Transcription
大家好，这里是最佳拍档。
二零二六年一月二十七号，OpenAI的CEO萨姆·奥特曼参加了Town Hall的一场公开专访，同全球AI生态系统的构建者们进行了一次深度互动。参与者包括从独立开发者到初创公司的CTO，从斯坦福学生到生物制药行业的从业者。他们的疑问直击AI发展的核心痛点，而萨姆·奥特曼的回应，也勾勒出了AI对技术演进和社会影响的又一个图景。我们重点挑一些来回顾一下。
首先一个问题是，人工智能的崛起是不是会导致软件工程师失业呢？这本质上还是杰文斯悖论在AI时代的具体体现。当AI大幅降低代码生成的门槛和成本，是会减少对软件工程师的需求，还是会刺激更多的软件需求，让工程师拥有更广阔的职业空间呢？
奥特曼认为，真正的变革并不是需求的增减，而是对工程师这个职业定义的彻底重构。在他看来，未来的价值创造将不再局限于亲手编写代码、调试程序，而是更多的源于指挥计算机完成工作、替他人创造有价值的体验，以及通过构建软件来满足个性化的需求。
这种职业形态的转变并非第一次发生。工程领域一直都在经历类似的演进：从早期的汇编语言编程，到高级语言的普及；从框架工具的出现，到现在AI辅助编程。每一次技术革新都降低了入门门槛，却让更多的人能够参与到价值的创造中，最终推动整个世界变得更加的软件化。
奥特曼进一步预测，未来我们将见证个人定制软件的大爆发。越来越多的人会使用专门为自己或者极少数人编写的软件，并且会持续定制属于自己的工具。如果我们将这种指挥计算机实现想法的行为视为广义上的软件工程，那么这个领域的实践将会迎来前所未有的繁荣。更重要的是，全球GDP中通过这种方式创造和消费的比例将大幅度提升。软件需求不仅不会放慢脚步，反而会以更加细分、更加个性化的形式持续的增长。
这意味着，未来的软件工程师不再是单纯的代码编写者，而是需求的转化者和价值设计者。他们的核心竞争力将从编程技能，转向对用户需求的洞察、对AI工具的驾驭能力，以及将想法转化为实际价值的创造力。
当软件构建的门槛被AI大幅降低，新的瓶颈又会出现在哪里呢？来自现场的一位重度ChatGPT用户、同时也是开发者提出了这个疑问：现在的瓶颈是否已经从能不能构建产品，转变为怎么样推向市场，找到愿意买单或者受益的人呢？
奥特曼对此深表认同。他结合自己在YC的工作经历谈到，创业者们长期以来都面临一个共同的认知落差：那就是原本以为最难的是构建产品，结果发现最难的是让别人关心、使用或者喜爱自己的产品，以及建立人和产品之间的有效连接。AI的出现虽然改变了产品构建的难度，但是并没有让市场推广变得更加容易。旧的商业法则依然适用。建立成功的企业、寻找差异化的价值、搞定市场推广，这些始终是需要克服的难题。
当然，AI也在改变销售和营销的模式。越来越多的企业开始利用AI实现销售和营销自动化，并且取得了一定的成效。但是这并没有降低市场竞争的激烈程度。核心原因在于，即使在一个物质极大丰富、产品层出不穷的世界里，人类的注意力依然是极度有限的稀缺资源。每一个潜在客户都被海量的信息和产品所包围，企业永远在和其他品牌争夺用户的注意力，争夺市场渠道和分销网络。
奥特曼甚至构想了一个未来场景：当一切物质和服务都变得极大丰富的时候，人类的注意力将成为仅存的稀缺商品。在这样的市场环境中，企业要想脱颖而出，必须具备极具创意的想法和真正伟大的产品。仅仅依靠技术的优势或者低成本的生产，已经远远不够了。这也意味着，未来的创业者不仅需要懂技术、懂产品，更需要懂用户心理、懂注意力的管理，能够在信息洪流中抓住用户的眼球，并且建立长期的信任和连接。
