周四，OpenAI CEO山姆·奥特曼在YouTube频道Cheeky Pint的访谈中边喝啤酒边聊AI。话题从本地大模型推理，一路延伸到全球DRAM紧缺、数据中心扩张、AI安全和智能体商业化，其中最引发争议的，正是个人电脑里的内存该往哪放。

个人电脑里的内存，是“糟糕的资源配置”？

奥特曼先提出一个假设：用户可能会为了在自己的电脑上运行本地AI，购买或组装高内存设备。但他直接否定了这一方向。

**“从全球资源分配的角度看，让每个人把有限的DRAM囤在电脑里，大部分时间使用率却只有5%，这非常糟糕。”**在他看来，内存供应紧张时，云端数据中心才能尽可能提高利用率；但许多人的直觉恰好相反，反而希望把算力和内存放在本地。

这一观点的背景是，AI浪潮已经推高了PC、手机和AI加速卡所需存储产品的价格，而内存大厂的产能扩张仍需时间。虽然普通PC、手机和AI加速卡使用的内存并不完全相同，但它们会竞争部分上游晶圆产能。至于谁更能决定产能流向，往往取决于谁能下更大的订单。

奥特曼为云端闭源模型商业模式辩护的同时，也引发了AI社区的强烈反弹。有网友嘲讽他像是在说“内存条都应该属于我”，也有人坚持个人应在家使用科技产品学习，而不是彻底依赖数据中心。

更深层的担忧是：如果硬件和智能能力不断向云端集中，未来用户是否会越来越难真正拥有自己的设备和软件，而只能长期租用云端计算机与智能体？

【编辑观察】奥特曼的判断显然站在OpenAI的云端模式立场上。数据中心提高利用率不假，但用采购规模定义资源“更有价值”，也可能弱化用户对隐私、离线使用和硬件控制权的需求。本地AI与云端AI未必是非此即彼的零和游戏。

AI正在引爆漏洞潮

访谈中，奥特曼还谈到近两周引发全球恐慌的PHP重大漏洞。他认为，大模型发现漏洞的能力正在快速提升，而互联网历史代码面极其庞大；一旦企业系统性地用AI扫描所有代码，人们会发现严重漏洞的数量远超想象。

  • 仅靠逐个打补丁并不够，路由器、操作系统和应用层都可能需要重构。
  • 两年前“重写整个技术栈”还像疯话，现在已经出现试图打造全新技术栈的创业公司。
  • 奥特曼自我批评称，AI行业没有很好地解释技术风险为何值得承担，过往叙事一边承诺治愈癌症、降低成本，一边强调失业、失控和强监管，像是糟糕的销售话术。

在安全路线上，OpenAI仍坚持迭代部署，避免让“旧金山几平方英里的人做所有决定”。但被问及能否给模型建一个“最高安全级别监狱”时，奥特曼态度悲观：沙箱只在一定范围内有效，思维链审查、激活监控等手段能再进一步，最终仍必须高度依赖对齐。

他反问道：如果一个模型比最聪明的安全研究员还聪明百万倍，甚至能发现人类尚不懂的新科学，你真的敢信任那个沙箱吗？

他还明确讨厌“agent swarms（蜂群）”这个词，因为swarm容易让人联想到蝗虫；他更愿意称之为“agent teams（智能体团队）”。不同团队之间互相制衡，恰好能通过多元主义提升系统鲁棒性。

智力兴奋，以及“一个时代正在终结”

奥特曼描绘了一条清晰的算力使用曲线：

  • GPT-4时代，想在单个问题上有效投入1美元算力都很困难。
  • 思维链让模型能够“用力思考”。
  • 现在则可以让整支智能体团队并行运行上万次。

这也意味着普通用户与最先进用户之间的使用差距正在拉大。

在OpenAI内部，员工使用算力拥有很大自由度，但公司不会奖励高token消耗。奥特曼甚至说，token排行榜高其实有点丢人，绝不是晋升理由。

他以纳维-斯托克斯方程的证明为例：单次证明约耗资1000万美元，期间曾“失控一周”，因为当时团队对智能体团队的扩展律几乎没有认知。但他预计，一年后用更聪明的模型和方法，只用1%的成本就能重做类似工作。

