近期，OpenAI 再次成为了AI圈的热议的旋涡中心。先是上周被一位纽约时报的作者评论道：现金流只够烧18个月了。然后紧接着就是Sam Altman 宣布计划开启“广告”模式。这些业界的担忧以及OpenAI的商业模式的大变动，无疑折射出AI圈的焦虑。

近期，OpenAI 再次成为了AI圈的热议的漩涡中心。

先是上周被一位纽约时报的作者评论道：现金流只够烧18个月了。然后紧接着就是Sam Altman 宣布计划开启“广告”模式。

这些业界的担忧以及OpenAI的商业模式的大变动，无疑折射出AI圈的焦虑。

算力投入依旧大到像无底洞？但实现正向收入，却一直遥遥无期。这会不会是新一轮的高级泡沫、高级迷信？

在这样的背景之下，就在刚刚，OpenAI 索性来了一期播客，直接让OpenAI的投资者 Vinod Khosla，以及OpenAI的CFO Sarah Friar，出来直接帮大家捋一捋：什么是他们理解的泡沫，OpenAI的收入模型如何，OpenAI为什么要搞广告模式，以及他们的广告模式与传统的广告模式有何不同！

这里，小编必须介绍下OpenAI的这位投资人大佬。

Vinod Khosla 是硅谷最具影响力、也最具争议性的投资人之一，Khosla Ventures 的创始人。

大佬的投资风格很直接、激进，长期押注“非共识但可能改变世界”的技术路径，比如现在大热的领域，包括 AI、清洁能源、机器人、生物医药等。

如果你听名字不太熟悉，那你一定知道这家公司：Sun Microsystems，而Vinod正是联合创始人之一，亲历过互联网早期的技术爆发，对“平台级技术”有极强直觉。

当然，这位大佬也有着小编喜欢的一种特质：喜欢说大实话，甚至会公开唱反调。包括对监管、教育、医疗、就业的强硬判断。说实话，很多观点并不讨喜，但逻辑性极强。

预警：这位大佬不是一个“渐进式改良”派，是一位反复强调“10x 变化”“边际成本归零”“用软件替代人类决策”。不认可这个观点的朋友可以有个心理准备。

而另一位嘉宾，CFO Sarah Friar 则是 2024 年 6 月加入 OpenAI 的。她是一位成功把公司带上市的狠人。她有着很深厚的财务背景，从 Salesforce 开始就担任高级VP，负责财务与战略，曾成功带领 Square（现 Block）、Nextdoor 公司上市。

当然，主持人还是那位老朋友：横跨魔术、科普写作、AI 传播的复合型大牛 Andrew Mayne。

回归重点，这场播客没有绕弯子，上来就抛出了一个问题：2026年，AI的发展脉络会是什么？

Vinod 表示，2025 年是 vibe coding 成熟之年，而 2026 则会成为 agents 成熟之年。此外，大佬还押注了以下那个面：机器人、真实世界模型。模型方面，则看好三个方向：记忆、持续学习，以及降低幻觉。

而 Sarah 表示，OpenAI 接下来会在消费端和企业端做同样一件事：让ChatGPT从简单的聊天者，走向真实的生活工作，成为真正的任务执行者。

而对于 AI 泡沫问题，可以说是这场播客的高潮部分。Andrew 犀利地替网友们提问：OpenAI 是如何判断要花那么多钱去投入那么巨大的算力的？指标是什么？

OpenAI的“财务大管家” Sarah 毫不遮掩地抛出了一个 ROI 模型：每一亿美元的年度营收，背后对应的算力是10兆瓦。

“OpenAI的目标是确保算力投资与收入增长的节奏保持一致。”

当然，Sarah 也承认：这里面确实存在时间上的错配，“因为我今天做出的决策，实际上是在确保我们在 2028、2029、甚至 2030 年拥有足够的算力。”

而OpenAI背后持续扩张算力的信心来源于：人们对于智能的需求增长是严重超前于算力投资的。

过去一年，OpenAI的战略目标也没有别的，就是创造更多选项，来cover所需的算力成本。

在过去 12 个月里，我们的目标一直是在创造越来越多的战略选项，让我们能够持续支付所需的算力成本，从而真正实现我们的使命——让 AGI 造福全人类。

Vinod 更是直接曝出了一句实话：人们总是把股价的涨跌当成真实的情况，这其实是个误解。股价的涨跌本质上，只反映投资者的贪婪与恐惧！跟泡沫没关系！

人们往往把泡沫等同于股价，而股价本质上只反映了投资者的恐惧与贪婪，和真正发生的事情没有太大关系。

正如同互联网时代，你要看流量增长一样，AI时代则要看API的真实调用量。如果你把“真实使用情况”“AI 的实际价值”“对 AI 的真实需求”作为核心指标，那你是看不到泡沫的！

不过，Vinod 认为，AI时代与互联网时代不同。互联网更多抢占的是人们的使用时长，人们还是可以决定要不要用某款互联网产品的。

但这次的AI不一样，它更像是电力一样的基础设施，需求的上限并不是人的意愿决定的，而是受限于计算资源的可获得性上。

与 Netflix 这种每天要消耗大量使用时长的产品不同，我更愿意把 AI 看作一种基础设施，就像电力一样。需求的上限并不是由人们愿不愿意用决定的，而只是受限于当下计算资源的可获得性。

此外，OpenAI的广告模式，也是播客中避无可避的话题。Sarah 认为广告模式其实是对用户有价值的，只不过需要OpenAI继续创新找到内生于平台的广告形式。

在 ChatGPT 这样一个非常丰富的交互环境里，你甚至可能希望直接和这个广告、或者广告主展开对话，只要你清楚这是发生在一个广告场景中。我认为这里需要更多创新，去做那些真正“内生于平台”的广告形式，而不是老世界里那种贴满页面的横幅广告。

Sarah 强调了一点，ChatGPT 会始终必须存在一个没有广告的层级，并给用户一定的选择权和控制权，确保用户的数据不会用于训练模型。

总之，信任对 OpenAI 来说就是一切。

对于未来变现方面，除了C端的多种订阅模式和广告模式，Sarah 还透露了未来OpenAI 的企业端打法：其实现在的企业端的竞争优势就很强，未来会先在在垂直领域走进客户，进而下一步的野心就是用ChatGPT接管这些公司的整个业务。（没错，是整个业务！）