随着多Agent技术成为AI应用的重要方向，另一个关键问题浮出水面：OpenAI是不是会垄断Agent构建工具领域呢？来自独立开发者乔治的提问，问出了许多开发者的担忧。他正在基于Codex SDK开发多Agent协调方法，而当前的Agent构建工具主要集中在工作流和链式提示词。作为第三方的开发者，自己的处境是不是安全的呢？未来是不是会有不同类型的多Agent界面共存的空间呢？
奥特曼的回应打消了开发者的顾虑。他明确表示，OpenAI并不认为自己掌握了最佳界面的终极答案，也不打算垄断这个领域。在他看来，用户的需求和使用习惯具有高度的多样性。就像老电影里的场景一样，有人喜欢坐在三十个屏幕前监控复杂的系统，进行精细化的操作；也有人只想要一种平静的语音模式，每小时只跟电脑说一句话，其余的工作都由电脑在后台自动完成。
这种多样性，决定了市场需要不同类型的多Agent来协调界面。人们需要通过尝试不同的方法，来找到最适合自己的模式。虽然从长期来看，世界可能会收敛于少数几种主流模式，但是目前这个领域仍然处于探索阶段，存在广阔的创新空间。
奥特曼特别强调，模型的能力和大多数人理解并且利用这些能力之间，存在着巨大而且不断增长的鸿沟。而构建工具来填补这个鸿沟，正是当前行业所缺失的一个关键环节。OpenAI虽然也会推出自己的Agent构建工具，但是并不会阻碍第三方开发者的创新，因为用户的偏好是不一样的，单一工具无法满足所有的需求。他甚至鼓励开发者们提出自己的功能需求，OpenAI会根据这些反馈进行优化和迭代。
在AI模型的发展路径上，行业一直存在着专业化和通用化的争论。未来模型是会朝着单一领域的极致优化发展，还是会走向全面均衡的通用智能呢？来自Raindrop公司的CTO本·希拉克，直指这一核心问题。他认为GPT 4.5是第一个真正擅长写作的模型，而最新的GPT 5虽然在工具使用、中间推理等方面表现出色，成为了更好的Agent模型，但是在写作等领域却稍逊一筹，呈现出了偏科的特征。OpenAI是怎么看待这个现象的呢？
奥特曼承认，OpenAI在模型发展的过程中，确实存在着精力分配的优先级问题。GPT 5系列在写作能力上的不足，主要是因为团队将五点二版本的大部分精力都投入到了提升智能、推理、编程和工程能力上。由于资源有限，有时侯难免会出现顾此失彼。但是这并不代表OpenAI的长期方向是模型的专业化。
恰恰相反，奥特曼强调，未来的主流将是非常优秀的通用模型。OpenAI的目标是让模型在智能、推理、编程、写作等所有关键领域，都变得全面卓越。他进一步解释道，即使是专注于编程的模型，具备出色的写作能力也是至关重要的。当模型生成完整应用程序的时侯，需要包含优质的文档说明。当模型和用户互动的时候，需要通过清晰的沟通和周到的个性表达，来建立连接。这里所说的写得好，并不是指辞藻华丽，而是说思路清晰、逻辑严谨，能够准确的传达信息。
奥特曼认为，智能具有相当的灵活性，单个模型完全可以兼顾多个领域的能力。随着技术的不断成熟，OpenAI会迅速补齐其他领域的短板，最终实现通用模型的全面发展。
对于AI开发者和企业而言，模型的成本和速度是决定它商业化落地的核心因素。来自Unify公司的CTO提问说，随着永远在线的AI成为趋势，为客户运行数百万、甚至上亿个Agent的最大瓶颈就是成本。小模型将会有怎样的发展趋势呢？未来几年，开发者将迎来怎样的成本降低空间呢？
