下载APP | 繁體版 | 发布广告 |常用工具

奥特曼在国会承认:中美的差距确实越来越小

京港台:2025-5-9 19:56| 来源:AI深度研究员 | 评论( 2 )  | 我来说几句


奥特曼在国会承认:中美的差距确实越来越小

来源:倍可亲(backchina.com)

  2025年5月8日,美国国会山。

  当 Sam Altman 再次走进华盛顿特区参议院的听证大厅时,坐在他对面的,不只是几位议员,而是一整套制度在等待回应:

  AI 会毁掉工作,还是释放新的生产力?

  美国还领先吗?中美差距到底在哪?

  如果未来被一个“AI系统”主导,那系统该由谁定义?

  他没有像技术人那样讲模型升级、参数突破,也没像创业者那样谈公司估值、产品路径。

  他开口就说:“我们正在建设世界上最大的 AI 工厂。” 他讲隐私、讲能源、讲就业、讲国家竞争力。 他说:“未来十年,谁掌握智能和能源,谁就赢。”

  而在他发言的最后,他抛出一个几乎没人准备好的判断:

  AI可能是人类历史上最大的技术变革,但就连他自己也不知道它将走向何方

  这不是一次产品发布会,这是一次国策级的预警。

  听懂他讲话的人,才知道这场竞争的底层规则已经改写。

  ️ 第一节|系统开始裂缝了

  “能在这里,是一种真正的荣幸。”

  这是 Sam Altman 5 月 8 日再次站上国会山作证时说的第一句话。

  但接下来,他说出的第一组数据却让人警觉:“ChatGPT 每周有五亿人使用。我昨天刚看到,根据 SimilarWeb 的数据,它现在是全球第五大网站,增长非常迅速。”

  Altman 指出,过去两年,美国的医疗、科研、教育、客服等基础服务体系,已经被 AI “静默嵌入”:研究效率提升,医疗建议下沉,学习方式重构。他不是在夸产品,而是在发出预警:AI 不是一次“行业升级”,而是一次“系统重构”。AI 不再是即将发生的事,而是已全面渗入我们日常的现实。

  然后他讲了一段即兴插曲。“我是在圣路易斯长大的,一个电脑极客。小时候整夜不睡觉学编程,在阁楼里用的是美国制造的 Mac,那台芯片就在我现在住的地方附近设计的。”

  他说,这段经历让他坚信,美国的创新精神,曾是 AI 发生的土壤。

  但他紧接着补了一句:

  “我们必须确保它能继续发生。要继续发生,我们需要重建系统。”

  什么系统?

  他说,不是软件团队,不是模型算法,而是一整套“AI 工厂”体系:能源 → 芯片 → 数据中心 → 模型 → 应用。

  “我们正在德克萨斯州阿比林建设世界上最大的 AI 训练设施。它进展顺利,但我们需要更多这样的工厂……这一整套 AI 供应链必须在美国落地。”

  这已经不是 OpenAI 的产品规划,而是美国国家系统能力的“承压测试”。

  最后,他抛出一句判断:“未来十年将是关于丰富的智能和丰富的能源,确保美国在这两方面都领先,是至关重要的。”

  他不是在争某一轮技术领先,而是在争系统不掉队。

  因为一旦能源断供、芯片外溢、数据受限、标准缺席,整个 AI 体系就会陷入结构性瘫痪。

  ️ 第二部分|AI 工厂,是美国的下一座水电站

  

  如果说上一节是AI对社会系统的压力测试,那么 Altman 接下来的发言,更像是一份“国家级基础设施施工图”。

  AI 工厂不是产品,是国家工程

  他从一个地方讲起:“昨天我去了德克萨斯州的阿比林,那里我们正在建设世界上最大的 AI 训练设施。”不是办公室,不是园区,而是AI 工厂(AI factory)。

  他解释说,AI 模型的背后,不是几行代码,而是一整套现代工业链路:

  你需要电力,源源不断;

  你需要芯片,最好是美国自己设计和制造的;

  你需要数据中心,不是几千台机器,而是“超级计算厂房”;