播客最后还从 agent 领域眼神到了机器人领域。Vinod 激进地表示：在 15 年内，机器人会成为一个比今天的汽车产业还要大的产业。

而且，事实上，现在汽车公司的装配线都在使用机器人。

甚至，Vinod 最后表示在自己的预期中，未来一定会产生高度通缩的环境。劳动力的成本几近于零。而人们的谋生手段已经可以不再靠劳动，而是靠政府保障。

医疗免费、教育免费……

“人们将如何谋生？我认为，政府能够保障的最低生活标准，将会在不需要人们获得收入的情况下，大幅提高。”

我几乎无法想象，未来不会出现那种成本只有每月一美元、却比今天好 10 倍的基础医疗服务。对我来说，很难想象它不会发生。免费基础医疗、免费教育，几乎是每个人都有 AI 导师、每个孩子都有个人导师——这件事已经在发生了。

聊了很多，如果你想了解OpenAI究竟是如何构建起自己的业务魔方的，这篇的视角可以说足够清晰且具体。

下面是小编梳理的精彩观点。拿走不谢。

2026，AI接下来会发生什么

Andrew Mayne：大家好，我是 Andrew Mayne，这里是 OpenAI Podcast。今天我们的嘉宾是 OpenAI 的 CFO Sarah Friar，以及 Khosla Ventures 的传奇投资人 Vinod Khosla。

今天我们将讨论 AI 生态系统的现状、我们是否正处在一个泡沫中，以及随着 AI 的持续推进，创业公司和投资人该如何取得成功。

2025 年的关键词是 agents 和 vibe coding，现在已经是 2026 年了，那 2026 年的故事是什么？

Vinod Khosla：

我认为，我们在 2025 年已经在 vibe coding 上成熟了，但在 agents 上还没有。所以我认为，agents，尤其是多智能体系统，会成熟到开始产生真实、可见影响的程度。

无论是在企业端，通过多智能体系统完成完整任务，比如帮你运行 ERP 系统、每天完成对账、每天做应计处理、每天跟踪合同，这些都会在企业侧发生。但在消费端，今天你仍然会发现，规划一次旅行依然是一件很麻烦的事，而这本质上就是一个多智能体问题，需要同时考虑你的饮食偏好、餐厅预订、航班时间表以及你的个人日程。

我认为这些能力会在一年左右开始真正成熟。所以我对此非常兴奋。

同时我也认为，机器人领域的模型，以及真实世界模型——而且不仅限于机器人，还包括类似“通用直觉”这样的能力——都会在未来一年内开始出现。另外还有一些基础能力，比如大模型中的记忆、持续学习，以及降低幻觉影响的问题。这些都是目前 AI 还不够好的地方，大概有六个左右的关键领域，会开始逐步被解决。

Sarah Friar：我认为 Vinod 想表达的核心是：2026 年是我们开始真正缩小“能力鸿沟”的一年。我们已经把极其强大的智能交到了人们手中，对吧？就像是把一辆法拉利的钥匙交给了用户，但他们才刚刚学会第一次把车开上路。

我们需要给消费者越来越多、更容易使用的方式，让他们从“ChatGPT 只是一个一问一答的聊天机器人”——而且今天大多数人确实只是用它来提问——走向真正的“任务执行者”：它可以帮他们订好一次旅行，或者在他们刚从医生那里听到诊断后，帮他们获得第二意见，或者帮他们为患有糖尿病的孩子设计一份菜单。

我们该如何帮助人们真正从简单问题，走向能让生活变得更好的实际结果？

在企业端也是同样的一条连续光谱：我们如何缩小能力鸿沟？从去年年底我们首席经济学家发布的《企业 AI 现状报告》中可以看到，在“前沿企业”和普通中位数企业之间，使用强度存在大约 6 倍的差距，而即便是这些前沿企业，也远没有把 AI 的潜力发挥到极限。

所以对我们来说，重点在于如何帮助消费者逐步走向真正具备 agent 能力的任务执行；

同时在企业端，如何打造更加复杂、更加垂直行业定制的解决方案，让企业从一个非常基础的 ChatGPT 部署，一路演进到真正改变其最核心业务的系统。

对医疗研发机构来说，可能是药物发现流程；而对对医院来说，可能是从接收病人到让病人回归社区所需的时间；对大型零售商来说，可能是更大的客单价、更高的转化率，以及更满意的客户。本质上，这一切都是在弥合这道能力鸿沟。

Vinod Khosla：我想再补充一个视角。我们已经讨论了很多技术和能力会进步的领域，但我大胆猜测，今天无论是个人还是企业，在使用 AI 的人当中，只有个位数百分比的人，真正用到了 AI 能力的 30%。而使用到 30%、50%，更不用说 80% 能力的人群比例，会在未来持续增长。我认为，人类真正学会如何使用 AI，是一段长达 10 年的旅程。

ChatGPT的月活本应该是数十亿，人们还没有学会用它能做什么

Andrew Mayne：我看到有些评论员会把“采用曲线”和“能力曲线”混为一谈。

Sarah Friar：这正是我想强调的问题。这是一个巨大的乘数效应：今天每周使用 ChatGPT 的消费者已经超过 8 亿，但这个数字本应达到数十亿。而更关键的是，他们到底用它来做什么？这就好像我们刚刚给家庭通了电，房子已经布好线路，人们只会开灯，却不知道现在还能取暖、做饭、卷头发——能做的事情多得多。我常用的一个类比是，1990 年到 2000 年之间，电子邮件并没有明显变得更好，手机也是如此，但使用量却大幅增长。

问题并不是“我们需要更好的邮件”或“更好的手机”，而是人们需要学会它们还能用来做什么，而且是以更复杂的方式。

手机就是一个很好的例子：当移动互联网刚兴起时，人们只是把桌面网站直接搬到手机上，页面很难滚动，但至少你能把它装进口袋。后来你意识到你有 GPS，于是有了 Uber 和各种基于位置的服务；你还有一个随身携带的摄像头，于是你不仅能给朋友拍照，还能拍一张支票照片直接存进银行账户——虽然我们真的应该解决纸质支票这个问题，但那是题外话。