奥特曼给出了一个明确的预测：到二零二七年底，OpenAI将能够提供类似GPT 5水平的高级智能，而它的成本将至少降低一百倍。这个预测是基于OpenAI在模型优化上的持续投入，因为从最初的o1 preview到后续版本，OpenAI在降低成本曲线上已经取得了显著的进展。
但是他同时也指出，除了成本之外，另一个此前被忽视的关键维度，正在变得越来越重要。那就是交付速度。随着模型输出变得越来越复杂，用户对响应速度的要求，甚至超过了对成本的敏感度。例如，在实时交互、高频次查询等场景中，即使成本比较高，用户也更倾向于选择响应更快的模型。
这就给OpenAI带来了一个全新的挑战：怎样在保持输出质量的前提下，同时实现成本降低和速度提升？因为这两者往往存在着一定的矛盾。提升速度可能会导致成本上升，而单纯的追求成本降低，又可能会影响响应的效率。OpenAI必须找到成本和速度之间的平衡点。这也意味着，未来AI模型的竞争将不再仅仅是能力和成本的竞争，交付速度将成为关键的差异化优势。
那么，AI的快速迭代是不是会让初创公司的生存变得更加艰难呢？初创公司的产品功能是否会轻易被模型的更新所取代呢？这也是许多创业者关心的问题。
奥特曼的回答是，虽然AI改变了软件构建的速度，但是构建一个成功初创公司的基本法则并没有改变。他强调，不要认为商业的物理定律已经完全改变。AI带来的最大变化，只是让人们能够更快的完成工作、更快的构建新的软件。而那些决定初创公司成败的核心要素，比如用户的获取、市场的切入、用户的粘性、护城河、网络效应、竞争优势等等，依然发挥着关键作用。
事实上，正是因为AI降低了创新门槛，才有更多的初创公司有机会实现突破，甚至在某些领域做出OpenAI本应该早点做，但是却错过的事情。这些初创公司通过建立真正的持久优势，已经在市场中站稳了脚跟。
奥特曼还给创业者提供了一个重要的思考框架：如果GPT 6是一次惊人的重大升级，那么你的公司会因此高兴还是难过呢？他鼓励创业者们去构建那些随着模型变强而受益的产品。这类产品能够借助AI的进步，实现自身价值的提升，具有更强的抗风险能力。反之，那些仅仅依靠修补模型缺陷的生意，虽然也许能够存活，但是面临的竞争压力会更加大，发展的路径也会更加艰难。
在AI时代，构建产品的成本将大幅降低，但是好想法的稀缺性依然没有改变。来自现场的提问者指出，从消费者的角度看，人类的注意力是限制因素，但是对于构建者来说，限制得因素是想法的质量。很多AI公司的产品之所以无法获得用户的关注，核心原因就是缺乏真正有价值的好想法。那么，人们如何才能够提出好的想法呢？OpenAI可以构建什么样的工具，来提高人们想法的质量呢？
奥特曼非常认同好想法是稀缺的这个观点。他认为很多人将AI的输出称为垃圾内容，但是人类也制造了很多的垃圾内容。这背后的核心问题就是好想法的缺乏。更重要的是，人类思考的边界往往受到工具的限制，而AI的价值不仅在于执行想法，更是在于帮助人们突破思考的局限，产生更好的想法。
他提出，未来需要构建能够帮助人们产生好想法的工具。随着创作成本的持续暴跌，我们将能够建立非常紧密的反馈循环，从而更快筛选出好的想法。比如，AI可以通过分析用户过去的工作和代码，找出对用户可能有用、或者有趣的东西，并且不断提出建议，就像一个很好的头脑风暴伙伴一样。
