OpenAI CFO 与 Khosla Ventures 创始人：AI没有泡沫，收入增长和算力投资强相关，消费者普及带动企业应用

👇关注公众号后设🌟标，掌握第一手 AI 新动态

本文内容整理自 OpenAI CFO Sarah Friar, Khosla Ventures founder Vinod Khosla 在 OpenAI 频道的专访，公开发表于 2026 年 01 月 20 日。原始内容参考：https://www.youtube.com/watch?v=Z3D2UmAesN4

内容提要: OpenAI CFO Sarah Friar 和 Khosla Ventures 创始人 Vinod Khosla 在 OpenAI 播客上的对谈

• 2026 年的 AI 发展重点： 智能体（尤其是多智能体系统）将走向成熟并产生实质影响，能够执行复杂的企业任务（如 ERP 系统管理）或消费者任务（如旅行规划）。
• 现实世界模型与通用直觉： 机器人技术和超越机器人的现实世界模型（如通用直觉）将在明年（2027 年）取得显著进展。
• LLM 的持续进化： 大语言模型（LLM）将持续改进，重点解决记忆、持续学习能力以及减少幻觉等问题。
• 缩小能力差距： 2026 年是缩小 AI“能力差距”的开端，重点在于帮助消费者和企业从简单的 AI 问答升级为真正的任务执行者和高度专业化的解决方案。
• AI 使用普及率： 即使 AI 能力显著提升，绝大多数个人和企业用户目前利用的 AI 能力仍不足 30%。AI 的深度普及和学习使用将是一个长达十年的旅程。
• AI 即基础设施： AI 被类比为像电力一样的基础设施，其需求仅受限于计算资源的可用性。由于价格弹性极高，潜在需求几乎是无限的。
• 反驳泡沫论： AI 领域的“泡沫”应以 API 调用量而非股价或估值来衡量。当前的 API 调用量反映了真实且巨大的需求，而非投机泡沫。
• AI 在健康领域的潜力： AI 在健康领域具有革命性潜力，能将医疗专业知识商品化，辅助诊断、制定个性化方案等，但仍面临监管障碍。
• OpenAI 的算力需求： OpenAI 的算力投资与收入增长强相关，目前计算能力受到极大限制，需要巨额投资以满足未来需求。
• OpenAI 的商业模式演进： 从单一产品、订阅模式发展为多维度的产品矩阵（ChatGPT、Sora）、多样的商业模式（SaaS、按需付费、潜在的许可模式），以及多云、多芯片的基础设施策略。
• AI 驱动的生产力革命： 采用 AI 的公司（特别是科技型公司）生产力显著提升（27%-33%），AI 将促使员工转向更具增长导向的岗位，或实现“人员+智能体”的组织模式。
• AI 在企业市场的竞争力： OpenAI 通过消费者普及带动企业应用（已获得 90% 公司的使用或计划使用），专注于垂直领域并提供深度专业化解决方案，目标是实现智能体驱动的业务转型。
• 初创公司的机会： 尽管 OpenAI 等巨头在基础模型上占据优势，但特定用例（如数据聚合、复杂业务流程、代理身份管理、机器人技术）的上层应用构建仍有巨大空间。
• 机器人行业的颠覆性潜力： 机器人产业（包括双足机器人）未来规模可能超越汽车产业，将驱动巨大的生产力提升。
• AI 带来的“稀缺性”变化： 优秀人才仍然是最稀缺资源，但“推动事情发生的能力”（自主权）变得更加重要；AI 将使劳动力和专业知识趋近免费，带来大规模通货紧缩经济。
• AI 的社会适应性挑战： AI 将极大地提高社会最低生活保障水平，实现免费医疗、教育和 AI 导师，但住房等硬性问题仍需解决；社会需要深入探讨“人们究竟会做什么”这一话题。

OpenAI CFO Sarah Friar, Khosla Ventures founder Vinod Khosla 简介

Sarah Friar (莎拉·弗莱尔)：作为 OpenAI 的首席财务官，Sarah Friar 在公司的财务战略和运营管理方面扮演着至关重要的角色。她拥有丰富的财务经验，曾在多家知名科技公司担任高级财务职务。她的加入为 OpenAI 带来了强大的财务领导力，助力公司在快速发展的 AI 领域实现可持续增长。

Vinod Khosla (维诺德·科斯拉)：作为 Khosla Ventures 的创始人，Vinod Khosla 是一位极具影响力的风险投资家，在科技行业拥有深厚的根基和独到的眼光。Khosla Ventures 专注于投资颠覆性技术和创新型初创企业。Vinod Khosla 本人以其前瞻性的投资理念和对技术趋势的敏锐洞察而闻名，是科技界一位备受尊敬的人物。

内容简介

OpenAI 首席财务官 Sarah Friar 和 Khosla Ventures 创始人 Vinod Khosla 指出，当前 AI 面临的最大挑战是满足需求并确保更多人受益。他们剖析了推动大规模算力投资的驱动力，并解释了为何当下的时刻不同于以往的技术周期——尤其是在健康、智能体和机器人领域，未来仍有重大的进步空间。

