杨乐坤“暴论”：大语言模型是扯淡，连狗都不如？解读他的世界模型与新创业项目AMI

“我认为这完全是扯淡，这条路根本就不可能成功。”这是杨乐坤在最新的访谈中对大语言模型路线的评价。这是语不惊人死不休的这种暴论吗？还是说他真的有一些什么事情想做？

大家好，欢迎收听老范讲故事的YouTube频道。

12月15日，杨乐坤发布了他最新的访谈。访谈是在一个叫做“信息瓶颈”的播客中进行的，位置应该是在纽约大学。杨乐坤当时还在Meta站好最后一班岗，三周以后会正式离职。访谈接近两个小时，我尽量讲一些里边有意思的部分。

现在的大语言模型还无法跟狗的智能相比，这个也是其中比较有趣的一点。到底杨乐坤想做的世界模型，以及他的JEPA是如何工作的？对于我这个讲述者和各位听众来说，都是一个挑战。请耐心听到最后，然后告诉我，我到底讲明白了没有？你们到底听懂了没有？杨乐坤要去做的AMI，也就是创业要做的这个新公司，到底是干什么的？怎么挣钱？咱们今天就讲这几块。

第一块：杨乐坤为什么觉得大语言模型完全是扯淡？

这里头要讲到的最核心的观点叫“序列化”。大语言模型工作的方式，是把整个世界的这些语言进行序列化。所谓序列化是什么？就是把所有的语言变成TOKEN，然后把这些TOKEN离散掉，谁跟谁之间都没有关系，再通过把全世界的语言搁在一起进行统计、进行训练，重新建立起这些TOKEN与TOKEN之间的关系。它是这样来工作的。

而且要注意一点，语言这个东西本身就是一个世界映射，语言只能表达世界中的很少一部分。哪怕是同样的语言，你用不同的语气语调来说，都会表达不同的意思。而不同的语气语调，你在语言中是完全无法看到的。所以语言只是真实世界的一个稀疏映射，大量的信息被错漏了。所以在TOKEN化的这个过程中，大语言模型其实把大量世界本身相关的信息都扔掉了，特别是那种连续的信息。

因为大语言模型通常能干的事是什么？就是预测下一个词应该说什么，哪个词是最好的。但是在这个过程中，它对于让世界演变这些连续事件，它是没有办法去进行预测的，因为它在序列化的过程中就把所有这些关联全扔了。

缺乏物理世界的关联与约束

大语言模型之所以可以回答问题，是因为以前有类似的文档。但是回答的时候，大语言模型并不知道这些内容之间的关联与约束。比如说问它：“我把这个杯子扔下去会怎么样？”它会根据过往的文档训练，给你回答说：“这个杯子会自由落体掉落，掉在地上会碎掉。”但是它不知道是因为有重力加速度、万有引力，因为这个玻璃很脆弱，掉在地上以后会摔碎。这些东西它是不知道的，只是因为以前有一些文档告诉你说这个杯子扔出去会摔碎，其他的它是不知道的，里头相关的约束以及这个关联都没有。

推理成本极其浪费

而推理成本是极其浪费的。咱们现在大语言模型，从OpenAI出O系列模型以后，都可以thinking了，都有COT（Chain of Thought）就是推理过程了。这个过程在杨乐坤看来，是极其极其浪费的。为什么？就是它不直接出结果，而是出中间的推理步骤，而且这些推理步骤是一次出一大堆，再由一个专家或者几个专家模型去进行筛选，在里头再挑一个能用的。说这个过程太浪费算力了，实在是没有必要。

安全缺失与事后补救

还有就是安全缺失。说现在的所有安全手段都是非常容易被越狱的，因为什么？你在训练的时候已经把所有的约束都去掉了。你说这个玻璃杯掉在地上会碎裂，这个事儿它是通过训练训进去的，但是它并没有说有一个基础的约束在里头。所以它在一大堆的训练以后，这个模型只能够去猜测下一个TOKEN出什么最合适。

你要想让它进行安全方面的对齐或者是约束，怎么办？你只能是说做事后微调，或者是设置外部围栏：你问了这些问题我就不回答了。事后微调就是我出了什么样的结果，我就如何去处理了；或者我出结果的时候我会进行筛选。这个本身是非常非常不安全的，因为你没有底层的一个逻辑。它是底层先生成一大堆不安全的东西以后，你再去进行后训练，再去进行围栏，这个是非常麻烦的。

还有一个就是成本很高。很多安全措施也是让大模型一次生成一堆结果，然后在里边挑一些相对来说比较安全的给你展示，说这个过程也很浪费。而且大模型是缺乏对于物理世界后果预测能力的。大模型能够预测的只有一件事，就是下一个词出什么最合适。它没法预测说“我这个动作做完了以后会有什么结果”，也缺乏规则的约束。那你说怎么能够判断安全？你一定是说我先预测一下我这个动作做了以后会怎么样，然后再去根据结果预测安全。大模型是没有这个能力的。

硅谷陷入了集体幻觉

第三个是硅谷现在陷入了集体幻觉。硅谷相信，我们只需要不断的去喂数据（包括后边的合成数据），进行人工的管教（也就是后期的微调和对齐），进行技巧的堆砌（也就是强化学习），你就可以不断的让大模型学会新技能。硅谷的AI已经被单一文化所绑架了，大家都怕其他的尝试会落后，只敢低头拉车，不敢抬头看路了。明明有很多其他的方向，我们就不试了，这就是唯一方向，我们就往前走了，这个是非常非常危险的。

所以总结一下，杨乐坤认为大语言模型就是扯淡的三个原因：

• 第一个原因是序列化，就这东西从一开始它就不对，你就丢弃了大量的信息，而且是打破了所有的关联和约束以后重新训练出来的；
• 第二个就是很不安全；
• 第三个就是硅谷整个陷入集体幻觉了，对其他的所有可能性都拒绝尝试了。

第二块：杨乐坤为什么认为现在的大语言模型还无法达到狗的智能？

我们很多人已经因为大语言模型都失业了，它都已经开始替代人的工作了。现在我们一看这玩意连狗都不如，被替代工作失业的人是不是觉得很冤？其实原因也很简单：狗是没有语言的，它并不会去描述这个世界是怎么样、我要去做什么，但是狗依然可以在物理世界中很好的生存，而大语言模型是不具备这个能力的。

狗的世界模型它会记住什么？物体不会凭空的出现与消失。这里有一个杯子，扭过头去再扭回来，这个杯子应该还在。这就属于最基本的物理约束。在我们训练大语言模型的时候，再把这些语言信息进行符号化的时候，进行TOKEN化的时候，这些东西就都丢了。所以狗是有这些底层约束的，而大语言模型没有。

再加上比如说运动力和惯性这些基础的东西，这些玩意不需要牛顿出来，这个狗也知道。它不需要学习，不需要去考试它也知道。说“我跳起来不会马上掉下来，我跳起来会顺着这个惯性接着往前跑一段”，这些东西狗是天生就知道的，或者说它可能生下来经过简单的学习就可以知道。

而且狗是有视觉、听觉、嗅觉和触觉的，可以接收这些信息，可以判断这是什么的味道、这是在哪个方向上、这个东西距离我有多远。这些东西很多都是没有办法通过语言去进行描述的，但是狗可以在这些基础约束下在物理世界中进行活动，而且还活的很开心。狗是可以进行规划的，它要去规划一下我要去怎么抓住老鼠（狗拿耗子这个没关系了，反正甭管抓什么吧），它要去抓一个东西，它可以预测可能的结果，并且做出选择并得以生存。这就是狗真正强的地方。现在大语言模型还做不到这些东西。

大语言模型只能输出语言，而语言仅仅是现实世界一个很小的投影以及很疏离的映射。真实世界中的大量的信息都没有映射到语言上去，所以大语言模型到现在为止还不如狗。等哪天新的世界模型可以像狗一样聪明了以后，咱们再继续往前走。

所以杨乐坤认为，说现在大语言模型这条路是永远不可能超越人的。因为人虽然我们现在在这呱啦呱啦说话，你们也在这听我说话，但是我们离开语言是依然可以在物理世界中生存的。可能未必有狗活的舒服，但是我们也可以在物理世界中，也可以在现实世界中生存。所以在把这些物理世界的基本约束丢掉以后，大语言模型永远也不可能超越人类。

第三块：杨乐坤的抽象世界模型（JEPA）到底想干点什么？

这是对我们的考验，我尝试把它说清楚，也希望大家能把它听明白。首先，杨乐坤的抽象世界模型里头有四个要素：抽象、分层、预测、最小消耗。就是这四个要素组成的整个这个系统。

1. 抽象 (Abstraction)

所谓抽象就是不去预测每一个像素，那太浪费了。你不可能说我预测出这个视频的下一帧来，这个事是不行的。只记录基础的知识，预测大致的结果就OK了，这是他现在要去做的事情。

比如说吧，咱们打羽毛球，当对面那个球打过来的时候，我们会去判断球的轨迹，做出动作击球，但是并不会计算所有的细节，也没有办法去想象在我们击球过程中每一帧画面的所有像素，但是我们依然可以开开心心的在球场上打球。这就是抽象的一个魅力。而且这些基础知识甚至还不是说通过物理的方式我去学、通过数学的方式我去学，公式怎么做、抛物线怎么算、风阻怎么来、这个速度什么，不是这样。我们只是说通过一些习惯，他这样打过来以后，我应该怎么去接，他是这样来去训练出来的。很多的羽毛球冠军，我估计他们的数学跟物理也未必能考及格，但是人家依然是羽毛球冠军。这个是他要去做的第一件事，叫抽象。

2. 分层 (Layering)

抽象之后下一步就是分层。所谓分层，他现在使用的这套系统叫JEPA，叫“联合嵌入预测架构”。什么意思？咱们依然以打羽毛球为例。

• 高层的预测：我们首先对高层数据嵌入进行预测。高层是我想着我应该回一个什么样的球，我是要回一个后场的高球，还是前场的吊球，还是做一个假动作，这个就属于高层次的思考。
• 低层次的预测：我这个手脚应该怎么动，怎么协调，我这个手腕应该怎么去摆，怎么去发力，这就是低层次的。

所以他就是在不同的层次想不同的事情。其实我们人去做很多的这种决策或者动作的时候，也是这么去思考问题的。如果你在高层去想这些低层的问题，不是想说我要怎么去给你发一个后场的高调球，而是想着我应该怎么去发力、我应该怎么去动手腕，那一定会出问题的。

3. 预测 (Prediction)

这个预测是什么？就是在世界模型中预测做出相应动作之后的结果。杨乐坤还是会去训练一个世界模型的，里边有一些刚才我们讲的物理公式、数学公式、一些基本的约束，把这些东西训练到物理模型里、世界模型里去。

你说我根据前面的分层的这个方式，我去进行预测了。比如说吧，在我们看到球过来的时候，就会去预测我们把这球打回去以后有几种不同的可能性：我回一个后场球，对方有可能会到后场给我做一个跳杀，或者在后场再给我回一个前场球，或者在后场再给我去回一个后场球，他有几种可能性。我们要去判断，我们把这个可能的结果进行推测。甚至有可能说，我这一个球杀不死他，但是我把他调到后场去，他可能步伐会混乱，再回一个球就有可能回的质量不是那么高，可能给我回一个前场高球，我就可以在前场扣杀他了。我会要做这样的判断或者是一些预测，或者叫规划吧。有的时候我们的这种预测和规划会分成很多步，然后才能去做决策。

4. 最小消耗 (Minimum Cost)

那决策下一步是什么？叫最小消耗。这就是我们决策的过程。你看我们已经抽象了，也分层做了思考了，然后做了预测了，在世界模型下给预测的结果都给我了。下一个事我要选择，这么多的预测结果里我选哪一个？怎么选？它有一个消耗函数，叫cost的一个函数。

什么叫最小消耗？就是你这样回最容易获得胜利，消耗最小的体力，让你觉得最舒服，不适感最低。你要做这样的一个选择，实际上就是计算一个最优解出来。预测之后在不同的结果中选择消耗最小的那个去执行。

安全与结构化

所有的安全约束都可以在这去计算。如果你说我现在把球打出去以后，它有可能会出界，这就是一个安全约束了嘛。这就属于一个消耗很大的一个因素在里头，那么我们就不要选择这样的一个结果，我们要选择其他的动作去做。这就是最小消耗。

它的安全也是在刚才我们讲计算最小消耗的时候就可以直接计算进去了，所以它是一个结构化的安全方案，将安全直接写到底层的硬代码里头去，通过优化实现安全。也就是先模拟，确保满足所有的安全约束，才进行执行。我模拟了以后，你这个安全约束一旦违反了以后，你的消耗函数就会给你返回一个巨大的值，这个选项就直接过滤掉了。它是通过这样的方式来保证安全的，是很难越狱的。

工作流程总结

1. 首先我们要提出动作的序列，先要有一个计划；
2. 然后在世界模型中进行模拟（当然这个模拟是分层去模拟，高层是什么样，底层是什么样的）；
3. 然后评估成本，找到最小消耗，也就是最小化不适感，让你这个动作做完了以后舒服；
4. 根据这个评估的结果对这个动作进行优化，并且执行，作用于真实世界。

