Transcription
最近这几天，互联网上真的特别魔幻。你只要打开社交媒体，满屏都是在吐槽 OpenAI 的。大家都在疯狂转发那几张评测图，说 GPT-5.2 翻车了，说它在 Benchmarks 上，被谷歌的 Gemini 3.0 Pro 按在地上摩擦。甚至有人说，奥特曼现在就是个画饼大师，除了会融那 1.4 万亿的美金，剩下的就是挤牙膏。
你看，互联网的记忆只有七秒，互联网的判断逻辑也很简单：谁赢了一道题，谁就赢了整个世界。评论区里全是“OpenAI 药丸”、“谷歌牛逼”、“时代变了”。
但更有意思的是，在这场全网群嘲的狂欢里，只有一个人一直在笑。不是那种尴尬的赔笑，而是那种“你们手里拿着打火机，在笑话我手里攥着的核弹引信太沉了”的那种冷笑。
这个人，就是山姆·奥特曼。他最近在 Big Technology Podcast 深度专访里，全程淡定得让人发毛。面对主持人犀利的提问：“你们是不是失去领先优势了？Gemini 3 是不是把你们逼到了绝路？”奥特曼不仅没否认，还直接承认了：“是的，我们内部确实搞了红色警报，我们确实被吓了一跳，我们确实在疯狂开会应对。”
但是，紧接着他抛出了一个词。这个词听起来很学术，甚至有点枯燥，但你信我，这绝对是 2025 年最恐怖的一个词。它叫“能力过剩”。
你们在笑 GPT-5.2 输给谷歌，奥特曼在笑你们只会看分数。因为真正决定谁赢的，从来不是今天这张榜单谁排第一，而是“这玩意儿能不能在现实世界里，把你公司里一整层白领变成可有可无的成本项”。
今天这期视频，我就用奥特曼这次专访的内容，把这局棋，给你彻底扒开看一下。你会发现一件事：所谓输赢，可能只是观众的爽点；而所谓能力过剩，才是奥特曼真正的底牌，甚至是你我饭碗的最后一声警报。
先看两组核心数据。这两组数据，比任何跑分都更能说明问题。
第一组数据：GDPval。听起来像什么？宏观经济学术语对吧？其实它测的是更狠的东西。以前我们测 AI，是测它能不能写诗，能不能做奥数题。但 GDPval 测的是，AI 到底能不能把一堆真实世界里能赚钱的工作任务，做得比人类专家更好。结果呢？GPT-5.2 Pro 在这个测试里，打赢或打平人类专家的比例是 74.1%。这 74.1% 意味着，你把公司里那些法务摘要、财务报表、代码调试、运营方案丢给它，十个里面有七个半，它做出来的东西，人类评审专家觉得比人做得好，或者跟人一样好。注意，这里比的不是能不能用，而是是不是比专家好。这就是从辅助工具，跨到独立员工的，那条红线。
第二组数据：星际之门计划。这就更夸张了。一个被网友嘲笑“快不行了”的公司，它在干嘛？它在搞一个总投资 1.4 万亿美元的基建计划。它要建的数据中心，单体功耗是 1 到 5 吉瓦。这什么概念？1 吉瓦就是一个核反应堆的发电量，能供养一个中型城市的全部用电。奥特曼的目标是总计 30 吉瓦。他不是在买显卡，他是在德克萨斯州和中西部浇筑钢筋水泥，他是在建一座“认知的核电站”。
你现在能不能感受到那种巨大的反差？网友在评论区玩梗，嘲笑它挤牙膏；奥特曼在董事会签合同，要把智能变成像电力一样的工业品。这就像全网都在嘲笑一个学霸这次月考作文跑题了，结果人家转头去买下了一整片工业园区，还签了几十年的核能供电合同。你还在纠结分数，他已经在重写整个行业的成本结构了。
所以，今天我想讲的核心就一句话：你盯着 Benchmarks 那点分数，顶多是在看谁更像学霸；奥特曼盯着能力过剩，是在看谁能把世界的工作流程拆了重装。