关键在于，这一切能力在手机刚出现时就已经存在了，只是需要人类的创造力逐步释放出来。所以我同意你的看法：我甚至不确定，我们是否真的需要比今天更高的智能，就能显著提升最终结果。当然，模型本身也还会继续变得更聪明。

66%的美国医生都在用ChatGPT，但功能被监管受限了

Andrew Mayne：你刚才提到了健康领域，这是一个高风险、但极其重要的方向。回头看会发现，就在几年前，我们还只是用 ChatGPT 做非常简单的事情，而现在我们已经开始信任它来处理符合 HIPAA 合规要求的数据。你是否把这看作一个标志，说明事情推进得有多快、加速得有多明显？是否还有其他类似的里程碑，让你觉得：好，现在我们已经进入了一个新的阶段？

Vinod Khosla：健康领域显然是其中之一。我长期以来一直相信，AI 将通过让专业知识在所有医疗领域中变成一种可规模化、可获得的“商品”，从而彻底改变医疗健康行业。

健康领域的问题在于监管。首先，AI 能做什么是受到限制的。即便 AI 在开具处方这件事上已经比人类做得更好，它在法律上也不能开处方。这不仅仅是 FDA 的问题，实际上还延伸到了美国医学会（AMA），在制度层面上控制着这些职能。所以在很多领域都会存在来自既得利益方的阻力。如果你愿意，我们可以专门展开聊这个问题。但像诊断这件事，仍然受到限制，因为它在 FDA 的监管之下。目前还没有任何 AI 被批准作为医疗器械使用。所以整体来看，幸运的是，现任政府在这方面推进得非常快，也在承担合适水平的风险。我对目前发生的这些事情是相当满意的。

Sarah Friar：在健康领域，我们的数据表明，每周有 2.3 亿人会向 ChatGPT 询问健康相关的问题。66% 的美国医生表示，他们在日常工作中使用 ChatGPT。从个人层面来说，我的哥哥是一名在英国工作的 HDU 医生。他的工作场景大概是这样：当你被送进急诊室，无法被清晰分诊时，就会被转给他。说实话，你其实并不希望见到他——虽然他非常擅长自己的工作，但这通常意味着你的状况已经不太好了。他被期望对几乎所有存在过的疾病都拥有百科全书式的知识。

我常举的一个例子是：他在苏格兰的阿伯丁工作，如果你带着疟疾的症状出现在那里，他是不会第一时间想到疟疾的，因为这不在他的模式识别范围内。但这种情况完全有可能发生，比如你去某个地方度假，被蚊子叮了，然后“砰”一下，你就出现在阿伯丁的急诊室里了。ChatGPT 或模型真正能做的事情，是作为医生的一个极佳增强工具，这也是为什么 66% 的医生在使用它，而且这个比例还在不断上升，实际上可能已经更高了。

所以这是一个非常典型的例子：在健康领域，我们已经开始受益于医生能够随时获取最新的研究成果、已知的药物相互作用，以及这些药物如何与患者当下的生活状态和个体经历相互影响。

但与此同时，它也把一定程度的自主权重新交还给了消费者。现在，我可以在就医之前，先自己做一些研究，了解我的症状可能意味着什么，从而与医生展开一场更加理性、更有信息基础的对话；它也让我有能力去获得第二意见，或者至少意识到我需要去寻求第二意见。

我们常常很快就把讨论拉到一些极端场景，但其实哪怕是很日常的事情，比如“我每天只有 20 分钟可以锻炼，我患有 1 型糖尿病，在这 20 分钟里我能做些什么？”或者“我女儿在饮食方面有一些特殊问题”。

过去，甚至连去餐厅吃饭都会变成一件极其令人沮丧的事，因为我们得不停地向服务员提问。而现在，我们可以直接拍一张菜单的照片，ChatGPT 会建议哪些菜品最可能适合她点，然后我们就可以进行一段更简短、但更高效的沟通，明确什么是可行的。这已经改变了我们对“吃饭”这件事的理解——它不再只是围绕食物本身，而是回到为什么我们要一起出去吃饭这件事上。所以我认为，健康领域已经出现了大量这样的例子，它们已经在发生，而且只会变得越来越好。

Sarah Friar：回到 Vinod 的观点，我认为监管环境必须跟上。

Andrew Mayne：不管你处在什么样的制度体系下，医疗成本的增长速度都已经超过了几乎所有国家 GDP 的增长速度。

OpenAI的ROI：每10兆瓦算力对应1亿美元营收

Andrew Mayne：看起来，我们确实需要 AI，而且是现在就需要。正如你刚才提到的，这是医疗智能成本第一次出现逐年下降的情况。但这也伴随着对计算资源的巨大需求，我们有越来越多的问题希望被解答。当然，人们已经能看到对更多算力的需求，但 OpenAI 在算力上的投资规模和范围，确实大到令人难以想象。

在让算力规模与收入匹配这件事上，我们谈到的一些数字真的很难理解。OpenAI 是如何判断这种需求的？你们用什么指标来决定，“是的，我们需要花这么多钱”？

Sarah Friar：首先，我们的目标是确保算力投资与收入增长的节奏保持一致。我们看到，当期算力投入与当期收入之间存在着非常强的相关性。我举个例子，如果回看 2023、2024 和 2025 年，我们的算力规模分别是 200 兆瓦、600 兆瓦，而在去年年底达到了 2 吉瓦。对应的收入数据也非常直观：我们在 2023 年结束时的 ARR 是 20 亿美元——200 兆瓦，对应 20 亿；2024 年结束时是 60 亿美元——600 兆瓦；去年结束时超过了 200 亿美元——20 多亿，对应 2 吉瓦，而且这个增长速度还在加快。所以即便只是看这条曲线的斜率，也能清楚地看到：更多算力，意味着更多收入。

