全篇概述
这是 OpenAI CEO 萨姆·奥尔特曼在斯坦福 CS153「前沿系统」课上的一场课堂分享(约 2026 年年中)。整场讲话围绕一条主线:“规模(scale)”是 OpenAI 一切判断的底层信仰——他把“一个人 + 合理 token 成本 = 百人团队”、“YC 不能缩、规模本身有涌现魔力”、“押注 LLM 规模化会失败是当前最误导的判断”串成同一条逻辑。分享由八个问题/主题构成,另在结尾给做“一人前沿实验室”项目的学生提出了明确建议。
全篇的独特价值在于它同时是一份“为什么 OpenAI 敢这么做”的战略自述:从“规模是系统设计问题”,到 ChatGPT 并非规划出来、而是被用户“发现”,再到“AI 正变成一种新公用事业、但我们还没找到它的'夜晚的光'”。奥尔特曼也罕见地承认自己“没有一个让我满意的理论解释”规模为何有效,以及当前的能力管线“感觉不是最优解”。
需要留意的边界:本篇为课堂谈话的整理实录(二手),一手是课程现场视频(未直听);文中涉及 OpenAI 内部决策、营收与时间表的部分,属当事人口述,未见独立来源印证。
---
- 日期:2026-11-09
- 原始日期:2026-06-01
- 来源:阅读原文 (公众号「后浪进化星球」,2026-11-03 发布谈话实录);原始为斯坦福大学 CS153「前沿系统」课程(Frontier Systems)的课堂分享 + 对话,约 2026 年年中;同文英文版见 36氪 阅读原文 |课程视频(B 站)阅读原文
- 渠道:微信公众号(转介)/原始:斯坦福 CS153 课堂
- 体裁:演讲(课堂分享 + 对话)
- 讲者:萨姆·奥尔特曼(Sam Altman,OpenAI CEO)
- 信源层级:二手(课堂谈话的整理实录;一手为课程现场视频,本篇据中英整理稿核对;原视频未直听)
- 标签:超级个体 / 规模 / 公用事业 / ChatGPT / Codex / 推理
- 一句话:只要付得起合理的 token 成本,一个人就能干过去百人工程团队的活——这不是渐进变化,是选项集本身变了。
一、一个人 + 合理 token 成本 = 百人团队
- 核心断言:“只要你愿意花合理的 token 成本,一个人就能完成过去一支非常优秀的百人工程团队在创业公司里能做的事。这在以前完全不可能,根本不在创业公司的选项集里;现在它成了现实。”
- 关键:“这不是渐进变化,而是选项集本身变了。”——你能承担的雄心、能达到的速度、一次能推进的事情数量,都完全不同了。
- 但他自陈困惑:“我不知道为什么这个观察成立,我也没有一个让我满意的理论解释,所以推荐别人照做时我会有点紧张。”
- 他给的经验规律:“我职业生涯中观察到的所有最有趣的事情,都和规模带来的涌现属性有关。” 当某件事在较小规模上已经“以有趣的方式奏效”,而你能把它推向前所未有的规模时,多数情况下是好主意,而且大多数人做得远远不够。
- 来源(YC 亲历):当时所有人说 YC 太大、应该缩小、每批只投 10 家最好。但他认为 YC 的魔力很大一部分来自批次内部的网络效应——一种“只有在规模上才会出现的涌现属性”。
二、规模化的难点:东西会以不可预测的方式坏掉
- “随着规模扩大,东西会以越来越快、越来越不可预测的方式坏掉。” 而且总会有非常聪明的人告诉你:不要野心太大、不要搞太大。
- 结论:“规模化本质上是一个系统设计问题。” 以扩大 AI 模型规模为例,要逐条回答的问题:技术上到底能不能做(跨 1 万或 10 万张 GPU 跑训练,没人试过)?资本需求怎么解决?商业模式在哪里?怎么承担这种风险?