  你还需要建构这些机器的机架,安装调度系统,冷却设备,高压转换装置,甚至消防通道。

  然后——你才能训练一次大型模型。

  这已不是硅谷式的“软件创业故事”,而是类似修铁路、建水坝、造航母那样的国家工程。

  Altman 说得很直白:“我们需要更多这样的设施。有一整套 AI 工厂,像一条完整的供应链,我们必须在美国完成这些建设,才能继续创新、继续领先。

  这听上去,像是一版 AI 时代的“罗斯福新政”—— 它不是为了解决就业问题,而是为了重塑国家竞争力的底座。

  智能的尽头,是能源账单

  他提出一个很容易被忽略的公式:

  智能的最终成本 = 能源的成本

  你可以把 Altman 的逻辑理解为这样一组简明等式:

  Token = 电力 × 芯片 × 算法 × 数据 × 冷却系统

  智能系统 = 一个超级耗能的工业基础设施

  下一轮国家竞争力 = 谁能让AI工厂在本国规模部署

  换句话说:AI 不是“云里转的算法”,而是一条吞电、耗芯、讲工业组织效率的全栈链条。这场竞争的关键,不在于谁的模型能力更强,而是谁能把这套系统真实落地。

  “如果我们不能建立基础设施,尤其是在本国制造芯片,那么一切都会崩溃。”

  真正的分水岭:谁能把系统跑起来

  Altman 多次强调:AI 工厂不是为了训练某一个模型,而是为了支撑一整个“国家级智能系统”。

  在这场全球范围的系统竞赛中:

  能源是地基,

  工厂是出发点,

  数据是燃料,

  芯片是心脏,

  而制度,则是它们能否协同运转的中枢神经。

  在 Altman 的叙述中,未来美国需要的不是更多的创业公司,而是:

  能拉起10GW级别算力的能源系统;

  能快速获批的建厂许可流程;

  能完整打通芯片、冷却、数据安全、模型调度的全链路;

  更重要的,是不犯“监管先行压死产业”的系统级错误。

  他非常清楚:真正的差距,不在模型性能,而在系统速度。

  Altman 话不多,却句句都是制度提醒:

  “AI 至少会像互联网一样重要,甚至更大。”

  如果美国不能在本土建好工厂、铺好能源网络、留住模型训练空间——

  这一次,它将不是技术领跑者,而是被下一套系统淘汰的前一代玩家。

  ️ 第三部分| 输在系统,不在模型在国会的听证厅里,Sam Altman 没有绕圈子。他被问到中美AI竞争的问题时,直接抛出一句:

  “我们相信,美国的模型,包括 OpenAI 和 Google 以及其他公司的一些模型,是世界上最好的模型。”

  这听起来像是一句自信的陈词,但接下来 Altman 的语调突然一转:

  “很难说我们领先多远,但我会说:不是很长的时间。”

  这句“不太远”,不是谦虚,而是一次制度提醒—— 真正拉开差距的,不是模型能力,而是系统部署的速度与弹性。

  DeepSeek 给出的信号,是“系统突破的速度”

  在现场,Altman 明确提到中国团队 DeepSeek,并且指出两个关键事实:“第一,他们做了一个很好的开源模型。第二,他们还推出了一个消费者应用,短暂地超过了 ChatGPT,成为下载量最大的 AI 工具,甚至可能是整体下载量最大的应用。”

  这不是简单的“模型刷榜”,而是一种现象级信号:

  中国的开源模型从研究到产品化的路径正在迅速缩短;

  模型本身不再是唯一的核心壁垒;

  谁能更快进入终端,谁就拥有用户、数据、生态与认知主权。

  Altman 并没有表现出焦虑,但他明确表示:“如果 DeepSeek 或其他消费者应用真的成为主流,并打败 ChatGPT 成为人们使用的默认 AI 系统,那将是不好的。”

  因为这不是市场份额的问题,而是系统标准、价值嵌入和全球使用习惯的“替代”。

  不是火箭科学,是系统不能自卡节奏

  在被问到“美国如何保持领先”时,Altman 给出了一段相当务实的回答:“这些都不是火箭科学。我们只需要继续做那些长期行之有效的事情,而不是犯一个愚蠢的错误。”

  这句话的关键词是“长期”和“别犯错”。那“蠢的错误”是什么?

