59分钟、8个关键问题，奥特曼回应一切（附全文实录）
1月27日上午，OpenAI CEO山姆·奥特曼和一群开发者在旧金山聊了近1个小时。现场没有讲PPT，没有发布新产品，就是回答问题。
问题都很实在：程序员会被取代吗？创业公司怎么活？AI会不会让社会更不公平？模型什么时候能便宜下来？AI的安全底线在哪儿？
过去大家讨论AI，要么觉得它能解决一切问题，要么担心它会毁灭世界。
但奥特曼聊的，都是现实中正在发生的事：已经有人用AI在几天内做出了过去要花几个月才能完成的软件，也有创业公司发现产品做出来了，却找不到用户。
谈到工作，他说程序员不会被取代，但写代码的时间会减少；谈到创业，他说最难的不是做产品，是让人用你的产品；谈到安全，他说现在最担心的危险可能来自生物领域。
他还反复强调，无论技术怎么发展，人的角色都无法被替代。
问答会要点：
- 软件工程师不会被取代，但工作方式会变化，更多人将参与“让计算机按自己意图行事”的工作。
- 产品开发变得更容易，但市场推广仍是最大挑战，因为“人类的注意力始终稀缺”。
- AI将带来巨大通缩压力，降低创造门槛，有望成为社会平衡力量，但需防止财富集中。
- 通用模型是未来方向，写作等短板将被补齐。成本有望大幅下降，但“速度”可能成为新瓶颈。
- 软件将向“个性化定制”演进，每个人都可以拥有为自己生成的工具。
- 生物安全是2026年最值得警惕的领域，AI治理需从“阻断”转向“韧性建设”。
- 幼儿园阶段应减少AI与电子设备使用，最应培养“高能动性、适应力、创造力”等软技能。
以下为奥特曼问答会实录全文：
01 职业未来：程序员工作会变，但需求不会少
奥特曼：在我们着手规划下一代开发者工具，以及思考如何应用即将上线的这些强大模型之际，我们想听听大家的想法，各位关心什么、有什么问题。
问：我想从一个推特上的提问开始：关于AI加速编程的“杰文斯悖论”问题，你认为这会让软件工程师需求下降，还是说廉价软件将催生更多需求，从而持续保障这个职业？
奥特曼：我相信需求不会减少，反而可能扩大。未来，工程师的角色会发生本质变化，会有更多人从事“指挥计算机”的工作，为他人创造有价值的体验。虽然花在编码、调试上的时间会大幅减少，但软件的总体需求丝毫未减。工程领域曾多次经历类似的变革，每一次都让更多人参与其中、提高生产力，也让世界拥有了更多软件。
我推测，未来我们将看到更多为个人或极小群体定制的软件，不断进行个性化调整。因此，让计算机服务于特定需求的人会变多，实现方式也会与今天大不相同。如果这也算软件工程，我相信这个领域会扩大规模，对全球GDP的贡献比例也将显著提高。
02 创业难题：产品好做，用户难找
问：现在有了ChatGPT和各种AI工具，做产品变容易了。但新瓶颈似乎是“市场推广”，怎么能找到真正的用户、创造价值？
奥特曼：是的，这正是很多人现在的感受。我以前在YC时经常听到创始人说：“原以为最难的是做产品，后来发现最难的是让人在乎、使用它。”
市场推广一直是个挑战，只不过现在做产品太容易了，这个对比更明显了。创业的核心法则，比如创造差异、获取用户，并没有变简单。AI能降低开发成本，但其他环节依然很难。
不过我们也在看到AI被用于营销自动化，有一定效果。但核心在于：人的注意力始终稀缺。即使在极度丰饶的世界里，你都要和所有人争夺注意力、争夺渠道。这是永恒的商业课题。
问：我基于你们的SDK在做多智能体协调工具。目前你们的工具主要是工作流和提示词串联，作为生态中的开发者，我安全吗？你们会自己做这个领域，还是会留出空间？
奥特曼：我们目前没有“正确”答案。没人知道多智能体系统的最优交互方式是什么。有人喜欢复杂、多屏的界面，有人就喜欢简单地用语音跟它说话，不同人有不同需求。
