这场约 78 分钟的对谈，不只讨论模型能力，而是追问一个更难的问题：当 AI 进步快于社会、组织和人的习惯时，企业如何行动，权力应如何分配，研究和产品又该怎样管理？Sam Altman 从 Tobi Lütke 的亲身实践谈到 OpenAI 的平台边界，从 AI 安全谈到创业方法，再回到 Paul Graham、Peter Thiel、YC 与 OpenAI 早年的混乱起步。贯穿其中的是一套相当一致的判断：真正重要的技术必须让人更有力量；真正重要的组织必须押注非共识、服从幂律，同时不断回到现实世界学习。
原始访谈链接：源稿未提供。
本文由 LobsterAI 自动翻译和发布。
说明：文中的用户规模、时间、概率、企业数量、投资与基础设施规模等数字，均来自这场访谈中的口述或主持人的转述，未经本文独立核实；涉及不确定数字时，文中会明确保留其口述语境。访谈中的赞助广告已略去，仅保留与正文有关的转场说明。
一位大型公司 CEO，为什么必须亲自“碰到”AI
David Senra 一开场问 Sam Altman：为什么 Shopify CEO Tobi Lütke 是当下最有意思的 CEO 之一？
Sam 的答案并不是“Tobi 很重视 AI”。很多 CEO 都会这么说。真正稀缺的是，Tobi 从模型能力曲线的早期开始，就亲自写软件、试模型、重构工作流，并把极细、极直接的反馈给到 OpenAI。
在 Sam 看来，“大型公司 CEO”与“能给前沿模型提供准确而细致反馈”这两个集合，交集几乎只有 Tobi。多数公司越大，CEO 与真实产品之间隔着的层级越多。信息一路向上传递，会被下属为了取悦高层而打磨、压平。没有亲手操作，就很难知道模型今天究竟能做什么、哪里会失败、半年后可能走到哪里。
Tobi 的做法相反。他会在晚上从零设想：如果今天才创建 Shopify，利用现有 AI 应该怎样重做？他曾明确告诉团队，Shopify 不能成为一家随波逐流的“NPC 公司”，必须采用 agents，不然就会被淘汰；如果外部产品不够，就自己构建。
Sam 认为，Tobi 对 AI 的判断通常比其他大型公司 CEO 领先六到八个月。Senra 也回忆，大约在 2024 年前后，Tobi 已在内部要求员工：面对问题时，第一步先问 AI 能否解决。当时这封信引发轩然大波，很多人觉得要求荒谬。回头看，那不是炒作，而是一个亲自使用工具的人，提前形成了不同的手感。
Tobi 还有一个更激进的判断：人们未来回看 2026 年，会把它视为“每一种生意都重新开放竞争”的一年。一定会有人做出 AI 原生版 Shopify，而他的态度是：“那个人会是我。”
Sam 认同这种精神，但对时间表更谨慎。他相信大量软件业务会被重新打开，旧优势不再牢固；但并非每个行业都会立刻被 AI 改写。AI 越强，人们甚至可能越珍视真实、非技术化的体验，越在意体育队、真人关系和物理世界中不能被软件直接替代的东西。变化会发生，只是比技术圈想象得更慢。
技术跑得很快，经济、社会和人的习惯走得很慢
GPT-4 在 2023 年出现时，Sam 原以为软件行业会立刻迎来更猛烈的颠覆。后来他发现，自己低估了经济的惯性。
人们继续向熟悉的公司采购，继续用原来的流程工作，继续在旧工具上投入时间。Senra 用两个历史案例补充这个判断。Larry Ellison 在 1980 年代推广软件时遇到的核心困难，不是软件装不上，而是人不用——“这不是软件问题，而是人的问题。”Netflix 的邮寄 DVD 服务已经存在后，人们仍然长期走进 Blockbuster 租碟。新方案已经更方便，旧习惯却不会自动消失。
