大家好，欢迎收听老范讲故事的 YouTube 频道。今天咱们来讲 GPT O1 发布，科技大爆发应该会到来。草莓模型终于发布了。今天我太太还问我说，这个模型发布了，对于你们这些科技圈的人来说，算是意料之外，还是算意料之中？这个事情直接把我问在那了。

其实，每一个人都希望赶快把草莓模型发出来。但是 OpenAI 从今年年初开始公布 Sora 到现在，他吹的牛有点太多了。到现在为止，这是我们真正见到的能够用的产品。虽然 GPT4O 也是能用，但完整的 GPT4O 其实到目前为止，一直没有彻底开放出来。而这个 O1 上来直接就开放了，今天早上凌晨 3 点突然上线，哐往那一挂，大家愿意用的都可以去用了。我自己也去用去了。他呢，也换了一个名字，叫 GPT-O1。所以呢，这就不是 GPT5。

未来可能会走两条路，一个是继续走这种直接进行语言生成的，而 O1 这条路，走的是深度思考，要去反思一个问题，要深思熟虑以后才去回答。所以他有可能两个路要分开走，而且两个模型可能会相互配合着使用。

现在的 OpenAI 呢，就跟 O 干上去了，OpenAI 以 O 开头嘛，它后边的仪态产品基本上都是 O。GBT4O 这个 O 叫 Omni，意思是全能。下一代大模型，也就是大家等待的 GPT5，它的模型的名字叫 Orin，猎户座。而现在的 GPT O1 意思是从零开始计数，从头开始。

这是一个什么样的大模型？他深思熟虑，具体里边是怎么做的，这个都是大家在猜，或者有一些很简短的文章，因为现在他也不开源，OpenAI 变成 Close AI 了。这个东西到底内部如何实现呢？大家只能猜。

现在就可以用 Plus 用户，像我就是 Plus 用户，一个月 20 美金，可以用到两个版本，一个叫 O1 Preview，预览版，应该是在正式的 O1 版本上裁剪出来的一个版本；另外一个叫 O1 Mini，O1 Mini 是要比 O1 Preview 还要再小一些的版本。但是这个额度非常少，少到什么程度？O1 Preview 一周 30 次，我今天大概已经用了有十来次了，后边几天我要省着点用了。Mini 是一周 50 次，真的是没见过这么抠搜的模型。以前的都是三个小时多少次，或者一天多少次，甚至有一个小时多少次，而现在这个 O1 都是一周几十次。所以用的时候一定要小心。

有人在去传说，准备上 200 美元一个月的 Preview 版本，这个属于传言。今天还去问了 GPT4O，被辟谣了，说我们不准备干这个事。
就是20美元一个月的这种Plus版本，我就让你用，只是数量少一些。未来，我们会想办法把这个数量提升上去的。这个O1的测试数据非常亮眼，数学能力极强。在2024年美国数学邀请赛上，能够达到全美前500名优秀学生的这个水平，这是非常吓人的。然而，他这个数学邀请赛应该是中学生，文中并没有说明到底是初中生还是高中生，但能够达到前500名的北美学生参赛水平的，已经非常高了。

物理、生物、化学方面，可以直接达到博士生的水平，这个也是很恐怖的一个能力。编程能力得到了极大的提升，在信息学奥林匹克竞赛里头，超过半数的参赛选手，如果是打开常考，让他慢慢的想，让他多试几次，是完完全全可以得到金牌水平的。在Code Forces平台做竞争性编程比赛上，已经超越了93%的程序员，已经算是一个比较资深的程序员了。

我自己也在里边做了一些编程的测试，确实非常的猛。我去向他提出一个很详细的要求，我说我现在要做什么事情，希望使用哪些技术，希望效率怎么提升，在界面上怎么去设计。当然，这个提示写的比较长，写完了以后，啪一回车，首先是漫长的等待。不是说啪一回车就出来了，这东西挺慢的。等一会以后告诉你说，应该在哪个地方，怎么去装环境，第一步做什么，第二步做什么，哪个里头有哪个文件，这个文件里写什么东西，啰里八嗦写了巨长的一段。我发现O1这个玩意是非常话痨的一个大模型。

而如果你不是像我这样用Plus版本去直接调用，而是说我要用API去调，那你就上了当了。他会啰里八嗦说半天的，而且他那个TOKEN的费用奇贵无比。那么，为什么讲这就是科技大爆发即将到来？O1其实并不是给普通人用的，普通人去玩GPT-4O就已经足够了。O1这种东西其实是给科学家、工程师、程序员用的工具。

现在限制科技发展到底是什么？其实数学是限制科技发展的一个很重要的因素。因为数学越往后发展，其实越反人性，必须筛选出极少数的数学天才，才能够继续往前面去前进。而且人类为了达到当前科技的高度，必须进行非常长时间的学习。你想，一个小孩从出生一直上到博士，可能研究才能研究点东西出来，这个时间得二十几年，甚至是三十年你才有可能能够学完。学习的成本是非常高的，而且筛选也很严格，因为学习成本很高，必须要选出最能够去学习的人去学。

但是筛选的过程又未必科学合理，不一定说一个筛下去的人，他就比进去读博士这个人差，也许你换一个人上来科技就发展了。
但是这件事我们不知道，没有任何可以试错的机会。在学习的过程中，也会扼杀创新力，因为我们不断地学习，实际上就在学习前任的方法，这会造成路径依赖。所以，其实是导致现在科技很难再往前走的一个很重要的原因。而且，我们必须要阅读大量的信息文献，才能够去做研发。为什么呢？如果不读，你只能重复造轮子。有没有人做过这个？没有查重，那你折腾半天做完了以后发现，哎，20年前有人做过了。这也是很正常的。而且，人的大脑不是说我读了大量的信息和文献，就可以去做新的创新的，而是什么呢？我们的大脑像掰棒子的狗熊似的，你把新的东西进来以后，就把旧的知识可能忘掉。你要想始终得到一个最新的知识，在这个基础上去做研究，这还是非常难的。

但是现在有了O1的帮助，这些问题其中一部分就可以解决了。我们不再需要进行严格的筛选，不再需要进行漫长的学习，让更多的人可以进来进行科学创造。整个科技大爆发，可以带来不同的变化。很多科技前沿的关卡，其实已经开始松动了。学习筛选的过程也必然会发生改变，以适应O1之后的科技研究。

我个人用的体验到底怎么样？首先说，个人使用O1的体验并不好。为什么？第一个是很慢，这刚才我讲了，一个回车下去，你要在那等。而且很贵，如果使用TOKEN API直接调用O1的成本，要比我们使用GPT的各种模型都要贵很大的一个比例。而且给的配额还非常少，你想，一个礼拜才给了你50次，这个事实在是让你不太敢打回车。

编程问题我去试了一个，刚才我们讲的说你给我写一段程序，他思考了多长时间？两分钟。你打完回车以后，两分钟他没理你，做完了以后再告诉你说我们整个用了两分钟，才给你输出了一个结果。每周三50次，这确实是有点费劲。

那贵到什么样的程度？O1 Preview的价格是GPT4O的3-4倍，输入100万TOKEN是15美金，输出100万TOKEN要60美金，这个是非常重的一个价格了。因为我们去写编程那个题的时候，刚才我说他写的特别话痨吧，直接输出了8,000多个TOKEN。按照100万TOKEN 60美金算的话，我等于那一次回车下去，我就已经花了大概0.5美金出去了，所以这玩意是非常贵的。

O1mini要稍微便宜一点点，100万的输入是3美金，输出是12美金，但是MINI可能有一些效果会稍微差一点。那比较一下4O，100万的输入是5美金，输出是15美金。
这个已经是现在大家可以用到的比较好的模型了，而4O mini就是4O蒸馏出来的小版本。100万的输入才0.15美金，100万输出是0.6美金。所以我现在大量的这种模型工作，都是使用的4OMini。而且现在API的调用还非常不完善。