这就是这种世界模型的一个运作方式。

第四块：行业点评与未来展望

点评其他“世界模型”

杨乐坤对于现在行业中正在研究的各种号称是世界模型的项目是如何点评的？他说伊利尔的这个SSI（就是超级安全智能），现在完全搞不清在干嘛，可能已经成了一个笑话了。就是伊利尔自己也搞不明白在干嘛，他的投资人也搞不明白他在干什么，这个就没法整了。其他的有些点名了说这几个还不错，那几个不怎么样。但是李飞飞的世界实验室并没有被点名。

杨乐坤给出了评判的标准：什么样的是真世界模型，什么样的是错误道路（依然是在大语言模型的基础上继续狂奔的）。它的判断标准就是：所有生成式的、生成所有像素的，这种都跑歪了。而李飞飞的世界模型，包括OpenAI的Sora世界模型，都属于这一类。他们都属于是生成式的，要生成视频的，要生成所有像素的，这个事都是错的。只有在抽象世界中，基于基本原则去进行预测和规划，才是正确方向。

与大语言模型的关系

杨乐坤的世界模型与现在的大语言模型之间到底是什么关系？是不是要颠覆？倒也不是。他的预测是：未来世界模型负责底层逻辑，而大语言模型只负责语言的部分就可以了。

就像我们现在大脑里头，其中有一部分是只负责语言部分的，而且这一块很小，只发展了可能100万年，很短的一段时间。而大部分时间，这个动物的大脑都是在跟物理世界打交道的。我们人类也是先在物理世界里头去进行各种判断，然后再去用语言输出或者进行交流的。就像刚才我讲这个打羽毛球这个过程，如果你一边打羽毛球一边把所有的步骤和思想过程全都变成语言，你就打不着球了，这个人是反应不过来的。我们经常说“手比脑子快”，我还没想明白，我的一个习惯动作已经上去了。这个世界模型就是要去做这些事情，语言只是需要的时候我再进行描述。

第五块：AMI公司是干什么的，怎么挣钱？

最后咱们讲一下，杨乐坤准备创业的AMI公司到底是干什么的，以及怎么挣钱。他这个AMI叫“高级机器智能”，准备融资5亿欧元，估值30亿欧元。

为什么融欧元？因为他准备放在巴黎，总部在巴黎，在纽约设办公室，所以他要融欧元。那这5亿欧元里头，Meta是重要合作伙伴，但不是股东。至少在这一次他做访谈的时候说了，Meta不是股东。Meta是不是给钱这个事，还要等他这5亿欧元彻底融完了以后才能知道。目前在融资，但是没有披露融资的细节。

杨乐坤是董事长，并不是CEO，应该还是要再找一个年轻力壮的人去做CEO。杨乐坤也65了，虽然在这种顶级科学家里头不算特别老的吧，但是肯定体力也没有那么跟得上了。

逃离硅谷与开源研究

在巴黎设立总部、纽约设立办公室，原因就是要逃离硅谷，因为硅谷现在已经被单一思想给垄断了。其实欧洲人看美国人的方式，跟纽约看硅谷的方式，以及硅谷看中国的方式都是一样的。什么意思？大家都觉得我们是在做基础研究，对面那帮人是在做应用研究。欧洲人就觉得我们在做基础研究，美国人都在做应用研究。美国的像纽约、波士顿这些东海岸的人去看西海岸的硅谷，想的也是这样：东海岸我们在做基础研究（像什么哈佛这些人在做基础研究），西海岸的这些（像什么斯坦福、UC Berkeley、包括硅谷）你们都是在做应用。硅谷看中国也是这样的，说我们在做基础研究，你们中国人只管超过去做应用就完事了。大家都是这样的一个思路，所以现在杨乐坤说算咱们欧洲干去。

杨乐坤要求要做开放开源的研究。他说不公开发表就不是真正的研究，这就是他跟Meta最后闹掰的一个核心原因。他希望他的各种研究可以公开发表，而亚历山大·汪进去了以后说不行，你必须要经过我审核了以后才可以发表。所以一气之下老头跑了。

杨乐坤为什么要求必须要公开发表？

• 他说你如果不公开发表的话，就容易自欺欺人（估计讲的是Llama4）。这个事必须要通过同行评审，才可以确保研究方向的严谨性以及结果的可靠性，所以必须公开发表。
• 开源则是吸引顶尖头脑的最佳手段。很多研究成果转化成产品需要数年甚至数十年，允许研究人员发表论文并且开源他们的结果，可以提供及时的激励和成就感，所以还是要鼓励开源的。
• 开源是实现AI多样化的唯一途径。杨乐坤是反对垄断的，他在Meta做了12年，做出Llama大模型来就是为了反对谷歌和OpenAI的垄断。
• 开源也是促进文化多样性的一个手段。如果被垄断了，那就没有文化多样性了吧，只有开源了才有不同的大模型可以去玩耍。
• 开源也是商业与经济最好的一个结果，可以在商业和经济上得到最好的回报。因为开源可以很好的赋能各种垂直领域，因为只有你开源了，别人才可以去这些垂直领域，才可以更方便的去跟你合作，可以最大化经济影响。

其实开源这里有一点杨乐坤并没有提，开源最大的好处是建立事实标准。因为一旦事实标准建立了，你整个这个系统就可以躺在那吃饭。现在英伟达的CUDA就是一个事实标准，虽然它并不开源，但它依然是一个事实标准，所有人都难以逾越。

商业模式

最后，AMI怎么挣钱？又是开放又是开源，我还要发表论文，我所有的产品我一开源了，别人就能用了，到底怎么去挣钱？现在他们的设想是，做好这个世界模型以后，为自动驾驶和机器人这些需要在物理世界中、需要在连续的时间序列中去做决策的这些企业，提供基础模型以及提供各种技术的支持和服务，通过这种方式去挣钱。

结语

最后总结一下今天的话题。对于我以及听众们都是一次考验，我希望我把杨乐坤的世界模型到底怎么做给大家讲明白了，或者让大家觉得我自己明白了也行。让我们尝试去理解杨乐坤的世界模型具体想做什么。期待杨乐坤在新的方向上依然可以做出有价值的贡献，不为短期经济利益所屈服，勇于尝试不同的方向，科技才可以进步。

好，这就是今天的内容，感谢大家收听。请帮忙点赞、点小铃铛，参加DISCORD讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

背景图片

Prompt：high-contrast watercolor painting, empty New York University computer lab interior, rows of sleek monitors and keyboards on long desks, ergonomic chairs pushed in, large windows with city lights filtering through, glossy reflections on screens and tabletops, neon cyan rimlight outlining equipment edges, deep navy background, sharp subject separation with extremely legible negative space for text overlay, minimal palette of ink blue neon cyan and subtle gold accents, cinematic composition, ultra-detailed, intricate linework, –ar 16:9 –raw –s 250 –v 7.0 –p lh4so59

伊利尔·苏斯克维的专访：他到底说了些什么？

大家好，欢迎收听老范讲故事的YouTube频道。

伊列尔·苏斯克维，很多人说：“这哥们是谁？”就是和马斯克、山姆·奥特曼一起创建OpenAI那哥们。在2023年11月份，对山姆·奥特曼进行逼宫以后，休假了很长时间，然后从OpenAI离职的。这一位算是OpenAI的创始人吧，他离职了以后呢，自己闷头去做研究，好长时间没有他的声音了，现在突然出来接受了一次专访。

引言：AI界的科学家与当下的迷茫

首先要注意，这哥们不是一个工程师，他是一个科学家。工程师跟科学家之间还是有很大差异的。使用确定的技术、加大投入、获得可预期的结果，这是工程师干的活；研究不确定的方向，这是科学家干的事情。所以，他是一位科学家。

现在很多人都在讨论AI是不是有泡沫。现在距离走通“最后一步”还有一点点小的差距。到底什么叫“最后一步”？就是AI真正的落地，真正的开始改变很多东西，开始挣钱。这一步现在还是有一点点差距的。但是呢，很多人也在否认AI泡沫的存在。AI虽然没有走通最后一步，但是AI真的带来很多失业。“钱我没挣着，但是我真的把人的工作干掉了。”现在是大家都比较迷茫的一个时间点。

原来那些应该默默无闻做研究的科学家，就携带了巨大的光环跑出来说话了。本来这些科学家说的话呢，应该是在很小的圈子里边流传，但是现在大家看看李飞飞、杨乐坤，包括今天咱们讲的伊利尔说的这些话，也成为了大众讨论的话题。

核心观点一：科学研究与工程研发的转化

“科研现在需要相互转化了”，这就是这一次伊利尔访谈的一个核心观点。你说，科研科研不是一回事吗？不是，科学跟研究是两回事，它是分为“科学研究”和“工程研发”，它是两个不同的概念。

科学研究呢，是在发现方向。发现了方向以后，就可以堆钱、堆算力、堆数据，在各种行业里边进行测试，这个呢都叫工程研发。就像前面他们研究了半天，到底哪个算法是可以把这个大模型做出来的，最后发现Transformer算法是可以搞定的，发现方向了。到发现Transformer方法有效之前，都是在做科学研究。在Transformer出来以后，大家说：“咱们堆钱吧！”玩这个scaling law，就是直接往里头去堆算力、堆数据、堆这些东西了，这就开始玩工程研发了。这个都是确定的东西，我们只管往里堆钱就完了。

工程研发呢，有一个不可避免的问题，就是你万一站到了一个小山头上，朝任何一个方向走都是下坡。工程研发的时候，他也是会寻找更高的一个山头往上爬，但是你爬到一个最高的山头的时候，你就没法往前走了，因为你不知道应该往哪个方向走了。如果有一个离你很近的山头，你还可以去尝试的跳一跳；如果下一个山峰离你非常遥远的话，这个工程研发是没有办法去跨越鸿沟的。那么在这个时候就应该重新走回来，做科学研究了，重新去尝试那些现在不确定的方向。这就是这一次伊利尔访谈的一个核心观点。

所有的科学家最大的能力是不是科学？其实不是这样。所有的科学家，特别是成功的科学家，他们最大的能力是筹措经费和资金。特别是现在这个时间点，任何一项科学研究都是需要海量资金去堆砌的。现在已经不能说科学家坐在家里头，闭门造车多少年，最后研究出一个神奇的东西出来，现在已经过了那个时间点了。

核心观点二：大模型是典型的“小镇做题家”？

现在的大语言模型跟人比起来，是不是走错路了？这就是这一次伊利尔提出的一个核心观点。说现在的大语言模型呢，就像是典型的“小镇做题家”。当然，“小镇做题家”这个词是我加上去的，但是他描述的整个过程，他描述的所有的细节，就跟咱们这的“小镇做题家”非常非常相近。这些大模型呢，在各种的复杂评测上无往而不利，一个比一个分高，但是遇到了具体问题，甚至一些比较简单的环境，都直接抓瞎，搞不定。

在研究大模型的过程中，设立目标体系是必须的。我研究了半天大模型，我最后怎么评测的？你肯定要设一个体系。但是设完体系以后呢，刷题也是必须的。现在既然有高考、有考研、有考公，那我们就要不停地来刷这个题，让考生能够适应考试的过程。

中国的模型和Llama 4就是典型的失败案例，就是刷了太多的题，刷的分很高，但是你一使起来，发现完全不是那么回事。即使是现在大家普遍认为相对比较成功的案例，比如说Claude 4.5 Opus、或者是Gemini 3 Pro、GPT-5.1这些模型，也是在巨大的数据算力基础上达到的成果，到了实际工作中，依然会出各种各样的问题。虽然他们出的问题，可能要比刚才咱们讲的纯“小镇做题家”的中国很多的二线模型，以及前面翻了车的Llama 4要好很多——中国一线模型其实也还是基本能用的——但是依然不能放心地把复杂任务交给他们。

大模型与人类学习的巨大差异

而这个训练大模型呢，跟人类学习的过程是有巨大差异的。差在哪呢？

• 样本需求量：说人类只需要很少量的样本就可以学会东西。他举的例子是猫，你要想让大模型认识什么东西是猫，你恨不得你把全世界所有猫的图片、照片全都找出来让大模型去学习，他才能够认出来这是猫。而有时候还认错，把一个狗认成猫，或者把一个老虎认成猫，有时候还干这种事情。但是人的话，你让一个小孩只要看三五张照片，他就知道啥是猫了，然后他看到猫他就认识，换一个样的猫他也认识，黑的、白的、花的，他都认识。甚至你在这个时候画一个卡通的猫，他还是认识。人类只需要非常非常少的样本就可以学会什么是猫，而对于大模型来说，这个是完完全全无法做到的，至少用原来的这种Transformer的算法是没法搞定的。
• 判断依据：第二个问题是什么呢？就是人类是依赖情感进行判断的。“这个事情我觉得是对的，那个事情我觉得是错的。”而大模型是完全没有情感的，它是靠统计结果来去进行判断的。人类靠情感判断的情况下，我们可以在信息非常不充分的时候进行决策。而大模型真的是把全世界人类所产生的所有信息都塞进去，训练完了以后，你让他再去做判定，还是经常出各种笑话。其实我们日常生活中，有些人也是这样的，就是学了很多东西，但是情商为零，这些人他们也经常会闹各种各样的笑话。现在大模型也在干这个活。