奥特曼举例说，他生命中有三四个人，每次和他们交流后，都会有很多新的想法。保罗·格雷厄姆就是其中的代表。如果能够构建一个保罗·格雷厄姆式的机器人，用户可以与之互动来激发新的想法。即使其中大部分的想法都很糟糕，只要能在一百个想法中筛选出五个有价值的，也将会对世界上诞生的优秀事物数量做出重大的贡献。
奥特曼还透露，在使用内部的GPT 5.2版本时，科学家们已经反馈，这些模型带来的科学进展不再是微不足道的。这让他相信，一个能够提出新的科学见解的模型，同样可以通过不同的框架和训练，提出关于产品构建的新见解。随着AI能力的不断提升，它将帮助人类打开全新的可能性空间，让好想法的产生变得更加高效。
既然人工智能在科学研究中的应用已经展现出了巨大的潜力，那它会不会彻底取代人类的科学家，接管整个科学研究事业呢？这是来自一位年长科学家的疑问。科研过程中，想法呈指数级的增长，但是科学家用来执行研究的时间却是有限的。AI工具正在加速这个过程，但是人们会不会迎来模型彻底接管科研的过渡点呢？如果会，这是通过现有的算法就能实现，还是需要新的想法或者世界模型呢？
奥特曼认为，在大多数的领域，距离模型能够进行真正的、完全闭环的自主研究，还有相当长的一段路要走。以数学研究为例，它不需要湿实验室、或者生物和化学实验室、或者物理输入。理论上只需要通过极其深入的思考和不断更新的模型，就能取得巨大的进展，但是即便如此，目前利用模型取得最大突破的数学家们，依然高度参与其中。他们会观察中间过程，并且凭借直觉指出哪里感觉不对。这种人机协作的模式才是当前最有效的路径。
他用国际象棋史上的例子进行类比。当深蓝击败卡斯帕罗夫后，曾经出现过人类加AI比单独的AI更强的阶段。人类能够挑选AI的最佳步法，实现一加一大于二的效果。但是随着AI变得过于强大，人类的介入反而成了累赘。奥特曼怀疑，许多研究领域也会经历类似的过程。随着时间的推移，科研问题将变得非常复杂，AI理解多步逻辑的能力将超越大多数人，甚至所有人。但是创造力、直觉和判断力，这些人类独有的特质，是当前这一代模型还远远未曾企及的。
虽然奥特曼找不到原则性的理由说AI永远无法达到人类的创造力水平，但是他假设，最终AI可能会实现这一点。就目前而言，仅仅让GPT 5或GPT 6去独立解决数学问题，远不如几个优秀的专家利用AI探索方向来得有效。即使模型可以验证结果，并且反馈回训练集，过程中依然需要人类的直觉和判断力的参与。
不过，AI在科研中的辅助作用已经非常显著。奥特曼将AI称为无限的博士后助理。科学家可以利用AI对大量的新问题进行广度优先搜索，无需深入研究每一个问题，从而大幅提升科研效率。
既然如今AI模型的强大能力，已经能让人们随时随地的获得答案，这也引发了一个深刻的问题：如果能轻易的从AI那里得到结果，为什么还要花精力和他人交流协作呢？来自梅格娜的提问，聚焦于人类加人类加AI的协作模式。她想知道在AI普及的时代，人类协作的价值将如何体现。
奥特曼从教育领域的变化切入，分享了自己的经历。他上中学时Google刚刚出现，当时老师们试图让学生承诺不使用它，理由是，如果能随时随地的查到信息，为什么还要上历史课呢？为什么还要死记硬背呢？但是在奥特曼看来，这种想法是荒谬的。拥有工具只会让人更加聪明、学得更多、做得更多。禁止使用AI，就像几十年前有了计算器，却还要强迫人学算盘或者计算尺一样。这并不是在培养一个有价值的技能。
