新智元报道
编辑：编辑部
【新智元导读】AGI 2025年到来，ASI几千天内降临，奥特曼在最新专访中金句频出。不仅如此，他的话还得到了德扑之父、自家员工的证实。
1个人+10000个GPU，就能打造价值10亿美元的公司？
OpenAI已经掌握了通往AGI的内部路径，我们距ASI只有几千天时间了？
就在最近，OpenAI CEO奥特曼在最新访谈里，再次爆出不少金句。
YC总裁兼CEO Garry Tan对奥特曼展开了一次访问，谈论了OpenAI的起源，公司的下一步发展，以及他对于创始人该如何驾驭一个庞大公司的建议。
在所有人都在认为奥特曼又在炒作的同时，德扑之父、OpenAI研究员Noam Brown却证实，「但据我所见，他所说的一切都与OpenAI一线研究人员的普遍观点相符」。
另一位OpenAI员工称，「100%赞成！在OpenAI工作的三年里，我一直在专心地听奥特曼的话，他的言辞和评论都很准确」。
这也就意味着，4级AGI——「AI发明者」很快将要实现了！
ASI几千天内降临，现在是创办科技公司的最佳时机吗
前不久，奥特曼的一篇《ASI几年内降临，人类奇点将至》在圈内引发热议。
他表示，深度学习已经奏效了，它能够真正学习任何数据的分布模式。如今人类奇点已经近在咫尺，我们眼看着就要迈进ASI的大门。
奥特曼甚至直接预言：ASI将在「几千天内」降临！
由此，Garry Tan和奥特曼展开了进一步讨论。
奥特曼表示，如今可以说是创办科技公司的最佳时机。
每次重大技术革命，都让我们能比之前做得多，这也让他希望，公司会更令人惊奇，更有影响力。
当事情进展缓慢时，大公司会占据优势。当移动互联网/半导体/AI革命发生时，新兴公司就会占据优势。
Garry Tan提到奥特曼之前对ASI几千天内到来的预判，奥特曼表示，这其实是OpenAI的愿景，其实相当疯狂。
他认为，自己能看到这样一条路径。
当OpenAI的工作不断积累，过去三年中的进展继续在接下来的三年、六年、九年中持续下去，保持这种速度，那系统能做的事情，就会非常非常多。
跟封闭的、在某领域有明确任务的原始智商相比，o1已经非常聪明了。
奥特曼认为，我们可能会遇到未知的障碍，或者错过一些东西，但目前看来，前方还有许多复合增长尚未发生。
在他看来，解决气候问题、建立太空殖民地、发现所有物理学、近乎无限的智能和充足的能源这些事情，也许的确离我们并不遥远。
而他喜欢YC的一点就是，它鼓励这种稍微不切实际的技术乐观主义，以及「你可以做到」的信念感。
如果我们能实现充足能源，人类的体力劳动就能通过机器人和随时可调动的语言和智能来解锁，我们将进入一个真正的富足时代。
我们会更快地得出更好的想法，然后在物理世界中将之实现（当然也需要大量能源）。
如今，太阳能加储能的发展轨迹已经足够好，即使没有重大的核突破，我们也会很好。
奥特曼预言到：未来，我们会解决物理学中的每一个问题，这只是时间问题。
到那一天，我们不会再讨论核聚变，而是讨论戴森球。
对我们的曾孙来说，地球的能源已经不够了，他们会去有大量物质的外太空。
OpenAI「5级AGI」蓝图
Garry Tan表示，对OpenAI来说，这是伟大的一年，尽管有一些戏剧性事件。你从去年秋天的罢免事件中学到了什么，对一些离职有什么感受？
奥特曼称，很累，但还好。我们用了不到两年的时间，加速一个中型、甚至是大型科技公司的进程，这通常来说会需要十年的时间。
奥特曼最近表示，ChatGPT已经成为世界上第八大网站
Garry Tan对此表示肯定。
这会伴随着很多痛苦的事情。任何公司随着规模扩大，都会以某种速度经历管理团队的变动。那些在0-1阶段表现出色的人，也不一定适合1-10,10-100的阶段。
奥特曼继续称，我们也在改变目标。在这个过程中犯了很多错误，但也做对了一些事情。
