Bret Taylor：我先從我們的商業(yè)模式說起，這有助于回答你的問題。Sierra 和傳統(tǒng)軟件公司很不一樣的一點(diǎn)是：只為結(jié)果收費(fèi)。對大多數(shù)客戶來說，這意味著——當(dāng) AI 智能體獨(dú)立解決了來電或在線咨詢的需求時(shí)，我們收取一次費(fèi)用；如果最后必須轉(zhuǎn)人工，那這次就是免費(fèi)的。

我們很喜歡這種模式，我也認(rèn)為這會成為智能體的標(biāo)準(zhǔn)商業(yè)模式。畢竟“agent（智能體）”這個(gè)詞源于“agency（能動性）”，它本質(zhì)上就意味著一定程度的自主性。我認(rèn)為最先進(jìn)的智能體會從頭到尾完成一項(xiàng)任務(wù)——無論是為銷售團(tuán)隊(duì)生成新線索、解決客戶服務(wù)問題，還是對一起反壟斷審查做法律分析，等等。

如果一個(gè) AI 智能體不只是“協(xié)助”人更高效，而是真正把事辦成，為什么不按辦成一件事來付費(fèi)呢？你看大多數(shù)公司——凡是能量化結(jié)果的崗位，比如銷售，通常都會有傭金，不只是底薪。所以，讓“智能體”按“傭金”結(jié)算，不僅能把廠商、合作伙伴與客戶的激勵對齊，而且從第一性原理看也非常合理。我覺得這會像云軟件訂閱的出現(xiàn)一樣改變行業(yè)。當(dāng)年Marc Benioff和Parker Harris創(chuàng)辦 Salesforce，用訂閱替代永久授權(quán)，重塑了軟件版圖；智能體也會發(fā)生同樣的事。

說回我們怎么和客戶合作。既然只有有效果才收錢，那軟件廠商與客戶之間的關(guān)系就變了。傳統(tǒng)里，軟件廠商和客戶常常保持一種“保持距離”的關(guān)系。做過大型ERP上線的人都知道（我對 ERP 也不算專家），據(jù)我見過的案例，幾乎全都比預(yù)期多花兩年、多花很多錢。

如果你去問一個(gè)項(xiàng)目里上萬人，系統(tǒng)集成商會指責(zé)軟件廠商，軟件廠商會指責(zé)系統(tǒng)集成商。大家都不會指客戶，因?yàn)榭蛻粼诟跺X，于是人人都好話連連：“你很棒，一切都好�！薄�成功者千父，失敗是孤兒。問題部分在于：在這段關(guān)系里，唯一真正關(guān)心“結(jié)果”的只有客戶本身。

于是大家互相甩鍋，需要一個(gè)強(qiáng)勢的 CIO 或 CTO 來把關(guān)；你能看到這里面的激勵扭曲：合作伙伴可能是按小時(shí)收費(fèi)——這不是好激勵；軟件廠商已經(jīng)把合同簽了，至于你能不能成功落地，就自求多福了。

按結(jié)果定價(jià)要求軟件公司和客戶建立不一樣的關(guān)系。這也是為什么它在 AI 領(lǐng)域最近很“潮”。當(dāng)然，沒有軟件公司愿意把自己做成純服務(wù)公司，所以你不能把“做服務(wù)”的比例拉到極致；但責(zé)任邊界確實(shí)不同了。

因此在與客戶的關(guān)系上，我們重點(diǎn)做了兩件事。第一是產(chǎn)品可用性：要想交付結(jié)果，你必須讓實(shí)現(xiàn)結(jié)果這件事盡可能容易。在市場上，我們同時(shí)提供面向技術(shù)團(tuán)隊(duì)與運(yùn)營團(tuán)隊(duì)的產(chǎn)品，這點(diǎn)幾乎無出其右；你不懂技術(shù)也能搭建智能體。我們就是要讓盡可能多的客戶體驗(yàn)專業(yè)人士有“開箱即用”的能力。第二是在合作層面，我們提供大量智能體開發(fā)支持：如果你需要把智能體“推出門”的幫手，我們會整隊(duì)人馬進(jìn)駐幫你搞定——這很少見。

我不知道一切最終會如何定型，但我對這套愿景非常篤定。當(dāng)我和客戶交流時(shí)，我喜歡他們能一眼看清我們帶來的價(jià)值——只有智能體真的奏效了，他們才需要付費(fèi)。這種關(guān)系簡單、清晰，我由衷認(rèn)同。