他认为，AI确实对当前的教学方式构成了挑战，但是这并不意味着要拒绝AI，而是要改变教学的方式。人们依然需要学会思考，而写作是练习思考的重要方式。但是我们传授思考、评估思考能力的方法，必须随着变化而调整。
同样，在协作领域，AI的出现并不会削弱人类协作的价值，反而会让人际联系变得更有价值。因为人们会更加重视和他人的相处，以及在合作过程中产生的情感连接和创意碰撞。这些都是AI无法替代的。
奥特曼透露，OpenAI正在努力衡量AI对人类协作的赋能效果，并且已经开始看到人们开始探索更加便捷的协作界面。在思考制造硬件设备时，OpenAI首先考虑的，就是协作式的多人加AI的体验。虽然目前还没有人完全掌握这种模式，但是AI在这方面的潜力令人惊讶。他构想了一个未来的场景：五个人围坐在一张桌子旁，旁边有一个AI助手。这个团队将比以往的任何时候都更具生产力。每次小组头脑风暴都会有AI参与，帮助团队梳理思路、提出建议、筛选方案，让协作变得更加高效。
随着Agent越来越多的投入到生产系统中，大规模部署带来的故障风险也日益凸显。现场提出了另一个核心问题：最被低估的故障模式是什么呢？是安全、成本还是可靠性呢？目前哪些方面的工作投入还不足呢？
奥特曼认为，安全、成本、可靠性这些问题都很重要，但是最被低估的风险在于，AI工具的强大和便利性，会让人们逐渐放松警惕，盲目信任模型的表现，从而忽视潜在的灾难性故障。他分享了自己使用Codex的亲身经历。一开始他确信，绝不会给Codex完全无监督的计算机访问权限。但是仅仅使用了两个小时后，他就发现Agent似乎在做正确的事，而且每次都要批准命令非常繁琐。于是他决定开启完全访问权限试一试，结果从此就再也没关过。
这种经历并不是个例。许多人在使用AI工具时都会有类似的感受：工具的便利性和强大功能让人难以抗拒，从而逐渐放弃对它的监督和控制。奥特曼担忧的是，虽然AI工具的故障率很低，但是这种低故障率会让人们产生麻痹大意的心态，抱着船到桥头自然直的想法，逐渐滑向一种听之任之的境地。
更严重的是，随着模型能力的日益增强，人类越来越难以完全理解它们的行为。如果模型出现偏差，或者在长期使用中暴露出隐蔽的复杂问题，很可能会在不知不觉中引入安全漏洞。虽然AI完全失控的可能性不大，但是奥特曼强调，采用这些工具的诱惑，不仅是效率方面的提升，更有巨大的乐趣和力量。人们会被这种诱惑所裹挟，甚至来不及充分考虑运行这些工具的复杂性，或者是沙箱机制的可靠性。
他认为，当前最缺乏的是宏观安全基础设施的建设，即能够从整体上监控、预警和应对AI故障的系统性解决方案。这不仅是技术层面的问题，还涉及到制度、流程和标准的建立。而这也恰恰是一个极佳的创业机会。谁能构建起完善的宏观安全基础设施，谁就将在AI时代占据重要的战略地位。
最近，AI在教育领域的应用也引发了广泛的争议，尤其是在K 12阶段。当孩子们正处在学习解决问题、写作和思考的关键成长期，课堂上引入AI会带来怎样的影响呢？这是来自伯克利分校大二学生克莱尔的提问，同时结合了她作为学生的观察和对教育未来的担忧。
作为一位新晋父亲，奥特曼的观点非常明确。他不建议在幼儿园阶段使用电脑，更不赞成大量使用AI。在他看来，低龄儿童的成长应该以户外奔跑、玩实体玩具、学习人际互动为主。这些活动对于孩子的身体发育、社交能力和认知发展至关重要。他特别提醒，要警惕技术对低龄儿童的影响。目前关于社交媒体对青少年的负面影响，已经有许多的讨论，但是很多技术对更年幼孩子的影响，可能会更加严重，却鲜有人关注。所以他建议，在对这种影响有更深入的科学调查之前，幼儿园的孩子不应该大量的接触AI，甚至不应该过多的使用电脑。