这带来了很多变化，奥特曼认为公司的目标不论是AGI还是其他，就需要我们在每个阶段尽可能做出最好的决策。
奥特曼希望，OpenAI正在走向一个更稳定的时期，但他也确定信未来还会有其他的，毕竟一切发展都是动态的。
Garry Tan追问道，OpenAI现在是如何运作的？
奥特曼称，我认为从目前为止到构建AGI仍有大量工作要做。而且，OpenAI的研究路径相当清晰，基础设施路径、产品路径也越来越清晰。
最近，OpenAI在YC举办了o1黑客马拉松，获胜者之一是Camphor。所以CAD/CAM初创公司，在黑客马拉松期间，也可以构建出一个可以迭代改进的模型，这听起来有点像AGI第四级，也就是创新者阶段。
Garry Tan称，我认为从二级跃升到三级很快就会发生，但三级到四级的跳跃会更加困难，需要一些中型或更大模型的想法。
奥特曼表示，那个演示和其他一些演示让我相信，只要以非常有创意的方式使用现有模型，就可以获得大量的创新。
Garry称，Camphor基本上已经构建了CAD/CAM的基础软件。然后，语言就像是LLM的接口，可以像工具一样使用软件。如果你将其与代码生成的想法结合起来，那是一个有点可怕又疯狂的想法，对吧？
不仅LLM可以编写代码，它还可以为自己创建工具，然后组合这些工具，就像一个思维链一样。
奥特曼肯定道，「是的，我认为事情的发展速度会比人们现在所意识到的要快得多」。
Garry Tan问道，你能简要谈谈第三级、第四级和第五级吗？
奥特曼称，AGI已经成为一个被严重滥用的词，人们指的东西各不相同。我们试图说，这是我们对事物顺序的最佳猜测。
第二级推理者，o1已经实现了这一阶段。第三级是智能体，能够执行长期任务，比如与环境多次互动，并与人类协同工作....我认为，OpenAI很快就实现这点。
第四级是创新者，就像科学家一样，能够在很长一段时间内，探索不太被理解的现象，并理解其本质。
第五级，在整个公司/整个组织的规模上，将带来巨变。
不得不承认，这听起来感觉有点像分形，第二级目标是为了和第五级相呼应，让多个智能体自主纠正，并协同工作。
奥特曼继续表示，这将会成为创业公司的最大时机，我不知道如何看待这一点，但它确实发生在我的身上。要知道，一个人+1万块GPU，将会打造数十亿美元的公司。
最后，Garry Tan问道，你对那些即将开始创业，或刚刚开始创业的人，有什么建议？
奥特曼表示，继续押注这个趋势，当前技术还远未达到饱和点。未来，模型会变得更好，而且速度非常快。作为创业公司创始人，利用这这点与没有用上其相比，能够做到的事情，是截然不同的。
那些大公司，中型公司，甚至是成立几年的初创公司，他们已经在进行季度规划周期。谷歌则是在进行年度、十年规划周期。
你的速度、专注、信念，以及对技术快速发展的反应能力，是创业公司最大的优势。从古至今几乎一直都是如此，但尤其是现在。
因此，我建议去构建一些与AI相关的东西，并利用这种能力去发现新事物，并立即做出行动，而不是将其纳入季度规划周期。
此外，奥特曼还表示，当有一个新的技术平台时，一些人很容易陷入误区：
我在做AI，所以普通的商业规则不适用于我。有了AI就足够了，因此不需要其他竞争优势。
实际上，商业基本规则依然适用，不要被AI的光环迷惑，技术优势只是成功的一个要素，而并非全部。
奥特曼：我是如何加入YC的
Paul Graham追忆过，在2005年，奥特曼还是斯坦福大学的大一新生时，就坚持加入YC。
Graham跟他说，你太年轻了可以再等等，奥特曼于是当场撒了个谎，表示我大二了，我就要来。
Garry Tan问道，是这样吗？
奥特曼承认了这个故事，并且表示自己并不像这些人传说中的那样强大。
在他看来，YC之所以如此特别，就是有一个了不起的人告诉你：去做吧，我相信你。而另外一个原因，就是在这里拥有一群同样做事的同伴群体。
