當 Sam Altman 再次走進華盛頓特區參議院的聽證大廳時,坐在他對麵的,不隻是幾位議員,而是一整套製度在等待回應:
-
AI 會毀掉工作,還是釋放新的生產力?
-
美國還領先嗎?中美差距到底在哪?
-
如果未來被一個“AI係統”主導,那係統該由誰定義?
他開口就說:“我們正在建設世界上最大的 AI 工廠。” 他講隱私、講能源、講就業、講國家競爭力。 他說:“未來十年,誰掌握智能和能源,誰就贏。”
而在他發言的最後,他拋出一個幾乎沒人準備好的判斷:
AI可能是人類曆史上最大的技術變革,但就連他自己也不知道它將走向何方這不是一次產品發布會,這是一次國策級的預警。
聽懂他講話的人,才知道這場競爭的底層規則已經改寫。
️ 第一節|係統開始裂縫了
“能在這裏,是一種真正的榮幸。”這是 Sam Altman 5 月 8 日再次站上國會山作證時說的第一句話。
但接下來,他說出的第一組數據卻讓人警覺:“ChatGPT 每周有五億人使用。我昨天剛看到,根據 SimilarWeb 的數據,它現在是全球第五大網站,增長非常迅速。”
Altman 指出,過去兩年,美國的醫療、科研、教育、客服等基礎服務體係,已經被 AI “靜默嵌入”:研究效率提升,醫療建議下沉,學習方式重構。他不是在誇產品,而是在發出預警:AI 不是一次“行業升級”,而是一次“係統重構”。AI 不再是即將發生的事,而是已全麵滲入我們日常的現實。
然後他講了一段即興插曲。“我是在聖路易斯長大的,一個電腦極客。小時候整夜不睡覺學編程,在閣樓裏用的是美國製造的 Mac,那台芯片就在我現在住的地方附近設計的。”
他說,這段經曆讓他堅信,美國的創新精神,曾是 AI 發生的土壤。
但他緊接著補了一句:
“我們必須確保它能繼續發生。要繼續發生,我們需要重建係統。”什麽係統?
他說,不是軟件團隊,不是模型算法,而是一整套“AI 工廠”體係:能源 → 芯片 → 數據中心 → 模型 → 應用。
“我們正在德克薩斯州阿比林建設世界上最大的 AI 訓練設施。它進展順利,但我們需要更多這樣的工廠……這一整套 AI 供應鏈必須在美國落地。”
這已經不是 OpenAI 的產品規劃,而是美國國家係統能力的“承壓測試”。
最後,他拋出一句判斷:“未來十年將是關於豐富的智能和豐富的能源,確保美國在這兩方麵都領先,是至關重要的。”
他不是在爭某一輪技術領先,而是在爭係統不掉隊。
因為一旦能源斷供、芯片外溢、數據受限、標準缺席,整個 AI 體係就會陷入結構性癱瘓。
️ 第二部分|AI 工廠,是美國的下一座水電站

如果說上一節是AI對社會係統的壓力測試,那麽 Altman 接下來的發言,更像是一份“國家級基礎設施施工圖”。
AI 工廠不是產品,是國家工程
他從一個地方講起:“昨天我去了德克薩斯州的阿比林,那裏我們正在建設世界上最大的 AI 訓練設施。”不是辦公室,不是園區,而是AI 工廠(AI factory)。
他解釋說,AI 模型的背後,不是幾行代碼,而是一整套現代工業鏈路:
-
你需要電力,源源不斷;
-
你需要芯片,最好是美國自己設計和製造的;
-
你需要數據中心,不是幾千台機器,而是“超級計算廠房”;
然後——你才能訓練一次大型模型。這已不是矽穀式的“軟件創業故事”,而是類似修鐵路、建水壩、造航母那樣的國家工程。
Altman 說得很直白:“我們需要更多這樣的設施。有一整套 AI 工廠,像一條完整的供應鏈,我們必須在美國完成這些建設,才能繼續創新、繼續領先。
這聽上去,像是一版 AI 時代的“羅斯福新政”—— 它不是為了解決就業問題,而是為了重塑國家競爭力的底座。
智能的盡頭,是能源賬單
他提出一個很容易被忽略的公式:
智能的最終成本 = 能源的成本你可以把 Altman 的邏輯理解為這樣一組簡明等式:
-
Token = 電力 × 芯片 × 算法 × 數據 × 冷卻係統
-
智能係統 = 一個超級耗能的工業基礎設施
-
下一輪國家競爭力 = 誰能讓AI工廠在本國規模部署
“如果我們不能建立基礎設施,尤其是在本國製造芯片,那麽一切都會崩潰。”
