第三届红杉资本 AI 峰会近日在美国洛杉矶落下帷幕，150 位全球顶尖 AI 创始人共话最前沿的 AGI 动向。

红杉资本合伙人 Pat Grady 认为，「下一轮 AI，卖的不是工具，而是收益。」这个观点最近也在 AI 圈内广为传播。

OpenAI 联创、CEO 萨姆·奥特曼（Sam Altman）此前因休陪产假，曾一度缺席自家公司新品发布会，终于在这场 AI 峰会上露面了。

半小时左右的现场专访中，奥特曼畅谈了 ChatGPT 的来时路，以及其如何演进成个人 AI 助手的构想；分享了他反逆向思维的公司管理理念；还透露了 OpenAI 后续涉及语音交互、编程应用场景、定制模型等方面的发展路线。

从 GPT 到 ChatGPT，只因网友太爱跟 AI 聊天

与主持人简单寒暄后，奥特曼回顾了 OpenAI 自 2015 年创办以来的发展历程，并把这 10 年拆分成了 6 个关键节点：

1.OpenAI 早期 14 人团队的第一个产品 DALL·E API（应用程序编程接口）问世；

2.该团队决定深入无监督学习领域，并由此搭建了 GPT-1、GPT-2 大模型，在此之前他们曾探索过自创游戏系统、机械手等方向的可能性；

3.大模型迭代到 GPT-3 后，他们发现如果继续烧钱升级至 GPT-4，将进入「10 亿美元模型」时代，所需资金已经远超能力范围；

4.于是 OpenAI 先后尝试通过开放 GPT-2 权重、开发 GPT-3 API，来逐步开拓营收业务，此举收获了不少硅谷创企的关注；

5.到了 GPT-3.5 时，OpenAI 的 API 已有大约 8 个应用场景；

6.受到 API 用户商业化场景的启发，OpenAI 的新产品 AI 聊天助手 ChatGPT 于 2022 年 11 月上线，其团队也持续投入到搭建「能让用户与 AI 模型对话的产品」的工作当中。

时至今日，不到两年半的时间，ChatGPT 的周活跃用户数已超 5 亿人次。初步跑通 AI 聊天助手的商业模式后，OpenAI 也没有懈怠，最近半年内动作频频，推出 GPT-4.1 系列模型、GPT-4.5 模型、o3 和 o4-mini 视觉推理模型、基于 GPT-4o 能力的一系列音频模型、Deep Research 功能等。

当被问到「GPT-5 会超越人类吗」，奥特曼称，o3 已经非常聪明了，如果你认为自己的能力远超 GPT-3，那或许还需要一点时间。

奥特曼称 OpenAI 无大公司病，赶路一身轻

OpenAI 的产品之所以能保持着较快的更新频率，与其背后公司高层有意识减轻「大公司病」脱不开关系。正如奥特曼在此次专访中所说的，很多公司虽然规模越做越大，但产品上新、升级的效率反而有所下降。

奥特曼还进一步分享了他的团队管理思路，他更倾向于拥有一个「小而精」、「小而美」的团队。「自古以来就有个说法，一个好的高管，一定是一个忙碌的高管」，他说道，类似地，团队内的每个人手头都应该有很多事情做，每个人都有着高价值和高影响力，这样一家公司才能一直有所成长，而不是停滞不前。

他也毫不留情地调侃道：

否则，公司里会有很多人坐在房间里，为一些无伤大雅的产品细节开会、争吵，或高谈阔论其他事情。

而且，在他看来，这套理论对于当前大公司的 AI 转型困境也同样适用。

奥特曼称：「大企业在变革中总是落后，很多初创公司已经远远超越了他们。这是由于大企业通常受限于僵化的流程，比如每年才开一次安全委员会，而这种速度根本跟不上 AI 领域的变化。」他对此感到「失望」，却「不意外」。

同时他认为，不论是智能手机，还是 ChatGPT 使用方式，也有着类似的代际差异，「 20 岁左右的年轻人使用 ChatGPT 的方式，和 35 岁左右的中年人完全不同，这就像智能手机刚出现时那样」。

奥特曼进一步总结道：

年轻人通常把 ChatGPT 当作操作系统来用，将其接入各种文件、为其设置复杂的提示词，甚至在做许多重要人生决定前，会先问问 ChatGPT 的意见；而年龄大一些的用户则更多是把 ChatGPT 视作谷歌浏览器的一个替代品。

目前，OpenAI 公司内部已经让 ChatGPT 负责写一部分关键性代码。未来，OpenAI 希望 ChatGPT 最终能胜任用户私人 AI 助理这一角色。

「我们希望持续做更多的事情，搭建一个重要的互联网平台，让 AI 伴随用户一生，并在不同类型的服务中都能提供帮助。」奥特曼还围绕此透露了一些可能的执行路线：

• 优化 ChatGPT 的核心 AI 订阅服务，不断升级模型，同时也会提供 API 或 SDK，以帮助其他人基于该平台创造更多价值；
• API 与 ChatGPT 相融合，成为用户处理各种事务的个人 AI 助手，通过类似 HTTP 的新协议，支持数据传输、认证和支付，可连接不同的工具和 Agent。

