作，千倍算力将解锁科研新范式

在 Snowflake Summit 2025 峰会上，OpenAI CEO Sam Altman 与 Snowflake CEO Sridhar Ramaswamy 及主持人 Conviction 创始人 Sarah Guo 齐聚一堂，深度探讨了 AI 技术的演进、企业应用策略、AGI 的前景以及下一代 AI 的颠覆性能力。

Image

这场对话信息量巨大，几乎涵盖了当前 AI 领域最核心的议题。正如 Sridhar Ramaswamy 开场所言：「我们展望未来，深知 AI 有潜力塑造未来，并使其变得更美好。」

生成式 AI 已经解锁了从代码编写到哲学思辨的无限可能，而 OpenAI 的 ChatGPT 更是让数十亿用户体验到了数据的力量，重新定义了我们与数据、智能的交互方式以及对未来工作的想象。

核心观点速览：

• 企业 AI 战略（2025）： 立即行动，快速迭代是王道。AI 模型已具备生产力，犹豫将错失良机。
• AGI 并非遥不可及： Sam Altman 认为，按照当前发展速度，AGI 的到来可能比想象中更快，甚至可能在未来几年内实现关键突破。
• 智能体将重塑工作： AI 智能体将从初级助理进化为能独立完成复杂任务的「资深员工」，甚至有望辅助科学发现。
• 下一代模型能力惊人： 未来的 AI 模型将能够解决企业最棘手的难题，在芯片设计、生物医药等领域大放异彩。
• 千倍算力畅想： 若拥有千倍算力，AI 将首先被用于加速 AI 自身的研究，并解决人类面临的重大科学问题。

企业 AI 战略：立即行动，快速迭代

面对日新月异的 AI 技术，企业该如何制定 2025 年的 AI 战略？

Sam Altman 给出的建议非常直接：「行动起来 (Do it)。」他观察到，尽管模型迭代速度飞快，许多企业仍在犹豫观望，等待下一个「完美」模型的出现。但 Sam 强调：「在技术快速变革时期，那些迭代速度最快、试错成本最低、学习效率最高的公司，往往能最终胜出。」他指出，早期布局并迅速迭代的企业，在 AI 应用上表现远超那些持观望态度的公司。

Snowflake 的 CEO Sridhar Ramaswamy 对此深表赞同，并补充了「好奇心」的重要性。「我们过去认为理所当然的许多事情已经不再适用。实验的成本已经非常低，企业应该勇于尝试，从中学习并积累优势。」Sridhar 鼓励企业积极试验，利用 OpenAI、Snowflake 等平台提供的低成本实验环境，从中获取价值并持续构建。他再次强调了 Sam 的观点：「迭代最快的企业将获得最大价值，因为他们最清楚什么可行、什么不可行，从而驾驭这个快速变化的未来。未来几年内，不会有所谓一切尘埃落定的完美时刻。」

谈及与去年的建议有何不同，Sridhar 认为保持好奇心和容错试错的核心观点不变，但技术的成熟度已显著提升。他表示：「如今 ChatGPT 在获取最新信息方面表现出色，因为它知道何时利用网络搜索。无论是结构化还是非结构化数据，聊天机器人等技术已经成熟，企业完全可以采纳。」

Sam Altman 则坦言，他去年的建议会更保守一些。对于大型企业，他当时可能只会建议小范围实验，因为模型在大多数情况下尚未完全准备好用于生产环境。但 Sam 指出：「情况已经发生了巨大变化。我们的企业业务增长迅猛，许多大公司正将我们的模型广泛应用于实际业务中。」这些公司反馈，模型不仅更可靠，能做的事情也远超预期。「似乎在过去一年中的某个时刻，我们确实迎来了模型可用性的一个真正拐点。」

展望明年，Sam 预言，企业不仅能利用 AI 系统自动化业务流程、构建新产品和服务，更能真正将最重大的商业难题交给 AI。「你可以对 AI 说，我业务中有一个极其重要的问题，如果你能解决，我愿意投入海量算力。」他相信，那些已经积累了模型使用经验的公司，将能在明年抓住这个「巨大飞跃」的机遇，让 AI 系统攻克人类团队难以解决的难题。