  他明确列出了三点:

  对数据设限过严,训练空间不如海外同行;

  基础设施建设受限,无法扩展芯片与能耗配套;

  过早设立标准,行业尚未成熟便被掐死在摇篮里。

  Altman 并没有呼吁“放任自由”,而是强调“给行业一点生长空间”:“我相信行业正在迅速朝着确定正确协议和标准的方向发展,我们需要空间来创新和快速前进。”

  换句话说——监管不能比部署慢,但更不能比成熟快。

  Altman 的最后一段话,看似在说“苹果和微软”,其实是在说“制度弹性”:“世界用 iPhone、Google、Microsoft 产品……这就是我们产生影响力的方式。 我们不希望这停止发生。”

  他提醒听众:美国不是靠最强技术赢的,而是靠让技术快速流通、快速使用、快速全球化。

  ️ 第四部分|赢扩散,不踩刹车

  

  在大多数人印象中,AI监管意味着“踩刹车”——放慢速度,设置限制,防止危险。

  但在 Sam Altman 眼中,这样的监管方式,只会把胜利拱手让人。

  他说得非常直白:

  “我认为如果标准被过早设定,那将是灾难性的。”

  因为这不是单纯的“谁更谨慎”,而是会导致一种不可逆的后果:“世界将转而使用更好的产品——只不过那些更好的产品,不一定是我们造的。”

  Altman 真正担心的,是“误时”的监管

  他不是唱反调。他承认监管很重要——甚至是必要的。“一旦行业确定标准由什么构成,然后由政府机构采纳并使其正式化,这是完全可以的。”

  他担心的不是有监管,而是监管滞后于现实,又超前于理性:

  技术才刚刚进入产品化阶段,政府就要求其承担全部社会后果;

  行业尚未建立互通协议,就被政策硬性设限;

  用户还在理解产品如何使用,监管已试图定义它的边界。

  Altman 的观点很清晰:标准应该来自于实际使用,不是预设风险。换句话说——不是画好跑道再起跑,而是边跑边筑路。

  赢下扩散,才是AI的真正胜利

  Altman 说的最有力的一句话是:“如果我们的心理模型是赢得扩散,而不是阻止扩散,那方向上就是对的。”这句话彻底改写了人们对监管的想象。

  在他看来,AI是一种可以全球传播的系统级产品:

  它的使用量决定了谁的数据更丰富;

  它的迭代速度决定了谁的模型更强;

  它的用户依赖程度决定了谁拥有平台生态;

  最终,它将决定谁拥有系统主导权与技术嵌入权。

  所以,“赢下扩散”意味着:

  要让世界使用美国的模型;

  要在美国本土建设最大、最强、最节能的数据中心;

  要让美国标准成为全球参考;

  而不是被限制束缚、被慢节奏拖拽,最后看着别的国家成为默认选项。

  Altman 不是在警告“模型危险”,他提出一个更深层的事实:你以为监管是在防AI,其实是在决定谁拥有定义未来的权力。

  这不是技术比拼,而是认知范式的争夺。

  ️ 第五部分|AI不是来消灭工作的,它在重写“工作”这件事Sam Altman 坦言,他被问到最多的问题之一就是:“AI 到底会不会毁掉所有的工作?”

  他没有回避这个问题,也没有轻描淡写。他反而直接指出:

  “这次与以往技术革命不同的是——速度。”

  技术革命从来都在发生。马被汽车取代,电话取代信件,电脑代替打字机……但这一次不同。

  “我不知道,也不认为有人能确切知道它会发展得多快, 但它看起来可能会非常快。”

  当参议员还在提问“AI 会取代哪些人”,Altman 给出的回答,是一个更根本的判断:“不是哪些工作会消失,而是‘工作’这件事本身正在被重新定义。”

  从“岗位”逻辑到“协作体”逻辑

  Altman 抛出一个全新的劳动逻辑:“我们称之为迭代部署——把强大的工具尽早放在人们手里,让他们习惯它、共建它,是最重要的事。”

  这不是理想主义,而是OpenAI一贯的产品哲学:

  不把AI藏起来,而是快速发布给大众;

  不等待社会准备好,而是与社会同步适应;

  不是为了替代人,而是为了形成“人机协作的新型劳动体”。

  他说,这种策略过去五年一直在运作。而成果,已经在编程领域显现:

  “在 2025 年 5 月,成为一个有效的程序员, 已与我上次来到这里(2023年5月)时,完全不同了。”

  他用自己熟悉的领域举例:“这些工具真正改变了程序员能做的事,世界将获得的代码量和软件复杂度,也在同步飞升。”未来的工程师,不是写代码的人,而是指挥 AI 写代码的人。

  AI不是“抢饭碗者”,是“组织再定义者”