下一步，OpenAI 将持续发力语音交互和 Agent

在公开的访谈视频中，主持人和观众多次向奥特曼询问与 OpenAI「下一步将走向哪里」相关的问题。总的来看，奥特曼提到了以下 6 大趋势：

1.语音交互：语音对于 OpenAI 来说非常重要，目前 OpenAI 的语音产品还不够好，但会持续优化，未来高质量的语音模型将会带来全新的设备形态；

2.编程能力：编程能力对于 OpenAI 来说是核心，未来模型不单单支持生成文字或图片，还能直接生成完整的程序，帮助用户执行操作；

3.模型定制：理想状态是一个小模型拥有极大的上下文窗口长度，能存储用户所有的数据和历史操作，无需再训练，这是 OpenAI 的长远目标之一；

4.传感器数据收集：有人已经把这些数据接入 API，部分场景呈现出的效果很好，最新的模型已经能较好地处理这些数据，未来 OpenAI 也会更加系统地整合这些数据；

5.API 访问：OpenAI 与学术界有合作项目，为其提供模型访问服务，从而帮助社会科学和人文学科研究者探索长期未解的问题；

6.算法开发：算法突破仍然是最高杠杆的要素，数据、算力和算法是三大关键点。

3 年内，AI 有望从工具人转变为研究者，甚至自主创收

奥特曼眼中的 AI 技术路线、AI 能力变革、AI 应用方向，似乎无时无刻不处于一个快速动态变化的过程之中。

他分享道，未来一年，AI 发展将主要集中在3大方面，分别是 AI 基础设施扩展，开发更聪明的 AI 模型，以及将 AI 整合到社会中。

据奥特曼判断，2025 年会是「AI Agent 承担推理工作」的一年，也可能不止于此；2026 年有望进入 AI 做出科学发现的阶段；2027 年机器人有望从研究对象变成真正的经济创造者。

OpenAI放弃用「终点」找「路径」

当然，未来的一切都是未知且富于变化的。与采用逆向工程规划公司发展的选择不同，在奥特曼这里，通过「倒推」、「从果溯因」的方法来敲定一家公司的长期发展战略，并不是一种明智的选择。

奥特曼直言：「历史上很少有人通过这种倒推的方法实现成功。」OpenAI 不追求所谓的终极战略，而是灵活应对当下状况，不断调整策略，持续产出更好的模型和产品。换而言之，OpenAI 这艘游艇更倾向于因时而动，顺势而为。

此外，当谈及 OpenAI 计划融资 400 亿美元、公司投后估值或达 3400 亿美元的传闻时，奥特曼并没有透露更多相关内容，但也没有直接否认。

奥特曼完整访谈视频入口：

https://www.youtube.com/watch?v=ctcMA6chfDY

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

AI 是否进入下半场或许还有争议，但大模型进入淘汰赛已经板上钉钉。

在 DeepSeek R1 横空出世后更是愈演愈烈，今年光是 OpenAI、Anthropic、Google、Meta、Grok 目前已经合计发了至少 8 款新模型，而国内的 AI 六小龙们也有的开始放弃预训练，将 AGI 的理想主义束之高阁。

在这当中，阶跃星辰是一家有点特殊的公司。在去年年底之前都鲜有融资消息，但却在多模态模型上成为「卷王」，成⽴ 2 年已经发布了 22 款⾃研基座模型，成为最低调神秘的 AI 独角兽。

阶跃星辰创始人兼 CEO 的姜大昕，和这家公司一样低调，很少出现在 AI 行业热闹的舆论场中。

而昨天，姜大昕与 APPSO 等媒体进行一场深度的沟通会，他向我们分享对于 AGI 路径，多模态模型等技术的看法，以及阶跃星辰未来的计划。

 

多模态模型还没出现 GPT-4 时刻，追求「智能上限」

当下 AI 大模型领域的内卷没有尽头，头部公司之间不断上演着「贴脸发布」的激烈戏码。

不过姜大昕依然认为，「追求智能的上限依旧是现阶段 AI 业内的重点。」也就是说，虽然现在市面上模型一大堆，看起来都挺能打，但离真正的「聪明」还差得远。

大家都在抢发新模型，看着热闹，但如果只是在现有水平上修修补补，那也只是原地踏步的「内卷」。

姜大昕觉得，现在最要紧的还是得想办法把 AI 的「智商」往上再拔一拔，不然离大家心心念念的 AGI（通用人工智能）还远着呢。

在 DeepSeek R1 面世，以及大厂高调入场后，不少初创公司开始放弃研发基础模型，不过姜大昕在接受 APPSO 采访时表示：

AI 行业的技术发展非常快，依然处于非常陡峭的区间。阶跃不想在这个过程中放弃主流增长或前进的趋势，所以我们还是会坚持做基础模型的研发。

同时姜大昕表示，应用和模型是相辅相成的，模型可以决定应用的上限，应用给模型提供具体的应用场景和数据。

那怎么才能让 AI 更聪明？姜大昕给出的一个关键路径是：「多模态正是实现 AGI 的必经之路。」

很多人说今年的 Agent 元年，姜大昕认为 Agent 爆发需要两个必要的条件，一个是多模态的能力，另外一个是慢思考的能力。

多模态，说白了就是让 AI 不光能看懂文字，还得能看图、听声、理解视频。

你想想人不就是眼耳口鼻一块儿上，才能全面理解这个世界嘛。AI 也得这样，变成一个能听、能看、能说的「多面手」。

阶跃星辰可以说是多模态模型的「卷王」了，几乎每个月都发布一款基础⼤模型，其中多模态模型已经有 16 款。覆盖了从图像、视频到语音、音乐的理解和生成，用姜大昕的话说，是坚持「原生多模理念」。

