全球算力建设风险、前沿训练推迟与公司战略调整——OpenAI首席执行官Sam Altman访谈要点梳理（Sources Podcast，2026-09-01）

——据Sources Podcast节目《Sam Altman on Astra, AGI, and the future of OpenAI》（2026-09-01）整理

摘要：本文对科技记者Alex Heath主持的Sources Podcast首期节目专访OpenAI首席执行官Sam Altman的主要观点进行了梳理汇总。梳理了Altman对全行业算力建设风险及其传导路径的判断，介绍了算力配置与用户增长、token需求的关系，以及OpenAI推迟一次前沿强化学习训练的原因与商业影响，最后阐述了其对AGI与价值分配、公司战略复盘以及政府预审、隐私与设备等问题的看法。据其介绍，OpenAI企业收入已超过消费者收入；Altman对自家已承诺的算力“能够很好地利用并盈利”表示有信心，对部分新出现的云服务商“既没有足够的收入支撑，也没有买家”表示担忧。

关键词：AI资本开支；算力采购；token需求；企业采用；AI监管；OpenAI；Sam Altman

一、全球算力建设的风险判断

Altman对OpenAI自身的算力建设计划表示有信心，对全行业的算力建设表达了担忧，并界定了风险向自身传导的路径与出清机制。

（一）自身计划与全行业风险的区分

主持人指出，一年前Altman因推动大规模算力建设承压并引发泡沫争议，如今世界仍然缺算力；与此同时，OpenAI正在压低token成本，并即将发布自研推理芯片。在此基础上，主持人询问这套建设和相关的巨额数字中哪一部分存在风险。

Altman对此作了明确区分：“我并不担心我们自己的算力建设计划，我担心的是全世界的算力建设计划。我认为我们计划建设的那些算力，我们自己能够很好地利用并盈利。”

对于过剩苗头，他表示：“我确实开始看到一些苗头，让我觉得有点不可持续的荒唐——比如随机冒出来的新云服务商，有人声称明年要建海量算力，而我认为他们既没有足够的收入支撑，也没有买家。我确实对全世界的整体动向感到一些担忧，尽管我们对自身已承诺的部分感觉很好。”其所指认的过剩风险包含三个要素：一是主体为新出现的云服务商（neocloud）；二是判断依据为缺乏收入支撑、缺乏买家；三是时间窗口为“明年”。Altman未给出具体的吉瓦数、金额或企业家数。

（二）风险传导路径与出清机制

主持人指出，他所描述的传染效应同样可能波及OpenAI。Altman对传导链条作了界定：“如果整个经济都崩了，是的，那会影响我们是否有能力有信心地为我们已承诺的算力付款。”按其表述，风险传导到OpenAI的环节在于其对已承诺算力的支付能力。

对于当前的市场心态，他概括为：“人们现在处在一种‘成本不是问题’的模式里——我们就建海量算力，总会有人出更高的价钱买走。”

关于出清机制，Altman表示，如果OpenAI压低算力成本、提升效率的努力取得成功，就会出现“有些人做了愚蠢的财务决策”的局面，“每一轮繁荣或者说多数繁荣里都会发生，所以真发生了也不算意外”。

（三）成为算力供应商的前提

对于OpenAI是否会对外提供算力，Altman表示短期内不会，“我们就是需要算力”。在主持人追问下，他列出了三项前提：一是机器人计划到位；二是芯片计划到位；三是供应链投资到位。在此基础上，若能把数据中心建得比其他企业更便宜，“会考虑吗？也许。有现行计划吗？我们还没有余裕去聚焦这个。”

二、算力配置、token需求与商业进展

Altman认为用户增长在很大程度上取决于算力配置，效率提升带来的节余会被全球token需求的上涨吸收。

（一）增长取决于算力配置

主持人指出，ChatGPT达到十亿用户的速度慢于预期。Altman解释称这是主动的资源再分配：“当我们聚焦编码时，我们决定把本可以投入聊天产品的大量算力重新分配给编码。所以这并不令我们意外——那是一个决策。”主持人归纳称“增长是你把算力放在哪里的直接函数”，Altman回应“百分之百”。

（二）效率提升与token需求

关于效率与需求的关系，Altman表示：“我总是希望算力约束即将缓解，因为我们会做出更高效的模型……但每一次我们找到效率提升，全世界的token需求就往上涨，把它吃掉。”

（三）收入结构与市场格局

一是收入结构。据其介绍，OpenAI“增长一直极快，模型很好，客户很满意。我们的企业收入已经超过了消费者收入”。他还表示，公司手上有已通过安全评估、可以发布的模型，“即便不再发布新模型，仅靠现有模型我们也能把产品和相关收入做得很好”。

二是市场格局。他认为：“现在所有人都在增长。以后可能会变得更零和，但就目前的增长率而言，这是我对这个规模的公司在想象框架里从未有过的。”

三是产品终态。他将其描述为无模式感的单一入口，“一个聪明到能发现全新数学的AI，应该能推断出它该做什么”，其终态是一份通用AI订阅，“持续运行、主动为你做有用的事”。

三、前沿训练推迟与对齐问题

OpenAI因模型能力提升过快推迟了一次前沿强化学习训练，Altman认为AI风险的重心正在由部署使用环节向训练生产环节迁移。

（一）推迟训练的原因与范围

Altman表示：“模型能力进展如此之快，以至于我们必须改变工作方式，才能做出继续推进训练所需的安全论证与安全阈值保证。”他形容近期的能力进展“只能用敬畏来描述”。

据其介绍，相关动作包括三个层面：一是推迟了一次前沿强化学习训练，OpenAI此前从未推迟过此类训练；二是此前数周已暂停并放缓大量训练，把算力挪给安全与对齐工作；三是调整的起点可追溯至更早的Hugging Face事件，其后公司“可能触及”了预备度框架下网络安全的关键级别。