访谈全文

主持人 Andrew Main： 大家好，我是 Andrew Main，欢迎收听 OpenAI 播客。今天的嘉宾是 OpenAI 首席财务官 Sarah Friar，以及传奇投资人、Khosla Ventures 的 Vinod Khosla。我们将探讨 AI 生态系统的现状、我们是否处于泡沫之中，以及随着 AI 的发展，初创公司和投资者如何才能取得成功。

Sarah Friar： 与 Netflix 这类抢占用户时长的服务不同，我更倾向于将 AI 视为基础设施，就像电力一样。

Vinod Khosla： 如今，需求的唯一瓶颈在于计算资源的可用性。我认为我们需要深入探讨的问题是：“人们究竟会用它来做什么？”

主持人 Andrew Main： 2025 年的主题是“Vibe Coding”（氛围编码）和智能体。现在是 2026 年，这一年的故事主线又是什么？

Vinod Khosla： Vibe Coding 在 2025 年已经成熟，但我认为智能体当时尚未成熟。因此，2026 年将是智能体——尤其是多智能体系统——走向成熟并产生实质性影响的一年。

无论是企业应用，让多智能体系统执行完整的任务链，比如管理 ERP 系统、处理日常对账、权责发生制核算以及合同追踪……

而在消费者端，如今规划一次旅行仍旧繁琐。这是一项多智能体任务，涉及饮食偏好、餐厅预订、航班时刻表以及个人日程安排。我认为一年之内，这些功能将开始成熟。所以我非常兴奋。

至于机器人技术以及超越机器人的现实世界模型（如通用直觉），也都将在明年取得进展，这些都是值得关注的领域。此外，LLM 的记忆能力、持续学习能力以及减少幻觉等方面，也将得到显著改善。

我还可以列举很多，目前 AI 在不少领域还不够完美，但这些问题都将开始得到解决。

Sarah Friar： 是的。正如 Vinod 所言，2026 年是“缩小能力差距”的开端。我们赋予了人们巨大的智能，这就好比把法拉利的钥匙交到了用户手中，但他们才刚刚开始学习如何上路驾驶。

我们需要让消费者更轻松地使用 ChatGPT，从简单的问答机器人升级为高级应用。目前大多数人只用它提问，但我们如何让它成为真正的任务执行者？比如为你预订行程，对医生的诊断提供第二意见，或者为患糖尿病的孩子制定食谱？关键在于如何从简单的“提问”转化为切实改善生活的“结果”。

在企业方面也是如此。根据我们发布的《企业 AI 现状》报告，前沿企业与普通企业在消息使用量上的差异约为 6 倍。这表明前沿企业的使用深度远超普通企业，而且即便如此，它们也尚未发挥出 AI 的最大潜力。

因此，我们的重点是帮助消费者沿着这一路径进阶，让 AI 成为真正的智能执行者；同时也帮助企业创建更复杂的垂直专业化方案——从简单的 ChatGPT 应用，发展到能变革核心业务的深度整合（如医疗机构的药物发现流程、医院的病患管理，或零售商的转化率提升）。这就是缩小能力差距的基础。

Vinod Khosla： 我想补充一点。我们讨论了许多技术和能力将要进步的领域。但我敢打赌：在使用 AI 的个人或企业中，能发挥其 30% 以上能力的人占比仅为个位数。

能用到 30%、50% 甚至 80% 能力的用户比例将持续增加。但我认为，要让人们真正学会充分利用 AI，这将是一个长达十年的旅程。

主持人 Andrew Main： 确实如此。我见过一种情况，很多专家会将“采用曲线”与“能力曲线”混淆。这就是我想表达的观点。

Sarah Friar： 这是一个倍增器。虽然今天每周有超过 8 亿人使用 ChatGPT，但这数字本应是数十亿。而且，他们到底用了多少功能？这就好比家里刚刚通了电，人们只知道开灯，却完全不知道电还可以用来供暖、做饭、卷头发。现在能做的事情太多了。

主持人 Andrew Main： 我常用一个类比：从 1990 年到 2000 年，电子邮件本身并没有质的飞跃，手机也是如此，但使用量却激增。问题不在于我们需要更好的邮件系统或手机，而在于人们需要学会利用它们做更多事情。

Sarah Friar： 没错。手机的发展史很有趣。刚开始人们只是把桌面网页搬到手机上，体验很差，唯一的优点是能装在口袋里。但后来你意识到有了 GPS 就可以做 Uber 这样的应用；有了摄像头，不仅可以给朋友拍照，还可以拍张支票直接存入银行账户——虽然我们本该彻底消灭纸质支票，但这又是另一个话题了。

主持人 Andrew Main： 拍张照片就能存钱，这至今仍让人觉得不可思议。

Sarah Friar： 是的，其实硬件条件早就具备了，缺的只是人类发挥创造力的过程。所以我认为你说得对，或许我们甚至不需要比今天更智能的 AI 就能极大提升成果，当然，模型本身也会变得越来越聪明。