- 方法:“把这些难点逐条拆开,一次解决一个,非常重要。在几乎所有规模化领域,这都是通用方法。”
三、人类最难重构:清晰的目标、计划、决策方式
- 规模化时最难重构的往往不是技术,而是人的部分。 他的答案:“清晰的目标、清晰的计划、清晰说明如何到达那里,以及在路上如何做决策。”
- “清晰”本身就是力量:回到决定规模化深度学习的时刻——“一旦我们说:'不,我们要押注规模化深度学习。这是我们的方向。如果我们错了,我们会失败,但我们就是要做。原因如下……'这种清晰本身非常有力量。”
- 人类的认知局限:“人类进化得并不擅长思考指数增长。” 人们很难想象 scaling laws、收入、组织复杂度都会指数增长;“真正和人们从第一性原理出发推理'为什么这会发生',需要很长时间。”
四、ChatGPT 不是规划出来的,是用户“发现”的
- 背景:GPT-3 是个很酷的 demo,但找不到产品形态;需要钱来扩展到几十亿美元级的算力 → “既然想不出产品,就先做成 API,希望别人能想出产品。”
- 2020 夏发布 GPT-3 API:最初几乎完全没有 traction;约一个月后,“就我们所知,它随机在 Twitter 上病毒式传播了”。
- 当时的真相:“如果你回去用 GPT-3 或 3.5,你会震惊于当时的模型相对于引发的兴奋有多么糟糕。” 真正跑通的业务只有文案写作。
- 关键观察:虽然只有文案跑通,但开发者已经学会“放一个 prompt 然后和它聊天”;很多人把 API key 纯粹拿来聊天 → “人们显然想要一个好用的聊天机器人。”
- 决策:按 YC 原则——“看用户喜欢什么,然后去做”,围绕它做聊天机器人(用 3.5 + 新的后训练方法)。“发布日期时我们仍然没觉得它会那么成功……结果它疯狂病毒式传播。”
- 他学到的另一条 YC 铁律:“当某件事开始快速增长,而且它还不够好时,你手里基本就有一个保证会爆的产品。” 五天里流量冲高回落、大家都说是炒作,但峰值一天比一天高 → “到第四五天,我就知道……我们手里有一个潜在杀手级产品。”
- 第五天的决定:“这是紧急状态,但是好的紧急状态。我们必须同时建一家公司和一款产品。” 然后两个月疯狂扩张——“商业模式以后再说,先收费,至少别让计算机账单把我们烧穿。”
五、Codex 原本是主计划:编程是模型控制世界的方式
- “在 ChatGPT 之前,我们的计划其实是全力投入代码。”(已知模型能写代码。)内部信念:“编程是模型控制计算机的方式,机器人是模型控制物理世界的方式。” 足够聪明的模型 + 写代码 + 控制机器人 → 让智能在现实世界为你做事。
- “Codex 在今年早些时候已经变得很好,但 5.5 才是真正的拐点。”
- 当前能力管线:预训练 → 中训练 → 后训练 → RL 与监督反馈循环。但他预计会有一次重大重写:“我不知道什么时候、具体怎么发生,但它作为一条'管线'存在,本身有点奇怪,感觉不是最优解。”——“最优解是什么?我认为这是 AI 要去研究解决的问题。”
- 他亮出的两个目标:① 到今年九月,使用相当于 50 万张 A100 的算力作为“AI 研究实习生”;② 到 2028 年 3 月,拥有一个完整的、端到端的、极具才华的“AI 研究员”,能自行发现全新架构。
六、AI 正在变成新的公用事业:卖“智能”很难让人共鸣
- “我认为我们正在创造一种新的公用事业。这并不常见……电力是公用事业,互联网是公用事业,水也是。” 因此没有现成的比喻教他们如何向世界解释。
- 电力史类比:早期电力公司不推销“电”(没人知道电是什么、为什么想要;电听起来很可怕);“后来他们开始卖的是:夜晚的光。”
- 关键坦白:“我不知道 AI 对应的'夜晚的光'是什么。” 即使智能会成为每家公司的“新公用事业”、人人有 OpenAI token 订阅,“至少现在,我不认为用'我们在卖智能'来类比是正确方式,因为人们没有共鸣”。
- 抽象层级:“作为消费者、企业或个人,你最终会以更接近 token、甚至比 token 高一个层次的方式思考。” 你不会在意硬件在哪、什么芯片、什么供电——这些会被抽象掉;“就像你付手机账单时,想的是购买通话时间和流量,而不会想基站里具体什么硬件。”
七、押注 LLM 规模化会失败,是当前最误导的判断
- 针对 Yann LeCun“LLM 是死路”的观点:“这些模型在某些方面已经远远超过人类,在另一些方面又远不如人类。比如,在非常长期、高判断力的任务上,它们似乎比人差很多。”
- 他的反驳证据:“就在昨天,我们的一个模型发现并证伪了一个 Erdős 问题猜想,那是聪明人研究了很久的问题……然后模型就这么做了。现在数学家们在问:数学是不是要结束了?”
