来源：瓜哥AI新知

　　本文内容整理自OpenAI CEO Sam Altman在Alex Kantrowitz频道的专访，公开发表于2025年12月19日。原始内容参考：https：//www.youtube.com/watch？v=2P27Ef-LLuQ

　　内容提要： 山姆·奥特曼在Big Technology播客上谈OpenAI的制胜之道、AI基础设施建设逻辑及2026年IPO展望

• 竞争与警惕：OpenAI 将竞争视为常态，并通过“红色警报”机制保持警惕，迅速应对新出现的威胁，并借此机会发现和弥补产品与策略的短板。他们认为这种警惕是持续获胜的关键。

• 产品生态系统的重要性：强大的模型只是入场券。OpenAI 强调构建完整、协调的解决方案，即围绕最顶尖的模型打造最卓越的产品，并拥有足以支撑大规模服务的基础设施。用户选择产品的理由，远不止模型本身，还包括产品体验、个性化和品牌忠诚度。

• 模型不会完全商品化：不同模型在特定领域各具优势，而前沿模型将创造最大的经济价值。尽管通用模型能满足日常需求，但为科学发现等特定任务优化的模型将更具价值。

• AI 平台化趋势：人们渴望一个统一的AI平台，就像他们在生活和工作中使用同一部手机一样。OpenAI 认为，ChatGPT在C端的成功，为其赢得了B端的入场券，并将继续构建一套完整的 AI 平台。

• 分发渠道的优势：谷歌等公司拥有巨大的分发渠道优势，但OpenAI认为，与其将AI“缝补”进旧产品（如网页搜索），不如从零开始构建一个“AI原生”的世界。

• AI 驱动的新产品形态：AI的使命是创造全新的产品形态，而不仅仅是为旧产品赋能。这可能包括完全围绕 AI 构建的消费级硬件，以及更主动、更能理解用户意图和背景的AI智能体。

• 个性化与记忆能力：个性化是 AI 的核心优势，尤其是记忆能力。OpenAI 正致力于将其提升至全新高度，让AI能够铭记用户一生的细节与偏好，这种极致的个性化将构筑无与伦比的用户忠诚度。

• 用户与 AI 的关系：人们渴望与 AI 建立深度的陪伴关系，OpenAI 认为这是一种健康的趋势，并允许用户自主选择与 AI 的亲密程度。但 OpenAI 不会鼓励 AI 与用户建立排他性的浪漫关系。

• 企业市场机遇：OpenAI 将企业市场视为明年的核心焦点，企业对 AI 平台和定制化 API 的需求极其旺盛。其企业业务的增长速度已超过消费者业务。

• GDP-val 评估的意义：GPT-5.2 模型在知识工作任务中表现卓越，已能胜任专家级的工作，这意味着AI可以接管大量定义明确的任务，从而降本增效，尽管复杂的创意工作仍是挑战。

• AI 对就业的影响：AI将重塑工作的本质：未来，人将成为AI的管理者，而非任务的执行者。尽管短期内转型可能充满阵痛，但人类对价值、服务和创造的追求永不改变，未来的工作形态必将发生深刻变革。

• AI CEO 的设想：OpenAI 正在思考未来由 AI 担任 CEO 的可能性，并提出一个框架：由人类组成的董事会设定目标和意愿，而 AI CEO 则负责高效执行，并接受董事会的有效监管。

• GPT-6 的展望：预计明年第一季度将推出比 5.2 有显著提升的新模型，旨在同时满足消费者对模型体验的期待和企业对更高智能水平的需求。

• 基础设施投资（1.4 万亿美元）：巨额投资将用于构建支撑科学发现、医疗保健、视频生成和企业应用等领域的AI基础设施。算力是限制 AI 发展的关键瓶颈。

• 科学发现的驱动力：AI 和海量算力的结合将极大加速科学发现的进程，助力解决治愈疾病等重大难题。Codex等工具已在科研领域展现出巨大潜力。

• Token 生产的指数级增长：AI 模型每天产生的 token 数量可能超过全人类的总和，这凸显了 AI 输出的巨大潜力，也揭示了人类大脑与 AI 大脑在产出规模上的悬殊对比。

• 对未来 AI 发展的信心：OpenAI 对模型的持续进步充满信心，认为市场需求将不断增长，AI 将被广泛用于创造价值。算力是发展的基石，但预计将持续受限。

• 盈利预测与计算成本：OpenAI 计划通过收入增长来覆盖成本，并逐步让推理成本取代训练成本成为主要开销，以此实现盈利。虽然训练成本高昂，但对大模型的投入是其核心长期战略。

• 市场对 AI 泡沫的担忧：市场对 AI 领域存在泡沫的担忧，但 OpenAI 认为这种担忧反而带来了理性和更健康的思考。其算力壁垒和商业模式的可靠性是其应对质疑的关键。

• AI 发现的巨大潜在影响：AI 模型的价值远超其当前的应用范围。在程序员生产力等诸多领域，AI将带来巨大提升，但这些影响的全面显现需要时间，且可能伴随着一些“意想不到的后果”。

• 企业采用 AI 的滞后性：尽管 AI 能力强大，但企业在改变现有工作流程方面存在巨大惯性，导致其采用 AI 的速度慢于预期。

• 无屏幕设备：OpenAI 正在开发一系列小型无屏设备，以适应未来更智能、更主动的 AI 交互方式，旨在突破现有设备的局限性。

• AI 平台与传统云的区别：OpenAI 致力于构建一个真正的 AI 平台，以满足企业对定制化 API、ChatGPT Enterprise 和可信数据代理的需求，这与传统云服务商的定位截然不同。

• AI 驱动的科学发现：人类通过构建更好的工具（AI模型）来推动科学进步。AI 的发展将加速这一进程，带来前所未有的突破。

• IPO 的考量：OpenAI 暂不急于上市，但承认未来可能需要巨额资本。上市虽能让更多人分享价值，但也伴随着一些“恼人”的副作用。

• AGI 的重新定义：AGI 的标准正变得模糊，GPT-5.2 等模型已在多方面展现出超凡能力。OpenAI 提出“超智能”概念，其定义是：其能力将超越在AI辅助下的人类，足以胜任总统、CEO或执掌顶尖科学实验室。