怎么个不完善法？第一个，不允许加系统信息。你正常跟人聊天的时候，你说的话叫用户信息，他回复叫助理信息。正常我们去跟OpenAI聊天的时候，还有一个信息叫系统信息，我们先设定你是谁，张三李四，你擅长什么事，这叫系统信息。现在这个O1呢，是不支持系统信息的，也不支持函数调用，还不支持流式输出。

流式输出是什么？我们在GPT上跟人聊天的时候，GPT都是一行一行一个字这么出来的，因为它出的慢。如果你不是随想出来点什么，随出就会等很长时间。而这个O1压根就不支持这功能，你只能是打完回车生等，等到他彻底算完了以后，啪一把吐出来。Plus用户呢，直接就可以用，但不是很顺畅。为什么呢？他不能访问网页，现在只能是用他已经训练好的数据去给你回答，而且也没有搜索的接口。

思考的过程建议大家不要打开，因为你在这个Plus版本里头说，“现在O1不一给我去回答一个问题”，你打完回车以后，他告诉你说，“我现在在想，我在思考，我有一些什么样的问题。”他在不停的在变化。这个东西呢，如果你点他，给展开一个思考过程。我点开过，我问了一个问题以后，发现他思考的有中文的、有英文的，还有阿拉伯语的，讲的东西基本上是驴唇不对马嘴，完全在胡说八道。但是最后输出的效果并不差，只是中间思考的过程，我估计是什么呢，随便给你写一点信息，让你不要太着急。

所以这个中间思考过程大家就别点开看了。O1这一次的发布其实是非常匆忙的。为什么呢？第一个是钱真的不多了，要尽快完成融资，否则以OpenAI的尿性，肯定还是说我们再放个气球出来，放一个视频出来，让大家慢慢等，而不是说直接咔就把东西扔出来了。现在马上要融钱，据说他们准备融资60多亿美金，再贷款50亿美金。那么这些钱加一块，大概也就够他烧个半年或者八九个月这种水平，再往后可能还得再去找钱。

所以在这种情况下，有一个新的模型发布，对于他找钱来说是比较有好处的。而且O1的很多体验并不好，很多GPT上实现的功能其实都没有实现，包括刚才我们讲的不能接网页、不能接搜索、不能去做流式输出。
而且呢，还没有任何的多模态。比如，你要给他一张图，他认不出来。想让他去做题吧，你必须要先用GPT-4O把这个图识别好了，再把这个识别出来的题扔给他，再让他去做。他自己没有这个能力。而且O1其实并不太适合广大民众，广大民众真正需要的可能是他Orin猎户座大模型啊，而现在那个还没出来，到底什么时候出来不确定。OpenAI最近也不断有员工在离职创业，这对于吹了太多牛、拿不出产品的OpenAI来说，会造成非常多的困扰。

即使有这么多问题，GPT O1不是那么完善，但GPT O1依然是一个划时代的产品。O1应该怎么用？大家知道最早的程序员是怎么干活的吗？最早的程序员应该这样，首先在纸上写代码。那个时候这个机器是非常紧张的，不是说随时就有啊，个人电脑是很靠后才有的。所以呢，早期程序员都是在纸上写好代码，写完代码以后，拿打孔卡或者是打孔纸袋去编程。在这个袋子上打完眼以后，约时间，说我什么时间是要去上机。你要去约，约好了以后，到机房把这个纸袋也好或者是打孔卡也好，装到这个机器上，咔咔咔给你输进去，漫长的等待，在回收结果。回收完了以后，如果发现有错误或者不满意的地方，回去接着改程序去啊，然后再约下一次去上机。最早的程序员是这么干活的。为什么这么干？就是因为资源太少。

O1的使用其实可以参考刚才我们讲的过程。第一个，GPT Plus的账号上每礼拜只能使用几十次，所以一定要珍惜。第二个，就是很昂贵。如果你说我不希望被它限制，我要到这个API上直接调用，那么这个确实是可以突破限制，你愿意使用多少就使用多少，但特别贵。另一个就是反馈很慢，你不可能得到实时结果。

那么现在我是怎么用的呢？第一个，先用GPT-4O或者是4O MINI这样的模型整理提示词。我先要说我要干什么，请把提示词给我写好，要给你省一个非常复杂的提示词。在这个基础上你再改，改完了以后再让GPT-4O去给你修改，得到了一个完整的提示词，要把该问的事情都问好。做完了以后，满意了检查过了，一把塞给O1说行，这就是我要干的事，你去干去吧，进行漫长的等待，可能等个几分钟，接收完整的结果。因为他不能像4O似的，我随时聊，错了以后我再纠正你，我再告诉你哪错了，再给我改一改。他没有这个机会，因为交互次数实在太少，而且很贵。这是GPT O1的一个使用方法。如果你说我现在想用O1去解决一个问题了，建议你们像我这么干。
先用GPT-4O去整理提示词，整理完了以后，一把扔进去。这可以把这些珍稀的使用机会应用到最大价值。再往后，可能很多AI创业的厂商又该有噩梦了。现在，AI agent的创业公司，噩梦又轮到脑袋顶上了，因为每一次OpenAI发布产品，都会有创业公司突然死亡。

AI agent干的是什么呢？就是人工规划设计流程，将复杂的任务分摊到多个大模型，最终获得一个可用的结果。而GPT-4O基本上是把上面的活儿都替你干完了。你给它一个复杂任务，它替你分拆，分拆完了以后一步一步去思考，思考完了再反思，去检验结果，在结果里挑一个最好的，再把这个结论扔出来给你。

我们自己去设计的这些工作流，可能还没有O1内部设计的工作流合理。他这个可能又高效又合理，所以大部分当时做的AI agent，现在都没有什么用了。那么O1算不算一个端到端的系统呢？这个怎么说，响应速度和想一想的过程，说端到端稍微有一点点亏心。

那么现在GPT O1还不适合融入AI agent，因为它实在是太慢了。以前的AI agent要重新做，重新规划。怎么规划？原来的AI agent是很多小模型，通过一个流程处理一个明确的需求，然后再拼凑出结果来。那么现在就应该换了，还是用一堆AI小模型，在人工参与下，输出完整高质量的提示词。这应该是AI还可以干的事。

再把这个提示词扔给GPT O1，得到了结果之后再干嘛？再用那些小模型或者执行代码，再去把GPT O1的结果去分解。说到底要去做哪些操作，哪些的代码要去修改，哪个地方要去建文件，要把这个事情自己再去处理掉。因为这个O1后边的部分都没有，它只是负责把要求出进去，它把结果扔出来，它就干这件事。

GPT O1带来进步，肯定也会带来一些毁灭或者一些伤害，这个事永远都是这样。我们发明枪会有伤害，发明炸弹可能有伤害的，包括计算机也是对社会有伤害的。O1这样的东西，它会对社会带来什么样的伤害呢？第一个，原来我们一直思考的叫有钱人不作恶理论，这个事被打破了。很多人说不对啊，都讲万恶的资本，怎么有钱人就不作恶了呢？

大家想这样一个例子：一个有钱人跟一个穷人过独木桥，每次只能过一个人，这时候该怎么办？通常有钱人会向后退，让这个穷人先过去。为什么呢？因为有钱人身娇肉贵的，如果真的掉下去了，或者出点什么事，这所有的东西就都没法享受了。而穷人呢，一条烂命，其他啥也没有，他输得起。
但有钱人输不起。所以呢，以此为基础，很多西方人认为，只要财富积累到一定程度以后，就不会去做一些特别过分的事情。你会维护社会的规则，继续运转下去。这个也是很多西方人认为大模型不作恶的一个原因啊，因为大模型训练实在太贵了。有钱人是不会花了这么多钱去训练一个大模型，跑去干一些坏事。对于他们来说，没意思。