所以伊利尔认为，沿着当前的scaling law继续低着头拉车已经走不通了，是时候应该抬起头来看看路了。这就是他现在提出的一个核心观点。

伊利尔的新方向：告别Scaling Law，拥抱新架构

那他现在具体的方向到底是什么呢？他认为应该去搞一个全新的架构了，而不是在原来Transformer架构上接着往前走了。他要训练一开始就具备情感判断能力的这种“价值函数”。你这个大模型上来以后，从最开始没有那么多数据堆进去的时候，你就可以进行情感判断了。

咱们人也是这样，从小咱们是一边学怎么做人，一边学各种知识，而且学做人是在前面的。“这个东西我能吃，那个东西我不能吃”，“这个东西是干净，那个东西是脏的”，“哪个东西是香的，哪个东西是臭的”，我们一开始是在学这些东西，然后才是学各种的知识，开始刷题、开始考试。而大模型是反过来的，他是把所有的这些该考的试都考完了以后，然后再去学哪个东西能干，哪个东西不能干，怎么能够让大模型变得更安全，怎么去对它进行对齐，它是正好反过来的。现在伊利尔说，咱们应该像人一样，先去学一些最基础的东西，学让他怎么进行情感判断，然后再往里堆知识，这个顺序不能搞错。

说只有这样呢，我们才能够训练出来一开始就有是非观念、就能够明辨是非的这样的大模型，而不是像现在大模型似的，先预训练完了以后，再想办法去强化学习各种的安全规则。而且呢，伊利尔希望未来的大模型是一些小的、内容很少的一些模型。咱们现在叫“大模型”吧，但是他认为未来的“超级智能”应该是一些小模型，他需要的时候可以快速地学会新的知识，而不是像我们现在这样，先把所有知识都塞进去，然后再去进行一些微调，你可以适应某一个特定的环境。

其实我们现在这些“小镇做题家”就是这样的。你去参加高考，那肯定是能够语数英、物理化学、史地生政，这些东西你都要学完了，都可以考到一个很高的分数，你才可以考上清华北大。而你在清华北大上完了多少年学以后，出来了进入到具体的工作岗位，再去进行岗前培训，再有人去带着你去实习，然后才可以进入工作。现在的大模型也是这样的一套工作方式。但是呢，伊利尔说我们别这么干，我们一开始让这个模型很小，他可以完完全全自己去学习，需要什么他就学什么就可以了。而且小模型的后边再去进行专项学习的时候，要比这个一开始就塞一脑袋知识要容易很多。所以现在的大模型真的是典型的“小镇做题家”。

离开OpenAI后，伊利尔在做什么？

伊利尔离开OpenAI之后，都干了点什么呢？这个可能是大家关心的事情。他呢，去创建了一个叫SSI的公司，叫Safe Superintelligence，叫“安全超级智能”。这个公司呢，说我们只干一件事，就是这名字这事，叫“安全超级智能”，不做任何周边的小产品，我们在根上搞。

• 2024年9月：首轮融资了10亿美金，当时的估值是50亿美金。他应该是在2023年11月参与了对山姆·奥特曼的逼宫，把山姆·奥特曼从CEO位置上赶下来，然后山姆·奥特曼很快就王者归来了。在那以后，伊利尔基本上就不露面了，他出去休假去了，休假了很长时间，大概到2024年八九月份，正式官宣离开了OpenAI。九月份马上就有人冲上来给钱，拿了10亿美金。
• 2025年3-4月：又融了20亿美金，当时的估值是300-320亿美金。因为呢，这种非上市公司嘛，融资了以后的很多报道和信息并不是那么准确。300-320有可能是投前估值300，投了20亿美金以后变成320了，大概是这样的一个情况。2025年三四月份的这一轮投资呢，Alphabet（也就是谷歌的母公司）以及Nvidia都参与投资了。

注意，这个SSI是一家正儿八经的公司。这话什么意思？他就没有再去学OpenAI那样，搞非盈利机构那套乱七八糟的幺蛾子，上来就是“我们老老实实就是一家公司，该挣钱挣钱，该分红分红”，没有乱七八糟别的东西。

2025年7月份，这公司呢，大概是有50个人，非常精悍的一家公司。公司呢，应该是在硅谷Palo Alto和以色列这两个地方都有办公地点。后来呢，还传出了跟谷歌TPU进行适配的传闻。因为这件事情呢，英伟达也是股东，谷歌也是股东，跟英伟达适配这件事根本不算新闻，大家上来都是拿英伟达的训练了。但是谷歌是需要这个招牌的，说：“我们给了钱了，你得出来给我站这个台，你跟TPU也进行了适配。”

前面呢，传出扎克伯格呢，曾经准备花300亿美金直接收购SSI，但是呢，被伊利尔给拒绝了。他的合伙人CEO叫Daniel Gross，被扎克伯格给挖走了。原来Daniel Gross作为CEO，伊利尔是CTO，现在这个Daniel Gross被挖走了以后，伊利尔亲自接了CEO的位置，统合这个公司继续往前走。目前呢，还没有发布任何的成果。科学研究呢，本身就没有那么容易，所以大家也不要着急。

未来展望：为什么是现在？

那么为什么现在跑出来讲话呢？不知道是不是手里头的钱花的差不多了，又要出来融资了。

那你说他讲了这些东西，未来会怎么样呢？是不是scaling law就到头了呢？是不是真的我们需要重新去做研发，重新去找方向了呢？我觉得现在是一个非常情绪化的节点。到底是不是泡沫？这个估值能不能继续走下去？AI到底怎么落地？AI落地的过程中，到底有多少人要失业？现在这个节点非常非常的情绪化。

从美国也好，像中国也好，从全球也好，大家都觉得现在这个股市、现在整个的经济环境都很妖孽。什么意思呢？就是大家在失业，生意不好做，但是呢，股市飞涨。这样的一个很妖孽的时间点，所有人都是抱着巨大的情绪在里边，所以稍微有点风吹草动，最头部的这些公司，他们的股票就会上蹿下跳。

这个时候科学家们出来讲话，甭管是李飞飞、杨乐坤还是伊利尔，他们出来讲话的话，如果能够引起关注，如果他们能够能搞到钱，那么这件事情绝对利好的是谁？绝对利好的是英伟达。为什么呢？因为他们需要进行各种不同方向的尝试了，而在这个时候，必然是需要使用英伟达的算力卡的。那你说谷歌TPU不行吗？SSI不是已经跟TPU适配了吗？大家要注意，谷歌的TPU以及博通所做出来的其他的ASIC芯片，都是专门为Transformer算法设计的，这种“小镇做题家”专用文具，你让这些ASIC芯片换一种其他算法，就不灵了。只有英伟达自己家的算力卡，才有可能应对不同的玩法。

科学家们现在呢，肯定是要趁着热乎劲，AI现在正是风口浪尖上，抓紧忽悠钱，储备弹药准备过冬。如果你在这个时候再不忽悠，一旦泡沫真破了，这个时候科学家说“我想再整点钱，我要再去储备一些弹药，未来想接着往前走”，那就不好忽悠了。所以只有现在是最好忽悠钱的时候，或者说是最好忽悠钱的最后几分钟了。

对普通人意味着什么？

未来方向到底是什么，其实跟普通人关系并不大，咱们吃瓜就可以了。一个完善的科研制度，就是包括科学研究和工程研发的制度，是需要为这些科学研究提供足够的资源的，否则很容易陷入死胡同。中国其实现在就是更多地愿意把钱扔在工程研发上。那你说我们为什么没有陷入死胡同呢？人家美国人找到新方向，我们跟着走就完了，我们并不是站在最前面的那个人。这玩意就跟咱们开车似的，如果你是跟着别人开车，红灯咱们就都停下来，绿灯咱就跟着走，是比较容易的。但是你一旦站在这个车道的第一个了，这个时候就会比较难搞了。

看到李飞飞、伊利尔这些科学家可以有足够的资金去尝试新方向，也让我们对AI的未来更有信心。他们的研究成果最终还是会被谷歌、OpenAI、xAI这些巨头所使用。这些人最后自己成为CEO，自己成为商业领袖，支撑起一个巨大的跨国公司来，可能性基本上是零，但是他们做的研究还是非常有价值的。

总结

最后总结一下吧。近期呢，其实不光是伊利尔，各大AI公司的老大、AI领域的科学家，都在频繁地出来亮相发声。原因就是现在是非常时期，就会“妖孽横行”（咱们开个玩笑）。这个是非常时期，后面的局势呢很不明朗。也许跨过了门槛，AI技术大规模的应用和落地就会到来；也许泡沫破灭，大家需要过冬。我觉得即使泡沫破裂了，也不用担心，有可能我们只需要再忍几个月，AI就真的可以落地了。但是中间这几个月的日子会很难过。

在这样的一个时间点上，AI公司的人就要出来摇旗呐喊：“这个里头没有泡沫，我们走的好着呢！”科学家们也要出来喊，说：“我这还有一些新的方向，赶快给我钱呀！”正热乎的时候，你们给我钱，可以分散一些弹药，万一那条路不通，我这还有新的尝试呢。

至于我们这些普通人呢，搬小板凳吃好瓜就行了。千万不要“这个是对的，那个是错的”，这个离我们还是稍微有些遥远。虽然马斯克也好，黄仁勋也好，伊利尔，包括前面的李飞飞、杨乐坤这些人，他们讲的东西我们觉得我们好像听懂了，看个热闹足够了。

好，这个故事就跟大家讲到这里，感谢大家收听。请帮忙点赞、点小铃铛、参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

马斯克3小时访谈深度解读：未来、AI与争议

大家好，欢迎收听老范讲故事的YouTube频道。今天我们来讲一讲马斯克3小时的访谈，以及各自的解读。

马斯克跟乔伊·罗根做了三个小时的访谈。他每过一段时间就跑去做访谈，这是一个非常著名的博客，每年应该做几次吧。这一次应该是美国时间10月31号。最近，大家都在解读这三个小时的访谈。这是一次无稿访谈，就是没有提前的稿件，没有提前的大纲，大家就上这儿来闲聊来了，所以真的是比较见性情的一次访谈。

为什么叫各自解读呢？马斯克是很有争议的，不同的媒体、不同的派系，会选择这个三个小时访谈里的一部分去进行解读。比如说左派呢，就更关注是未来的交互方式、AI会怎么发展、每一个人都可以有钱；而右派呢，则更关注的是觉醒主义病毒对于AI的污染和可能带来的危害。

咱们今天把马斯克讲的这些点稍微捋一捋，各派都是怎么解读的，以及老范自己是怎么解读的。老范讲故事嘛，总是要说一些自己的私货进来。首先要明确一点呢，就是马斯克讲的每一个点肯定都有一定的道理，人家是世界首富嘛，但是也不能说完全信，有些点其实我也不是那么认可。未来每个人都会有各自的预测，未来到底会变成什么样，只能靠大家的努力，向着各自的预期方向去前进。马斯克作为一个世界首富，而且是一个行动能力超强的人，他讲的东西我们还是应该去研究一下的。

一、未来的交互方式变革：告别手机与APP

首先一点是，未来的交互方式会发生变革。甭管是左派和右派，都会去讲到这一点，因为这一块相对来说是比较人畜无害的。他讲到说手机跟APP呢，会被淘汰掉，以后就不会有这些东西了。未来呢，我们需要一个随身的感知和展示设备，有可能依然是长得像手机一样，但是有可能是眼镜，或者是脑机接口，或者是其他的什么头显，都是有可能的。它就是在我们身边感知我们的指令，展示我们需要看到的和听到的这些内容和结果就完事了。而这些内容呢，都是由AI来提供的，这是马斯克对未来的一个预期吧。

在这样的一个情况下，手机的品牌、操作系统跟APP就没有任何意义了。在这里头受伤害最大的是苹果，但是苹果这帮人呢，通常是啥也不说，闷声发大财的一帮人，你到时候自己会用脚投票。马斯克自己也在用iPhone，所以这个到底能够对苹果造成多大伤害，现在还不好说。

科技巨头们的“苹果怨念”

这件事情上呢，有一些人跟马斯克是站在一起的，比如说马克·扎克伯格，比如说山姆·奥特曼。这些人呢，都是对苹果充满了怨念，因为苹果它作为手机商，它是老大嘛。在这样的一个位置上，谁想要去发一个应用，谁想去提供一些服务，谁想去跟用户去进行接触，你都需要去守苹果的规矩。

• 苹果说扎克伯格，我不给你这些用户信息数据了，你的这个广告变现效果就要下降。
• 山姆·奥特曼也是如此，说你必须要守苹果的规矩，否则你就不要到iPhone上来折腾。
• 马斯克也经常说我要去做特斯拉手机。

