Sam Altman首次承认人类接受AI比想象慢，我们需要iPhone时刻！

2026-09-01公众号文章

Linkloud 引言

新技术出现后，人们为什么不会立刻采用看起来更好的方法？

作为 OpenAI 的创始人兼 CEO，Sam Altman 每天接触最前沿的模型，手里也有能够替他操作电脑、处理任务的 Codex。即便如此，在大量日常工作中，他仍然沿用过去二十年的方式：点击窗口、复制消息、翻阅邮件、维护待办清单。

技术能力似乎已经到位，工作方式为什么没有随之改变？AI 还缺少什么，才能从一个偶尔被调用的工具，变成真正理解人、持续参与工作的系统？问题的关键可能不只在于模型是否足够聪明，还在于它掌握了多少有效的 Context，尤其是那些与一个人的工作、偏好和过往经历有关的上下文。Enjoy！

01. 手握 Codex，工作方式却没有改变

Altman 每天面对的电脑工作，和许多人没有本质区别。他会在不同的消息应用之间复制内容，漫无目的地翻邮件，从中挑一封“没那么痛苦”的先回；也会照常维护待办清单，再一项项处理那些机械、重复的电脑操作，哪怕他手握 Codex，并且身处最前沿。

Codex 明明可以接手其中相当一部分工作，他却没有真正换过去。理性上不喜欢旧方法，实际选择却总是回到旧路径。连他自己也只能怀疑：点击、回复、划掉一条待办事项，或许早已和“我正在工作”“我很有生产力”的感觉绑在一起。二十年形成的操作习惯，甚至比效率判断更早启动。

这种矛盾发生在 OpenAI CEO 身上，无疑是让人意外的。如果连站在技术最前沿的人都无法轻易摆脱旧工作方式，模型进步与行为改变之间的距离，显然比想象中更远。

Altman 眼中的 Shopify CEO Toby Lütke，是另一个典型。他亲自写代码、亲自试模型，也会把细致而直接的产品反馈发给 OpenAI。在许多大型企业仍然在观望时，Shopify已经内部发文明确要求团队主动采用 Agent，不能变成一家只会按照预设路径行动的“NPC 公司”。这样的投入，让 Lütke 几乎每个阶段都比多数 CEO 早六到八个月进入下一步。

Lütke 对形势的判断也相当激进：2026 年会成为所有生意重新洗牌的一年。AI 原生的 Shopify 一定会出现，与其等别人颠覆自己，不如亲自把它做出来。

Altman 认同这个方向，却不认同如此激进的时间线。GPT-4 发布时，他也曾期待软件行业迅速进入一轮大规模重组，结果远比预想缓慢。企业继续购买熟悉的产品，员工继续使用原来的工具，整个经济体表现出巨大的惯性。

这种缓慢未必全是坏事，它给社会留下了适应时间，也可能让转型少一些剧烈震荡。但它揭示了一个常被技术行业低估的事实：

模型能力增长的速度，并不是人和组织改变行为的速度。

02. 技术零件已经出现，产品还没有完成换轨

类似的落差，在上一轮技术变革中同样存在。

Altman 一直记得 Netflix 刚开始邮寄 DVD 时的一个画面：街边的 Blockbuster 并没有立刻失去顾客。明明已经有更方便的选择，人们还是照常开车去店里租碟。旧习惯不会因为新技术出现，就自动让出位置。

但用户惯性只能解释一半，另一半问题在产品本身。

早在 iPhone 出现之前，Altman 就用过 Palm Treo 一类早期智能手机。这些设备已经能够联网、收发邮件，也具备一些应用功能，但“拥有功能”和“成为一款真正成熟的产品”仍有很大距离。

后来真正改变人们使用习惯的，是 iPhone 把触控、界面和各种功能整合成了一套简单自然的体验。Altman 借这个例子形容今天的 AI：

模型已经拥有许多强大能力，却还缺少一款产品把这些能力组织起来，让人愿意彻底放弃原来的工作方式。

一边是仍然可以照旧操作的电脑；另一边是能够替人完成大量电脑任务的 Codex。两种方式同时存在，用户却不知道什么时候该自己点击，什么时候该把任务交给 Agent，也不知道两者之间如何自然切换。新工具没有形成一套完整、顺滑、非用不可的工作方式，人便会退回熟悉的旧世界。

这就是那句“产品失败”的具体含义。它不是在断言 Codex 毫无用处，也没有简单地给用户贴上抗拒变化的标签。真正的问题是，现有产品还没有强大、连贯到足以战胜二十年形成的行为惯性。AI 已经展示了新的能力，却没有完成工作方式的整体换轨。

问题也因此发生变化。如何说服人使用 AI，逐渐让位于一个更具体的产品挑战：

怎样让 AI 自然进入真实工作，不再要求用户反复决定“这一刻究竟该不该用它”。

答案逐渐落到一个词上：Context。

03. 模型已经相当聪明，但它还不够了解你

顺着这个思路，更棘手的问题是：持续帮助人的 AI，究竟应该掌握多少信息？

更多信息意味着更强的帮助能力，也会把授权、隐私和控制推到更重要的位置。关于这些边界，Altman 没有继续展开；他的注意力落在眼下更直接的能力限制上：模型当然还要继续变聪明，但它对具体的人知道得太少。