不过，姜大昕也挺实在，他坦陈「多模态模型领域目前还没有出现 GPT-4 时刻。」

虽然多模态现在挺火，各家都在推，但还没出那种像 GPT-4 在文字领域那样，一出来就「哇哦」一下，让所有人都觉得「就是它了」的标杆性产品，技术上还有不少硬骨头要啃。

AI 升级打怪三部曲

对于模型如何一步步逼近智能的上限，姜大昕描绘了一幅清晰的「三部曲」演进路线图，也可以说，这是阶跃星辰理解的 AGI 演进方向。

模拟世界（模仿学习阶段）： 这阶段的 AI 就像个刚学说话的小孩，喂给它海量数据，它就吭哧吭哧地学，主要任务是「predict next token」（预测下一个词）或者「predict next frame」（预测下一帧画面）。目的是让AI先学会这个世界长啥样，各种东西有啥特征。

探索世界（强化学习阶段）： 光会模仿还不行，还得培养解决复杂问题的能力。比如解个奥数题、写段复杂的代码，这需要「慢思考」。这时候就得上强化学习了，让AI在不断试错中学会怎么一步步把难题给解开。

归纳世界（机器自主学习阶段）： 这是最高境界了，AI不光能解决已知问题，还能自己去发现新规律，搞点人类没想到的创新。比如在科研领域帮科学家发现新材料、新药物啥的。

这三个阶段，与 OpenAI 提出的 AGI 五个 Level 在核心理念上不谋而合，现在整个 AI 行业的发展，基本就是照着这个剧本在推进。

为什么「理解生成一体化」这么重要？

在多模态，尤其是图像视频这块，姜大昕在沟通会中多次强调一个词：理解生成一体化。

理解生成一体化是计算机视觉领域的核心问题，对于实现 AGI 至关重要。

说白了，就是让模型既能看懂一幅图、一段视频是啥意思，又能根据这个理解自己创作出新的、相关的图像视频。现在很多时候是「看图用 A 模型，画图用 B 模型」，跟俩部门似的，配合不起来。

他举了个例子，比如老师在黑板上写字，现在的 Sora 能模仿老师写字的动作，但老师脑子里想的是啥、接下来要写什么内容，这得靠「理解」。如果理解和生成是两套系统，那模型就很难真正「懂」你，生成的玩意儿也可能不着边际。

语言模型像 ChatGPT 在这方面已经做得不错了，但视觉领域因为数据太复杂，这事儿还没完全搞定。阶跃星辰在这上面是持续投入，想把这个技术瓶颈给突破了。

强大的模型能力最终需要通过应用来体现价值。阶跃星辰采取的是「超级模型与超级应用双轮驱动」的策略。

在应用层面，阶跃星辰将「智能终端 Agent」作为重点发力方向。姜大昕认为，智能终端，无论是我们口袋里的手机、日常驾驶的汽车，还是未来可能普及的机器人，它们不仅仅是冰冷的硬件，更是「用户感知和体验的延伸」。

这意味着，AI 如果能与这些终端深度融合，就能更好地「理解用户需求和任务上下文」。

比如， OPPO 旗舰 Find X8 Ultra 正式开售首发的「一键闪记」的功能，AI 可以智能识别手机屏幕上的内容，为用户生成摘要，并将碎片化的信息归类到不同的记忆合集。

这背后搭载的其实就是阶跃星辰多模态模型，它能理解屏幕上显示的内容，无论是图片还是文字，用户可以就此提问，AI不仅能回答，还能进行图片处理，甚至帮助用户完成一些应用内的操作，比如直接跳转到机票预订页面并填好信息。

这种合作，将大模型的能力和系统更深度融合，嵌入到用户最高频的手机使用场景中，选择手机作为切入点，其价值在于手机天然的多模态交互属性和庞大的用户基数，为模型迭代提供了丰富的真实数据和即时反馈。

总的来说，阶跃星辰的思路挺清晰：技术上瞄准 AGI，死磕多模态和理解生成一体化这些硬核问题。应用上呢，就找准智能终端这个突破口，跟硬件厂商把场景做深做透。

这条路不好走，但姜大昕和他的团队看起来挺有决心。毕竟，用 AI 解决真实世界的问题，先在市场获得用户认可，才有机会探索 AGI 的天花板，让我们看看阶跃星辰这个多模态卷王后面还能拿出什么新东西来。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博