聊完K 12教育，大学教育是否还是AI时代个人发展的唯一路径呢？来自伦敦一所大学的辍学生丹的提问，道出了许多年轻人的困惑。他的父母还在催他读完大学，而他自己则对大学教育会不会限制个人发展产生了怀疑。
奥特曼以自己的亲身经历回应了这个问题。他辍学后，父母念叨了十年，才放弃让他回去读书的念头。他表示，父母的建议是源于对孩子的爱，他们想给孩子自己认为最好的人生路径。但是世界已经发生了巨大变化，并且还在不断的加速变化。每个人都应该根据自己的情况做出选择，而不是盲从社会灌输给你的既定路线。
奥特曼明确表示，如果你是一名AI开发者，现在可能不是待在大学里的最佳时机。对于雄心勃勃、想要主动解决问题的人来说，当前AI行业正处于千载难逢的特殊时期。大量机会涌现，实践经验的价值甚至超过了传统的课堂教育。他强调，学校随时可以回去读。这并不意味着上学对很多人来说是错误的，也不意味着未来不是正确的选择。但是此刻，抓住AI行业的发展机遇更为重要。对于那些有着明确目标和强烈主动性的人来说，投身实践、在真实的项目中积累经验，可能是更加高效的成长方式。同时，奥特曼也提醒年轻人，要和父母充分的沟通，让他们理解自己的选择。毕竟家人的支持是个人发展的重要动力。
接下来，来自奥莱格的提问聚焦在了OpenAI的招聘策略。既然AI已经能够大幅提升编程效率，OpenAI为什么还在招聘软件工程师呢？过去这段时间，面试方式发生了怎样的变化呢？
奥特曼的回应是，OpenAI会继续招聘软件工程师，但是计划大幅放缓人员的增长速度。核心原因在于，只需要少量的人类工程师，加上大量的AI工具，就可以完成过去需要大量人力才能完成的工作。他同时指出，当前的障碍在于，大多数公司原来的政策，还没有准备好接纳大量的AI同事。这需要时间来进行调整。企业最不该做的就是疯狂扩招，然后突然发现有了AI之后，并不需要这么多人，最后不得不进行痛苦的裁员。因此，对于OpenAI而言，正确的策略是放慢招聘的速度，保持对人才的精选，确保每一位员工都能和AI高效协作，实现能力的倍增。
关于面试方式的变化，奥特曼表示目前变化不大，但是OpenAI正在讨论改革方向。未来的面试重点，将不再是传统的编程技能考核，而是转向评估应聘者利用AI工具的效率。比如让应聘者在十到二十分钟内，完成一项在去年可能需要一个人花两周时间才能完成的任务。他认为，传统的软件工程面试早就已经过时了。在AI时代，真正的核心竞争力，应该是驾驭AI工具解决复杂问题的能力。
奥特曼还提出了一个发人深省的问题：未来的赢家，会是那些只有少量员工、但是拥有大量AI同事的公司，还是完全由AI组成、只有一大堆GPU而没有人类的公司呢？他个人非常希望是前者。但是如果传统公司不积极采用AI，不招聘善用工具的人才，它们最终会被那些完全由AI组成、没有繁文缛节束缚的新型实体所淘汰。这对社会来说将是极大的动荡。因此，企业迅速、大规模的采用AI，已经成为了关乎生存和发展的关键。
随着Sora等生成式AI工具的普及，人类创作者和AI辅助创作之间的关系又将走向何方呢？来自创作者兼摄影师科尔的提问，反映了创意行业从业者的普遍困惑。
奥特曼从图像生成领域的发展中寻找答案。他指出，创意界对AI生成内容的态度，可以说是爱恨交织。而消费者的反应则揭示了一个核心趋势：研究显示，如果被告知作品是人类而不是AI创作的，人们的欣赏度和满意度就会大大提高。这背后的本质是，人类深切的关注着同类的创作，却对机器生成的内容缺乏情感共鸣。
