智能需求無限，基建和應用爆發才剛剛開始

作者 林易

編輯重點君

近日，OpenAI官網放出了其首席財務官Sarah Friar與傳奇投資人、Khosla Ventures創始人Vinod Khosla的深度對話。

針對AI泡沫擔憂，Vinod明確表示，用股價波動來衡量泡沫是錯誤的，真正的衡量標準應當是底層的實際使用量：在互聯網時代是流量，在AI時代則是API調用量。目前的API調用量完全看不到任何泡沫的跡象，現狀并非需求不足，而是供給受限。

Sarah Friar佐證了這一觀點，她首次詳細披露了OpenAI過去三年的增長數據：

2023年：算力規模約200兆瓦，ARR約20億美元。

2024年：算力規模增長至600兆瓦，ARR增長至60億美元。

2025年：算力規模突破2吉瓦（即2000兆瓦），ARR超過200億美元。

數據顯示，OpenAI的算力投入與商業回報之間呈現出近乎完美線性的關系，這種高度耦合的增長曲線表明，AI產業仍處于典型的供給側約束階段。現在需求上限僅受制于算力的可用性。如果今天有更多的算力，OpenAI就能推出更多的產品，訓練更多的模型。

雖然算力投入與回報在曲線上是對應的，但時間上存在錯配。Sarah坦言，為了確保2028年至2030年的算力供應，OpenAI必須在當下就做出巨額的基建決策。

關于2026年的AI發展趨勢，Vinod預判：Agent將成為絕對的核心主題，多智能體系統（Multi-agent systems）有望展現出真正可見的產業影響力。

在企業端，Agent將開始深入復雜的業務流，具備獨立運行ERP等核心系統的能力，實現對賬、應計費用核算及合同追蹤等長鏈條任務的自動化閉環。

在消費端，Agent也將從單一的聊天機器人進化為具備跨應用執行能力的超級助手。以旅行為例，智能體不僅能提供建議，更能綜合考量飲食偏好、實時航班時刻和個人日程等多重變量，直接為用戶規劃并落實一次完整的行程。

這種深度滲透在醫療領域已成現實。每周有2.3億人向ChatGPT咨詢健康問題，高達66%的美國醫生表示在日常工作中使用ChatGPT。這標志著AI正加速從一種新奇的技術嘗鮮，轉變為專業領域的必需生產力。

站在更長遠的時間維度，Vinod對未來15年的科技趨勢做出了兩項大膽預測：

第一，機器人在15年內的產業規模將超過汽車工業。目前汽車行業主要關注如何將機器人用于生產線，但未來的通用人形機器人市場將是一個遠超汽車的龐大經濟體。

第二，我們將面臨極度通縮的經濟環境。隨著勞動成本和專業知識成本趨近于零，未來十年末期可能會出現大規模的通縮經濟。這將引發社會對“人類該做什么”的深刻反思，同時也可能帶來更高標準的社會基礎保障。

本次對談傳遞出非常明確的信號：在硅谷的核心圈層看來，AI浪潮才剛剛開始。對于企業和開發者而言，關注點不應是資本市場的噪音，而是如何利用即將到來的Agent時代，去重構那些尚未被智能化觸及的復雜業務流程。

Sarah Friar與Vinod Khosla對話劃重點：

1、2026年是Agent與多智能體系統的爆發之年

如果說2025年的主題是vibe coding，那么2026年將是Agent技術成熟并產生實質影響的一年。未來的發展方向是多智能體系統（Multi-agent systems）。

2、AI泡沫是一個偽命題

所謂的AI泡沫是一個偽命題，股價的波動只反映投資者的情緒，而非技術本身的價值。衡量AI真實需求的唯一指標應該是API調用的數量，從這個維度看并不存在泡沫。目前需求的唯一限制是計算資源的可用性，考慮到價格彈性，市場對智能的需求實際上是無限的。現在的狀況是需求跑在投資前面，這與互聯網泡沫時期流量匱乏但股價虛高的情況截然不同。

3、OpenAI的商業模式與算力投資

OpenAI的商業模式已從單一維度進化為立體的魔方結構：底層是多云、多芯片的基礎設施架構，中間是涵蓋ChatGPT、Sora等多模態的產品層，上層是包括訂閱、SaaS、積分制及未來潛在許可模式的多元商業化體系。在算力投資上，OpenAI發現算力投入與收入增長存在極強的相關性。目前的投資決策必須提前數年布局，以確保2028-2030年有足夠的計算資源。