主持人 Andrew Main： 你提到了健康领域，这是一个风险极高但也最重要的领域。几年前我们刚有 ChatGPT 时还只是做简单的应用，如今我们已经信任它处理符合 HIPAA（健康保险流通与责任法案）标准的数据，这太令人着迷了。你认为这是衡量发展速度或质量的一个标志吗？还有其他类似的迹象让你觉得，“好了，我们已经达到了一个新的水平”吗？

Vinod Khosla： 健康显然是关键领域之一。我一直坚信，AI 将通过让所有医疗专业知识变得普及化和大众化，从而彻底变革这一行业。

医疗领域的问题在于监管。首先，AI 的能力受到限制。即使 AI 在开处方方面比人类做得更好，法律也不允许它开处方。这不仅仅是 FDA 的问题，实际上超越了 FDA，而是美国医学会（AMA）在制度性地控制这一职能。因此，我们在许多领域都会遭遇既得利益者的阻力。

如果你愿意，我们可以深入探讨。但在诊断方面……

诊断仍然受到限制，因为这由 FDA 控制。目前还没有 AI 被批准作为医疗器械。值得庆幸的是，本届政府在快速推进和承担适当风险方面做得非常出色。所以我对目前的进展感到非常满意。

Sarah Friar： 在健康领域，我们的数据显示，每周有 2.3 亿人向 ChatGPT 咨询健康问题。66% 的美国医生表示他们在日常工作中使用 ChatGPT。

举个我个人的例子，我的弟弟是英国的一名重症监护室医生。他的工作场景是这样的：如果你去了急诊室，分诊处不知道该怎么处理，就把你送给他。你绝对不会希望落到他手里。虽然他医术高超，非常擅长他的工作，但这通常意味着你的情况已经不容乐观了。他需要掌握几乎所有已知疾病的百科全书式知识。

所以我经常举这个例子：他在苏格兰的阿伯丁工作。如果你出现疟疾症状，这通常不在他的模式识别范围内，他很难联想到这种病。然而，这种情况是有可能发生的。比如你夏天去度假被蚊子咬了，然后出现在阿伯丁的急诊室。ChatGPT——或者说这个模型——能做的，就是成为医生的强大补充。这就是为什么我认为有 66% 的医生在使用它，而且这个数字还在增长，现在可能更高了。

所以，这是一个很好的例子。在医疗健康领域，我们让医生受益于随时获取最新的研究成果，以及最新的药物相互作用信息——比如患者正在服用的药物与他们当前生活状况之间的相互作用。同时，这也赋予了消费者自主权。现在，我有机会提前研究我的症状意味着什么，这样我就能和医生进行更有深度的对话。它让我能获得“第二诊疗意见”，或者知道何时该去寻求第二意见。

它也让我们能够迅速处理一些特殊情况。比如，“我患有一型糖尿病，每天只有 20 分钟的运动时间，我能做什么？”或者像我女儿在饮食方面有棘手的问题。以前去餐厅很令人沮丧，不得不问服务员很多问题。现在我们可以拍下菜单，ChatGPT 会建议最适合她的菜品。这样我们就能进行简短而有效的沟通。这改变了我们外出就餐的体验——不再仅仅是为了吃什么，而是回归到我们要一起吃饭的初衷。正如 DeFano 所说，我认为监管环境也必须跟上这些变化。

主持人Andrew Main： 无论身处何种医疗体系，医疗成本的增长速度都超过了 GDP。我们迫切需要人工智能的帮助。

正如你指出的，这是医疗智能化成本首次出现同比下降。但这带来了巨大的算力需求。我们还有更多的问题需要解答，人们也看到了对更多算力的需求。

OpenAI 在算力领域的投资规模大得难以想象。你们是如何确定这种需求的？你们看哪些指标来决定“是的，我们需要投入这么多”？

Sarah Friar： 首先，我们努力确保算力投资与收入增长步调一致。我们发现，当期算力与当期收入之间存在极强的相关性。回顾来看，2023 年、2024 年和 2025 年，我们的算力分别是 2 亿瓦（200MW）、6 亿瓦，而在去年底达到了 2 吉瓦（2GW）。这些数字是完美匹配的：2023 年底，我们的年经常性收入（ARR）为 20 亿美元，对应 2 亿瓦；2024 年底是 60 亿美元，对应 6 亿瓦；去年底略高于 200 亿美元，对应 2 吉瓦。

实际上，这种增长还在加速。曲线的斜率表明：算力越多，收入越高。当然存在时间滞后，因为我今天做出的决定，是为了确保我们在 2026 年、2027 年甚至直到 2030 年都有足够的算力。如果我不今天向数据中心下订单，它们就不会按时到位。

今天，我们感到算力受到了极大的限制。如果有更多算力，我们可以推出更多产品、训练更多模型、探索更多多模态功能。例如，去年全球硬件投资总额增加了约 2200 亿美元，芯片预测增加了约 3340 亿美元。这不仅仅是 OpenAI，而是整个生态系统在发出信号：人工智能是真实的，我们正处于范式转变之中，必须投资以提供人们所需的智能。

