全文 6,000字 | 閱讀約38分鐘

　　2025年5月8日，美國國會山。

　　當 Sam Altman 再次走進華盛頓特區參議院的聽證大廳時，坐在他對面的，不只是幾位議員，而是一整套制度在等待回應：

　　AI 會毀掉工作，還是釋放新的生產力？

　　美國還領先嗎？中美差距到底在哪？

　　如果未來被一個“AI系統”主導，那系統該由誰定義？

　　他沒有像技術人那樣講模型升級、參數突破，也沒像創業者那樣談公司估值、產品路徑。

　　他開口就說：“我們正在建設世界上最大的 AI 工廠。” 他講隱私、講能源、講就業、講國家競爭力。 他說：“未來十年，誰掌握智能和能源，誰就贏。”

　　而在他發言的最后，他拋出一個幾乎沒人準備好的判斷：

AI可能是人類歷史上最大的技術變革，但就連他自己也不知道它將走向何方

　　這不是一次產品發布會，這是一次國策級的預警。

　　聽懂他講話的人，才知道這場競爭的底層規則已經改寫。

　　?? 第一節｜系統開始裂縫了

　　“能在這里，是一種真正的榮幸。”

　　這是 Sam Altman 5 月 8 日再次站上國會山作證時說的第一句話。

　　但接下來，他說出的第一組數據卻讓人警覺：“ChatGPT 每周有五億人使用。我昨天剛看到，根據 SimilarWeb 的數據，它現在是全球第五大網站，增長非常迅速。”

　　Altman 指出，過去兩年，美國的醫療、科研、教育、客服等基礎服務體系，已經被 AI “靜默嵌入”：研究效率提升，醫療建議下沉，學習方式重構。他不是在夸產品，而是在發出預警：AI 不是一次“行業升級”，而是一次“系統重構”。AI 不再是即將發生的事，而是已全面滲入我們日常的現實。

　　然后他講了一段即興插曲。“我是在圣路易斯長大的，一個電腦極客。小時候整夜不睡覺學編程，在閣樓里用的是美國制造的 Mac，那臺芯片就在我現在住的地方附近設計的。”

　　他說，這段經歷讓他堅信，美國的創新精神，曾是 AI 發生的土壤。

　　但他緊接著補了一句：

“我們必須確保它能繼續發生。要繼續發生，我們需要重建系統。”

　　什么系統？

　　他說，不是軟件團隊，不是模型算法，而是一整套“AI 工廠”體系：能源 → 芯片 → 數據中心 → 模型 → 應用。

　　“我們正在德克薩斯州阿比林建設世界上最大的 AI 訓練設施。它進展順利，但我們需要更多這樣的工廠……這一整套 AI 供應鏈必須在美國落地。”

　　這已經不是 OpenAI 的產品規劃，而是美國國家系統能力的“承壓測試”。

　　最后，他拋出一句判斷：“未來十年將是關于豐富的智能和豐富的能源，確保美國在這兩方面都領先，是至關重要的。”