4、企業效能新范式：人+Agent

企業應用AI不僅帶來了約27%-33%的生產力提升，更改變了工作性質。AI正在接管如合同審查、條款分析等枯燥且低價值的重復性工作，讓員工轉向更具創造性和增長導向的崗位。未來的組織模式將呈現人+Agents的形態，例如一名員工協同五個Agent工作。對于企業而言，真正的機會在于利用AI重構核心業務流程，而不僅僅是簡單的工具采用。

5、AI變革醫療健康領域

醫療健康是AI將帶來徹底變革的領域，它將使專業知識商品化。目前已有66%的美國醫生在日常工作中使用ChatGPT，它在輔助診斷罕見病（如非本地流行病）和提供第二意見方面展現了巨大價值。然而，該領域面臨的最大阻力來自監管（如FDA）和既有體制（如美國醫學會），目前的法律限制了AI開具處方或作為醫療器械被批準，這導致監管環境滯后于技術能力。

6、創業公司的護城河是獨特數據與復雜工作流

在基礎模型日益強大的背景下，創業公司的機會在于垂直化和復雜性。通用模型無法解決所有問題，真正的護城河建立在通過防火墻獲取的獨特私有數據，以及對企業內部復雜工作流的管理之上。初創企業不應試圖在模型能力上與巨頭競爭，而應在模型之上構建專業化的解決方案。

7、通縮型經濟與免費的專業知識

未來十年末，世界可能迎來大規模的通縮型經濟，勞動力和專業知識的成本將趨近于零。這意味著教育、初級醫療等昂貴服務將變得極其廉價甚至免費，每個人都能擁有AI導師和私人醫生。雖然住房等硬資產問題尚待解決，但在服務領域，社會將通過機器人技術和智能的普及，進入一個物質和服務極大豐富的時代。

以下是Sarah Friar與Vinod Khosla對話實錄：

1、2026年的AI趨勢是什么？

Andrew Mayne：大家好，我是Andrew Mayne，這里是OpenAI播客。今天我們的嘉賓是OpenAI首席財務官Sarah Friar，以及Khosla Ventures的傳奇投資人Vinod Khosla。在本次討論中，我們將探討AI生態系統的現狀、我們是否處于泡沫之中，以及隨著AI的發展，初創公司和投資者如何取得成功。

Andrew Mayne：2025年關注的是Agent和vibe coding。現在已經是2026年了，今年的主題是什么？

Vinod Khosla：我認為2025年我們在vibe coding方面已經成熟，但在Agent方面尚未完全成熟。因此，2026年將是Agent，特別是多Agent系統（Multi-agent systems）成熟并產生真正可見影響的一年。

在企業端，我們期望擁有一個執行完整任務的多Agent系統，例如為你運行ERP系統，每天自動進行對賬、計提和合同跟蹤；在消費者端，雖然今天規劃旅行仍然很麻煩，但這將變成一個多Agent協作的任務，它會綜合考慮你的飲食偏好、餐廳預訂、航班時間表以及個人日程等多種因素。我認為這些從一年前開始發展的技術將在今年成熟。

此外，我對機器人學和現實世界模型（World Models）非常興奮。這不僅僅局限于機器人學，還包括通用直覺（General Intuition）。像大語言模型中的記憶功能、持續學習能力以及減少“幻覺”影響，這些都是目前AI做得還不夠好但很快會被解決的領域，值得重點關注。

Sarah Friar：我認為Vinod想表達的根本觀點是，2026年是彌合“能力差距”的開始。我們把巨大的智能交到了人們手中，就像把法拉利的鑰匙交給了他們，但他們才剛剛學會怎么把車開上路。

我們需要為消費者提供更多簡單的方式，讓他們從單純把ChatGPT當作問答聊天機器人這種使用模式中轉變過來。今天大多數人只是用它提問，但我們如何將其推進為真正的任務執行者？比如為用戶預訂行程，或者針對醫生剛給出的建議提供第二意見，亦或是幫助患有糖尿病的孩子制定菜單？核心在于幫助用戶從簡單的提問轉向獲取能改善生活的實際結果。

在企業端也是同樣的邏輯。根據我們的首席經濟學家去年底發布的《企業AI現狀》報告，前沿企業與中位數企業之間存在巨大差距。前沿企業的AI使用量是其他公司的6倍，而且即便是這些前沿企業，其能力也尚未被充分挖掘。

