「从全球资源分配的角度来看，让每个人把紧缺的DRAM内存囤积在自己的电脑里，大部分时间都闲置着，这是一种『相当糟糕』的安排。内存应该集中在云端的数据中心。」这番话出自OpenAI CEO山姆·奥特曼之口。

本周四，奥特曼在接受YouTube频道Cheeky Pint采访时，一边喝着啤酒，一边轻松地聊起了AI大模型的本地推理，以及由此引发的问题——家用电脑内存不足。不经意间，他抛出了一个引人注目的观点。

众所周知，当前全球AI浪潮导致内存价格上涨，PC和手机的价格也随之飙升，个人消费者已经感到压力。与此同时，内存大厂的产能扩张仍需时日。在前沿AI公司占据内存主要份额的同时，他们却开始讨论个人电脑中的内存是否被充分利用。

奥特曼提出了一个假设：人们可能希望在自己的电脑上运行本地AI，这些电脑可能是他们已有的，也可能是为了AI大模型技术而新组装的。他认为这种想法并不明智。

「从全球资源分配的角度来看，让每个人都把全球有限的DRAM内存闲置在自己的电脑里，使用率只有5%，这其实非常糟糕，」奥特曼说道。「如果你想在这种资源供应极其紧张的环境下工作，那么在云端就应该尽可能提高资源利用率。但不知为何，很多人的直觉却恰恰相反。」

目前，OpenAI的主要业务依托于大规模数据中心运行的闭源模型。奥特曼为自己的商业模式辩护，这一举动在AI社区引发了广泛讨论。

这也让许多人感到担忧：未来我们可能更难拥有自己的硬件或软件，只能考虑租用云端的智能体和计算机。

尽管普通PC、手机和AI加速卡使用的内存类型不同，但它们的生产会竞争部分上游晶圆产能。奥特曼讨论的是全球DRAM的资源配置问题，而谁有资格决定内存产能的用途，通常取决于谁下了更大的订单。

奥特曼的部分观点基于一个假设：数据中心建设不会放缓。此外，他还假设，全天候用于AI数据中心的内存，比用于电子表格、网页浏览、游戏、甚至偶尔用于本地AI的内存更有价值。

这次访谈内容非常丰富，奥特曼还谈到了近期引发全球恐慌的PHP漏洞、训练模型的沙箱化，以及AI在数学领域的研究。

以下是他的主要观点：

AI正在引发漏洞潮

关于PHP的巨大漏洞，奥特曼的判断是：大模型发现漏洞的能力正在快速提升，而互联网上的代码量极其庞大。当人们开始系统性地用AI扫描所有代码时，「我们会发现自己身处一个严重漏洞远超预期的世界」。他认为仅仅打补丁是不够的，必须重构架构。路由器、操作系统、应用层都需要为「漏洞会越来越智能」的世界重新设计。两年前，「重写整个技术栈」听起来像是疯话，但现在已经有创业公司开始尝试构建全新的技术栈。

他罕见地进行了行业自我批评：「我不认为我们很好地向人们解释了，为什么这项技术所有潜在的下行风险是值得的。」他说，AI行业的叙事是一种糟糕的销售话术，一方面承诺治愈癌症、降低成本，另一方面又描绘失业、失控、需要强力监管的未来。他重申OpenAI坚持迭代部署，对抗能力悬置，理由是不能让「旧金山几平方英里的人做所有决定」。

当被问及能否为模型建立一个「最高安全级别的监狱」时，奥特曼给出了悲观回答：沙箱只在一定程度内有效，监控（包括思维链审查和激活监控）能再进一步，但最终必须高度信任对齐。他反问道：「面对一个比最聪明的安全研究员还聪明百万倍、能发现人类尚不懂的新科学的模型，你真敢信任那个沙箱吗？」

他明确表示自己讨厌「agent swarms」这个词，因为swarm让人联想到蝗虫。他坚持使用「agent teams」，并认为团队之间互相制衡的属性，恰好对应靠多元主义实现鲁棒性的机制，是值得推进的安全方向。

智力爆炸与科学发现的代价

奥特曼勾勒了一条曲线：在GPT-4时代，往单个问题上有效投入1美元算力都很难；思维链让模型能「用力思考」，如今我们却可以把整支智能体团队并行运行上万次。普通用户和最先进用户之间的使用差距正在不断拉大。

关于OpenAI内部如何分配算力，他说员工享有很大自由度，但从不奖励高token消耗。「token排行榜高其实有点丢人，肯定不是晋升理由。」纳维-斯托克斯方程的证明被他拿来当案例：单个证明大约耗资1000万美元，期间「失控了一周」，因为当时大家对智能体团队的扩展律一无所知。但他预计一年后用更聪明的模型和方法，用1/100的成本就能重做。