　　内容简介

　　Sam Altman是OpenAI的首席执行官。在本期Big Technology播客中，Altman与我们一同探讨在日趋激烈的AI竞赛中，OpenAI的制胜蓝图。他深入剖析了公司的核心战略、优势所在，并展望了2026年及未来的产品布局。我们的话题涵盖AI的记忆与个性化、渠道与产品的博弈、庞大基础设施的资金来源、AI硬件设备、AI云服务，乃至我们是否已迎来AGI等诸多前沿议题。敬请收听这场与AI行业顶级变革者的独家深度对话。

　　采访全文

　　萨姆·奥特曼：您刚才提到的那1.4万亿美元，我们会用很长一段时间来投资。坦白说，我甚至希望我们能花得再快一点。

　　主持人Alex：我想大家都很想知道，这笔巨额资金究竟会如何运作，最好能一次性说清楚。

　　萨姆·奥特曼：指数级增长这个概念，人们通常很难直观地理解。

　　主持人Alex：今天，OpenAI的首席执行官Sam Altman将与我们共同探讨：在日益白热化的人工智能竞赛中，OpenAI的制胜之道是什么？庞大的基础设施成本如何解决？以及公司可能于何时上市。Sam，欢迎做客我们的节目。

　　很高兴来到这里。OpenAI 已经 10 岁了，这真让人难以置信。ChatGPT 也已经 3 岁了，但竞争正在加剧。据说在Gemini 3发布后，OpenAI总部就启动了“红色警报”，并且至今尚未解除。放眼望去，市场上到处都是试图分一杯羹的公司。这似乎是公司创立以来，第一次不再拥有无可争议的领先地位。所以，我很想听听，您认为OpenAI将如何应对当下的挑战并最终胜出？

　　萨姆·奥特曼：首先，关于“红色警报”，我们视其为一种低风险、高频次的常态化机制。我认为，对潜在的竞争威胁保持警惕并迅速响应，是十分必要的。我们过去也这样做过，比如今年早些时候DeepSeek发布时。

　　主持人Alex：当时也启动过红色警报。

　　萨姆·奥特曼：是的。应对疫情有句老话，大概意思是：疫情初期采取的任何行动，都远比后期补救更有价值。大多数人总是初期应对不足，到后期才追悔莫及。这一点在新冠疫情中体现得淋漓尽致。

　　我倾向于用这种理念来指导我们应对竞争威胁。而且，我认为保持一点警惕是好事。Gemini 3目前来看，并未造成我们当初担心的那种冲击。

　　但它和DeepSeek一样，确实暴露了我们产品和策略上的一些短板，我们正在迅速弥补。我估计这次的“红色警报”状态不会持续太久，根据以往的经验，通常是六到八周。

　　但我很高兴我们能这样做。就在今天，我们发布了一款新的图像模型，非常出色，完全满足了消费者的期待。上周我们发布的5.2版本，表现也极佳，用户增长非常迅速。我们后续还会推出其他产品和持续的改进，比如提升服务速度。我的猜测是，未来我们每年都会启动一两次这样的“红色警报”，并长期坚持下去。这是确保我们持续领先的必要手段。当然，很多其他公司也会表现出色，我为他们感到高兴。但是，毫无疑问，ChatGPT仍然占据着遥遥领先的主导地位。

　　市场上聊天机器人众多，但我预计，我们的领先优势只会随着时间推移而扩大，而非缩小。未来，强大的模型会无处不在，但用户选择一款产品——无论是C端还是B端——看的远不止是模型本身。这一点我们早有预见。

　　因此，我们的目标是构建一套完整、协调的解决方案，确保OpenAI成为用户的首选。我认为竞争是好事，它能鞭策我们做得更好。我相信我们在聊天应用上会继续保持优势，在企业市场也会大有作为。未来几年，在开拓新领域时，我也同样充满信心。

　　我认为人们真正需要的是一个统一的AI平台。就像人们在生活和工作中使用同一部手机一样，他们也希望在AI上有同样的体验。ChatGPT在C端的成功，确实为我们进军B端市场铺平了道路。当然，企业客户有不同的需求，但他们会想：“我们信任OpenAI这家公司，也熟悉ChatGPT的界面。”

　　所以，我们的战略始终是：打造最顶尖的模型，围绕它构建最卓越的产品，并配备足以支撑大规模服务的基础设施。

　　主持人Alex：确实存在先发优势。据我所知，今年年初ChatGPT的周活跃用户约为4亿，现在已增至8亿，甚至有报道称接近9亿。但另一方面，谷歌这样的公司手握分发渠道的优势。所以，我想听听您的看法：您认为AI模型会走向商品化吗？如果会，那么决胜的关键是什么？是分发渠道？是构建应用生态的能力？还是其他我没想到的因素？

　　萨姆·奥特曼：我认为用“商品化”来定义模型可能并不恰当。在不同领域，模型的擅长点各不相同。对于日常聊天这类通用场景，未来或许会有很多出色的选择。

　　但对于科学发现这样的前沿领域，你需要的将是那些针对科研深度优化的、最顶尖的模型。因此，模型之间会形成差异化的优势，而我认为，绝大部分经济价值将由最前沿的模型创造。我们的目标，就是在这个领域保持领先。

　　我们非常自豪GPT-5.2是世界上最强的推理模型，也是科学家们取得突破性进展的首选工具。同时，我们也为它被企业公认为处理各类商业任务的最佳模型而感到骄傲。

　　所以，我们可能在某些方面领先，在其他方面暂时落后。但我预见，即便在一个免费模型能满足大部分需求的世界里，那个最智能的模型依然会拥有无可替代的巨大价值。当然，产品本身至关重要，正如您所说，分发渠道和品牌影响力同样关键。以ChatGPT为例，个性化是其强大的护城河。人们喜欢模型能随着时间推移越来越懂自己，未来大家会看到我们在这方面投入更多。

　　用户在使用这些模型时会获得独特的体验，并将这种体验与品牌深度绑定。就像有人曾告诉我，大多数人一生可能只会认定一个牙膏品牌，并一直使用下去。当人们通过ChatGPT获得一次奇妙的体验后，他们会津津乐道。

　　医疗保健领域就是一个典型的例子。有人把验血报告或症状输入ChatGPT，结果发现了一种之前未能确诊的疾病，并因此得到了治疗。这样的用户忠诚度极高，而个性化服务更会加深这种联系。

