簡體 | 繁體
loading...
新聞頻道
  • 首頁
  • 新聞
  • 讀圖
  • 財經
  • 教育
  • 家居
  • 健康
  • 美食
  • 時尚
  • 旅遊
  • 影視
  • 博客
  • 群吧
  • 論壇
  • 電台
  • 焦點新聞
  • 圖片新聞
  • 視頻新聞
  • 生活百態
  • 娛樂新聞
您的位置: 文學城 » 新聞 » 焦點新聞 » 奧特曼在國會承認:中美的差距確實越來越小

奧特曼在國會承認:中美的差距確實越來越小

文章來源: AI深度研究員 於 2025-05-08 23:56:26 - 新聞取自各大新聞媒體,新聞內容並不代表本網立場!
被閱讀次數
2025年5月8日,美國國會山。

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?

他沒有像技術人那樣講模型升級、參數突破,也沒像創業者那樣談公司估值、產品路徑。

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

奧特曼在國會承認:中美的差距確實越來越小

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”;

你還需要建構這些機器的機架,安裝調度係統,冷卻設備,高壓轉換裝置,甚至消防通道。

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

換句話說:AI 不是“雲裏轉的算法”,而是一條吞電、耗芯、講工業組織效率的全棧鏈條。這場競爭的關鍵,不在於誰的模型能力更強,而是誰能把這套係統真實落地。

“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。

在 Altman 的敘述中,未來美國需要的不是更多的創業公司,而是:

  • 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。

他非常清楚:真正的差距,不在模型性能,而在係統速度。

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。

Altman 並沒有表現出焦慮,但他明確表示:“如果 DeepSeek 或其他消費者應用真的成為主流,並打敗 ChatGPT 成為人們使用的默認 AI 係統,那將是不好的。”

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。

Altman 並沒有呼籲“放任自由”,而是強調“給行業一點生長空間”:“我相信行業正在迅速朝著確定正確協議和標準的方向發展,我們需要空間來創新和快速前進。”

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

圖片

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。

Altman 的觀點很清晰:標準應該來自於實際使用,不是預設風險。換句話說——不是畫好跑道再起跑,而是邊跑邊築路。

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;

最終,它將決定誰擁有係統主導權與技術嵌入權。

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。

Altman 不是在警告“模型危險”,他提出一個更深層的事實:你以為監管是在防AI,其實是在決定誰擁有定義未來的權力。

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”。

他說,這種策略過去五年一直在運作。而成果,已經在編程領域顯現:

“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。

Altman 說,這是 AI“被使用”而不是“被恐懼”的典範。這不是失業的故事,而是“個人成為微型組織”的新形態出現。

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……

而未來十年,依靠AI創造的新職業,也將以我們無法預測的方式誕生。

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?

他知道不是模型最強的問題,而是:人類如何在智能係統麵前,重新定位自己的關係權力。

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。

他說得非常現實:“我不相信我們能阻止內容的生成。開源模型、開放權重是大勢所趨。”

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。

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。”

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。

——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

圖片

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。

他說:“人類有一種驚人的適應能力,看起來驚人的東西,很快就會成為‘新常態’。”就像你已經在用 ChatGPT 查文獻、寫郵件、陪孩子做作業一樣。

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。

而我們的責任,是不設限、不設敵,而是設計出可以共創未來的機製。

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。


 

查看評論(19)

24小時熱點排行

近代最大規模纏鬥!125架戰機激戰1小時 38人喪命
快訊!梵蒂岡冒白煙 新教皇當選
中國國家衛健委最新發文 大批醫院要開設這個科室
鐵棒毆打、強行剃發 兩華裔少女遭15人暴力圍毆
特朗普對華加征145%的關稅後 美國企業“爆單”了?