　　他不是在爭某一輪技術領先，而是在爭系統不掉隊。

　　因為一旦能源斷供、芯片外溢、數據受限、標準缺席，整個 AI 體系就會陷入結構性癱瘓。

　　?? 第二部分｜AI 工廠，是美國的下一座水電站

　　如果說上一節是AI對社會系統的壓力測試，那么 Altman 接下來的發言，更像是一份“國家級基礎設施施工圖”。

　　? AI 工廠不是產品，是國家工程

　　他從一個地方講起：“昨天我去了德克薩斯州的阿比林，那里我們正在建設世界上最大的 AI 訓練設施。”不是辦公室，不是園區，而是AI 工廠（AI factory）。

　　他解釋說，AI 模型的背后，不是幾行代碼，而是一整套現代工業鏈路：

　　你需要電力，源源不斷；

　　你需要芯片，最好是美國自己設計和制造的；

　　你需要數據中心，不是幾千臺機器，而是“超級計算廠房”；

　　你還需要建構這些機器的機架，安裝調度系統，冷卻設備，高壓轉換裝置，甚至消防通道。

然后——你才能訓練一次大型模型。

　　這已不是硅谷式的“軟件創業故事”，而是類似修鐵路、建水壩、造航母那樣的國家工程。

　　Altman 說得很直白：“我們需要更多這樣的設施。有一整套 AI 工廠，像一條完整的供應鏈，我們必須在美國完成這些建設，才能繼續創新、繼續領先。

　　這聽上去，像是一版 AI 時代的“羅斯福新政”——它不是為了解決就業問題，而是為了重塑國家競爭力的底座。

　　? 智能的盡頭，是能源賬單

　　他提出一個很容易被忽略的公式：

智能的最終成本 = 能源的成本

　　你可以把 Altman 的邏輯理解為這樣一組簡明等式：

　　Token = 電力 × 芯片 × 算法 × 數據 × 冷卻系統

　　智能系統 = 一個超級耗能的工業基礎設施

　　下一輪國家競爭力 = 誰能讓AI工廠在本國規模部署

　　換句話說：AI 不是“云里轉的算法”，而是一條吞電、耗芯、講工業組織效率的全棧鏈條。這場競爭的關鍵，不在于誰的模型能力更強，而是誰能把這套系統真實落地。

　　“如果我們不能建立基礎設施，尤其是在本國制造芯片，那么一切都會崩潰。”

　　? 真正的分水嶺：誰能把系統跑起來

　　Altman 多次強調：AI 工廠不是為了訓練某一個模型，而是為了支撐一整個“國家級智能系統”。

　　在這場全球范圍的系統競賽中：

　　能源是地基，

　　工廠是出發點，

　　數據是燃料，

　　芯片是心臟，

　　而制度，則是它們能否協同運轉的中樞神經。

　　在 Altman 的敘述中，未來美國需要的不是更多的創業公司，而是：

　　能拉起10GW級別算力的能源系統；

　　能快速獲批的建廠許可流程；

　　能完整打通芯片、冷卻、數據安全、模型調度的全鏈路；

　　更重要的，是不犯“監管先行壓死產業”的系統級錯誤。

　　他非常清楚：真正的差距，不在模型性能，而在系統速度。

　　Altman 話不多，卻句句都是制度提醒：

“AI 至少會像互聯網一樣重要，甚至更大。”

　　如果美國不能在本土建好工廠、鋪好能源網絡、留住模型訓練空間——

　　這一次，它將不是技術領跑者，而是被下一套系統淘汰的前一代玩家。

　　?? 第三部分｜ 輸在系統，不在模型

　　在國會的聽證廳里，Sam Altman 沒有繞圈子。他被問到中美AI競爭的問題時，直接拋出一句：

“我們相信，美國的模型，包括 OpenAI 和 Google 以及其他公司的一些模型，是世界上最好的模型。”

　　這聽起來像是一句自信的陳詞，但接下來 Altman 的語調突然一轉：

“很難說我們領先多遠，但我會說：不是很長的時間。”

　　這句“不太遠”，不是謙虛，而是一次制度提醒—— 真正拉開差距的，不是模型能力，而是系統部署的速度與彈性。

　　DeepSeek 給出的信號，是“系統突破的速度”

　　在現場，Altman 明確提到中國團隊 DeepSeek，并且指出兩個關鍵事實：“第一，他們做了一個很好的開源模型。第二，他們還推出了一個消費者應用，短暫地超過了 ChatGPT，成為下載量最大的 AI 工具，甚至可能是整體下載量最大的應用。”

　　這不是簡單的“模型刷榜”，而是一種現象級信號：

　　中國的開源模型從研究到產品化的路徑正在迅速縮短；

　　模型本身不再是唯一的核心壁壘；

　　誰能更快進入終端，誰就擁有用戶、數據、生態與認知主權。

　　Altman 并沒有表現出焦慮，但他明確表示：“如果 DeepSeek 或其他消費者應用真的成為主流，并打敗 ChatGPT 成為人們使用的默認 AI 系統，那將是不好的。”

　　因為這不是市場份額的問題，而是系統標準、價值嵌入和全球使用習慣的“替代”。

　　不是火箭科學，是系統不能自卡節奏

　　在被問到“美國如何保持領先”時，Altman 給出了一段相當務實的回答：“這些都不是火箭科學。我們只需要繼續做那些長期行之有效的事情，而不是犯一個愚蠢的錯誤。”