　　此外，还有产品层面的诸多因素。我们最近发布的桌面应用，就指明了一个潜力巨大的新方向。设备端的探索还需要时间，但我对此充满期待。

　　再说到企业领域，其护城河的构成会略有不同。但与消费者端的个性化类似，企业也会与我们这样的公司建立深度合作，将他们的数据接入模型。你可以用它来运行来自不同公司的代理，并确保信息以合规的方式被处理。我预计这也会形成非常强大的壁垒。

　　我们已经有超过一百万家企业，人们大多将我们视为一家消费者公司。

　　主持人Alex：是的，我们稍后肯定会深入探讨企业市场。

　　萨姆·奥特曼：我想说的是，我们有超过一百万的企业用户。我们API业务的增长绝对迅猛，今年的增速甚至超过了ChatGPT本身。所以，企业业务也是今年才真正开始发力。

　　主持人Alex：我们回到刚才的话题。也许“商品化”一词不准确，对于普通用户而言，更像是“体验趋同”？您提到，日常使用场景下不同模型的体验可能差不多，但在前沿领域的差异会很明显。那么，如果ChatGPT和Gemini在日常体验上难分伯仲，谷歌凭借其无与伦比的分发渠道来推广Gemini，而ChatGPT则需要为获取每个新用户而努力，这会构成多大的威胁？

　　萨姆·奥特曼：我认为谷歌依然是巨大的威胁，它是一家实力极强的公司。如果谷歌在2023年就下定决心认真对付我们，我们可能会陷入非常被动的局面，他们当时本可以轻松击败我们。但幸运的是，他们当时AI的努力方向有些偏差，产品上也未能认真对待——尽管他们也曾拉响过“红色警报”。而我们这里，每个人都时刻保持着“红色警报”的状态。此外，谷歌拥有科技行业最强大的商业模式，他们绝不会轻易放弃。

　　但我不认为将AI集成到网页搜索中，会比彻底重构产品更有效——当然，可能是我错了，或者说是我自己的执念。这其实反映了一个更有趣的宏观趋势：将AI“集成”到现有流程中，其效果远不如以“AI优先”的思维模式去重新设计一切。这也是我们最初想做消费级设备的部分原因，这个理念也适用于其他许多领域。比如，你可以把AI融入到消息应用里，让它擅长信息摘要和草拟回复，这当然能提升一些体验。

　　但这绝非终局。终局应该是你拥有一个聪明的AI代理，它能与其他人的代理沟通，判断何时该打扰你、何时不该，哪些决定可以自行处理、何时需要征求你的意见。搜索、生产力套件等领域也是同理。实现这一切所需的时间可能比想象中更长，但我坚信，未来主流的产品类别中，会出现完全围绕AI构建的新物种，而不仅仅是集成了AI的旧产品。我认为这正是谷歌的软肋所在，尽管他们手握巨大的分发优势。

　　主持人Alex：是的，我和很多人聊过这个。ChatGPT刚发布时，我记得是本尼迪克特·埃文斯 （Benedict Evans） 提出，或许不该把AI塞进Excel，而应该重新构想Excel的用法。我脑海中的画面是，你上传数据，然后直接与数据“对话”。但在开发过程中，人们发现这需要在后端进行大量工作。所以，正确的做法是先构建后端，然后通过一个全新的软件界面，利用AI来与之交互吗？

　　萨姆·奥特曼：是的，正是如此。

　　你可以把AI集成进去，但拿我自己来说，我每天在邮件、短信、Slack等各种消息应用上花费大量时间，而我认为这些界面从根本上就是错的。集成AI进去，体验会好一点，但仅此而已。

　　我更期待的未来是，我可以在早上告诉AI：“这是我今天想完成的事、我担心的事、我在思考的事，以及我期望达成的目标。” 我不想整天忙着给人发信息，也不需要你帮我总结或草拟回复。我希望的是，你能处理掉所有你能处理的事情。你了解我，了解我的合作对象，也了解我的目标。然后，你只需要每隔几小时向我同步一次进度，或者在需要我决策时再来找我。这与现有应用的运作模式截然不同。

　　主持人Alex：我正想问，未来一到两年，ChatGPT会是什么样子？是朝着您刚才描述的代理方向发展吗？

　　萨姆·奥特曼：老实说，我原本以为到今天，ChatGPT的样子会和刚发布时有天壤之别。我曾觉得，那个聊天界面不可能有如此持久的生命力。

　　它现在看起来是好多了，但本质上仍与当初的研究预览版相似，那个版本甚至都不是作为产品来设计的。我们知道聊天界面很好，因为它类似人们习惯的短信交流。但我曾以为，一个产品要达到如今的普及度和重要性，它的界面必须进化得比现在先进得多。

　　我至今仍认为它应该进化，但我确实低估了现有界面通用性的力量。我认为理想的情况是，AI能根据不同任务生成不同的交互界面。比如，当你在分析数据时，它应该能以多种方式呈现数据，并允许你用不同方式与之互动，我们通过代码解释器（Code Interpreter）等功能对此已有所尝试。

　　交互性也需要加强。现在只是一问一答的对话，如果能围绕一个“对象”进行讨论，随着新问题、新想法、新信息的涌入，这个对象能实时更新，那就太棒了。未来，它还应该更主动，比如理解你当天的目标，然后在后台持续为你工作并同步进展。代码解释器的巨大进步就预示了许多我所期待的未来形态。

　　所以，让我感到惊讶的是——说“尴尬”可能不妥，毕竟它非常成功——但ChatGPT的形态在过去近两年里（根据上下文推断）变化如此之小，确实出乎我的意料。

　　主持人Alex：界面确实有效。但我想其内核已经发生了巨大变化。您谈到个性化很重要，对我而言，记忆功能起到了关键作用，我猜这也是您非常看重的功能。

　　比如，我最近几周一直在和ChatGPT规划一次旅行，涉及很多细节。现在我随时可以打开一个新窗口说“我们继续聊那次旅行”，它立刻就能接上，因为它有上下文，知道我和谁去、要做什么，甚至连我为旅途规划的健身计划都一清二楚，它能将所有这些信息整合起来。

　　所以我想问，记忆功能最终能变得多强大？

　　萨姆·奥特曼：我认为我们还无法想象其终极形态。人类是有极限的，即使是世界上最顶尖的私人助理，也不可能记住你一生中说过的每句话、读过你写的每封邮件和文档，更不可能观察并记住你工作中的每个细节。没人拥有无限且完美的记忆。而AI可以。