因此，我們的重點是：對于消費者，如何幫助他們沿著這條能力連續體前進，實現真正的代理任務執行？對于企業，如何打造更復雜、更垂直專業化的解決方案，使他們能從簡單的ChatGPT應用一路升級，直到改變業務中最核心的部分？例如對于醫療服務提供者，可能是藥物發現流程；對于醫院，可能是縮短患者從入院到重返社區的時間；對于大型零售商，則是提升購物籃規模、轉化率和顧客滿意度。

Vinod Khosla：我想補充一個視角。我們經常看到人們把采用曲線（Adoption Curve）和能力曲線（Capability Curve）混淆了。我敢打賭，今天無論是個人還是企業，真正使用了AI 30%以上能力的人只有個位數比例。要讓人們學會利用AI 30%、50%甚至80%的能力，這是一個長達十年的過程。

Sarah Friar：這就是我想強調的：AI是一個力量倍增器。雖然今天ChatGPT每周有8億消費者在使用，這個數字本應達到數十億，但關鍵是他們利用這一工具完成了多少比例的工作？這就像我們剛把家里的電接通，人們學會了開燈，卻根本不知道電力還能用來供暖、做飯或卷發。現在的可能性太多了。

Andrew Mayne：我常用的一個比喻是：1990年到2000年間，電子郵件本身并沒有變得更好，移動設備最初也沒有質的飛躍，但使用量卻大幅上升。問題不在于我們需要更好的電子郵件，而在于人們需要學習所有可以用它做的事情。

Sarah Friar：是的，移動端一直是我覺得很有趣的領域。當移動浪潮興起時，人們最初只是把桌面網站直接搬到手機上，體驗很差，唯一的優點是能裝在口袋里。但后來你意識到有了GPS，于是可以叫Uber；有了攝像頭，不僅可以給朋友拍照，還可以拍張支票直接存入銀行賬戶。

這一切功能在手機出現的那一刻其實就已經具備了，只待人類的創造力去挖掘。所以你說得對，或許我們甚至不需要比今天更多的智能，就能大幅提升成果。當然，模型本身也會變得越來越智能。

2、醫療領域的AI

Andrew Mayne：你們提到了健康領域，這是一個高風險且至關重要的方面。幾年前我們將ChatGPT用于簡單應用，現在開始信任它處理符合HIPAA標準的數據。你們會把這看作是發展加速的標志嗎？或者還有其他類似的標志嗎？

Vinod Khosla：健康顯然是我長期認為會被徹底變革的領域之一，它將把專業知識變成一種商品化的東西。但健康領域的問題在于監管。首先，AI能做的事情受到諸多限制。例如，即便AI在開處方方面比人類更優秀，它在法律上也不能開處方。

這不僅僅是FDA（美國食品藥品監督管理局）的問題，還涉及到美國醫學會（AMA）等機構在體制上對該功能的控制。因此在很多領域會遇到既有的阻力。診斷仍然是一個受限項，因為這由FDA控制，目前還沒有任何AI被批準作為醫療器械。不過值得慶幸的是，目前的政府團隊在迅速行動并承擔適當風險方面做得非常好，我對那里的進展感到相當滿意。

Sarah Friar：在健康領域，我們的數據顯示每周有2.3億人向ChatGPT咨詢健康相關問題。66%的美國醫生表示他們在日常工作中使用ChatGPT。

我可以從個人角度舉個例子，我弟弟是英國的一名重癥監護醫生。他在蘇格蘭的阿伯丁工作，如果你因患瘧疾去找他，他是很難想到的，因為那不在他的模式識別范圍內。但如果你去某地度假被蚊子咬了，回到阿伯丁發病，ChatGPT或模型能做到的就是對他進行很好的增強。這解釋了為什么有66%的醫生在使用它，而且這個數字還在增長。

這不僅讓醫生能掌握最新研究成果、了解藥物相互作用，也在某種程度上把自主權還給了消費者。我現在可以提前研究癥狀，與醫生進行更有學識的對話，或者尋求第二意見。

舉個生活中的例子，比如“我每天只有20分鐘鍛煉時間，我有1型糖尿病，我能做什么？”或者當我們帶患有糖尿病的女兒外出就餐時，以前需要不停詢問服務員，非常令人沮喪。現在我們可以拍攝菜單，讓AI建議哪些菜最適合她。這改變了我們對吃飯這件事的看法，讓我們能將重點從單純的食物轉移到家庭聚餐的陪伴上。