当然，这里面确实存在时间上的错配，因为我今天做出的决策，实际上是在确保我们在 2028、2029、甚至 2030 年拥有足够的算力。如果我今天不下订单、不发出建设数据中心的信号，那些算力就不会存在。就目前而言，我们确实在算力上感到非常受限。如果今天有更多算力，我们可以推出更多产品、训练更多模型、探索更多多模态方向。

OpenAI内部是如何研究算力需求的？多维魔方组合

Sarah Friar：举个例子，即便只是过去一年，全球范围内的整体硬件投资就增加了大约 2200 亿美元，这只是实际支出增长的部分。如果你再看芯片领域，芯片相关的预测投资规模也类似地上调了大约 3340 亿美元。

所以这不仅仅是 OpenAI 的问题，来自整个环境的信号都在说明：AI 是真实存在的，我们正处在一次范式转移之中。为了让人们拥有我们刚才讨论过的那些能力所需的智能，我们必须进行投入。

回到 OpenAI 内部，我们会花大量时间，深入研究消费者、企业以及开发者侧的需求信号。

我们首先在最底层，也就是基础设施层，思考如何构建最大的可选性。因此，我们希望实现多云、多芯片，这在基础设施层为我们提供了一个非常有意思的能力层级。

再往上一层，在产品层，我们也希望变得更加多维。过去我们只有一个产品——ChatGPT；而今天，我们有面向消费者的 ChatGPT，里面包含了多个“刀片”式能力，比如医疗等场景；我们有面向工作的 ChatGPT；同时我们还有 Sora 这个新的平台；以及一些具有变革性的研究项目。

再往上一层，我们的商业模式生态也在变得更加多维。最初只有一个订阅制，因为我们推出了 ChatGPT，需要一种方式来支付算力成本；现在我们有了多个价格档位

Andrew Mayne：顺便说一句，第一位 ChatGPT 订阅用户就是我。

Sarah Friar：我们有多种订阅方案，进入企业市场后采用了基于 SaaS 的定价模式，现在在一些高价值场景中，我们也引入了基于额度的定价方式，人们愿意为了获得更多而支付更高价格。我们也开始思考像电商和广告这样的模式。

当然，从更长期来看，我也很喜欢一些对齐程度更高的模型，比如授权模式。以药物发现为例，如果我们授权技术，对方取得了突破，药物成功上市，我们可以从其销售中获得一部分授权收益，这对我们与客户来说都是高度对齐的关系。

如果你把这三层放在一起看，我实际上会把它想象成一个魔方。我们从最初的一个方块——一个云服务商（微软）、一种芯片、一个产品、一个商业模式——演进到今天这样一个完整的三维立方体。

我很喜欢魔方的一点是，虽然我可能记不准具体数字，但我记得它大概有 4300 万亿种不同的状态。这在我大学时就一直让我觉得非常震撼。

现在你可以想象这个立方体在不断旋转：比如我们选择一个低延迟芯片，搭配一种比用户预期快 5 倍的编程体验，我们就可以为此收取高端订阅费用，这就像是你把魔方转到某一面，凑齐了三种颜色；然后我们可以再转一次魔方，用低延迟芯片去驱动更快的图像生成，吸引更多免费用户进来，而这又会为未来可能出现的广告平台创造更多库存。

你可以看到，在过去 12 个月里，我们的目标一直是在创造越来越多的战略选项，让我们能够持续支付所需的算力成本，从而真正实现我们的使命——让 AGI 造福全人类。

如果把这一切简化来看，今天的需求并不是被任何别的因素限制，而只是被算力的可用性所限制。不管是 Sora，还是更广泛的产品形态，都是如此。另一方面，还存在价格弹性的问题——在算力层面，需求几乎是无限的。而我们甚至还没有真正开始动用价格弹性这个杠杆。

原因很简单：我们现在根本无法满足需求，它完全受限于算力。所以那些在谈论泡沫的人，我认为他们的方向是错的。他们并没有意识到这次变化的规模有多大，也没有意识到 API 调用在需求弹性层面还存在多么巨大的增长空间。

股价的涨跌并不反映真实世界，泡沫不应该看股价，应该用API调用量来衡量

Andrew Mayne：作为 OpenAI 最早的一批投资人之一，你在非常早期就做出了押注。你当时看到了这件事将走向何方，但你也亲历过互联网泡沫，看过当年发生了什么；你也见证过其他技术浪潮，比如移动互联网革命。你在不同领域都看到过类似的过程。你刚才提到了“广泛性”这个词，你的这种确信，是否正是来自于 AI 所触及的领域之多？

Vinod Khosla：我们当初投资时，其实只有一个非常简单的衡量标准。没有任何可以参考的预测数据，没有产品路线图，甚至连 ChatGPT 都还不存在。唯一的判断就是：如果我们能够发展出哪怕接近人类智能的系统，更不用说超越人类智能，它所带来的影响都会是巨大的。

所以当时更多是一种非常“模糊”的判断：一旦成功，其后果将极其深远。既然如此，为什么不去尝试？

另外，还有一个关于“泡沫”的有趣误解。人们往往把泡沫等同于股价，而股价本质上只反映了投资者的恐惧与贪婪，和真正发生的事情没有太大关系。

所以我一直认为，泡沫应该用 API 调用次数来衡量；如果要类比人们常说的互联网泡沫，那也应该看的是互联网流量，而不是股价的涨跌。因为股价可以在一天之内，从“所有人都爱英伟达”变成“所有人都讨厌英伟达”，只因为有人觉得它被高估或低估了。这些剧烈波动并不是真实世界，真实的是底层的 API 调用数量。如果你回看互联网泡沫时期，价格确实剧烈上涨、又剧烈下跌，但互联网流量本身并不存在所谓的泡沫。

我几乎可以肯定，你同样不会在 API 调用数量上看到泡沫。如果你把“真实使用情况”“AI 的实际价值”“对 AI 的真实需求”作为核心指标，那你是看不到泡沫的。至于华尔街如何解读，我并不太在意。我觉得那基本无关紧要，它当然很适合写成媒体文章，因为媒体需要填满版面，但那不是现实。无论是商品价格、股票价格，还是私营公司的估值，都不是现实；现实是对 AI 的真实需求，而这个需求体现在 API 调用次数上。