好，我们先把全网笑话 GPT-5.2 输给谷歌这件事彻底说清楚，不然很多人还是会觉得，你是不是在硬洗？“我都用了 Gemini 3 Pro，就是比 GPT 好用啊！”兄弟，我懂你的感觉，我也用了，Gemini 3 Pro 确实强。但我们要搞清楚，它为什么强？GPT-5.2 又为什么笨？这背后其实是两条完全不同的技术路线在打架。
我们在第三方的深度评测报告里，发现了这样一个细节：GPT-5.2 和 Gemini 3，其实代表了两种极端的思维流派。GPT-5.2 走的是什么路子？专家把它叫做“深度线性推理”。它就像一个性格极度孤僻，甚至有点强迫症的数学教授。你看它在 AIME 上的表现，它拿了多少分？100% 满分。这意味着，只要是形式逻辑明确的题目，它一个步骤都不会错。它追求的是零缺陷的确定性。
但是，这种性格的代价是什么？代价就是死板。你问它一个稍微模糊点的问题，或者让它搞点创意发散，它就开始跟你较真，因为她一定要找到那条唯一的逻辑链条。
而谷歌的 Gemini 3.0 Pro 呢？它走的是另一条路，叫“并行树状搜索”。它就像一个圆滑热情，脑子转得飞快的咨询公司创意总监。遇到问题，它瞬间在脑子里长出无数个分支，哪怕有的分支不那么严谨，它也能给你凑出一个看起来很美的答案。所以你在用 Gemini 的时候，你会觉得它很有灵性，它能懂你的言外之意，它能给你惊喜。
所以，这场对决的本质，不是谁智商高，而是场景错配。谷歌赢在了聊天和创意，赢在了讨好人类用户；而 OpenAI 赢在了执行和逻辑，赢在了替代人类专家。
那为什么大家体感上觉得 GPT-5.2 变笨了？这里还有一个更隐秘的原因。奥特曼在专访里其实暗示了，叫“安全税”。为了让这个数学教授能进企业干活，OpenAI 给它套上了极其沉重的枷锁。评测数据显示，GPT-5.2 的拒答率高达 59%，而 Gemini 只有 45%。这就好比你请了个保镖，GPT 这个保镖武力值爆表，但规矩多得要命。你让他开个车，他先查你驾照，再查交通法，最后告诉你“为了安全，建议步行”。而谷歌那个保镖呢，虽然武力值可能稍微弱一点，但嘴甜，听话，办事利索。
对于我们普通用户来说，当然觉得谷歌好。但是兄弟们，对于那些想要替代工作流程的老板来说，那个能考满分、严丝合缝、哪怕慢一点但绝对不出错的 GPT-5.2，才是真正的生产力核弹。
所以，奥特曼这次专访里最狠的一刀，不是说我们比谷歌强，而是他在笑：你们纠结体验差，纠结谁像人，你们根本没看到模型的能力已经溢出了，溢出到企业根本消化不了。
这就引出了今天最核心的概念：能力过剩。
很多人会问，既然 GPT-5.2 这么强，既然 74% 的任务它都能干，那为什么我还没看到大厂疯狂裁员？为什么我身边的人还在用 Excel 手动填表？这正是能力过剩最诡异的地方。模型已经坐上了高铁，但公司的制度还骑着驴。
奥特曼在专访里提出了一个 Z 轴理论。他说，以前我们看 AI，只看时间轴，技术进化得快不快。但现在多了一个维度，叫覆盖度。现在的真实情况是，模型能力在 100 分，但绝大多数企业的系统和流程，连 20 分的能力都接不住。
为什么？因为大公司有两堵墙，把 AI 这股洪水死死挡在了门外。
第一堵墙，叫官僚主义的免疫反应。你想想看，在一个 500 强企业里，你要引入一个新工具，需要经过多少流程？采购、合规、数据安全审计、法务风险评估、IT 架构兼容性测试等等。这一套流程走下来，几个月过去了。等你终于把 GPT-4 部署上线的时候，OpenAI 可能已经发布了 GPT-6。奥特曼说得很直白：“技术早就溢出了，是你们的组织架构在排异。”很多公司宁愿花钱雇 10 个初级分析师去手动整理周报，也不愿意去修改那个运行了 20 年的财务审批流程，让 AI 自动抓数据，因为改流程的政治风险，比付工资的财务成本要高。