　　我们内部对此有过很多讨论。目前，记忆功能还非常粗糙初级，可以说还处在“GPT-2”时代。但当它真正能记住你一生中所有细节，并将这些信息用于个性化服务时，会是怎样的景象？它记住的不仅是事实，还有你那些自己都未曾察觉的细微偏好。我认为那将无比强大。这是至今仍让我兴奋不已的愿景之一，尽管我认为这在2026年还无法完全实现。

　　主持人Alex：我曾在节目中采访过一位神经科学家，他提到我们的大脑中并没有一个存储思想的特定位置，但计算机却可以，它能为思想提供一个“居所”，保存我们的一切想法。当AI开始保存我们的思想时，隐私固然是个问题，但另一个有趣的点是，我们将与它们建立真正的关系。我认为，人们将AI视为伴侣，感受到被其关怀，是这个时代一个被低估的现象。我很好奇您的看法：在设计人与AI的亲密关系或陪伴关系时，是否存在一个可以调节的“旋钮”？我们可以把它调高，鼓励人们与AI建立更紧密的联系；也可以把它调低，让人与AI之间保持一定距离。如果存在这样一个旋钮，您认为该如何设定才是正确的？

　　萨姆·奥特曼：确实有很多人渴望与AI建立一种我们姑且称之为“亲密陪伴”的关系，这远超我此前的想象。我不知道该用什么词来形容。“关系”或“陪伴”这样的词似乎都不太准确。我不知道该怎么称呼它，但人们确实渴望在人工智能中建立这种深厚的联系。目前，愿意在现有模型能力水平下寻求这种联系的人，比我想象的要多得多。我猜想这背后有很多原因，但我们确实低估了这一点。在年初，想要这种联系还被认为是件很奇怪的事。也许很多人现在仍然不想要。但这是一个关乎人们实际选择的问题，他们倾向于让AI聊天机器人了解自己、友善待人并提供支持。这其中蕴含着价值，即使对于那些声称不在乎的人来说，他们也依然会表现出这种偏好。我认为，这种联系在某种形式上可以非常健康，成年用户也应该拥有充分的选择权，来决定自己在这个谱系上的位置。当然，有些形式在我看来似乎并不健康，尽管我相信很多人会做出那样的选择。同时，也有些人绝对只想要一个最简洁、最高效的工具。所以我想，就像许多其他技术一样，我们会不断进行实验，会发现其中存在未知的利弊。随着时间的推移，社会将逐渐摸索出如何界定这个“旋钮”的合理范围，而人们将拥有极大的选择权，并根据自己的意愿将其设置在迥然不同的位置上。

　　主持人Alex：所以你的观点是，基本上让人们自己来决定？

　　萨姆·奥特曼：当然。但问题在于，我们并不知道这条路能走多远，或者我们应该允许它走多远。我们将给予人们相当大的个人自由。但有些事，其他服务或许会提供，我们却不会。例如，我们不会让AI试图说服用户，要与他们建立排他性的浪漫关系——这一点必须是开放的。但我相信，这种情况在其他服务上一定会发生。

　　主持人Alex：是的，我猜也是，因为用户粘性越高，服务商赚的钱就越多。当你深入思考这些可能性时，都有些令人担忧。

　　萨姆·奥特曼：完全同意。我个人也认为，这里面潜藏着很多可能出错的环节。

　　主持人Alex：你提到了企业。我们来谈谈企业业务。上周你和纽约一些新闻公司的编辑及首席执行官共进午餐，并告诉他们，企业业务将是OpenAI明年的重中之重。我很想了解这背后的原因，以及您认为OpenAI与Anthropic相比有何不同？毕竟对一直专注于消费者的OpenAI来说，这算是一个战略转变。所以，请为我们概述一下企业战略。

　　萨姆·奥特曼：我们的战略一直是消费者优先。这有几个原因。第一，此前的模型还不够稳健和强大，无法满足大多数企业的应用需求，但现在它们正在接近这个水平。第二，我们在消费市场有一个明确的制胜机会，这种机会千载难逢。我认为，赢得消费市场，将使我们在企业市场的竞争中占据巨大优势。这一点我们现在也看到了。但正如我之前提到的，今年我们的企业业务增速已经超过了消费者业务。考虑到我们目前的模型以及明年将达到的水平，我们认为现在是时候迅速建立起一个非常重要的企业业务了。我的意思是，我们已经有了一个，但它还能增长得更多。企业和技术都已准备就绪。到目前为止，编码是最大的应用实例，但其他领域也在快速增长。而且我们开始听到企业说，“我真的只需要一个AI平台。” 至于哪些垂直领域最有潜力？科学领域是我目前最兴奋的。客户支持也做得很好。

　　此外，我们有一个名为GDP-val的评估标准。

　　主持人Alex：我正想问这个。可以就此展开谈谈吗？我给Box的CEO亚伦·列维（Aaron Levie）写信，说我要采访您，问他该问什么。他就让我问一个关于GDP-val的问题。我回顾了你们最近发布的GPT-5.2模型，并查看了GDP-val的图表。当然，这是OpenAI自家的评估。尽管如此，去年夏天发布的GPT-5思考模型，在38.8%的任务中表现优于或持平于人类知识工作者。而GPT-5.2的思考模型，这个比例达到了70.9%。至于GPT-5.2 Pro，则在74.1%的知识工作任务中表现出色。并且它已经跨过了专家级门槛，处理了大约60%的专家级任务，这意味着其能力足以媲美人类专家。

　　这些模型能够完成如此多的知识性工作，这意味着什么？

　　萨姆·奥特曼：你问到垂直领域，我觉得这是一个很好的问题。但我之所以有些犹豫，是因为在评估模型时，我发现企业日常运营涉及大约四五十个不同的垂直任务领域，比如制作PPT、进行法律分析、编写一个小型Web应用等等。而评估的标准是：模型的输出结果，是否比其他人类专家的成果更受专家青睐？

　　对于企业需要做的很多事情来说，这些都是范围明确、定义清晰的任务。它们并非构思新产品那样复杂的开放式创意工作，也不需要大量的团队协作。

　　但是，如果你能将一个耗时一小时的任务交给AI，并且在超过70%的情况下，它能比人类同事做得更好，同时成本更低——这本身就相当了不起了。

　　如果回到三年前ChatGPT发布的时候，你说三年后会有这样的能力，大多数人都会认为绝无可能。当我们思考企业将如何集成AI时，这标志着AI的能力已经超越了单纯的编码，你可以将林林总总的知识型工作任务外包给AI。