  Altman 没有用“赋能”这种抽象说法,

  而是讲了一个 Uber 司机的故事:“ChatGPT 推出半年后,我坐进一辆 Uber,司机说:‘你听说过 ChatGPT 吗?太神奇了。’然后他告诉我,他靠 ChatGPT 运营整个洗衣小店。”

  这个司机不会写广告,不懂法律,不擅长客户服务。

  但有了 ChatGPT,他:

  用 AI 生成文案;

  让 AI 审核合同;

  甚至用 ChatGPT 回复用户邮件。

  Altman 说,这是 AI“被使用”而不是“被恐惧”的典范。这不是失业的故事,而是“个人成为微型组织”的新形态出现。

  未来是“用AI的人 vs 不用AI的人”

  Altman 给出的金句,值得反复咀嚼:“我们想要达到的理念是——AI 不是取代工作,而是增强工作。人们将变得更有生产力,做的事情,甚至我们今天都无法想象。”

  他提醒听证会的议员们,如果你回望 100 年前,根本无法想象今天的职业形态:

  用户增长专家;

  短视频编导;

  代码prompt工程师;

  模型红队审查员……

  而未来十年,依靠AI创造的新职业,也将以我们无法预测的方式诞生。

  我们可以适应技术变革,这点历史早已证明。但这一次,节奏会非常快。我们必须让教育和工具一起部署,才能跟上。

  ️ 第六部分|AI开始理解你,它也开始重构你信任的一切在听证会的后半段,Altman 讲到一个技术圈以外、但对普通人至关重要的问题:“我们必须认真看待人们与AI的关系正在发生的变化。”

  他说,有些东西,正在我们几乎没有意识到的前提下悄然变化。

  AI开始知道你一切的那一刻,隐私的定义就变了

  Altman 指出一个现实:

  “人们与AI系统分享的信息,比我认为他们以往与任何技术分享得都多。”

  这意味着,如果AI是一个“聊天工具”,那只是表层。更深层是:AI 是那个从不疲惫、不反驳、永远在线倾听你的存在——它可能比任何人都更了解你。

  Altman 说:

  “AI 系统真正的效用,发生在它们能非常个性化地理解你的那一刻。”

  而这,就是问题的根源。

  “当AI比你伴侣更懂你”,我们该如何重新划分信任?

  这不是一个科技性问题,而是一个结构性的信任问题:“我们将如何考虑, 在AI了解你整个人生后,如何保护你说过的话?”

  Altman 提出三个必须被重新设计的控制维度:

  个人数据控制权——用户必须知道自己说了什么,AI存了什么;

  信息分享边界——当AI连接到其他系统,是否能任意转发、重组、调用你的数据?

  情感依赖风险——当AI成为“情绪倾诉对象”,人是否会形成深度依赖?

  他知道不是模型最强的问题,而是:人类如何在智能系统面前,重新定位自己的关系权力。

  AI时代的“伪造内容”不再是技术问题,而是心理攻击

  在谈到“深度伪造(deepfake)”问题时,Altman 承认:“我们很乐意配合立法,因为这个问题已经快速逼近。”

  但他马上指出,解决方式不能只靠代码层面的限制。

  他提出一个“多轨并行”的治理框架:

  AI生成端:平台要建立明确标识与溯源机制;

  内容传播端:分发平台要设置自动识别与用户提醒;

  用户教育端:社会要预期、识别并习惯“内容未必是真”的现实。

  他说得非常现实:“我不相信我们能阻止内容的生成。开源模型、开放权重是大势所趋。”

  你防不了AI生成伪造,但你可以防止自己上当。

  这句话,是一个社会心理建设的提醒:“我们越早让人们理解这些内容可能是AI生成的,并在他们自己大脑中建立防御机制,越好。”

  他举了一个例子:

  “你可能接到一个电话,声音是你认识的人,情绪崩溃、请求帮助。

  或者看到一段视频,触动你的情绪。你必须在心理上建立准备,因为它们可能是假的。”

  他没有把这停留在“AI滥用”的层面,而是进一步指出:AI伪造不可防,但信任可以重建。

  ——法律是护栏,技术是盾牌,教育是疫苗,而心理韧性,是我们最后的免疫系统

  ️ 第七部分|下一轮现实,AI共创

  

  在听证会上,有参议员问了这样一个问题:

  “你怎么看待 AI 奇点(Singularity)? 就是那种 AI 超越人类智能之后的临界点——它真的会来吗?”