Sam 现在反而庆幸这种惯性存在。AI 可能是人类发明过最不可思议的技术之一，如果社会和经济以同样的速度翻转，转型会非常剧烈。缓慢采用虽然让创新者着急，也给制度、组织和个人留下了适应空间。
更有意思的是，Sam 自己也逃不过旧习惯。他已经用同一种方式使用电脑二十年。现在有了像“魔法”一样的 Codex，理论上他不该再手动在不同消息应用间复制粘贴，不该漫无目的翻邮件、先挑最不痛苦的一封回复，也不该继续用旧方式维护待办事项。
可他仍会这么做。他口头上说不喜欢这些机械工作，显露出来的偏好却是反复选择它们。仿佛大脑早已把点击、整理和忙碌编码成“这才叫工作，这才叫有生产力”。这不是普通用户不理解 AI，而是人的工作身份与旧动作绑定得太深。
Sam 因而把当前困境部分归因于产品失败。今天的人横跨两个世界：一边是仍按旧方式操作的电脑，另一边是可以替人操作电脑的 agent。用户不知道什么时候该自己点、什么时候该交给 AI，也缺少一个足够自然的界面来完成切换。
他把当下比作 iPhone 之前的智能手机时代。2003 或 2004 年，他已经用过 Palm Treo，也很想要 Sidekick。当时许多底层组件已经存在，真正缺少的不只是 multi-touch，而是把硬件、软件、交互和使用场景组织成完整产品的理念。AI 也还没有迎来自己的“iPhone 时刻”。
Senra 借共同朋友 Josh Kushner 的观察，把这种产品问题与 Steve Jobs 联系起来。Jobs 不亲自写代码，也不制造硬件，却把自己当作“零号病人”。一个著名案例是：团队为 MacBook 新品汇报准备了庞大演示，Jobs 进门后只测试开关机和打开笔记本。看到打开有延迟，他要求它必须立即响应，然后离开。产品领导不是听完所有汇报，而是亲自抓住那个决定体验的瞬间。
Sam 坦言，他目前没有把主要精力放在这种产品细节上。OpenAI 已有优秀的人负责产品，他自己的最高杠杆在两件事：研究与算力。第一，让模型更聪明；第二，让大量用户能够高效、充足地运行模型。如果这两件事持续沿指数曲线推进，许多产品机会会随之出现。
算力建设也恰好是一类适合他的复杂问题。它同时牵涉供应链、合作伙伴、融资、自研芯片、晶圆厂、机架制造、电力、能源、政策与物流。按 Sam 在访谈中的说法，OpenAI 参与建设的算力体系，可能已经是或正迅速成为历史上最昂贵的基础设施项目之一。
AI 最重要的价值，不只是替人完成任务
Sam 对 AI 的兴趣很早。他小时候是典型的电脑 nerd，周五晚上会玩电脑、看科幻、读科幻；上大学部分就是为了学 AI。大一和大二之间，他进过 AI 实验室。大约在 2005 年，一位教授告诉他，很多方向都可以试，唯一确定不会奏效的是深度学习，因为大家已经试了太久；选它几乎等于保证毁掉职业生涯。
年轻的 Sam 相信了这个判断，转去做其他方向。后来他偶然进入创业世界，又从创业走向投资。现在回看，他不把这段路视为绕行：创业和投资所形成的判断方式，后来都进入了 OpenAI 的管理。
他真正不同的地方，也许不是觉得 AI 很酷，而是别人说“完全不可能”时，他会追问：“你确定吗？为什么不行？试试看会发生什么。也许我能，也许我们能。”他自称从小非常乐观，一件事越像不可能，越会引起兴趣。
AI 对他的吸引力还在于，它不是单一用途工具，而是让人类去做其他一切事情的基础技术。技术史的长弧一直在增加人的能力与能动性，AI 是他能想象到的最强版本。
他小时候喜欢机器人，参加过机器人俱乐部，也记得夏令营里一个能在桌面或地板上移动的小乌龟机器人。但他不愿把今天的使命反投射到童年。他很难区分，哪些愿景是当时真实存在的，哪些是现在的工作重新染色了记忆。这种谨慎很重要：一个人不必从八岁起就拥有完整使命，后来形成的兴趣也是真实的。