3、按收入擴展計算資源

Andrew Mayne：回應Vinod的觀點，我認為監管環境必須趕上來。無論在哪種體制下，醫療費用的增長速度都超過了每個國家的GDP增速。我們需要AI，而且現在就需要。正如你指出的，這是歷史上醫療智能成本首次同比下降。但這同時也帶來了對算力的巨大需求。既然談到算力，OpenAI在算力上的投資規模令人難以想象。OpenAI是如何確定這種需求的？你們看重哪些指標來決定投入巨資？

Sarah Friar：首先，我們努力確保算力投資與收入增長速度保持一致。我們發現期內計算投入與期內收入之間存在極強的相關性。

舉個例子：2023年我們的算力約為200兆瓦，對應的年度經常性收入（ARR）為20億美元；2024年算力達到600兆瓦，我們以60億美元的收入結束該年；而到去年2025年結束時，我們的算力達到2吉瓦，收入則超過200億美元。這顯示出增長一直在加速。

雖然算力投入和收入在曲線上是對應的，但時間上存在錯配。我必須在今天做出決策，以下訂單并發出建立數據中心的信號，以確保我們在2028、2029和2030年有足夠的計算資源。如果今天不行動，未來就不會有。

目前，我們感到在計算資源上絕對受限。如果有更多算力，我們可以推出更多產品、訓練更多模型、探索更多多模態內容。這種趨勢不僅限于OpenAI，去年全球整體硬件投資增加了約2200億美元，芯片預測也上漲了約3340億美元。整個環境都在傳遞一個信號：AI是真實存在的。

我們正處于范式轉變之中。我們需要投資，賦予人們完成剛才討論的所有事項所需的智能。在OpenAI內部，我們投入了大量時間深入研究消費者、企業和開發者的需求信號。

我們首先從基礎層思考整體布局。在基礎設施層，我們思考如何創造最大的可選性，因此我們希望實現多云、多芯片架構，這為基礎設施層增添了一個有趣的維度。

往上是產品層，我們也致力使其更加多維。過去我們只有ChatGPT，而今天，面向消費者的ChatGPT內置了包括醫療在內的所有模塊；我們還有面向工作的ChatGPT，以及作為新平臺的Sora和一些變革性的研究項目。

再進一步，我們的商業模式生態系統也正變得日益多元化。起初為了支付ChatGPT的計算成本，我們只有一種訂閱模式。現在我們不僅有多個價格點的訂閱服務，還面向企業推出了SaaS定價，并針對高價值場景采用了基于積分的定價模式，因為用戶愿意為更高價值的服務支付更多。

我們也在考量商業化和廣告等方向。從長遠來看，我傾向于能實現真正利益對齊的模式，比如許可模式。假設在藥物發現領域，如果我們授權技術幫助客戶取得了突破，一旦藥物暢銷，我們就能獲得相應的分成，這與客戶的目標高度一致。

如果把這三層結合起來，我把它想象成一個魔方。我們從單一模塊、單一云服務商（微軟）、單一芯片、單一產品和單一商業模式，發展到了如今這個完整的三維立方體。魔方大約有4300億億種不同的狀態，這讓我著迷。想象一下轉動這個魔方：我們可以選擇一款低延遲芯片，配合編碼等人們期望提速5倍的應用，并為此收取高端訂閱費。這就好比魔方的一面拼出了三種顏色。我們也可以再次轉動魔方，利用低延遲芯片和更快的圖像生成技術吸引更多免費用戶，從而為潛在的廣告平臺創造更多庫存。

過去12個月，我們的目標就是創造越來越多的戰略選項，確保持續有能力支付實現使命，即造福人類的通用人工智能（AGI）所需的計算成本。

Vinod Khosla：簡而言之，目前需求的唯一限制就是計算資源的可用性，無論是Sora還是更廣泛的應用都是如此。考慮到價格彈性，對計算資源的需求實際上是無限的。我們甚至還沒開始利用價格彈性這個杠桿，僅僅是因為受限于計算能力而無法滿足現有需求。因此，那些談論“泡沫”的人完全搞錯了方向。他們沒有意識到這場變革的規模，以及API調用需求的彈性增長空間有多大。

