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。