第二堵墙，叫遗留系统的旋转椅困境。这画面特别黑色幽默。AI 已经在几秒钟内算出了最优的库存调度方案，但它没法执行。为什么？因为你公司的仓库管理系统是 20 年前的绿屏终端，根本没有 API 接口。于是出现了一个荒诞的场景：AI 在屏幕上显示结果，然后需要一个人类员工，像个傻子一样，看着 AI 的屏幕，再手动把数据敲进旧系统里。这种旋转椅式的工作方式，直接把 AI 的效率优势给抹平了。
所以你会觉得，AI 也没省多少事啊？但兄弟们，这种滞后不是永久的，它是一个蓄水池。奥特曼在笑，是因为他知道，企业为了利润，迟早会炸开这两堵墙。一旦 API 打通，一旦流程重构，积蓄在大坝后面的洪水，会瞬间冲下来。那时候，就不是慢慢优化了，而是瞬间淹没。
别觉得我在危言耸听。其实在一些动作快的领域，大坝已经决堤了。
为了让大家看清真相，我找了几个血淋淋的案例。这些不是预测，这些是已经发生的屠杀。
第一个案例：Klarna 的 700 人消失术。瑞典的金融巨头 Klarna，前段时间干了一件大事。他们接入了 OpenAI 的客服系统。结果呢？上线第一个月，AI 处理了 230 万次对话，这相当于 700 名全职客服的工作量。更狠的是，AI 把解决问题的时间从 11 分钟压缩到了 2 分钟，预计给公司一年省下 4000 万美元的利润。这 700 人的岗位去哪了？没了，彻底蒸发了。Klarna 的 CEO 后来承认，AI 虽然缺乏同理心，但处理标准问题的效率太高了，高到我们无法拒绝。
第二个案例：Duolingo 的去学徒化。大家学外语都用过 Duolingo 吧？今年初，他们裁掉了 10% 的合同工，主要是翻译和内容创作。以前，初级翻译需要翻译几万个句子，才能晋升为专家。现在，AI 瞬间翻译完，人类专家只负责审核。这意味着，初级白领的学徒期被消灭了。以后新人想入行？对不起，门焊死了。
第三个案例：IBM 的静默替代。IBM 的 CEO 直接宣布，暂停招聘 7800 个后勤岗位，包括 HR、财务、行政。理由是，这些工作 5 年内会被 AI 取代。注意，是暂停招聘，不是大规模裁员。这叫静默替代。你看着公司里人还在，但这个岗位已经没有未来了。走一个，少一个，直到彻底消失。
这就引出了一个更恐怖的新物种：AI 管理者。现在已经出现了这种岗位。一个人类主管，以前管 10 个人，现在管 10 个 AI Agent。他的工作从管人，变成了调试 Prompt，复核 AI 产出。这听起来像升级对吧？但数据很扎心：34% 的员工表示，他们更愿意向 AI 汇报工作。为什么？因为 AI 公平，没偏见，不搞办公室政治。当连管理这种职能，都被算法接管的时候，传统中层管理者的价值，就会瞬间归零。
但兄弟们，你以为这就到头了吗？别急，奥特曼的刀还要往上挥。
在这次专访里，他甚至抛出了一个让所有老板都后背发凉的概念：叫 AI CEO。很多人听到这可能会笑，“开什么玩笑？AI 能懂战略？能懂人心？你让 AI 来当老板？”
先别笑。我们用能力过剩的逻辑推演一下，这事儿反而逻辑极其自洽。你想想，CEO 每天干得最多的是什么？看报表、听汇报、开会协调、做资源分配。这些动作的本质，其实是高强度的信息处理。如果 AI 能把全公司的数据实时清洗，能瞬间模拟出 100 种战略的推演结果，能把最优的资源配置方案直接拍在桌子上，那 CEO 剩下要干的是什么？只剩下一件事：承担责任。