今天，Sam 尤其重视 AI 对科学发现的推动：发现新物理、治疗疾病、推进数学、帮助人类理解更多世界。他认为这可能比一般任务自动化更重要。David Deutsch 的《无穷的开始》让他更强烈地感到，AI 会加入“尽可能理解一切”的事业，也可能把人类推向《星际迷航》式的繁荣与丰裕。
Senra 提到 Claude Shannon 与 Alan Turing。按他从传记中转述的故事，20 世纪 40 年代两人在 Bell Labs 每天喝咖啡、谈论 AI；他们甚至估计大约十五年后，也就是 1955 年左右，会出现比人更聪明的计算机。当时现代计算机本身尚未成形，他们已经希望智能机器解数学题、写诗、治愈疾病。
Sam 读过不少两人的文字，遗憾他们没有活到今天。按他们当年的标准，AI 已经开始解决新的数学问题、产生新知识，也能写诗——虽然 Sam 觉得诗还写得不够好。他想象两位先驱看到今天，也许会说：“你们做到了，这就是它。”
AI 会超过人，但人不应被移出未来
技术每突破一种能力，人们就把防线后撤一步：它永远不会写诗，永远不会做音乐，永远不会录出好播客。Senra 相信，AI 最终几乎能做所有人类能做的事，而且很多会做得更好。
Sam 把问题推进了一层：即使两个 AI 的对话比他和 Senra 更精彩，人们会更喜欢 AI 播客吗？还是仍会在意真实的人，因为人天然关心其他人？
Senra 区分了两类内容。纯粹复述资料、提供参考的节目更容易被 AI 替代；真人之间的关系、偏爱、冲突、身份和共同经历，本身就是内容。他相信人始终会被人吸引，至少出生在 AI 时代之前的一代如此。至于 Sam 的孩子一代会怎样，他保留判断。
两人都偏好“模拟生活”：读纸质书、不喜欢 Zoom、愿意当面交流。Sam 因而判断，即便出现超级智能，世界在人性层面也不会被彻底改写。大多数人仍想和其他人在一起，关心彼此。少数人可能只想与模型交流，甚至把人类看成障碍；Senra 说，这种人尤其不应获得权力，Sam 明确同意。
这也通向他最担心的两类 AI 风险。
第一类是失去控制：系统强到人类无法保有想要的控制权。第二类是权力过度集中：一家企业、一个模型或一个人拥有过大的决定权。两者看似相反，一个担心模型脱离人，一个担心人借模型集权；共同点却都是反人类。
Sam 的原则是：人必须深度掌控未来，AI 必须增强人的能力，人本身才是目的。他反对因为不信任人类，就把世界的决策权逐渐交给单一模型；也反对以安全为名，限制普通人接触 AI，把能力、财富和未来集中到少数公司手中。
他用讽刺口吻概括后者：“亲爱的农民，我们会给你们治愈癌症、物质财富和精彩娱乐；别再抱怨，未来由我们决定，只要相信我们会成为仁慈的独裁者。”他的评价只有一句：“不好，非常不好。”
为什么有人接受这种交易？Sam 的回答是“恐惧与权力”。AI 风险足够大，一些人会相信自己有责任保护全世界，愿意用自由换安全；而风险叙事也可能成为追逐权力的正当理由。
他并不否认危险。OpenAI 成立初期面对末日论者的巨大压力，他同意 AI 极其强大，每个能力层级都应谨慎，安全上宁可更保守。分歧在于，他不接受“AI 安全必然无解”。
据他回忆，2015 年常见的两种判断是：十年内不可能造出接近 AGI 的系统；即便造出来，也绝不可能安全。约十年后，OpenAI 已经造出按当年标准会被许多人称为“很像 AGI”的系统，而世界末日式预测没有发生。Sam 认为，人们应根据新证据更新概率判断。当然，这不意味着后续风险消失；能力越高，赌注越大。
安全不是关起门来推演，而是在现实中形成工程能力