Alex Heath：所以你們現(xiàn)在有

數(shù)百家客戶

，其中

50% 的年?duì)I收超 10 億美元

20% 超 100 億美元

，對嗎？

Bret Taylor：沒錯。

Alex Heath：為什么把重心放在這樣的客戶，而不是走一條類似 Shopify 的“海量中小商戶”路線？為什么要沖著

大公司

去？

Bret Taylor：大公司有大問題�；氐降谝恍栽恚喝绻闶且粋�(gè)全球擁有一億用戶的大眾品牌，在大語言模型出現(xiàn)之前，你不可能與他們一一對話。算筆賬：呼叫中心有個(gè)指標(biāo)叫CPC（cost per contact，單次聯(lián)系成本），衡量一次通話或一次聊天的人力與技術(shù)的全成本。它取決于對話的復(fù)雜度、接線人員的資質(zhì)，以及在岸/離岸等差異。

粗略說，接起一個(gè)電話要花 10～20 美元。但對多數(shù)消費(fèi)品牌來說，每用戶平均收入（ARPU）還沒這通電話貴。這意味著你根本負(fù)擔(dān)不起“對話”這件事。也難怪你嘗試給很多大品牌打電話時(shí)幾乎打不通。

網(wǎng)上甚至有專門的網(wǎng)站幫人挖品牌的“隱藏電話”。并不是他們不在乎你——而是經(jīng)濟(jì)上不劃算。如果每個(gè)想打電話的人都打通了，他們會被打垮，這對你也沒好處�，F(xiàn)在有了大語言模型，情況完全不同：你可以把“接一通電話”的成本不是降低一倍，而是降低兩個(gè)數(shù)量級（百倍）。于是，“對話”的經(jīng)濟(jì)性被徹底改寫。

這就是我們服務(wù)大型品牌的原因：這種階躍式的客戶體驗(yàn)變化，對擁有數(shù)千萬乃至數(shù)億客戶的公司最相關(guān)，而這些公司往往就是大型企業(yè)。更令人興奮的是，很多人一想到“面向客戶體驗(yàn)的 AI 智能體”，腦子里只有聯(lián)絡(luò)中心自動化，那當(dāng)然是個(gè)大場景。

但如果按我剛才的邏輯去想：在相同成本下，你現(xiàn)在可以比過去多一到兩個(gè)數(shù)量級地和客戶對話，這太驚人了。對那些爭奪既有存量用戶的行業(yè)（比如移動通訊），你在同一塊“蛋糕”上競爭；如果你能把留存提高100 個(gè)基點(diǎn)（1 個(gè)百分點(diǎn)），那就是巨大價(jià)值；如果你能把流失率（churn）降低500 個(gè)基點(diǎn)（5 個(gè)百分點(diǎn)），你的用戶生命周期價(jià)值（LTV）的算式就會發(fā)生變化。

很多公司開始這樣思考。第一重效果當(dāng)然是降低單次通話成本——很好，你省下來的錢可以回饋股東。但更成熟的公司會問：我能不能借此提升市場份額？這才真正令人興奮，也是我們在為全球一些最大的品牌所做的事。

Alex Heath：你們現(xiàn)在有沒有

完全不需要人工介入

、替客戶

直接把事辦了

的智能體？我說的不是聊天機(jī)器人，而是真正做事、能

掛上經(jīng)濟(jì)賬

，原本以為要人參與、但實(shí)際上不需要的那種。有現(xiàn)成例子嗎？

Bret Taylor：有，給你幾個(gè)。我們服務(wù)的一些零售商：用戶上傳一張損壞商品的照片，系統(tǒng)就能即時(shí)判定保修索賠是否成立，接著對接庫存系統(tǒng)，自動發(fā)貨替換新品；你可以在我們的平臺上，用AI 智能體完成整套房屋再融資（refinance）流程，從頭到尾端到端辦完。

Alex Heath：無需人工介入嗎？

Bret Taylor：無需人工介入。這些智能體的能力已經(jīng)很驚人了；在 Sierra 平臺上，你可以讓智能體直接采取行動——我們的客戶 100% 都在這么做。從某種意義上說，有個(gè)叫RAG（檢索增強(qiáng)生成）的技術(shù)，說白了就是“答問”。到今天，這幾乎已經(jīng)商品化了：把ChatGPT和一個(gè)知識庫接起來并不難；現(xiàn)在多數(shù)工程師周末就能做出來。想想看，三年前還像科幻的事情，如今成了“周末項(xiàng)目”。這就是技術(shù)發(fā)展，真的令人震撼。

真正困難的是：在受監(jiān)管的流程上布好復(fù)雜的護(hù)欄……我們與醫(yī)保支付方、醫(yī)療服務(wù)提供方、銀行、財(cái)產(chǎn)及意外險(xiǎn)公司合作。你看像理賠處理這樣的復(fù)雜、受監(jiān)管對話，絕對不是 RAG 能解決的——那是一整套復(fù)雜的對話，需要合規(guī)把關(guān)。怎么用AI 護(hù)欄去約束？怎么用確定性護(hù)欄去約束？怎么解決40 多種語言里的語音轉(zhuǎn)寫準(zhǔn)確率這種“看似瑣碎但要命”的問題？

