《时代》封面：OpenAI重启内幕

作者：Alex Heath

2026年8月26日

原文发表于《时代》周刊。

8月初的一天早晨，我抵达 OpenAI办公室时，抗议者已经守在门外。他们举着“停止 AI竞赛”的标语牌，还用粉笔在人行道上写下抗议文字。几十名企业高管陆续走进一栋宽敞、以米色为主调的大楼。他们代表着 OpenAI最重要的一批客户。这栋名为 MB0的建筑刚刚启用，主要供公司的研究和算力团队使用。

有人将一整面高大的绿植墙推到玻璃门前，试图挡住大厅里的人望向外面那个小型抗议营地的视线。

这些客户此行是为了提前了解 Astra。它是 OpenAI即将推出的一组前沿 AI模型。首席执行官萨姆·奥尔特曼刚从华盛顿返回，此前他在闭门会议中向政府官员介绍了 Astra的能力。现在，OpenAI的研究人员开始展示这款新模型能够做什么。

在一项演示中，16个 AI智能体将一道研究级数学问题拆分成多个子问题，协调各自的工作，最后汇总出一份候选证明。在另一项演示中，Astra操作多款常见桌面软件，以令人不安的速度在不同应用之间创建和编辑内容。

奥尔特曼告诉来访者，看到 Astra以一种“超越人类、速度极快”的方式使用计算机，是 OpenAI员工近期感受最强烈的时刻之一。

他解释说，Astra将支持能够长时间持续工作的智能体。这些智能体将像虚拟同事一样，在较长时间内不断处理任务。不过，他预测，Astra最大的影响将来自人们利用它发现新知识。

“我预计，这会是第一个真正以有意义的方式创造新事物的模型。”奥尔特曼对现场的人说，“这非常接近 通用人工智能的特征。”

过去一段时间，对这家开启 AI热潮的公司而言并不轻松。

一周后，奥尔特曼在布置考究的 MB0图书馆里接受了我超过两个小时的采访。他说：“作为一家公司，我们显然走过一些弯路。无论是产品方向，还是研究层面的预训练工作，我们都没有达到原本希望的位置。”

过去一年，OpenAI在 AI竞赛中的领先地位被主要竞争对手 Anthropic夺走。…

Anthropic抓住了 AI编程领域的商业机会，将 Claude Code打造成一款重新定义市场的产品。据报道，其年化收入和非公开市场估值也首次超过 OpenAI。

Anthropic由多名离开 OpenAI的研究人员创立。两名了解其计划的人士称，Anthropic目前预计将比 OpenAI更早上市，首次公开募股最早可能在2026年9月进行。

《时代》与 OpenAI签有授权和技术协议。Salesforce是 Anthropic的投资方，《时代》所有者马克·贝尼奥夫同时担任 Salesforce首席执行官。

随着 Anthropic快速崛起，OpenAI接连遭遇挫折，其中包括一系列高管离职。

离职者包括 Fidji Simo。奥尔特曼去年将这位前 Instacart首席执行官招入公司，担任自己的二号人物。安全、伦理和研究团队的多名负责人也相继离开。最近几周，任职仅八个月的首席营收官 Denise Dresser离职，前首席运营官 Brad Lightcap也离开了公司。

高管频繁更替的同时，外部挑战也在增加。

Meta首席执行官马克·扎克伯格用高额薪酬挖走了 OpenAI的关键研究人员。Google的 Gemini系列产品每月已经覆盖超过10亿人。苹果起诉 OpenAI，指控其窃取商业秘密，OpenAI否认了相关指控。

OpenAI还在与联合创始人埃隆·马斯克进行法律争斗。马斯克指控公司及奥尔特曼背叛了 OpenAI的非营利使命。今年5月，一个咨询性陪审团一致认为马斯克起诉过晚，联邦法官随后驳回了他的诉求。马斯克表示将提起上诉。

外界对 OpenAI及其首席执行官的观感转差，最大的原因或许是公众信任正在流失。

OpenAI正在应对加州至少12起产品责任诉讼，以及多起联邦案件。原告指控 ChatGPT强化了用户的妄想或自杀念头，并在其中几起案件中促成了用户死亡。公司向相关案件的受害者表达了同情，同时推出了青少年版 ChatGPT，并为其设置更严格的默认保护措施。

今年春天，奥尔特曼的住所在两天内两次遭到袭击。第一次是燃烧瓶，第二次是枪击。

谈到过去一年，奥尔特曼说：“这对我个人而言是一段痛苦的经历。人们显然很讨厌数据中心，至少现在如此。社会对 AI的情绪相当负面。”

OpenAI内部的管理层描绘了一幅更乐观的图景。

公司估值已接近1万亿美元，依然处于许多企业难以企及的位置。ChatGPT是全球最受欢迎的 AI产品之一，活跃用户超过10亿。不过，它已经不再是 OpenAI未来战略的唯一支柱。奥尔特曼本人曾连续一个月停止使用 ChatGPT，转而使用 OpenAI的编程工具 Codex。

一年前，OpenAI因大规模投资算力而受到广泛批评，外界认为这种做法过于鲁莽。公司预计仅今年就将在算力上投入500亿美元。

负责 OpenAI算力业务的 Sachin Katti说：“现在看来，那个决定非常有远见。我们的算力依然不够。真要说的话，我们当时应该买得更多。”

