新智元報道
新智元報道
編輯：Aeneas KingHZ
【新智元導讀】OpenAI首席財務官Sarah Friar探討了通往AGI的發展路徑，目前OpenAI已到達第三階段：智慧體（Agnent）。除Opeator和深度研究Deep Research智慧體外，OpenAI即將釋出全球最強程式設計智慧體。
OpenAI，正引領生成式AI的革命浪潮。
這家公司如何確立行業領先地位？又採取了哪些策略保持競爭優勢？
2025年3月5日，在倫敦舉行的「高盛顛覆性科技峰會」中，OpenAI首席財務官Sarah Friar探討了通往AGI的發展路徑，以及資本在AI競賽中的關鍵作用。
Sarah Friar曾任高盛科技股權研究主管，會議中與高盛全球銀行與市場部聯席主Dan Dees展開深度對話，時長30餘分鐘。
她表示：「我們可能已經接近了AGI，但世界尚未學會如何最大化地利用它」。
OpenAI，正在全速前進，全面出擊：從資料中心到應用層，各部分都在創新。
左：高盛全球銀行與市場部聯席主Dan Dees先生，右：OpenAI首席財務官Sarah Friar女士
AI湧起，適逢其會
AI風起雲湧，而OpenAI銳不可當，可以說是目前最具影響力的技術領域中最具影響力的公司。
在去年OpenAI向她丟擲橄欖枝時，Sarah Friar實在很難拒絕。
去年6月10日，Sarah Friar加入OpenAI擔任首席財務官
在她看來， AI浪潮，確實比迄今為止看到的其他科技浪潮都要宏大，雖然她錯過了個人電腦革命。
加入OpenAI，投身AI科技浪潮，她覺得是個人難得的機遇和幸運。
但在網際網路崛起時，Sarah Friar在斯坦福商學院進修——2000屆畢業生都記得，那時網際網路泡沫正膨脹。
網際網路泡沫，也稱dot-com泡沫或dot-com熱潮在上世紀90年代末期並最終於2000年3月10日達到頂峰的一次股市泡沫。從1995年至2000年3月的高峰期，投資於NASDAQ綜合指數的資金增長了800%，而在2002年10月之前，該指數又從其峰值下跌了78%，回吐了泡沫期間的所有漲幅
隨後她又目睹了持續幾年的矽谷寒冬。
接著是移動網際網路的興起如何重塑企業，後來我在高盛的事業軌跡，坦白說也正是圍繞著向雲計算的轉型展開。
而如今站在浪潮的另一端，從宏觀世界格局到政府政策，再到企業級應用，全方位探討AI的影響——這種角色轉換令她無比振奮。
而最近，OpenAI關注的焦點是AI基礎設施。
這感覺就像是「雲計算黎明」再次來臨，儘管AI的架構和構建方式完全不同。
對親身經歷過「雲計算黎明」的人來說，這波AI浪潮更加迷人。
OpenAI如何用ChatGPT賦能工作
Sarah Friar認為當今世界上沒有哪位CEO或企業領袖會意識不到AI部署的緊迫性，甚至都擔心自己已經落後了。
作為OpenAI的CFO，她剛加入時最迫切的需求就是：「先要弄明白——我的團隊，就拿財務部門來說，到底該如何運用ChatGPT？」
但當時的情況是，由於OpenAI正在大規模招聘，許多員工來自尚未應用AI的傳統企業。
這導致團隊在AI應用方面出現了明顯的認知斷層——
大家對「誰來做什麼、為什麼做」缺乏統一理解，整體協作也缺乏組織性。
作為團隊管理者，她採取的第一個舉措就是親自組織了一場駭客馬拉松：召集銷售團隊和解決方案工程師，花了一下午進行討論。
從最基礎的環節開始， 用紙筆羅列出日常工作中那些高度重複性的任務。
隨後將人員按職能分組——稅務團隊一組、採購團隊一組、投資者關係團隊一組，透過小組討論，讓初步的想法碰撞。
即便採用如此簡單的方式，現場已經迸發出驚人的熱情。
她記得，當時投資者關係團隊正在籌備一輪大規模融資，深陷盡職調查「地獄」。
OpenAI很快發現，那些源源不斷的盡調問題雖然細節各異，但核心模式高度重複。
當時他們經常加班到深夜，反覆經歷這樣的場景：「啊，這位投資人問過類似問題——快找出之前的回覆，稍作修改再發出去。」
直到開發出能自動回答這些問題的定製GPT解決方案時，整個團隊在會議室裡簡直高興得手舞足蹈、歡呼雀躍。
這讓她深刻意識到：必須讓團隊成員從第一性原理出發，真正理解AI帶來的普適性效能提升。
而ChatGPT的深度研究，已經幫助OpenAI解決了關於GPU融資的分析問題。