我记得以前，我们也遇到过类似这样的问题。那时是买瑞士军刀，一个东西一个刀好几百上千。我就问那个卖瑞士军刀的人：“我说这玩意这么老长，算管制刀具吗？”后来人家那个店长也跟我乐，说：“您见过买上千的刀出去挡人的吗？买上千的刀的人都是搁家里摆着的。有钱人是不干坏事的。”

但是GPT-01出来以后，这个就被打破了。为什么呢？失控了。现在不需要那么有钱，也不需要那么天才，每个人都有机会推动科技进步。那么，藏在深山或者地下室里的科技怪人，可能就会越来越多。甚至很多民科，我们管它叫民间科学家。以前这些人只能骗东西，他们是做不出真正的玩意来的。但是现在有了GPT-01后，这些科学怪人和民科，就有可能做出奇奇怪怪的东西来。

那么，社会就会从一个稳定的金字塔状态，变成了散乱的一团沙丘。原来你必须要汇集起整个社会的动力，来供养金字塔尖上的一点点人，成为大的科学家，汇集资源，才可以去做科研。现在不用了，我们拿这样的工具，每个人说：“哎，我想设计一个什么东西啊。”跟咱们看美剧有一个美剧叫《Young Sheldon》，人家小孩坐在家里捅吧捅吧，想去做核反应堆的，可能未来这个事情就会变得越来越容易了。

而且GPT-01其实依然会产生幻觉，他也经常会说错、忽视，认为经过反思、经过很认真的思考以后，他说的就不错了。而且GPT-01的幻觉，它的危害要比传统的这种幻觉要大得多。

咱们先讲一个著名的哈雷彗星笑话吧，大家理解一下这个幻觉是怎么产生的。这个故事是在1910年，当然也有一些其他年份的说法，反正就是哈雷彗星来的那年。故事的重点是信息传递的一个偏差。

说某部队一次命令传递过程如下：少校对值班军官说明天晚上8点左右，哈雷彗星将可能在这个地区看到。这种彗星每隔76年才看见一次，命令所有士兵着野战服在操场上集合。我将向他们解释这一罕见的现象。如果下雨的话，就去礼堂集合。我为他们放一部有关哈雷彗星的影片。讲的就是这样。

然后值班军官就对上尉说：“根据少校的命令，明晚8点，76年出现一次的哈雷彗星，将在操场上空出现。”
如果下雨的话，就让士兵穿着野战服列队前往礼堂。这一罕见的现象将在那里出现。上尉对中尉就说，根据少校的命令，明晚8点，非凡的哈雷彗星将身着野战服，在礼堂中出现。如果操场上下雨，少将将下达另一个命令。这种命令每隔76年才出现一次。

中尉对上士说明晚8点，上校将带领哈雷彗星在礼堂中出现。这是每隔76年才有的事情。如果下雨的话，少校命令哈雷彗星身着野战服，在操场上去。上士就对士兵说，在明晚8点下雨的时候，著名的76岁的哈雷少将，在少校的陪同下，身着野战服，开着他的彗星轿车，出现在操场前往礼堂的路上。

这个实际上就是一个幻觉产生的过程。当搜集更多的信息，而且在这个里边进行反复的推理、反复的传递的时候，那么，产生幻觉的过程就会几何级数上升。虽然GPT O1在推理的过程中，采用了一些手段来规避幻觉，输出一些内容以后，他自己会检查，会反思，但是你毕竟是经历了这么多的步骤，人家也是想了好几分钟才想出来的。综合算下来，他产生幻觉的几率还是在上升的。而且GPT O1也没有那么靠谱。

我用最传统的老虎过河的问题去问了GPT O1，依然是错误。老虎过河，就三只母老虎带着三只小老虎，从这个河的一岸要到另外一条岸去。三个母老虎会划船，三个小老虎里头有一只会划船。任何一个小老虎在没有母亲的陪同下，遇到其他的母老虎就直接被吃掉了。有什么方法可以让所有的老虎都过去？每条船上应该是可以走两个老虎，船上每一次至少要有一个会划船的老虎，而且呢，船必须是老虎划，不能自己从南岸到北岸，或者从北岸到南岸。

这个题呢，每一次GPT出什么新版本的模型了，我都会问，包括GPT Gemini cloud都去问了一遍这个GPO1。本来我是对他抱有巨大的这种期望的，你一个反思、推理这样的一个模型，做这种题还不是手到擒来的吗？结果依然是错的。在这一件事情上，他并没有比GPT4O强到哪儿去，还是到了第三步就直接出生错误。我就纠正他，这个特别有意思啊。第一次告诉我说我这样这样做，我说你哪哪有错。当你做成这样的安排以后，哪个小老虎就被吃掉了啊？他说对不起，我又搞错了啊。他又想了几分钟，告诉我说我换了一个思路你再看看。我告诉他，你这到同样的一步上，你犯了同样的错误，是另外一只小老虎被吃掉了。

这个时候特别逗，PPTO1就告诉我说，我发现了你这题有问题啊，这题是无解的。你应该调整一下这个题，让每条船上可以多坐几个老虎。
这给这个条件放的稍微宽松一些，否则这个题做不出来。那最后，我是把正确答案告诉GPTO1了。PO1把这个答案验证了一下，后来说：“你说的是对的啊，这个第一步应该怎么办，第二步怎么办。”整个都帮你验算了一下，都是没毛病的。

GPTO1并不能解决所有问题，而且像CPTO1这样的东西，为什么说它可能危害更大？所有要求把手放在方向盘上的自动驾驶，其实是最不安全的。你说我如果就要自己开车，这个事其实还是挺安全的，或者说我们符合一个驾驶安全的一个平均数。那你说我这已经彻底安全了，不需要方向盘，车上压根没方向盘，那这个事也没问题。

但是你说我现在有一部分副驾驶，你还要把手扶在这个方向盘上，你还不能睡觉，这个其实是安全隐患最大的。而现在的GPTO1呢，其实就是这样的一个状态。它能够解决一部分问题，但是具体哪一部分它解决不了，它自己也不知道。然后我们如果信任它，那就经常，它会把一些错误埋在整个的研究里边去，而且是很难被找到的啊，就会帮助大家去堆积“史山”。这是GPTO1绝对会干的。而且在这个过程中，如果它前面输出的效果非常好，那么它就可以累计人类对它的信任。后边它在输出错误结果的时候，被人类忽视，直接漏掉，直接放到研究报告里边，这个几率就会上升。所以现在还是一个比较危险的状态。

总结一下，GPTO1在今天早上凌晨发布了啊。这三点虽然并不完美，但是呢，依然是划时代的产品。之所以说划时代，是指明方向了啊，OpenAI老大的位置保住了。因为原来做到GPT-4、做到Gemini 1.5、做到Claude 3.5的时候，大家觉得没有前进方向了，我们把能干的活都干完了。现在O1出来，哎，大家向这个方向卷。当这个方向一指清楚了以后，谷歌、Anthropic，包括国内的各个厂商，就要开始去追赶了。

而且这一次OpenAI不一样，不是说上了一个，放个视频就完事了，而是真的让大家用上了。那么国内肯定会冲的啊。最后，英伟达应该会冲，因为一旦有这种新模型出来以后，所有的大模型厂商就会集中起来，更多的显卡进行训练。另外，GPTO1这样的模型进行推理，应该也是需要更多的显卡，而且可能只能上英伟达的，专门为Transformer优化过的那种LPU什么的，估计会有些捉襟见肘了。

在未来一段时间里，大家可以继续相信AIGC就是现在唯一的出路，大家可以继续在这条路上狂奔了。这就是我们今天讲的第一故事。

GPT5如果再不出的话，可能就没有机会了。大家好，这里是老范讲故事的YOUT5频道。今天咱们来讲一讲OpenAI现在身上的压力到底有多大。再不出GPT5，可能真的要出事儿了，因为前面吹过的牛实在太多了，特别是Sola这样的模型，号称可以直接生成长的视频出来，到现在已经半年了，还没有真正拿出来，只是每个月放出几个视频而已。而其他各个公司，按照Sora方向做的产品，已经都开始在公众测试了，这对他们来说一定是巨大的压力。