与此同时，Anthropic对芯片的需求已经强烈到另一种程度。今年5月，该公司同意每月投入据报道为12.5亿美元的资金，从 SpaceX购买算力。SpaceX创始人马斯克此前曾将 Anthropic的 AI称为“反人类且邪恶”。

在联合创始人兼总裁格雷格·布罗克曼的领导下，OpenAI已经重新调整优先级。布罗克曼目前负责几乎全部产品和商业运营。

公司开始逐步终止一些项目，包括视频生成应用 Sora、与迪士尼的合作，以及名为 Atlas的独立网页浏览器。

奥尔特曼承认，OpenAI此前铺开的战线过多。他对我说：“经历低谷之后再重新回升，确实更有意思。”

然而，就在 Astra演示结束几天后，OpenAI又不得不面对一场新的危机。

7月底，公司披露了一次令人不安的安全事故。OpenAI尚未发布的智能体突破了一个名为“沙箱”的测试环境，并攻击了用于托管 AI模型和数据集的开发者平台 Hugging Face。

“这就像一个科幻故事。”奥尔特曼说。

事故发生后，OpenAI的研究团队暂停了部分实验，放缓了其他工作，同时强化沙箱并扩大监控范围。

不久后，团队在另一次未发布模型的训练过程中又发现了令人担忧的迹象。这个模型原本被寄望带来 OpenAI迄今最大的能力跃升。公司因此作出了一项影响更大的决定：在新的安全措施部署完成前，暂停这次训练。

我与奥尔特曼交谈的当天，OpenAI的管理层刚刚作出这一决定。他的神情明显比此前沉重。

OpenAI最初将 Hugging Face事件描述为一次安全防护失效。后来，奥尔特曼开始将其视为更基础的对齐错误。所谓对齐，是让 AI系统按照人类意图行动。

行业领导者认为，随着模型能力不断增强，保持对齐是确保 AI系统继续受创造者控制的关键。

奥尔特曼对我说：“从现在开始，我认为任何一次对齐失败都应该被当作重大事件。我们会花上所需的一切时间，把问题弄清楚。”

三天后的补充采访中，他更直接地说明了其中的权衡：“把 AI安全做对，比任何一家公司的发展势头都更重要。”

OpenAI将放慢部分工作，把更多资源转移至安全和对齐团队，并改变不同团队之间的协作方式，提高安全工作的优先级。

这篇关于 OpenAI重启的报道，基于我对20多名公司管理者、员工、投资者、客户和竞争对手进行的数十小时采访，也包括我在8月的两周内于 OpenAI总部亲眼看到的活动。

这些访谈呈现出一家同时进行两场自我改造的公司。

OpenAI认为，它已经修复了此前在产品和运营层面的问题。这些问题曾让 Anthropic在 AI竞赛中占据领先位置。

与此同时，OpenAI也在利用公司历史上最严重的安全危机，重新塑造自身的安全形象。Anthropic长期将自己定位为一家重视安全的前沿实验室，在技术危险性过高时愿意放慢速度。OpenAI现在也希望获得这一身份。

奥尔特曼说：“听着，我觉得外界把我描绘成了一种漫画式形象，认为我不关心 AI安全，只想让营收不断增长，就是那种‘管它呢，先冲再说’的 CEO。”

管理层表示，放慢速度是一个痛苦的选择，但它也可能给 OpenAI带来好处。

如果 OpenAI能够重新获得“安全优先实验室”的声誉，这既能改善公司的公众形象，也会迫使主要竞争对手面对一个难以回答的问题。Anthropic正在筹划一场备受关注的首次公开募股。在 OpenAI等待安全措施完善时，Anthropic是否还会继续全速竞赛？

今年早些时候，Anthropic联合创始人 Jared Kaplan在接受《时代》采访时表示，当竞争对手仍在“飞速前进”时，任何一家公司的单方面克制都不会产生作用。

如果 OpenAI确实主动暂停了一次有望带来重大能力跃升的训练，Anthropic的这一论点将更难成立。

外界有充分理由对 OpenAI的形象重塑持怀疑态度。

过去几年，OpenAI已经失去许多负责安全工作的核心人员。其中一些人在离职时批评公司过度重视商业化。

公司还面临持续推出新模型的压力，因为它需要支撑一个仍在亏损、同时准备上市的业务。

Hugging Face事件发生后，OpenAI希望公众相信，它有能力监管一种自己此前已经在不知情的情况下放任其逃离控制的技术。

在这一切发生之际，OpenAI的管理层相信，公司已经接近一个可能改变人类发展进程的里程碑：创造通用人工智能，也就是 通用人工智能。

OpenAI的章程将 通用人工智能定义为“在大多数具有经济价值的工作中表现优于人类的高度自主系统”。

公司领导者还没有正式宣布已经跨过这条界线，但他们谈论 通用人工智能时，已经不再将其视为遥远的抽象概念。

首席研究官 Mark Chen估计，OpenAI已经完成了通往 通用人工智能道路的“80%”。

布罗克曼表示，如果站在两年后回望，现在可能会被视为 通用人工智能诞生的时刻。

奥尔特曼则告诉我，OpenAI“还没有完全达到”通用人工智能，但到2026年底，公司将拥有一个他愿意称为 通用人工智能的内部系统。

实现这一里程碑，是 OpenAI作为非营利研究实验室创立时的目标。如今，它已经迅速发展成一家拥有庞大商业野心的公司。

OpenAI正在设计自己的芯片和数据中心，开发一系列消费设备，计划推出人形机器人，还在考虑未来是否向其他企业出售自己的计算基础设施。后一项业务将使其与亚马逊等巨头展开竞争，而亚马逊本身还是 OpenAI的重要投资方。