回到 OpenAI 内部，我们深入研究消费者、企业和开发者的需求信号。在基础设施层面，我们考虑基础的“马赛克”布局，力求实现最大的选择性——即做到多云、多芯片。这给了我们有趣的优势。

在产品层面，我们也希望变得更加多维。过去我们只有 ChatGPT。今天，我们有面向消费者的 ChatGPT（包含医疗等所有模块），有面向企业的 ChatGPT，还有新推出的 Sora 平台，以及一些变革性的研究项目。

再往上一层，我们拥有日益多维的商业模式生态系统。最初只有一个订阅计划来支付算力费用。现在我们有多种订阅方式。

主持人Andrew Main： 顺便说一句，我是首批 ChatGPT 订阅用户之一。

Sarah Friar： 非常感谢你。除了订阅，我们还推出了面向企业的 SaaS 定价，以及针对高价值应用场景的“按需付费”模式。我们也开始考虑商业化和广告等模式。

长远来看，我喜欢许可模式来实现真正的利益对齐。例如在药物研发领域，如果我们授权技术，助你取得突破并使药物大获成功，我们就能获得销售额的一部分作为许可费。这对我们和客户来说都是极好的协同。

所以，如果你综合考虑这三个层面，我看待它的方式就像一个魔方。我们从单一的模块（一个云服务商、一款芯片、一个产品、一种商业模式）发展到了现在的三维立方体。我记得魔方有大约 4300 亿亿种不同的状态，这从大学起就让我着迷。

现在想象一下旋转这个立方体：我们可以选择一款低延迟芯片，配合代码编写功能，速度提升 5 倍，并为此收取高额订阅费。这就好比魔方的一面呈现出三种颜色。我们再次旋转：低延迟芯片，更快的图像生成，吸引更多免费用户，从而为广告平台创造更多库存。

过去 12 个月，我们的目标就是创造越来越多的战略选择，使我有能力持续支付算力费用，以实现我们的最终使命：为了全人类的利益实现通用人工智能（AGI）。

Vinod Khosla： 简而言之：需求受到当前算力供给的限制，无论是 Sora 还是更广泛的领域。

而在价格弹性方面，对算力的需求几乎是无限的。我认为应该这样看待这个问题。

我们甚至还没开始触及价格弹性的杠杆。目前的状况纯粹是供给不足，需求被算力瓶颈死死卡住。

所以，那些谈论泡沫的人完全搞错了方向。他们根本不了解这场变革的量级，也不明白需求弹性和 API 调用需求的潜力有多大。

主持人Andrew Main： 作为 OpenAI 最早的投资者之一，您不仅预见到了今天的发展，也曾见证过互联网泡沫。您的信心是否来源于它的广泛适用性？它触及了多少不同的领域？

Vinod Khosla： 听着，我们投资时只有一个简单的衡量标准。没有预测，没有产品计划，也没有 ChatGPT。我们的想法很简单：如果我们能开发出接近甚至超越人类智能的东西，其影响将是巨大的。 这是一种非常宏观的思考：成功的后果将是极其重大的。

为什么不试一试呢？另外，关于“泡沫”有一个有趣的概念。人们常把泡沫与股价挂钩，但股价往往只反映了投资者的恐惧和贪婪，而非现实。所以我总是认为，泡沫应该以 API 调用的数量来衡量；就像在互联网时代，泡沫应该以互联网流量来衡量一样。

而不是因为某人过度兴奋或低估，在一天之内从喜爱 NVIDIA 变成憎恨 NVIDIA。这些波动不是现实。现实是底层的 API 调用数量。回看互联网泡沫时期，股价可能暴涨暴跌，但互联网流量本身并没有泡沫。

我几乎可以肯定，你在 API 调用数量中看不到泡沫。如果把这作为衡量 AI 真正效用、实用性或根本需求的指标，根本不存在泡沫。

我不太关心华尔街怎么看，那只是为了填补新闻版面，并非现实。

价格不是现实，股价不是现实，私人公司的估值也不是现实。唯一的现实是 AI 的实际需求，即 API 调用的数量。

Sarah Friar： 没错。回溯到 1999 年，当时人们从互联网获得的价值其实非常微小，技术太稚嫩，还没能真正改变生活。

但在 AI 领域，变化发生得如此之快，如此真实。撇开 OpenAI CFO 的身份，单纯作为一个财务高管，我看到我的组织内部正在发生变化。AI 正在真正接管那些枯燥乏味的任务，而以前我必须通过不断加人来解决这些问题。

以收入管理为例。在一个负责收入管理的团队中，他们每天要做的一件事就是下载前一天或整周签订的所有合同，逐一阅读，以确保没有意料之外的“非标准条款”。因为非标准条款可能意味着收入确认方式的变更，这对财务团队来说至关重要，也是审计师最先检查的项目。