真正的分水嶺:誰能把係統跑起來
Altman 多次強調:AI 工廠不是為了訓練某一個模型,而是為了支撐一整個“國家級智能係統”。
在這場全球範圍的係統競賽中:
-
能源是地基,
-
工廠是出發點,
-
數據是燃料,
-
芯片是心髒,
-
而製度,則是它們能否協同運轉的中樞神經。
-
能拉起10GW級別算力的能源係統;
-
能快速獲批的建廠許可流程;
-
能完整打通芯片、冷卻、數據安全、模型調度的全鏈路;
-
更重要的,是不犯“監管先行壓死產業”的係統級錯誤。
Altman 話不多,卻句句都是製度提醒:
“AI 至少會像互聯網一樣重要,甚至更大。”如果美國不能在本土建好工廠、鋪好能源網絡、留住模型訓練空間——
這一次,它將不是技術領跑者,而是被下一套係統淘汰的前一代玩家。
️ 第三部分| 輸在係統,不在模型
在國會的聽證廳裏,Sam Altman 沒有繞圈子。他被問到中美AI競爭的問題時,直接拋出一句:“我們相信,美國的模型,包括 OpenAI 和 Google 以及其他公司的一些模型,是世界上最好的模型。”這聽起來像是一句自信的陳詞,但接下來 Altman 的語調突然一轉:
“很難說我們領先多遠,但我會說:不是很長的時間。”這句“不太遠”,不是謙虛,而是一次製度提醒—— 真正拉開差距的,不是模型能力,而是係統部署的速度與彈性。
DeepSeek 給出的信號,是“係統突破的速度”
在現場,Altman 明確提到中國團隊 DeepSeek,並且指出兩個關鍵事實:“第一,他們做了一個很好的開源模型。第二,他們還推出了一個消費者應用,短暫地超過了 ChatGPT,成為下載量最大的 AI 工具,甚至可能是整體下載量最大的應用。”
這不是簡單的“模型刷榜”,而是一種現象級信號:
-
中國的開源模型從研究到產品化的路徑正在迅速縮短;
-
模型本身不再是唯一的核心壁壘;
-
誰能更快進入終端,誰就擁有用戶、數據、生態與認知主權。
因為這不是市場份額的問題,而是係統標準、價值嵌入和全球使用習慣的“替代”。
不是火箭科學,是係統不能自卡節奏
在被問到“美國如何保持領先”時,Altman 給出了一段相當務實的回答:“這些都不是火箭科學。我們隻需要繼續做那些長期行之有效的事情,而不是犯一個愚蠢的錯誤。”
這句話的關鍵詞是“長期”和“別犯錯”。那“蠢的錯誤”是什麽?
他明確列出了三點:
-
對數據設限過嚴,訓練空間不如海外同行;
-
基礎設施建設受限,無法擴展芯片與能耗配套;
-
過早設立標準,行業尚未成熟便被掐死在搖籃裏。
換句話說——監管不能比部署慢,但更不能比成熟快。
Altman 的最後一段話,看似在說“蘋果和微軟”,其實是在說“製度彈性”:“世界用 iPhone、Google、Microsoft 產品……這就是我們產生影響力的方式。 我們不希望這停止發生。”
他提醒聽眾:美國不是靠最強技術贏的,而是靠讓技術快速流通、快速使用、快速全球化。
️ 第四部分|贏擴散,不踩刹車

在大多數人印象中,AI監管意味著“踩刹車”——放慢速度,設置限製,防止危險。
但在 Sam Altman 眼中,這樣的監管方式,隻會把勝利拱手讓人。
他說得非常直白:
“我認為如果標準被過早設定,那將是災難性的。”因為這不是單純的“誰更謹慎”,而是會導致一種不可逆的後果:“世界將轉而使用更好的產品——隻不過那些更好的產品,不一定是我們造的。”
Altman 真正擔心的,是“誤時”的監管
他不是唱反調。他承認監管很重要——甚至是必要的。“一旦行業確定標準由什麽構成,然後由政府機構采納並使其正式化,這是完全可以的。”
他擔心的不是有監管,而是監管滯後於現實,又超前於理性:
-
技術才剛剛進入產品化階段,政府就要求其承擔全部社會後果;
-
行業尚未建立互通協議,就被政策硬性設限;
-
用戶還在理解產品如何使用,監管已試圖定義它的邊界。
贏下擴散,才是AI的真正勝利
Altman 說的最有力的一句話是:“如果我們的心理模型是贏得擴散,而不是阻止擴散,那方向上就是對的。”這句話徹底改寫了人們對監管的想象。