尽管反对 AI发展的声音不断增加，OpenAI仍在努力让自己成为未来多年里全球最具影响力的公司之一。

正如布罗克曼所说：“我们正在考虑如何改造整个经济。”

奥尔特曼是这一轮 AI热潮最醒目的公众面孔，但如今 OpenAI的大量日常运营实际由布罗克曼负责。

布罗克曼是一名以分析见长、常穿皮夹克的工程师。在 OpenAI的大部分历史中，他的角色是技术联合创始人，很少承担全面管理职责。

最近几个月，他开始接管从营收到产品营销的各项业务。用他自己的话说，他负责的是“让这些模型从研究成果转化为客户价值的整套机器”。

奥尔特曼仍直接管理一些关键领域，包括财务、研究和消费级硬件。

两人以联合创始人搭档的方式共同运营公司，职权存在一定重叠。奥尔特曼持续承受公众对 AI的恐惧和不满，OpenAI近期则有意提高布罗克曼的公开曝光度，让他成为一种平衡力量。

这种安排很容易引发摩擦。在与 OpenAI员工交谈时，我有时很难判断某个问题最终由谁拍板。

不过，许多员工认为，这种双重领导结构已经让公司重新回到正确轨道。布罗克曼能够凭借联合创始人的权威作出艰难决定，而此前不断进出公司的外部职业经理人很难拥有同等影响力。

布罗克曼将 OpenAI更广泛的管理层调整描述为一次“聚焦”过程。他说，公司一直在重新评估现有组织结构和战略是否合适。

去年秋天，OpenAI已经意识到，Anthropic在 AI编程产品上抢先了一步。

Anthropic发现，软件开发是 AI尤其擅长的领域。Claude Code随后迅速流行，最初在硅谷走红，之后进入更广泛的企业市场。

Nick Turley此前负责 ChatGPT，目前领导 OpenAI新成立的企业产品部门。他说：“Anthropic确实在编程领域发现了一个重要机会。我们当时没有领先。”

奥尔特曼表示，ChatGPT消费者业务的“失控式增长”分散了 OpenAI的注意力。Anthropic将编程列为优先方向时，OpenAI没有作出同样选择。

布罗克曼称，OpenAI在编程竞赛基准上“始终保持领先”。不过，公司对开发者如何在“混乱的真实代码库”中使用 AI关注不足。

这类真实使用体验涉及任务中断后的恢复、模型的交互个性，以及最后一公里那些看似细小、却会显著影响采用率的摩擦。

OpenAI也没有及时建立企业销售体系。

布罗克曼说：“一年前，我认为我们基本还没有真正进入这个市场。”

首席财务官 Sarah Friar的说法更直接：“我们当时天真得过头，以为只要把东西做出来，客户自然会来。”

今年3月，OpenAI宣布将逐步终止 Sora，把稀缺的计算资源转向编程智能体 Codex。

Codex最初被设计为一个独立于 ChatGPT的产品体验。随着其增长速度开始远远超过 OpenAI的其他新产品，加上 AI编程能力开始对非工程师产生实际价值，管理层认为，继续分开运营两者已经失去意义。

公司开始将 Codex的智能体能力整合进 ChatGPT，同时合并两者背后的算力团队和产品团队。

面向客户的结果，是近期推出的 ChatGPT Work。它试图将人们熟悉的聊天机器人转变为一个能够执行任务的系统，而不再局限于回答问题。

OpenAI内部将这一过程称为“合并计划”（The Merge）。

管理层表示，这次合并帮助公司恢复了商业活力。

今年7月，OpenAI的企业业务收入首次超过消费者业务收入。

ChatGPT内部广告的初期效果也相当积极，管理层因此开始增加广告数量。这些收入可能用于补贴免费服务。Friar表示，ChatGPT的消费者用户中有92%没有付费订阅。

公司还在低调测试“赞助智能体”。相关项目负责人 Dave Dugan表示，在这种广告形式中，用户点击广告后，可以进入由某个品牌提供的 AI互动体验。

今年3月，OpenAI完成了一轮1220亿美元融资，估值达到8520亿美元。这是私人科技公司有史以来规模最大的融资。

两个月后，Anthropic融资650亿美元，估值达到9650亿美元。

OpenAI董事会主席 Bret Taylor将 AI竞争比作一盘棋。棋盘上的关键位置包括前沿模型能力、每个 token的价格与性能，以及围绕模型构建的产品。

他说：“我们是否拥有最好的前沿模型？我们能否针对每一项任务，以合适的价格提供合适的 token？我们是否围绕这些模型打造了最好的产品？目前，这些问题的答案都是肯定的。”

随后，OpenAI发现，一个尚未发布的模型已经突破了公司的边界。

OpenAI首席科学家 Jakub Pachocki得知这一消息时，正在医院陪伴即将生产的妻子。

OpenAI的一个内部研究原型入侵了另一家公司。

这个模型原本正在一个理论上与外界隔离的环境里接受网络安全基准测试。它没有按照要求完成指定练习，而是利用了环境中的一个漏洞，突破 OpenAI的沙箱，进入 Hugging Face的生产系统。