随着我们业务的倍数级增长，每天的新合同数不胜数。在 AI 出现之前，我唯一的选择就是招聘更多人。想象一下那是怎样的工作体验：每天上班，读一份合同，再读一份，周而复始。这是多么单调、辛苦的工作。人们苦读会计或金融专业并不是为了做这种事，但我们却把这当作入门级工作交给他们。

Sarah Friar： 如今，利用 OpenAI 自身的工具，我也能在一夜之间从系统中提取所有合同，并将它们存入表格数据库（我们使用的是 Databricks）。随后，智能代理系统会介入分析，它能精准识别哪些是标准条款、哪些是非标准条款及其成因。它不仅会建议收入确认的结果，还能提供更深层的洞察，比如：这个条款是否合理？销售人员是否做出了不当让步？这种情况下，我会直接去指导他们。

系统是否在提示我的业务正在发生变化？也许某个非标准条款实际上理应成为标准。这可能意味着我正在经历商业模式的转型，这其实是件好事。或者，我可能需要在满足客户和销售人员需求的同时，维持现有的收入确认原则和商业模式。我知道，原本在这一争论中处于被动一方的年轻员工，正在重新找回工作的乐趣。

这也是为什么我认为这并非泡沫——因为价值是真实可见且触手可及的。这意味着我可以用更精简的团队实现更高的绩效，同时团队拥有更高的士气和留存率。这一切都是可量化的，表明我的业务正变得更加健康。当媒体试图引导关于“泡沫”的讨论时，他们忽略了一点：我们是在满足需求，甚至可以说是供不应求。

对我而言，所谓的泡沫是指投资超前于需求，随后却出现了需求断层。

Vinod Khosla： 再看看生产力数据，尤其是那些正在采用 AI 的新一代技术型公司，其生产力正在飙升。这些数字简直惊人。我最喜欢的例子是一家名为 Slash 的小公司，年收入约 1.5 亿美元。

因为采用了面向 AI 的 ERP 系统（替代了 NetSuite），他们只有一名财务主管负责会计工作。CEO 甚至还在向我道歉，说因为发展太快，他可能不得不雇佣第二个人。这种效率令人难以置信。我还刚看到一个案例：一名销售开发代表（SDR）在 AI 的监督和辅助下，完成了过去 10 个人的工作量。

主持人Andrew Main： 我听过两种观点：与其雇佣不创造增长领域的人，不如现在将资源投入到能为公司带来更多增长的人身上。这就是为什么许多科技公司发展如此迅速的原因。

Vinod Khosla： 正如那句老话所说：“未来已来，只是分布不均。”确实，无论是生产力、效率还是敏捷性，我们都看到了巨大的提升，企业能够更快速地行动。但目前全球乃至美国，真正采用甚至了解这些技术的人仍是少数。所以，核心问题还是回到了需求上。

我认为，随着时间推移，这些理念和案例将传播给所有人，你会看到技术的采用率呈指数级增长。这就是为什么我认为需求完全不是问题。

Sarah Friar： 是的，Vinod 说得完全正确。麦肯锡曾做过一项研究，表明处于前四分之一的企业，其生产力（无论采用何种财务指标衡量）提升了 27% 到 33%。这是一个非常有意义的飞跃。

我想强调的是，这不仅仅意味着整体员工数量的减少，更在于将员工转移到更具增长导向的岗位上。

这个周末我与一位大型咨询公司的高管徒步，他提到其“后端系统”负责人现在将组织称为“人员+代理”模式，比例达到 1:5，即一名员工配备五个智能代理。而在前端，他们为了实现增长正在重新招聘，因为客户现在需要更多关于部署 AI 的帮助。

所以，这实际上是让人们回归到他们真正想做的工作，而不是那些仅仅因为信息过载而被迫从事的枯燥工作。现在，我们终于回到了由机器和智能代理来解析信息的时代。

主持人Andrew Main： 我想回到消费者这一方面。你提到了广告，当然，我们的观点是：通过广告，你可以增加给人们的福利，提供更多服务和 AI 算力，人们能从中获得更多价值。但这引出了信任问题。最初人们想到 AI 时，即使只是提问，也会担心 ChatGPT 会如何处理个人信息。一旦引入广告，人们通常会更担心这对产品和整个组织会产生什么影响。

Sarah Friar： 是的，你的出发点很对。首先我们必须明确，今天 95% 的消费者用户都在免费使用我们的平台。这正是我们的使命所在：通用人工智能（AGI）应造福全人类，而不仅仅是那些有支付能力的人。因此，使用权限至关重要。

从广告的角度来看，第一，我们必须确保每个人都明白，你得到的永远是模型能提供的最佳答案，而非“付费答案”。我认为其他平台在这方面有所倒退，用户往往无法确定这是赞助链接还是真正的最佳结果。我们的北极星指标是：模型将始终为你提供最佳答案。

第二，大家需要理解广告可以具有很高的实用价值。我们希望用户清楚自己何时在与广告互动。例如，如果我搜索“周末去你最喜欢的城市（比如圣迭戈）度假”，Airbnb 的广告其实会非常有帮助。在这种情境下，你甚至可能希望在 ChatGPT 的环境中与广告商进行深入对话，当然前提是你明确这是一个广告环境。我们需要在平台内生体验方面进行更多创新，而不是沿用那种老旧的横幅广告模式。