前一段时间发布的Anthropic Claude 3.5 Sonnet，也把压力给到了OpenAI，因为这个模型的效果已经非常好，而且极其便宜。更不要说昨天刚刚发布的Llama3.1405B这样的一个开源模型。前面咱们讲的Anthropic的模型还是闭源的，而Llama可是个开源模型。405B的话，在各个层次上，都赶超了OpenAI的Chat GPT-4。老大的位置有可能会丧失。

大家注意，OpenAI这样的一家公司，可能不会轰然倒下，但对于一个领域的开拓者来说，丢失老大的位置是非常非常可悲的，基本上跟死掉了没有太大的区别。所以现在对于OpenAI来说，他们最害怕的就是把老大的位置丢了。

目前的应对方式也很怪，头一天先发了GPT-4欧MINI，第二天人家Llama3.1405B就开始偷跑。是谁在偷谁的家？我们现在看到了一个叫互相偷家的故事。

就是每一边都是在对方最强大的地方打了一根钉子。GPT-4o mini是打的Llama这样的小模型。原来很多人图便宜啊，我要用这种8币的模型，用70币的模型去进行微调，去进行各种各样的定制化开发，以后满足特定场景需求。那么好了，我现在推出GPT-4o mini啊，把这个市场抢过来。这边一个嘴巴子扇过去了，那头一看说：“哎，还有这事呢，老师来，我给你上个大的。你们原来不是说大模型厉害吗？PPT4O厉害，对吧？我直接给你上一个拉嘛，3.1405B超越你的碳模型。”所以叫相互偷家。

咱们还记得谷歌I/O开始的前一天，OpenAI在干嘛吗？啊，他发布了GPT-4o 端到端的语言训练模型。其实到现在为止，我们依然没有看到端到端的语言模型。现在看到的GPT-4o 依然是啊，要给它进行语音识别，处理完了以后，再给我们念回来的一个过程。这个端到端的模型，包括加上视觉的模型这一部分，现在也没拿出来。但是，就是要赶在谷歌I/O之前发，提前一天，导致了谷歌I/O上发布的Gemini 1.5 Flash，本来是做类似事情的模型一下就显得不香了，对吧？

那么这一次呢，我们看到的是非常神奇的GPT-4o mini，应该是啊，计划好了进行发布。阿克伯格那边说：“哎，我们原来虽然没计划好，但是咱们表演一个偷家吧，直接把磁力链放到Reddit里头，就直接偷跑出来了。”所以这一次呢，应该算是OpenAI被梅塔抄了后路了。

OpenAI GPT-4o mini 这样的一个模型，最初想去偷梅塔拉嘛的，后加的时候还有后续的动作出来。这个后续动作是什么呢？免费微调啊。什么意思呢？就是我们发布的这种预训练模型，如果想让它按照你所期望的方式去工作，是需要去微调的。微调这种模型本身是比较贵的，原来 GPT3.5 和 GPT4 都是允许微调的。

这个怎么干呢？就是说你上传一个文件上去，这个文件就是我说什么你回答什么，大概是这样的一个格式。当你把这个文件上传上去以后，就可以请求这个文件给你微调一个版本出来。那么这个版本的模型，是只有你自己能用的。原来也有这样的功能，现在到 GPT-4o mini 这儿，我们不是要抢Llama 38B 这样的生意吗？来，微调免费了，至少在一段时间内，微调是限时免费的。

本身这种小模型的微调就比较便宜，GPT-4o mini 就算是过完了限面，开始收费了。它的调试成本也是相对来说比较低的，100 万 TOKEN 的调试可能是 3 美金还是 5 美金。但是微调以后的那个模型，你再去使用就要贵一些了。GPT-4o mini 正常的输出 100 万 TOKEN 是 60 美分，而微调过的版本，因为这个版本只给你一个人用或者只给你一个团队来使用，这个成本就都要你自己来承担，100 万 TOKEN 是 1.2 美金，价格翻了一倍。这就是直接放出来的价格，这就是要抄家了。

大家知道Llama3这种东西的微调成本是多少吗？你说自己有显卡啊，或者说我用谷歌的云上，谷歌云上是可以薅羊毛的啊。你是可以免费开一个云主机，快速的调完了把它关掉，这个过程是不用付钱的。咱们不去参考这个价格，咱们看看gather上的价格是什么样的啊。

Llama3.18B的模型啊，咱们不要去调那个405B啊，那个东西很贵的。咱们调这个8B的模型，100万TOKEN，10次以内的迭代。因为你微调的时候，它会让你选你到底是调几次，10次以内的迭代，5美金啊，基本上是在同样的价格。所以我也在猜测GPT-4o mini的大小，应该也就是8币9币这样的一个程度，否则的话，这个价格是没法去比对的。

因为Llama3.18币啊，输出100万TOKEN的价格大概是0.9美金，微调100万TOKEN的价格是5美金。那GPT四O Mini输出100万TOKEN的价格是0.6美金，微调的话是3美金。当然现在是限免啊。

稍微在这里讲一下微调跟RAG之间的差别。以前我们讲了很多跟RAG自我、本地知识库相关的这种知识。那么什么时候上微调，什么时候上RAG呢？举一个简单案例吧，就是现在来了一个新的毕业生。微调相当于什么呢？叫入职培训。你来了以后，我先给你做个入职培训，看到领导要鞠躬，看到客户要说，先说你好，然后呢再给你一个入职手册，先把这东西都背下来。你以后就按照这个方式去工作。微调了以后，这样的版本。

我们经过了入职培训以后的版本。你问他相关的问题，就是入职手册写过的问题，他都会对答如流，按对入职手册回答给你，没有任何问题。而且呢，按照你要求的格式来输出。看见领导鞠躬，他会干的。

微调有一个问题是什么呢？就是超出手册的东西就没有了，这就是微调干的活。那你说RAG是干什么呢？RAG相当于给你发了一本字典，你随时需要查，随时可以查。说我现在需要查一下这个问题怎么办？那个问题怎么办？你随时在字典里去查。

我们一个新员工入职了，比如某位同学大学毕业，到公司上班来了，入职培训要做，对吧？字典也要发。这就是微调跟RAG之间的关系。RAG其实对于OpenAI来说，对于Llama来说没有太大的区别，大家都可以做。但是呢，微调原来GPT这块是要贵很多的，这个模型也贵。你微调了以后，整个微调的过程也都相对来说比较贵。

现在，OpenAI就在这一块跟Llama彻底找齐了。你说我们去调那个405B去，其实意义不大。一般微调就是调小模型，你去找一个大模型出来调，这实在太贵了。咱们还是以刚才这个新员工入职的过程来讲微调。你去找一个应届毕业生，让他做新员工入职培训，这个效果是相对来说比较好的。

对，我找猎头公司，从别的公司挖一大牛回来，或者我从其他公司挖一CEO回来，让他坐在这给新员工培训，这不扯淡吗？就这样，微调大模型的效果就是这样，又费劲效果还未必好。

所以，一般微调都是调小的。那么，OpenAI到底挣不挣钱呢？今天看了一些数据，OpenAI是真的不挣钱啊。前面还有人讲说OpenAI的收入已经很厉害了，今年可以达到30亿美金了。30亿美金的收入对于很多公司来说，是完全可望而不可及的一个数字。作为一个新创建没几年的公司，能够入账30亿美金的收入，这个非常厉害。

但是，挣的多，人家花的更多。花了多少钱呢？因为OpenAI不是一个上市公司，所以大家只能去根据各种蛛丝马迹去算它到底花了多少钱。基本上算下来的，它的成本大概是80亿美金，所以它一年亏50亿美金。