这些老大们都是非常非常讨厌苹果的。谷歌其实还好，谷歌相对来说比较开放，而且呢它的很多的规则，其实它跟大家商量，因为毕竟手机不是它自己造的嘛。所以就算谷歌你定一个特别严的规矩，底下这些手机厂人家也未必遵守。在这里头真的是等级森严、规矩特别严格的就是苹果，特别招人恨。

现有趋势：超级APP的崛起

现在已经有这样的苗头了。你说现在不是还在买iPhone吗？对，我也还在用iPhone。但是像抖音、微信、马斯克的Twitter，这些呢叫超级APP，其实已经起到了相应的这种效果了。你一旦拿起iPhone来，就进到抖音里不停的刷了，这个40分钟或者一个小时就都属于抖音了，或者这一个小时就都属于X了。在这种情况下，苹果就没有能力说我再去分发一些别的应用给你。OpenAI的ChatGPT，其实也在向超级APP的方向前进。

未来展望：AI实时生成内容

马斯克讲了，说未来所有的这些内容、音视频，都是由AI实时生成的。它会预测你喜欢什么，我就提前生成好了给你看就完了。想看个电影，或者想看一些短视频，AI直接生成，现场生成直接给我看。这件事情呢，至少到目前为止还达不到，运算的速度、算力的成本，这些东西你是摊销不掉的。

但是未来，比如说到2030年，是不是可以达到这个目标？我觉得马斯克是乐观的。他认为2026年，AI就可以超越一个人的智能了；2030年，整体的AI就可以超越整个人类的智能了。以后算力会变得越来越高，我们生成一分钟的视频的速度会变得越来越快，计算的成本会不断的下降。所以按照这个来看，大家赶快去买英伟达的芯片，买英伟达的股票，去买特斯拉的股票。为什么这么讲？因为前两天，微软的老大萨提亚讲了，说我现在有的是显卡，我没电。这个后面需要靠什么？需要靠马斯克的储能电站。

历史案例的启示

到底会不会达到这一步呢？这里讲三个案例：

1. Sun的NC（Network Computer）：这是比较早期的概念，主张所有内容存网上，用户只需一个终端设备登录即可继续工作。这个概念最终没有成功。
2. 共享单车：相对半成功的案例。它在很大程度上替代了传统的代步自行车，改变了人们的出行方式。
3. 超级APP：像微信这样的应用，用户可以在里面完成各种事情而无需离开，使得底层操作系统变得透明。这是相对比较成功的案例。

老范的看法

• 第一，大概率还是需要手机的，最后可能会变成超级APP之间的竞争，不会有一个超级APP一统天下。商家到底应该上哪去缴广告费？这个事呢，还是需要有竞争的。
• 第二，当AI可以根据它的预测给我们生成内容的时候，AI会极大的拉大人与人之间的差距。一个人喜欢看美女扭屁股，另一个人喜欢看科学研究，他们最终的成就会有非常巨大的差距。

二、觉醒主义病毒与AI污染

下一个问题呢，就是这个觉醒主义病毒污染AI的问题。觉醒主义呢，就是性别平等或者性别多元化，这些内容呢，都会拿来去进行AI训练。

马斯克的观点：错叫性别比核战争更严重？

马斯克的观点是：对于AI来说，叫错性别代称和热核战争之间，到底哪个更危险？因为你不断给AI投喂的语料告诉它，不能去叫错性别代称，并且在强化学习时不断惩罚它。那么它就会记住，叫错性别这件事，是一个天塌下来的大事。而热核战争，除了1945年就没再发生过，对AI来说是个小概率事件。所以当让AI去进行选择时，他就有可能会为了避免“叫错性别”这种“天大的事”而选择扔一颗原子弹。

他还举了一个非常可笑的例子。今年的上半年，谷歌的Gemini去绘画，结果呢因为搞多样性，让他画美国的国父，给你画个黑人，给你画个女的。华盛顿嘛，应该是白人男性，但AI为了实现觉醒主义而去说谎，不尊重历史事实。

既然AI已经可以去说谎话了，那么未来是非常非常危险的。他还讲到加州特别是旧金山湾区，就是非常非常左的，在这里就没有中间这个位置。你要是在这里想靠中间站一点，就会马上被人骂成极右。

生命的价值可以计算吗？

最近还有一个案例，是不同人种、不同性别，生命的价值是否相同的问题。马斯克说做了这么多测试里头，只有他们家的Grok告诉大家，甭管是男女老幼，不同的人种，不同国家来的人，他们的生命价值都是完全相同的。而其他的像GPT也好，Gemini也好，认为不这样。

现在这些大模型就形成了一个非常可笑的价值比较：一个肯尼亚来的黑人女性，她的价值是20个白人男性的价值。千万不要说这有什么关系，大家要注意，AI这个东西不光是要去给你写一段话的，它要去做自动驾驶的。等遇到电车危机的时候，他就有可能看到说，这边是一个黑人女性，那边是19个白人男性，他就直接奔那19个白人男性就撞过去了。因为他已经算明白了，一个黑人女性的价值是20个白人男性。所以这个是非常非常可怕的一件事情。

用“真相AI”对抗偏见

马斯克现在标榜自己做的是唯一追求真相的AI，不再去考虑这些觉醒主义的东西。主持人问他觉得这事有用吗？马斯克的回答是：有用。我自己只要把东西做出来了，别人就会照这个方向去前进。我训练了一个追求真相的大模型，其他的这些做大模型的公司就会感到羞愧，他们也会照我这方向走。

老范的看法

老范的看法就是偏见不可怕，可怕的是压制别人。有人认为地球是扁的，有人认为地球是圆的，但是我们允许这些认为地球是扁的人继续去发表言论，这个事才是最重要的。所以，不论XAI的Grok最后有多少人用，这都是马斯克给我们这个时代留下来不可替代的礼物。

三、人人都会变得很富有？

这是马斯克给出的非常美好的一个祝愿吧，我觉得也反映出这种工程师、理工男一个美好的愿景。他说未来并不是人人只有基本生活保障，而是人人都会很富有，大家不再为了账单而工作，而是为了自己的兴趣。中间会经历痛苦和裁员，以及转型这些东西，但是未来的话，我们希望社会向着人人都非常富有的方向去前进。

短期内可能会被淘汰的人：

• 完全跟数据打交道的人，比如程序员、中层管理干部、HR。
• 所有跟搬运原子相关的、搬运物件相关的人，可以稍微的多坚持一段时间，比如搬箱子的、开车的。

但你说未来真的会变成这种人人都很幸福的社会吗？马斯克承认的说，这只是众多可能的结果中的一种，他希望未来朝这个方向发展。

四、关于超级人工智能（AGI）的未来

他说到2030年，AI就会超越全人类的智能。但是到那个时候，我们还是第一个，是要能够从外边把它关掉，我们还是得能控制它。另外呢，他说我们现在比大猩猩厉害了，但是呢我们并没有把大猩猩赶尽杀绝，我们还在保护它。希望未来呢，AI也可以像现在我们对待大猩猩那样对待我们。

老范的解读

第一个呢，人类的工作和消费呢，并不仅仅是因为兴趣和账单。人类最重要的作用，其实是进行选择，为未来的社会进行选择。商品、金钱和市场是引导人类社会前往正确方向的一个重要因素。任何想要替代它们来替我们决定如何生活的尝试都失败了，比如说计划经济。

至于说未来的人类跟AI之间，到底是不是现在的人类跟大猩猩之间的关系？我其实是抱稍微悲观一点的看法的。这个东西就像现在的中美两国一样，大家都想卡脖子，都想把对方的命脉握在自己手里头。到那个时候的话，就一定会有摩擦。当我们拿到AI的关闭开关了以后，面对一个远远超越我们的超级智能，你认为它会怎么对待我们？所以在这块上呢，我觉得不那么乐观。

五、访谈中与中国有关的部分

主持人其实在前面讲AI意识形态的时候有几次提到中国了，但是呢，马斯克都跳过了，重新对准国内左派火力全开，这是马斯克比较聪明的一个地方吧。唯一提到中国的就是马斯克自己，提的是航天。说现在呢，Spacex已经占据了全球90%的发射任务，而剩下的10%基本都被中国包圆了。

其实作为一个理工男来说，很难不喜欢中国。马斯克过往的言论呢，经常都是这样，说中国的工厂真棒，中国的超级工厂非常非常强，中国的工程师很努力。这是他对中国一贯的一个认知。

最后总结

马斯克是一个非常有争议的人，他的访谈，不同的人会有不同的解读。但是你骂他也没什么意思，作为一个行动能力超强的世界首富，他对未来的期许还是值得大家认真的去思考的，因为他真的会去做，义无反顾的去做，这是马斯克跟其他人不一样的地方。

现在美股七姐妹里头，黄仁勋是比较圆滑的；扎克伯格呢，现在还在跟VR、AR死磕。剩下的也就只有马斯克、黄仁勋、扎克伯格是创始人，而马斯克行动能力很强。剩下4个，微软的萨提亚、谷歌的皮查伊、苹果的蒂姆·库克、亚马逊的安迪·贾西，都是职业经理人了。职业经理人是不会做出圈的事了，所以未来只能靠马斯克去改变。这就是我们今天跟大家讲的故事。

好，感谢大家收听，请帮忙点赞、点小铃铛、参加DISCORD讨论群，也欢迎有兴趣有能力的朋友加入我们的付费频道。再见。

到底什么是AGI？今天尤为重要。AGI条款可能让微软投资OpenAI的交易，成为一个笑话。

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲，微软投资OpenAI协议里边的AGI条款。这首先是一个比较奇葩的条款。正常的投资协议里是没有这东西的。因为是投资OpenAI，所以双方写了这样的一个条款进去。那么这个条款规定，AGI就是通用人工智能。在AGI没有实现之前，微软有权利得到OpenAI所有这些模型的独家商用许可。你做出什么东西来，我都可以用。微软可以将GPT-4、4o等这些没有达到AGI的模型，深度集成到他自己的微软云、Copilot或者是Bing这样的产品里边去。而且是你做出来，我就拿到。

前边Windsurf这个项目搞黄掉，其实也是因为这个条款。只要把它买下来了，这个你Windsurf这些技术我也拿来使了。它有这样的一个要求。

第二个叫云计算绑定。什么叫云计算绑定？就是OpenAI必须优先使用微软的云。微软拥有一票否决权。像我们以前写这种投资协议的时候，就喜欢讲一票否决权。但是一票否决权，并不是像这个字面上说的这么吓人。这个东西通常是分三步的。第一步叫告知。比如OpenAI，今天我要用云服务器了，你必须要告知微软。你不能说我没跟你说，我就自己买去了，这事不行。第二步是微软在约定期限内要做决策，是不是要接这单生意。也不是说你跑来，我就一定要接。这个决定权是在微软手里头的。当然微软也不能拖着人家，你有一个期限，你要在这个期限之内做决定。第三个，如果微软行使权力，我决定了我要接这单生意，那么OpenAI就只能跟微软成交。如果微软放弃了，说我这单生意不接了，或者是在规定的期限内，你没有做出回应，那OpenAI呢，才可以去自由转到第三方，去做云服务器的采购。它是这样的一个要求。一般分三步。

当然这里头还有一个条款它没有写，是什么？公允交易。什么叫公允交易？你微软把这些云服务卖给OpenAI，你的价格要公允，不能太高，也不能太低。高了相当于什么？左手倒右手。你自己花了钱去投资了OpenAI，OpenAI再用一个很高的价格，把你的云服务都买走，你这不是骗股民吗？低了也不行，低了等于是损害股东利益，一些微软的资产就外逃了。像咱们经常讲国有资产流失，他们这叫微软资产流失。这个也是不行的。所以这个价格还是要公允的。这是两个。

第三个是什么？第三个叫利润分成。当然这个利润分成是有上限封顶的。前期OpenAI挣到的钱，不是营收，而是利润，75%要去回收微软的投资。微软到现在大概投了130亿美金进去了。所以你挣了一块钱，7毛5是归微软的，直到微软把这个130亿美金都收回来为止。然后面收回来以后了，继续让微软拿钱，微软拿49%的利润，直到什么？1,300亿美金。就是我微软投了130亿，拿到的钱是我投资的10倍。这个时候我就结束了，后边我就不拿了。这个跟我没关系了，我也不占你股份。因为它是个非盈利组织，微软是不在里头占股份的。它是做了一个分红的约定。这个是叫做AGI条款的三个限制。

当然还有一个限制是限制微软的，就是合约期内，微软不得自行训练具备AGI能力的，或者AGI潜力的这种前沿大模型。当然你现在让他训练，他也训练不出来了。微软前边儿躺在OpenAI身上吃红利，已经吃得很爽了。