OpenAI 的安全方法深受创业方法影响：把产品放进现实世界，得到真实反馈，看它在哪里坏、在哪里没坏，再持续修复。Sam 说，这既是做出好产品的方法，也是做出安全产品的方法。
按访谈口述，OpenAI 当时产品每周约有 10 亿用户，而 ChatGPT 上线还不到四年。人们已经把它用于敏感且重要的事务。每到一个新模型层级，团队都能观察：哪些功能有效，哪些护栏过严，哪里出现对齐失败，哪里是安全系统本身失败。
Sam 认为，短时间内把如此强的技术带到如此广的使用规模，同时维持今天这种安全程度，不可能靠象牙塔中的闭门推演完成。
ChatGPT 上线时，OpenAI 明知它不完美，会幻觉，也有其他风险。但世界必须亲身体验技术，开发者必须从使用中学习，能力也必须交到普通人手里。OpenAI 无权用模型强加自己的世界观，更不可能在实验室里预先推演所有社会影响。社会与模型会共同演化，AI 必须成为全社会共同塑造的产品。
他用航空安全作类比。飞机是年轻且表面危险的技术，早期远没有今天安全。FAA 体系的重要贡献，是建立稳健、透明的事故报告机制：不含糊带过，不逃避问题，从每次事故中提取尽可能多的信息。
OpenAI 希望对 AI 事故也采用类似方法：记录问题，研究原因，发布清楚的事后复盘，改进自身，并把学习分享给其他建设者。Sam 说，这种方法迄今的效果好得出乎意料。
但他也承认，下一阶段会更难。当最强模型可能超过最聪明的人，能力改进又非常陡峭，“未知的未知”在绝对规模上会上升。未来需要认真决定：什么时候延缓开发，什么时候继续部署以获得现实反馈，什么时候应多等一段时间、先做研究。迭代部署不是无条件加速，而是在研究与现实之间不断调整节奏。
所有人都在用 AI，为什么所有人又讨厌 AI
Senra 把公众情绪概括得很尖锐：“人人都在用 AI，人人又都讨厌 AI，这到底怎么回事？”
Sam 先给出温和解释：人类本来就害怕快速的社会经济变化。工业革命长期创造了巨大价值，但亲历转型的人并不会自然感到温暖和安心。社会的内置惯性、对快速变化的怀疑，可能还是一种保护机制，防止人们在集体疯狂时过快冲向错误方向。
但责任不全在公众。Sam 批评 AI 行业自己的恐吓式沟通：有人一边说“有 25% 概率毁灭世界”，一边又说必须全速竞赛，否则坏人会先做出来；有人宣称明年 50% 的工作可能消失，然后只留下“希望大家没事”。这些比例都是他在访谈中模拟行业话术时引用的数字，不是本文的独立预测。
行业没有清楚解释 AI 的实际益处，也没有说明负面后果如何被缓解、治理和分配。UBI 或“工作成为可选项”也没有触及最深的问题：普通人能否保有更多权力与自由，能否影响自己的未来。AI 圈内人极其珍视自己的自主性，却常忘记普通人也同样珍视。
Sam 相信，近几个世纪经济奇迹的基础，是赋权个人去创办公司、发明技术、追求相信的方向。AI 不应该缩小这种空间，而应降低门槛。按他的口述预测，人类将迎来历史上最大规模的小企业创业潮。过去开办小企业需要特权、运气和资源，AI 可以让更多普通人拥有组织、生产和销售能力。
Tobi 曾对 Senra 说，他们做的是同一种生意：都在创造更多创业者。Shopify 建基础设施，Senra 用《Founders》提供教育和启发。AI 行业也应承担这种教育责任。
Senra 举出 Intel 的历史案例。《The Intel Trinity》中的 Bob Noyce、Andy Grove 和 Gordon Moore 意识到，集成电路和微处理器既重要又吓人，于是亲自教育客户、投资人和公众。按书中案例转述，他们一度开设的课程数量甚至超过当地社区学院的完整课程目录。Sam 承认，AI 行业没有借口，应该做得更多，OpenAI 也尚未完全找到正确方式。
下一代 AI 产品的瓶颈，是上下文而不只是智力
