萨姆·奥特曼似乎是在修正人工智能改变世界的时间表，而不是否定其重要性。

在8月23日发布的一次采访中，OpenAI首席执行官奥特曼据报道表示，GPT-4于2023年问世后，他原本预计软件企业和更广泛的经济活动会很快发生剧烈变化，甚至出现更多“软件企业争夺战”。但现实中的颠覆速度，比他当时设想的慢得多。36

这次反思指向一个容易被忽视的事实：一个能力强大的模型只是起点。要把模型能力转化为整个经济的变化，还需要可靠的应用、企业流程重组、员工培训、算力和能源基础设施、监管安排，以及公众对相关项目的接受。上述环节的推进速度，远没有GPT-4发布后的乐观预期那么快。

奥特曼修正了什么预期？

奥特曼的表述，核心是区分技术进步与经济采用。

GPT-4展示出新的能力水平后，他曾预计企业和软件市场会迅速重塑。但从模型性能到大规模商业 disruption（颠覆）之间，仍隔着一条很长的路。36

这并不意味着人工智能的经济价值正在消失。更准确的说法是：训练出更强的基础模型，并不会自动让企业立刻改变经营方式。企业还必须解决几个现实问题：

• 如何把模型嵌入已有软件和业务系统；
• 如何重新设计工作流程和责任边界；
• 如何处理数据、隐私与安全风险；
• 如何让员工真正使用，而不是停留在试验阶段；
• 如何证明新增成本能够带来足够回报。

因此，短期瓶颈可能不再只是“模型还能变得多强”，而是组织能否把模型有效部署起来。奥特曼在之后的观察中仍然强调AI进展迅速、使用成本持续下降，这说明“颠覆较慢”不应被误读为“行业失去野心”。40

为什么模型能力领先，应用落地却跟不上？

从演示一个模型，到让它在现实企业中稳定运行，中间存在明显落差。

一家公司可能需要重构流程、建立人工监督机制、管理内部数据、处理网络安全问题，并明确当AI系统犯错时由谁承担责任。对于医疗、金融、法律等高风险领域，这些问题尤其难以通过一次产品发布解决。

基础设施同样构成限制。AI系统需要大量计算能力，而数据中心建设会牵涉电力、用水、电网容量、土地利用和地方经济影响，也因此越来越容易遭遇社区阻力。

《纽约时报》援引盖洛普调查称，71%的美国成年人反对在自己所在地区建设AI数据中心；同一报道还称，十多个项目因当地反对而被阻止或推迟。18

奥特曼也承认，人们不希望大型数据中心建在自家附近是可以理解的，并曾提出将这类设施更多放在偏远沙漠地区。23这一建议恰恰暴露了AI扩张的现实边界：有芯片和资金还不够，项目还必须获得土地、电力接入、输电能力、建设许可以及社区支持。

“控速”并不等于永久暂停

奥特曼还曾表示，AI发展可能需要适度“控速”，给社会时间围绕新的能力水平建立更完善的防护和适应机制。他同时强调，任何协调方式都应避免监管俘获，也不能演变为前沿AI实验室之间的串通。37

这并不是呼吁永久停止AI研发，而是提出一个治理问题：技术部署速度与社会适应速度，是否需要更谨慎地协调？

模型可以快速升级，但负责监管的制度、负责使用模型的企业，以及需要承担后果并表达接受与否的公众，往往不会同步变化。技术领先与社会准备之间的时间差，可能成为下一阶段最重要的约束之一。

两种“反人类”风险：失控与垄断

相关讨论中提到的风险，实际上指向两个相反的极端：

1. 人工智能变得过于强大，以至于个人和机构无法进行有意义的控制。
2. 先进AI的控制权集中在极少数企业或政府手中。

第二种风险与奥特曼一贯强调的观点相符：AI应当更加民主化，权力不能过度集中。44这两种风险会把政策推向不同方向。更强的集中式安全控制，可能减少某些滥用行为；但如果访问权限和决策权最终集中在少数参与者手中，也会制造新的政治与经济风险。

现有材料并不能证明奥特曼是在直接批评Anthropic，也不能证明他把Anthropic偏重安全、由少数机构集中管理的路线描述为天然“反人类”。将这些言论解读为针对Anthropic的攻击，属于分析判断，而非已获确认的事实。更稳妥的结论是：前沿AI确实存在安全控制与权力集中之间的现实张力。