这80亿美金怎么算出来的呢？每年交给微软的钱就是去买算力的钱，大概是40亿。这个是微软内部的一些人，或者说了解OpenAI向微软付款的一些内部员工透露的，这个数基本认为是靠谱。第二块是什么呢？就是OpenAI还需要购买很多数据，比如说上Reddit里去买数据，包括一些其他的数据集，去购买和清洗加工，这个钱他是要去花的。

还有一块的钱是什么呢？人家那么多新员工，对吧？现在有1500人了，而且还在快速扩张，现在还有200个职位开着，准备再接着招人呢，这个也是一大笔钱。所以呢，他现在每年的成本大概在80亿美金左右，而且这个成本还在快速上升之中。你想，他还在疯狂的招人进来，前面还吹了那么多牛皮，还没有抹上呢。你要想把前面吹的牛皮补上，要干嘛？接着开足马力训练大模型啊。

Scaling啊，scaling low啊，接着跑啊。我进一步扩大模型的规模，进一步整更多的数据，然后整更多的人回来。而且现在整个行业已经热起来了啊，他这一千几百口的人，那一定得给到比较高的薪水，比较高的这种收益才可以啊，要不然别人会挖人的。全世界都在盯着他的人吧，哪怕是一个街边扫地的。你说我在OpenAI扫过地，那其他人说我把你请回来，是不是多给你点钱啊？OpenAI的人员成本一定是不低的。

微软呢，其实已经算是对OpenAI很好了啊，为什么呢？就是微软给OpenAI机房的价格应该是一个成本价，并没有真正的按照微软云的那种啊，对外报价去找OpenAI收钱，已经算是非常非常支持了。销售呢，这个没办法，特别是B端销售，大家都有KPI，谁也不能让着谁。所以微软在B端销售上，包括在Windows客户端的Copilot的这种产品的竞争上，肯定是跟OpenAI有一定的约定的啊。B端销售各打各的，你要能卖掉是你的，我要能卖掉是我的，Windows客户端你别碰啊，这个是我的。

所以现在OpenAI只有Mac版的客户端，没有Windows版的客户端啊，那边是留给微软自己家亲儿子Copilot的。作为一个公司来说呢，微软对OpenAI已经是非常非常好了啊，那么对比起Anthropic，OpenAI算是好的。这个玩意叫不患寡而患不均，那你说Anthropic后边是谁？是亚马逊。

微软对OpenAI好，这一定要有对比，那就要对比亚马逊对Anceropic。推理成本肯定是不低的，而且Anthropic其实并没有跑那么多的大模型。新的模型训练、新的模型的推理没有做这么多，而且用户量也没有OpenAI高。可是呢，以亚马逊找Asopic收的钱是不少的。

另外一个Anthropic，如果通过亚马逊云赚到了钱，比如说我把这个产品卖掉了一些弊端的用户买了我的产品，亚马逊是要在里边抽成的。所以Anthropic跟OpenAI比起来，属于过得更凄惨一点。Anthropic收入的话，大概是OpenAI的1/5。刚才我们讲了OpenAI是30亿美金，它大概有个五六亿美金的样子吧。

因为都不是上市公司，所以大家都不会说这个事。亏损也亏，他亏多少呢？亏大概是OpenAI的一半。OpenAI大概亏50亿美金，他亏25亿美金，就是这样的一个比例。所以前面我们也讲过，Isopic现在也快玩不下去了，玩不下去的话，亚马逊可以落袋为安了。

我记得以前有一个故事，电影院想去卖饮料，怎么能够把饮料卖得更多一些呢？我把空调开的小一点，让电影院里稍微热一点，这样我就可以多卖一些饮料出去。看看亚马逊跟Anceropic之间的故事，是不是有点像这个？当然了，OpenAI现在也很渴，也需要去买饮料喝了，像微软爸爸去买，现在山姆奥特曼的应该正在努力地找钱。

愿意给钱的人肯定不少啊，这个不用担心。毕竟是开拓一个新领域里边的老大，那这个时候肯定很多人都愿意给钱。那你说愿意给钱不就没事了吗？拿着钱接着烧呗。不那么容易啊，为什么？因为你要问微软同不同意。微软占49%，给了130多亿美金进来了。你现在再找，说我让苹果给钱啊，苹果愿意给，那微软说不行啊，这个必须排他。

像我们以前签很多这样的协议，进去的时候，特别是我成为大股东的时候，一定会有排他条款的，对吧？你让我的竞争对手进去，这事不行啊。微软就是说，我虽然愿意看着你努力成长，但我也更愿意看到你落到我的口袋里，在我这再多买些饮料。我说算了，我卖身给你得了，这个也是微软乐见其成的事情。

所以并不是谁的钱他都可以去拿的。一些微软的竞争对手，比如谷歌，比如说苹果是愿意给钱的时候，他就需要做微软的工作，说求求你让他们进来吧，他就会变成这样。那么下一个问题是什么呢？到底估值是什么样的？估值涨到多少，这个事微软才能乐意啊？其实还是跟微软有关。

现在OpenAI的估值是860亿美金，这个估值是OpenAI上一次进行内部的股票兑现的时候，或者说一些内部员工股票变现的时候的估值，并不是一个正式的估值。正式的估值的话，我觉得他现在有个大概两三百亿应该是合理的。嫁一个人进来，到底按什么样的估值进去，这个就很难去平衡。为什么？因为这个数已经很大了。嫁一个人，你说我为什么进去，投资这样的公司的目的。

一定是说你以后能够长得更高啊。然后呢，你去上市，我能够啊，多少倍啊，能够退出，至少是3-5倍能够退出，因为这么高的估值嘛，承担这么高的风险，一定希望能够尽快的按更高的倍数退出。现在已经是两三千亿了，你再往上翻这个数就不好翻了。而且如果真的是几千亿的估值，又拿了钱了，你上市怎么办？股市能不能支撑得住这样的公司？几千亿美金的公司上市，还是有一些难度的。

像AM上去，也就是几百亿上去，虽然上去了以后快速在增长，但是你说我直接就是按照几千亿，没准这一轮再上去了以后，大家就希望他上1万亿美金去上市。这个纽交所也好，纳萨克也好，虽然是注册制，只要是你提交的申请文件符合格式，你就可以去上市。但是这些地方啊，这些基金们啊，因为所有的美股大量的都是基金盘，很多基金经理会去看你这个产品到底值不值这么多钱，所以这个事对于所有人来说都是很有压力的。

那么现在怎么办呢？比当前的估值直接上市也许就是唯一的解决方案了。坚持到年底，Open I的业绩还是有爆发的可能性的。于现在，大家虽然预估他一年挣三十几亿美金，这事儿是怎么算出来的呢？是他每个月大概能挣到两点几亿美金，这两点几亿美金里头大概2亿美金，是他去卖那个20美金一个月的Plus的费用，在七八千万美金吧，是卖API的费用啊。他是这样来算的。那么，为什么到年底的时候会业绩大爆发呢？咱们想一想，9月份会发生什么大事情？9月份iPhone 16发布。

iPhone 16如果发布了，虽然它的成本会进一步上升，因为所有用iPhone的至少在国外吧，就可以去访问GPT-4了。但是，另外一方面，这些用户会大批量地转换成OpenAI Plus用户。那么它的收入也会爆炸式增长一下。所以到今年年底，还可以再大涨一波。

苹果算是OpenAI的一个救命稻草。如果它能够坚持到年底，数据再大涨一波，为所有的股民展示一下未来美好的前景，然后直接去上市，这个事还是有得救的。现在行业的心态肯定也是很矛盾的，竞争跟追赶这是必须的。甭管是谷歌、Anthropic还是Meta，都是在努力的竞争与追赶。但是谁也承担不起一个后果，就是老大倒下。