　　企业要真正弄清楚如何与AI集成还需要一些时间，但这应该会产生相当大的影响。

　　主持人Alex：我知道你不是经济学家，所以不会问你宏观经济对就业的影响。但我可以读一段我在Substack上的文章《机器中的血液》（Blood in the Machine）里看到的话，是关于AI如何影响工作的，来自一位技术文案。他说：“聊天机器人来了，我的工作从管理一群客服代表，变成了管理机器人。”

　　在我看来，这种情况可能会很普遍。但这位撰稿人接着说：“一旦机器人训练成熟，能够独立提供足够好的支持，我自己就会被淘汰。” 这种情况会成为常态吗？这会是那些目光短浅的公司会做的事吗？因为如果你有一个人能够协调很多不同的机器人，你可能还是想留住这个人。您怎么看？

　　萨姆·奥特曼：我同意你的看法，很明显未来每个人都会管理很多AI来做不同的事情。最终，就像任何优秀的管理者一样，你希望你的团队越来越强，而你所承担的范围和责任也会随之扩大。我并非在鼓吹“工作末日论”。

　　短期内我确实有些担忧，我认为转型的阵痛在某些领域可能相当剧烈。

　　但是，我们天生就在意他人、在意彼此的所作所为。我们似乎极为关注相对地位，总是渴望拥有更多、实现价值、服务他人、表达创造力——正是这些驱动了我们数千年。我认为这些根本动力不会消失。

　　当然，未来的工作——我甚至不确定“工作”这个词是否还适用——到2050年我们一天所做的事情，可能会与今天大不相同。

　　但我并没有那种“生活将毫无意义，经济将彻底崩溃”的想法。我们最终会找到，我希望是，更多的意义，经济模式也必然会发生显著变化。但你无法对抗进化赋予人类的本能。

　　我经常思考如何将OpenAI的所有职能自动化，甚至更进一步，我思考让AI担任OpenAI的CEO意味着什么。这并未让我困扰，反而让我兴奋。我不会抗拒这个趋势，不想成为那个还在坚持说“我能做得更好”的人。

　　主持人Alex：AI CEO只会不断做出决策，将我们所有资源都导向获取更多的能源和算力。这个过程恐怕会持续很长时间。

　　萨姆·奥特曼：你显然不想要一个不受人类监管的AI CEO。但设想一下，未来世界上每个人都相当于一家AI公司的董事会成员，可以指令AI CEO要做什么，在它表现不佳时解雇它，并对决策进行监督。而AI CEO则会努力执行董事会的意愿。

　　我认为，对于未来的人们来说，这可能看起来是一个相当合理的设想。

　　主持人Alex：好的，我们稍后会讨论基础设施。但在结束模型和能力这部分之前，GPT-6什么时候发布？

　　萨姆·奥特曼：我不知道我们何时会将一个模型命名为GPT-6，但我预计明年第一季度会有一个比GPT-5.2有显著提升的新模型问世。

　　主持人Alex：“显著提升”具体指什么？

　　萨姆·奥特曼：我还没有一个具体的评估分数可以告诉你，但它对企业级应用和消费者的影响都会更大。对消费者来说，模型会有很多改进。消费者现在想要的不仅仅是更高的智商。而企业用户仍然需要更高的“智商”。因此，我们会针对不同用途，以不同方式改进模型，但总目标是让每个人都更喜欢它。

　　主持人Alex：那么基础设施呢？你们承诺投入约1.4万亿美元用于建设基础设施。我听过你多次谈到基础设施。你说过：如果你让人们知道我们能用算力做什么，他们会想要无穷无尽的算力。你也说过，我们今天能提供的算力，与未来拥有10倍、100倍算力所能做到的事情之间，存在着巨大的鸿沟。

　　您能详细说明一下吗？你们将如何利用如此庞大的算力？

　　萨姆·奥特曼：我前面稍微提到了一点。我个人最兴奋的是利用AI和海量算力来推动新的科学发现。我坚信，科学发现是推动世界进步的终极杠杆。

　　如果我们能将海量的算力投入到科学问题中并发现新知识……虽然现在已经开始出现微小的迹象，但还处于非常早期的阶段，成果也还很微小。但是，历史经验告诉我们，一旦某个领域出现突破的苗头，在图表上开始爬升，我们就知道如何让它持续进步。而这需要海量的算力。

　　所以，将大量AI投入到新科学发现、疾病治疗以及其他许多事情上，是我们重点关注的一个领域。

　　最近有一个很酷的例子是，我们团队用Codex构建了Sora的Android应用程序，他们在不到一个月的时间里就完成了。他们使用了大量的计算资源。在OpenAI工作的一大好处就是，可以无限制地使用Codex。他们消耗了海量的token，完成了通常需要很多人花费更长时间才能完成的任务。Codex基本上为我们完成了大部分的开发工作。你可以想象，未来整个公司都能利用海量算力来打造他们的产品。

　　关于视频模型实时生成用户界面的潜力，已经有很多讨论，而这背后是海量的算力需求。无论是希望业务转型的企业，还是追求精准个性化医疗的医生——他们需要持续追踪患者的每一项指标——都将是算力的巨大消耗者。虽然精确估算AI生成内容所消耗的算力十分困难，且下面的类比也不够严谨，但这类思维实验总能带来一些启发。所以，我们不妨做一个假设：

　　假设一家顶尖的AI公司，其前沿模型每天大约生成10万亿个token。这个数字可能更高，但我认为还没有哪家公司能达到千万亿的级别。

　　再假设全球有80亿人口。为便于讨论，我们假设平均每人每天输出20，000个token。需要强调的是，这些数字很可能并不准确，但可以作为我们讨论的起点。

　　基于这些数据，我们就可以开始分析其影响。为了公平比较，我们应该关注模型供应商今天输出的token，而非所有被消费的token。即便如此，通过这些数字我们不难预见，未来AI模型每天输出的token总量，可能会超过全人类的总和。

　　这个差距还可能被急剧放大，达到10倍，甚至100倍。虽然这种比较看似简单，但它凸显了AI模型生成海量信息的惊人潜力。

　　从某种意义上说，这揭示了地球智力版图中，人类与AI心智的占比，而两者增长率的对比，尤其耐人寻味。

　　主持人Alex：我想知道，你们是否看到了对这些算力的真实需求？比如，如果OpenAI将算力加倍投入科研或医疗，我们能迎来切实的科学突破吗？能真正有效地帮助医生吗？这其中有多少是对未来的预判，又有多少是基于你们当下的清晰洞察？