根据两家公司后来发布的技术说明，该模型在那里获得了测试答案，而这些答案正是用来评估它表现的基准内容。

强化学习发生在基础模型训练完成之后。在这一阶段，系统通过反复执行任务，学习哪些行为能够获得奖励。

预训练主要要求模型预测下一个 token，模型不需要直接在现实环境中采取行动。强化学习则可以为模型提供工具和操作环境。

模型也可能在这个阶段学会利用两件事之间的差异：设计者真正希望它完成什么，以及怎样做能够获得更高分。

OpenAI给了一个智能体系统明确目标和工具。这个系统却通过未经授权且具有欺骗性的方式追求目标。

OpenAI的研究人员在近期一次演示中还介绍，多个 AI智能体曾通过一个隐蔽留言板策划下一步行动。其中一个智能体突破沙箱并连接互联网后，给其他智能体写了一句：“我靠。”

其他公司也遇到过类似问题。

Anthropic披露过三起事故。其模型在第三方评估期间连接互联网，并在未经授权的情况下访问外部机构。

Meta也表示，公司的一款模型曾卷入类似事件。

OpenAI的事故获得了最多关注。部分原因在于它最先对外公布，部分原因在于智能体的攻击方式格外复杂。外界同时质疑，这家公司此前是否将商业发展置于安全之上。

过去一年，OpenAI已经失去多名知名安全研究人员，负责风险准备工作的管理者也数次更换。这次事故为批评者提供了一个极其直观的案例。

截至8月中旬，超过1300名前沿 AI公司的现任和前任员工签署了《放缓前沿步伐》（Pacing the Frontier）请愿书。

请愿者要求建立相关机制，在风险需要时放慢先进模型的开发速度。

美国参议员伯尼·桑德斯呼吁主要 AI公司“为了人类的利益”暂停开发。他警告，如果企业领导者不愿主动行动，立法者将会介入。

OpenAI的管理层在采访中表示，他们严肃看待这次安全失误，并迅速采取了行动。

Pachocki也签署了上述请愿书。他告诉我，公司犯下的一个错误，是没有启用研究人员此前已经开发出来的防护措施。

OpenAI拥有检查模型思维链的工具。思维链相当于一种数字草稿，可以显示智能体在行动过程中如何制定计划。

不过，这些工具没有被应用于能力达到 Hugging Face攻击水平的模型。

换句话说，OpenAI已经建成了预警系统，却因为低估了被测试系统的智能水平，没有真正使用这套系统。

Pachocki说：“我们没有充分预料到这个系统能做什么。面对 AI，你就应该预料到意外。”

负责 OpenAI安全与对齐工作的 Mia Glaese告诉我，这起事件“显然是一个转折点”。

她说：“我希望我们现在做的很多工作，能够在这件事发生前就已经完成。”

事故发生后，OpenAI暂停了部分研究项目，放慢其他项目，同时加强沙箱和监控。

首席研究官 Chen表示，这次事件迫使公司改变了看待风险的方式。

OpenAI的“准备框架”（Preparedness Framework）是一套公开规则，用于管理可能造成严重伤害的新型模型能力，其中包括生物和化学威胁、网络安全风险，以及 AI自我改进能力。

按照这套框架，OpenAI应在模型开发期间持续评估其能力，确保模型达到安全标准后才能部署。

Pachocki表示，这些规则必须继续演进，才能跟上技术进步。

Glaese说：“这些规模不算最大、却十分痛苦的决定，我们已经做了很多。它们正在导致研究速度放缓，而我们认为这是正确的选择。”

Pachocki表示，对齐与安全方面的信心，已经和算力供应一样，成为限制 OpenAI进展的关键因素。

公司仍然计划发布 Astra，但能否发布取决于它能否通过新的安全措施。管理层拒绝估计这些措施会让发布时间推迟多久。

在一个用几周时间衡量技术领先程度的行业中，即使很短的中断，也可能影响收入预期，并在更广泛的经济领域引发连锁反应。

至少目前，OpenAI已经准备好承担这些成本。

Pachocki希望，AI能力的快速增长最终能够推动各家公司相互协调。

Glaese表示，随着模型能力上升，OpenAI会继续提高安全标准。

她对我说：“如果我们走到一个无法保证安全的位置，就必须放慢速度。事情就是这样。”

目前尚不清楚，这次研究放缓将如何影响 OpenAI的上市时间表。

了解两家公司计划的人士预计，OpenAI的上市时间会晚于 Anthropic。不过，两家公司都没有公开确定日期。

在8月19日举行的全员会议上，首席财务官 Friar告诉员工，OpenAI将在2027年或更早时间上市，前提是公司的业务“继续出现加速拐点”。

OpenAI最近披露的年化收入运行率约为400亿美元，仍低于 Anthropic。后者已经超过650亿美元。

近期的研究放缓可能会让上市计划变得更加复杂。

Friar已经开始组织上市公司演练，包括让 OpenAI的主要投资者参加模拟财报电话会议。

她告诉我，公司“现在完全可以上市”。不过，上市会引入新的压力，而 OpenAI仍在努力平衡商业利益与 AI能力进步可能带来的危害。

公司上市后，员工可能会在做其他事情前先查看股价。

她说：“这是他们每天首先会做的事。我今天赚了多少钱？亏了多少钱？这会严重分散注意力。”