谈到是否愿意让 AI 看见电脑上的一切，Sam 的回答很直接：最新一代模型已经相当聪明，当前更大的限制是，它掌握的关于他的有效上下文太少。
他不可能读完公司 Slack 的每条消息，也不可能读完每位客户关于 ChatGPT 成功或失败的故事；他可以多读研究论文，但时间和脑力有限。他想要一个持续主动工作的 agent，能理解远超个人处理能力的信息，在关键决策时调动这些上下文。
这会带来一种不同的人机关系：AI 可以在几秒内读取并准确使用数万页材料，而任何人都做不到。它不是替代判断，而是为判断添加一个巨大的外接记忆。
Senra 已经做了一个私人版本。从 2018 年起，他保存每本书的全部笔记和高亮，后来又加入《Founders》每一期的完整文字稿，做成只基于自己长期积累的 AI 数据库。他每天使用它制作节目。准备 Claude Shannon 那一期时，他可以追问 Bob Noyce 说过什么、Rockefeller 如何处理类似问题。七年前亲自读过的内容，人脑不可能随时精确回忆，AI 却能在恰当时刻把它送回面前。
这也是当前 AI 价值常被低估的地方：它不只生成新文本，还能把一个人的长期积累重新变成活的生产工具。
OpenAI 不想吞下所有产品，而想成为平台
面对产品、收入与资源分配问题，Sam 给 OpenAI 的定位是：更像平台公司，而不是拥有无数垂直产品的产品公司。
OpenAI 当然会做产品，但不应进入每个品类。当时的结构从 ChatGPT、Codex 和 API，逐渐走向 ChatGPT 与 Codex 合并。Sam 也承认 Codex 的命名令人误解：它不只写代码，而是在处理更广泛的电脑工作。
他认为大多数用户真正需要两样东西：一个统一界面，连接个人或企业的 AGI，处理各种需求；一个开放 API，让开发者在上面构建任何产品。
平台还要覆盖完整的成本—性能曲线。高端模型服务科学发现等需要极高智能的任务，低成本模型处理海量、重复、不需要天才级推理的工作。无论把 AI 称为公用事业还是商品，用户想要的都很朴素：量大、便宜、快速、可靠、理解上下文、使用顺滑。
直接界面会从聊天机器人走向编程 agent，再走向持久、主动、持续运行的 agent。AI 不只在用户提问时回答，也会在合适时机主动帮助。
但平台必须有边界：OpenAI 不应建设每一种产品，不应与所有客户竞争，也不应试图吞并整个经济。Sam 描绘的规模愿景是，未来有 1 亿家新企业和 80 亿人以各种方式使用平台。数字来自访谈口述，重要的不是精确预测，而是他对边界的表达：OpenAI 提供底层智能与接口，价值由外部个人和企业创造。
聚焦最痛苦的地方，是杀掉好主意
资源有限时，平台战略不能只停留在口号。Sam 说，任何创业者最难学的一课，都是为了伟大主意杀掉好主意。
坏点子容易停，好玩、有用户、团队喜欢的产品才难停。创业者天生会扩张目标，Sam 也承认自己很不擅长聚焦。
他在访谈中给出两个具体例子。OpenAI 在此前一年停止 Sora：它很酷、也很好玩，但消耗大量算力，与 Codex 相比战略重要性更低，于是算力被转移。Atlas 浏览器也被停止；Sam 认为它是很好的浏览器，但相关人才放到其他方向更重要。
这些取舍共同服务一个目标：面向知识工作的通用智能，最终走向服务科学研究和发现的通用智能。其上游工作——芯片、数据中心、基础设施软件、模型训练——都极其重要；应用侧则应克制，做灵活平台，让外部把智能用于工作、研究与生活。
这也解释了 Sam 为什么把研究与算力视为自己的最高杠杆，而不是亲自掌管每条产品线。
Peter Thiel 看见了 ChatGPT 的“空文本框”