在他看來,AI是一種可以全球傳播的係統級產品:
-
它的使用量決定了誰的數據更豐富;
-
它的迭代速度決定了誰的模型更強;
-
它的用戶依賴程度決定了誰擁有平台生態;
所以,“贏下擴散”意味著:
-
要讓世界使用美國的模型;
-
要在美國本土建設最大、最強、最節能的數據中心;
-
要讓美國標準成為全球參考;
-
而不是被限製束縛、被慢節奏拖拽,最後看著別的國家成為默認選項。
這不是技術比拚,而是認知範式的爭奪。
️ 第五部分|AI不是來消滅工作的,它在重寫“工作”這件事
Sam Altman 坦言,他被問到最多的問題之一就是:“AI 到底會不會毀掉所有的工作?”他沒有回避這個問題,也沒有輕描淡寫。他反而直接指出:
“這次與以往技術革命不同的是——速度。”技術革命從來都在發生。馬被汽車取代,電話取代信件,電腦代替打字機……但這一次不同。
“我不知道,也不認為有人能確切知道它會發展得多快, 但它看起來可能會非常快。”
當參議員還在提問“AI 會取代哪些人”,Altman 給出的回答,是一個更根本的判斷:“不是哪些工作會消失,而是‘工作’這件事本身正在被重新定義。”
從“崗位”邏輯到“協作體”邏輯
Altman 拋出一個全新的勞動邏輯:“我們稱之為迭代部署——把強大的工具盡早放在人們手裏,讓他們習慣它、共建它,是最重要的事。”
這不是理想主義,而是OpenAI一貫的產品哲學:
-
不把AI藏起來,而是快速發布給大眾;
-
不等待社會準備好,而是與社會同步適應;
-
不是為了替代人,而是為了形成“人機協作的新型勞動體”。
“在 2025 年 5 月,成為一個有效的程序員, 已與我上次來到這裏(2023年5月)時,完全不同了。”他用自己熟悉的領域舉例:“這些工具真正改變了程序員能做的事,世界將獲得的代碼量和軟件複雜度,也在同步飛升。”未來的工程師,不是寫代碼的人,而是指揮 AI 寫代碼的人。
AI不是“搶飯碗者”,是“組織再定義者”
Altman 沒有用“賦能”這種抽象說法,
而是講了一個 Uber 司機的故事:“ChatGPT 推出半年後,我坐進一輛 Uber,司機說:‘你聽說過 ChatGPT 嗎?太神奇了。’然後他告訴我,他靠 ChatGPT 運營整個洗衣小店。”
這個司機不會寫廣告,不懂法律,不擅長客戶服務。
但有了 ChatGPT,他:
-
用 AI 生成文案;
-
讓 AI 審核合同;
-
甚至用 ChatGPT 回複用戶郵件。
未來是“用AI的人 vs 不用AI的人”
Altman 給出的金句,值得反複咀嚼:“我們想要達到的理念是——AI 不是取代工作,而是增強工作。人們將變得更有生產力,做的事情,甚至我們今天都無法想象。”
他提醒聽證會的議員們,如果你回望 100 年前,根本無法想象今天的職業形態:
-
用戶增長專家;
-
短視頻編導;
-
代碼prompt工程師;
-
模型紅隊審查員……
我們可以適應技術變革,這點曆史早已證明。但這一次,節奏會非常快。我們必須讓教育和工具一起部署,才能跟上。
️ 第六部分|AI開始理解你,它也開始重構你信任的一切
在聽證會的後半段,Altman 講到一個技術圈以外、但對普通人至關重要的問題:“我們必須認真看待人們與AI的關係正在發生的變化。”他說,有些東西,正在我們幾乎沒有意識到的前提下悄然變化。
AI開始知道你一切的那一刻,隱私的定義就變了
Altman 指出一個現實:
“人們與AI係統分享的信息,比我認為他們以往與任何技術分享得都多。”這意味著,如果AI是一個“聊天工具”,那隻是表層。更深層是:AI 是那個從不疲憊、不反駁、永遠在線傾聽你的存在——它可能比任何人都更了解你。
Altman 說:
“AI 係統真正的效用,發生在它們能非常個性化地理解你的那一刻。”而這,就是問題的根源。
“當AI比你伴侶更懂你”,我們該如何重新劃分信任?
這不是一個科技性問題,而是一個結構性的信任問題:“我們將如何考慮, 在AI了解你整個人生後,如何保護你說過的話?”