比如，漏掉 and / or這種連接詞，可能無傷大雅；但漏掉你的賬號，就要命了。又比如我們做道路救援：你可能和智能體聊天時(shí)，車?yán)?/strong>響了一下，它就以為被打斷而停住了——因?yàn)樗?strong>分不清“喇叭聲”和“人在說話”。

我們的平臺，正是為解決這些問題而設(shè)計(jì)的：有效的護(hù)欄（既有基于規(guī)則/確定性的，也有基于 AI的）；多語言、覆蓋文本與語音的對話；我們用到的AI 護(hù)欄叫supervisor models（監(jiān)督模型）——非常有效、也非常有意思；以及一些“看似簡單”的能力：能判斷“那是背景電視聲，此刻沒人說話”，或者“那是喇叭，不是打斷”。

也許三四年后這些都不難了，但此刻非常難，所以我們的產(chǎn)品需求很旺。

Alex Heath：你剛好提到

語音

。我很好奇：在聊天之外，

語音

是怎么融入這套系統(tǒng)的？你認(rèn)為語音最終會比文本

占比更大

嗎？

Bret Taylor：我認(rèn)為會的。在我們平臺上，語音的占比已經(jīng)超過文本——這挺不可思議，因?yàn)槲覀冞�是去年 11 月才上線語音能力的。我覺得原因有幾點(diǎn)。先說人性層面的：你看所有描繪未來電腦的電影或科幻小說，大多是“跟電腦說話”。說話可能是最符合人體工學(xué)的交互方式：我們與生俱來就會說話，門檻極低、摩擦小、可達(dá)性強(qiáng)。關(guān)于數(shù)字鴻溝我們談了很多，如果大多數(shù)數(shù)字交互都能靠“開口說”，再配上多語言、有耐心的系統(tǒng)，那將是真正的普惠。

而且在電信、醫(yī)保等行業(yè)，大量客服依然發(fā)生在電話上（不僅是患者或消費(fèi)者，機(jī)構(gòu)對機(jī)構(gòu)也一樣）。AI 的到來，讓這個(gè)最古老的模擬通道——公用電話交換網(wǎng)（PSTN）——第一次“數(shù)字化”。過去幾乎每家公司都有“數(shù)字自助”團(tuán)隊(duì)，本質(zhì)是在拜托你：“能不能上我們網(wǎng)站別打電話？對你對我們都更好、更快、更便宜�！�現(xiàn)在變成：“打電話也行啊”——因?yàn)榻幽汶娫挼模驮诰W(wǎng)站上服務(wù)你的，是同一個(gè)智能體。這變化有點(diǎn)瘋狂。

就像我們常說TCP/IP（傳輸控制協(xié)議跑在網(wǎng)際協(xié)議之上）——我們其實(shí)是把“互聯(lián)網(wǎng)”搬到了電話上：第一次讓電話成為數(shù)字技術(shù)的通道。這就是為什么我說它是真正的止痛藥，而非維生素：人們會為止痛藥買單。你把最貴、最煩、人人都不喜歡的渠道（電話）的問題解決了——即便你遇到“史上最好的人工客服”，也往往是先排隊(duì) 10 分鐘之后才接通；要做到“永不排隊(duì)”的呼叫中心，經(jīng)濟(jì)上不可行。

所以這里沒有人捍衛(wèi)“電話客服的現(xiàn)狀”，各方都討厭它；而現(xiàn)在有了能真正解決問題的技術(shù)。這就是它將產(chǎn)生巨大影響的原因。展望未來，具體走向仍然不確定。我處在這波 AI 浪潮的中心，也不敢斷言。但看巴西、印度人們使用WhatsApp的方式，你會好奇：當(dāng)對話式智能體普及后，這種對話式數(shù)字交互會不會在其他市場也一樣無處不在？

我大約四年前去巴西，被人用 WhatsApp 辦按揭驚呆了：上傳 PDF、在線辦流程。想象一下：每一家公司的客戶體驗(yàn)里都有一個(gè)對話式智能體，也許每家公司都要有一個(gè)WhatsApp 窗口；或者，智能音箱會卷土重來。

我也會想象開車上班時(shí)的CarPlay。我很喜歡它，但現(xiàn)在你做不了多少事。試想一邊開車一邊和你的個(gè)人智能體對話，分揀郵件、處理事項(xiàng)——通勤瞬間變得高產(chǎn)，就像和一位“萬事通博士”級私人助理對話。這很酷。短期里我們老談電話，是因?yàn)槟抢?strong>經(jīng)濟(jì)影響最直接。但本質(zhì)上，我們在讓電腦變得可對話——它既是技術(shù)變革，也是交互范式的變化。