我们认为，这个世界最终会收敛到少数几种主流交互模式，但我们不可能全做，也不应该独占。
现在的实际情况是，模型能力和大多数人从中获取价值的能力之间，有巨大鸿沟。填补这个鸿沟、做出真正好用的生产力工具，是绝佳的机会，但目前没人完全做对。
我们会做自己的探索，但这里空间很大，需要大家共同尝试。如果你希望我们支持什么功能，直接告诉我们。
03 经济与成本：AI能否让世界更公平？
问：我正在OpenAI上开发产品，关注女性薪酬差距等社会问题。您认为AI如何能用于解决长期存在的经济不平等？
奥特曼：AI的主要积极影响之一，是它将带来巨大的通缩压力。这意味着很多商品和服务的价格会下降，包括创造和获取知识的成本。
例如，今年内，一个人可能只需花几百或几千美元，就能做出过去需要一个团队一年才能完成的软件。无论其出身背景，这将极大地赋能个人。这有机会成为一个平衡力量，让过去被忽视的群体获得更多机会。
但我确实担心AI可能加剧财富集中。确保AI被用于普惠而非加剧不平等，必须是政策制定的核心。
问：作为Raindrop公司的CTO，我想问：您如何看待模型的专用化与通用化趋势？比如GPT-4o写作能力不如GPT-4，但编码和推理更强，似乎能力不均衡。
奥特曼：我们承认在写作上没做好，正在改进。我们把资源集中在提升GPT-4o的智能、推理和编码能力上，有时候必须做取舍。
但我坚信未来是通用模型的天下。即使你专门做编码模型，也需要它能清晰沟通。好写作不是堆砌辞藻，而是思路清晰。我们会推动模型在所有维度上都进步。
问：我是Unifi公司的CTO，我们做市场推广自动化，为客户运行海量智能体，成本是主要瓶颈。您曾说过“智力将便宜到忽略不计”，您怎么看未来几年模型成本的下降？
奥特曼：我认为到2027年底成本会显著下降。（观众插话：至少降100倍）
但还有个重要维度是速度。随着应用变复杂，越来越多人要求更快输出，甚至愿意为此多付费。成本和速度是两个不同技术问题，需要平衡。如果市场更关注成本，我们会朝这个方向努力，下降空间确实很大。
04 专属AI时代：软件将为你“量身定制”
奥特曼：现在我来回答几个推特上的问题。
问：现在很多界面不是为AI智能体设计的，但“为我而生”的应用正在出现。自定义界面的创新会如何加速微应用的趋势？
奥特曼：我自己的体验是：我越来越不把软件看作固定不变的东西。当我遇到个小问题，我会希望电脑直接写段代码来帮我。这个趋势会越来越明显，甚至可能彻底改变我们使用电脑的方式。
当然，不是所有东西都要随时变化——比如我们习惯了按钮在固定位置。但很多软件会变得越来越懂我的习惯，最终变得为我量身定制。在OpenAI内部，大家已经用Codex把自己的工作流改得五花八门。这个方向是确定的。
问：如果初创公司的功能可能很快被模型更新取代，开发者该如何建立自己的护城河？OpenAI承诺不碰技术栈的哪一层？
奥特曼：创业的基本规则其实没变。现在你能更快地做出产品，但获取用户、建立品牌这些事，难度一点没降。
好消息是，这对我们也一样。很多公司做了我们本该做得更好的事，但它们跑在前面，建立了优势。我常问创业者一个问题：如果GPT-6强得吓人，你的公司是会兴奋还是绝望？
你应该去做那些会因为AI变强而更成功的产品。至于那些只是围绕现有模型打补丁的，如果能在模型升级前建立优势，也可能活下来，但那会更辛苦。
问：现在很多链上任务走几步就断了，能自己跑完长流程的智能体什么时候能实现？
OpenAI员工：这要看任务类型。如果是目标明确的任务，现在就能做到。但如果是“帮我开个公司”这种复杂目标，就需要把任务拆解，让AI能自我验证。这不是时间问题，而是范围问题，先从可控的小任务开始。