在AGI实现之后会变成什么样呢？微软对后一代的模型，商业和技术使用权就终止了，只能继续使用旧版本的。这个新版本的达到AGI能力的，你微软就不能用了。云计算以后可以用星际之门了，这个OpenAI就可以去决定，我要用谁家的云计算了。来自AGI模型的新利润，也就不再分给微软了。原先的禁止微软自行研究AGI的限制，也就失效了。微软就可以自己从头开始，再去研究自己的模型去了。等到那个时候，它到底能做成什么样，呵呵，就不知道了。

有这样的规定以后，下一个问题大家想到的是什么？这个什么时候达到AGI？到底谁来判定？因为AGI本身的概念是比较模糊的。那么很遗憾，这个判定AGI的是OpenAI的董事会，跟微软没关系。OpenAI比如董事会几个人坐一块，一拍脑袋，AGI实现了，微软后边别分钱了。为什么我们说微软投资OpenAI的交易，有可能变成个笑话？他对于宣布AGI实现这件事，他是没有权利的。人家董事会关上门，一拍脑袋就可以决定的事情，能够决定你后边是不是还能分到钱，能够决定你是不是还能使到最新的模型，是不是接着使你们家的云计算。这事是人家来决定的。

微软自己认为在2030年之前，AGI都不太可能实现，所以我们还有很长的时间，不要着急。但是，Sam Altman在最近不断地放风出来，说AGI快了，可能再过个几个月这玩意儿就实现了。所以现在两边儿就开始谈了，说这个我们得坐下来谈一谈，这个事儿有问题了。

协议里边，经常会有一些奇奇怪怪的对赌。实际上AGI条款属于一种对赌条款。那么正常的对赌条款通常是什么样的？正常的对赌条款通常是由几个因素构成的。第一个是时间，多长时间之内，你要达成一个什么样的效果。比如说你挣了多少钱，做了多少盈利，或者估值涨了多少，市值涨了多少。像我们以前正常是做这样的这种对赌。对赌的结果是什么？成功了我给你发奖金，或者说对赌成功了以后，会给创始团队发股份。而这股份哪来的？就是增发。比如说你原来100%股份嘛，多增发10%。如果你在两年之内，让这个公司的市值涨多少，我增发一些股份出来发给创始团队。

马斯克经常拿到这种对赌协议的收益。前边马斯克薪资的诉讼案也是这样的。他跟特斯拉董事会签了一个对赌协议，说我在多长时间之内，让特斯拉的市值涨多少，涨到了以后你就发多少股票给我。他是这样来工作的。马斯克自己在特斯拉的工资没多少的，他主要的收入都是股票，不断的去跟特斯拉董事会，去签对赌协议。签完了以后只要实现了，他就多出一些股票来。所以为什么英伟达是全世界市值最高的公司，但是马斯克是世界首富？因为他不断的通过这样的方式，让自己在特斯拉里面占股，占的越来越多。所以特斯拉涨上去了以后，他就是世界首富了。而黄仁勋，每一次英伟达股票涨起来以后，他就卖股票，他的股票越来越少。所以英伟达很值钱，但是黄仁勋不是世界首富。在这稍微讲一下，这个是正常对赌。

那比较残酷的对赌，或者比较残忍的对赌，一般赌什么？像我们以前有很多的协议，里边会去赌回购，或者赌上市。你拿到钱以后，多长时间你必须上市，或者必须被人收购，让基金可以退出。如果不行，你就要回购所有的投资，就相当于是你要把这个投资的钱，连本带利都还回来。这个是比较残酷的，因为一旦是这样的条款处罚了以后，真的有人会去跳楼的。这个讲远了。

那么不正常的对赌是什么？AGI条款就属于一个相对不正常的对赌。不正常对赌，通常是赌一些一方或者双方，认为不太可能实现的美好愿景。你比如说像罗永浩说我要去收购苹果，他可以拿这玩意跟人对赌。也确实会有很多人，把这种东西写在协议里头，去赌一下这个事到底行不行。像我们以前也干过这种事。当时投资Musically的时候，我记得里头也有一个类似这样的条款，是多长时间之内，Musically如果能够达到大概是4,000万，还是几千万的这种月活，我们有权利收购它。大概是写了这样的一个条款在里头。当时Musically大概只有几十万用户，还是多少用户，反正非常非常少。所以他们的创始团队，就绝对不相信这个事是可以实现的，说我们有一个美好的愿景，咱们就写上，如果到那天你就把我收了也挺好的。写完了以后，结果发展的非常迅猛，到一年这个数据就涨到大几百万，甚至上千万，而且他整个公司的估值涨的非常快。这个时候人家那创始人就不乐意了，说你这个条款好像欺负人啊，你等真做到了以后，你就收购我，而且也没写收购价格，你可以用一个很便宜的价格把我收了。我本来这个估值都涨上去了，我挣钱了，结果都归你了，等于我可以用很便宜价格收。他说这事不行，我们希望去调整一下。

我说你调他干嘛呢，接着往前走呗，等你真到了以后，我们收你不是挺好的吗？他说这个还早，我们现在才1,000万的月活，离4,000万月活还早。你这个是很难实现的。我们就朝他冷笑，什么意思？因为当时我在猎豹移动，手里边的Clean Master是有6亿月活、1.5亿日活的一个产品。那我们要想让一个这样的小产品，比如像Musically这种1,000万月活的这种产品，突然把这个数据跳上去是很容易的。我们手里有非常多的手段，刷也能把它刷上去。跟他稍微普及了一下知识以后，对方马上就怂了。您有什么条件，您只管说，我们看看后边怎么办。这个事情一旦有这样的条款在里头，他没法往后融资了。为什么？其他人再给他钱，说你这个协议里埋了这么一条款，那我再给你钱，你等这个用户上去了以后，我们多给你的钱就没了。相当于是我这个第一家投资的人，可以用一个很便宜的价格把他收购了。所以，他等于是当时埋了这么个雷在里头。啊，类似这种奇葩条款，我们也干过。

微软跟OpenAI之间对赌，赌的是什么呢？就是AGI之后啊，微软作为传统大厂呢，不能把持人类的未来。一旦AGI了，这等于是人类未来了嘛。现在也有人说，AI就是人类最后一项发明，这玩意怎么能够放在微软手里呢？这是不行的。而微软也需要确保自己的投资是有回报的。上市公司啊，你如果说我把钱都扔出去了，最后没拿回来，股民会起诉他的，会集体诉讼的。这个事是不开玩笑的。所以他就做了这样的一个条款。只是当时大家都觉得AGI这个事很遥远，没有那么快到来，所以就写进去了。

那么AGI当前的判定标准到底是什么？咱们讲了半天，说这东西标准很模糊，但是你既然要去执行，还是要有标准的。技术层面，OpenAI的非盈利组织，做了一个叫开放宪章的东西，里边有规定叫做高度自主，在大多数经济价值工作上超越人类。这个意思什么？第一个他可以自己去干活了，你不需要扶着他走了，而且在有经济价值的工作上，比如说写小说，或者是写程序，做一些正常的事务性工作，它都可以超越人类了。这个就叫做AGI了。那么这个东西谁来判定？是由OpenAI董事会来去判定的，说我们认为到了就可以了。当然了你这个不能真拍脑袋，咱开个玩笑。OpenAI自己也给出了一个标准。在这个标准里，为什么说这时候快到了？参考OpenAI内部的五层能力谱系，它对AI进展做了五层谱系。到三层以后的话，就要求在专业任务上与熟练人类比肩，甚至超越了，并且可以跨学科迁移。所以基本上达到第三层就差不多了。

那这五层是什么时候定义的呢？是2024年7月份OpenAI全员大会上披露的。第一层聊天机器人ChatGPT。第二层博士水平的推理，也就是O3、O1、O2、O3，到现在O4这些模型推理模型出来了。这个是第二层。第三层是什么呢？能够连续数天自主执行行动的这些智能体，也就是AI agent。所以为什么说达到第三层以后，他就可以在绝大部分的有经济价值的工作上超越人类了。现在GPT已经在做GPT-5了，GPT-5出来实际上就是这么个东西。而且现在据说7月份就要宣布，所以Sam Altman说AGI就快了，可能这个月就来了，或者下个月就来了。所以他讲的是这样的一个事情。到第四层是独立产生创新，协助发明了，他可以干这件事情了。到第五层是可以完成整家公司级别的职能了。这是一共五层。

那么这五层也需要有评估，它是以一大堆的评测模型，什么ARC、人类什么最终考题，等一大堆这样的全科的基准，加上一些真实任务的组合打分。需要在生产环境中稳定运行。你像Llama-4这样的我能跑分，但是出来不能稳定运行，这种是不行的。所以达到这个要求，就在技术上算是达标了。这个应该在可能七八月份可以实现。那你说微软这是不是马上就成笑话了？OpenAI董事会啪一拍脑袋说我们过关了，咱们就这样，微软你们前面这些投资，后边收益就没有了。这个是不是可以这样？

不是啊，AGI的标准，现在还有一个补充协议。商业层面上做了一个追加合同。微软也看出来说这玩意不行，你们自己一拍脑袋说通过这事不行。微软自己要给自己加一个保险。他要求的是AGI能够创造价值，而且创造的价值，要大于1,000亿美金的利润，不是营收，是利润。这才可以允许你通过。并不要求你一年挣1,000亿美金，只要能够提供可信的商业模型、市场规模与成本测算，说明在可预见的期限内，有能力达到此利润即可。微软拥有合理同意权，就这个事，你是要经过微软同意的。你不能随便写一个，说我计划在100年之内挣1,000亿利润出来，微软你同意吧。这个是微软要签字的，他自己要决定同不同意的。那么这个数字是2023年双方签了一补充协议，微软前面签完协议以后觉得有问题，在这打了个补丁。目的就是确保微软等投资人能够在条款终止前获得充分的回报。现在肯定一分钱都没回来，OpenAI到目前为止是没有任何盈利的，每年还在亏损，而且是越亏越多的一个状态。那微软投了这100多亿美金进去，你还是要拿回来的。所以他们就加了这样的一个补充条款。利润口径，才能够真正的映射到股东的分红，不能用营收，一定要用利润。像OpenAI的话，现在一年的营收大概能到几十亿美金，你要有1,000亿美金的利润，这个真的还是很遥远的一个事情。估计Sam Altman自己现在都没想明白，他怎么能挣出1,000亿美金的利润来。就10年他都未必能挣得出来这笔钱。业内也并没有看到特别精确的公式，说你这1,000亿美金的利润到底怎么算出来的。更多是依赖董事会和审计师的商业可行性评估这个玩意，就不能完全由董事会拍脑袋了，你是要找商业的审计师回来，去评估这玩意了。

当前谈判与可能的未来是什么样的？现在两边在谈这个事。微软说咱们把这条款去了，你这玩意搁在这太吓人了，过两天你这个东西就实现了，那我这个投资不就全废了吗？咱把它去了。现在微软，就在做那个不签字的恶人。投资协议里头总会有恶人，罗永浩表演甄嬛传，也是因为里头有恶人。不签字什么意思？我们要求当你去改变公司结构的时候，影响投资人利益的时候，必须有投资人签字确认，这个玩意才能生效。所以像我们以前做投资，甭管是你做哪一轮，你做的轮次越靠后，前面的投资人越多，必须要所有投资人都签字，新的投资协议才可以生效。那么里头有一家不签字的，你这个协议就没法生效，新投资人就不能把钱给你打进来。罗永浩原来也是这样，有一个基金最后就不签字，导致整个的资产游戏没法玩下去，只能表演甄嬛传了。微软说现在我去表演恶人，我就不签字了。OpenAI需要继续融资，需要转换成可上市的这种传统企业，就需要微软来签这个字儿。但是微软说了，你不把这AGI条款取消了，或者给我调整一下，我就不签。现在大概在将这么个事儿。

那么这种奇葩的对赌条款，通常最后是怎么处理的？写的这么奇葩，咱最后就把它删了吗？一般不是这样处理的。这种条款，通常最后是用来进行利益交换的。我把这条款增改一点点，或者把它删掉，但是你要在其他地方，给我找补一点回来。一般是这么干的。AGI条款应该也不太会完全被取消掉，因为OpenAI自己的梦想是要做AGI，你完全把它取消了，这个肯定是有问题的。还是会存在的，但是应该会进行调整，调整的不那么奇葩，就在规定的时间内规定收益，明确AGI的一个判别标准。这个应该会去做一下调整。当然最关键的不是调这玩意儿，最关键的是什么？是判定AGI的过程中，微软自己能投几票。你不能说，一个没有微软存在的OpenAI董事会，自己一拍脑袋，就可以宣布这玩意儿成立了。这事肯定不行。这个条款存在了，你还是要微软自己有决定权，来决定说什么时候叫AGI的。而且在这个过程中的每一项改变，都是可以拿来讨价还价的。