泡沫是投资超前于需求，但显然AI的情况相反

Sarah Friar：是的，如果我回到你刚才提到的 1999 年，当时人们从互联网中获得的价值其实还非常初级、非常早期，你几乎看不清它会如何改变人们的生活。但我认为，AI 的变化来得非常快，而且这种改变是真实存在的。

作为一名 CFO——即便不考虑我是 OpenAI 的 CFO——单从一个 CFO 的视角来看，我在自己的组织中看到的变化是：那些过去只能通过不断增加人手来完成、而且往往非常琐碎的任务，正在被真正替代。

举一个例子，比如收入管理。在一个负责收入管理的团队中，他们每天都要做的一件事，是下载前一天或一周内签署的所有合同，然后逐条阅读这些合同，确认其中是否存在任何非标准条款。因为一旦出现非标准条款，就可能触发收入确认方式的变化，而这对财务团队来说是非常重大的问题，通常也是审计时最优先关注的事项之一。

随着公司高速增长，每天的合同数量成倍增加，在一个没有 AI 的世界里，我唯一的选择只能是雇更多人。

你可以想象这些人的工作状态：每天上班就是读合同、再读下一份、再下一份。这极其枯燥、令人疲惫，也完全不是人们当初选择学习会计或成为财务专业人士的初衷。但这恰恰是我们通常分配给初级员工的工作。

今天，在 OpenAI 内部使用我们自己的工具，这些合同可以在一夜之间被从系统中抽取出来，放入一个表格化的数据库中——在我们的案例中是 Databricks 数据库。智能体会逐条分析，清晰地告诉我哪些条款是非标准的、为什么是非标准的，并据此建议相应的收入确认方式。

同时，它还会进一步给出洞察，比如：这个条款是否本就不该存在？是不是销售人员让渡了一些不该让渡的条件？如果是这样，我就需要去对其进行指导；又或者，这是否在告诉我，我的业务正在发生变化？

如果是这样，那这个“非标准条款”也许应该被纳入标准条款之中，而这意味着我的商业模式正在发生转变——这可能是好事，也可能意味着我需要找到另一种方式，在满足客户和销售需求的同时，维持现有的收入确认和商业模型。现在，我的一些初级员工反而开始参与到更靠右侧的这些讨论中，重新找回了他们真正热爱的工作。

这正是我认为它不是泡沫的原因，因为这种价值是真实且可触摸的。同时，这也意味着我可能只需要一个更小的团队，却能拥有一个表现更好、士气更高、留存率更高的团队。

所有这些，都可以量化为数据，说明我的企业变得更加健康。我认为，当媒体试图用“泡沫”作为叙事主线时，恰恰忽略了这一点：我们现在的投资甚至是落后于需求的。所谓泡沫，意味着投资超前于需求并最终出现断层。

真正适应AI的公司：生产力都在飙升，1个人配5个Agent

Vinod Khosla：但你看看那些真正适应 AI 的公司，尤其是新一代技术导向型公司，它们的生产力指标正在显著上升，数据好得惊人。

我最喜欢的一个例子是一家叫 Slash 的小公司，大约有 1.5 亿美元的 ARR，但整个会计团队只有一个人——一名财务主管——因为他们采用了以 AI 为核心的 ERP 系统。

他们用它替换了 NetSuite。但他们能做到的事情真的很惊人。CEO 还跟我道歉，说他可能得再招第二个人。他们推进得非常快。

我刚看到一个案例，有人用一个 AI SDR 替换了 10 个 SDR，本质上是剩下的那一个 SDR 负责监督。

Andrew Mayne：我还听到两种情况：以前如果要招人，往往是招到那些并不直接创造增长的岗位；而现在，他们在招聘时，可以把人招到真正能为公司创造更多增长的岗位上。这也是为什么你会看到很多科技公司发展得这么快。

Vinod Khosla：你知道那句老话，未来已经到来，只是分布得不均匀。是的，我看到的是一个个单点的巨大生产力提升、效率提升或敏捷性提升，也就是更快行动的能力。

但在美国也好、全球也好，真正已经适应这些、甚至知道这些存在的人，占比仍然非常小。所以回到需求这个问题，我认为这些想法、这些案例，最终会随着时间扩散到所有人身上。你会看到这些技术的采用呈指数级增长。这也是为什么我不认为需求是个问题。

Sarah Friar：是的，Vinod 的判断非常准确。我记得麦肯锡做过一项研究，显示那些处在前四分之一梯队的公司，用任何你能拿来衡量的财务指标看，生产力提升大概在 27% 到 33% 之间。这是一个非常显著的跃升。

我想你刚才的意思并不只是说员工总数会减少，实际上，确实存在一种可能，把人转移到更偏向增长的岗位上。这个周末我去徒步，同行的人是一位你们肯定听说过的、经营一家非常大型咨询公司的负责人。他在讲他们的“后端系统”——他是这么理解的——现在那里的负责人已经把她的组织描述为“人 + agent”。

她那边的比例是 1 个员工配 5 个 agent。但在前端，他们实际上又开始重新招聘、扩大规模了，因为客户现在需要更多帮助，来思考如何部署 AI。所以我会说，这其实是在把工作重新转回到人们真正想做的那些事情上，而不是那些只是因为信息爆炸、大家不得不去做的工作。

过去，越来越多的人是在解析信息；现在，我们终于回到了由机器和 agent 智能来解析这些信息。

OpenAI的广告模式解密：始终存在一个没有广告的层级，信任就是OpenAI的一切

Andrew Mayne：我想把话题再拉回到消费者这一侧。你刚才提到了广告。我们确实提出过一个观点：通过广告，你可以为用户提供更多好处，提供更多服务、更多 AI，同时也可以用来支付算力成本，让用户在这些层级中获得更多价值。

Andrew Mayne：但这也引出了一个问题：信任。人们一开始接触 AI、甚至只是提问时，就会担心：ChatGPT 会如何处理我的信息？一旦引入广告，人们就更担心了，因为这通常会牵涉到一个更大的问题——这会如何影响产品本身，以及组织的运作