因此奥特曼给年轻人最好的建议就是找到这样一群做事的同伴。当时，他还没有意识到，这件事对着自己后来的成功如此重要。
主持人提到：通过辍学，你选择了一条收益更大的路。
奥特曼表示，自己很喜欢斯坦福，但的确并没有感觉到自己被一群让自己想变得更好、更有雄心的人包围。
在斯坦福，所有的竞争就集中在：谁能去哪个投行实习？
奥特曼惭愧地表示，自己也掉进了那个陷阱。但在看到YC的氛围后，选择从斯坦福辍学其实并不那么难。
奥特曼认为，没人能免于同辈压力，但你可以选择和优秀的人同行。
在他进入YC研究的早期时间里，几乎每个人都在谈论着AI，似乎它已触手可及，但那是10年前。
在这样的氛围影响下，奥特曼开始希望他能够讲述一个AI显然能成功并成为焦点的故事。YC所做的，以及奥特曼此后的行为，就是将资源分给聪明的人。
有时会成功有时会失败，但这种尝试是必不可少的。
在奥特曼加入YC后不久，经历了AI发展的一个小高潮。
在2014年年末到2016年年初这段时间，DeepMind取得了一系列瞩目的成就，超级智能成为了当时的热议话题。
作为一个AI迷，奥特曼决定自己应该尝试做些什么了。
OpenAI的创业那些事
寻找志同道合同伴的感觉，就像银行抢劫的电影开头，你开着车四处寻找合适的人。
而那些被你掳到车上的人，他们会说：「你这个混蛋，我加入了」。
在奥特曼听闻了Ilya的大名，并通过Youtube上的视频，确认了他却有不负盛名的能力后，他立即向Ilya发送了邮件。
当然，Ilya没有回复。
奥特曼便去了Ilya演讲的一个会议去见他，在见面后，他们开始了频繁的交流。
而Greg Brockman是奥特曼在Stripe的工作的早期认识的。
奥特曼回忆，他与OpenAI初创成员间的第一次谈话中，就立下了追求通用人工智能的目标。
这种言论在当时几乎是疯狂且不负责任的，但它确实引起了成员们的注意和热情。
奥特曼表示，他们当时就像是掌握主流话语权的老顽固眼里的一群乌合之众。奥特曼那时大概是30岁，是成员里年龄最大的那个，和其他人的差距也很大。
但就是这样的一群充满热情的小年轻，到处奔波、逐个找人，与不同的群体会面。
而关于实现通用人工智能的这件事，在历经九个月后，开始成形。
2016年的1月3日，在Ilya处理完与谷歌的事宜后，团队一起去了Greg的公寓，开始决定他们未来究竟要做哪些事。
而那时他们只有10个人左右。
而OpenAI的成员花了很长的时间才弄清楚他们究竟要做什么。
奥特曼现在回顾时，发现当时的努力的目标其实只有三个：
弄清楚如何进行无监督学习，解决强化学习，团队人数不超过 120 人。
虽然第三个目标没有达成，但前两项在预期内完成得不错。
但他们的第二个大目标却在当时引起了许多争议和批评。
强化学习的核心信念就是深度学习有效，并且会随着规模的扩大变得更好。但在当时，扩大规模的做法被视为一种异端，批评者认为这些是一些偷懒的小把戏，不是真正的学习，也算不上推理。
扩大规模只是在浪费计算资源，甚至可能导致AI冬天的到来。
但对OpenAI来说，扩大规模的做法虽然一开始源于团队的直觉，后来有了数据来证明它的可预测性。
OpenAI的团队开始前，就通过自己得出的数据结果坚定了扩大规模的趋势。
随着他们不断提高模型的规模，结果也在不断变好。
人们期望「少即是多」，但OpenAI却证明了「多即是多」。
奥特曼表示，深度学习就像一种非常重要的涌现现象。虽然他们现在还没完全理解实践中的所有细节，但确实有一些非常基础且重要的东西在发生。
对于OpenAI这样的创业公司来说，它所拥有的资源比DeepMind这样的公司要少得多。
大公司可以尝试很多事，但创业公司只能专注在一项中，这就是OpenAI获胜的原因和方法。
「我们不知道我们不知道的事，但我们知道这件事有效，所以我们会真正专注于此」。
「我们没有花费努力去找到一个聪明的方式去解决问题，而只是做眼前的事并持续推进它」。