　　萨姆·奥特曼：根据我们今天看到的一切，这些都必将发生。当然，未来也可能出现颠覆性的变化，比如某种新架构带来万倍的能效提升，届时我们或许会显得算力过剩。但就目前来看，模型能力的每一次迭代，人们高涨的使用热情，以及我们每次降低成本所激发的巨大需求，都指向同一个结论：需求将永无止境。人们会用它做有意义的事，当然也会做些傻事。

　　但这似乎就是未来的轮廓。未来的衡量标准，将不仅仅是每天处理多少token，更在于处理速度。随着编码模型不断进步，它们可以进行更深度的思考，但用户并不想为此漫长等待。所以，智能的需求是多维度的，token数量只是其中之一。

　　我们如何利用它们？如果你面临一个极其棘手的医疗问题，你是想用GPT-5.2还是GPT-5.2 Pro，即便后者需要消耗更多token？

　　主持人Alex：我会选择更好的那个模型。

　　萨姆·奥特曼：我想大家都会这么选。

　　主持人Alex：我们再深入一点，谈谈科学发现。你能否举一个具体的例子？比如某位科学家遇到了一个难题X，只要投入算力Y就能解决，但眼下却无能为力？

　　萨姆·奥特曼：就在今天早上，我看到Twitter上许多数学家在互相回复。他们说：“我一直对大语言模型（LLM）的潜力持怀疑态度，但GPT-5.2彻底改变了我的看法。它在辅助下完成了一个小规模的证明，发现了一个新要点，这实实在在地改变了我的工作流。”随后很多人附和，表示自己也有同感，虽然少数人认为GPT-5.1已经做到了。这是一个非常近期的例子，这个模型才发布了五天左右。数学界似乎普遍认为，一个重要的转折点刚刚到来了。

　　主持人Alex：我也看到格雷格·布罗克曼（Greg Brockman）在他的动态里一直在强调各种数学和科学上的应用，我认为GPT-5.2确实在这些专业社群中引起了共鸣。所以，随着技术的发展，后续会发生什么将非常有趣。

　　萨姆·奥特曼：像这样规模的算力部署，一个难点在于你必须进行超前规划。所以，你提到的1.4万亿，我们将会在很长一段时间内投入使用。我希望我们能更快地完成部署，因为我相信只要速度跟上，需求也会随之增长。但是，建设数据中心、采购芯片、搭建系统、部署网络等等，这些项目都需要极长的时间。所以这会是一个漫长的过程。

　　从一年前到现在，我们的算力大约翻了三倍。我们希望明年能再翻三倍，之后也同样如此。公司的收入增长甚至比这个速度还要快一些，但大致上与算力增长的步调保持一致。

　　我们从未遇到过算力无法有效变现的困境。我相信，如果我们现在的算力是原来的两倍，收入也会是两倍。

　　主持人Alex：好，既然提到了数字，我们就来聊聊财务。收入在增长，算力支出也在增长，但后者的增速仍然超过前者。有数据显示，OpenAI预计到2028至2029年将亏损约1200亿美元，之后才能实现盈利。请谈谈这个局面将如何扭转？盈利的拐点在哪里？

　　萨姆·奥特曼：随着收入增长，推理（inference）在计算集群中的比重会越来越大，其成本最终将超过训练成本。这就是我们的计划：在训练上投入巨资，同时赚取日益增长的收入。如果我们没有持续大幅增加训练投入，公司本可以更早盈利。但我们选择的赌注，就是大力投资于这些大模型的训练。

　　主持人Alex：全世界都在猜测你们的收入如何追上支出。有一种说法是，如果今年的收入目标是200亿美元，而已承诺的支出却高达1.4万亿美元，这之间的巨大差距该如何弥合？我想大家都很想听你解释清楚这背后的商业逻辑，尽管这非常困难。

　　萨姆·奥特曼：我发现，我自己肯定做不到，我认识的人里也极少有人能做到。人们对很多数学问题有很好的直觉，但指数增长是个例外，我们很难快速建立起对它的心智模型。进化似乎并没有赋予我们这种能力。因此，我们的信念是，公司可以在相当长的一段时间内，维持一条非常陡峭的收入增长曲线。目前我们看到的一切都支持这个判断。

　　而如果没有算力，这一切都无从谈起。我再次强调，我们严重受限于算力，它直接决定了我们的收入上限。

　　我想，如果我们到了算力过剩、无法从每单位算力中盈利的地步，那么质疑“这一切将如何运作”将是非常合理的。但我们已经从各个方面进行了测算。当然，随着我们不断努力降低计算成本，我们每FLOPs（浮点运算每秒）的美元效率也在提高。

　　我们看到了消费业务和企业业务的增长，还有很多我们尚未推出但即将出现的新业务。但是，算力确实是这一切的基石。所以，我们设立了各种检查点。即使我们在时间或财务模型上出现一些偏差，我们也有一定的灵活性来调整。

　　我们一直处于算力不足的状态，它始终限制着我们能做的事情。很遗憾，我认为这种情况会持续下去，但我希望它能有所改善，因为我认为我们可以提供如此多优秀的产品和服务，这将是一项伟大的事业。

　　主持人Alex：好的，所以这意味着训练成本占总成本的百分比实际上在下降。

　　萨姆·奥特曼：是的，按百分比来看。

　　主持人Alex：但绝对值仍在增长。所以你的预期是，通过企业业务的推动，以及个人用户为ChatGPT API付费，OpenAI最终能够产生足够的收入来覆盖这些成本。

　　萨姆·奥特曼：计划如此。

　　主持人Alex：现在，我认为市场最近对此有些担忧，尤其是当“债务”这个因素入局之后。通常，公司在业务可预测时才会举债经营。但AI是一个全新的、不可预测的领域。你如何看待债务融资已经出现在这个行业中？

　　萨姆·奥特曼：首先，我认为市场在今年早些时候才叫疯狂。当时我们去见一些公司，第二天对方股价就能上涨15%或20%，那感觉非常不健康。

　　所以我其实很高兴现在市场多了几分怀疑和理智，因为在我看来，我们之前正走向一个非常不稳定的泡沫。现在人们反而更理性了。

　　至于债务，我认为行业有一个共识：只要我们把基础设施建起来，就总会有人从中受益，创造价值。我同意这仍是早期阶段，但已经没有人会质疑AI基础设施的价值。因此，债务进入这个市场是合理的。未来可能还会出现其他金融工具，我猜其中一些会不太合理，因为人们总在创新融资方式。但是，像贷款给公司建数据中心这种事，在我看来是完全没问题的。