第三，也是最后一点，我们必须始终保留无广告层级，给予用户选择权和控制权。我们非常重视数据隐私。当我们发布 Health 产品时，我们非常明确：用户的健康数据是独立的，不会被用于模型训练。对于 OpenAI 来说，信任是基石，即便涉及广告，我们也绝不会背弃这些原则。

主持人Andrew Main： 在消费者方面，未来我们会看到一个需要为各种不同 AI 服务支付高额订阅费的世界吗？

Vinod Khosla： 我认为会出现多种模式。大多数人会订阅不止一个服务。媒体行业就是一个很好的例子，大多数人都有多个媒体订阅。这可以作为消费者行为的一个参考。不同的人会做出不同的选择，包括使用带有广告支持的免费选项。所以，即便同一项服务，你也可以选择付费或免费获得。我认为未来会呈现出广泛的多样性。

Sarah Friar： 但是，你如何看待切换平台的成本呢？我非常喜欢 ChatGPT 的“记忆”功能。我发现它越来越好用，因为它记得我们几周甚至几个月前谈论过的内容。

我现在每天醒来都用 Pulse（虽然今天还没广泛普及），它简直太棒了。当你将它与日历连接起来时，它不再仅仅是说“我知道你对 AI 数据中心感兴趣”（这显然让它觉得我是地球上最无聊的人，因为我总看这方面的东西），它还会说：“嘿，根据日历，你今天将要与 Vinod 会面，记得这些要点……” 这太有帮助了。

但是，如果我同时使用多个平台，我就会失去这种连贯性的优势。这与我订阅《华尔街日报》、《经济学人》和《纽约时报》不同，去其他地方阅读新闻并不会让我损失什么，但在 AI 助手这里情况不同。

Vinod Khosla： 是的，所以我确实认为记忆是一个关键问题。未来究竟是单一模型主导还是多模型共存？即使在 OpenAI 的模型之上，也会有多个服务提供商，它们可能提供不同的权衡方案。

无论是健康还是媒体领域，亦或是基于 OpenAI 模型的服务，都会有多方参与。这就是我所说的多平台使用。显然，OpenAI 不会占据 100% 的市场份额——尽管我希望如此。

Sarah Friar： 我想说，我也希望如此。

主持人Andrew Main： 这种商业模式很有趣。我认为人们可能很难理解，因为像 Netflix 这样的好公司，受限于人们一天能观看的时间。手机也很棒，但我每周不需要那么多通话时间。但有了 AI 和智能，你可以拥有更多的智能。我可以购买更多算力，获得更好的答案，做更多事情。我仍在努力理解这一切将走向何方——那种从免费开始，进入小额套餐，随着效用增加而不断增加使用量的模式。

Sarah Friar： 我觉得这与 Netflix 不同，Netflix 受限于一天只有那么多小时的播放时间。我更倾向于将其类比为基础设施，比如电力。你一天用多少电？我不知道。我走进房间，风扇在吹，感觉很凉快；灯亮着；昨晚充好的手机能用一整天。

所以我认为，我们今天所处的状态更像是“调用” ChatGPT——我需要主动启动它，而不是智能已经融入生活。我认为这将是未来几年最大的变化。回头看时，你会觉得我们过去那种做法像是在玩玩具，因为未来智能将无处不在。

这并没有直接回答你的问题，但我不再纠结于“时间有限”，因为我觉得生活中几乎所有事情都需要智能，我希望行走时大脑能得到增强。如果能实现这一点，其效果将超乎我们的想象。

就像我们在交谈前，你发现手机上有手电筒和相机一样。说出来觉得理所当然，但对于 ChatGPT，每当我发现一个新颖的用例时，都感到非常惊喜。

比如昨天早上，我很喜欢《经济学人》，想读社论但没时间，因为正忙着准备出门。于是我拍下了社论的照片（他们排版很好，就在一页上），然后让 ChatGPT 读给我听。它做到了。我当时惊叹：“天哪，这太棒了。”

所以我认为，在这个刚刚起步的时刻，还有太多可能性。多模态我认为是最重要的，手机教会了我们用拇指交流，而我们正在进入的这个新世界，将会有新硬件帮助我们以一种非常人性化的方式——听、说、看、写——来做所有事情，而我们才刚刚触及皮毛。

Vinod Khosla： 我从另一个角度来补充一下，我同意以上所有观点。如果我们回顾一下互联网及其泡沫期，互联网提供了一个获取海量信息的渠道——无论是媒体、YouTube 视频还是 TikTok。