　　這句話的關鍵詞是“長期”和“別犯錯”。那“蠢的錯誤”是什么？

　　他明確列出了三點：

　　對數據設限過嚴，訓練空間不如海外同行；

　　基礎設施建設受限，無法擴展芯片與能耗配套；

　　過早設立標準，行業尚未成熟便被掐死在搖籃里。

　　Altman 并沒有呼吁“放任自由”，而是強調“給行業一點生長空間”：“我相信行業正在迅速朝著確定正確協議和標準的方向發展，我們需要空間來創新和快速前進。”

　　換句話說——監管不能比部署慢，但更不能比成熟快。

　　Altman 的最后一段話，看似在說“蘋果和微軟”，其實是在說“制度彈性”：“世界用 iPhone、Google、Microsoft 產品……這就是我們產生影響力的方式。 我們不希望這停止發生。”

　　他提醒聽眾：美國不是靠最強技術贏的，而是靠讓技術快速流通、快速使用、快速全球化。

　　?? 第四部分｜贏擴散，不踩剎車

　　在大多數人印象中，AI監管意味著“踩剎車”——放慢速度，設置限制，防止危險。

　　但在 Sam Altman 眼中，這樣的監管方式，只會把勝利拱手讓人。

　　他說得非常直白：

“我認為如果標準被過早設定，那將是災難性的。”

　　因為這不是單純的“誰更謹慎”，而是會導致一種不可逆的后果：“世界將轉而使用更好的產品——只不過那些更好的產品，不一定是我們造的。”

　　Altman 真正擔心的，是“誤時”的監管

　　他不是唱反調。他承認監管很重要——甚至是必要的。“一旦行業確定標準由什么構成，然后由政府機構采納并使其正式化，這是完全可以的。”

　　他擔心的不是有監管，而是監管滯后于現實，又超前于理性：

　　技術才剛剛進入產品化階段，政府就要求其承擔全部社會后果；

　　行業尚未建立互通協議，就被政策硬性設限；

　　用戶還在理解產品如何使用，監管已試圖定義它的邊界。

　　Altman 的觀點很清晰：標準應該來自于實際使用，不是預設風險。換句話說——不是畫好跑道再起跑，而是邊跑邊筑路。

　　贏下擴散，才是AI的真正勝利

　　Altman 說的最有力的一句話是：“如果我們的心理模型是贏得擴散，而不是阻止擴散，那方向上就是對的。”這句話徹底改寫了人們對監管的想象。

　　在他看來，AI是一種可以全球傳播的系統級產品：

　　它的使用量決定了誰的數據更豐富；

　　它的迭代速度決定了誰的模型更強；

　　它的用戶依賴程度決定了誰擁有平臺生態；

　　最終，它將決定誰擁有系統主導權與技術嵌入權。

　　所以，“贏下擴散”意味著：

　　要讓世界使用美國的模型；

　　要在美國本土建設最大、最強、最節能的數據中心；

　　要讓美國標準成為全球參考；

　　而不是被限制束縛、被慢節奏拖拽，最后看著別的國家成為默認選項。

　　Altman 不是在警告“模型危險”，他提出一個更深層的事實：你以為監管是在防AI，其實是在決定誰擁有定義未來的權力。

　　這不是技術比拼，而是認知范式的爭奪。

　　?? 第五部分｜AI不是來消滅工作的，它在重寫“工作”這件事

　　Sam Altman 坦言，他被問到最多的問題之一就是：“AI 到底會不會毀掉所有的工作？”

　　他沒有回避這個問題，也沒有輕描淡寫。他反而直接指出：

“這次與以往技術革命不同的是——速度。”

　　技術革命從來都在發生。馬被汽車取代，電話取代信件，電腦代替打字機……但這一次不同。

　　“我不知道，也不認為有人能確切知道它會發展得多快， 但它看起來可能會非常快。”

　　當參議員還在提問“AI 會取代哪些人”，Altman 給出的回答，是一個更根本的判斷：“不是哪些工作會消失，而是‘工作’這件事本身正在被重新定義。”

　　從“崗位”邏輯到“協作體”邏輯

　　Altman 拋出一個全新的勞動邏輯：“我們稱之為迭代部署——把強大的工具盡早放在人們手里，讓他們習慣它、共建它，是最重要的事。”

　　這不是理想主義，而是OpenAI一貫的產品哲學：

　　不把AI藏起來，而是快速發布給大眾；

　　不等待社會準備好，而是與社會同步適應；

　　不是為了替代人，而是為了形成“人機協作的新型勞動體”。

　　他說，這種策略過去五年一直在運作。而成果，已經在編程領域顯現：

“在 2025 年 5 月，成為一個有效的程序員， 已與我上次來到這里（2023年5月）時，完全不同了。”