这是一个全新的行业，在全新的行业里头，一旦老大倒了，对于整个行业来说都是巨大的打击。每次开新行业的时候，有几件事是比较害怕的。第一是老大废了，一旦老大废了以后，就相当于是老大证明了跑得最快的人没跑出来，拼命往前跑，跑到头上是一条死路，撞在墙上，磕地上了。那后边紧追不舍的人该咋办，这事是很危险的。

另外一个是什么呢，就是老大上市了。上市了以后，发现业绩一般，因为大家一般在上市之前会冲业绩嘛。上市了以后，你要公布财报，很多东西变成公开透明了。那么下面的人也会觉得很危险。这就是一个新行业的宿命，至少要验证行业有未来。在这之前，老大是不能倒下的。如果说没有验证，直接就趴下了。

那么，整个行业都很麻烦啊。开天辟地的这种新行业，肯定都是非常困难的。这个呢，分几种情况。

第一种情况叫大企业开创新市场。举一个案例，比如说亚马逊，开创云计算这个新市场。这就是大企业开创新市场。但是，亚马逊也很痛苦。在开始的很长一段时间里，顶着非常大的压力，再往前走，也是用了好几年的时间，才慢慢地验证了说，云计算这个市场是一个真正的方向，大家要去向这个方向前进。这是大企业开创新方向。

当然，也有走得不是那么好的例子。比如说，梅塔做的梅塔Wars，原来叫Facebook，后来改名叫梅塔。他去做元宇宙这件事呢，就不是那么好。一直到现在，虽然名字还没改回来，但他得挂在那，挂上了还没有死掉。可是，他挂在那，所有人看着。在这么大一只半死不活的尸体挂在这个枝头上，所有人在想去做元宇宙的时候，都要稍微掂量掂量。而且，现在这个枝头上，还挂了另外一颗叫Vision Pro的东西，也挂在那了。在剩下的人就在这看着，在下面驻足观望，再也没有人敢往上冲了。这就是大企业开创的两种结果：坚持到底能够成功，或者跨在上面挂着。

那么，小公司开创新天地是什么样的呢？比如说，特斯拉、SpaceX，都是一开始的小公司。马斯克冲上来说，我要开创新天地了，开创一个新赛道出来。那是什么？就是耐心的，经历很长时间的亏损，十几年的亏损，不停地融钱，所有人都不看好，独自前行，慢慢把这个项目做起来。那你说，再举个失败的例子。

失败的例子没有啊。那么是不是小企业开创新天地就都能成功？错了，你只能看到成功的，剩下的全都不见了。我们没有机会看到，所以小企业开创新天地，我们只能看到幸存者。这是一种幸存者偏差。那你说一群人一拥而上，大家看好了方向，大家全上。这种事呢，通常是发生在商业模式创新上。如果是技术创新的话，这个机会不是特别大。

这种方式呢，也有成功的。你比如像国内的千团大战，最后就跑出了像美团这样的公司；滴滴共享单车大战，最后也是跑出来一些结果，是有能成功的案例的。但是呢，也有一些最后失败的，比如像刚才咱们讲的VR，所有人都冲，最后什么也没剩下。

现在的OpenAI呢，有点儿是骑虎难下的状态。按道理说呢，它应该是小公司，独自慢慢发展。但是它一下把这个热度炒太高了，现在搞成什么了？现在搞成一群人一拥而上了。这种乱拳打死老师傅的状态呢，一定是最危险的。

所以为了稳住阵脚，现在OpenAI必须拿出重量级的拳头产品出来，也就是咱们开篇时候讲的GPT-5，一定要拿出这种产品。如果在今年年底之前GPT-5还出不来的话，它的老大位置真的是危险了。而且它一旦倒下的话，可能整个行业都要至少颤三颤。不能说整个行业会为它陪葬，但颤抖一下是跑不了的。

好，这一期就讲到这里。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。

OpenAI 的 SearchGPT 是不是值得期待呢？

在刚刚过去的一周里头，不停地有消息出来说 OpenAI 要憋大招了啊。欧，有些人猜测是 GPT5，有些人猜测是 SearchGPT。自制 GPT 呢是什么？就是 OpenAI 自己做的智能搜索引擎。如果这种东西能出来的话，大家还是蛮期待的。而且写着说，这是准备啊，把这谷歌让他寿终正寝掉啊，这是要掘谷歌的坟了。

关于 OpenAI 的测试 GPT 在坊间呢一直在传啊，据说是已经在做灰度测试了。灰度测试什么？就是我们选一部分用户来测。为什么在这个里边传这么多，说今天发明天发？好像前面是说啊，5 月 9 号发。一开始说五月七号发，今天是五月十号也没发。现在大家普遍认为是下个礼拜发啊。为什么呢？因为到 2024 年的 5 月 14 号，谷歌 IO 该开了啊。谷歌 IO 就是每年谷歌会开一次开发展大会。大家认为啊，说 OpenAI，你如果真的想发搜索产品的话，你应该赶在谷歌 IO 之前发呀。你哪怕我十三号把它发了啊，我就恶心死你。不能像华为似的，这边苹果发着 iPad，那头他也去发他的 Pad。我到现在都不知道华为 Pad 到底长啥样啊。

后边一段时间，就是 5 月份以后啊，每个月都有开发者大会。5 月份是谷歌 IO 啊，6 月份呢，是 WWC 啊，就是苹果的世界开发者聚会啊，后边应该还有什么微软的呀，Facebook 也都会去开。那每个这大厂都会去给自己开一个开发大会。

AI 搜索到底算不算是杀手机应用呢？因为 AIGC 啊，这个东西出来以后，大为什么？大家都不觉得这东西是杀手机应用。每一个新的技术新的这个设备出来以后，一定要有一个杀手机应用。你如果没有这个杀手机应用的话，这个东西推不起来的。呃，我记得 iPad 刚出来的时候，它的杀手应用是什么呢？叫捕鱼达人。当时大家都喜欢啊，还有一个叫 Fail Runner。还叫什么一个游戏？我们当时很多人买 iPad 一代的时候，都是为了打那个游戏啊，实在是好玩。

现在 AI GC 这么长时间了，你说我跟他聊天算不算杀手机应用？真的不那么算啊。为什么呢？因为你跟他聊天的时候啊，你发现聊一会啊，眼前一亮，很惊艳。但是呢，深入进去以后，又感觉到不太对劲。为什么呢？原因很简单啊，就是 GPT 这个东西啊，能力太宽泛了。哎，啥都可以来一点，具体深入呢，又不行啊。我觉得这点很像我啊，你问我什么事，我都可以给你怼两句，跟我深入一下。你来你给我讲一下，这个算法到底应该怎么调一下，这个数据应该如何去标注，可以让它提升一点点呢，输出的性能。对吧，这事对不起，我还真不知道，那咱就实话实说嘛。

啊，这个其实才是 GPT 到现在为止比较难触杀手机应用的一个核心原因。因为你要深度使用才能有留存嘛。你想一个应用成为杀手机应用的前提是什么？就是大量人使用，大量人使用是什么？就是大量的新人进来，而且还要一直用下去，还要有新增，有口碑传播，还要有留存。

GPT 呢就属于有经验啊，很很漂亮这个东西，然后呢也有口碑传播，大家都在说这事，但是它留存特别差，因为你任何事情，你深入使用下来以后，都觉得不是很顺手，而且很多深入的问题啊，使用者自己其实说不清楚，我也说不太清楚，我到底让你干一个什么，因为你靠语言描述这个事其实是很难的啊。