前幾天我還像這樣把手機(jī)貼在臉上打電話（線上觀眾看不到，我的意思就是傳統(tǒng)的打電話姿勢）。我一直以為這很正常。結(jié)果我孩子說：“你居然把手機(jī)貼臉？”——好像我在舔手機(jī)一樣�，F(xiàn)在的孩子打電話完全不是這么打。那一刻我才意識到：我真的老了。

你會發(fā)現(xiàn)，在新技術(shù)中長大的孩子，從沒見過旋轉(zhuǎn)撥號盤，他們的互動方式天然不同。在他們的世界里，電腦當(dāng)然能聽懂我?guī)е?xì)微語氣和諷刺的說話，我當(dāng)然有一個(gè)能替我做功課、做旅行調(diào)研的個(gè)人 AI。

我們甚至還沒開始認(rèn)真想象這些二階、三階效應(yīng)——就像我孩子覺得“把手機(jī)貼臉打電話很奇怪”，到現(xiàn)在我還在震驚。但我認(rèn)為我們正站在一個(gè)重大趨勢的起點(diǎn)。我也抱著希望——像很多人一樣，我讀過《焦慮的一代》（The Anxious Generation），也常發(fā)現(xiàn)自己會不自覺地盯著口袋里的發(fā)光屏幕。你會想，再過四五年，軟件會不會“融化到背景里”？那些繁瑣的事，比如等待接通、找不到客服電話，會不會被這代技術(shù)抹平？

“隨時(shí)打給我們吧�！薄到y(tǒng)知道我所有偏好：如果我在BART（灣區(qū)地鐵）上，不想被人聽見，就用聊天；如果我手里正拿著東西，就用語音。這些都會自適應(yīng)地可用。

所以我很期待。就像所有技術(shù)演進(jìn)一樣，我們現(xiàn)在還在馬斯洛需求金字塔的底層；很難看清自我實(shí)現(xiàn)那一層的樣子，但我認(rèn)為我們會相當(dāng)快地到達(dá)。Sierra的愿景，是幫助全世界的公司適應(yīng)這個(gè)變化。第一步，為你的客戶打造出色的客服體驗(yàn)：被尊重、被重視、真正個(gè)性化。第二步，讓你的公司為未來做好準(zhǔn)備：“對話式電商”意味著什么？當(dāng)人們在 OpenAI 上做消費(fèi)調(diào)研而不是搜索引擎時(shí)，這對你意味著什么？

我相信你們很多人已經(jīng)這么做了：比如拿到一份化驗(yàn)結(jié)果，我會在和醫(yī)生交談前先把它上傳到 ChatGPT。我不知道我的醫(yī)生對此作何感想，但我敢說：他的其他患者 100% 也都這么做。世界正在改變。所以在Sierra，我們反復(fù)思考的是：如何幫每一家企業(yè)，在這個(gè)新世界里取得成功。

Alex Heath：從技術(shù)角度再聊聊

Sierra

。你們到底有沒有在做

自研模型

？你們的“

秘方

”是什么——模型本身，還是別的？

Bret Taylor：我們做了大量微調(diào)（fine-tuning），但不做預(yù)訓(xùn)練。我認(rèn)為大多數(shù)應(yīng)用型 AI 公司都不該自己預(yù)訓(xùn)練——那是一個(gè)迅速貶值/升值極快的資產(chǎn)賽道，對股東未必有意義，而且極其復(fù)雜。

在我們的平臺上，一個(gè)智能體回一條消息，背后可能要進(jìn)行 20 多次推理調(diào)用�？上攵@件事有多復(fù)雜：底層用到很多不同的模型，既不止一個(gè)供應(yīng)商，也不止一種參數(shù)規(guī)模（模型大小）。

我覺得應(yīng)用型 AI（像 Sierra 這種）會走向一個(gè)狀態(tài)：模型就是基礎(chǔ)設(shè)施。就像你問“我的數(shù)據(jù)該怎么存”——技術(shù)同學(xué)都知道現(xiàn)在有成百上千種選擇：Snowflake、Databricks、傳統(tǒng)事務(wù)型數(shù)據(jù)庫……現(xiàn)代工程師會按具體用例選最合適的。

在應(yīng)用型 AI 里也會這樣：有時(shí)要極致低時(shí)延，有時(shí)要極致低成本，有時(shí)要極致高質(zhì)量；在價(jià)格—性能—時(shí)延的矩陣?yán)铮?strong>總能找到適合業(yè)務(wù)目標(biāo)的那一格。

最后它會很像數(shù)據(jù)庫市場：真正搭建智能體與應(yīng)用的是實(shí)踐者（practitioners），不是訓(xùn)練基礎(chǔ)模型的研究者。直覺上（僅代表我個(gè)人），隨著上下文窗口變大、模型對規(guī)則約束的遵循度提高，連微調(diào)的比重可能也會逐漸下降。到那時(shí)，“在模型上開發(fā)應(yīng)用”的技能更像“會用數(shù)據(jù)庫”，而不是“會寫數(shù)據(jù)庫內(nèi)核”——這是兩種完全不同的能力，我認(rèn)為應(yīng)用型 AI 正在朝這個(gè)方向發(fā)展。