Sarah Friar：是的，我觉得你从一个非常正确的地方切入。今天，在消费者这一侧，我们 95% 的用户都是免费使用我们的平台。这正是我们使命所在——为全人类带来 AGI，而不是只为付得起钱的那部分人服务。

所以，获取门槛和可访问性非常重要。从广告的角度看，第一点，我们必须确保所有人都理解：你永远得到的是模型能给出的最佳答案，而不是“付费买来的答案”。

我认为其他一些平台已经走偏了，让你分不清这是赞助链接，还是一个真正最优的结果。我们的北极星原则是：模型永远给出最好的答案。

第二点需要理解的是，广告本身也可以有很高的实用价值。我们希望人们清楚地知道，什么时候他们面对的是广告。但举个例子，如果我搜索一个周末短途旅行，随便选个城市，比如圣迭戈，那么一个 Airbnb 的广告其实可能非常有帮助。

在 ChatGPT 这样一个非常丰富的交互环境里，你甚至可能希望直接和这个广告、或者广告主展开对话，只要你清楚这是发生在一个广告场景中。我认为这里需要更多创新，去做那些真正“内生于平台”的广告形式，而不是老世界里那种贴满页面的横幅广告。

第三，也是最后一点，对我来说，始终必须存在一个没有广告的层级。这样我们给用户一定的选择权和控制权。与此同时，我们对用户数据非常谨慎。比如在我们推出 Health 功能时，我们就非常明确：这些数据是被单独隔离的，不会被用来训练模型等等。我认为我们需要不断向用户传达这一点——信任对 OpenAI 来说就是一切，我们会坚持这些原则，即便是在广告这样的议题上。

未来是人们会用多个模型订阅

Andrew Mayne：在消费者这一侧，未来会不会变成一个你需要订阅很多不同 AI 服务的世界？消费者会不会拥有不止一个 AI 订阅？

Vinod Khosla：我认为你会看到各种模型并存。大多数人会拥有不止一个订阅。媒体就是一个很好的例子，大多数人都有不止一个媒体订阅，这可以作为理解消费者行为的一个很好的参照。

不同的人会做出不同选择，包括免费的选择，也就是由广告支持的媒体。所以即便是同一种服务，你既可以付费使用，也可以免费使用。我觉得你会看到非常多样化的形态。

切换不同平台的成本

Sarah Friar：那你怎么看切换到另一个平台的成本？比如我很喜欢 ChatGPT 的记忆功能。我发现它越来越有用了，因为当我问一个问题时，它会记得我们几周前、几个月前聊过的事情。还有 Pulse，现在还没有被广泛推出，但已经成了我每天早上醒来的方式。真的很惊人，特别惊人。

当你开始把它和日历之类的东西连接起来，它就不只是说，“你似乎对 AI 数据中心非常感兴趣”——它大概会觉得我是世界上最无聊的人，因为我看到的内容大多是这些——它还会说，“嘿，你今天日程里要和 Vinod 坐下来聊聊，记住这几件事。”这真的非常有帮助。

但如果我在多个平台同时用，我就会失去这种好处，这和我同时订阅《华尔街日报》《经济学人》和《纽约时报》不一样。我去别的地方看内容，并不会让我损失什么，或者他们也不会因此损失什么。

Vinod Khosla：是的，所以我确实认为“记忆”是一个非常重要的问题，到底是每个人只用一个模型的记忆，还是在不同模型上各自有记忆。在每一个模型之上，还会有多种服务，提供不同的权衡取舍。无论是健康领域还是媒体领域，即便都基于 OpenAI 的模型，也已经有很多不同的人在提供服务。这就是我刚才说的“多平台使用”。

当然，我不认为 OpenAI 会占据 100% 的市场。我希望如此。

Andrew Mayne：我本来想说，我也希望如此。我对此是可以接受的。

这是一个很有意思的商业模式。我觉得它之所以让人难以理解，是因为，比如 Netflix 是一家很棒的公司，但人一天能用来刷 Netflix 的时间是有限的。移动互联网也一样，我一周只需要那么多分钟来用手机。

但 AI 和智能不一样，你可以拥有更多智能，我可以购买更多、得到更好的答案，做更多事情。我自己也还在努力理解这最终会走向哪里。从免费的起点开始，免费用；然后进入一个较低的付费层级；随着它越来越有用，你不断往上升级。那它的上限在哪里？

Sarah Friar：所以我认为它和 Netflix 那种“每天只有那么多小时”的逻辑不一样，我更把它看作基础设施，比如电力。你一天会用多少电？我不知道。

我今天走进一个房间，风扇在转，很舒服；我们周围现在有灯亮着；我晚上给手机充电，它一整天都能用。所以我觉得我们现在所处的状态，更像是我在“调用”ChatGPT，我去“唤起”它，而不是智能已经被内嵌进一切。

我认为未来几年最大的变化就在这里。回头看时，你可能会觉得以前那种用法有点像玩具。然后智能就会无处不在。所以这并不是直接回答你刚才的问题，但我的意思是，我不会太纠结于“人一天只有多少小时可以做事”。

因为我感觉我生活中几乎做的每一件事都需要智能——至少我希望我脑子里还有点智能——如果这种智能能被增强，我觉得结果会超出我们的预期。

Sarah Friar：就像我们开始前聊到的那个例子，你说你有一天突然发现手机里有手电筒和相机功能。你这么一说，确实很显而易见。但在 ChatGPT 这边，每次我发现一个看起来有点“可爱”的使用场景，都会被震撼到。

比如昨天早上，我很喜欢《经济学人》，想读他们的社论，但时间不太够，因为我要跑上楼准备出门。于是我拍了一张社论的照片——他们排版很好，通常都在一页上——然后我让 ChatGPT 读给我听。它真的做到了。我当时就想，天哪，这太棒了。

所以我觉得有无数这样的时刻，而我们才刚刚开始。我认为多模态可能是其中最大的一块，因为手机教会了我们用拇指交流。而接下来这个新世界里，会有新的硬件真正帮助我们理解：我们可以说、可以听、可以看、可以写，用一种非常人类的方式来做这些事情，而我们现在才刚刚触及表面。