但这导致信息量爆炸，超出了人类的处理能力。既然你每天只有大约 24个小时，其中一部分还要用来睡觉，我认为 AI 的作用是让你的时间更高效。

互联网让可供使用的信息量呈爆炸式增长，以至于你无法完全利用。我认为 AI 的核心在于过滤，让你利用好每一分钟——前提是你懂得如何使用它。

智能就是将世界浓缩成对你个人而言最相关的内容。我和 Sarah 的优先级不同，因此，智能对世界的总结对我和对她来说应该是截然不同的。

所以，我认为在信息爆炸的时代，人工智能在精简信息方面拥有近乎无限的潜力。

Sarah Friar： 是的，完全赞同。

主持人 Andrew Main： 我们聊了很多关于消费者业务的内容，OpenAI 在这方面表现确实出色。那么，关于企业领域的问题来了，OpenAI 将如何竞争并赢得这块市场？

Sarah Friar： 我认为我们在该领域已经胜券在握。90%的公司表示正在使用或计划在未来12个月内使用 OpenAI，其次才是利用我们技术的微软。

消费者业务其实是企业业务飞轮中极具威力的一环。 正如过去，当员工开始把 iPhone 带进办公室时，公司最初可能禁止，但最终你会发现，企业无法阻挡消费者偏好的浪潮。既然我已经习惯把手机装在口袋里并熟练使用，我自然期望工作中的工具也能达到同等甚至更好的水平。正是这种预期推动了我们的互联网业务，也助力我们的企业业务在短短一年半内突破了100万企业用户，成为史上增长最快的企业服务公司。

那么，未来将走向何方？显然一切才刚刚开始。其中一部分无疑是满足客户在垂直领域的需求——即用他们的语言沟通，并掌握企业销售的艺术。我不跟你空谈产品参数，而是去理解你的痛点：作为CEO，你面临什么压力？你的客户有哪些需求是你目前无法满足的？好，让我们用智能来解决这些问题。

然后，我们可以将其细分为轻度垂直领域，甚至重度垂直领域。例如在能源行业，这意味着深入分析特定的油井数据或地震勘探数据，准确预测产量或采收率，这就是深度专业化。

接下来是重大的转型研究项目，我们甚至可能几乎接管某家公司的全部业务流程，帮助他们以更智能、更高效的方式重构业务，驱动关键指标。大多数公司是从无处不在的 ChatGPT 起步的，这只是一个简单的起点。很多公司已经进行了大量的编码工作。例如，有位 CEO 告诉我：“我现在60%的生产代码都是由 Agent（智能体）构建的。” 我心里想，一年前你可能连什么是生产代码都不知道，但这说明你在关注它。

关于 Agent，这仅仅是个开始。调查显示，目前只有约 14% 的美国公司客户在使用某种形式的 Agent。这依然是一片蓝海。

所以我认为我们才刚刚起步，但我对这个巨大的机会感到无比兴奋。

主持人 Andrew Main： 但如果我是一家初创公司，看到 OpenAI 所做的一切，可能会问：我还有机会吗？我能做什么？

Vinod Khosla： 模型会不断进化，功能日益强大，但我确信在模型之上仍有广阔的构建空间。没有任何一家公司能垄断地球上的一切。有数十亿人的工作可以被人工智能赋能，OpenAI 不可能专注于所有这些领域。

因此，明智的做法是看清基础模型（无论是 OpenAI 还是其他家）的发展轨迹和能力边界，然后思考如何利用它们在广阔的世界中进行专业化深耕。这可能是在基础模型之上增加某种形式的专业能力。

坦率地说，智能并不是提供完整解决方案所需的唯一要素，解决方案的构成远不止于此。 所以，我认为有很多机会可以建立在这些模型之上。而且，模型越强大，建立在其之上的机会就呈指数级增长。

Sarah Friar： 你是怎么看的？我常思考那些已经聚合了大量数据的用例，这些数据可能掌握在初创公司或大企业手中。目前，全球 95% 的信息实际上深藏在公司或大学的防火墙之后。尽管我们谈论海量的训练数据，但这还只是冰山一角。

那些已经建立业务并聚合了数据的公司，占据了数据访问的优势。在此基础上，它们管理着复杂的业务流程。我常举采购系统的例子。采购系统本身并不复杂，但它做得非常出色的是理解诸如“授权委托”之类的逻辑。

系统知道董事会批准的限额是多少。比如，当一份软件合同进来时，如果金额超过 X，只有我能批准；如果低于 X，它知道某位副总裁可以批准。系统虽然不知道 Andrew 是副总裁，但它知道去查 HR 系统来验证他的职级。因此，整个采购流程可以在既合规又有治理的前提下进行，从而推动整个公司更高效地运转。

这就是我对初创公司感兴趣的领域。凡是你拥有独特数据访问权限，并能处理复杂业务流程的地方，就存在更深的“护城河”。 我们希望与你合作，因为通用大模型无法独自完成所有这些细节。

Vinod Khosla： 完全同意。我认为机会很多。我见过不少关于数据权限管理的初创公司，比如谁可以访问哪些信息。例如，如何根据每家公司的历史数据和优先事项来定制模型。

Sarah Friar： 还有 Agent（智能体）。关于 Agent 的身份认证层面，以及当 Agent 之间相互交流时可能出现的风险、权限管理，我们才刚刚开始理解，甚至开始构想类似“Agent 商业”（Agentic Commerce）的模式。