Alex Heath：我的感覺是，隨著

GPT-5

的發(fā)布，模型仍在變好，但

臺階式的躍升

沒有以前那么

劇烈

了——也許節(jié)奏會變？

Bret Taylor：我不完全同意（我打斷你了，抱歉）。

Alex Heath：你當(dāng)然不必同意——你還是

OpenAI

的董事會主席（笑）。我的意思是：你是否認(rèn)同“

模型在走向商品化

”這個(gè)判斷？你剛把模型比作基礎(chǔ)設(shè)施。如果真如此，

二階效應(yīng)

是什么？也就是說，模型

可以隨插即用

，雖各有千秋，但

不再像過去那樣每代都是斷崖式飛躍

Bret Taylor：我不同意，并不是因?yàn)槲摇爸麝?duì)情結(jié)”——雖然我確實(shí)是（笑）。關(guān)鍵是：要看任務(wù)。

如果你用過GPT-4/4.1 寫代碼，然后換成GPT-5，你會看到性能的顯著躍升。在“編碼”這個(gè)用例上，它就是臺階式升級。

但我年初也用 4.0 在 ChatGPT 上規(guī)劃過假期。要是換成 5 做同一趟旅行，可能只是“稍好一點(diǎn)”。我玩得很開心，也許我標(biāo)準(zhǔn)不夠高（笑）。

我覺得：對很多任務(wù)而言，我們已經(jīng)達(dá)到“足夠聰明”。因此，當(dāng)新模型出來、你拿“規(guī)劃假期”去衡量，可能感覺提升不大�？扇绻阋�發(fā)現(xiàn)新療法（藥物研發(fā)）、要自動寫復(fù)雜軟件、要做復(fù)雜的異步智能體任務(wù)，你對“到底跨了多大一個(gè)臺階”的感知就會不同。

所以我的直覺是：你要解決問題的復(fù)雜度，會越來越?jīng)Q定你對“這代模型進(jìn)步有多大”的感受。

若從“通用人工智能（AGI）”的視角，我們當(dāng)然還需要更多進(jìn)步。前陣子X（原 Twitter）上有位OpenAI 研究員 Sebastien Bubeck發(fā)了個(gè)貼：模型在一篇數(shù)學(xué)論文里給出了一種相當(dāng)新穎的方法（具體數(shù)學(xué)我不懂）。那種創(chuàng)造性很有意思，讓人想起AlphaGo的時(shí)刻：“咦，這像是新的數(shù)學(xué)思路�！�

要達(dá)到“能做新型 AI 研究、能發(fā)現(xiàn)新藥、能解決未證的數(shù)學(xué)難題”，我們還有路要走，還沒到。但我理解你說的：對大批日常任務(wù)，模型已到“夠用”。這沒問題。

回到核心問題：這意味著什么？OpenAI是使命驅(qū)動的：確保 AGI 造福人類。我們在追求“有益的 AGI”，而現(xiàn)在還沒到。我們得持續(xù)投入研發(fā)。有些方面已超人類，也有很多方面還沒有——這正是我們在做的。

對Sierra的任務(wù)，或你我日常生活，是否每次都需要最強(qiáng)模型？未必。這會自然催生一個(gè)多模型生態(tài)，各司其職。令人興奮的是：我們還沒“封頂”。我們想把 AGI 做出來，這非常讓人激動。

盡管有“進(jìn)步放緩”的印象，我不太認(rèn)同�？�真正的研究突破、看數(shù)奧（Math Olympiad）等結(jié)果，有些事情以前的模型做不到，現(xiàn)在能做到了，這非常振奮。

Alex Heath：既然提到

AGI

。我越來越覺得

沒人說得清

AGI 究竟是什么——但對

OpenAI

的董事長而言，你的定義

很重要

。你

心中的 AGI

是什么？你的定義在

過去一年

有變化嗎？

達(dá)到什么

你會說“這就是 AGI”？

Bret Taylor：先答最后一個(gè)：有變化。以三年前的標(biāo)準(zhǔn)，我認(rèn)為我們已經(jīng)達(dá)到了我當(dāng)時(shí)會稱為 AGI 的水平——其實(shí)幾乎所有人三年前對 AGI 的直覺標(biāo)準(zhǔn)，我們現(xiàn)在也已達(dá)到。