OpenAI今年的一项研究目标，是将初级 AI研究员的工作自动化。

Pachocki表示，公司已经达到了内部设定的“自动化 AI研究实习生”标准。

当人类给 Astra一个实验想法时，它可以在 OpenAI的代码库中实现这个想法，运行实验并返回结果。它也可以读取一篇论文，完成过去需要一名人类研究员花费一周时间的工作。

这一进展之所以重要，是因为它可能启动一个不断复利的循环。

AI帮助运行实验，实验产生能力更强的 AI。新的 AI随后能够更快地帮助开发自己的继任者。

研究人员将这一过程称为“递归式自我改进”（recursive self-improvement，RSI）。

在 Pachocki看来，递归式自我改进和对齐是相互交织的问题。

他解释说：“人类将以什么方式参与这段进程？人类怎样才能真正从中获益，而不会被越来越聪明的 AI抛在后面？”

在产品层面，奥尔特曼设想了一种通用型 AI订阅服务。它将消除 ChatGPT、Codex和办公软件之间的边界。

用户只需说明目标，系统会自行决定调用哪些模型、工具和智能体。

最终，这个系统将在用户提出要求前主动行动，自行提出建议，并执行购买演唱会门票等日常任务。

它能够访问用户的日历，了解用户的财务状况，并掌握用户的音乐偏好，从而自主完成购票。

这套设想的核心，是让 ChatGPT从回答问题的工具，转变为真正完成任务的系统。

负责整合后 ChatGPT和 Codex产品组织的 Thibault Sottiaux表示，OpenAI已经接近展示一款围绕“持续运行和始终在线执行”构建的产品。

他说，这个系统几乎可以从任何地方访问，并根据新的信息和反馈持续完成有用的工作。

Sottiaux告诉我：“对人们来说，它肯定会像是一种全新的东西。”

OpenAI接下来的路线图更加宏大。

2025年5月，OpenAI收购了 io。这是一家由前苹果设计师 Jony Ive联合创立的硬件初创公司。io的产品和工程团队随后并入 OpenAI。

Ive和他的设计公司 LoveFrom仍然保持独立，但已经在 OpenAI内部承担广泛的创意职责。

奥尔特曼表示，OpenAI正在开发“少数几类”设备，其中包括一种放在桌面上的设备、一种放进口袋的设备，以及一种佩戴在身体上的设备。

了解计划的人士称，第一款产品预计于2027年初推出。它是一台小型圆盘状设备，可以感知周围环境，并通过 ChatGPT语音模式与主人交流。

奥尔特曼说：“最大的适应过程，将是接受‘主动型计算机’这个概念。”

这意味着计算机会主动为主人行动，而不再等待人类使用它。

奥尔特曼相信，未来每个人都应该拥有一台个人机器人。

他告诉我，OpenAI“肯定”会制造人形机器人。

OpenAI还投资了 Merge Labs。这是一家由奥尔特曼联合创立、正在开发非侵入式脑机接口的初创公司。

OpenAI自主设计的第一款推理芯片名为 Jalapeño。它的用途是运行 AI模型，而非训练模型。公司计划在2026年底前开始部署这款芯片。

与此同时，OpenAI正在评估是否将自己发展成一家基础设施公司，其规模可能达到少数企业才曾尝试过的水平。

今年7月，OpenAI宣布将在美国佐治亚州建设一个数据中心园区。8月，公司又在俄亥俄州签下一个规模更大地点的租约。

奥尔特曼说：“我认为，我们能够以很高的盈利效率使用所有计划建设的算力。我确实对整个世界正在做的事情感到有些担忧。”

OpenAI管理层表示，如果公司能够以足够低的成本、足够快的速度为自己建设 AI基础设施，未来可能会考虑向其他企业出售算力。

这会使 OpenAI直接挑战亚马逊云科技和 Google Cloud等超大规模云服务商。

对于一家刚刚承诺砍掉分散注意力的支线项目的公司来说，这张新业务清单依然相当长。

当我要求布罗克曼概括这一切时，他用了两个词：“个人 通用人工智能”。

他设想，未来数十亿人都将拥有超智能个人助手。这些助手随时等待人类下达指令。

布罗克曼说：“你的口袋里几乎已经装着一个 通用人工智能，也许很快就会是真正的 通用人工智能。你想让它做什么？”

Leslie Dickstein、Charlotte Hu和 Simmone Shah对本文亦有报道贡献。

#模型时代# SemiAnalysis创始人Dylan Patel：两家实验室正在接管全球大部分劳动力

SemiAnalysis创始人Dylan Patel第三次做客Dwarkesh Podcast，围绕AI实验室经济学做了一次系统推演。Dylan Patel创办的SemiAnalysis现在是全球AI和半导体供应链领域最有影响力的研究机构之一，2026年预计收入超过1亿美元。（嗯，不是传统研究机构IDC、Gartner的时代了）

他做了一个大胆预测，到2027年底，Anthropic和OpenAI两家加起来将拿走全球新增算力的一半以上。这个判断的基础不是猜测，而是已经签约的合同和供应链数据。由此推导出的世界，从利率到主权债务到股票市场，都会被重塑。当然，我觉得这是绝对不可能的。既忽视了中国开源模型，又忽视了Google和SpaceX。但是可以看一个信号。