奥特曼的意思非常明确：未来的公司结构里，AI 负责做基于数据的最优解；而人类 CEO 负责做基于价值观的最终确认。说白了，人类 CEO 会越来越像董事会的签字傀儡，而那个真正跑业务、做优化的核心大脑，其实是 AI。
你看，这就是能力过剩在组织层面的终局想象。向下，它消灭了学徒和初级白领；向上，它架空了管理者和决策者。最终留下的，只有极少数敢签字、敢背锅的人，和一套庞大而高效的智能执行系统。
看懂了这些，你才能理解，为什么奥特曼敢玩那么大。很多人还在质疑 OpenAI 每年亏几百亿，会不会破产？奥特曼反手就抛出了一个 1.4 万亿美元的“星际之门计划”。他在专访里那个逻辑，简直简单粗暴到让人害怕：“算力即生命线”。他说：“如果我们现在有双倍的算力，我们的收入马上就能翻倍。”
这句话的潜台词是：需求是无限的，瓶颈全在供给侧。他把智能看作是一种像电力一样的工业品。以前，电力紧缺的时候，你家里只舍得点灯；电力过剩的时候，你才舍得开空调、搞电解铝、搞大数据中心。奥特曼赌的就是这个：只要我能把智能的成本打下来，把规模提上去，提到 30 吉瓦这种核电站级别，全世界的每一个软件、每一个设备、每一个决策环节，都会通过 API 接入他的认知电网。
这就是为什么他不在乎 GPT-5.2 现在被骂，因为他在建的是未来的基础设施。他要让 OpenAI 变成 AI 时代的国家电网，变成大而不能倒的战略资产。这 1.4 万亿里，有微软的钱，有贝莱德的钱，甚至有中东主权基金 MGX 的钱。这已经不是商业竞争了，这是地缘政治级别的博弈。
那面对这场注定要决堤的洪水，我们普通人，尤其是屏幕前的你和我，到底该怎么办？是等着被 Klarna 那样裁掉，还是像奥特曼一样笑着上岸？
我结合专访内容和麦肯锡的建议，总结了四条法则：
第一，从创作者转型为编排者。别再比谁 PPT 写得快，谁代码敲得快了。在 AI 时代，单纯的产出能力贬值最快。你要练的能力是，能不能设计一套工作流，让 5 个 AI Agent 协同工作，帮你完成一个项目。未来最值钱的，不是画图的人，而是知道怎么指挥 AI 画出甲方想要的那张图的人。
第二，建立你的 AI 授权矩阵。像 CEO 一样思考，把你的工作拆开。哪些是高频低风险的？比如整理会议纪要、清洗数据，全权交给 AI，别浪费时间。哪些是低频高风险的？比如跟客户谈判、做最终决策，这是你的人味儿护城河，死死守住。记住，AI 无法承担法律责任，你的签字权、你的背书、你的人际信任，才是 AI 无法替代的资产。
第三，利用影子 AI 实现个人套利。这是个灰度建议，但很实用。在公司流程还没升级之前，利用 GPT-5.2 把你的工作效率提成 10 倍。但别傻乎乎地告诉老板“我 1 小时干完了”。你要把省下来的 9 小时，用来学习更高阶的业务逻辑，用来搞跨部门关系，用来构建你的 B 清单能力。利用企业的低效，来积累你个人的降维优势。
第四，深耕垂直领域的隐性知识。不管是 GPT 还是 Gemini，通识都非常无敌，但它不懂你们行业的潜规则，不懂你们公司的黑话，不懂那个刁钻客户的脾气。这些非结构化的经验，是 AI 短期内啃不下来的硬骨头。别做通才，要做那个最懂业务痛点的专家。
兄弟们，奥特曼在笑，是因为他手里握着未来的剧本。他知道 GPT-5.2 现在的不好用，只是黎明前的黑暗。当 2026 年一季度那个新版本发布，当智能体可靠性突破临界点，当大坝彻底决堤的时候，你是随波逐流的沙石，还是有备而来的方舟？这取决于你从今天开始，是用 AI 来偷懒，还是用 AI 来进化。
欢迎在评论区留言讨论。好了，今天这期视频就先聊到这里，记得点赞转发热推，咱们下期再见。