问：回到创意和市场的问题。消费者的问题是注意力有限，而生产者的瓶颈是创意质量。我帮AI公司做推广，经常发现产品本身就不够吸引人。有没有工具能帮人提升创意？
奥特曼：想出个好点子本来就很难。我们应该造些能帮人想点子的工具。随着创作成本降低，验证想法会更快。
很多人有了强大的AI助手，却不知道让它做什么。我们可以做个“头脑风暴伙伴”，帮你分析过去的工作，给出新方向。我认识几个人，每次和他们聊完都能带出一堆新想法。如果AI能做到这样，即使95%的想法被否决，也会很有价值。
我们内部有个版本，科学家说它带来的科学进展“已经不可忽视”。一个能提出科学新见解的模型，当然也能在产品上给人灵感。
05 最危险前沿：AI可能在这些领域出问题
问：作为开发者，我担心AI可能被现有技术栈“锁死”，就像美国电网那样难以升级。您认为AI模型能跟上技术变化吗？
奥特曼：我认为最终我们会让模型很好地使用新东西。本质上，模型是通用推理引擎。我希望未来几年里，模型学新技能的速度能比人还快。一个重要里程碑是：当面对全新环境或工具时，模型只需解释一次就能掌握。这个目标不远了。
问：我是科学家。研究常会衍生出新方向，但人的时间有限。AI能不能最终接管整个研究过程？
奥特曼：在多数领域，AI要完全独立做研究还有很长的路。比如数学，数学家现在虽然整天和模型协作，进展很快，但关键的方向判断和直觉还是来自人。
这有点像国际象棋的发展：曾有一段时间“人+AI”比纯AI更强，但很快AI就超越人类。研究领域可能也会这样，问题会复杂到AI比人更懂多步骤的思考过程。
现在有科学家在用AI做“广度优先搜索”，同时探索几十个新方向，把AI当“无限的研究生”用，据说已经升级成“无限的博士后”了。
对于实验科学，我们讨论过建自动化实验室。但更可行的可能是让全球科学界贡献实验数据，走分布式的路径。
问：我做生物安全创业。在实验自动化趋势下，如何防范AI被用于恶意生物设计？安全在OpenAI规划中处于什么位置？
奥特曼：到2026年，生物安全是我们最关注的领域之一。现在的模型在生物学上已经很强。我们目前靠限制访问来防止滥用，但长远看这堵不住。
我同事有个很好的比喻：对待AI要像对待火一样。以前人们试图限制用火，后来转为提升“韧性”，制定消防规范、用阻燃材料。对AI安全也需要这种转变。
AI确实会加剧生物威胁，但也是解决问题的工具。我们需要全社会一起建设安全基础设施，而不是幻想能完全控制。
如果今年AI出大事故，很可能和生物有关。随着时间推移，其他领域也可能出问题。
06 AI时代的教育：我们该学什么？
问：AI能快速提供答案，那我们还需要人际协作吗？“人+AI”的组合是否仍然必要？
奥特曼：AI工具就像当年的谷歌和计算器——你会因为它们的存在而变得更强大，而不是更弱。当然，这要求教育方式必须改变，要教学生如何思考，而不仅仅是记忆知识。
我反而认为，在AI普及的世界里，人与人的真实连接会更有价值。我们正在探索“多人+AI”的协作界面。想象一下，开会时有个AI助手参与讨论，帮助团队提升效率——这种模式会越来越常见。
问：随着AI系统大规模部署，最被低估的风险是什么？安全、成本还是可靠性？
奥特曼：用户会很快放松警惕，这才是最大的风险。我自己用Codex时，一开始绝不给他完整权限，但用了两小时就觉得“每次都要确认太麻烦”，直接给了完全访问权限，再也没收回。
这些工具太好用了，故障率又看似很低，容易让人产生“管他呢”的心态。当AI能力越来越强、行为更难预测时，这种掉以轻心可能会埋下严重的安全隐患。这个问题值得更多创业公司关注。
问：您如何看待AI对幼儿教育的影响？
奥特曼：我认为幼儿园不该引入电脑或AI。孩子应该在户外玩耍，和真人互动。科技对青少年已有负面影响，对幼儿可能更严重。在我们完全理解其影响前，应该谨慎。