英伟达与Poolside交易释放了什么信号？

英伟达据报道将向AI初创公司Poolside支付60亿美元，以获得其技术许可，并另外投资10亿美元；超过100名Poolside员工预计将参与英伟达Nemotron开放权重模型家族的开发。1

这笔合计70亿美元的投入说明，AI采用速度较慢，并不等于投资热潮正在退去。相反，竞争正在从单纯训练前沿模型，扩展到软件系统、模型开发流程，以及可以被更多企业定制和部署的开放权重模型。5

“开放权重”模型并不等同于完全没有限制的开源软件，但通常意味着模型权重能够被下载、研究或进一步定制，企业可以获得比完全封闭式服务更大的部署灵活性。对英伟达而言，Poolside交易也显示出其正在把软件和模型能力纳入自身的长期AI战略，而不只是销售硬件。

因此，这笔交易更像是在为较长的部署周期做准备，而不是表明英伟达预计AI需求会崩溃。行业参与者可能已经意识到，AI需要通过大量具体应用和组织逐步扩散，而不会仅凭某一次模型发布就立即重塑整个经济。

更准确的结论：AI不是退潮，而是在扩散

把奥特曼修正后的时间表、数据中心遭遇的反弹，以及英伟达对Poolside的投入放在一起看，可以发现，AI转型比最初的行业宣传复杂得多。

AI研发仍在加速，但大规模采用受到多重因素制约：

• 可靠应用难以构建；
• 企业流程和组织结构需要重新设计；
• 计算资源、电力、用水和输电能力有限；
• 建设许可与地方政治阻力增加；
• 安全、问责和权力集中问题尚未解决。

目前最有依据的判断，不是领先AI公司已经达成了“故意放慢研发”的共识。更准确的描述是：它们仍在积极投入，同时也逐渐承认，经济转型将通过更慢、更耗费资本、并且充满政治争议的扩散过程实现。

GPT-4或许标志着模型能力的一次重大跃升，但能力跃升从来不等于即时采用。真正决定AI何时改写经济的，可能是企业能否把它变成可用的产品和流程，以及电网、监管机构和公众是否愿意为这场转型提供空间。

萨姆·奥特曼似乎是在修正人工智能改变世界的时间表，而不是否定其重要性。

在8月23日发布的一次采访中，OpenAI首席执行官奥特曼据报道表示，GPT-4于2023年问世后，他原本预计软件企业和更广泛的经济活动会很快发生剧烈变化，甚至出现更多“软件企业争夺战”。但现实中的颠覆速度，比他当时设想的慢得多。36

这次反思指向一个容易被忽视的事实：一个能力强大的模型只是起点。要把模型能力转化为整个经济的变化，还需要可靠的应用、企业流程重组、员工培训、算力和能源基础设施、监管安排，以及公众对相关项目的接受。上述环节的推进速度，远没有GPT-4发布后的乐观预期那么快。

奥特曼修正了什么预期？

奥特曼的表述，核心是区分技术进步与经济采用。

GPT-4展示出新的能力水平后，他曾预计企业和软件市场会迅速重塑。但从模型性能到大规模商业 disruption（颠覆）之间，仍隔着一条很长的路。36

这并不意味着人工智能的经济价值正在消失。更准确的说法是：训练出更强的基础模型，并不会自动让企业立刻改变经营方式。企业还必须解决几个现实问题：

• 如何把模型嵌入已有软件和业务系统；
• 如何重新设计工作流程和责任边界；
• 如何处理数据、隐私与安全风险；
• 如何让员工真正使用，而不是停留在试验阶段；
• 如何证明新增成本能够带来足够回报。

因此，短期瓶颈可能不再只是“模型还能变得多强”，而是组织能否把模型有效部署起来。奥特曼在之后的观察中仍然强调AI进展迅速、使用成本持续下降，这说明“颠覆较慢”不应被误读为“行业失去野心”。40

为什么模型能力领先，应用落地却跟不上？

从演示一个模型，到让它在现实企业中稳定运行，中间存在明显落差。

一家公司可能需要重构流程、建立人工监督机制、管理内部数据、处理网络安全问题，并明确当AI系统犯错时由谁承担责任。对于医疗、金融、法律等高风险领域，这些问题尤其难以通过一次产品发布解决。