4、AI時代與互聯網泡沫時期的區別

Andrew Mayne：作為OpenAI最早的投資者之一，你很早就押注了我們。你曾親歷過互聯網泡沫，也見證過移動革命等其他變革。我想問，你對AI的堅定信念是否源于它觸及了如此廣泛的領域？

Vinod Khosla：當初投資時，我們的衡量標準非常簡單：沒有任何可供參考的預測、產品計劃或ChatGPT。只有一個核心理念：如果開發出的技術接近甚至超越人類智能，其影響將是巨大的。這是一個基于宏觀后果的判斷，既然成功的收益如此深遠，為什么不去嘗試呢？

關于泡沫這個概念很有趣。人們習慣把泡沫等同于股價，但這除了反映投資者之間的恐懼和貪婪外，說明不了任何問題。我認為泡沫應該用API調用的次數來衡量。回顧所謂的互聯網泡沫，如果我們看當時的互聯網流量，即便股價劇烈波動，流量本身并沒有出現泡沫。同樣，我可以保證，如果以API調用數量作為衡量AI真實用途、實用性和需求的基本指標，你根本看不到泡沫。

我并不關心華爾街如何解讀，這大多無關緊要，只是給媒體提供了填充版面的素材。股價或私有公司估值并不是現實，現實是對AI的實際需求，也就是API調用的數量。

Sarah Friar：確實如此。回看1999年，當時人們從互聯網獲得的價值還非常初級，很難看出它如何改變生活。但我認為AI帶來的變化發生得非常快，而且非常真實。

作為一名CFO，我在組織內部看到的真實情況是：我們可以把以前那些需要不斷增加人手去做的、相當枯燥的工作，真正交給系統去完成。以收入管理（Revenue Management）為例，團隊以前每天都要下載前一天簽署的所有合同，閱讀并檢查是否存在可能導致收入確認變更的非標準條款。這對財務團隊至關重要，也是審計的重點。隨著我們業務成倍增長，在沒有AI的世界里，我唯一的選擇就是雇傭更多人去日復一日地閱讀合同。這種工作既平庸又乏味，并不是人們學習會計或金融的初衷，但這曾是我們提供的入門級工作。

如今在OpenAI，我們利用自己的工具，系統會在夜間提取所有合同并存入Databricks數據庫。Agent會遍歷這些數據，準確指出哪些條款不規范及其原因，并建議如何進行收入確認。更重要的是，它能提供洞察，比如某個條款是否屬于銷售人員的違規操作，這就需要我去進行指導；或者這是否暗示我的業務模式正在發生轉變，某些非標準條款其實應該標準化。這可能是一件好事，促使我找到新方式既滿足客戶和銷售的需求，又保持商業模式的健康。而那些初級員工則可以從枯燥的工作中解脫出來，轉向更有價值、他們更熱愛的工作領域。

對我來說，這就證明了這不是泡沫，因為價值是真實可觸及的。這意味著我可以擁有一個規模更小但績效更高、士氣更高、留存率更好的團隊。我可以用數據證明業務變得更健康了。媒體用“泡沫”來引導輿論的問題在于，他們忽略了我們是在追隨需求進行投資，目前甚至是需求跑在前面。所謂的“泡沫”通常是指投資超前于需求并造成了缺口。

Vinod Khosla：看看生產力數據就知道了。那些正在采納AI的公司，特別是新一批技術導向型公司，生產力都在顯著上升，數字令人驚嘆。我最喜歡的例子是一家叫Slash的小公司，年經常性收入（ARR）約1.5億美元，但會計部門只有一名總賬主管，因為他們采用了以AI為導向的ERP系統取代了NetSuite。他們CEO甚至向我道歉，說可能得雇第二個人了。還有一個新聞是，有人用一個AI銷售開發代表（SDR）替代了10個傳統SDR的工作，剩下的一名員工只需負責監督。

Andrew Mayne：我聽到兩種說法：一種是不再招聘人手做某些不能帶來增長的工作；另一種是現在可以把招聘名額用在能為公司創造更多增長的人才上。這就是許多科技公司發展如此迅速的原因。

Vinod Khosla：正所謂“未來已來，只是分布不均”。我看到單點上巨大的生產力、效率和敏捷性提升，但全球只有極小比例的人采用了這些技術。隨著時間推移，這些案例會傳播開來，技術采用率將呈指數級增長。所以，需求完全不是問題。

