OpenAI 創辦人 Sam Altman 回母校 Stanford 做了一場 41 分鐘的對談，主題是規模、AGI 跟未來。我把整場聽完，發現他講的東西不是空泛的願景，而是很多「正在發生、但多數人還沒意識到」的轉變。這篇整理出 6 個對一般人最有感的重點，加上我自己做 AI 教學的體會。
這場對談是誰、在哪講的？
講者是 Sam Altman，OpenAI 創辦人。場合是 Stanford 的 CS153 Frontier Systems 課程，由課程主持人跟他一對一對談。有趣的是，Altman 自己 2014 年也在 Stanford 教過「怎麼創業」那門課，他說現在很想重教一遍，因為——
這句話定調了整場：在 AI 時代，很多我們以為理所當然的規則，其實已經被改寫了。
重點 1：一個人，現在能做 100 人團隊的事
Altman 說，現在用一筆「負擔得起」的 token 成本，一個人就能做到過去「100 人頂尖工程團隊」才做得到的事。這在幾年前根本不在選項裡。
所以你能扛的野心、移動的速度、能同時推進的事情數量，全都不是同一個量級了。這不是雞湯，是他看著一大堆新創公司的數據得到的結論。
重點 2：規模（Scale）本身就是一種「質」
Altman 說他整個職涯最有趣的觀察，都跟「規模帶來的湧現特性」有關——把一件已經有點 work 的事，推到別人沒推過的規模，常會冒出小規模時完全不存在的東西。
AI 模型的 scaling law 是這樣；連他在 Y Combinator 看到的也是——當年很多聰明人說「YC 一批收太多家、該縮小」，但他發現一批裡的網路效應，正是規模才長出來的魔法，小規模根本不存在。
為什麼大家不敢？因為東西會以加速、不可預測的方式壞掉，總有聰明人勸你別太貪心。他的解法很簡單：把每個「不該做的理由」拆開，一個一個解決。
重點 3：ChatGPT 其實是個「意外」
這段我最喜歡。GPT-3 做出來後，OpenAI 找不到能包成產品的方向，乾脆丟成 API，「賭別人想得出來」。結果唯一跑得起來的生意是文案，還不怎麼樣。
但他們發現一件事：很多人拿 API key 不是拿去做生意，是單純拿來「聊天」。於是照 YC 的原則——看你的用戶愛什麼、就做那個——做了個 chatbot，本來只當研究 demo，結果爆紅。第五天 Altman 就斷定這是 killer product。
| 傳統創業路徑 | ChatGPT 的真實路徑 |
|---|---|
| 先想好產品，再開發 | 做不出產品，乾脆丟 API 賭別人想 |
| 照規劃推進 | 意外發現用戶都拿去「聊天」 |
| 慢慢成長 | 看用戶愛什麼 → 做 chatbot → 五天爆紅 |
這故事的啟示很實在：連 OpenAI 都不是「完美規劃」出來的，而是「先丟出去、看用戶真的愛什麼、再轉向」。
重點 4：智慧會變成新的「公用事業」——但要找到對的說法
Altman 認為我們正在創造一個新的 utility（公用事業），像電力、網路、水一樣。他研究了電力剛普及時怎麼推廣：電力公司不賣「電」（太抽象、還很可怕），他們改賣「晚上的光」。
就像你付手機費，不會去想基地台是哪顆晶片、怎麼連網——你買的是「接上整個系統的存取權」。AI 也會走到那一步。
重點 5：教育還沒跟上，他承認自己預測錯了
Altman 原以為 ChatGPT 出來後，一年內教育系統就會重新設計自己。但三年半過去，他「找不到任何顯著的系統性改變」——這是他親口承認的預測錯誤。
他擔心：如果還用 pre-AGI 的方式教學生、評量學生，會導致「批判思考能力萎縮」。但他也相信，教育終究能像歷次技術躍進那樣重新設計，讓人還是得學會「怎麼思考」。
重點 6：未來 10 年的兩個分岔
分岔一：普及還是集中？這技術會「民主化、人人可用」，還是「集中在少數幾家公司」？Altman 說集中會很糟（即使 OpenAI 是其中一家），他押 80% 走普及路徑，但會有很強的「安全/穩定」反方聲音。經濟上他更傾向「讓大家擁有一片資本」（類似公民財富基金），而不是每月固定發現金。
分岔二：算力會不會永遠短缺？現在 compute 嚴重短缺，高階 GPU 幾乎搶光。他的判斷是：只要模型能持續變聰明又變便宜，需求基本無上限——所以可能「永遠短缺」。
聽完，我自己最有感的部分
我是做教育訓練的，這場對談有兩塊直接打到我。
第一個是「智慧 = 賣晚上的光」這個比喻。我的工作本質就是把原廠冷冰冰的規格，翻成第一線同仁聽得懂的「人話」。Altman 講電力公司不賣電、賣光，根本就是我每天在做的事——教大家用 AI，不能講 token、講模型參數，要講「它能幫你把這份報告整理好」「它能幫你回客人的問題」。這張我打算直接拿來當一堂課的開場。
第二個是「一個人 = 100 人團隊」。前幾天我去參加 AppWorks 的 Demo Day，現場很多開發者都在做這種事：有人用 AI 處理繁雜的報關手續，有人做建築法規解析，上傳專案跟法規就自動比對哪裡不合規。巧的是，Altman 在這場對談裡提到，Stanford 這門課學生的期末專案就叫「一個人的 frontier lab（前沿實驗室）」——一個人配上對的工具，就模擬一整個實驗室。我在 Demo Day 看到的，正是這句話的現場版。
那次 Demo Day 還有個讓我驚豔的應用：官網用最新的 Gemini Live Translation 模型，透過 Vibe Coding 直接部署，現場麥克風收音就即時翻譯、同步更新到網站，掃個 QR Code 就能看。這種「一個人就把一個即時 AI 應用做出來」的能力，幾年前真的不可能。
聽這種對談，有幾點要自己拿捏
這是 Altman 一家之言、而且立場樂觀。他是 OpenAI 創辦人，對 AI 的前景當然偏正向，聽的時候自己打點折扣。
連他自己都會預測錯。他親口承認對教育的預測落空了，所以那些「未來會怎樣」的判斷，當參考、別當聖經。
算力、政策、經濟模型都還有很多變數。「智慧變公用事業」是個美好的方向，但中間要過的關卡還很多。
如果你也在用 AI、或在教別人用 AI，我會說最值得帶走的一句話是：別站在旁邊賭它會失敗，把它用起來、變成你的能力。這場對談從頭到尾，其實都在講這件事。
▶ 完整對談影片
本文整理自 Sam Altman 在 Stanford CS153 Frontier Systems 課程的對談影片「Scale, AGI, and the Future of Everything」，重點摘錄與心得為作者本人整理。原始影片：https://youtu.be/F_7M4Hc-usM
留言
張貼留言