山姆・奥特曼斯坦福重磅访谈：窄域超级智能已到来，我们该给 AI 装上限速器

摘要

当 AI 在数学推理上超越顶尖人类，很多人开始恐慌。奥特曼坦言，模型进步速度已经颠覆他过往认知。他没有鼓吹无限加速，反而提出一个棘手问题：智能跑得太快，人类该守住什么底线？

1 一场不一样的访谈：超级智能，已经敲开大门

这场斯坦福商学院的对话，面向一群正在规划十年职业道路的 MBA 学生。作为 AI 浪潮核心的推动者，山姆・奥特曼没有描绘光鲜的技术蓝图，反而抛出了一个令人不安的判断：在数学推理这类特定领域，超级智能已经出现，到来的速度远超他早前预估。 他提出一个新概念：AI 需要 “限速”。

很多人以为他只会全力推动模型迭代，而此刻他思考的核心矛盾是：如果智能变成可以无限放大的产品，决策权该归谁，边界又在哪里。 很多人容易陷入两种极端，要么盲目乐观，要么全盘抵制。

奥特曼选择站在中间：既不能停下所有研发，也不能毫无约束地放任技术狂奔。 指数增长是 AI 时代最容易被低估的规律，人的直觉天然很难理解指数曲线的威力，这也是很多风险被忽视的根源。

2 早年选择：别花太多时间准备，直接上手迭代

很少有人知道，青年时期的奥特曼，差点走进投行。当年他跟着优秀同龄人一起去面试，光鲜的环境一度让他动摇。但内心的不安，让他抓住了创业机会。 他从这段经历总结出两条很有启发的经验。

第一，实战学习的效率远高于课堂理论，短期创业项目带来的成长，往往远超一套完整的商学院课程。

第二，大部分人习惯花费大量时间做准备，迟迟不敢启动，而更好的方式是快速试错、复盘迭代，持续更新自己的认知。 同时他也提到，运营 YC 孵化器和管理公司完全不同。

孵化器更像经营一个生态，管理者没有强管控权力，核心任务是搭建环境，让里面的创业者自然成长。这段经历，也塑造了他后续看待 AI 生态的底层思路。

3 被遗忘的历史：深度学习曾经被认定走不通

回溯到 2005 年，当时主流学界的共识是，通用人工智能距离人类还有百年之遥，深度学习这条路根本走不通。奥特曼当时也采信了这个判断。 

直到 AlexNet 问世，大家慢慢发现一个关键规律：模型、算力、数据同步放大，能力就会持续提升，也就是缩放定律。即便中间多次遇到瓶颈、团队濒临放弃，他们依旧选择沿着这条指数曲线继续投入。 

在当时，这个判断在行业内属于少数派。而这条经验放到今天依然适用：当你看到一条稳定向上的指数增长曲线时，需要认真重视它背后蕴藏的可能性。这套逻辑，不只适用于 AI 模型，也适用于创业网络、平台生态的成长。

4 从退休项目，变成全球通用基础设施

OpenAI 最初的定位是非营利研究实验室，对奥特曼而言，这原本是他的 “退休项目”，目标只是安心做前沿研究。没有人预料到，它会快速成长为覆盖十亿用户的基础设施。 他把 AI 类比成电力、晶体管，属于可以赋能各行各业的基础能力。想要支撑这套体系，所需要的算力工程规模，在人类历史上前所未有。 

而最难做的抉择，不是产品研发，而是把控发展节奏。 他设立两条底线：人类必须掌握最终决策权，不能把关键选择权不可逆交给 AI；智能带来的力量要分散，既不能集中在超级 AI 手里，也不能集中在少数掌握 AI 资源的小群体手中。 

这也是他主张 “限速” 的根本原因。如果技术持续加速，但配套的协调机制没有跟上，风险会快速累积。

5 对齐、开源与安全：看不见的代价正在升高

很多人以为对齐 AI 目标是一件极难完成的事，奥特曼坦言，目前来看对齐比预想更容易落地。但这绝不代表可以放松警惕。 

他反复提醒两点：现在容易，不代表下一代模型依旧容易；一旦对齐失效，伴随的风险代价会急剧放大。他规划了三层安全防线：先用沙盒隔离风险；当模型强到突破沙盒边界，依靠可监控技术；

最终的依靠，是真正可靠的对齐体系。 网络安全，是他认为被严重低估的风险。AI 可以找到很多超出传统认知的底层漏洞，我们已经无法做到把所有漏洞一一修补，必须用 AI 对抗 AI，搭建全新的防御体系。 

开源权重同样是两难选择题。全面禁止开源会扼杀创新，但无限制开放高能力模型，会带来生物安全、网络破坏等巨大隐患。

他的看法和管控诈骗的逻辑相似：技术本身有价值，不能因为潜在风险直接一刀切取缔。目前最强的内部模型，短期并不适合开源，这段窗口期，是留给整个世界搭建安全韧性的缓冲时间。

6 岗位不会灭绝，职业形态会迎来一轮换血

现场最受关注的问题，依旧是 AI 会不会大面积消灭工作。奥特曼用数学领域的变化举例，完整呈现了行业适应 AI 的周期：从否认、恐慌、抵触，到重新定位自身价值。 数学领域里，标准化的求解任务交给 AI，但梳理知识、推导论证、解读结论、搭建完整知识体系的工作，依旧需要数学家。

程序员、咨询行业，也正在经历同样的过程：单纯执行类任务消失，懂得驾驭 AI、做判断的人才价值上涨。 他判断，不会出现大规模岗位灭绝，但短期行业换血会持续发生。对年轻人而言，动荡期同时也是机遇期。 

他给学习者一个清晰标准：优先学习帮助自己理清思考、搭建逻辑的能力；纯粹机械、可被机器接管，且本身没有深层价值的技能，不必投入过多精力。 他期待 AI 时代走向文艺复兴，释放人的创造力；而不是走向极致的工业自动化，把人简化成配合机器运转的零件。 

他还提到一个很有意思的观察：智能体协同的新模式，没有层级、没有内耗，只为目标推进。人类有情绪、有缺陷，但这些特质，恰恰也是人之为人的珍贵之处。

观点

这场访谈最珍贵的地方，不在于新技术爆料，而在于推动者本人主动提出要为 AI 发展设置速度边界。我们不用陷入非黑即白的二元争论，既不必恐惧超级智能的到来，也不能盲目相信技术天然向善。

 AI 的缩放定律决定了它的能力会快速跃迁，而社会规则、安全体系、人才培养的迭代速度远远跟不上。所谓限速，不是停止创新，而是留出时间补齐安全防线、完善分配机制、建立风险防御。 

对于普通人，这次对话也给出清晰方向：未来竞争，不再比拼记忆、重复、快速执行。独立判断、价值取舍、创造性探索、共情沟通这些机器很难复刻的能力，才是长期护城河。 技术是中性的工具，最终走向文艺复兴还是极致效率的牢笼，取决于人类如何把控节奏、划定边界。