山姆·奥特曼谈如何选择高风险赌注：从2015年AGI到今日招募的研究员

在OpenAI联合创始人兼CEO萨姆·奥特曼（Sam Altman）看来，押注高风险项目并非盲目冒险，而是一门需要精密计算的艺术。从2015年决定投身当时几乎无人看好的AGI（通用人工智能）研究，到如今为OpenAI挑选顶尖研究员，奥特曼的决策逻辑始终围绕着一个核心：识别那些“看似疯狂但实则必然”的技术拐点。他在近期的一次访谈中坦言，真正的风险不在于失败本身，而在于选择了一个错误的时间点或错误的团队去执行一个正确的想法。 奥特曼回忆，2015年启动AGI项目时，主流科技界普遍认为这至少是50年后的事，且商业前景模糊。但他看到了深度学习算力成本的指数级下降趋势，判断“智能成本趋近于零”将成为下一个十年的基础设施。他挑选研究员的标尺也因此与众不同：不只看学术背景或论文数量，而是考察候选人是否具备“第一性原理思维”——能否在信息不全时构建出清晰的因果链条，并愿意为长期目标忍受短期的不确定性。这种筛选方式直接影响了OpenAI如今的人才结构：团队中既有理论物理学家，也有自学成才的工程师，他们共同的特征是擅长在混沌中定义问题，而非仅仅解决问题。 对于跨境电商卖家和AI工具用户而言，奥特曼的这套方法论具有直接的迁移价值。当行业热议AI选品、智能客服或自动化广告投放时，真正的分水岭并非工具本身，而是决策者能否识别出“成本下降曲线”带来的结构性机会。例如，多模态AI生成商品视频的成本在过去18个月下降了近90%，这意味着早期布局视觉内容自动化的卖家，正享受类似2015年投资AGI的早期红利。奥特曼强调，高风险的真正定义是“你无法承受失败带来的学习成本”，而非“失败的概率高”。因此，他建议创业者和企业主在押注新技术时，应确保每次尝试都能沉淀出可复用的数据或认知资产，即使项目本身未达预期，这些资产也会成为下一次决策的护城河。