她的團隊使用了深度研究，獲取了一份報告，得到了OpenAI內部員工的認可：「和兩位MD、三位VP、六位助理和十位分析師的團隊，DeepResearch所做的事情要好得多。」
GPT-3到GPT-4
從GPT-3過渡到GPT-4，OpenAI花了大約一年半到兩年的時間。
去年，他們首次部署了推理功能，也就是o系列模型。
這意味著從一個更傾向於預測、快速響應的即時回答模型，轉變成了能夠更像人類一樣推理的模型。
有一種簡單的描述方式是這樣的：
如果想象一下你做填字遊戲的時候，比如一個橫向的單詞有五個字母，你認為可能是三個不同的詞之一。
你填寫了一個單詞，然後轉向下一個豎向的線索，發現不對勁，第二個字母應該是A。
這就意味著之前的那個答案是錯誤的，你需要劃掉並重新填入另一個詞。
所以它會自我回溯。
這一點對於AI智慧體非常重要。
但如今，OpenAI遠遠不止這些。
AI基礎設施 2.0：AI工廠
OpenAI正深入資料中心，因為他們認為現在正處於AI基礎設施的第二版本（V2），或者如黃仁勳所稱的「AI工廠」。
資料中心創造了很多智慧財產權（IP），對OpenAI來說擁有這些IP非常重要。
想象一下亞馬遜在電子商務領域取得巨大成功時的情景。他們看到AWS（亞馬遜網路服務）開始成形。
就像在這個階段，如果他們決定將這一部分外包給新興的谷歌或其他公司，那會是怎樣的情形呢？如果當初亞馬遜將AWS的所有智慧財產權都拱手讓人，那麼今天這家公司將會是怎樣的不同呢？
如今，AWS在雲計算市場中佔據了40%的市場份額，並擁有38%的運營利潤率。
因此，擁有基礎設施能力非常驚人。
但現在OpenAI不僅停留在模型層面，還向上擴充套件到了API層，這使OpenAI將影響力擴充套件到企業和開發者。
然後再上一個層次進入應用層面，即如何推動功能特性的發展，讓消費者在個人生活和工作中都喜歡得到的東西。
所以，現在在ChatGPT的前端頁面，使用者可以用Sora生成影片，可以進行深度研究報告，可以搜尋，可以建立專案，可以編寫程式碼，還可以建立寫作畫布。
OpenAI的目標就是不斷載入這些功能。
然後她意識到，「ChatGPT已經有很強的使用者粘性了。我不打算離開它。」
從商業角度來看，這是件好事。這就是OpenAI目前所處的位置。
接下來，她介紹了OpenAI實現通用人工智慧（AGI）的五個步驟。
通向AGI的5個階段
2023年，是即時預測響應之年：聊天機器人Chatbot興起。
2024年，OpenAI把推理帶上了檯面。
2025年，將是AI智慧體的一年。
OpenAI實現通用人工智慧（AGI）的五個步驟
大概從去年第三季度或第四季度，OpenAI開始討論這個話題。
現在，Agent已經成為整個AI行業公認的術語。
但這裡的AI指的是能夠獨立為你完成工作的智慧體（agents）。
這不是虛無縹緲的概念。
實際上，OpenAI已經有三項功能在執行：
-
深度研究（Deep Research）：這是一個生成深入的研究報告的工具。
-
操作員（Operator）：允許任務工作者在網路上執行一些可能需要後臺處理時間的任務。
-
第三個即將推出的功能稱之為A-SWE（Agentic Software Engineer）。
A-SWE不僅僅是像Copilot那樣，增強現有軟體工程師的工作能力，而是一個真正能夠構建應用程式的自主軟體工程師。
它可以接受需求，並去實現它。但不僅僅是開發，它還做了所有軟體工程師討厭去做的事情。
它可以從你給任何其他工程師的Pull Request（PR）開始，去構建應用程式。
不僅如此，它還會完成所有軟體工程師討厭去做的事情：
它自己做程式碼質量保證、錯誤測試和除錯。
並且它還編寫文件。
這些都是所有軟體工程師不願意去做的任務。
因此，它可以成倍地提高軟體工程團隊的效率。
之後是AGI的第四階段：創新的世界。
在創新的世界，不再只是關於當今世界存在的知識，而是如何擴充套件這些知識。
實際上，從教授和學者那裡聽到的是，他們發現模型在專業領域中，提出了新的想法。
目前這些想法還需驗證，但OpenAI千真萬確地收到了這樣的反饋。
長遠來看，代理組織（agentic organizations）將是未來的發展方向。