Vinod Khosla：那我换一个角度来讲。我同意你说的这些。如果回看我们之前谈到的互联网以及围绕它的泡沫，互联网所做的事情，是让你可以接触到更多东西——无论是媒体、YouTube 视频、TikTok，还是各种信息。但它把信息扩展到了一个任何人都不可能完全消化的程度。

我看待 AI 的方式是：假设你一天只有八千多个小时——其中一部分还得用来睡觉——AI 会让你的时间变得更高效。互联网让可获得的信息爆炸到你根本用不完，而 AI 将会把这些信息过滤出来，让你的每一个小时都成为最有效率的一小时，前提是你知道如何使用它。

智能会把世界缩减为对你个人来说最相关的部分。而我和 Sarah 的优先级可能并不一样。所以我把智能看作是把世界总结成对我最相关的内容、对她最相关的内容——而这两者是不同的。也正因为如此，我认为智能在“压缩信息”这件事上，几乎有无限的使用空间，而互联网当年做的，是把信息彻底扩张开来。

决胜B端：90%的企业已经或计划用OpenAI的模型

Andrew Mayne：我们已经聊了很多消费者端的话题，感觉 OpenAI 在消费者市场这边明显是领先的。那问题自然就来了：在企业市场，OpenAI 打算如何竞争，又如何取胜？

Sarah Friar：我认为我们在这方面已经是在赢了。从我看到的数据是，大约 90% 的企业都在说，他们要么已经在使用 OpenAI，要么计划在未来 12 个月内使用。

第二点是微软，微软正在使用我们的技术。所以我反而觉得，消费者端是企业端飞轮里一个非常强劲的部分。

就像我之前说的，过去当你第一次把 iPhone 带进公司时，企业并不希望你这么做，但你会发现，你没法对抗消费者偏好的洪流。当我口袋里已经有一个我每天在用的东西，我走进办公室时，我的期待就是：工作环境至少要和它一样好，甚至更好。

正是这一点，推动了我们的企业业务增长——我们成为历史上最快在一个平台上触达 100 万家企业的公司，大约用了一年半的时间。但接下来怎么办？显然我们才刚刚触及表面。

接下来的一部分工作，是在垂直行业层面真正走近客户，用他们的语言和他们对话。我们也在学习企业销售这门艺术：不是给你讲我有哪些产品，而是先理解你的问题。比如，你的董事会在逼你做什么，CEO？你的客户最想要、但你现在交付不了的是什么？好，那我们就从这里开始，把智能应用到这些问题上。接着，我们可以从较轻的垂直定制，走向非常深度的垂直定制，比如针对特定用例对模型进行强化学习。

举个例子，在一家能源公司里，可能就是要真正理解某一口油井，或者他们掌握的所有地震数据，从而判断这个气田的回收率能有多高。这就是非常深的专业化。

野心：接管公司的整个业务

再往后，我认为会进入一些真正具有变革性的研究项目，我们几乎是在接管一家公司的整个业务，帮助他们以一种更聪明、更快、更好的方式重新思考业务，最终推动他们的核心业务指标。所以这是一个过程。我觉得大多数企业一开始都是“全员 ChatGPT”，这是一个很容易的起点。

他们做了一些编码，在很多情况下，是做了大量编码。当我和企业聊的时候，CEO 们已经开始说出这样的话：“我现在 60% 的生产代码都是由 agent 写的。”我心里想的是，你在 12 个月前甚至都不知道什么是生产代码，但现在你已经在这么说了。这是好事，说明你在跟踪它。

但在 agent 这件事上，其实才刚刚开始。我们看到，在美国企业里，真正已经在使用 agent 化东西的，大概只有 14%。当我刚才讲我在财务组织里发生的事情时，你就能明白，我们真的只是刚刚起步。但我对这个机会无比兴奋，它非常巨大。

活都被OpenAI接管，那创业公司的护城河在哪？

Andrew Mayne：那如果我是一个创业公司，看到 OpenAI 正在做的这一切，我可能会问：那还有我的空间吗？我还能做什么？

Vinod Khosla：你看，模型会持续变强，能做的事情会越来越多，但我坚信，在它之上依然有大量空间可以构建。没有任何一家公司可以包揽世界上的一切。有数十亿人在工作，而 AI 都可以在某种程度上帮助他们。

我不认为 OpenAI 会在所有这些事情上都做到专业化。所以关键在于，你要清楚模型会走向哪里——无论是 OpenAI 的还是别人的——以及它们将具备什么能力，然后思考你如何在此之上，去做更有意思的专业化，在基础模型之上增加额外的价值。

坦率地说，仅仅有“智能”并不足以构成一个完整解决方案，在智能之外，还有大量其他东西，才能真正交付一个解决方案。

所以我认为，在这些模型之上构建的机会非常多，而且模型越强大，能够叠加其上的机会只会成倍增加。

Sarah Friar：我经常思考的一类场景是：已经有大量数据被聚合的地方，可能是由某个创业公司、某个企业聚合的。

今天我认为，全球大约 95% 的信息，其实都在企业防火墙、大学防火墙之后。所以即便我们一直在谈训练规模有多大，但说实话，我们也才刚刚开始。

我觉得那些已经建立起业务、并且聚合了这些数据、能够访问这些数据的公司，还有那些在此之上管理了复杂工作流的公司，会非常有优势。

我常举的一个例子是我们的采购系统。采购系统本身并不复杂，但它有一件事做得非常好：它理解授权体系。它知道董事会批准了哪些审批额度，所以当一份软件合同进来，如果金额超过某个阈值，就只有我能批准；如果低于那个阈值，它知道某位 VP 可以批准。它并不知道 Andrew 是不是 VP，但它知道去调用人力系统，去查他的级别。

这样一来，整个采购流程就可以在合规和治理都得到保证的情况下顺畅运行，并且让整个公司运转得更快。

这样的地方，是我对创业公司最感兴趣的地方：你是否拥有独特数据的访问权，同时又存在复杂的工作流？在这些地方，会形成更强的护城河，我们也更愿意与你并肩合作。因为通用模型本身，是不可能把这些事情全部做完的。