有個(gè)叫“圖靈測試”的東西——我不確定原文怎么表述，但我們在計(jì)算機(jī)課上學(xué)的是：如果你和 AI 對話，分不清對面是不是人。這個(gè)門檻，我們多年前就越過了。它曾經(jīng)是 AI 的“大事”，現(xiàn)在我會說：別再拿圖靈測試當(dāng)標(biāo)尺了——那是最聰明的計(jì)算機(jī)科學(xué)家提出的不太聰明的主意（笑）。

我們不斷把球門往前挪，因?yàn)檫@項(xiàng)技術(shù)一次次超出我們的集體預(yù)期——我們對 AGI 的直覺門檻，已經(jīng)被我們自己甩了四五圈。

我現(xiàn)在（可能以后還會變）更傾向這樣想：在“數(shù)字技術(shù)與觀念”的領(lǐng)域里，這些模型是否在幾乎所有子域都達(dá)到或超過人類智能？

我特別強(qiáng)調(diào)“數(shù)字/觀念”這個(gè)域：發(fā)明新數(shù)學(xué)，很多人會把它納入AGI/超智能；但與物理世界互動又是另一回事，和“智能”本身并非同一個(gè)問題。比如你能“發(fā)明一種新療法”，但臨床試驗(yàn)是完全獨(dú)立的流程。我在找的是“智能”本身的度量。

AGI 里G 的另一層含義是“泛化（Generalization）”。舉個(gè)研究圈常爭的點(diǎn)：如果你把模型練到極強(qiáng)的數(shù)學(xué)能力，它對其他領(lǐng)域會有多強(qiáng)？有人認(rèn)為“數(shù)學(xué)是推理之基，強(qiáng)數(shù)學(xué)就能遷移到很多事情”；也有人懷疑“它能否泛化到生物學(xué)等其他學(xué)科”。

我的觀點(diǎn)偏向：只要不是為“數(shù)奧”這類單點(diǎn)任務(wù)“特訓(xùn)”出來的能力，而是模型綜合能力的“副產(chǎn)品”，它就有望泛化。但還是要看結(jié)果。我們會看到它在其他科學(xué)門類的泛化表現(xiàn)。

看著研究進(jìn)度、OpenAI 及其他實(shí)驗(yàn)室的結(jié)果，我越來越樂觀，也期待第一項(xiàng)真正意義上的科學(xué)突破由AGI給出。我覺得未來幾年會發(fā)生——當(dāng)然我也不敢下定論，但感覺很像。這更該問OpenAI的研究員而不是我，不過從現(xiàn)在的苗頭看，并非不可及。

Alex Heath：為什么像你以前的老板

Mark Zuckerberg

這樣的的人，現(xiàn)在都在談“

超智能（superintelligence）

”？這在灣區(qū)和舊金山已經(jīng)成了熱詞。是不是因?yàn)榇蠹倚睦锒荚谙耄?/blockquote>

“OK，圖靈測試過了，我們做到了�！�

——然后聳聳肩，開始聊下一個(gè)？

Bret Taylor：（笑）算是一波“換包裝”吧。

Alex Heath：對，“換包裝”。那它和

AGI

（通用人工智能）到底

有什么不同

？老實(shí)說我不太明白。

Bret Taylor：“超智能”字面意思就是比人類更聰明。如果要分個(gè)細(xì)微差別的話：當(dāng)我們做出一個(gè)普遍智能、表現(xiàn)和你我差不多的系統(tǒng)——這是不是就顯得有點(diǎn)“不過如此”？（絕無冒犯之意，Alex。老實(shí)講，做到這一步也已經(jīng)很棒了，你的“聰明程度”對我來說綽綽有余。）

所以“超智能”的門檻更高，是真正出類拔萃的那種。從研究與安全角度講，討論“超智能”是有用的——一旦模型的推理能力超過人類，我們該如何監(jiān)控它、讓它安全？當(dāng)它超出人類理解閾值時(shí)，你就必須用技術(shù)監(jiān)控技術(shù)。非 AI 領(lǐng)域早有先例：飛機(jī)、汽車?yán)镉幸欢严到y(tǒng)在監(jiān)測人類感知不到或反應(yīng)不及的狀況——這是一個(gè)非常重要的研究方向。

所以討論它是有意義的。至于公關(guān)層面的東西，我沒太多看法。但在安全上，確實(shí)有嚴(yán)肅問題：當(dāng)你無法完全理解它時(shí)，如何確認(rèn)它是“對齊”的？人類理解它到底重不重要？能不能用我們訓(xùn)練出的“監(jiān)督 AI”去理解它？這些都是技術(shù)與哲學(xué)交織的問題，需要在演進(jìn)中認(rèn)真回答。