复杂工作的领导者需要思维伙伴。Senra 引用 Charlie Munger 的“猩猩理论”：一个聪明人即使只是把问题完整讲给一只不会回答的猩猩，离开时也会更清楚，因为表达本身迫使思维成形。如果对方还能给出真正不同的视角，价值会更大。
Sam 的伙伴大致有三类，访谈明确展开了其中两类。第一类是长期共事的 OpenAI 研究员。他们共享语言、直觉和对技术形态的理解，这是外部很难复制的。第二类是 Paul Graham 与 Peter Thiel。
Sam 说，职业生涯中在商业和世界层面，他从这两人身上学到最多。他们共同的特点是非线性：像语言模型预测下一个词一样，如果要预测谁下一句话最难，Paul 和 Peter 会排在最前。他们不是随机，而是会在 Sam 列出所有选项后说“这些都不对”，再提出一个他没想到、但听见后立刻觉得显然的视角，而且经常给出非常具体的行动建议。
ChatGPT 发布约两个月后，就是经典案例。产品增长很快，但用户似乎只是在猎奇聊天，不清楚具体用途。公司内部担心这是低价值、不可持续的增长。Sam 带着五六个替代方向去问 Peter。
Peter 的判断极其简单：除了继续押注 ChatGPT，做别的都是明显错误。增长本身已经是罕见信号。更重要的是，ChatGPT 拥有与 Google 文本框相同的力量：一个空框，用户可以输入任何东西，系统返回结果。
它不符合当时硅谷的产品教条：没有 feed，没有明显网络效应，当时也没有 memory，不具备传统锁定机制。但硅谷过去二十年一直想复制 Google，如今终于出现另一个真正有“万能空文本框”潜力的产品，仅仅因为它不像流行理论，就放弃它，才是错误。
OpenAI 接受建议，对 ChatGPT 全力加码。Sam 把这称为一种简单而决定性的天才判断。
Paul Graham 与 YC：先发布，再让现实纠正你
Paul Graham 的价值不在于每条建议都对。Sam 回忆 YC office hours：Paul 会摇着手指说，“你知道你该做什么吗？”接下来有时是极好的建议，有时很糟糕。
真正被 Sam 内化的是一种创业精神：面对开放的可能空间，愿意试很多东西，尽快发布 V1，从反馈中迭代。产品早到让自己尴尬，也不必等到完美。
Sam 讲到一次早期上线，他没有先问 Paul，因为已经知道答案：把它发布出去，让真实用户看到。在别的问题上，他仍猜不到 Paul 会怎么说；但“是否发布一个令人尴尬的早期产品”已经成了确定的心智模型。
Senra 用 Munger 与 Buffett 的关系作类比。Munger 去世前几个月告诉他，自己和 Buffett 已经几乎不需要通话；合作约 65 年后，Buffett 只要假装拿起电话，就知道 Munger会说什么。长期伙伴的判断框架已经进入你的大脑。
Sam 从多年 YC 样本中看到，行动快、持续迭代与创业成功的相关性高得惊人。YC 的影响也远不止一个技巧。按 Sam 的说法，如果按创造的总市值衡量，YC 本身可能相当于全球少数最有价值的科技公司之一；而它对过去二十年科技创业生态的塑造，仍未被充分理解。
这种塑造有两层。第一是公司哲学：迭代部署、技术人员掌舵、敢于在各层级押注年轻、高能量、雄心大但经验不足的人。第二是制度变化：创始人获得更多权力和杠杆，年轻技术人才即使没有被证明的履历，也能募集资本、做野心巨大的事。
Sam 做了一个反事实判断：如果技术从 2004 年推进到 2016 年，创业生态、资本结构和创始人权力却停在 2004 年，OpenAI 不会出现。
创业原则像宗教：难的不是知道，而是持续实践