当年Musically那个很奇葩的优先收购权的条款，我们也是这么处理的。最后他为了继续融资，就必须把这东西删掉。那删的时候怎么办？我们就把这个Musically的创始人摁在这说，你看这个条款继续留在这，肯定是你没法往前走了。这样我们也不愿意当恶人，怎么办？你给我换一个条款。换成什么？未来几年之内，你所有的变现，Musically里的所有的广告变现，你必须跟猎豹签。我拿独家绑定的变现条款跟他换了，前面的收购条款、优先收购条款给他换掉了。所以这一次，微软跟OpenAI之间，大概也会玩这么个事，就是恶人应该不会真的去干，但是会换点别的利益回来。微软有更多的、更实际的、更迫切的条款，是需要确认的。AGI呢，这种奇葩条款，本身就是大家拿来讨价还价的，谁也没惦记真在这上面做点什么文章出来。那么微软更迫切的是什么呢？新公司里头，微软到底占多少股份？这个新的董事会里头微软有几票？还有后边分红咋分？这个才是微软真正关心的事情。

那么微软也不会跟OpenAI去撕破脸，诉讼对大家都没好处。因为一旦诉讼了，对于微软其实还问题不大，OpenAI你这边诉讼挂上了，你那头的所有投资就停下来了。你一个完全不盈利、每年亏这么多钱的公司，一旦是把投资停下来，那真的是会死的。肯定是不会走到诉讼这一步的。微软也不愿意丢这个人，因为在创投圈子里头，特别是这么风口浪尖的案子上头，你一旦丢了这样的人，说我因为不签字，最后把人逼着去玩甄嬛传了，以后名声就臭了，在创投圈里就彻底没人理你了。他会变成这样的一个状态。在国内因为他有的时候，有国有资产流失的问题，有些人说我就不计个人荣辱了，我来去做坏人。但是在微软这样的公司里，他是不会有人干这事。

最后可能的结果是什么样？就是大模型还是要授权给微软用的，只是没有那么绝对了。原来呢是你做出来微软就要用，只要你的东西不叫AGI，微软就可以用。以后呢做出来了，OpenAI有权利决定哪个你可以用，哪个你不可以用。会变成这样的一个状态。第二个呢，微软云呢，还是第一供应商，这个也不会有太大的变化。但是呢决定权会回到OpenAI手里。我们以前做游戏的时候，当时网易给了一笔投资，网易当时也是说，有这样的一个一票否决权，什么呢？就是我们所有的游戏必须网易发行。你先告诉他，告诉他完了以后，他来决定发不发。他要发的话，你必须给他发。如果他不发了，我们才可以自己发行，或者再找别人发行。后来谈吧，谈完了以后，最后说这样，你只把知情权给我，对吧？你先给我告诉我，你做出新游戏来了，然后呢我们都去报价，我们多少钱愿意接你的游戏，然后其他的商家多少钱可以接你的游戏。但是最终的决定权呢，是给了当时我们的一个公司啊。这个是也可以做的。所以未来呢，微软跟OpenAI之间的云计算的协议，大概会变成这样，就是你还是要给微软知情权的，现在要采购云服务器了，你要告诉微软，然后微软呢可以去报价，报价了以后呢，最后由OpenAI来去决定到底要用谁的，而不是像现在这样由微软来决定。当然最终呢，还是要公允，这个是很重要的。比如微软说了，我一个GPU一小时是比如两美金，然后呢OpenAI说不，我一定要选择那5美金的，这肯定不行。甚至呢有的时候我们还会规定，在这种协议里头会写什么呢？就是优先采购，就是比如说微软也是两美金，那边也是两美金，在这样的报价相同的情况下，你要优先采购微软的。通常是这样。除非什么呢？微软说我两美金，那边说我这个1.5美金一个GPU小时，那在这种情况下，你就去采购别人的就行了。他有的时候，会有这样的一个价格的约定在里头。

至于微软自己去研究大模型这件事呢，反正你让他研究吧，他也未必能研究的出什么来。另外呢，微软肯定要进入新公司的董事会，他全都给了这么多钱，最高的时候可能占了他49%，还是占了多少股份，因为前面这个股份他很乱，所以现在也说不清，他到底占了多少股份。但是微软肯定要在董事会里有这个很多非常重要的这个投票权，这个一定要会让他进去。然后OpenAI呢，在这样的情况下就可以顺利的转制了。转制了以后重新划分各个股东，特别是微软的持股比例。划分了以后呢，再去谈分红的事情。一定是说有了新的持股比例以后，才能谈分红。那微软可以在这个持股比例的基础上呢，要求一些叫特殊分红权的东西。什么意思呢？正常分红是什么呢？就是你拿钱出来分了，大家按照持股比例来分就完事了。第一个我们要求的特殊的是什么呢？就是什么情况下必须分。因为有好多人说我拿到钱了，挣到利润了，我不想分，我想接着发展行不行？有的时候会规定说不允许，你必须挣到钱，留多少未来发展之外的钱，通通都要分掉。这个特别是对于游戏公司，或者这种现金流比较大的公司，经常会有这样的条款。然后还有的时候呢，就是这种特殊分红条款，就是微软可以要求，比如说我按照我的持股比例两倍分红，或者3倍分红，这个其他人再拿剩下的钱再去分。他有这样的这种要求的权利。像我们以前投资游戏公司也经常会有这样的条款写在里头。甚至呢还有的时候会要求什么呢？我先分一笔，比如说你所有的利润我先分个49%出来，然后剩下的利润，大家再按股份比例去分。也是有可能的。这就需要啊，慢慢的去谈了。你要谈的特别苛刻呢，新的投资人就不乐意了对吧？谈得太宽松呢，那微软的股民就有可能去集体诉讼。微软大概就是这样的一个比较艰难的决定，他们要去做出来。

那么AGI条款呢，大概率还是会存在的，但是呢温和很多，也规范很多。判定的时候呢，微软一定是要参与投票的。这个才是最核心的，你不能最后判定的时候，这个Sam Altman跟自己董事会一商量，然后微软的人也不在里头，他就来宣布了这东西成立了。这个肯定不行。最后如果哪天说我们要开一个发布会，AGI确实的实现了，那么估计啊，Sam Altman跟微软的人要坐在一起，去开这个发布会才可以。那么最后如果AGI真的实现了，前面我们讨论的这么热热闹闹，这些事可能就都不重要了。为什么呢？到那个时候，整个社会的运作方式，都会发生根本性的改变。真到了那个时候，我们现在就讨论的东西通通都是笑话。

好，这个故事就跟大家讲到这里。感谢大家收听，请帮忙点赞，点小铃铛，参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

GPT-3和O4 mini发布了，这次绝不再仅仅是科学家们的玩具了。大家好，欢迎收听老范讲故事的YouTube频道。

本来GPT-3和O4 mini发布呢，我并没有抱太大的期望。为什么呢？因为前面O1和O3 mini发布的时候呢，看得我头晕眼花的。我记得应该是在去年12天连续发布会的时候发布的O3 mini，实在是太不明觉厉了。各种的复杂科学问题，咔咔就给解决了，然后各种的排名都排得很高。但是呢，我自己其实并不怎么用。

为什么呢？第一个，ChatGPT Plus用户里边呢，它是有用量限制的，并不是随便让你用的。所以在有用量限制的情况下，你就得省着用，而且你也感觉不出有太大差异来。你说你用它干嘛？据说编程很强，但是它没法跟IDE结合，基本上也就放弃了。你是可以出一大堆的代码，但是你还得向IDE里边去考来考去的，很麻烦。那你说我通过API调用吧，直接使用O1和O3 mini这些模型，实在是贵，所以就放弃了。

这一次呢，真的就不一样了。首先是Greg重新上线了。Greg其实好长时间不怎么出来了，他是在2023年11月份山姆·奥特曼宫变之后，就变得非常低调。2023年11月开始休假，后来是在微软的强烈要求下才回归的。到2024年又开始了长期休假，但是在大量高管离职之后，年底再次回归，还宣布：“我提前俩月回来了，我本来还想再多歇一歇的。”现在呢，主要负责机器人业务，不再担任董事会主席了，保留了总裁的职位。

Greg上来开始显得有一些紧张，不知道该说什么。大家可以去看看那25分钟的发布会录像，后面逐渐放松了，也是长时间不露面、不说话的一个表现吧。这一次的话，全程C位，坐在最中间的位置上，主持O3和O4 mini的发布会，可见重视程度了。

这一次的发布会呢，基本上是二对二的分配，就是两个老板配上两个做事情的。两个老板始终坐着不动，做事情的人呢，就是讲到不同的部分，然后来换。还有一个老板呢，叫Mark陈，首席研究官，亚洲脸，但不确定是不是华人。有传闻其父母是从台湾去的美国。现在呢，有一种ABC脸，看起来有点像华人，但是脸型又不像。这个据说呢，是长期英文发音和美式的饮食习惯，以及美国教育所形成的一种脸型，反正跟华人还是有一定区别的。有可能是个华人，当然也有可能是个越南人，这个不确定。

另外两个呢，是根据演示的过程不同，不停地换工程师。国内引用的照片呢，肯定是有偏向性的。国内各媒体呢……

通常引用的是讲到模型强化训练和各种跑分的这两位工程师。为什么呢？因为里头有一个叫周文达的，是一位华人。国内各个媒体引用照片的时候，一般会引用含华量比较高的照片。

一开始呢，也是讲科学，什么量子力学。本来我也挺失望的。科学的部分呢，对于我这种普通人来说，已经没有那么大关系了——看不懂，没需求，也用不起。所以一看，还是这东西，好像没什么意思。

但是讲到后边呢，越来越兴奋了。咱们讲几个好玩的特性，并不跟大家完整的去复述这个发布会了。有兴趣可以去看这个25分钟的发布会，各种数值绝对是遥遥领先。

OpenAI呢，作为行业老大，他是有自觉的。什么叫自觉？从来不跟别人比数值，只跟自己比。就是他不会说我把Gemini 2.5拎出来比一比，Claude 3.7拎出来比一比，或者跟DeepSeek比一比。别人都是说我比OpenAI强在哪，或者我已经接近OpenAI了。OpenAI永远说我就跟自己比。

所以我们现在可以看到的所有的数值比较，都是跟GPT O1、O1 mini、O3 mini跟这些模型进行比较的，没有跟其他模型比较的数据。

咱们来讲三个有趣的功能点吧。

第一个非常有趣的功能点，也是让我觉得GPT O3和O4mini真的能用了的一个最核心的点，就是它可以进行工具调用了。什么意思？我们正常情况下一个大模型，你让他去给你生成内容的时候，他其实都是在胡说八道的。就算他有的时候说的很像，但他依然是在胡说八道，是在编。他不能保证内容是可验证的，而且你每一次让他说同样的事情，他都给你编出不同的花样来。

那么一定要带上搜索，带上知识库，带上其他的辅助工具，他才可以靠谱的干活。现在推理模型已经可以靠谱的干活了。所以O3跟O4mini是可以进行工具调用的。但是他们绝对不是第一个。在发布会上他们讲说，我们是第一个在推理里边进行工具调用的，这个真的不是。GROK3也是推理模型，也是可以做各种工具调用的。

只是呢，GPT O3跟O4 mini呢，据说在工具调用上要有极大的提升，因为他们在这块专门做了训练。他可以进行几十次的这种工具调用。当你让他去做一个很复杂的事情的时候，他会反复的在他认为需要的时候去调用工具，获得外部数据，或者做一些相应的操作。这个很棒。

O3跟O4mini呢，是在推理的过程中去调用工具，效果绝对是碾压原来不能使用工具的O1，效果好的一塌糊涂。推理模型如果不挂搜索引擎……

不挂知识库，基本上就是胡说八道。他要比正常的生成模型还要再胡说八道一些，因为他想的多，越想就越错。知识越多越反动，这个幻觉是非常非常严重的。挂上搜索之后，基本上不再需要 deep research 这种东西了。现在你用 O3 去挂搜索，跟 deep research 的效果基本上是可以平齐的。

现在呢，OpenAI 内部有很多的工具，包括 Python 执行、调用浏览器、搜索，有很多这样的工具，它都可以自动的去调用。当有这些功能之后，每一个普通人，不需要是科学家，也可以用 O3 跟 O4mini 完成很多任务了。只是目前呢，OpenAI 内部的这些工具，你通过外部你使不了。还有 function call 这个调用呢，现在在代理站上还没有接上，这个还要再等一等。什么意思？就是你直接挂 OpenAI 的 API，挂它原厂的，是可以进行 function call 的，可以把你自己的各种各样的工具放在里边让它去调用。原来我们演示过使用高德地图的工具，让他去找饭馆、规划路线什么的，这个都是可以去使用了。如果我们使用 API 来调用 O3 和 O4mini 的话，OpenAI 内部的什么搜索呀，这些工具我们是无法使用的，就差在这了。这是一个比较有趣的点，但是具体怎么用，待会我们来举一个案例。