AI 系统的记忆与检索：上下文是核心竞争力

随着 AI 能力的增强，特别是推理能力和智能体 (Agent) 的引入，记忆与检索机制的重要性日益凸显。

Sridhar Ramaswamy 认为，检索技术在确保生成式 AI 提供可靠信息方面一直扮演着关键角色。「如果你问一个事实性问题，你希望得到一个可靠的答案。」他提到，早在 GPT-3 时代，他们就构建了网络搜索规模的系统，以便在 AI 回答需要现实世界参照（如突发新闻）的问题时，能够提供必要的上下文。同样，系统对过往交互和问题处理方式的「记忆」，也能极大提升其未来表现。

Image

上下文越丰富，AI 系统的交互体验和智能体能力就越强。「随着模型应用于越来越复杂的任务，上下文的重要性将持续增加，无论是从交互角度还是智能体的角度。」

AI 智能体：从「实习生」到「行业专家」，乃至「AI 科学家」

谈及 AI 智能体，Sam Altman 兴奋地分享了他对 OpenAI 最近发布的编码智能体 Codex 的体验，称其为一次「feel the AGI」的时刻。

「你可以给 Codex 布置一系列任务，它会在后台自主工作，非常聪明，能处理长周期的任务。用户只需进行引导和确认，对它的某些决策说‘是’或‘否’，或者‘再试一次’。」Sam 描述道，Codex 能够连接到 GitHub，未来甚至可能接入会议、Slack 和内部文档，完成令人难以置信的工作。

Image

「也许今天它像一个能工作几小时的实习生，但未来它会像一个能工作数天的经验丰富的软件工程师。」Sam 进一步畅想，这种模式将扩展到许多其他工作领域。他提到，已经有公司在构建智能体来自动化大部分客户支持、销售等工作，「我们已经听到一些公司在构建智能体来自动化大部分工作。人们的角色将转变为给一群智能体分配任务、评估质量、整合成果并提供反馈，这与管理初级人类员工团队非常相似。」

Sam 大胆预测，明年至少在某些有限的情况下，我们会开始看到能够帮助发现新知识或解决非常复杂商业问题的智能体。「目前，智能体主要处理重复性的、低层次的、短期认知工作。但随着其能力扩展到更长的时间跨度和更高层次，我们最终会拥有能够发现新科学的 AI 科学家、AI 智能体。那将是世界的一个重要时刻。」

AGI 时间表：定义重要吗？指数级进步才是真谛

谈及 AGI (通用人工智能)，Sam Altman 巧妙地避开了给出精确定义的时间点。他认为，如果能回到五年前，在 GPT-3 尚未发布、世界还未见识过优秀语言模型的时候，向那时的人们展示今天的 ChatGPT，大多数人会毫不犹豫地称之为 AGI。「人类非常擅长调整自己的期望，这本身就是一件很棒的事情。」

Sam 强调：「AGI 具体是什么并不那么重要，这个术语的定义因人而异，甚至同一个人在不同时候也会有不同定义。真正重要的是，过去五年我们所见的进步速度，至少在未来五年，甚至更长时间内，应该会持续下去。」他认为，纠结于是 2024 年、2026 年还是 2028 年宣布 AGI 的到来，远不如关注这条「漫长、优美且惊人平滑的指数级增长曲线」重要。

Image

尽管如此，Sam 还是给出了他心目中 AGI 的一个标准：「一个能够自主发现新科学的系统，或者一个能让全球科学发现速度翻两番的强大工具，这将满足我对 AGI 的任何想象。」他也提及了其他可能的定义，如能够自我改进的系统，或者像具备记忆功能的 ChatGPT 在很多人看来已经非常接近 AGI。

Sridhar Ramaswamy 对此表示认同，他认为关于 AGI 的定义更像是一个哲学问题，好比「潜艇会游泳吗？」。「这些模型拥有令人难以置信的能力，我们未来回顾时，自然会称之为 AGI。」他同样强调，重要的是进展的速度。「计算机能在国际象棋上击败世界上任何顶尖棋手，这并没有阻止人们继续下棋，甚至国际象棋和围棋现在比以前更受欢迎。所以，我认为定义的争论意义不大。」