问：AI在药物设计的3D空间推理问题上会有突破吗？
奥特曼：这个问题我们一定会解决。不确定是不是2026年，但我们知道该怎么做，只是目前有其他更紧迫的事。
问：我刚从大学退学加入YC。两个问题：大学是否会限制人的发展？您现在还做天使投资吗？
奥特曼：我大学没读完，父母花了十年才不再问我什么时候回去。你需要告诉他们：世界已经变了，这是个特殊时期，以后还可以回去。如果你是有动力的人，现在正是行动的时候。关于投资，现在不做了。OpenAI太忙，而且投资我们的客户公司也不合适。
07 账户互联：为什么ChatGPT登录第三方还这么难？
问：我们做认证和登录系统。能否支持用ChatGPT账户登录第三方服务？很多人会需要。
奥特曼：我们确实有这个计划。你具体需要什么功能？是共享额度、记忆，还是其他？
问：至少包括共享token额度，让用户能在不同服务中使用已付费的模型。但更理想的是能共享记忆、项目状态等信息，毕竟ChatGPT了解用户很多。
奥特曼：这个问题很复杂。ChatGPT确实知道用户太多个人信息。就像你和朋友分享秘密时，你会信任他的判断力，知道什么该说、什么不该说。我们的模型还没完全达到这种社交理解水平。
如果把我的ChatGPT账户连到一堆网站，并允许它“根据判断分享关于我的信息”，我会感到不安。等技术更成熟后，这会是个很棒的功能。但现阶段，我们可以先实现额度共享和付费模型互通。我们一定会推进这部分，同时谨慎探索如何安全地共享信息，不能搞砸了。
08 招聘在变：OpenAI现在需要什么样的人才？
问：OpenAI还在招聘程序员，面试流程有变化吗？
奥特曼：我们还在招人，但会更谨慎。很多公司还没意识到，AI已经是主要的“协作者”了。我们不该疯狂招人后才发现，原来AI能干这么多活。
面试方式会变：我们可能会给一个任务，这个任务去年需要两周才能完成，然后看你能否用AI工具在二十分钟内搞定。重点是考察你运用新工具的能力。
有个更大的问题：未来是“少量员工+大量AI助手”的模式，还是完全由AI驱动的公司胜出？我希望是前者。但如果公司不积极拥抱AI，它们会被更灵活的全AI公司淘汰。这对社会很重要。
问：我是摄影师，看到AI改变了创作方式。怎么看待人类创作者和AI之间的关系？
奥特曼：我们观察到，当人们知道一幅作品是AI生成时，评价会下降。有个实验：让自称讨厌AI艺术的人给一些图片排序，他们常把AI作品排前面；但被告知真相后，就说自己“其实不喜欢”。
我们读书时，会想了解作者的经历。如果知道书是AI写的，会觉得失落。人类的故事和情感投入，是作品价值的重要部分。
但如果作品包含人的指导，比如用Photoshop创作，人们依然喜欢。所以，创作者的参与和策展，仍然是关键。
问：AI的记忆和个性化功能会怎么发展？需要手动分“工作记忆”和“个人记忆”吗？
奥特曼：我们会大力投入这个方向。我个人已经愿意让ChatGPT查看我的电脑活动，因为它带来的帮助太大了。
我不想手动分类。理想的AI应该能理解你生活的复杂性，自动判断什么时候用什么信息。就像人一样，知道什么场合说什么话。
问：在AI时代，最该学什么技能？
奥特曼：不是某项具体技术，而是软技能：主动性、创造力、韧性和快速适应变化的能力。这些通过短期训练就能提升，可能比学编程更重要。
好了，时间到了，非常感谢各位莅临交流。
假设我们未来将拥有一个能力比当前模型强100倍、上下文长100倍、速度快100倍、成本降100倍、工具调用完美、长程一致性极佳的模型，这个愿望会实现的。
特约编译金鹿对本文亦有贡献
本文来自微信公众号“腾讯科技”，作者：苏扬，36氪经授权发布。