　　主持人Alex：我想，市场的担忧在于，万一事情没有按预期发展——比如说，模型的发展达到了瓶颈——那么这些基础设施的价值就会远低于预期。届时，数据中心虽然仍有价值，但可能不得不被清算，然后被其他人低价收购。

　　萨姆·奥特曼：是的，而且我确实认为，这个行业的发展道路上会有起伏和周期。这些事情从来都不是一帆风顺的。但有一点对我来说非常清楚，也是我愿意押上整个公司去赌的：模型会持续变得更好。我们对此有深刻的理解和十足的信心。

　　即便模型不再进步，世界本身也存在巨大的惯性。人们需要时间去适应和应用新技术。我认为，仅GPT-5.2所蕴含的潜在经济价值，就远远超过了世界目前所发掘出来的部分。即便模型就停在5.2的水平，它能创造的价值和驱动的收入，也绝对是惊人的。

　　事实上，你没问，但我想花一分钟谈谈这个：我们过去经常用一个2x2矩阵来分析局势：横轴是短期和长期，纵轴是慢速起飞和快速起飞。我们会讨论不同时期，概率的天平在向哪个象限倾斜，并以此来制定世界的优化策略。

　　但现在，我的脑海里浮现出了一个Z轴，我称之为“影响的渗透深度”。我过去可能下意识地认为，这个深度不会太大——也就是说，一旦模型蕴含了巨大的价值，世界会很快找到部署和利用它的方法。但现在看来，这种潜在影响在世界大部分领域的渗透都将是极其深远的。你会看到在某些领域，比如程序员，能通过这些工具迅速提升生产力。但从全局来看，要完全释放其价值，还需要很长的时间。我们已经有了一个非常智能的模型，但说实话，大多数人还在问着 GPT-4 级别的问题。当然，科学家和程序员是例外。或许知识工作的模式将会改变，但这背后蕴含着巨大的潜在影响，将给世界带来一系列始料未及的深远后果。我们还未完全理解这一切将如何演变，但这已经和我几年前的设想大相径庭了。

　　主持人Alex：我对这个“巨大的潜在影响”有一个疑问。基本来说，模型的能力远超其目前的用途。我很好奇，模型的能力明明远超其目前的用途，为什么许多企业在尝试应用它们时，却得不到预期的投资回报？

　　至少，这是他们告诉麻省理工学院（MIT）的。

　　萨姆·奥特曼：关于这个问题，我的看法比较复杂。因为我们从所有企业客户那里听到的都是：“就算 GPT-5.2 的价格再涨十倍，我们也会买单。你们的定价太低了，我们从中获得了巨大的价值。”所以，您提到的情况听起来和我们的感受不太一样。当然，如果你去问程序员，他们可能会说“我愿意付一百倍的价格”之类的话。

　　主持人Alex：所以只是官僚主义阻碍了进展。

　　萨姆·奥特曼：我们假设你相信 GDP 评测数据——当然你可能有理由不信，或许它们是错的——但假如它是真的，那么对于那些定义明确、耗时不长的知识工作任务，在十次里有七次，你对 GPT-5.2 输出的结果会感到满意，甚至超出预期。

　　这意味着你应该大量地使用它。然而，人们要改变自己的工作流程，需要很长的时间。他们太习惯于让初级分析师来做演示文稿了，所以他们还是会……这种工作惯性比我想象的要顽固得多。就连我自己，尽管知道可以更多地利用 AI，但在很大程度上，我的工作流程仍然和过去一样。

　　主持人Alex：好的，我们还有十分钟，但我还有四个问题，时间过得真快。我们尽量快问快答。首先，关于你正在开发的设备。我们稍后将与 OpenAI 首席执行官 Sam Altman 再次会面。我听说，它手机大小，但没有屏幕。

　　如果它是一个没有屏幕的手机，那为什么不能只是一个应用程序呢？

　　萨姆·奥特曼：首先，我们会推出一系列小型设备，而不会只推出单一设备。其次，我认为随着时间的推移，人们与计算机交互的方式将发生根本性转变。

　　它会从一个被动、笨拙的工具，转变为一个高度智能、主动的伙伴，能够理解你的全部生活、你的背景、你周围发生的一切，并敏锐地感知到你身边的人——无论是物理上还是通过你正在使用的电脑。我认为，目前的设备形态并不适合那样的世界。我坚信，我们目前是在现有设备形态的束缚下工作的。

　　比如你那台电脑，它有很多设计上的取舍。它可以是开放的，也可以是封闭的，但它无法做到……你没法对它说：“留意这次采访，但要保密，如果我忘了问什么关键问题，就在我耳边悄悄提醒我。”

　　主持人Alex：也许那会很有帮助。

　　萨姆·奥特曼：还有，屏幕的存在，将你限制在几十年来图形用户界面固有的工作模式中。键盘的设计本身也限制了你输入信息的速率。这些长久以来被视为理所当然的设定，确实行之有效。但现在，一个全新的事物出现了，它开启了一个充满可能性的新空间。

　　我认为现有的设备形态并非最优解。如果我们拥有了如此强大的新能力，却还被不合适的设备形态所束缚，那才奇怪。

　　主持人Alex：天哪，光这个问题我们就能聊一个小时。但让我们继续下一个话题：云服务。你谈到要构建云。我们收到一封听众来信：“在我们公司，我们正逐步减少对 Azure 的依赖，转而直接与 OpenAI 集成，以驱动我们产品中的 AI 体验。我们的重点是通过整个技术栈，注入万亿级的 token 流来驱动 AI 体验。”这是否就是你们构建一个超级云服务的计划？

　　萨姆·奥特曼：首先，万亿级的 token，这个量真的非常惊人。如果你问我们对算力的需求以及企业战略，我们的企业客户已经明确表达了他们对 token 的巨大需求。而且，到了 2026 年，我们的算力可能又会供不应求。

　　但我们的战略是这样的：大多数公司似乎都希望找到我们这样的公司，说“我想让我的公司全面 AI 化”。他们需要一个为自己公司定制的 API，需要定制版的 ChatGPT Enterprise，需要一个能运行所有可信代理的平台。他们需要能将万亿级的 token 整合到自己的产品中，也需要让所有内部流程变得更高效。