  他没有给出时间预测,也没有承诺控制方案,只说:“我在它面前感到渺小。”

  他停顿了一会儿,说了一句话:“我对进展的速度感到非常兴奋,但我也非常谨慎。我会说,我在它面前感到渺小。”

  这句话,在这个场合说出来,极具意味。

  他不是一个悲观者。他只是想提醒大家:这一次文明自我重构的临界点。

  不是模型跃迁,而是文明跃迁

  Altman 接着说了一段相当有穿透力的话:

  “我相信这将是人类历史上可能出现的最大技术革命之一, 甚至可能是最大的一次。”

  他没有用“毁灭”这样的词汇,而是强调一种历史尺度:

  就像火、电、网络;

  它不是一个工具;

  它是我们下一轮认知、生产、组织方式的根系统。

  他说:“人类有一种惊人的适应能力,看起来惊人的东西,很快就会成为‘新常态’。”就像你已经在用 ChatGPT 查文献、写邮件、陪孩子做作业一样。

  它早已介入你的判断、表达与决策,只是你还以为它是“工具”。

  不是规划未来,而是协作生成

  Altman 有一句话,说得极其克制:“这些工具将能做到一些我们无法完全理解的事情,当它们开始帮助我们创造下一个未来版本时……”

  他没有明确说出“奇点已到”,但他说的是另一件更重要的事:

  “未来不是我们规划出来的, 而是我们与AI协同、试错、演化出来的。”

  他把这种状态称为:“有些人称之为'奇点',其他人称之为'起飞'。无论它是什么——它感觉像是人类历史的一个新时代。(Some people call it the Singularity.Others call it the Takeoff.Whatever it is — it feels like a new era in human history.)”

  不要幻想“管住AI”,而是设计“与AI共创的机制”

  Altman 在最后反复强调:“我们可以让这一切变成美好的事情,但我们必须带着谦卑和一点谨慎接近它。”

  这句话之所以重要,是因为它对所有制度、公司、个体发出了一个新的角色邀请:我们不再是监管者或操控者,而是共创者、系统接口的设计人。

  这就是为什么 OpenAI 把模型权重交给国家实验室——因为:“科学发现,可能是AI对人类最有价值的贡献。”

  AI不替你完成工作,而是带你进入“人类自己无法到达的空间”:

  它帮助我们重新定义科研效率;

  它帮助我们理解大脑、疾病、物理定律;

  它甚至可能帮助我们重建人类的知识秩序。

  而我们的责任,是不设限、不设敌,而是设计出可以共创未来的机制。

  结语|不是AI赢了,是系统扛住了Sam Altman 这次站在国会作证,没有讲技术路线,也没有宣传产品。

  他说的只有一件事:

  AI,不只是模型比拼,而是国家系统的压力测试。

  从能源、芯片、工厂,到人才、就业、监管——每一个系统部件都在被重新定义。

  他没有要求支持,也没有请求资源。 他说的只是一个事实:

  不是 AI 跑得太快,而是人类的认知系统准备太慢。

  如果跟不上,输掉的不是模型、不是公司, 而是我们自己,在自己的主场。

  

 

推荐:美国打折网(21usDeal.com)    >>

        更多科技前沿 文章    >>

【郑重声明】倍可亲刊载此文不代表同意其说法或描述,仅为提供更多信息,也不构成任何投资或其他建议。转载需经倍可亲同意并注明出处。本网站有部分文章是由网友自由上传,对于此类文章本站仅提供交流平台,不为其版权负责;部分内容经社区和论坛转载,原作者未知,如果您发现本网站上有侵犯您的知识产权的文章,请及时与我们联络,我们会及时删除或更新作者。

关于本站 | 隐私政策 | 免责条款 | 版权声明 | 联络我们 | 刊登广告 | 转手机版 | APP下载

Copyright © 2001-2025 海外华人中文门户:倍可亲 (http://www.backchina.com) All Rights Reserved.

程序系统基于 Discuz! X3.1 商业版 优化 Discuz! © 2001-2013 Comsenz Inc. 更新:GMT+8, 2025-5-10 00:33

倍可亲服务器位于美国圣何塞、西雅图和达拉斯顶级数据中心,为更好服务全球网友特统一使用京港台时间

返回顶部