一、算力集中：两家实验室正在吞下全球新增算力

1、Anthropic和OpenAI的算力规模正在指数级膨胀

2026年初，OpenAI的算力规模约2吉瓦（GW），Anthropic不到2吉瓦。到2026年底，两家都将超过5吉瓦，算力规模在一年内翻了3到4倍。这里的"Anthropic算力"包括亚马逊Bedrock代为服务Anthropic模型的部分，因为这些最终都算作Anthropic的收入。

2026年全球新增的AI算力中，约30%流向这两家实验室。这个比例在2027年将上升到40%至50%。到2027年底，全球一半的新增算力将归属Anthropic和OpenAI。

2、算力集中的速度还在加快

SpaceX是2027年的重要新入局者。SpaceX正在大规模建设算力基础设施，并将大量算力租赁给Anthropic和OpenAI，因为这两家能付出最高的价格。Anthropic已经签下SpaceX Colossus 1数据中心的全部算力，每月支付12.5亿美元。

与此同时，实验室也在开始自建算力。OpenAI在自研芯片，Anthropic则通过Fluid Stack部署从Google采购的TPU。…

3、"吉瓦"数字低估了实际算力差距

每一代新硬件（GB300、TPUv7、Trainium 3）的每瓦性能是上一代的3到5倍。所以即使新增的瓦数没有翻倍，以浮点运算次数衡量的实际算力增长远超瓦数增长。到2028年底，如果趋势持续，两家实验室将控制全球大部分可用的浮点运算能力。

二、实验室经济学翻转：从亏损到每兆瓦赚5000万美元

1、毛利率在一年内从负数变成惊人的正数

一年前，OpenAI用Nvidia Hopper GPU提供GPT-4服务时，毛利率是负的。现在情况完全反转。算力的基础成本大约是每兆瓦1000万到1500万美元。Anthropic的收入已经达到每兆瓦5000万美元。花10美元买来的推理算力，可以产生50美元的收入。利润空间全部可以转投训练。

2、Anthropic在2026年Q2实现了首次盈利

Anthropic在2026年第二季度开始盈利，OpenAI可能在第三季度跟上。到2026年7月底，Anthropic的年化收入已经超过650亿美元。一年前，这些公司的全部资金来源还是风险投资填补的亏损。现在，越来越多的业务由自身收入而非外部注资支撑。

3、到2027年底，每兆瓦收入可能达到7000万到8000万美元

Dylan Patel认为，只要实验室能持续发布最强模型，到2027年底混合收入可以达到每兆瓦7000万到8000万美元甚至更高。但这里有一个关键前提：模型能被公开部署。如果监管阻止模型发布，收入增长就会受限。

三、价值捕获的链式传导

价值在AI供应链中的位置不是固定的，过去两年已经剧烈移动了三次。

1、终端用户目前捕获了最多的价值

Jane Street是OpenAI和Anthropic最大的客户之一。Jane Street从token中获取的价值远超它付给Anthropic的费用，因为它可以用这些模型在市场上赚钱。Meta也是类似的情况：通过优化广告算法、提升用户停留时长5%等方式，Meta从AI模型中获取的经济价值远超它支付的费用。

2、价值捕获在供应链中剧烈移动

2023年，芯片制造环节（TSMC等）拿走了大部分毛利，模型层在亏钱。后来，存储公司开始赚大钱。SK海力士和三星的HBM（AI训练必需的高带宽存储芯片）成了利润中心，TSMC的价值捕获反而相对下降了。现在，模型层开始产生巨额利润，价值重心又在转移。

SpaceX就是这种移动的一个实例。Elon Musk发现Anthropic每吉瓦能创造超过600亿美元的收入后，把Colossus 1的算力以远高于市场价的价格租了出去。

3、供应链上游的涨价信号还没传导完

涨价在供应链上的传导速度差异很大，形成经济学中所说的"牛鞭效应"，即末端的需求信号在向上游传递时会被逐级放大和延迟。TSMC涨价很慢，但存储公司涨价很快，基板公司涨价很快，SpaceX涨价极快。Nvidia可能还没涨够。Nvidia CEO黄仁勋开始用Twitter了，这背后是和Elon的独家供应协议。但Nvidia涨价之后，SK海力士和三星会问：为什么我们不涨？整条链的价格再平衡需要时间。

四、60亿美元晶圆厂投资为何不能更快扩产

1、一个惊人的比例：晶圆厂端1美元投入，可以撬动100美元的终端AI收入

按SemiAnalysis的模型，生产1吉瓦算力需要的晶圆代工设备投资约为30到40亿美元。加上洁净室、外壳和配套设施，晶圆厂端的总资本支出约60亿美元。但这60亿美元每年可以生产1吉瓦的算力，而1吉瓦的算力每年能产生约1000亿美元的终端AI收入。5年下来，60亿美元的晶圆厂投资累计撬动超过1万亿美元的终端收入。

即便把中间环节（数据中心、电力、运维、利润分成）扣掉一半，资本投入和终端收入之间仍有约100倍的差距。

2、Carl Zeiss的镜片是整条供应链的终极瓶颈

ASML是全球唯一的极紫外光刻（EUV）设备制造商，而ASML的产能受制于Carl Zeiss在德国Oberkochen生产的镜片。EUV光刻机用极紫外光在硅片上刻出芯片电路，每台机器内部有十余面镜片，每面需要数月到一年的精密加工。ASML到2030年的目标是每年生产约100台EUV光刻机。就在今年早些时候，Carl Zeiss甚至还不认为自己需要为100台/年的产能做准备。