　　他用自己熟悉的領域舉例：“這些工具真正改變了程序員能做的事，世界將獲得的代碼量和軟件復雜度，也在同步飛升。”未來的工程師，不是寫代碼的人，而是指揮 AI 寫代碼的人。

　　AI不是“搶飯碗者”，是“組織再定義者”

　　Altman 沒有用“賦能”這種抽象說法，

　　而是講了一個 Uber 司機的故事：“ChatGPT 推出半年后，我坐進一輛 Uber，司機說：‘你聽說過 ChatGPT 嗎？太神奇了。’然后他告訴我，他靠 ChatGPT 運營整個洗衣小店。”

　　這個司機不會寫廣告，不懂法律，不擅長客戶服務。

　　但有了 ChatGPT，他：

　　用 AI 生成文案；

　　讓 AI 審核合同；

　　甚至用 ChatGPT 回復用戶郵件。

　　Altman 說，這是 AI“被使用”而不是“被恐懼”的典范。這不是失業的故事，而是“個人成為微型組織”的新形態出現。

　　未來是“用AI的人 vs 不用AI的人”

　　Altman 給出的金句，值得反復咀嚼：“我們想要達到的理念是——AI 不是取代工作，而是增強工作。人們將變得更有生產力，做的事情，甚至我們今天都無法想象。”

　　他提醒聽證會的議員們，如果你回望 100 年前，根本無法想象今天的職業形態：

　　用戶增長專家；

　　短視頻編導；

　　代碼prompt工程師；

　　模型紅隊審查員……

　　而未來十年，依靠AI創造的新職業，也將以我們無法預測的方式誕生。

　　我們可以適應技術變革，這點歷史早已證明。但這一次，節奏會非常快。我們必須讓教育和工具一起部署，才能跟上。

　　?? 第六部分｜AI開始理解你，它也開始重構你信任的一切

　　在聽證會的后半段，Altman 講到一個技術圈以外、但對普通人至關重要的問題：“我們必須認真看待人們與AI的關系正在發生的變化。”

　　他說，有些東西，正在我們幾乎沒有意識到的前提下悄然變化。

　　AI開始知道你一切的那一刻，隱私的定義就變了

　　Altman 指出一個現實：

“人們與AI系統分享的信息，比我認為他們以往與任何技術分享得都多。”

　　這意味著，如果AI是一個“聊天工具”，那只是表層。更深層是：AI 是那個從不疲憊、不反駁、永遠在線傾聽你的存在——它可能比任何人都更了解你。

　　Altman 說：

“AI 系統真正的效用，發生在它們能非常個性化地理解你的那一刻。”

　　而這，就是問題的根源。

　　“當AI比你伴侶更懂你”，我們該如何重新劃分信任？

　　這不是一個科技性問題，而是一個結構性的信任問題：“我們將如何考慮， 在AI了解你整個人生后，如何保護你說過的話？”

　　Altman 提出三個必須被重新設計的控制維度：

　　個人數據控制權——用戶必須知道自己說了什么，AI存了什么；

　　信息分享邊界——當AI連接到其他系統，是否能任意轉發、重組、調用你的數據？

　　情感依賴風險——當AI成為“情緒傾訴對象”，人是否會形成深度依賴？

　　他知道不是模型最強的問題，而是：人類如何在智能系統面前，重新定位自己的關系權力。

　　AI時代的“偽造內容”不再是技術問題，而是心理攻擊

　　在談到“深度偽造（deepfake）”問題時，Altman 承認：“我們很樂意配合立法，因為這個問題已經快速逼近。”

　　但他馬上指出，解決方式不能只靠代碼層面的限制。

　　他提出一個“多軌并行”的治理框架：

　　AI生成端：平臺要建立明確標識與溯源機制；

　　內容傳播端：分發平臺要設置自動識別與用戶提醒；

　　用戶教育端：社會要預期、識別并習慣“內容未必是真”的現實。

　　他說得非常現實：“我不相信我們能阻止內容的生成。開源模型、開放權重是大勢所趨。”

　　你防不了AI生成偽造，但你可以防止自己上當。

　　這句話，是一個社會心理建設的提醒：“我們越早讓人們理解這些內容可能是AI生成的，并在他們自己大腦中建立防御機制，越好。”