奥特曼分享了一个有趣的测试案例。研究人员给那些声称痛恨AI艺术的人看十张图片，其中一半是由人类创作的，另一半是由AI生成的，让他们按照喜爱程度来排序。得出的结果相当一致：人们往往会将AI创作的图片排在前面。但是一旦被告知真相，他们的态度就会立刻反转，声称自己其实并不喜欢它。这个现象表明，人们对艺术作品的情感共鸣，不仅是源于作品本身的质量，更是源于创作者的人类身份，以及他背后的人生故事和创作动机。
奥特曼又举例说，当人们读完一本深爱的书，第一件事往往是去查阅作者的生平，因为他们感到和这个陌生人建立了某种精神上的联结，渴望了解作者的经历和想法。如果发现一本伟大的小说是由AI写出来的，很多人会感到失落和沮丧。这种情感反应并不是暂时的，而是将持续几十年的长期趋势。
但是他同时指出，如果艺术作品中包含了人类的指导，哪怕只有一点点，人们似乎就不会产生强烈的抵触情绪。这就像数字艺术家使用Photoshop创作的作品，依然会受到人们的欣赏一样。人类的编辑、策划、创意指导等工作，为作品注入了情感和灵魂。因此，奥特曼预测，在未来，创作者本身、他们的人生故事，以及在创作过程中所做的编辑、策划等工作，依然是非常的重要。纯AI生成的艺术作品，很难获得和人类创作、或者人类辅助创作的作品，同等的情感共鸣。
对于AI工具的个性化和记忆功能，来自旧金山州立大学毕业生基思·柯里的提问，聚焦于两个核心点：一个是个性化和记忆功能的未来发展方向；二是更精细的控制权，比如对记忆进行分组，区分工作身份和个人身份，以便在不同的场景下，精确选择AI调用的内容。
奥特曼明确表示，OpenAI将大力投入记忆和个性化的功能。这不仅是用户的核心需求，也是提升工具可用性的关键。他分享了自己的观念转变。过去他对AI访问自己的私人信息感到顾虑，但是现在他已经准备好了，让ChatGPT访问自己的电脑和互联网上的所有信息，因为这带来的价值将是巨大的。AI将了解用户生活的方方面面，帮助用户管理自己的数字生活，提供个性化的建议。这种便利是无法替代的。
但是奥特曼也强调，所有的AI公司以及整个社会，都必须高度重视安全和隐私问题。AI的效用越大，隐私保护的重要性就越高。不能因为追求便利而忽视安全风险。
对于记忆分组的需求，他表示用户并不想手动分类工作记忆、个人记忆等内容。大多数用户都希望AI能够自主理解生活中，复杂的规则、互动和层级关系，知道在什么时侯使用什么信息，在哪里展示什么内容。这意味着，未来的AI个性化功能，将朝着智能自主的方向发展。AI不仅能存储用户的记忆信息，还能理解这些信息的上下文和使用场景，自动进行分类和调用。当然，实现这个目标，需要解决复杂的语义理解、场景识别和隐私保护问题。但是这正是大多数用户真正想要的，也是OpenAI未来的核心研发方向之一。
最后，奥特曼在访谈的结尾，呼吁所有的AI构建者和用户们提供反馈，告诉OpenAI他们想要什么样的功能和工具。他描绘了一个愿景：未来的OpenAI还将推出比当前模型强大一百倍、上下文长度增加一百倍、速度快一百倍、成本降低一百倍的模型。它能够完美的调用工具，并且具备极高的连贯性。而实现这个愿景的关键，正是来自全球用户和开发者的需求反馈。
好了，以上就是奥特曼这次访谈的主要内容了。不知道大家是否有所收获。感谢收看本期视频，下期再见。