公开访谈 · 山姆·奥特曼
戴维·森拉对话山姆·奥特曼：AI 采用、算力与平台方向
访谈观点
嘉宾观点 · 忠实转述
完整 9 条观点，按原观点顺序阅读。
观点目录 · 9 条 选择一条，跳转阅读
奥特曼不完全认同 2026 年每个企业都会被重新洗牌的说法，认为并非字面意义上的每个企业，但会有许多软件业务大量出现被颠覆的机会，且时间线会比 Toby 说的更长，因为经济有巨大惯性。
他直接回应 Toby 的判断并给出自己的时间线和范围修正。
他的未来判断
预期软件业务将有大量被颠覆机会，但转型会更平滑、更慢；对此他表示感激。
延伸分析 由 AI 生成
若经济惯性确实拖慢采用，则软件颠覆将呈现渐进而非骤变节奏，企业软件既面临被 AI 原生方案替代的中期风险，也获得更长的适应窗口；若技术突破加速则时间线可能被压缩。
相关领域：企业软件与 AI 智能体、云计算与大模型服务
后续观察
- AI 原生软件产品的企业采用率
- 现有 SaaS 客户流失/迁移数据
- OpenAI 等平台推出的工作流重构产品
奥特曼承认最让他心理上矛盾的是：他手握 Codex 这样的强大工具，本应彻底改变使用电脑的方式，却仍然按二十年来的旧习惯点来点去、刷邮件、记待办清单，说明改变根深蒂固的习惯比技术极客想象的难得多。
他以自身为例坦承行为惯性，属于对采用障碍的明确判断。
他的未来判断
认为习惯改变会渐进发生，需要更好的产品让新方式更无缝。
延伸分析
若连产品缔造者本人都难改工作习惯，则 AI 智能体的实际渗透可能显著滞后于能力曲线；这既暗示短期变现慢，也指向产品设计（降低切换摩擦）成为关键胜负手。
相关领域：企业软件与 AI 智能体
后续观察
- Agent 类产品的日活/留存
- 工作流重构产品的推出
- 企业实际替换旧工具的比例
奥特曼说他当前大部分精力放在研究和算力上，认为最重要的事是造出聪明的模型并高效、充裕地大规模运行；只要做对这一点，其他一切都会随之而来。扩展算力涉及自研芯片、fab 供应链、机架、电力系统，是可能已是或正快速成为历史上最昂贵的基础设施项目。
这是对个人战略重心与算力规模的明确事实陈述。
他的未来判断
相信只要模型与算力做对，产品等其余环节都会随之而来。
延伸分析
若 OpenAI 坚持以研究+算力为核心并推进自研芯片、数据中心与电力布局，则将持续拉动芯片、封装、电力与数据中心供应链需求；但史上最贵基建定性也意味着巨额资本开支与融资风险。
相关领域：AI 芯片与算力、数据中心网络、散热与电力、存储、先进封装与半导体设备
后续观察
- 自研芯片进展
- 数据中心与电力采购合同
- 算力资本开支与融资安排
- 供应链产能
奥特曼将 AI 研究类比风险投资的幂律：最好的一次押注会超过其余所有押注之和；他认为高风险押注只要在成功时极具价值就值得，OpenAI 在 2015 年做 AGI 是极端非共识的选择，当时全球几乎没有 AGI 团队。
他明确阐述研究组织的下注哲学与历史事实。
他的未来判断
认可仍有小概率某个非共识研究者以全新角度突破，认为这正是领域保持激动人心的原因。
延伸分析
若幂律逻辑成立，则前沿模型的价值将高度集中于少数成功押注，头部实验室的领先优势可能被放大；但也承认存在小概率被非共识新方法颠覆的尾部风险。
相关领域：云计算与大模型服务
后续观察
- 前沿模型能力代差
- 非主流研究方法的突破
- 顶尖研究人才流向
奥特曼认为最新一代模型已相当聪明，他现在更受限于 AI 掌握的有用上下文量，而非智能本身；他想要一个能持续获取并理解超出个人时间精力的海量上下文、在重大决策时提供好建议的 AI 智能体，这是产品侧尚未充分思考的方向。
对模型瓶颈从智能转向上下文的明确判断，并指向智能体产品方向。
他的未来判断
预期即将迎来与 AI 协作的全新方式，AI 能在几秒内读懂数万页上下文，成为无人能及的补充。