就是很多人说啊，你看 Soda 怎么样了，可以直接做视频了。我说来你去看电影，看完了以后回来，你用语言把这电影给我描述清楚了。所有人看完了以后就说这怎么可能呢，这谁可以用语言把一部电影描述清楚。我说对啊。我说，你说都说不清楚，凭什么让人给你画明白呢？就是这样的一个情况。那么 AI 搜索，算不算是这个里面的杀手机应用呢？其实已经有一点点苗头了啊。这个杀手机又要出来了啊。大家注意啊，真正的 AICC 干的活是什么？叫内容生成。而内容生成呢，它就可以随便的瞎编啊，它就可以产生幻觉，可以胡说八道。在信息大爆炸的时候，其实你做出那么多内容来是没有人看的。内容获取，才是可能更多人愿意在里边去付钱，愿意去使用的一个功能啊。

现在最好的 AI 搜索工具叫什么？叫 perplexity AI。这个是现在的现象级产品，月活用户已经增长到 1,000 万了啊。这个其实蛮高的了，但是你不要去跟 TikTok 比啊，TikTok 光在美国就有一点几亿的这种月活用户，全球可能有接近 10 亿的月活用户。这个产品呢，现在是有 1,000 万月活用户，但是在所有的 AI 产品里已经算很好了，除了最前面的比如叉的 CPT 它比不了之外啊，剩下的可能就它算是好的了。4 月份日活还增加了 33%，就是它增长还很快，现在有 260 万日活用户，就是他等于 1/4 的月活用户都日活了啊，这个数据很好啊。

1 月份刚完成了 b 轮融资，当时的估值达到了 5.2 亿美元，然后 b 轮呢，融了 7,360 万。4 月24日传出消息，又做了一个 b 加轮，又拿到了 6,300 万美元，估值超过了 10 亿美元，正式跨入独角兽的行列了，就是它融的很快。你想从 2022 年 9 月份成立的，到现在也就是不到两年的时间啊，现在都必加了，等于种子 ABB 加融了四轮了啊，这个融的是非常非常快的，而且今年呢。也开始有收入。收入突破了1,000万美元大关啊。他靠什么玩意收钱呢？一个月交20美元订阅费啊。但是所有靠订阅费收钱的这些公司基本上没有盈利的，肯定是入不敷出。这个是没有任何办法的。

病AI啊是我用的最多的AI产品，也是算智能搜索吧。但是呢，病AI并没有撼动谷歌的市场份额。很多人说啊，病AI出来以后，谷歌你不行了。谷歌的搜索份额势在下降。我看最新的大概4月份的一篇文章写的是，谷歌的搜索份额是从93%下降到90%。病的搜索份额大概是从2点几现在涨到3.6了。所以病AI还是呃，用户量在上升。

所以有了两个前面的案例啊，一个叫呃proplexity啊AI，一个呢叫病AI，然后发现唉，这个东西真的好使。那插着GPT说，那我我也来一遍呗，open AI说我也干。

那么，AI搜索跟传统搜索到底有什么区别？技术上呢，AI搜索其实并不复杂啊。就是基本上还是传统搜索技术啊。它呢是结合基座大模型的AI GNT，它实际上是一种AI GN的典型应用啊。它先干什么呢？首先是让用户提问题，你先说你要问什么事，告诉我完了以后呢，我要去判断你到底要问什么，要有一个意图。判断这个在搜索引擎里其实很难的。当他问了问题以后，我来判断他到底想问什么。再往后呢，是进行传统搜索啊，你要把这搜索引擎调出来，要么调并的啊，或者调一些其他的搜索引擎，你把它搜一下，搜完了以后呢，总结搜索结果，按照要求拿大模型去生成，然后呢进行延伸的搜索引导啊，说你搜索这些问题以后，你再问点什么。就是他是聊天式的。你搜索正常搜索什么，你用一搜索框，搜完了啪一回车啊，出一个结果不满意怎么办？然在这个结果里头，然后再趴一回车，又出一堆结果啊，两边是不挨着的，就是说叫几次搜索之间是没有任何关联的啊。这个话应该说的是比较正确的，但是呢这种AI搜索是通过聊天的啊。你搜完了以后说唉，这是你要找的东西吗啊？好像还差一点啊。哪一部分已经试了，哪一部分还差那么一点点。请给我向哪块稍微调整一下。然后他会不停地去调整啊。这也是AI搜索干得比较有趣的一个地方。当然，AI搜索也有很大缺陷啊。什么缺陷呢？他慢。正常的搜索是非常快的，你这边一回车，那边东西就出来了啊。AI搜索是相对比较慢的，你需要打完回车以后，然后在这慢慢等，等一会然后再嘣嘣嘣，一个字一个字往外蹦啊。

在用户行为上，AI搜索的用户其实要比普通搜索用户更理性一些，提的问题也更有深度。AI搜索的人更喜欢去问一些科技新闻啊、时事新闻啊、科学研究啊、学术文章啊。而在正常的搜索引擎上，问的最多的是什么啊？这个可能会出乎你们想象啊。我们公司曾经招过一个百度的员工，就问人家说：百度里面搜索最频率最高的词是什么呀？”百度”两个字啊！很多人拿到这个浏览器以后，先会写”百度”两个汉字，然后打一回撤，再在百度搜索引擎里头点击最上面那个链接。再进去为什么呢？他搞不清应该怎么进到百度里面去。而百度呢，又花了钱在各个浏览器里面都把自己设置成默认搜索引擎。所以呢，地址栏写”百度”俩字，啪一回车，他就自动地跳到了百度搜索，然后搜了”百度”两字出来了，对吧？他说这个是最多的。然后我说那第二个呢？”天气预报”就是整个的搜索引擎类的前两名，一个是”百度”两个字，第二个是”天气预报”。

在现在，大家去做AI搜索了，就很少有人问这么无聊的事情啊。他们一般是先提问，提完问以后不断地修正。真的是要有一些东西，说我想出一个小文章了，想出一个什么样的提纲了，他才去问AI搜索。否则的话，他们是不会去跟AI搜索去耗这个耐心的啊。在商业模式上，AI搜索跟传统搜索是完全不同的两种商业模式。传统搜索是免费的，即使你使用很长时间，它也不会向你收费，而是通过收取广告费来盈利。如果你想在搜索结果中排前位置，就得付钱；如果想在搜索结果旁边露出广告，同样也需要付费。相比之下，AI搜索则全都是付费的，用户需要支付固定金额，例如一个月花20美元。这种商业模式中，客户需求和付费客户的需求会有所不同。

在社会层面上也存在差异，传统搜索引擎仅仅是信息搬运工，对信息真实性不承担责任，这导致了一些搜索引擎可能传播虚假信息或不负责任的情况。某些搜索引擎以前可能存在售卖假药的情况，但后来也停止售卖真药，这种商业决策有时候显得冷酷无情，缺乏对社会责任的担当。有些搜索引擎创始人或CEO可能也持有技术人员背景，但在选择业务模式和对待正确的医疗知识时，却未必有充足的重视，未必认为这是自己应尽的义务和责任。\n他是为了我的名声啊。真药假药都不卖了啊。搜索引擎真正对于信息负的责任是什么啊？是排序啊。我给你一大堆的这个搜索结果以后，到底谁排前头谁排后头，这是搜索引擎中解决定的。但是人家网页上写的到底是什么？是真是假？是对是错？这个搜索引擎是决定不了的。然后但是智能搜索这块就不一样，因为智能搜索最后是给出一个最终答案了，甭管你搜出来的是什么，拿这个东西给人答案，那这个是很危险的一个过程对吧，因为你最后是要为你给出的唯一答案去负责任的，而且基座大模型还经常产生幻觉对吧。

这是智能搜索引擎啊，需要承担比普通搜索引擎更大的社会责任的地方。AI搜索在这一块呢，大家其实相差并没有那么远啊。刚才咱们讲的那个perplexity病AI，包括国内的，比如文献遗言通1,000问Kimi啊，都算是在做这个综合搜索。当然差在哪呢？第一个差的是内容理解上啊，这会有些差异，因为有的时候你提了一个很长的问题以后，他理解不了。第二个呢，是底层搜索引擎这块，其实都差不太多，因为都不是自己做的，要么钓骨骼的，要么钓病的，或者自觉跳动的，也有一些自己的缩缩引擎，你可以去钓它。内容总结和分析的能力，包括避免产生幻觉的能力呢，基本上看底座大模型的啊，你说我这底座是GPT4啊，我这个底座是这个cloud 3啊，我这个底座是一字节跳动做的云确啊，那他最后出来的东西就完全不一样啊。