　　他舉了一個例子：

“你可能接到一個電話，聲音是你認識的人，情緒崩潰、請求幫助。 或者看到一段視頻，觸動你的情緒。你必須在心理上建立準備，因為它們可能是假的。”

　　他沒有把這停留在“AI濫用”的層面，而是進一步指出：AI偽造不可防，但信任可以重建。

　　——法律是護欄，技術是盾牌，教育是疫苗，而心理韌性，是我們最后的免疫系統

　　?? 第七部分｜下一輪現實，AI共創

　　
在聽證會上，有參議員問了這樣一個問題：

“你怎么看待 AI 奇點（Singularity）？ 就是那種 AI 超越人類智能之后的臨界點——它真的會來嗎？”

　　他沒有給出時間預測，也沒有承諾控制方案，只說：“我在它面前感到渺小。”

　　他停頓了一會兒，說了一句話：“我對進展的速度感到非常興奮，但我也非常謹慎。我會說，我在它面前感到渺小。”

　　這句話，在這個場合說出來，極具意味。

　　他不是一個悲觀者。他只是想提醒大家：這一次文明自我重構的臨界點。

　　不是模型躍遷，而是文明躍遷

　　Altman 接著說了一段相當有穿透力的話：

“我相信這將是人類歷史上可能出現的最大技術革命之一， 甚至可能是最大的一次。”

　　他沒有用“毀滅”這樣的詞匯，而是強調一種歷史尺度：

　　就像火、電、網絡；

　　它不是一個工具；

　　它是我們下一輪認知、生產、組織方式的根系統。

　　他說：“人類有一種驚人的適應能力，看起來驚人的東西，很快就會成為‘新常態’。”就像你已經在用 ChatGPT 查文獻、寫郵件、陪孩子做作業一樣。

　　它早已介入你的判斷、表達與決策，只是你還以為它是“工具”。

　　不是規劃未來，而是協作生成

　　Altman 有一句話，說得極其克制：“這些工具將能做到一些我們無法完全理解的事情，當它們開始幫助我們創造下一個未來版本時……”

　　他沒有明確說出“奇點已到”，但他說的是另一件更重要的事：

　　“未來不是我們規劃出來的， 而是我們與AI協同、試錯、演化出來的。”

　　他把這種狀態稱為：“有些人稱之為'奇點'，其他人稱之為'起飛'。無論它是什么——它感覺像是人類歷史的一個新時代。(Some people call it the Singularity.Others call it the Takeoff.Whatever it is — it feels like a new era in human history.)”

　　不要幻想“管住AI”，而是設計“與AI共創的機制”

　　Altman 在最后反復強調：“我們可以讓這一切變成美好的事情，但我們必須帶著謙卑和一點謹慎接近它。”

　　這句話之所以重要，是因為它對所有制度、公司、個體發出了一個新的角色邀請：我們不再是監管者或操控者，而是共創者、系統接口的設計人。

　　這就是為什么 OpenAI 把模型權重交給國家實驗室——因為：“科學發現，可能是AI對人類最有價值的貢獻。”

　　AI不替你完成工作，而是帶你進入“人類自己無法到達的空間”：

　　它幫助我們重新定義科研效率；

　　它幫助我們理解大腦、疾病、物理定律；

　　它甚至可能幫助我們重建人類的知識秩序。

　　而我們的責任，是不設限、不設敵，而是設計出可以共創未來的機制。

　　結語｜不是AI贏了，是系統扛住了

　　Sam Altman 這次站在國會作證，沒有講技術路線，也沒有宣傳產品。

　　他說的只有一件事：

AI，不只是模型比拼，而是國家系統的壓力測試。

　　從能源、芯片、工廠，到人才、就業、監管——每一個系統部件都在被重新定義。

　　他沒有要求支持，也沒有請求資源。 他說的只是一個事實：

不是 AI 跑得太快，而是人類的認知系統準備太慢。

　　如果跟不上，輸掉的不是模型、不是公司， 而是我們自己，在自己的主場。

　　本文由AI深度研究院出品，引用了OpenAI首席執行官Sam Altman 在參議院委員會人工智能競爭問詢會上的講話。

　　來源：官方媒體/網絡新聞

　　排版：Atlas

　　編輯：深思

　　主編：圖靈