Alex Heath：前陣子我和

Sam Altman

一起吃飯（新聞里熱議的那次）。他那句原話是：

“這是一個(gè) AI 泡沫，總會有人賠得很慘（我們不知道是誰），也會有很多人賺得盆滿缽滿�！�

Bret Taylor：這就像那句老營銷名言。

Alex Heath：哪句？

Bret Taylor：“我做的營銷里，只有 50% 有用——問題是，我不知道是哪 50%�！�

Alex Heath：（笑）你

同意

他的說法嗎？為什么？

Bret Taylor：完全同意。我講過一個(gè)類比（Alex，如果你聽過就當(dāng)我再說一遍）：互聯(lián)網(wǎng)泡沫。大家總會記得Pets.com、Webvan這些“撲街”的案例。但拉長到30 年看，Amazon、Google這些全球市值巨頭是互聯(lián)網(wǎng)時(shí)代的產(chǎn)物。再看Microsoft如今市值里有多少來自Cloud等業(yè)務(wù)；再看全球 GDP被互聯(lián)網(wǎng)帶動或影響了多少——你會發(fā)現(xiàn)：1999 年那些人，其實(shí)很多是“方向正確”的。互聯(lián)網(wǎng)幾乎在所有指標(biāo)上都帶來深遠(yuǎn)影響。

就連當(dāng)年的Webvan，在智能手機(jī)普及、互聯(lián)網(wǎng)規(guī)模成熟之后，也“轉(zhuǎn)世”為Instacart、DoorDash這樣的健康業(yè)務(wù)。很多想法并不差，只是來得太早。

當(dāng)然，如果你是Amazon的早期股東，今天很開心；如果你是Webvan的股東，感受就不同了。兩種結(jié)局同時(shí)存在。而現(xiàn)代的大模型與 AI，僅僅是軟件工程與客服這兩個(gè)領(lǐng)域，就會對經(jīng)濟(jì)產(chǎn)生巨大影響。

我們還從未見過“軟件工程師數(shù)量足夠”的世界——而編碼智能體很可能會帶來這種改變：把稀缺的“人力”，變得更充裕。軟件開發(fā)的市場有多大？很難衡量，因?yàn)?strong>幾乎每家公司在某種意義上都是軟件公司。

因此，對我而言，一定會出現(xiàn)巨大的贏家。機(jī)會巨大，資本就會涌入；有的公司會失敗，有的會成功。互聯(lián)網(wǎng)早期的光纖，不少鋪設(shè)者破產(chǎn)了，但光纖并沒有消失——只是被下一個(gè)所有者（比如私募）接盤并使用。

所以我認(rèn)為：AI 將重塑經(jīng)濟(jì)、創(chuàng)造巨大價(jià)值；與此同時(shí)，泡沫也確實(shí)存在、也會有很多人虧錢。兩者同時(shí)為真，歷史上早有先例。

Alex Heath：你擔(dān)心

泡沫就在你所處的企業(yè)級 AI 賽道

嗎？最近有個(gè)

MIT

報(bào)告說，

大量 AI 投入看不到回報(bào)

。我知道你們的

按結(jié)果付費(fèi)

模式更“對結(jié)果”，但如今很多企業(yè)

一擁而上

投了很多錢在“沒效果的東西上”。如果反轉(zhuǎn)會怎樣？

Bret Taylor：我把兩件事分開說：擔(dān)心，和那份研究。我確實(shí)擔(dān)心泡沫，但我不同意那份研究的結(jié)論。先說我對行業(yè)的擔(dān)心，再說那份報(bào)告（它其實(shí)比我的擔(dān)憂更樂觀）。

關(guān)于行業(yè)，我再講個(gè)“寫 Google 地圖”的老梗——大體是真的，但像很多好故事一樣也有點(diǎn)“加工”。大家愛講這個(gè)，是因?yàn)椤?strong>一個(gè)人周末寫了一大坨代碼”很炸裂�？涩F(xiàn)在如果你用過Codex或Cloud Code，你會想：“我周末找個(gè) AI 智能體也能干這個(gè)�！�

對我個(gè)人而言，這曾是我的身份一部分；而現(xiàn)在，也許再過兩年，智能體就完全能做到。所以這件事會從“哇，真厲害”，變成“哇，當(dāng)年居然是人干這個(gè)？”。

商業(yè)層面，問題是：軟件市場的未來是什么？我們確實(shí)會經(jīng)歷平臺期（比如自動駕駛：早期很興奮，但現(xiàn)實(shí)很漫長）。再聰明的人也會在這些事上估計(jì)過高。而讓智能體做軟件工程，等于把最稀缺、收入最高的工種之一交給 AI——這會帶來什么？

很多人問我：“我還該學(xué)計(jì)算機(jī)嗎？”我的答案是：該。但老實(shí)說，沒人知道未來會怎樣。

“生成代碼”會不會像很多程序員知道的那樣，本就不是最難的那部分，而最終趨于商品化？也許會，很多人這么想。但這會如何改變軟件市場？

我的假設(shè)是：變化不會那么大。買ERP的時(shí)候（又說 ERP，不知為何今天老想起它），你買的不是那堆字節(jié)，而是：很多公司把總賬放在上面，每個(gè)季度能結(jié)賬、系統(tǒng)可靠、云端有補(bǔ)丁、合規(guī)認(rèn)證齊全……這些不性感，但是企業(yè)軟件里“枯燥但重要”的部分。

