GPT 的奥特曼最近接了一个长达一小时的访谈，以下是要点总结，简单说

高原蓝

GPT 的奥特曼最近接了一个长达一小时的访谈，以下是要点总结，简单说：

AI 的能力远远未达上限，沙河确保不了安全，企业预算从人力转移到 token 的进程刚刚开始，你抓不住最大的机会可能是因为。。。。。。

1
普通AI用户与高阶用户之间的差距正在呈指数级扩大

大多数公司只用AI处理简单任务，而前沿用户则部署智能体团队、投入大量算力来解决以往被认为不可能解决的问题。机会在于把前沿级别的工作流带给主流企业。

2
智能体编排可能成为下一个重要的扩展定律（Scaling Law）

即便是OpenAI也尚未弄清智能体的最优数量、模型选择、算力预算或协作策略。Altman认为智能体团队蕴藏着巨大的未开发潜力。弄清如何协调智能，可能与提升模型本身同等重要。

3
先探索AI的极限，再优化成本。

OpenAI有意在不知道是否会成功的实验上投入了数百万美元。Altman认为其中一些实验的成本在一年内可能降低100倍。不要因为今天的推理成本不划算就否定一个创业想法，先证明什么是可能的。

4
AI支出可能占据企业运营预算的百分之几十

Stripe已将约1%的运营支出用于AI token。Altman预计这一比例将大幅上升，并认为目前大多数公司对AI的投入都不足。AI正从一项普通的SaaS开支，演变为一种堪比人力的重要生产资源。

5
个人智能体的下一次重大突破尚未到来

Altman认为个人智能体距离大规模普及只差几项创新。缺失的关键未必是更高的智能，而是可靠性：能够在无人监督下稳定执行复杂任务的智能体。第一个真正做到这一点的产品可能会变得不可或缺。

6
企业在守护错误的护城河：它们的用户界面

消费者不想和成百上千个不同公司的聊天机器人打交道，他们希望自己的个人AI智能体代表自己与企业互动。亚马逊的护城河不是它的网站，而是信任、商品选择和履约能力。下一代互联网可能是"智能体对智能体"的，公司网站作为界面的作用将越来越微不足道。

7
AI可能让重建整个技术栈在经济上变得可行

过去，重写操作系统、网络基础设施或遗留应用的成本高得令人望而却步。AI改变了这一等式，同时AI驱动的漏洞发现也让现有架构愈发值得质疑。

一些最大的机会可能来自替换遗留基础设施，而非渐进式改良。