最后呢才是叫内容输出和内容可控。哎，我希望他输出一个党建文章啊，我还是希望他给我输出一个小红书的爆款文章，也是要去看一下他最后文章生成的这个能力了，那么设置GPT也就是open AI的能搜索，大家对它期待的是什么？有可能会有什么东西呢？

第一个从意图理解上啊。GPT4一定是最强的，这个没什么好说的。

第二个呢，就是上下文交互这块，他应该做的还是不错的。因为正常情况下，这种智能搜索，他不会给你做太多轮次的上下文交互。为什么呢？因为他那个激素模型都是别人家的，包括perplexity啊，它的几种模型是cloud你say的那个文字太多了。进去以后的话，它太贵，它是要收钱的。那边是按TOKEN找到算钱的啊，所以它不会有非常长的上下文来去沟通起来。

Open AI自己做的话，那么，它是不是就可以把这个上下文的极限稍微突破一点点，可以让更多的轮次去聊天。而且Open AI呢，有可能会采用多搜索引擎结合，不是光用病的，他肯定是要用病吧。

这里就有一个大的痛点，就是智能搜索。虽然我们讲了半天智能，但实际上，干活的还是原来那个搜索引擎，无论是骨骼的也好，还是病的也好。那么会受什么影响？会受到搜索引擎排序过程的影响，就是我们比如说，要求病给我返回10个答案来，而病返回的还是他排好序的时候啊。至于第11个是什么，永远不知道它是这样的，这对于智能搜索是有局极大的局限性的啊。

所以呢，我看AI据说是采用多个搜索引擎，多个搜索引擎一起干活的话，就会有多个排序方法出来。

再往后呢，就是他有可能会有多模态搜索。现在虽然谷歌being，所有的咱们现在常见的搜索引擎，都是有多模态搜索，就是你可以给以图搜图，给他一张图让他理解，给他个视频让他理解，但是呢AI搜索一般没加这一块。为什么呢？因为成本太高啊，这些人现在挣不出这么多钱来啊。那拆了GPT，他有的是钱啊，干吧然后信息的筛选和验证这件事。可能啊，GPT-4也要做的稍微好一点。 什么叫筛选和验证？你想吧，我今天先让病给我了10个结论啊，但是谁是真的，谁是假的？这10个结论之间有可能会有矛盾呢。我到底信任谁，不信任谁啊？那么这件事呢，要靠GPT去搞定啊。 普遍认为，OpenAI在这块还是比较厉害的。Hober啊，持续的磨合啊，逐步的掌握用户习惯这一块呢，也是可以去预期的。 为什么现在GPT-4你去跟他聊天时，他已经说了：“说我现在要跟你干嘛呢？就是要长期收集你的使用习惯了。” 你可以把这个选项关掉啊，你要不关掉的话，他就会长期收集你的使用习惯，未来让这个GPT越来越懂你啊，这个应该也会加入到4.0 GPT里边去。 而且据说呢，它使用多个大模型，包括像GPT-4 Light，包括像GPT-3.5的一些小叶的模型，它可以让整个的内容生成的过程变得飞快，不像原来这些。 你问他点什么事还得想半天啊，这块是大家可以去预期的。 但是呢，要想清楚一个事是什么，用的人多了都快不起来对吧？不可能说因为我算法好就能快啊。有一个东西叫算力强吧，就是你撞到算力强上了，就都都慢慢来吧。 后边呢，就是多语言输出了，多语言输出这件事呢，我相信大家也好理解嘛，就为什么呢？就是现在对于大模型来说，翻译这个啊，肯定都是做的很好的，要比传统的这些谷歌翻译并翻译，其实做的要好一些。 那么既然你让GPT去干这个事，说来你给我搜索一些什么东西，其实我们现在在Perplexity AI里头，你去搜索的各种内容，他经常会去找英文网站啊，找到了以后再翻译成中文，然后再总结出来给我，这个其实现在已经做的很好了。 欧冠AI上来一定会做得更好。 那么色驰GPT呢，对于未来到底会有什么样的影响啊？ 会不会干掉谷歌这个事呢？ 我觉得想的有点太多了啊，没有那么容易了，至少这个谷歌有可能会死。 但是应该不会死在这次啊。就是不是今天也不是明天啊。这好像是《权力的游戏》里的一句话哈。

谷歌呢，应该也会把自己的AI搜索啊做出来。谷歌的Gemini大模型做的其实还可以啊。我因为我最近也用了不少。他们现在并没有把这Gemini模型放到这个谷歌搜索里去。为什么呢？因为他们的商业模式理不顺。谷歌80%多的收入来自于搜索广告啊。你把这种Gemini大模型放进去了，等于你一下你的成本就上升非常高。因为谷歌的搜索用户量很大嘛。上升了以后你还挣不回响亮了，原来那广告费你收不到了。这个事是有问题的。

色石GPT上来以后，病的使用量还是会上升的啊。为什么？因为色石GPT底层会掉病的这个搜索引擎啊。所以病的这个还会上升一点点。

传统的商业模式呢，并不会彻底被颠覆。为什么呢？因为搜索排序这件事，还是搜索已经干的。比如说我今天向病交钱啊，我要求搜索的时候，我出在前头行不行啊？病可能不会收这个钱啊，因为微软也不靠这玩意挣钱。百度是会收这种钱的。谷歌应该也不会收这个钱，谷歌收的钱是说我可以给你打广告，但是那个广告呢，我是不会给你出现在搜索结果栏里的，而是出现在搜索结果栏的右边啊，或者是搜索结果栏的第一行啊，如果出现在最上面这一行，我估计，应该还是会按照搜索的这个输出给它输出出来啊。那么这个商业模式依然是可以去运作啊，没有彻底崩塌。

后面苹果呢，也还是希望可以收到谷歌搜索引擎绑定的这个费用。谷歌每年会给苹果好大一笔钱，干嘛？就是你默认使用我的搜索引擎啊，你只要默认使了，我就给你钱。对吧，他这个是苹果还是想挣的，未来都是收20美金的。那你说，收了20美金？苹果说，我收30%行不行？争你个苹果税，对吧？那大家肯定不乐意。我这还这个揭不开锅呢啊，好不容易收了20美金，你还收了30%，走6美金啊，那是对吧。这个事受不了啊，不不干所以。苹果的也不一定是希望把他们拎进来去收这6美金，而且我相信这个6美金绝对没有谷歌分给他的钱多啊。谷歌这个钱是怎么分的，他是说啊，苹果用户因为使用了谷歌搜索引擎，点击了广告，然后呢我挣到的广告费，我按照一定的比例分给苹果，他是这样来分的。你想你拿了个手机，你肯定每天经常的看，不停的点，等于你会不停的给苹果制造收益啊。这是GPT出来以后，订阅Open AI的人一定会上升啊，但是这个，即使上升，Open AI也不可能靠这玩意盈利啊。想都不用想。然后，Perplexity这种创业公司估计就要完蛋。Open AI自己做了测试的这个引擎以后，那么大家就，反正你像我，已经每个月交了20美金给这个Open AI了，那我就老老实实接着用不就完了吗，他一定会是变成这样的啊。那么其他那种再想靠这玩意挣钱的，这些小型的创业公司，哪怕他现在到独角兽了啊，后边都日子不好过啊。当然了，国内肯定该用不了还是用不了啊，这是必然的啊。这就是我们可能对于这个40GPT啊，能够有一些什么样的念想就到这了。

好，这是今天的第二个故事啊。希望下周我们能够看到40GPT发布吧。

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