Sarah Guo 敏锐地指出，人们对 AGI 的好奇，很多时候实际上是在探究「意识」，只是没有明确表达出来。

下一代模型：能力惊人，解锁「不可能完成的任务」

当被问及下一代模型中涌现出的新行为时，Sam Altman 毫不掩饰其兴奋之情：「未来一两年的模型将会相当惊人 (quite breathtaking)，真的。我们还有很多进步空间，很多改进即将到来。」他类比从 GPT-3 到 GPT-4 的飞跃，指出每一代模型的巨大进步都使企业能够完成上一代模型完全无法想象的事情。

「让模型处理你最棘手的问题，」Sam 举例道，「如果你是一家芯片设计公司，就让它设计出比以往任何时候都更好的芯片；如果你是一家试图治愈某种疾病的生物技术公司，就让它为你攻克难题。这并不遥远。」他描述的未来模型能够理解海量上下文，连接所有工具和系统，进行「真正卓越的推理 (really brilliant reasoning)」，并具备足够的鲁棒性去自主完成工作。「我不知道我是否曾想过这会感觉如此之近，但它确实感觉非常近了。」

对于模型知识边界的框架，Sam 提出了一个理想化的愿景：「一个极小却拥有超人推理能力、运行速度极快、拥有一万亿 token 上下文、并能接入你能想象到的所有工具的模型。」他认为，将这些模型视为数据库是「荒谬的」，因为它们是「缓慢、昂贵且非常不稳定的数据库」。它们的真正强大之处在于推理能力。「如果我们将其视为一个推理引擎，再将企业或个人生活的所有可能上下文以及所需的任何工具（如物理模拟器）注入其中，那么人们能做的事情将非常惊人。我认为我们正朝着这个方向前进。」

千倍算力畅想：加速 AI 研究，攻克人类顽疾

在对话的最后，Sarah Guo 提出了一个引人深思的假设性问题：如果拥有比现在多 1000 倍的计算资源，两位 CEO 会用它来做什么？

Sam Altman 给出了一个「元答案」和一个更实际的答案。他的「元答案」是：「我会让 AI 努力研究人工智能，找出如何构建更好的模型，然后再问那个更好的模型我们应该用所有这些算力做什么。」这无疑体现了他对 AI 能力的极致信任。

更实际的层面，Sam 指出，目前在 ChatGPT 或使用最新模型的企业内部，已经看到了「测试时算力 (test-time compute)」的真实回报。「如果你让模型进行更多推理，在难题上尝试更多次，你就能获得更好的答案。一个愿意在每个问题上投入 1000 倍算力的企业，将会取得惊人的成果。」虽然这在现实中并非完全可行，但它揭示了一个有趣的现象：企业应该将算力投入视为一种幂律分布，愿意为最困难或最有价值的问题投入更多计算资源。

Sridhar Ramaswamy 则将目光投向了科技领域之外。他提到了「RNA 项目 (RNA Project)」，类比于 20 年前的 DNA 测序项目，旨在弄清 RNA 的表达机制。「RNA 几乎控制着我们体内蛋白质的工作方式。在这方面取得突破，准确了解 RNA 如何控制 DNA 表达，很可能解决大量疾病，极大地推动人类进步。」Sridhar 认为，将海量算力投入到这样一个用语言模型完成的、堪比 DNA 项目的伟大事业中，将会是一个「非常酷的结果」。

这场炉边谈话无疑为我们描绘了一幅 AI 技术加速演进、深度赋能产业、并有望解决人类根本性挑战的宏伟蓝图。AI 的浪潮已然到来，主动拥抱变化、勇于探索的企业和个人，将在这场变革中占据先机。

正如 Sam 所言，那条「漫长、优美且惊人平滑的指数级增长曲线」仍在继续，而我们正身处其中，见证并参与这场伟大的技术革命。

参考来源：https://www.youtube.com/watch?v=qhnJDDX2hhU