AGI近在咫尺
OpenAI仍然有迄今為止最領先的模型：o3。
從軟體工程領域中，o3競賽性程式設計的表現：在全球排名第175位的競賽性程式設計師。
在數學競賽中，它只錯了一道題。
而在博士級別的科學領域，它在物理、化學、生物學等方面都達到了博士水平。
4個被廣泛認可的基準測試，用來衡量AI是否正在向AGI（通用人工智慧）邁進，即是否真正達到了人類智慧甚至超越了人類智慧的水平
OpenAI的產品團隊認為，o3 mini已經成為了全球最具競爭力的程式設計師。
在Sarah Fryer看來，如今已經非常接近AGI了。
也就是說，AI系統能夠承擔世界上大多數真正有價值的、人類的工作。
但可以肯定地說，作為一個世界共同體，我們還並未充分發揮它的潛力。
如今，有3個scaling law正在發生。
一個是預訓練，也就是讓通用模型變得更聰明。這就需要更多的資料和更先進的演算法專業知識。在更多算力的支援下，研究人員可以發揮更大的作用。
這就意味著，要想成功，就必須投入大量的資金。
在GPT-3、GPT-4、GPT-5這樣的大模型上，計算規模就在呈對數增長。
然後，就進入了後訓練階段。
比如我們想建立一個需要診病的模型，就需要對它微調，讓它專注於醫學。
而第三個階段——推理時計算，就是讓這輛「汽車」能切換到運動模式的時刻。
此時，需要在真正的賽道上行駛，從四驅模式切換到運動模式。
以上，就是關於擴充套件性的三條定律。
OpenAI的研究者，已經推出了「強化微調」技術。
他們發現，其實並不需要很多資訊，就能讓模型在一個特定領域展現出顯著的效能提升。
但關鍵在於，我們能否達到那個具體的領域？如果你想研究神經疾病，比如退行性疾病的結果，你能在這個特定領域獲得足夠的資訊嗎？
即使是一點點的資訊，也會極大提升模型的實用性。
星際之門，為什麼需要5000億
按照OpenAI的說法，星際之門需要投資5000億美元在計算能力上，或者說，它需要10吉瓦的算力。
這個數字是怎麼得出來的？
奧特曼在白宮參與5000億美元的Stargate計劃釋出會
這是透過預訓練擴充套件、後訓練擴充套件和推理時擴充套件這三個scaling law。
在模型開發的每個階段，都會需要越來越多的算力。
可以說，OpenAI沒有推出某些模型，就是因為沒有足夠的計算資源。
Sarah Friar表示，自己是個糟糕的CFO。
Sora差不多在前年2月或3月就準備好了，但直到差不多去年12月，OpenAI才真正推出了它。
甚至到現在，Sora也還沒有完全上線。
OpenAI選擇的，是推出深度研究，因為他們知道商業界非常喜歡這個特性。
因為沒有足夠的算力投入業務，Sarah Friar承認，自己每天做出最糟糕的決定，就是不給研究者提供最有價值的資源——研究所需的算力。
她甚至透露：很多時候，Sam Altman來上班時就會生她的氣，因為她沒有提供足夠的算力。
為什麼她會陷入這種境地？
因為在兩三年前，那些拍板決定算力決策的人，根本想象不到如今算力需求的增長會如此之快。
兩年時間裡，OpenAI的周活使用者就達到了4億，收入每年都翻了三倍。
現在，整個愛爾蘭的負載是7吉瓦，整個國家的使用量都比OpenAI需要的10吉瓦少。
而在她看來，在三年後當人們回過頭來，會覺得這時的人們對5000億這個數字神經緊張，簡直是大驚小怪。
所以，該如何擴大規模？電力來源於哪裡？是否需要培養人力？
事實證明，電工、暖通空調人員等，都是真正能夠制約建設的資源。
因此，美國政府也會對星際之門特別感興趣，因為它既是一種財政投資，也是有助於在經濟上保持領先地位。
而DeepSeek也讓人看到，AI正處於激烈競爭中。
OpenAI目前的關注點在於算力、研究人員、資料。
他們需要尋找地點和電力，他們需要平整地面，建設資料中心，填充裝置，購買GPU。
OpenAI需要真正證明：它有能力成功應對挑戰。
參考資料：
https://www.goldmansachs.com/insights/goldman-sachs-talks/openai-cfo-sarah-friar-on-the-race-to-build-artificial-general-intelligence