Sarah Friar：Vinod說得完全正確。麥肯錫的研究顯示，處于前四分位的公司生產力提升了約27%到33%，這是非常有意義的增長。這不僅僅意味著減少員工，而是必須把人員轉移到更側重增長的崗位上。

我最近遇到一位大型咨詢公司的負責人，她把現在的組織模式稱為“人加Agents（people plus agents）”，采用一比五的比例，即一名員工對應五個Agents。但在前端，他們實際上又開始重新招聘擴張，因為客戶現在需要更多幫助來部署AI。所以工作并沒有消失，而是回到了人們真正想做的創造性工作，而不是單純解析海量信息。現在，我們終于可以讓機器和Agents來處理信息解析了。

5、ChatGPT中的廣告

Andrew Mayne：回到消費者端，你提到了廣告。我們的觀點是，通過廣告可以增加收益，從而提供更多服務和AI能力，幫助支付計算成本，讓用戶從免費層級中獲得更多價值。但這引出了信任問題。用戶擔心ChatGPT如何處理信息，一旦引入廣告，人們就會擔心這會如何影響產品和組織。

Sarah Friar：首先，目前的現實是我們95%的用戶在免費使用平臺。我們的使命是造福全人類的AGI，而不僅僅是造福付費用戶，因此提供廣泛的獲取途徑至關重要。關于廣告，第一，我們必須確保每個人都明白，你永遠會獲得模型能提供的最佳答案，而不是付費推廣的答案。其他平臺在這方面已經倒退，用戶分不清是贊助鏈接還是最佳結果，而我們的北極星原則是模型始終給出最佳答案。

第二，廣告可以帶來實用價值。例如，如果我搜索周末去圣地亞哥的短途旅行，Airbnb的廣告可能會非常有用。在這種情況下，用戶甚至可能希望在ChatGPT環境中與廣告主進行深度對話，但前提是必須清楚這是廣告場景。我們需要創新，讓廣告看起來是平臺固有的一部分，而不是老舊的橫幅廣告。

第三，必須保留一個無廣告的層級，給予用戶選擇和控制權。我們非常重視數據隱私，比如在推出Health功能時，我們明確表示數據是隔離保存的，不會用于訓練。信任對OpenAI來說就是一切，即便涉及廣告，我們也會堅守這些原則。

Andrew Mayne：在消費者方面，未來會不會變成一個用戶訂閱多種不同AI服務的世界？

Vinod Khosla：我認為用戶會使用各種模型，大多數人會有不止一個訂閱。媒體行業就是很好的例子，大多數人擁有多個媒體訂閱，這是消費者行為的一個很好參照。不同的人會選擇不同選項，包括由廣告支持的免費選項。即使是同一項服務，你也可以選擇付費或免費。市場將呈現廣泛的多樣性。

6、消費者會不止訂閱一項AI服務嗎？

Sarah Friar：那你如何看待轉換平臺的成本？我很喜歡ChatGPT的記憶功能，它越來越有用，因為它能記得幾周甚至幾個月前我們討論的內容。我現在每天醒來使用的Pulse功能（目前尚未廣泛推廣）非常驚艷。當你把它連接到日歷時，它不僅會推送我感興趣的AI數據中心內容，還會提醒我今天要在日歷上和Vinod見面。記住這些細節非常有幫助。

但這涉及到多平臺使用（multi-homing）的問題。如果我在多個地方同時使用AI，我就無法享受到統一記憶的好處。這跟同時訂閱《華爾街日報》、《經濟學人》和《紐約時報》不同，去別處閱讀不會讓我受損。但在AI領域，分散使用會導致記憶斷層。

Vinod Khosla：是的，“記憶”確實是一個重要問題。未來可能是每個設備有一個模型的記憶，或者是多個模型各自擁有記憶。即便在OpenAI的模型上，也會有多個服務提供者提供不同的權衡取舍。這就是多平臺使用的概念。顯然，OpenAI不會占據100%的市場。

Sarah Friar：這是一個有趣的商業模式。人們很難理解這一點，因為它不像Netflix那樣受限于用戶有限的時間。我把它看作是基礎設施，更像電力。

如果你問我一天用多少電？我不知道。我今天走進一個房間，風扇在吹，感覺很舒服，燈也亮著，但我并沒有意識到電的存在。就像我把手機整晚充電，第二天就能用一整天一樣。

目前的現狀是，我們更多是在主動調用ChatGPT，去喚醒它，而不是讓智能自然地內置于背景中。我認為這將是未來幾年最大的變化。回過頭看，你會覺得我們現在做的事情像玩具一樣。未來，智能將無處不在，環繞在我們周圍。

