Altman：AI Agent就像高級同事，將根據計算量而不是數量來定價

近日，OpenAI CEO Sam Altman在一次互動訪談中分享了自己對AI Agent的看法，涉及AI Agent的潛力，定價與商業模式。他認爲，Agent能夠像一個聰明的同事一樣，與用戶一起合作完成項目。他還強調了推理是當前OpenAI模型最重要的關注領域，將解鎖更大的價值。

以下爲訪談要點：

以下爲訪談原文，部分內容略有刪減：

AI Agent就像高級同事，能高效反饋出色成果

提問：

對於人們對AI Agent的看法，您認爲他們有什麼誤解嗎？

Sam Altman：

我認爲沒有人能猜到這將變成什麼樣子。就像您所說的，我們都在描繪一些看似重要的東西，也許我可以舉個例子，當人們談論AI Agent代表他們行事時，他們給出的主要例子似乎相當一致。

比如，您可以讓Agent爲您預訂餐廳 ，無論是通過OpenAI GPT進行交互，還是直接打電話給餐廳。當然，這是一件很麻煩的事情，也必須去做，也許就像做某些工作一樣。

我認爲有趣的是，在全球範圍內， 您可以做一些不會或不能做的事情。例如，如果我的Agent不是打電話給一家餐廳來預訂，而是撥打300家，找出哪家的飯菜最適合我或者有什麼特別之處呢？

您可能會說，如果Agent一直在給餐廳打電話，那真是太煩人了，但如果是一個自動化系統來處理這300個餐廳，那麼沒問題，這就變成了一種大規模並行的操作，人類無法做到。這只是一個簡單的例子。

但這也揭示了人類帶寬的限制，這些限制可能會被Agent打破。 我認爲更有趣的類別不是人們通常談論的，而是您有一個爲您服務的東西，但更像是一個真正聰明的高級同事， 您可以和他合作一個項目。Agent可以很好地完成一個兩天或兩週的任務，並在必要時向您提問，然後反饋一個出色的重要產品。

AI Agent以計算量付費

提問：

這是否從根本上改變了定價的方式，您如何看待未來的定價？它將如何定價？

Sam Altman：

我是一個風險投資者，以投資爲生，所以我們預計會隨時間而有所收穫。可以想象一個世界，在那裡您可以說，我想要一個GPU，或10個GPU，或100個GPU來解決我的問題。這不是說按個數或每個Agent來付費，而是根據問題需要的計算量來定價。

提問：

我們是否需要爲特定用途構建專用模型，或者我們不需要？ 您如何看待這個問題？

Sam Altman：

確實需要大量的基礎設施和東西要建立，但我認爲o1指向了一個能夠執行出色任務的模型。這確實是某種值得繼續思考的事情。

模型是貶值資產，但ChatGPT的投資有意義

提問：

在模型方面，大家都說模型是貶值資產，模型商品化是如此普遍，您如何迴應和思考這個問題？ 當您考慮到訓練模型的資本強度越來越高，我們是否實際上正在看到這種趨勢的逆轉，需要如此多的資金以至於實際上很少有人能夠做到？

Sam Altman：

確實，模型是貶值資產，但說它們的價值不如訓練成本，這似乎完全錯誤。更不用說，隨着您學習訓練這些模型，會更好地訓練下一個模型，並從中獲得正反饋。我們可以通過模型實現收入，我認爲證明了投資是合理的。

但公平地說，我不認爲這對每個人都適用，可能有太多人在訓練非常相似的模型，如果您稍微落後了，或者如果您沒有一個帶有自然商業規則的產品，使得該產品具有粘性和價值，那麼也許可能很難獲得投資回報。 我們非常幸運擁有ChatGPT和成千上萬的人使用我們的模型。

推理是當前OpenAI模型最重要的關注領域

提問：

您如何看待OpenAI模型隨着時間的推移繼續進行差異化，以及你最想專注於哪個方面的差異化?

Sam Altman：

推理是我們當前最重要的關注領域，我認爲這是解鎖下一個巨大進步和價值的關鍵。因此，我們將在很多方面改進它們。我們將進行多模態工作，將在模型中加入我們認爲非常重要的其他功能，以滿足人們使用這些工具的方式。

提問：

您如何看待多模態工作中的推理及其所面臨的挑戰， 以及您希望實現的目標？

Sam Altman：

多模態工作中的推理，這顯然需要一些努力，但是就像人們在他們還是嬰兒和蹣跚學步時，雖然語言能力不強，但仍能進行相當複雜的視覺推理，所以顯然這是可能的。

提問：

視覺能力將如何隨着由 o1設置的的推理時間範式進行擴展呢？

Sam Altman：

在不透露過多細節的情況下，我們會取得快速進展。

提問：

GPT 的輸出是生成式的。我不認爲我們在很多 GPT 的輸出中有接近英式風格。GPT 的輸出通常在拼寫和語氣上是美式的。你如何看待模型的國際化，不同的文化，不同的語言，以及這一點的重要性。

Sam Altman：

我不使用英式英語，我沒有嘗試過，但我會猜測它在英式英語方面表現得很好。我們可以看看， 我們可以做到。

OpenAI很容易複製已經成功的東西

提問：

OpenAI 如何在推理能力方面取得突破？我們是否需要開始將強化學習作爲路徑推進，或新的技術？除了 Transformer 之外，還有其他方法嗎？

Sam Altman：

這一點是我們的獨特之處，很容易複製已經成功的東西。 所以在研究實驗室做了一些事情之後，即使您不知道他們是如何做到的，複製它也是可行的。您可以在GPT-4的複製中看到這一點，我相信您會在o1的複製中看到這一點。

真正困難的事情，也最讓我自豪的文化是是不斷重複地去做一些新的、完全未經驗證的事情。很多組織，無論是在任何領域，都聲稱擁有這種能力，但實際上做到的很少。在某種意義上，我認爲這是人類進步最重要的投入之一。

所以我曾幻想在退休後寫一本書，總結我所學到的一切，關於如何建立一個組織和文化，去做這種事情，而不是僅僅模仿其他人已經做過的事情。

因爲我認爲世界上可以有更多這樣的組織， 這受到人類才能的限制，但人類才能的浪費卻很多，因爲這不是我們擅長建立的組織風格或文化， 無論您想怎麼稱呼它。 因此，我希望能有更多這樣的事情，我認爲這是我們最特別的地方。