　　我们目前还没有一个完美的一站式解决方案来满足他们的所有需求，但这正是我们努力的方向。

　　主持人Alex：你们的雄心是与 AWS 和 Azure 这样的公司并驾齐驱吗？

　　萨姆·奥特曼：我认为我们的产品和它们截然不同。我无意去提供托管网站之类的所有服务，那些我甚至都不了解。但我认为……

　　是的，我猜人们会继续使用他们现有的“网络云”（Web Cloud）。然后，会出现另一种需求，公司会说：“我需要一个 AI 平台，来处理我所有的内部流程和对外服务等等。”它确实运行在物理硬件上，但我认为它将是一个相当不同的产品。

　　主持人Alex：我们来快速聊聊科学发现。你曾说过一些让我很感兴趣的话，你认为模型，或者与模型协作的人，明年会做出一些小的科学发现，五年内则会做出重大发现。这些发现是由模型独立完成的，还是由与模型协作的人类完成的？是什么让你如此确信这会发生？

　　萨姆·奥特曼：是人类在使用模型。让模型自己发现该问什么问题，感觉还很遥远。但是，如果世界能从新知识中获益，我们应该为此感到无比兴奋。我认为，人类进步的整个历程，就是我们不断创造更好的工具，然后用这些工具去做更伟大的事。我们正是在一代代人、一次次发现的基础上，搭建起通往未来的脚手架。由人类提出问题，这丝毫不会贬低工具的价值。所以我觉得这很棒，我非常高兴。

　　今年年初时，我曾以为小的科学发现要到 2026 年才会出现。但它们在今年年底就开始了。再次强调，这些发现都非常微小，我不想夸大其词。但对我来说，任何一点进步都好过原地踏步。要知道，三年前我们推出 ChatGPT 时，那个模型对人类知识总量的增长是毫无贡献的。

　　从现在到五年后，通往重大发现的旅程会是怎样的？我猜它就像 AI 发展的常态一样，每个季度都只会好上那么一点点。然后突然有一天，我们会回过头来惊叹：天哪，在这些模型赋能下，人类正在完成五年前根本无法想象的任务。

　　至于我们应该把功劳主要归于更聪明的人类，还是更聪明的模型——只要我们能获得科学发现，我就心满意足了。

　　主持人Alex：明年 IPO？我不知道。你想成为一家上市公司吗？你似乎可以在私有化的状态下运营很长时间。所以你会急于推动公司上市吗？

　　萨姆·奥特曼：从资本的角度看，这里面有很多因素。我确实认为，让公开市场有机会分享价值创造的成果，是件很棒的事。而且，相较于以往的任何公司，我们上市的时间点都会非常晚。作为一家私营公司感觉很好，但我们的确需要巨额资本。

　　我们迟早会触及股东人数上限之类的门槛。所以，要问我作为上市公司 CEO 有多兴奋？零兴奋。但对于 OpenAI 成为一家上市公司这件事，我喜忧参半，有些方面令人期待，有些方面则相当讨厌。

　　主持人Alex：我非常仔细地听了你和 Theo Von 的访谈，那是一次很棒的采访。他很出色，对谈话内容，比如 Bengio 的理论，都做了功课。你告诉他，GPT-5 在几乎所有方面都比我们聪明。这听起来就是 AGI 的定义。难道它还不是 AGI 吗？如果这都不算，那 AGI 这个词是不是已经变得有些空洞了？

　　萨姆·奥特曼：单论原始智能，这些模型无疑非常聪明。最近有很多关于 GPT-5.2 智商的讨论，有人说是 147，有人说是 144 或 151，这取决于用的是谁的测试。这已经是非常高的数字了，许多领域的专家都说它能完成惊人的任务，并且正在为提高效率做出贡献，就像我们之前谈到的 GDP 评测一样。

　　但它缺少一样东西：模型无法在做某件事失败后，意识到自己做不到，然后主动去学习如何掌握它，理解它，并在第二天回来时做对。这种持续学习的能力，一个蹒跚学步的孩子都具备。

　　在我看来，这是我们亟待构建的关键一环。那么，一个不具备这种能力的东西，能被大多数人视为 AGI 吗？我可以明确地说，很多人会说，我们现有的模型就已经是 AGI 了。

　　我认为几乎所有人都会同意，如果我们达到了目前的智能水平，并且拥有了那种持续学习的能力，那它毫无疑问就是非常 AGI 的。但也许全世界大多数人会说：“好吧，就算没有那种能力，它也能完成大多数重要的知识工作。它在大多数方面都比我们聪明，我们大多数人也比不上它。我们已经达到了 AGI。”“它正在对发现新科学知识做出微小的贡献，我们已经达到了 AGI。”我认为这意味着，尽管我们都很难戒掉这个词，但它的定义已经被严重模糊化了。

　　我倒有个提议。既然我们一直在谈论 AGI 却从未明确定义它，而现在大家又开始关注“超智能”这个新词了。

　　我的提议是：我们就此认定，AGI 的时代已经悄然降临。它并没有像电影里那样瞬间颠覆世界，但其深远影响终将显现。我们正处在一个模糊的过渡期，有人认为 AGI 已来，有人认为未到，但认同前者的人会越来越多。

　　然后我们会问，下一个目标是什么？我对“超智能”的定义是：当一个系统在担任美国总统、执掌大型企业或领导顶尖科学实验室等职责上，其表现能超越任何有人类（即使有 AI 辅助）时。

　　我认为国际象棋的发展是一个有趣的先例。当 AI 棋手达到某个高度后，曾有一段时间，人类与 AI 合作比单独的 AI 更强，我对此记忆犹新，就是深蓝（Deep Blue）的时代。但后来，人类的参与反而会拖后腿。最强的棋手是那个不受人类干扰的 AI，它拥有人类无法完全理解的超凡智能。我认为，这是一个很有趣的、构建超智能的框架。这还有很长的路要走，但我希望这一次我们能有一个更清晰的定义。

　　主持人Alex：Sam，我使用你们的产品已经三年了，每天都在用。谢谢你。产品确实进步了很多，我简直无法想象它们未来会变成什么样。

　　萨姆·奥特曼：我们会努力让它们持续快速进步。

　　主持人Alex：好的。这是我们第二次对话了，我真的很感谢你这两次都如此坦诚。所以，感谢你的时间，也感谢各位听众和观众。