奥特曼表示，自己一直对规模感兴趣，它对所有事物都具有涌现的特性。
对创业公司是这样，事实也证明，它对深度学习也同样起效。
但让OpenAI获得成功的原因，是它即使在籍籍无名时，也拥有一个极具才华的研究团队。
他们为目标的推进贡献非常巨大。
而另一点是OpenAI将所有资源都赌在了他们扩大规模的信念上。
人们总觉得鸡蛋不能当放同一个篮子里，但OpenAI则对自己的选择All in。
做一个坚定的乐观主义者，奥特曼认为这是许多成功的YC创业公司中的共同点。
同样的，奥特曼也表示，没有人能掌握世界上的所有正确答案，会告诉你应该怎么去做。
你需要的是去寻找并快速迭代自己的路，而在初期，没有数据和结果能支持你，你只能依靠自己的信念。
满血版o1、Sora即将大放送
未来几周，甚至两个月内，OpenAI真的要放大招了。
还记得几周前，奥特曼突然冒泡，「下个月是ChatGPT的第二个生日，我们应该送它什么生日礼物呢」？
在11月30日，即将迎来的ChatGPT两周年前后，人们都在等着OpenAI新模型的发布。
这不，就连ChatGPT官方账号都不藏着掖着了，满血版o1快来了。
就在刚刚，OpenAI研究员Jason Wei解释了，o1推理思维的过程。
在o1范式之前，思维链的实际表现和人类期望它达到的效果之间存在差距。它更像是先有了答案，再去对答案进行解释，列出步骤。
实际上，模型只是模仿了它在预训练中见过的推理路径，比如数学作业解答，而不是一步步推理得到答案。
这些数据的问题在于，它是作者在其他地方完成所有思考后才总结出来的解答，而不是真正的思维过程。所以这些解答通常信息密度很差。
一个明显的例子就是「答案是5，因为...」这样的表述，其中「5」这个数字突然包含了大量新信息。
在o1范式下，你可以看到思维链与教科书中的数学解答很不相同。
这些思维链更像是「内心独白」或「意识流」。你可以看到模型在不断调整思路，说一些像「另外，让我们试试」或「等等，但是」这样的话。
虽然我没有直接测量过，但我敢打赌（我的心理语言学朋友们可能能够确认），思维链中的信息密度比互联网上的普通文本要均匀得多。
由此可见，o1的思维链更接近「人类的思维过程」，答案是通过推理得出的。
另一边，关了近一年的Sora，终于要解禁了。
Runway的联合创始人表示，有传言称，OpenAI计划在两周内发布Sora。我最担心的是，不得不听AGI领域的人在播客上谈论艺术和创造力的未来。
除此之外，OpenAI内部还有什么惊喜？毕竟，奥特曼都称AGI明年就降临了。
下一代Orion，改进不大
Information独家爆料称，下一个代号为Orion旗舰新模型，可能并不会像前代那样实现巨大的飞跃。
OpenAI员工测试后发现，尽管Orion性能超过了OpenAI现有模型，但与从GPT-3跳跃到GPT-4相比，改进幅度较小。
换句话说，OpenAI模型的改善速度似乎正在放缓。
事实上，Orion 在某些领域（例如编码）可能根本不会比以前的模型更好。
为此，OpenAI内部已经成立了一个基础团队，以研究如何在新训练数据减少的情况下，继续改进模型。
据称，这些新策略包括，在AI模型上生成的合成数据来训练Orion，以及在训练后过程中进行更多的模型改进。
OpenAI副总称，「人们低估了测试时计算能力的强大：可以计算更长时间，并行计算，或任意分叉和分支 —— 就像克隆你的思维1000次并挑选最好的想法。」
就是说，在AI推理阶段，我们可以通过增加计算资源来显著提升模型表现。
但有网友表示，「听说从某个前沿实验室（老实说不是OpenAI）传出消息，他们在尝试通过延长训练时间，使用越来越多数据来强行提升结果时，遇到了一个意想不到的巨大收益递减瓶颈」。
如此说来，OpenAI该如何挽救Scaling Law？