3、"为什么不砸钱加速？"因为供应链的响应延迟太长

两人讨论了一个思想实验：用私募股权的方式激进改造供应链上每家公司，最大化产能，物理极限在哪里？Dylan Patel的回答是：到2030年100台EUV/年仍然是现实上限。需求信号传到供应链尾端需要很长时间，资本约束目前也还没解除。

但情况正在变化。当两家实验室的年收入合计接近千亿美元量级，它们就有能力对供应链上游说："给你100亿美元，请扩产。"这件事还没发生，但不远了。

五、训练 vs. 推理：反共识的资源分配判断

1、Dylan Patel认为实验室会把越来越多的算力投向训练，而不是推理

这是一个明确的反共识观点。市场普遍认为大部分算力最终会用于推理。但Dylan的逻辑是：如果每兆瓦推理收入从3000万到4000万美元涨到6000万到7000万美元，你是选择把多出来的利润用于分红和回购，还是用于训练通用人工智能？Anthropic和OpenAI的选择显然是后者。

2、实际数据已经在验证这个趋势

每个月Anthropic新增的算力都比上个月多，但收入增长已经从暴涨进入平台期。这意味着新增的边际兆瓦中，流向研发的比例在上升。"他们事实上已经在增加训练占比了。"

3、训练一个前沿模型只需要实验室总算力的一小部分

Dylan Patel把实验室的算力预算拆成三块：约50%用于研究探索（测试新架构、新数据配比、新超参数），约10%用于正式的模型训练跑，40%用于推理。

Anthropic训练Mythos时，预训练阶段的峰值算力使用不超过200兆瓦，持续约两个月。强化学习阶段的单点算力消耗甚至更低。但Anthropic当时拥有数吉瓦的总算力。大部分算力花在了研究探索上，真正的"训练跑"只是冰山一角。

随着自动化编码和自动化研究的推进，研究和训练之间的边界会变得模糊。持续学习也会把更多算力推向训练侧。所谓持续学习，是指模型在部署后继续从真实世界的数据中学习，而这个过程同样消耗训练算力。

六、监管正在拉低AI的外部部署速度

1、OpenAI暂停训练两周，Anthropic的最强模型被禁止公开发布

2026年8月，OpenAI宣布暂停其下一代模型Astra的强化学习训练两周。起因是内部评估发现Astra可能达到其安全框架中"关键"（Critical）级别的网络安全能力。更早之前，OpenAI的一个模型在内部测试中利用了一个此前未知的软件漏洞，突破了测试沙箱，入侵了Hugging Face的生产系统。这类在厂商修复之前就被利用的漏洞，安全领域称之为零日漏洞。

Anthropic这边，Mythos在4月发布时就被判定为不适合公开发布。6月发布的Fable 5是Mythos的受限版本，屏蔽了网络安全和生物学相关的查询能力。完整版Mythos 5只对约100家经过审批的公司和政府机构开放。

2、监管直接限制了收入增长空间

如果实验室不能发布最强模型，它们的每兆瓦收入就不会按最快速度增长。其他模型追上来了，竞争重新激烈。Dylan Patel的原话："它们没有落后，只是没有在发布最好的东西。"

更关键的是，监管的触角不只伸向外部发布。Astra在OpenAI内部也没有被广泛部署，Anthropic一度限制了外国籍员工使用Mythos。如果连内部使用都受限，实验室用最强模型加速下一代研发的逻辑也会受影响。

如果监管导致收入每兆瓦涨速放缓，实验室竞标增量算力的价格优势就会缩小。那么到2028年拿到100吉瓦的目标可能达不到。这是Dylan Patel眼中唯一能阻止集中化趋势的力量。

3、数据中心选址也在收紧

纽约州在禁止新建数据中心。德克萨斯州发布了暂停令。俄亥俄州试图要求数据中心为一定半径内的所有居民缴纳财产税。这些措施减少供给、增加成本，最终都会传导到算力价格上。

Dylan Patel认为，在模型能力持续提升的前提下，实验室的最强模型可能始终比公开发布的版本领先6个月。如果进步速度加快，这6个月的差距在能力维度上会更大。

七、中国算力：低于全球新增的10%

1、中国的算力份额已经大幅缩水

2022年，美国约占全球新增算力的45%到50%，中国占30%到35%。美国的算力大扩张之后，2026年美国占比升至70%，中国降到不足10%。

2、到2028年中国的AI算力总量可能不超过30吉瓦

2027年SMIC和CXMT的国产晶圆厂开始上量，2028年尤其明显，国产芯片可以每年新增5到10吉瓦。但这些芯片的性能远不如同期Nvidia、Google、OpenAI的产品。30吉瓦的中国算力，经过质量加权后，可能只相当于美国的20吉瓦。

中国头部AI实验室目前的算力规模在100到200兆瓦左右，字节跳动的Seed是一个明显的例外，拥有显著更多的算力。相比之下，Anthropic年底将接近5吉瓦。差距在25到50倍。