- 结论:“LLM 显然有能力发现新知识……它们还会继续规模化。……在当前节点押注 LLM 规模化会失败,我觉得非常误导。”
- 他点名批评的两种人:① 一代对“规模化不会产生什么”过于确定的科学家;② 只是看图表、说“看起来还在漂亮地继续,那就继续”的人。
- 对世界模型的定性:“世界模型显然重要,机器人等事情需要它。但在当前节点押注 LLM 规模化会失败,非常误导。”
八、给“一人前沿实验室”的建议:去研究推理栈
- 若他在这门课做“一人前沿实验室”项目会做什么?
- “很多人正在研究训练想法,我们很快会有令人难以置信的模型……但我认为我们在'大规模交付大量廉价智能'上投资不足。”
- 建议:“也许我会去研究推理栈(inference stack):我们如何让这种惊人的智能变得廉价、丰富?……所有前沿实验室在很大程度上最终都必须成为推理公司。”
结语(原文收束)
“如果你把自己的身份认同绑定在某个特定事情会成功或不会成功上,你太执着于自己的身份,就放不下,看不到真相。”
整理者的分析
标注:以下为整理者(范德)的分析,非奥尔特曼原话,不代表其立场。
- 这篇与李丰那场是“同一枚硬币的两面”,可以对着读——李丰(投资人视角):资本可为想象力定价,商业最终为价值买单;奥尔特曼(当事人视角):规模会带来涌现、所以值得押注。两人都承认“规模/叙事”的力量,但李丰提醒别把技术成功外推为唯一答案,奥尔特曼则提醒别用身份绑架对真相的判断。合起来是一条:押注规模可以,但别把“我是谁”绑在某个特定判断的输赢上。(他结尾那句“身份绑架”是整个访谈最值钱的一句。)
- “一个人 + token 成本 = 百人团队”与阿莫迪、吴恩达两场同构——阿莫迪说“5% + 95% = 20 倍生产力”,吴恩达说“AI 把人变全栈”,奥尔特曼给的是同一件事的商业口径:“选项集本身变了”。对造物云/教育线的含义:团队编制与商业模式都应该按“1 个掌舵者 + N 个 AI”重算,而不是沿用旧的人头模型。
- “卖智能没有共鸣,要找到'夜晚的光'”是一条可直接搬走的产品原则——用户买的不是能力,是“夜晚的光”(一个他想要的具体结果)。这与你既有的“卖结果而不是卖工具”完全一致:别说“我有 AI 能力”,要说“这解决了你哪个具体的痛”。 而他自己承认还没找到 AI 的“夜晚的光”——这恰恰是留给创业者的空位。
- “推理栈是最被低估的方向”是一条具体的判断——他的原话:“所有前沿实验室最终都必须成为推理公司。” 对正在做“个人 AGI / 工作台”的方向:“让智能变得廉价而丰富”这条链,比“再训一个更大的模型”更值得押注。
保留意见:① 本篇为课堂谈话的整理实录(二手),一手为斯坦福 CS153 课程现场视频(未直听),中英整理稿已交叉核对;② 文中涉及 OpenAI 的内部决策、营收口径与时间表(九月目标、2028 目标)均为当事人口述,未见独立来源印证,引用时宜标注为“奥尔特曼表述”;③ 他本人多次承认自己没有令人满意的理论解释(规模为何有效)、并自陈判断带私人身份——属观点而非结论;④ 时间线说明:本场为斯坦福 CS153 课堂(约 2026 年中),中文实录由「后浪进化星球」于 2026-11-03 发布,两者日期不同,勿混。