Sam Altman斯坦福独家专访：借助AI实现百人团队效能...

在斯坦福大学的一堂系统设计课上，OpenAI首席执行官萨姆·奥特曼谈到了一个正在发生的改变：只要愿意支付合理的token成本，一个人就能完成过去需要一支精英百人工程团队才能做完的工作。这在创业公司的选项清单里从未出现过，如今却成了现实。他还谈到“规模”的魔力、ChatGPT和Codex是如何被用户“发现”的、AI正像电力一样变成新的基础设施，以及为什么现在看空大语言模型的规模化是最不明智的做法。 奥特曼所说的“百人团队”并非修辞。他解释说，过去创业公司的能力上限由团队规模决定，而现在这个上限被token成本重新定义——你能同时推进多少件事、能承担多大的野心、能跑多快，都和以前完全不同。这不是渐进式的改良，而是选项集合本身发生了变化。他还从自己在YC的经历中提炼出一条经验：所有最有趣的事情都和规模带来的涌现特性有关。当年很多人劝YC缩小规模、每批只投10家公司，但YC的魔力很大一部分来自同批公司之间的网络效应，这种效应只有在规模足够大时才会出现。同样的逻辑适用于AI模型的扩展定律、聚集更多聪明人攻克同一个问题，以及公司和经济的规模。 不过，规模扩张并不轻松。奥特曼指出，随着规模扩大，出问题的方式会更快、更难预测，而且总会有非常聪明的人劝你不要太有野心、先做个小版本试试。所以规模化本质上是一个系统设计问题。以AI模型的扩展为例，当时要回答的问题包括：技术上到底可不可行？没人试过在1万到10万块GPU上跑训练，这需要大量工程人才；资金需求怎么解决？商业模式在哪里？怎么承担这样的风险？研究人员也会质疑：有这么多算力，为什么要把所有东西押在一个项目上，而不是分散到多个项目？把这些难点逐一拆解、逐个解决，几乎是所有规模化领域的通用方法。而在所有需要重构的部分中，最难搞的往往不是技术，而是人的部分——清晰的目标、清晰的计划、清晰的决策方式，缺一不可。