第二个有趣的点是什么呢？就是跟记忆相结合了。原来我们专门录了一期视频来讲 OpenAI 有了记忆功能，现在它也有记忆功能。于是我就向它提出了要求，我说：“根据你对我的了解，我是个 Youtuber，给我推荐一些适合我的 YouTube 话题，我要去写稿去了。”然后他就开始去搜索，调用搜索工具去搜索去了。搜索完了以后说：“我发现你是专门讲 AI、讲科技、讲流量、讲创投的博主，我发现有哪些哪些话题最近是最新的，适合你去讲。”其中有一个话题呢，叫 TikTok 降低了海外直播带货门槛。原来呢是要 1,000 个粉丝才可以带货，现在 200 粉丝就可以带货了，说这个你看怎么样？我说这个不错。我说：“你根据你对我的了解，给我去写个提纲吧。”然后他就按照我的习惯，给我夸夸把提纲列好了，说 TikTok 是哪天哪天发了一个什么样的文儿，为什么什么东西，写的还很好的一个提纲。在这个过程中引用了我的记忆，调用了搜索，聚集了大量的信息。我再说：“那你再给我补充点数据和观点吧。”一般我是会有一个自己的观点，我说：“我的观点是什么什么，你给我补充进去。”然后呢，我为了论证我的观点。

我还需要哪些数据？然后，夸夸夸又去搜索，搜索完了给我补充进来。做了两次补充以后，这个提纲基本上就完成了，就完完全全可以用了。过几天咱们去讲这个“TikTok降低海外直播带货门槛”这个故事吧，这个还是很有趣的一个点。所以现在真的是每个人都能用上了。

第三个比较好玩的点是什么呢？就是图片推理。这个图片推理是非常非常强的一个点，绝对不是识别图片，然后将文字作为提示词去推理。我们很多人一看图片推理这件事，都是想的说，我们把这个图片识别一下，变成一大堆文字。不是这样。

跟大家举一个案例吧。我今天去潭柘寺了，玩我的无人机。拿我的无人机呢，在潭柘寺的外面，拍了一张俯瞰潭柘寺的全景照片。我就问O3，我说这是哪？这个建筑群的布局是什么样的呀？这个提示词就这样的。问完了以后呢，这个O3就去干活去了。他把这个图片先整个的分析一下，然后呢，放大每一块切割，说这一小块是什么，那一小块什么，把它切成一块一块的。然后对每一块进行识别，而且在切完了以后，还对每一块去调整方向，说这块好像你拍歪了，改一个方向，可能更能认出是什么来。通过这样的一个方式去推理，看那个推理过程，惊讶的我目瞪口呆，我告诉你。

最后告诉我说什么？从这张航拍来看，这是一张典型的依山就势、三层台地式布局的北方佛寺，很像北京西山脚下的潭柘寺。我没有告诉O3这是航拍照片，他就全都认出来了，好聪明。但是注意不要被骗了，照片里面是有Meta data的，就是有一些基础信息的。这个信息包括什么？拍摄时间、分辨率、色彩、空间、光圈、快门、白平衡，都在里头。还有拍摄设备那个里头，写着你是用大疆的什么设备拍的，大疆air 3S。然后呢，这个照片里还写着经纬度，因为大疆的无人机里头是有GPS的，它拍完照片是会把经纬度直接写在照片里的。完完全全可以通过这些Meta data就编出来的。

所以呢，这个到底是真聪明还是假聪明？还是说我把经纬度拎出来，把这个拍摄设备拎出来，就直接搜索一下，就给你出结果了？这个我们要往下看。他呢还给我接着讲，说这个图片是中轴对称的三进院。第一进呢叫山门到天王殿，第二进呢是天王殿到大雄宝殿，第三进呢是大雄宝殿到法华殿和藏经阁。中轴线两侧各有回廊和配殿，比如观音殿、药师殿、僧房、斋堂，左右分布对称，也有现代化的客房和管理用房。

再往后还写了一个特别有趣的东西：底层的停车场与服务中心，通过台阶与甬道与寺内各层相连。右侧的通讯塔，现代建筑。

为后期补建的配套设施，这是不是根据潭柘寺的信息搜索出来的呢？这就是我们要去问的。他到底是真聪明还是假聪明？

潭柘寺最后的一进大殿不叫藏经阁，而是叫毗卢殿。应该是五方佛中间一个，然后后边是东方、西方、南方、北方，一共是五个佛在里面，所以不一样。但是中国寺庙的默认布局呢，最后一层是藏经阁。所以这个并不是直接搜索出来的。如果直接搜潭柘寺的话，他应该写最后一层是毗卢阁。

至于底层的停车场、服务中心、现代通信塔，绝对是图片推理推出来的。因为不会有哪个介绍潭柘寺的网页去把这些东西都给你写在里头，所以还是非常棒的，可以进行图片推理。

有了这些有趣的功能之后，咱们可以通过什么样的方式来使用它呢？现在免费用户无法使用。你说我不愿意交钱，那么O3跟O4mini你使不了。Plus用户，像我这样的一个月20美金的用户，是可以使用的，但是有限制。O3每周50次，我今天大概已经使了有五六次了。O4 mini呢是每天150次，这个应该足够使。如果是每个月200美金的Pro用户，无限量使用。

API依然很昂贵。使用它的API，我可能还要稍微掂量掂量。O3每100万TOKEN的输入是10美金，输出是40美金。O4mini要快一些，也要小一些，它呢每100万TOKEN的输入是1.1美金，输出是4.4美金。应该比在美国部署的DeepSeek R1相差仿佛吧，就是基本上还是可以用的。

这种推理模型呢都是话痨模型，价格还是挺贵的。特别是10美金100万TOKEN输入，40美金100万TOKEN输出，这个非常非常昂贵。再结合上工具调用，图片推理，这个价格就像坐在日本的出租车里，看着计价器跳的那叫一个心惊肉跳。

其他的一些代理，就是这种API代理也已经开始工作了。Open Router或者其他的一些代理都可以使用，价格是相同的。只是呢，目前function call还没接上。为什么要专门强调这个？因为有些人在国内充值OpenAI的API是比较费劲的，像我就是这样。所以我使用OpenAI的API都是通过各种的代理去使用的。

还有一些什么方式可以使用的呢？GitHub Copilot里头是有GPT4 O4 mini的，但是没有GPT O3。它只有这些mini模型，它有O1，但是没有O3上来。O4 mini的话，应该是可以大范围使用的，但是前提你还是付费的。

像我是Github Copilot，99美元一年的会员。所以呢，我现在可以在IDE里边去使用它，Client和Roo Code也可以通过Github Copilot的会员直接去使用GPT-4 mini。那你说Client或者是Roo Code，我自己挂OpenAI的API或者是Open Router的API行不行？没毛病，都可以使，但是你得按TOKEN付费，那个很贵。挂Github Copilot下面的GPT-4 mini的模型的话，你有那个99刀一年的年费，就可以放心的玩耍了。

总结一下，OpenAI现在前进的方向到底是什么样的？它呢正在将各种零散的功能点聚集在一起。其实记忆早就有了，function call早就有了，推理早就有了。他一方面呢，是在拼命的去做强化学习，然后告诉大家现在强化学习scaling law依然管用。你把更多的数据、更多的算力堆进去，强化学习的效果就能起来，没有任何问题，大家好好去买英伟达显卡。另外一方面，它就把各种其他的小功能给你凑起来了，包括记忆、function call、推理、搜索呀，把这些东西给你搁在一块，你看真的好用。

其他各大模型厂商呢，在某些方面可以接近甚至赶超OpenAI，但是综合实力上，OpenAI绝对还是领先的。当OpenAI把各种新功能聚合在一起的时候，绝对是遥遥领先。它在每一个细节点上，可能都会比别人强很多。就像咱们前几天讲过GPT-4O的绘图功能，它虽然说在完整的绘图过程中，它表现力上、艺术感上没有Midjourney强，但是呢，它在文字理解上、文字渲染上，肯定是要比其他所有的这些绘图模型都要强很多的。

GPT-5现在正在路上了，甭管是今年下半年能出来，还是什么时候能出来，我觉得都是值得期待的。到那个时候就不用再去选模型了，你上来以后，他就根据你的问题直接推荐，直接给你反馈了，说我这个应该推理还是不应该推理，应该使用更大的模型还是使用小一些的模型，我应该调用哪些工具，应不应该搜索。这个我觉得还是值得期待的，就像以前我们总讲的，叫total solution，一站式服务。你进来了以后，我给你服务好就完了，至于我到底给你上了几个工具、几个模型，你就甭问了，最后是包你满意。

后边还有Sora，还是有念想。虽然Sora前面翻车了，现在大家都已经把它忘掉了，但是当它把这么多的功能聚集在一起的时候。

什么搜索呀、工具呀、推理，把这些东西跟Sora聚集在一起的时候，可能又会变出一些新的、不一样的东西出来。

Sora当年可是号称叫“世界模型”的。当它跟我们真实世界通过搜索引擎连接在一起的时候，那可能真的就要创造世界了。

好，这一期就跟大家讲到这里。感谢大家收听，请帮忙点赞、点小铃铛，参加DISCORD讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见！

大家好！欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲，前几天Sam Altman在斯坦福大学里说了些什么。

大家注意啊，这是一个闭门会议，我们现在所能够看到的信息，都是网上流传的、各种只言片语。有照片，但是呢，并没有看到全文，什么视频啊，我反而是没看到。以及根据这些只言片语做的各种总结。4月25号上午，应该是黄教主考去送礼去了，送的是DGX H200。Sam Altman，黄仁勋以及Greg，他们三个人合了一张影。下午呢，就应该跑到斯坦福去做活动去了，参加了斯坦福大学创业思想领袖讲坛，这样的一个活动。Sam Altman号称自己是这样的一个领袖，应该没有任何毛病。上千人参加，而且呢，还有给他的生日祝贺，说祝Sam Altman生日快乐。那你说，上午老黄是不是也去送生日礼物了呢？呃，严格来说不算，但是稍微宽泛一点来说，问题不大。Sam Altman是1985年4月22号生的，到4月25号，差个两三天，给你补份生日礼物，补一份生日祝福，应该也算是应有之意吧。

山毛特曼算是一个非常根红苗正的硅谷创业者。为什么这么讲呢？他是在大二的时候，从斯坦福大学辍学的。比尔盖茨辍学了，扎克伯格我印象里好像也是辍学了，很多的创业者都辍学过。斯莱姆奥特曼，斯坦福辍学，你辍学呢，就是声明你能考得上斯坦福，否则你怎么有机会从斯坦福辍学呢？热情熊熊燃烧，不能再念下去，我要去创业。我原来也碰到过一位辍学创业的朋友，就是编程猫的创始人，他呢，是当时在法国一个学校里面念硕士，也就是创新创业专业的一个硕士。到最后，来参加我们的这个创业比赛的时候，他说：“哎呀，再不创业就要毕业了啊。再不辍学就毕业了。”当时讲了这么一句名言，我们记到现在。所以，山伯奥特曼是一个根红苗正的斯坦福辍学创业者。那么他讲了几件事呢？

首先，他提到人工智能的发展很快。他说，GPT4已经指明了方向，然后大家就去抄袭。抄袭是很容易的。他并没有具体说谷歌抄袭了还是苹果抄袭了，而是说GPT4树立了标准，树立了标杆。于是，各大厂商就围绕这些标准进行追赶和超越。这就是从GPT的发布以后，大家做的事情。现在我们做这么多的模型测试，总是在某个模型上宣称超越GPT4，或者在特定场景里超越GPT4。他们到底是怎么做的呢？其实都是在GPT4出现后，基于它设立评测标准，再去追赶。

GPT4真正起到的作用，就是帮大家设立了一个标杆，让大家按照GPT4的周边去设立评测标准，然后追赶。山奥特曼还说，GPT4是一个很愚蠢、很尴尬的东西，我们现在不得不与它聊天。他提到GPT5快出了，会很强大。他强调了缩放法则，也叫Grading Law，它依然没有过时，依然有效。随着规模和数据的扩大，性能或结果会继续变好。用他的话讲，当缩放法则依然成立时，就可以大力出奇迹，堆更多的GPU和数据进去，训练出更好的模型。