24小時討論排行

散播假消息?印駁斥“巴擊落軍機”:拿舊照發文
沈陽將舉行紀念蘇軍“不朽軍團”遊行 中小學生也參加
川普對等關稅第一國!美國與英國簽署貿易協議
普京和習近平發表聯合聲明譴責美國,強調中俄互信
印巴爆發近20年最嚴重衝突後,莫迪首次發聲
習近平告訴普京 麵對“霸權騷擾”他與俄羅斯站在一起
不減息!川普發文大罵鮑威爾:蠢材 什麽都不懂
被拜登懟急眼,白宮怒批:他是國家之恥
印度稱摧毀巴防空係統 遭嘲諷:派幾架陣風來查看
奧特曼在國會承認:中美的差距確實越來越小
習近平冒著無人機襲擊的危險來到莫斯科
急轉彎?特朗普:對華關稅145%到頂了,要降
特朗普19歲兒子最後一天上學,發福圓潤到沒脖子了
紐約時報:中國遠遠落後於美國的時代已經終結
比爾蓋茨決定捐99%財產,卻沒準備給新女友留點
中又贏?巴基斯坦證實:使用J10戰機擊落印軍“陣風”
  • 文學城簡介
  • 廣告服務
  • 聯係我們
  • 招聘信息
  • 注冊筆名
  • 申請版主
  • 收藏文學城

WENXUECITY.COM does not represent or guarantee the truthfulness, accuracy, or reliability of any of communications posted by other users.

Copyright ©1998-2025 wenxuecity.com All rights reserved. Privacy Statement & Terms of Use & User Privacy Protection Policy

文學城新聞
切換到網頁版

奧特曼在國會承認:中美的差距確實越來越小

AI深度研究員 2025-05-08 23:56:26
2025年5月8日,美國國會山。

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?

他沒有像技術人那樣講模型升級、參數突破,也沒像創業者那樣談公司估值、產品路徑。

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

奧特曼在國會承認:中美的差距確實越來越小

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”;

你還需要建構這些機器的機架,安裝調度係統,冷卻設備,高壓轉換裝置,甚至消防通道。

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

換句話說:AI 不是“雲裏轉的算法”,而是一條吞電、耗芯、講工業組織效率的全棧鏈條。這場競爭的關鍵,不在於誰的模型能力更強,而是誰能把這套係統真實落地。

“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。

在 Altman 的敘述中,未來美國需要的不是更多的創業公司,而是:

  • 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。

他非常清楚:真正的差距,不在模型性能,而在係統速度。

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。

Altman 並沒有表現出焦慮,但他明確表示:“如果 DeepSeek 或其他消費者應用真的成為主流,並打敗 ChatGPT 成為人們使用的默認 AI 係統,那將是不好的。”

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。

Altman 並沒有呼籲“放任自由”,而是強調“給行業一點生長空間”:“我相信行業正在迅速朝著確定正確協議和標準的方向發展,我們需要空間來創新和快速前進。”

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

圖片

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。

Altman 的觀點很清晰:標準應該來自於實際使用,不是預設風險。換句話說——不是畫好跑道再起跑,而是邊跑邊築路。

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;

最終,它將決定誰擁有係統主導權與技術嵌入權。

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。

Altman 不是在警告“模型危險”,他提出一個更深層的事實:你以為監管是在防AI,其實是在決定誰擁有定義未來的權力。

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”。

他說,這種策略過去五年一直在運作。而成果,已經在編程領域顯現:

“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。

Altman 說,這是 AI“被使用”而不是“被恐懼”的典範。這不是失業的故事,而是“個人成為微型組織”的新形態出現。

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……

而未來十年,依靠AI創造的新職業,也將以我們無法預測的方式誕生。

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?

他知道不是模型最強的問題,而是:人類如何在智能係統麵前,重新定位自己的關係權力。

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。

他說得非常現實:“我不相信我們能阻止內容的生成。開源模型、開放權重是大勢所趨。”

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。

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。”

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。

——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

圖片

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。

他說:“人類有一種驚人的適應能力,看起來驚人的東西,很快就會成為‘新常態’。”就像你已經在用 ChatGPT 查文獻、寫郵件、陪孩子做作業一樣。

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。

而我們的責任,是不設限、不設敵,而是設計出可以共創未來的機製。

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。