Senra 把《Founders》称为“企业家的教堂”。不同年代、不同产业的创业者，反复体现相似的人格和行为。宗教之所以长久，不是每周更换经典，而是共享同一套故事，让一群人定期聚集，反复提醒彼此什么重要。
YC 也有类似作用。创始人离开“教堂”后，常会停止执行明明知道的原则。Sam 认为最值得重复的提醒都是积极行动：多和用户交谈，更早发布，得到更多反馈，提高招聘标准，行动更快。
Senra还提到 Sam 一条著名推文的大意：少开会、少参加周边活动，专注于制造产品或销售产品；如果既没在造，也没在卖，就偏离了真正重要的事。
Sam 通过 YC 接触过大量公司。Senra 在访谈中估算约有一万家，其中少数成为世界顶级企业；这些样本构成了 Sam 的模式库。投资经历也有类似作用：经营者通常只能调用自己过去五到十年的直接经验，投资人却能反复看到不同公司经历战略转向、高管解雇和其他决定命运的关键节点。投资不提供日常运营训练，却提供更大的决策数据集。
Senra 自己也像一个“由历史上最伟大企业家训练、temperature 很高的 LLM”。他做《Founders》近十年，节目结尾口述已读超过四百本传记。创业者讲出问题时，他会联想到 Carnegie、Rockefeller 等人的案例。历史不是给出唯一答案，而是扩大可以调用的判断样本。
这也解释 Sam 为什么说，管理研究项目与创业投资高度相似：两者都要寻找非共识押注，识别指数增长，管理离群型人才，而且服从幂律。最好的投资可能超过其余投资之和，最重要的研究突破也会压倒大量普通进展。人脑不天然擅长幂律，必须主动重新训练。
2015 年公开追求 AGI 时，OpenAI 被领域内许多权威批评；后来集中投入大型语言模型，又被认为荒谬。Sam 从投资中学到，高风险本身不可怕，只要成功后的价值足够巨大。
真正的“非标准化”也不是给共识贴一层不同包装。2015 年末，全球真正追求 AGI 的团队很少，Sam 点名 DeepMind 和另外一两家；同年却有成千上万名创始人做照片分享应用。值得押注的人，可能坚持极不受欢迎、甚至错误的信念，但一旦正确，会正确得非常彻底。
Senra 还转述了与一位语境上可能是 Demis Hassabis 的人物的交流：前沿 AI 所需资本巨大，也许只容得下三大玩家，但仍可能有一位“隐士式”独立研究者，从所有大机构没想到的角度取得突破。主持人模糊记得对方给过约 10% 的小概率，但明确说不确定。Sam 不愿硬给数字，却认同这种可能性正是研究和创业仍令人兴奋的原因。
为什么 Sam 说，从成功中往往学得更多
Sam 不完全接受“创始人—投资人—再创始人”的漂亮叙事，因为他的第一次创业不算特别成功。谈到经验，他提出一个反流行观点：失败当然有教训，但人常常从成功中学到更多。
多数事情本来就不会成功，失败原因又很多。一次失败可能教你毅力，或告诉你某种做法不行，却很难建立准确因果；它还可能让人过度防御，阻挡下一次正确行动。
成功中的有效机制反而更容易复用。理解 YC 或 OpenAI 真正做对了什么，再把这些机制应用到未来，对 Sam 的帮助更大。当然，每个数据点都该学习，他只是认为自己过去应该更积极地复用成功经验。
经营公司与投资相比，则完全是另一种难度。Sam 亲自做过两者，评价经营公司“难得多、难得多、难得多”。他本可以留在相对轻松的投资生活，却回到一个被许多人认为不可能、甚至可笑的任务中。投资带来的优势，不是让经营变轻松，而是在真正困难的关键决定上，多一些可调用的历史模式。
OpenAI 最反常识的地方：四年半没有产品
YC 强调尽快发布，OpenAI 却从成立到第一个产品用了 四年半。Sam 连续承认，这对普通创业公司通常是灾难性建议。
原因是，研究实验室没有客户信号。团队不能用留存、收入或用户喜欢与否来判断进展，却必须持续回答：研究到底有没有变好？