来举一个缩放法则起作用的最现实案例：比如通1,000问，在拉玛3出来以后，马上又出了一个新的模型。原来统计千万开放出来的模型是72B，但拉玛3的70B明显超越了通1,000问的72B。那么，通1,000问…\n应该是在昨天还是前天，发了一个新模型，叫通1,000问110B。虽然我比拉玛3的70B要大那么一点点，但是呢，我的性能比他好啊，输出的结果要比他强，各种的评测指标都比他好。再往后是什么？再往后统一前面说了，我们准备出2.0。那么在这个过程中，缩放法则到底是怎么起作用的？你看拉玛3出来了，70B啊，效果比我好了。那怎么比我好的呢？拉玛3其实整个的训练数据集是非常大的，就是他训练70B，虽然参数只有70B，但是他数据集啊，要比现在咱们使用的正常模型都要大非常多。它的整个训练模型，数据质量都是很高的，所以它可以得到70B质量最好的这个开源模型。通1,000万说不，我们即使不调整算法，不调整数据质量，我只管增加模型参数，就可以达到拉玛3 70B的水平。他就出了一个110B，而且拉玛3说，我已经把该公开的公开了，指明方向了。你只要是用更多的数据去训练，用更好质量的数据去训练，你就可以训练出像拉玛这样的模型来。通1,000问同意，那我来了啊，我准备上通1,000问2.0。前面是我们在用的是通1,000问1.5啊，那么2.0呢，大家可以想象，这一定会用更多的数据，更高质量的数据，就像拉玛3那样的数据，再去训练，他就有可能在七十几B的这个模型下，可以超越拉玛3 70B，对吧。所以这个事情大家依然在同一个路上，再往前怼，或者你们管这个过程叫内卷都行。但是GPT5不一样啊，GPT5上来以后会干嘛？会树立一大堆新的标杆，一大堆新的标准，在这些标准上，一开始就只有他一个人，然后再等着其他人慢慢往上追。这是人工智能发展的很快。第二个讲的是什么呢？叫开源并不是一个好的途径啊，因为很多人说哎，你open AI你怎么不开源呢？特别是跟埃罗马斯克吵了半天，埃罗马斯克说：“你应该把名字改成叫close AI，你不能叫open AI。”这个肯定要回应一下了。那回应的方式是什么呢？就是open AI的目标啊，不是开源，而是AGI，叫通用人工智能，让机器可以像人一样去思考问题。而我们并不认为开源是更好的一个途径，而是什么呢？他认为免费、无广告的GPT才是更好的途径，因为什么呢？开源了以后，真正能够用开源代码的人其实是很少的，对吧。绝大部分人是直接使用GPT去聊天的。而如果我能够免费、无广告的给大家用了，那么这个不比开源效果更好吗？他是这样来去讲这个事情。

前面我去猜测过，如果GPT5出来以后，GPT4会不会免费。我觉得，从他现在讲话的这个呃透的口风来说，这个可能性是存在的，而且很大。那么GPT4一旦免费了，国内什么文心艺言啊，这些付费的大模型，包括cloud 3这样的模型，估计日子就不好过了。

Sam Altman想要干什么呢？让所有人都可以获得人工智能的服务，让AI服务在全球范围内变得极其廉价和广泛可用。我不知道这个全球范围内算不算中国，让他立这个雄心壮志吧。那能咋办呢？等哪天看Sam Altman到中国来，谁接见他吧。他应该没来过吧，我印象里是他没来过。然后呢，要消除不平等。现在很多做open AI、做AIGC的人，都在想去怎么通过AI消除不平等。从这一点上来说，我个人表示不认可。为什么？我从来不认为工具的强大可以消除不平等，工具越强大，不平等越厉害。搜索引擎出来的时候，大家就应该不会再上当受骗了，但实际上，搜索引擎对于各种的欺诈，一点碰触都没有。绝大部分人是不会去用的，哪怕搜索引擎是免费的，是每一个人都可用的，依然有很多人会去相信。各种街谈巷议，这样的事情，所以我并不认为AIGC就可以改变这个问题。啊，它如果免费的、无广告的，让大家省差的GPT了，那这个钱的问题怎么办呢？啊，他也讲了，说烧钱啊，我就去烧啊，5亿、50亿、500亿美金，我去烧去，无所谓啊。他觉得我并不认为这是一个多大的事。那么奥特曼也是很神奇，要只要我坚持下去，不断的找钱，为社会创造价值就可以了。这个呢，真的是颠覆很多人的认知。为什么他不符合商业逻辑？他是一个反商业的过程，因为大家注意，这里头有一个很关键的一个字，叫什么叫找啊，不断找钱。谷歌是这么干的吗？不是的，微软、亚马逊，任何一个互联网巨头或传统巨头，都不是这么干的。而现在他说我要去找钱，那么找钱跟前面有什么区别？前面的钱那叫赚钱，我赚了钱再去花，而且赚了钱花了以后呢，要量入而出，还要跟所有的股东去分红，对吧，这是传统的商业模式。在互联网之前，最早的商业模式是我造出一东西，你来买，然后我去赚差价，或者我倒腾一东西，我从左手进右手出，我赚一差价，这是传统的方式。互联网呢，是已经在这个地方做了一个进步，他是什么呢？我分配流量，我来赚这个差价，赚这个流量费，对吧，他找出一个新的到山茅，他班长说来哼，我烧钱创造社会价值，烧的钱我自己去找，最后怎么能够让商业进行闭环，还是说整个商业的理论会再往前发展，让整个的社会来为他去买单？这个事情啊，怎么能够让他循环起来，我们还是要拭目以待。这确实超出很多普通人的理解范畴了。

关于创新和创业，他讲了些什么呢？啊，他说，不要针对当前GPT4的缺陷去做任何事情，在这块去做项目的团队，最后会被GPT5覆盖掉的，甚至会被GPT6覆盖掉。所以哪怕是GPT底层有什么问题…\n你在这个基础上做了些什么东西修改？

这事是不对的。

跟大家讲一小故事。就是我曾经有一次，跑去谷歌北京办公室去吃早饭。当然，目的不是吃早饭，而是为了见谷歌大中华区——应该是香港那边过来的——一位商业的负责人。当时在猎豹移动，给他去推荐猎豹移动相关的产品，希望能够得到谷歌的一些扶持。他问我：“你们这个Cleanmaster是清理大师嘛，到底是清理内存啊，还是清理磁盘啊？”当然，讲的是英文，就是“clean disc”或“clean memory”。我们一堆人都去了，其他人没听懂。我的英文也很不好，但是我就突然反应过来了，这可能他们也在想应该怎么回答这个问题。其实Cleanmaster是两个都清理的。但我当时就灵机一动，一拍脑袋，我说：“我们只clean disc，绝对不碰memory。”我们一起去的同事很诧异的看着我，你为什么会回答这样的一个事情？我明明两个都清理了，而且清理了内存才会有用户体验，才可以让用户觉得手机变快嘛。但我还是坚持说了：“我们只清理硬盘，不清理内存。”他们也不好意思来反驳我，毕竟是在外人面前嘛，哪怕是我说错了。我在当时，级别也不高，回去再收拾呗。但是呢，这句话说对了。为什么呢？谷歌的这位领导就跟我们讲了，说你做的对，你就不应该去清理内存，那是安卓操作系统该做的事情，你不能干预。如果你去清理内存，相当于是什么？在安卓操作系统所控制的内存里边去做了一些手脚，这是会对整个安卓操作系统造成影响的，是会让安卓系统的整个稳定性下降的。这事不该你管。安卓的硬盘管理做得比较烂，磁盘管理也比较烂。那么，你去清理一下是没有问题的。这个是没有问题的。所以，当时不能叫龙颜大悦，但谷歌的那位领导肯定是比较开心的。等我们都出来以后，其他的人，包括我的领导，他们也想过来，问：“为什么是这样的？为什么我去做了这样的一个回答，为什么对方很开心？到底说对了什么东西？”都想明白了以后，他们就异常愤怒。然而，并不是生我的气。我在当时把这个话接对了，还是算立功了的。他们生的气是什么呢？他们认为，谷歌原来标榜自己是一家开放的公司，是一家不作恶的公司，但其实，人家是“我这一亩一亩三分地，我说了算”。你在我的规则内去玩耍，我允许你，我的规则没得商量，就是我定的。你不要来跟我商量，我的规则应该怎么定。他们这一次算是彻底认清了谷歌到底怎么回事，然后才整个的把所有的广告业务从谷歌转到Facebook。

这个咱们讲远了。现在Sam Altman讲的这句话其实是一样：你认为GPT4哪没做好，你想把它打一补丁，你想在这个里边去获得一些新的用户，别干这事。这是我该干的，这个我该定规则的，你们别摸这个东西，摸了我就弄死你。对吧，所以大家一定要记住我刚才那故事，引以为戒。然后，他讲到Sora会融合电影和游戏，会有新的创业方向。这个其实，我觉得Sora到现在为止，还没有给大家用起来，它就号称可以融合电影和游戏了。我们还要去看Sora整个的工作流程和成本模型，到底怎么能够让它可以跑起来。这个我觉得不一定行。为什么呢？因为山伯特曼也好，OpenAI也好，对于商业化本身的理解是很奇怪的。就像刚才我们讲的，OFI做了半天，他去找钱，他不去赚钱，也没有想着量入而出，而是我创造了社会价值。自己去找钱，去把这窟窿填上就完事了。所以，他们的商业化能力啊，反而至少，按照传统的商业标准来去判断是有问题的。啊，然后呢，还讲到说人工智能的创业公司呢，还是要注重现有的商业规律的。Open AI 算是一个降维打击了，就是我就不管商业规律了，我就上了啊。其他的在 Open AI 基础上的创业公司，你们还是要老老实实去赚钱的哈，就是我这条路你们别抄啊。这个也是讲的比较有趣的一点。

然后呢，讲到了国际象棋，说这个国际象棋呢，现在 AI 已经永远胜利了，就是人现在已经下不过 AI 了，但是呢，人们还是很喜欢看人下象棋，而不是看机器下象棋。另外呢，他也举了个反例，青少年喜欢和人工智能的心理治疗师聊天，而不是人。这两个例子一正一反，算是一种很好的思考方向。为什么呢？他在讲说，人与人工智能的关系与边界，到底在什么地方，什么时候需要人，什么时候需要人工智能，以及未来 AI 产品和服务的形态，应该怎么去设计。这个才是现在大家需要去思考的东西。

讲完创新和创业之后呢，他也要回复一下，说 Open AI 的组织架构是什么样的。因为很多人在攻击他嘛，特别是跟艾伊龙（Elon Musk），艾隆·马斯克的官司也还在进行着。所以他要解释一下，他的解释是什么呢？就是，组织架构是为愿景和使命来服务的。我们只要不忘初心，想着我们一开始设立的什么愿景，什么使命，这组织架构并不重要。我们前面变了以后还会接着变，我们就会一直为了我们的愿景和使命，不断的去调整。用当时最符合这个愿景发展的这种架构，去运营公司就好了。我该是非盈利组织的时候，我就做非盈利；我该是赚钱的时候，我让他赚钱。该谁说了算，谁说了算，只要是能够对我最终的愿景好，就行了。这个也算是一个漂亮话吧。还是要说的：最后讲了一下，人工智能的社会意义在什么地方。他说，社会需要为技术进步做好准备，这个是很重要的。因为现在大家对于Open AI，对于整个这一次的AIGC，最担心或者攻击最多的地方是它发展得太快，日新月异。不像以前，放一个新技术出来，需要几年甚至几十年的时间进行逐步替代。而现在，这东西真的是天天在进步。刚才我们讲了，拉玛三出完了以后，同意签约就要赶快出，争分夺秒的出。这个对于现在社会来说，是否准备好了，不好说。你比如说，今天一下就把律师、医生都替代掉了，那么律师和医生该怎么办？哎，韩国的医生回去上班了没有，不知道啊。人家说，只要是医学院多招点人，他们就要去罢工。那如果哪天Open AI说，我把医生替换掉了，那这个事也是社会需要一个时间去做好准备。

现在的社会呢，已经准备好接受更好的PPT了。讲到PPT4出来的时候，整个社会震惊了两周，都在问PPT4已经这么厉害了吗？怎么可以这样。我觉得PPT3.5出来的时候，整个社会大概震惊的时间更长。对吧，他说到现在，已经在说什么时候可以看到GBT5了，大家已经做好准备，准备迎接GBT5了。再把GPT5拿出来，已经不会有那么大的震惊了。这是他现在觉得社会已经准备好了，但其实这个过程依然是非常快的。

他在讲，社会应该跟技术一起发展，这个我觉得是非常重要的一句话。为什么？一旦技术发展了，社会没跟上，是会乱套的，对吧，那么社会是会发生动荡，甚至是有可能会有战争，会有这样的惨剧发生。他觉得他已经给了社会足够的时间来适应，社会已经发展了，我可以再往前走一步了。然而我们讲，就是他怎么来判断呢？就是其他人，包括Cloud 3，包括GMD1.5，已经达到GPT4水平了，你们觉得这事没毛病了，我们再接着往前走下一步吧。有了新的工具，啊，人类总会有更大的创新。他讲的什么呢？就是很多人在讲，说啊，GPT 上来以后，人类的创新是不是会被扼杀掉？他说不会的。历史告诉我们，每一次有新的工具被发明出来，人类可以用起来以后，总都会有一些更强有力的或者更高等层次的创新会出来。我们更会用工具，更会用杠杆了，所以不用有这个担心。这点我倒是认可的。就是啊，当 Open AI 把更好的 GPT 带到我面前来，更好的大模型带到我面前来以后，整个社会的创新会上升。但是我一直觉得，整个社会的创新虽然上升了，但是这个里面真正能够参与进去的人，肯定还是一小群，而不是像他讲的是在 AI 面前人人平等。绝大部分人，还是不会参与到这个里边来的。就是精英会变得更加强大，其他的人，就彻底的使用“奶头乐”就可以了。大概是这么样的一个未来吧。

好啊，这就是山姆·奥特曼在斯坦福大学4月25号的这个演讲，或者说这个活动上所讲的这些内容。我根据外面的一些总结，跟大家讲一讲我的想法。好，今天就讲到这里，感谢大家收听。请帮忙点赞，点小铃铛参加 disco 讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。\n