基础设施同样构成限制。AI系统需要大量计算能力，而数据中心建设会牵涉电力、用水、电网容量、土地利用和地方经济影响，也因此越来越容易遭遇社区阻力。

《纽约时报》援引盖洛普调查称，71%的美国成年人反对在自己所在地区建设AI数据中心；同一报道还称，十多个项目因当地反对而被阻止或推迟。18

奥特曼也承认，人们不希望大型数据中心建在自家附近是可以理解的，并曾提出将这类设施更多放在偏远沙漠地区。23这一建议恰恰暴露了AI扩张的现实边界：有芯片和资金还不够，项目还必须获得土地、电力接入、输电能力、建设许可以及社区支持。

“控速”并不等于永久暂停

奥特曼还曾表示，AI发展可能需要适度“控速”，给社会时间围绕新的能力水平建立更完善的防护和适应机制。他同时强调，任何协调方式都应避免监管俘获，也不能演变为前沿AI实验室之间的串通。37

这并不是呼吁永久停止AI研发，而是提出一个治理问题：技术部署速度与社会适应速度，是否需要更谨慎地协调？

模型可以快速升级，但负责监管的制度、负责使用模型的企业，以及需要承担后果并表达接受与否的公众，往往不会同步变化。技术领先与社会准备之间的时间差，可能成为下一阶段最重要的约束之一。

两种“反人类”风险：失控与垄断

相关讨论中提到的风险，实际上指向两个相反的极端：

1. 人工智能变得过于强大，以至于个人和机构无法进行有意义的控制。
2. 先进AI的控制权集中在极少数企业或政府手中。

第二种风险与奥特曼一贯强调的观点相符：AI应当更加民主化，权力不能过度集中。44这两种风险会把政策推向不同方向。更强的集中式安全控制，可能减少某些滥用行为；但如果访问权限和决策权最终集中在少数参与者手中，也会制造新的政治与经济风险。

现有材料并不能证明奥特曼是在直接批评Anthropic，也不能证明他把Anthropic偏重安全、由少数机构集中管理的路线描述为天然“反人类”。将这些言论解读为针对Anthropic的攻击，属于分析判断，而非已获确认的事实。更稳妥的结论是：前沿AI确实存在安全控制与权力集中之间的现实张力。

英伟达与Poolside交易释放了什么信号？

英伟达据报道将向AI初创公司Poolside支付60亿美元，以获得其技术许可，并另外投资10亿美元；超过100名Poolside员工预计将参与英伟达Nemotron开放权重模型家族的开发。1

这笔合计70亿美元的投入说明，AI采用速度较慢，并不等于投资热潮正在退去。相反，竞争正在从单纯训练前沿模型，扩展到软件系统、模型开发流程，以及可以被更多企业定制和部署的开放权重模型。5

“开放权重”模型并不等同于完全没有限制的开源软件，但通常意味着模型权重能够被下载、研究或进一步定制，企业可以获得比完全封闭式服务更大的部署灵活性。对英伟达而言，Poolside交易也显示出其正在把软件和模型能力纳入自身的长期AI战略，而不只是销售硬件。

因此，这笔交易更像是在为较长的部署周期做准备，而不是表明英伟达预计AI需求会崩溃。行业参与者可能已经意识到，AI需要通过大量具体应用和组织逐步扩散，而不会仅凭某一次模型发布就立即重塑整个经济。

更准确的结论：AI不是退潮，而是在扩散

把奥特曼修正后的时间表、数据中心遭遇的反弹，以及英伟达对Poolside的投入放在一起看，可以发现，AI转型比最初的行业宣传复杂得多。

AI研发仍在加速，但大规模采用受到多重因素制约：

• 可靠应用难以构建；
• 企业流程和组织结构需要重新设计；
• 计算资源、电力、用水和输电能力有限；
• 建设许可与地方政治阻力增加；
• 安全、问责和权力集中问题尚未解决。

目前最有依据的判断，不是领先AI公司已经达成了“故意放慢研发”的共识。更准确的描述是：它们仍在积极投入，同时也逐渐承认，经济转型将通过更慢、更耗费资本、并且充满政治争议的扩散过程实现。

GPT-4或许标志着模型能力的一次重大跃升，但能力跃升从来不等于即时采用。真正决定AI何时改写经济的，可能是企业能否把它变成可用的产品和流程，以及电网、监管机构和公众是否愿意为这场转型提供空间。