Vinod Khosla：是的，我完全同意。我也看到很多创业公司，专注在数据权限管理上，比如谁可以访问哪些信息。

我也看到一大批创业公司在做的事情，是围绕每家公司自身的历史和优先级，对模型进行定制。

Sarah Friar：还有 agent 的身份体系，我觉得我们才刚刚开始理解：一方面是当 agent 和 agent、再和 agent 对话时可能产生的风险，另一方面是你要如何做权限控制，以及接下来像 agent 商业这样的场景，复杂度也会非常高。

所以如果有人说现在已经没有创业机会了，我反而觉得，现在可能是有史以来做创业公司最有意思、也最有乐趣的时刻。

Vinod Khosla：是的，我认为机会比以往任何时候都多。

经验已经没那么重要了，更重要的是行动力

Andrew Mayne：那你现在在看什么？和一家公司交流时，什么会真正让你兴奋？

Vinod Khosla：最难得的永远是优秀的人，这是第一位的。第二个一直非常稀缺的，是“行动力”——也就是把事情真正推动起来的那种能力。这当然还是回到人身上，但机会实在是太多了。我觉得传统意义上“是否熟悉某个行业”“是否在某个领域有多年经验”，现在已经没有那么重要了，更重要的是行动力。我们还没有聊到机器人、真实世界模型这些全新的领域。那本身就是一个完全独立的大领域，我们可能都没时间展开了。

Andrew Mayne：有时间的。我时间很多。我很想聊这个。

Vinod Khosla：好啊，我也很想聊。因为我们已经谈了未来的方向，你之前也非常著名地谈到过 2050 年的角色，而现在一切都在加速，模型越来越快、能力越来越强。那你怎么看机器人会走向哪里？

Vinod Khosla：我两年前在 TED 上做过一次演讲，当时我说，机器人产业——无论是双足机器人还是其他类型的机器人——在 15 年内，会成为一个比今天的汽车产业还要大的产业。我们通常认为汽车产业是全球最大的产业之一，而这个新的产业会更大。我不觉得有多少汽车公司是用这样的视角来看待世界的。

他们更多是在想，如何在装配线上使用机器人，而不是把机器人本身视为一个比他们现有业务还要大的产业——而这一切，最终都将由机器人的智能所驱动。

所以在那一块，对创业公司来说是巨大的机会，我们也确实正在看到非常多的活动。

Sarah Friar：是的。而且我觉得有时候我们会低估这一点。比如你去想家用机器人，对吧？这是一个非常肥沃的领域，但到目前为止，其实还没有真正的突破。这里面有太多复杂性的问题。

实际上，我在 AI 这个领域待得越久，反而在某种程度上越敬佩“人类”这件事。因为我们在世界中自由行动、完成各种事情的能力是如此复杂。你去看机器人领域的人，为一个机器人能把衣服叠好而兴奋不已，说实话，我对我 18 岁的孩子要是能把衣服叠好，可能也会同样兴奋。

但对大多数人来说，叠衣服是默认就会的。我觉得这大概算是机器人领域的“Hello World”。但我们很容易在脑子里卡住，觉得机器人必须“像人一样”。可事实是，真正的突破点可能完全不是这样。

比如说，家庭中的陪伴。我们有一个正在老龄化的人口结构，世界上最大的“流行病”之一是什么？孤独，可能就是最大的之一。

一个独居的人，可能刚刚失去配偶，他最看重的是什么？也许只是一个能和他对话的对象，而且这种对话要让人感觉直觉、自然、像人与人之间的交流。我们已经看到，越来越多的人在用 ChatGPT 来进行这样的对话。

但会不会出现某种“类人形”的突破，结果发现，你并不需要它给你煮咖啡、叠衣服、洗碗——当然那些也很好——而只是一个更简单的东西，却依然能创造巨大价值？这可能只是“爬—走—跑”中的第一步，通向 Vinod 所说的那个未来：一个整体价值比汽车产业大 X 倍的复杂体系。

下一个十年，经济会高度通缩，劳动力接近于免费，医疗、教育也几乎免费

Andrew Mayne：我觉得这件事很有意思，因为我们往往会用“现在”的视角去想象，把机器人放到现有的场景里去做一些事情。但当你真正进入“极低成本劳动力”“极低成本制造”的世界时，从那个基础之上可以构建出的世界，其实是很难想象的。我们现在可能会说，这是当下的一个好解决方案。

但当你去想，如果建造一个非常先进、非常好的辅助养老社区的成本大幅下降，把很多人聚在一起生活的成本也大幅下降，那会发生什么？对我来说，最难的其实是去真正想清楚：当成本被系统性地降低时，世界会变成什么样。我们已经降低了“智能”的成本，那如果我们真的把“劳动力”的成本也降低了，会意味着什么？

Vinod Khosla：我的个人判断是，在下一个十年的后期，我们会看到一个高度通缩的经济环境。因为劳动力会接近于免费，专业能力会接近于免费，大多数功能的边际成本都会趋近于零。

具体会如何展开，现在还很难判断，比如购买力和商品、服务供给之间会如何互动。但我预期的是，我们会看到一个远超人们当前预期规模的通缩型经济。这也意味着，AI 的社会适应问题，其实还远远没有被真正处理。我觉得我们必须要展开的一个对话是：那人们要做什么？我经常被问到这个问题。

人们将如何谋生？我认为，政府能够保障的最低生活标准，将会在不需要人们获得收入的情况下，大幅提高。我几乎无法想象，未来不会出现那种成本只有每月一美元、却比今天好 10 倍的基础医疗服务。对我来说，很难想象它不会发生。免费基础医疗、免费教育，几乎是每个人都有 AI 导师、每个孩子都有个人导师——这件事已经在发生了。

所以会有一整套服务变成“免费的”。当然，也有一些非常难啃的硬骨头。住房是最难的一个。对于美国底层一半的人口来说，他们 40% 多的收入都花在住房和食物上。所以这里面确实有难题。

但我确实认为，这两件事最终都可以通过机器人和更好的方法来解决。