Altman 提出三個必須被重新設計的控製維度:
-
個人數據控製權——用戶必須知道自己說了什麽,AI存了什麽;
-
信息分享邊界——當AI連接到其他係統,是否能任意轉發、重組、調用你的數據?
-
情感依賴風險——當AI成為“情緒傾訴對象”,人是否會形成深度依賴?
AI時代的“偽造內容”不再是技術問題,而是心理攻擊
在談到“深度偽造(deepfake)”問題時,Altman 承認:“我們很樂意配合立法,因為這個問題已經快速逼近。”
但他馬上指出,解決方式不能隻靠代碼層麵的限製。
他提出一個“多軌並行”的治理框架:
-
AI生成端:平台要建立明確標識與溯源機製;
-
內容傳播端:分發平台要設置自動識別與用戶提醒;
-
用戶教育端:社會要預期、識別並習慣“內容未必是真”的現實。
你防不了AI生成偽造,但你可以防止自己上當。
這句話,是一個社會心理建設的提醒:“我們越早讓人們理解這些內容可能是AI生成的,並在他們自己大腦中建立防禦機製,越好。”
他舉了一個例子:
“你可能接到一個電話,聲音是你認識的人,情緒崩潰、請求幫助。他沒有把這停留在“AI濫用”的層麵,而是進一步指出:AI偽造不可防,但信任可以重建。
或者看到一段視頻,觸動你的情緒。你必須在心理上建立準備,因為它們可能是假的。”
——法律是護欄,技術是盾牌,教育是疫苗,而心理韌性,是我們最後的免疫係統
️ 第七部分|下一輪現實,AI共創

在聽證會上,有參議員問了這樣一個問題:
“你怎麽看待 AI 奇點(Singularity)? 就是那種 AI 超越人類智能之後的臨界點——它真的會來嗎?”他沒有給出時間預測,也沒有承諾控製方案,隻說:“我在它麵前感到渺小。”
他停頓了一會兒,說了一句話:“我對進展的速度感到非常興奮,但我也非常謹慎。我會說,我在它麵前感到渺小。”
這句話,在這個場合說出來,極具意味。
他不是一個悲觀者。他隻是想提醒大家:這一次文明自我重構的臨界點。
不是模型躍遷,而是文明躍遷
Altman 接著說了一段相當有穿透力的話:
“我相信這將是人類曆史上可能出現的最大技術革命之一, 甚至可能是最大的一次。”他沒有用“毀滅”這樣的詞匯,而是強調一種曆史尺度:
-
就像火、電、網絡;
-
它不是一個工具;
-
它是我們下一輪認知、生產、組織方式的根係統。
它早已介入你的判斷、表達與決策,隻是你還以為它是“工具”。
不是規劃未來,而是協作生成
Altman 有一句話,說得極其克製:“這些工具將能做到一些我們無法完全理解的事情,當它們開始幫助我們創造下一個未來版本時……”
他沒有明確說出“奇點已到”,但他說的是另一件更重要的事:
“未來不是我們規劃出來的, 而是我們與AI協同、試錯、演化出來的。”
他把這種狀態稱為:“有些人稱之為'奇點',其他人稱之為'起飛'。無論它是什麽——它感覺像是人類曆史的一個新時代。(Some people call it the Singularity.Others call it the Takeoff.Whatever it is — it feels like a new era in human history.)”
不要幻想“管住AI”,而是設計“與AI共創的機製”
Altman 在最後反複強調:“我們可以讓這一切變成美好的事情,但我們必須帶著謙卑和一點謹慎接近它。”
這句話之所以重要,是因為它對所有製度、公司、個體發出了一個新的角色邀請:我們不再是監管者或操控者,而是共創者、係統接口的設計人。
這就是為什麽 OpenAI 把模型權重交給國家實驗室——因為:“科學發現,可能是AI對人類最有價值的貢獻。”
AI不替你完成工作,而是帶你進入“人類自己無法到達的空間”:
-
它幫助我們重新定義科研效率;
-
它幫助我們理解大腦、疾病、物理定律;
-
它甚至可能幫助我們重建人類的知識秩序。
結語|不是AI贏了,是係統扛住了
Sam Altman 這次站在國會作證,沒有講技術路線,也沒有宣傳產品。他說的隻有一件事:
AI,不隻是模型比拚,而是國家係統的壓力測試。從能源、芯片、工廠,到人才、就業、監管——每一個係統部件都在被重新定義。
他沒有要求支持,也沒有請求資源。 他說的隻是一個事實:
不是 AI 跑得太快,而是人類的認知係統準備太慢。如果跟不上,輸掉的不是模型、不是公司, 而是我們自己,在自己的主場。