延伸分析
若瓶颈确从智能转向上下文，则记忆、个性化数据接入与长上下文智能体成为下一个价值高地；掌握用户/企业上下文的平台将建立粘性壁垒，但也放大数据隐私与授权争议。
相关领域：企业软件与 AI 智能体、云计算与大模型服务
后续观察
- 长上下文/记忆功能进展
- 个人与企业数据接入产品
- 隐私与授权政策变化
奥特曼明确表示 OpenAI 应该更多是平台公司而非产品公司：提供一个统一接口（个人或公司的 AGI）加上可在其上构建任意应用的 API，在成本-性能曲线各点提供最好的 AI，而不去构建每个产品品类或与所有客户竞争，目标是让 1 亿新企业和 80 亿人以各种新方式使用它。
这是对公司战略定位的明确立场陈述。
他的未来判断
预期直接接口与 API 会越来越融合，价值在于人们在其上构建什么；目标是海量新企业与用户采用。
延伸分析
若 OpenAI 坚持平台而非全品类产品路线，则更倾向与生态共建而非通吃，利好在其 API 上构建的第三方应用；但平台/产品边界（如与客户竞争）仍是持续张力，投资者需关注其克制程度。
相关领域：云计算与大模型服务、企业软件与 AI 智能体
后续观察
- API 生态规模与开发者数量
- OpenAI 自建产品品类扩张
- 与合作伙伴的竞合关系
奥特曼说去年为集中有限算力和人力，OpenAI 砍掉了 Sora（好产品但耗算力）和名为 Atlas 的网页浏览器（他认为是最好的浏览器），把资源集中到 Codex 和上游的智能生成，坚持在算力、人力、资源受限的世界里牺牲好点子去追求最重要的通用智能。
披露了具体的产品取舍决策与资源分配事实。
他的未来判断
将资源集中于上游智能生成（自研芯片、数据中心、基础设施软件、训练模型），并以 AI 即服务对外提供。
延伸分析
若算力确为硬约束并驱动砍产品，则说明推理/训练资源仍是稀缺瓶颈，会强化上游芯片与数据中心需求，同时暗示消费级应用（视频、浏览器）在资源竞争中让位；对依赖 OpenAI 生态的相关赛道构成利空。
相关领域：云计算与大模型服务、数据中心网络、散热与电力
后续观察
- 算力供给缓解迹象
- 被砍产品是否重启
- 算力在产品间的分配优先级
奥特曼提出对 AI 最担心的两大风险：一是失控（AI 变得太强大以致无法保证控制），二是权力过度集中（一家公司/模型/个人拥有过大权力）；他认为两者本质都是反人类的，正确做法是让人深度掌控未来、被深度赋能，人才是这一切的目的。
对 AI 治理风险的明确立场判断。
他的未来判断
主张通过迭代部署、事故复盘与共享学习来解决安全问题，反对把权力集中在少数公司手中。
延伸分析
若监管与行业围绕失控与权力集中形成共识，则可能推动更分散的模型访问与更严的安全披露机制；OpenAI 以人本、迭代部署为叙事，试图在安全与开放间取得平衡，影响未来政策与竞争格局。
相关领域：云计算与大模型服务
后续观察
- AI 安全监管政策走向
- 模型访问集中度
- 安全事故复盘与信息共享实践
奥特曼预测将迎来史上最大的小企业创业热潮，认为 AI 正在赋能这一点；过去创办小公司需要相当的特权、运气和资源，而现在 AI 会降低门槛，但包括 OpenAI 在内的业界对此谈得不够、也还没造出足够的产品来加速它。
对 AI 促进创业的明确预测。
他的未来判断
预期会看到远多于以往的小企业创办，AI 是关键赋能力量。
延伸分析
若 AI 显著降低创业门槛，则会扩大长尾创业者对模型 API 与智能体工具的需求，利好面向中小企业的 AI 平台与工具；但热潮兑现依赖于易用产品的出现，OpenAI 自承产品供给不足。
相关领域：企业软件与 AI 智能体、云计算与大模型服务
后续观察
- 面向小企业的 AI 工具采用
- 新企业注册与创业活跃度
- 低代码/智能体产品的成熟度