他还罕见地流露了情绪：当时的情况真是绝了。某个新模型内部上线的那个周末，大家把各种最棘手的难题抛给这个模型，而它竟然都能一一解决。人们原本根本没指望模型能做到这些。大家共同见证了许多人学术生涯中最难攻克的科研难题被这个模型一个接一个地解决了，而且涵盖了多个不同的领域，那场面简直令人惊叹。

「有两晚我几乎彻夜未眠，因为实在太兴奋了，根本睡不着。我们后来发表的很多成果，其实就是当时解决的那些难题。」

奥特曼当时感到无比兴奋和快乐，同时也涌现出一种意想不到的忧伤、惆怅，以及一种「某个时代正在终结」的感觉。这不仅仅是怀旧，还有一种对人类科学家们「朝闻道，夕死可矣」的共情。他坚持人类理应获得基础知识，但行业欠这些领域的从业者一个解决方案。

虽然现在谈论超级智能还为时尚早，不过奥特曼认为，一万亿个略具超人类智能的AI，胜过一个万亿IQ的AI：

「直觉上，我更愿意让一万亿个略具超人类智能的AI加入社会，而不是一个万亿IQ的AI加入社会。」

他的论证是：社会的强大鲁棒性来自大量成员互相制衡、协作，「单脑」世界没有这种韧性。但他强调这不会自动发生，必须主动推动。

市场调节，到AI时代玩不转了？

关于全球内存紧缺的问题，奥特曼介绍了OpenAI的布局：自研芯片（提升每瓦智能性能）、自建数据中心、机器人项目，以及一个更大胆的概念——「自我复制的数据中心」，要用AI控制机器人去运营晶圆厂、制造涡轮和太阳能板、建设数据中心。他表示「这已在我们掌握之中」。

谈到「市场自己调节」为何迟迟不兑现，他认为当前的进展很糟糕，并给出了内存厂商的行为逻辑：这个行业长期是投入200亿美元资本支出只赚19亿美元的苦生意，历史上多次有巨头因过度建厂而差点破产。如今每家厂商一年能赚约1000亿美元自由现金流，但惨痛记忆让他们扩产极度保守。他由此断言「看不见的手现在失灵了」。

他区分了芯片产业的两类能力：光刻「地球上似乎只有一家公司知道怎么做」，但芯片设计（最终送给晶圆厂的文件）已经是AI的绝佳用武之地。

谈到递归自我改进的真实水平，奥特曼表示，现在模型能完成「找5%计算效率提升」这类任务，但还没有人知道如何让AI发现像transformer那样级别的新架构，缺的是更聪明的模型。他甚至预告，社会可能需要在一段时间内同意限制单模型的智商，「若未来的进展不足，那将源于这个决定，而非AI做研究的能力」。

他亮出了自己的通缩信仰：当前每GW领先AI算力的5年总拥有成本约700亿美元，若能降到200亿会更理想，同时模型每年还要再提升10倍性能。实现的路径是让能源更便宜、压缩「从沙子到产出token」之间层层堆叠的毛利。

针对企业的token预算焦虑，他认为当前更普遍的问题是AI用得不够多，而不是用太多。

个人智能体怎么定价？

关于最近火热的个人智能体产品（如Muse），奥特曼当前的判断是「Macintosh时刻还没有到来」。人们喜欢这些产品，但还没到「无法想象没有它的生活」的程度。赢家的形态会像现在的产品，但「it'll just work」，可靠、能接住更复杂的任务。关于computer use的猫鼠游戏，他认为最终会收敛在「你有权让AI代表你操作自己的电脑」的程度。

关于智能体的商业化方式，奥特曼认为，企业死守自己产品里的AI弹窗和HTML，担心失去客户关系，但消费者想在自己的主聊天应用里面让AI代办一切。他认为真正的护城河来自品牌、选品和履约网络，而非HTML。他主动自曝说：自己10次有10次选择Amazon Pay，哪怕价格更高，并盛赞亚马逊的履约网络，同时承认ChatGPT内的合作平台做得还不够好。他还把所有网页表单称为「假工作」，并把当下类比为当年的App Store时代。

也正是因为如此，在设计定价时，OpenAI差点学AWS按任务报价、彻底抛弃token计费的方式，但遭到了客户们的强烈反对：「我需要知道自己在为什么付钱」，哪怕付更多也要token这种可理解的单位。