我不認為人們的時間是有限的，所以我不會糾結于此。我生活中幾乎每一件事都需要智能，即使是行走，我也希望大腦中有智能在運作。如果我們能增強這種智能，結果將令人震驚。這就像你第一次發現手機上有手電筒和相機時的感覺，事后看顯而易見，但當時卻是革命性的。

每次使用ChatGPT，哪怕是發現一個小小的用例，我都會被震撼。比如昨天早上，我很想讀《經濟學人》的一篇社論，但我沒時間閱讀，因為我要趕著上樓準備。于是我拍了照片，讓ChatGPT讀給我聽。它做到了，體驗太棒了。我們才剛剛起步，而多模態將是最大的變革。手機教會了我們用拇指交流，而新世界的新硬件將幫助我們理解：我們可以聽、說、看、寫。我們將以一種非常接近人類本能的方式完成這些事情。

Vinod Khosla：讓我換個角度補充一點。回看互聯網泡沫時期，互聯網所做的是極大地擴展了你接觸信息的渠道，無論是媒體、YouTube視頻還是TikTok。信息量爆炸到了人類無法完全利用的程度。我把AI看作是在你每天有限的清醒時間里的補充，它能篩選信息，讓你利用它的每一小時都成為最高效的一小時。智能會將世界縮減為對你個人最相關的事物。我可能和Sarah有一套不同的優先級，智能會分別為我們總結對各自最相關的內容。

7、AI時代企業端如何取得成功？

Andrew Mayne：我們要談談企業端的問題。OpenAI在消費者端很有優勢，但在企業端，OpenAI將如何競爭并取勝？

Sarah Friar：我認為我們已經在企業端勝出了。90%的企業要么表示正在使用OpenAI，要么計劃在未來12個月內使用。微軟也在使用我們的技術，這是另一個重要因素。

實際上，消費者業務是推動企業業務發展的巨大飛輪。正如早年人們第一次把iPhone帶到工作場所，盡管企業最初抵觸，但最終無法抵擋消費者偏好的潮流。當我在生活中習慣了某種工具，我會期望工作中的工具至少要一樣好，甚至更好。這就是推動我們企業業務增長的原因，使我們成為最快達到100萬家付費企業的平臺，這一過程大約只用了一年半。

但這只是冰山一角。下一步是深入垂直領域，用客戶的語言與他們交流。企業銷售的藝術在于：不是推銷產品，而是先了解問題。我們要問CEO：董事會強制你做什么？你的客戶想要什么而你無法提供？然后我們將智能應用到這些問題上。

我們可以從輕度垂直化發展到深度垂直化。例如在能源公司，利用強化學習模型真正理解特定的油井或地震數據，以判斷氣田的回收量。此外，我們正在推進一些變革性的研究項目，實際上是接管公司某部分的業務，幫助他們以更聰明、更快速的方式重構業務流程，從而推動關鍵指標。

這是一個旅程。大多數企業從全面部署ChatGPT開始，這只是起步。很多企業已經開始利用AI進行編碼。我和一些CEO交流時，他們會說：“我60%的生產代碼現在是由Agent構建的。”而在12個月前，他們甚至不知道生產代碼是什么。

在Agent方面，一切才剛剛開始。目前只有約14%的美國企業在使用某種代理式解決方案。正如我提到的財務部門的案例，機會是巨大的。

Andrew Mayne：如果我是創業公司，看到OpenAI做的一切，我會問：還有我的空間嗎？

Vinod Khosla：模型會不斷進化，能力越來越強，但我確信在模型之上還有巨大的構建空間。沒有哪家公司能包攬一切。全球有數十億人在工作，AI能輔助他們。OpenAI不可能在每個領域都做到專業化。

對于創業公司，謹慎的做法是明確基礎模型（無論是OpenAI還是其他家）的發展方向和能力邊界，然后專注于更有趣的領域，在基礎模型之上增加某種專門化。單靠智能并不是解決方案的全部，解決方案周圍還有很多配套要素。模型越強大，依附于其上的機會就越多。

Sarah Friar：我經常思考那些聚合了大量獨特數據的用例。世界上95%的信息實際上都在公司或大學的防火墻后面。那些已經建立了業務并匯總了這些數據的公司，擁有獨特的優勢。除了數據，他們還管理著復雜的工作流。