以他自己的工作为例，公司内部 Slack 上每天出现大量讨论，客户不断讲述产品成功或失败的故事，研究论文也在持续增加。一个人再勤奋，也不可能读完所有信息，更不可能在每次决策时准确找回全部相关细节。注意力和记忆构成了天然上限。

AI 的优势不只是一般意义上的“更聪明”，世界上有很多聪明人，却没有人能在几秒钟内读完几万页材料，再把其中的细节准确用于眼前的问题。理想中的 Agent 应该能够持续理解工作，在海量信息中识别与当前决策有关的部分，并在合适的时刻主动提供建议。

但是这种能力已经可以在更小的范围内看到。把多年积累的读书笔记、标注和节目逐字稿放进同一套系统后，制作一期关于 Claude Shannon 的内容时，可以直接追问：“Bob Noyce 对类似问题说过什么？”或者“Rockefeller 当年是怎么处理的？”

那些材料曾经被认真读过，其中一些甚至是七年前留下的，但人的记忆早已模糊。AI 在这里承担的角色，是把一个人曾经拥有、如今无法及时调用的知识重新带回工作现场，而不是凭空生成一段聪明话。

Context 也因此远不止聊天窗口里的最近几轮对话，更不是单纯把提示词写得更长。它应当包括一个人与工作有关的长期背景：读过什么、做过什么、在意什么；组织内部发生过什么；过去做过哪些判断，结果又如何。缺少这些信息，再聪明的模型也只能给出泛化答案；拥有这些信息，AI 才可能从通用工具变成真正的工作伙伴。

这也意味着产品形态会继续改变。沿着这条路径，人们最初通过聊天机器人主动提出问题；接着，聊天机器人变成能够执行任务的 Agent；再往后，它可能成为一个持续存在的系统，不必每次从空白文本框开始，而是在理解长期 Context 的基础上主动提供帮助。

模型智力依然重要，只是竞争的重心正在从单一的智力指标向产品侧延伸。模型仍要继续变强，如何让它安全、准确地理解一个具体的人，也成为越来越迫切的问题。

04. 从 Sora 到 Atlas，OpenAI 如何做取舍

AI 尚未迎来自己的 iPhone 时刻，OpenAI 却不准备亲自做完所有关键产品。

Altman 仍把自己的大部分精力放在研究和算力上。在他的优先级里，OpenAI 最重要的任务，是继续创造更聪明的模型，并让更多人能够以更低成本、更高效率使用这些模型。上游能力持续进步，具体产品才有生长的基础。

这项工作早已超出训练模型本身。扩大算力需要协调芯片设计、晶圆制造、机架、数据中心、电力系统、融资、政策、供应链和物流。它正在成为一项规模惊人的基础设施工程，技术、商业、能源和政策全部纠缠在一起。

这种选择也和他的投资经历有关。研究管理与创业投资有相似的底层结构：寻找非共识方向，判断哪些高风险尝试一旦成功就会产生巨大价值，再识别那些思考方式异于常人的人才。

模型和算力构成了 OpenAI 最希望守住的上游能力，也为后续的产品创新提供基础。

因此他选择成为更接近一个平台，主动放弃进入每一个产品类别。平台本身依然包含直接产品，而且整体结构可以被压缩成两部分：一边是连接个人或企业 AI 的直接入口，另一边是允许开发者搭建不同产品的 API。

直接入口从聊天机器人继续演化为 Agent，平台上的公司则针对不同工作和行业创造更具体的应用。

聚焦同时意味着放弃去年现象级走红的 Sora 和浏览器 Atlas：前者有趣、好玩，却会消耗大量算力，相比之下，Codex 更接近公司的核心方向；后者即使足够优秀，在人才和资源有限的情况下，优先级仍然不够高。因此，两个好产品最终都被砍掉。

放弃坏点子并不困难，真正困难的是牺牲好点子，把资源留给更重要的方向。这是一种很艰难的权衡，一个产品已经做出来，也得到认可，再主动终止，远比拒绝一个从未开始的想法更痛苦。

Sora 和 Atlas 的去留首先证明了战略聚焦，并不意味着 OpenAI 已经把全部资源押在 Context 上。真正位于优先级顶部的，是知识工作和科学领域的通用智能，以及支撑这种智能的模型、算力与基础设施。Context 则是直接产品仍需解决的关键缺口，两条线彼此相关，却不是同一件事。

这也留下了一个尚未解决的问题。

今天的 AI 产品还不足以让人摆脱旧习惯，一个真正有用的 Agent 又必须长期理解具体的人。

AI 的“iPhone 时刻”未必只属于某一家前沿的模型公司。它可能来自 OpenAI 的直接产品，也可能来自平台上某个尚未出现的创业者。

在此之前，即便身处这场变革的中心，人们第二天打开电脑后，工作或许仍会从翻邮件、复制消息，以及划掉待办清单上的一项任务开始。

已关注

关注

重播分享赞

观看更多