即将到来的复杂性是巨大的。所以，我认为对于创业公司来说，现在是前所未有的激动人心的时刻。

Vinod Khosla： 机会确实比以往任何时候都多。你问我现在在寻找什么？和一家公司交流时，什么让我兴奋？当然，优秀的人才永远是稀缺的。但在当下，更稀缺的是赋予智能体“自主权”（Agency）并推动事情发生的能力。这又回到了人才问题。

我认为传统的经验，比如熟悉某个领域，现在已经不那么重要了，更重要的是自主权。此外，我们还没谈到机器人、物理世界模型这些全新领域。那是一个完全独立且庞大的空间，我们可能没时间详谈。

主持人 Andrew Main： 真的吗？

Sarah Friar： 我有的是时间。

主持人 Andrew Main： 太好了，我想聊聊这个。既然我们谈到了未来的方向。你曾说过，展望2050年的世界，事物正在飞速发展。模型变得更快、更强。你认为机器人会朝着哪个方向发展？

Vinod Khosla： 两年前我在 TED 演讲时预言，15年后，机器人产业（包括双足机器人）的规模将超越今天的汽车产业——而汽车产业目前可是地球上最大的产业之一。 这个新兴产业将更加庞大。

很少有车企能有这种视角，它们只想着怎么在生产线上使用机器人，却没意识到机器人产业本身的规模将超越它们现有的业务，而这一切都将由机器智能驱动。这对初创公司来说意味着巨大的机会。

Sarah Friar： 是的，而且我认为我们有时会低估这一领域。设想家用机器人，这是一个潜力巨大的肥沃土壤。但因为极高的复杂性，尚未有人真正取得突破。

实际上，我在 AI 领域待得越久，越感叹人类自身的精妙。比如在这个世界上移动和做事的能力。虽然机器人领域的极客们对“折叠衣服的机器人”感到兴奋，也许我18岁的孩子也会觉得酷，但对普通人来说，这没什么大不了，因为他们自己能折。这就好比折叠衣服是机器人界的“Hello World”。

但人们可能会陷入误区，认为机器人必须像人类一样无所不能。其实突破口可能在于一些特定时刻，比如家庭陪伴。在这个老龄化严重、孤独感蔓延的世界，对于独居老人或刚刚失去配偶的人来说，最看重的是什么？是能够进行一种直观且人性化的对话。

我们看到人们越来越多地使用 ChatGPT 进行这种对话。但这是否需要类人的实体突破？结果你会发现，它不需要泡咖啡、折衣服或洗碗（尽管那也很棒），可能只是一个更简单的形态，却能带来巨大的价值。正如 Vinod 所说的“爬行、行走、奔跑”阶段，我们正处于起步期，其背后的复杂性将比我们以前在汽车行业看到的要强大数倍。

主持人 Andrew Main： 这很有趣。当劳动力成本、制造成本极低时，你能构建的世界真的很难想象。我们现在的解决方案在未来可能完全不同。比如建立最先进的辅助生活设施，当成本大幅下降时，这意味着什么？我们是否真的降低了智能的成本？

Vinod Khosla： 我的观点是，也许在下个十年末，你会看到一个大规模通缩的经济体。因为劳动力几乎免费，专业知识几乎免费，大多数功能的边际成本将趋近于零。 很难确切说购买力与商品服务的生产将如何平衡，但我预计我们将面临一种人们尚未准备好应对的极度通缩经济。

AI 的社会适应性问题尚未解决。我们需要讨论“人们将做什么？”这个问题。我经常被问到，人们将如何谋生？

我认为政府保障的最低生活标准将大幅提高，甚至无需人们工作。虽然这听起来难以置信。

初级医疗保健将比现在好10倍，且完全免费；教育、AI 导师将普及给每个孩子，成本几乎为零。这已经在发生了。

当然，还有一些硬骨头要啃，比如住房。在美国底层一半的人口中，40%以上的收入用于住房和食物。但我确信，通过机器人技术和更好的方法，这两者最终都能得到解决。

主持人 Andrew Main： 这是一次非常精彩的对话。很高兴看到未来的发展方向。感谢两位来到我们的播客。谢谢。

参考资料: https://www.youtube.com/watch?v=Z3D2UmAesN4，公开发表于2026年01月20日

关注公众号后设🌟标，掌握第一手AI新动态

btw：如果您对AI一线动态、AI产品构建及转型感兴趣，并愿意和小伙伴们分享互动，欢迎加入瓜哥交流学习群参与讨论（联系瓜哥wx： southmelon，注明：所在行业、申请入群原因），群内定期分享瓜哥手搓Agent整理的全球AI动态内参～访问 ima 瓜哥 AI 知识库，一键洞察 AI 业界大佬的前沿观点。只需点击瓜哥公众号头像，进入“服务”菜单并选择“知识库”即可加入。随后，您便可在腾讯 ima.copilot APP 中随时 @ 进行查询。