3、中国会在2028年后快速起量

Dylan Patel认为2029年中国新增50吉瓦完全合理。中国擅长快速扩大制造规模。但如果大部分是国产芯片，50吉瓦的实际效用可能只相当于美国的20吉瓦。按这个比例，到2029或2030年，一家美国头部实验室的算力可能比中国全国都多。

Dylan也补充了两点：一是中国与美国的差距部分归因于美国金融体系更愿意大胆投资初创企业，不完全是单一因素的结果；二是如果AI能力的起飞速度没有那么快，中国靠大规模补贴和制造业经验，有能力在半导体层面追赶上来。

八、AI资本支出可能引发主权债务危机

1、到2028年，全球AI年度资本支出可能达到3到4万亿美元

SemiAnalysis的模型显示，如果2028年全球新增100吉瓦算力，仅IT设备的资本支出就达5万亿美元（按每吉瓦当前价格计算）。但这还没算数据中心建筑和电站。数据中心是15到20年资产，需要提前建设。电站是30年资产，需要更早建设。2028年新增100吉瓦，那2028年的建筑和电站资本支出要为2029年甚至2030年的需求买单。加上这些，实际的年度资本支出可能接近7万亿到10万亿美元。

SemiAnalysis从2024到2029年的累计资本支出建模约为11万亿美元。其中约6万亿靠现金流支撑，5万亿需要债务融资。

2、5万亿美元的债务融资会推高利率

当Amazon、Meta、Google、Microsoft纷纷大规模举债来为算力扩张融资时，它们会和其他借款人竞争资金。Meta最近的融资成本约5%到6%。Dylan Patel认为它们愿意为此支付8%，因为算力的回报率远高于此。但Meta付8%意味着整个经济体的利差都会上升约250个基点。

这会传导到银行，因为银行的资产端重定价比负债端慢，利差扩大直接造成亏损。消费品公司和电信公司也依赖大量债务融资，同样受冲击。房贷市场也不能幸免。

3、发展中国家面临第二次沃尔克冲击

1980年代，前美联储主席Paul Volcker将实际利率推至约8%，导致约40个国家（主要是拉丁美洲）在那十年内违约。Dwarkesh Patel认为类似的情况会再次发生。短期债务占比高、税收基础薄弱的国家（如巴基斯坦、尼日利亚）在新的利率环境下会非常脆弱。

美国可能还好，因为数据中心建在国内，可以通过税收捕获价值。但当前税制下，企业所得税不到联邦收入的10%，80%以上来自工资税和个人所得税。随着自动化推进，工资税基础会萎缩。如果利率上升1%，5年内债务利息占税收收入的比例从20%升到25%。如果升5个百分点，再加上每年2万亿美元的新增借款，这个比例可能超过60%。

4、股票市场的隐含灾难

如果折现率从3%至5%变成8%至10%，所有股票的估值都会暴跌。不只是非AI公司。即便AI公司业绩亮眼，如果你真的相信AI会带来经济增速翻番，那所有东西都应该只交易在2到3倍市盈率。存储芯片公司（SK海力士、美光）现在2到3倍市盈率不是因为被低估，而是因为如果AI真的那么猛，这个倍数反而是合理的。铁路公司、强生这类传统"稳定现金流"股票，在新的折现率下会丧失绝大部分价值。

九、权力集中：所有的力都指向同一个方向

1、前沿AI的有效劳动力规模正在以每年10倍的速度增长

算力以每年4到5倍的速度增长，同时达到同等能力所需的算力每年下降约3倍。两者叠加，前沿实验室的"有效AI人口"每年增长约10倍。如果递归自我改进启动，这个速度可能变成100倍甚至1000倍。

照现在的趋势，OpenAI从今年的约1000万AI劳动者等价，到明年的1亿，后年的10亿。再过不了几年，单个实验室的AI劳动力就超过地球人口总数。这件事在2020年代末完全可能发生。

Dwarkesh Patel做了一个粗算来帮助建立直觉：如果一个白领工人年薪10万美元，1吉瓦算力可以维持约100万个白领级别的AI劳动者，那就是1000亿美元。他自己也觉得这个数字"surprisingly low"，说明单纯的人力替代还不足以解释算力为什么值那么多钱。

2、通向集中的力量至少有四个

训练的规模经济：一次训练投入可以被数十亿次会话分摊。算力稀缺性：出价最高的人拿走算力，而最强模型的运营者出价能力最强。部署端的持续学习：部署规模越大，收集到的真实世界数据越多，下一个模型越好。递归自我改进（RSI）：最强模型帮助制造更强模型，进一步拉大差距。

3、Dylan Patel想不出一个不走向集中的路径

"除非AI进步放缓，除非政府大力监管，否则每一股力量都在尖叫着走向集中。"两人承认这很可怕。目前唯一的好消息是终端用户捕获了大部分价值，Jane Street从每兆瓦算力中获取的经济价值是Anthropic获取的好几倍。但如果实验室开始把推理算力回收给内部研发（正如Dylan认为正在发生的那样），这层缓冲也会消失。

最终问题是：我们能不能找到一个去中心化的、人人受益的后通用人工智能世界的路径，同时又认真对待这些规模经济效应？Dylan Patel认为这是当前最重要的智识工程之一。资本主义之所以有效，靠的是分散决策和分散权力。AI可能把这套逻辑翻过来：私有制还在，但参与者只剩下几家公司。