如果你是大型CPG公司，能不能自己寫一個(gè) ERP？未必是好主意。我常說：軟件像草坪，需要打理。你造了它，就要養(yǎng)它。新會計(jì)準(zhǔn)則出來，你得自己跟。
所以，我認(rèn)為它會改變我們寫軟件的方式，但不會顛覆“企業(yè)軟件市場”的存在。也許我會錯，但這是我的判斷。

我們正進(jìn)入一個(gè)全新的世界：把稀缺變充裕。最近我常提一部電影，特別推薦：《隱藏人物》（Hidden Figures）。它講登月工程，聚焦那些做手工計(jì)算的女性，她們當(dāng)時(shí)的職位就叫“計(jì)算機(jī)（computer）”——我也是看了這片才意識到“computer”原來是個(gè)人類崗位。

片中有位女士看到一臺占滿客廳的 IBM 計(jì)算機(jī)進(jìn)廠，就去學(xué)穿孔卡編程，為自己“保崗位”。我們現(xiàn)在也都在經(jīng)歷類似的時(shí)刻：“我是計(jì)算機(jī)/計(jì)算者�！�我那個(gè)“周末寫地圖”的故事，本質(zhì)也像“計(jì)算者”的故事。

二階、三階效應(yīng)還很模糊。我相信企業(yè)軟件會從“軟件”轉(zhuǎn)向“智能體”，但公司想買的是“解決方案”而不是“自己造軟件”。因此我相信這個(gè)市場會繼續(xù)存在。

再說那份研究。我不清楚它的數(shù)據(jù)基礎(chǔ)，但它的問題在于：把“企業(yè)自建 AI 系統(tǒng)”和“購買成品解決方案”混為一談——這兩種完全不同的 AI 采用方式被糅在了一起。

在我們這里，客戶從PoC到正式上線，幾乎是 100% 成功率——因?yàn)槲覀冑u的不是“AI”，而是“客戶體驗(yàn)”，開箱即用。

再比如這家很棒的公司Harvey（就在灣區(qū)）。我和很多律所聊過，他們用 Harvey 做法律分析，都很成功。但這不是個(gè)“AI 項(xiàng)目”——Harvey當(dāng)然用到了 AI（否則公司無從存在），但客戶真正購買的是“更好的反壟斷審查流程”。

我們?nèi)栽?/strong>早期：你業(yè)務(wù)里的每個(gè)問題，還沒對應(yīng)一個(gè)“完美廠商”。所以你要么等，要么自己造。而“自己造”，復(fù)雜度是冰川級的。結(jié)果就出現(xiàn)我稱之為“AI 觀光”的現(xiàn)象：表演式的 AI 項(xiàng)目很多，但要走完最后一公里非常難。我認(rèn)為答案會來自應(yīng)用型 AI 公司：想把客戶體驗(yàn)做好，買 Sierra；想要法律智能體，買 Harvey。

我們需要把每個(gè)用例都走一遍：從供應(yīng)鏈優(yōu)化到財(cái)務(wù)，再到審計(jì)……每個(gè)領(lǐng)域都會誕生一家公司。這就是AI 的正確打包與采購方式。

那份研究反映的，其實(shí)是市場尚不成熟：還沒有覆蓋所有場景的解決方案。但在座不少 VC會推動這個(gè)進(jìn)程——幾年后，這些“空白格”會被填上。那些“智能體公司”將接棒SaaS，成為企業(yè)級解決方案的下一條主航道。

Alex Heath：好的，Bret，我們今天就到這兒。非常感謝。

Bret Taylor：謝謝邀請。

2025盛景半年回顧

人生只有四千周，而企業(yè)生存期更短，跨越10年經(jīng)營期的企業(yè)少之又少，企業(yè)要想有質(zhì)量地活下去，活得更好更久，“極簡增長”就是看透并掌控事物本質(zhì)的那個(gè)關(guān)鍵點(diǎn)。

選對了路，路就不會遠(yuǎn)。盛景推出《極簡增長 立竿見影》在線課程，期望能夠幫助更多的企業(yè)走上增長道路。未來有多近，在于我們已經(jīng)走了多遠(yuǎn)。未來有多遠(yuǎn)，在于我們與誰同行。期待與你同行、共勉。

歡迎大家點(diǎn)擊底部【閱讀原文】觀看《極簡增長 立竿見影》的在線視頻課程，了解如何用極致簡單的增長方法論，實(shí)現(xiàn)快速增長。