最让他情绪复杂的是某个新模型内部上线的周末。团队把各种最棘手的难题抛给模型，而它竟然跨领域逐一解决了许多学术生涯中最难攻克的问题。

“有两晚我几乎彻夜未眠，因为太兴奋了。”奥特曼说。但快乐之外，他也感到忧伤和惆怅，意识到**“某个时代正在终结”**。这并非简单怀旧，而是对人类科学家“朝闻道，夕死可矣”的共情；他认为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。

关于超级智能的形态，他更倾向于大量略超人类的AI，而不是一个智商万亿的单体：

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。

他的理由是，社会的韧性来自大量成员互相协作与制衡，“单脑”世界缺乏这种鲁棒性，但这一局面不会自动出现，必须主动推动。

“看不见的手”在内存市场失灵了？

为了支撑未来的AI算力需求，OpenAI正在布局自研芯片、自建数据中心、机器人项目，甚至提出更激进的“自我复制的数据中心”：用AI控制机器人运营晶圆厂、制造涡轮和太阳能板、建设数据中心。奥特曼称，这一方向“已在我们掌握之中”。

对于市场为何没有迅速通过扩产缓解内存紧缺，奥特曼给出了内存厂商的行为逻辑：

  • 这个行业长期是投入200亿美元资本开支、只赚19亿美元的苦生意。
  • 历史上多次有巨头因过度建厂而险些破产。
  • 如今头部厂商一年能获得约1000亿美元自由现金流，但惨痛记忆仍让它们扩产极度保守。

奥特曼因此断言：“看不见的手现在失灵了。”

他还区分了芯片产业的两类能力：光刻几乎只有一家公司知道如何做到顶尖；而芯片设计，也就是最终送给晶圆厂的设计文件，已经成为AI的绝佳应用场景。

谈到递归自我改进，他表示当前模型能完成“找到5%计算效率提升”这类任务，但还不知道如何让AI发现transformer级别的新架构，关键仍是更聪明的模型。他甚至预告，社会未来可能需要在一段时间内同意限制单个模型的智商；若进展受限，原因更可能来自这一决定，而不是AI做研究的能力不足。

在成本目标上，奥特曼的通缩设想相当激进：

  • 当前每GW领先AI算力的5年总拥有成本约为700亿美元。
  • 理想目标是降到200亿美元。
  • 同时模型性能还要每年提升10倍。
  • 实现路径包括降低能源成本，以及压缩“从沙子到产出token”之间层层堆叠的毛利。

他认为，大多数企业当前的问题不是AI用得太多，而是用得还不够。

个人智能体的“Macintosh时刻”还没到

对于近期火热的个人智能体产品，奥特曼认为它们虽然受人喜欢，但还没有达到“无法想象没有它的生活”的程度。最终赢家的形态可能与现有产品相似，但必须做到**“it just works”**，足够可靠，并能接住更复杂的任务。

在computer use方向，他认为猫鼠游戏最终会收敛到一个边界：用户有权让AI代表自己操作自己的电脑。

关于智能体商业化，他指出许多企业死守自家产品里的AI弹窗和HTML页面，担心失去客户关系；但消费者更希望在自己的主聊天应用里让AI代办一切。真正的护城河应来自品牌、选品和履约网络，而不是HTML页面本身。

他甚至自曝，自己10次中有10次会选择Amazon Pay，哪怕价格更高，因为亚马逊的履约网络足够可靠；他也承认ChatGPT内的合作平台目前做得还不够好。在他看来，大量网页表单都属于“假工作”，当下的变化类似当年的App Store时代。

定价方面，OpenAI曾差点学习AWS按任务报价，彻底抛弃token计费，却遭到客户强烈反对。用户需要知道自己在为什么付钱，因此即使要支付更多，也更愿意接受token这种可理解的计费单位。