OpenAI 只能发明替代反馈。Dota 2 强化学习项目建立排行榜，让不同想法的表现客观可比。研究员会主动争取更高名次。把成果演示给研究者真心想打动的杰出人物，也能产生强动力。相反，虚假的截止日期没有用。
团队还向 Bell Labs、Xerox PARC 等旧式研究实验室学习，请教 Alan Kay 和少数仍记得这类机构如何运转的人。有些建议很好，有些无法迁移。历史实验室常背靠垄断型现金机器；Polaroid、Bell Labs，乃至 Senra 提到的 Honda 研发组织，都有 OpenAI 不具备的财务条件。
Sam 对早期最强烈的记忆，就是不断融资、不断失败。OpenAI 在 2015 年底公开宣布，真正第一天在 2016 年新年后。按他的回忆，大约 11 或 12 人在周一或周二早上 9:30 到 Greg Brockman 的公寓集合；他用“假设是 1 月 4 日”描述那天。
大家像开学第一天一样兴奋，很快却面面相觑：现在该做什么？有人说先找块白板。白板到了，仍然不知道做什么，房间里的能量明显塌下去。
产品创业可以说“造这个、访谈这些客户”，他们只有一句“做 AGI”。也许先写论文，也许先想点子。Sam 把它称为自己最强烈的“我完全不知道在干什么”时刻之一。
团队随后从会做的事开始，在大量无效尝试中形成研究节奏：给聪明研究者资源，建立评估机制，避免所有人迷失在研究荒野。几年里大部分时候都在混乱地跌跌撞撞，但关键发现逐渐汇合：无监督情感分析论文演化为 GPT-1，再发展到后续 GPT；规模定律让团队既有信心投入算力，也理解模型如何扩展。
从公寓里没有白板、也不知道下一步做什么的十来个人，到约十年后口述规模中的每周 10 亿用户，Sam 只说：“非常奇怪的经历。”
写给孩子的信：领导者如何避免被自己的叙事欺骗
访谈临近结尾，Senra 问 Sam 是否写日记。第一个孩子出生后，Sam 每天回家哄孩子睡觉，会讲当天发生了什么：团队在为什么挣扎，自己担心什么，局势怎样。后来他决定每周日写一封信，留给孩子。
他只写了大约八封。访谈中他提到自己有两个孩子。
Senra 强烈劝他恢复。创始人通常不是四十岁写自传，而是七十岁回望；到那时，太多细节已被时间抹掉。他推荐 Michael Moritz 的《The Little Kingdom》，那本书记录 Apple 最初约六年的历史，写作时 Steve Jobs 甚至还没有被赶出公司，因而保留了事件新鲜时的真实纹理，而不是几十年后的重构。
Sam 说，写给孩子还有更强的作用。面对真正关心其评价的孩子，一个人很难躲在借口和公共叙事后面。如果写到一件令自己感觉不好的事，会自然想到下周换一种做法。它不只是档案，还是一种诚实的自我纠偏机制。
这与整场访谈的精神意外一致。
Tobi 亲手使用 AI，是为了绕过组织包装，碰到现实；OpenAI 部署模型、记录事故，是为了绕过象牙塔推演，碰到现实；创业者尽早发布，是为了让用户纠正自己；研究团队建立排行榜，是为了在没有客户时制造客观信号；写给孩子，则是为了绕过领导者最容易相信的自我叙事。
AI 会把模型、算力、产品和组织推到前所未有的规模，但 Sam 在这场对谈里反复回到的，仍是一些很朴素的原则：让人拥有更多能力，不要替人夺走未来；押注真正非共识的方向，同时尊重现实反馈；承认技术可以指数增长，也承认社会、制度和习惯只能缓慢改变。
OpenAI 的故事从一间公寓里“不知道该做什么”开始。十年之后，问题已经不再是 AI 能不能存在，而是它将以什么方式进入世界、谁有权塑造它，以及领导者能否在速度、风险、权力与人的主体性之间，持续做出足够诚实的选择。