以采購系統為例，系統本身并不復雜，但它擅長理解授權委托等邏輯。它知道董事會批準的審批限額，知道超過某金額必須由我批準，低于某金額可由副總裁批準；它還能訪問HR系統確認員工職級。這種結合了合規與治理的復雜流程，能讓公司運轉得更快。這就是我對創業公司感興趣的領域：你在哪里能獲取具有復雜工作流的獨特數據？這才是護城河，我們希望能與這類公司合作。通用模型無法獨自完成所有這些工作。

Vinod Khosla：我完全同意。機會非常多。我見過不少初創公司專注于數據權限管理，即誰可以訪問哪些信息。也有很多公司專注于為企業定制模型，以適應其歷史數據和優先級。

Sarah Friar：關于Agent，尤其是代理的身份認證方面，當Agent之間開始交互時，會產生新的風險和權限設定問題，甚至衍生出“代理式商業”（Agentic Commerce）。這種即將到來的復雜性是巨大的。所以，現在做初創公司可能從未像現在這樣有趣或充滿吸引力。

Andrew Mayne：當你與一家公司交談時，什么會讓你感到興奮？

Vinod Khosla：最難的總是找到優秀的人才。但我認為長期短缺的是主動權（Initiative），即人們讓事情發生的能力。歸根結底還是人的問題。傳統的因素，如熟悉某個領域或擁有該領域的經驗，現在已不那么重要了，更重要的是主動性。

8、機器人與未來愿景

Andrew Mayne：我們還沒談到機器人、現實世界模型這些領域。您曾談到過2050年的愿景，現在模型發展這么快，您怎么看機器人的發展方向？

Vinod Khosla：我在兩年前的TED演講中說過，機器人行業（不論是雙足還是其他類型）在15年內的規模會比今天的汽車行業還要大。汽車行業已經是地球上最大的行業之一，而機器人行業將由智能驅動，規模會更龐大。目前很少有汽車公司以這種宏大的視角看待世界，他們只想著如何在裝配線上使用機器人。這對初創公司來說是巨大的機會。

Sarah Friar：是的，我們有時會低估這其中的潛力。以家庭機器人為例，雖然目前還沒有真正的突破，主要受限于復雜性問題。在AI領域待得越久，我越對人類在物理世界中移動和做事的能力感到敬畏。

大家可能會為機器人能疊衣服感到興奮，這當然很好。但我們容易陷入一種觀念，覺得機器人必須像人類一樣做所有事。實際上，突破點可能在于更感性的層面，比如陪伴。隨著人口老齡化，孤獨是最大的流行病之一。對于獨居老人，有人能以直觀、有人情味的方式與他交流是最寶貴的。我們看到越來越多的人使用ChatGPT進行這種對話。

未來的突破可能不需要機器人會做咖啡或洗碗，而是一些更簡單的功能，但這能帶來巨大的價值。這正是Vinod所說的“爬行、學走、奔跑”的過程，其綜合價值可能比汽車行業高出好幾倍。

Andrew Mayne：有趣的是，我們現在正處于可以用機器人替代某些勞動的階段。當你可以極低成本地獲得勞動力和制造能力時，世界將發生巨變。例如，當建設一流輔助生活設施的成本大幅下降，將會帶來深遠影響。這真正意味著什么？

Vinod Khosla：我個人的觀點是，可能在下個十年末，我們會看到一個大規模的“通縮型經濟”。因為勞動力將接近免費，專業知識將近乎免費，大多數功能的成本將趨近于零。雖然具體購買力與商品生產如何互動還難以精準判斷，但我預計通縮程度將遠超人們預期。

這涉及到社會層面的適應問題。人們將如何謀生？我經常被問到這個問題。我認為政府能夠保障的最低生活標準將會比現在高得多，而且無需通過賺取收入來實現。我無法想象現在的初級醫療服務如果好上十倍，而成本只需每月一美元是怎么做到的，但這將成為現實：免費的初級醫療、免費的教育幾乎不需要成本。幾乎每個人都會有AI輔導，每個孩子都有私人導師，這已經在發生了。

所以，將會有一系列服務變成免費的。當然也有棘手的問題，比如住房。對于美國收入后50%的人口來說，住房和食物占了他們收入的40%以上。但我確實認為，通過機器人技術和更好的方法，這些問題最終都能得到解決。