State of the AI industry 深度访谈

主持人介绍本期讨论 AI 生态、泡沫判断以及创业者和投资者如何在 AI 进展中成功。Vinod Khosla 随后指出，2025 年的关键词是智能体和 vibe coding，而 2026 年更可能是智能体真正成熟的一年，尤其是多智能体系统开始在企业完整任务、消费者旅行规划、机器人和现实世界模型中体现可见影响。他还提到记忆、持续学习和减少幻觉等模型短板会逐步被解决。

Sarah Friar 将 2026 年概括为缩小能力差距的开始：用户已经获得强大智能，但多数人仍只把 ChatGPT 当作问答工具。她认为消费者需要更容易地把 AI 用于订旅行、医疗第二意见、制定饮食方案等实际结果；企业则需要从简单部署走向垂直专业化转型。Vinod 补充说，当前只有少数用户真正使用了 AI 能力的一小部分，采用曲线和能力曲线常被混淆。双方借电力、电子邮件和移动互联网类比，说明技术能力已存在，关键是人们学会如何使用。

谈到医疗，Vinod 表示 AI 将通过让专业知识商品化来革命化健康领域，但监管仍是核心限制，例如 AI 不能合法开处方，诊断也受 FDA 等机构约束。Sarah 则用数据说明医疗采用已很普遍：每周有 2.3 亿人向 ChatGPT 提健康问题，66% 的美国医生日常使用 ChatGPT。她以急诊分诊、罕见病识别、药物相互作用、患者提前理解症状、糖尿病运动建议和菜单筛选为例，说明 AI 既能增强医生，也能让消费者更独立地参与健康决策。

主持人将医疗需求引向算力问题，询问 OpenAI 如何判断巨额算力投入的必要性。Sarah Friar 解释，OpenAI 试图让算力投资跟上收入增长，并观察到当期算力和当期收入之间有强相关：2023 年约 200 兆瓦对应 20 亿美元 ARR，2024 年 600 兆瓦对应 60 亿美元，2025 年 2 吉瓦对应超过 200 亿美元。她强调，由于数据中心和芯片建设有多年提前期，今天必须为 2028 至 2030 年做决策，而当前产品、模型和多模态探索都明显受算力约束。

Sarah 将 OpenAI 的战略描述为一个不断旋转的“魔方”：基础设施层从单一云和单一芯片走向多云、多芯片，以获得最大可选性；产品层从单一 ChatGPT 扩展到消费者版、工作版、Sora 和转化型研究项目；商业模式层从单一订阅发展为多价格点、企业 SaaS、积分计费，并开始考虑电商、广告和长期授权模式。她认为这些组合让 OpenAI 能根据不同场景匹配低延迟芯片、编码、图像生成、免费用户流量和高端订阅，从而持续支付实现 AGI 使命所需的算力成本。

Vinod 将 AI 需求简化为一个判断：今天需求主要被算力可用性限制，并且还未真正使用价格弹性杠杆。他批评用股价或估值讨论泡沫，认为那更多反映投资者恐惧和贪婪，而非技术现实。他回顾早期投资 OpenAI 时并没有产品计划或 ChatGPT 可看，只基于一个判断：如果能接近或超过人类智能，影响将极其巨大。对比互联网泡沫，他认为真正应观察的是互联网流量或 AI API 调用量，因为这些才代表实际使用、实用性和需求。

Sarah 从 CFO 视角指出，AI 与 1999 年互联网不同之处在于其价值变化发生得更快，也更容易在组织内部看到。她以收入管理为例说明，过去团队每天需要人工下载、阅读大量合同，检查非标准条款并判断收入确认影响；随着公司增长，传统方式只能不断增员，而且工作高度重复。现在 OpenAI 内部工具可以在夜间自动提取合同，写入表格数据库，由智能体识别非标准条款、解释原因、建议收入确认处理，并进一步提示某些条款是否本不该出现，从而把人从枯燥审核中解放出来。