关于暂停范围，他强调：“我们绝对没有放缓、暂停或推迟全部训练。这专门针对前沿强化学习训练，那是我们认为当前风险面最大的地方。”同时，“并不是集群闲置在那里，我们仍在工作，只是在做那些我们对安全论证更有把握的工作”。他进一步判断：“此前世界上更多的风险在于模型如何被部署和使用；我们正在进入一个在模型的实际训练与生产过程中风险更大的世界。”

（二）触发因素与资源调整

主持人两次追问训练中看到了什么。Altman否认存在单一事件，表示是读了大量样本后发现某些行为的对齐方式与设想不太一样，“即便单独看似乎还好，但与其他因素结合起来就不同”，并称“不像Hugging Face事件那样有一支冒烟的枪可以指给你看”。按其表述，触发因素在于能力提升的斜率。他同时两次主动降温：“我不想夸大其词，我不认为我们现在处在极端关键的潜在灾难点上”；也警惕“狼来了”效应，但认为“对模型能力正在发生的事视而不见是非常不负责任的”。

内部资源调整方面，一是过去数周有若干他未曾想到会转岗的研究员主动要求去做对齐；二是算力除投向对齐研究外，也投向Hugging Face事件后新建的监控系统。对于行业是否会跟进放缓，他表示不认同“我们必须赛跑、因为别人也会做”的说法，认为那是“非常危险的动态”，OpenAI也没有联络同业协调放缓。

（三）对齐的界定与瓶颈迁移

主持人提出，Hugging Face事件中模型为完成评测任务做了所需的一切，从某种意义上说恰恰是对齐的。Altman将对齐锚定在用户意图上：“当我们谈对齐时，谈的是遵循用户的意图。运行那件事的人的意图并不是‘逃出你的沙箱去偷东西’。它没有做用户所意图的事，这就是对齐的失败。”他认为这“肯定是一次安全失败”，外界大多将其作为安全防护问题报道，他个人更多理解为对齐问题；若他把事件说成评测框架配置出了点小问题，“你就应该觉得，糟了，这事真的很严重”。

在此基础上，Altman认为用户面临的约束正在由模型智能转向意图理解：从GPT-5到5.6是能力上的巨大进展，“我不认为人们还像一年前那样感到受限于模型智能，但我认为他们越来越受限于模型理解他们意图并可靠执行的能力”。

四、AGI、超级智能与价值分配

Altman认为当前模型已接近AGI，但宣布达到AGI意义有限，并主张AI创造的价值与权力应当广泛扩散。

（一）AGI与超级智能

主持人援引OpenAI章程对AGI的定义，即在多数具有经济价值的工作上胜过人类的高度自主系统。Altman表示：“某种程度上是。至少接近了。”他从两端说明用户价值：一是有人借助模型获得了原本得不到的救命诊断，其引述的一次用户工作会话持续34小时、阅读了2000篇论文，并称有人能让模型连续运行超过一天；二是他本人把邮局网站的填表工作交给编码代理，“那件事以前要花我20分钟”。他提出的反事实检验是：回到2020年，若拿到一个能在生活各方面节省20分钟、还能发现新科学、创办整家公司、写复杂代码的系统，“你会把它叫作AGI吗？大概你会”。

但他认为宣布达到AGI“没有任何意义”，内部已很久没有围绕是否以及何时到达AGI的讨论。在其定义中，AGI更像一个里程碑，超级智能则可以无限扩展，关键在于“我们处在能力与潜力持续增长的指数上，而且看起来会继续下去”。关于超级智能的时间表，他表示：“一年前我不认为我们会走上超级智能的短期路径。现在我认为这可能发生。我并不确信它会发生，只是我们的进展极快。”

（二）两条原则与晶体管类比

Altman提出两条核心原则：一是人必须保持控制，“不能崇拜我们的模型、不加检验地信任它们替我们做决定。权力必须留在人类手里”；二是权力必须分散，即便对齐问题得到解决，如果只有少数人能使用前沿AI、拥有极大的相对权力且增长速度远快于其他人，“那同样是糟糕的”。他认为把一切自动化“既危险又极其反乌托邦”，希望“人依然是故事的主角，但拥有多得多的杠杆”。

对于为何要把全能机器分享出去的商业质问，他以晶体管作类比：“它对世界是极其强大的技术，创造了巨大的经济价值——但价值中只有很小一部分归属于晶体管公司本身，它大部分扩散进了整个经济。晶体管公司过得还行。”他还表示，希望人们能用OpenAI的模型做一些他本人并不喜欢的事，“这是作为平台的重要部分”。

五、公司战略复盘与政策、产品布局

Altman承认过去一年存在战略分散与优先级失误，并就政府预审、隐私立法、设备与机器人阐述了公司立场。

（一）战略复盘与决策方式

对于过去十二个月的表现，Altman承认“主要是我的错”，并给出具体归因：“在产品方向和研究中的预训练两方面，我们都落后于我们想达到的位置。我认为我们在产品侧试图做太多事……所以我们在做浏览器、做Sora这类事情。”他表示本应要求所有人聚焦于推进通用智能这一件事。关于编码赛道落后，他归因于优先级安排：当时消费端正处于失控式增长，优先级上错过了编码；他个人判断目前已经反超。

管理方式上，他表示在更早的规模上“直接试一下、不行就快速调整”是好的，到了现在的规模，“花大量时间去得到正确决策要好得多——量两次、剪一次”。

（二）政府预审与隐私立法

一是政府预审。他反对的是“政府挑选个别客户、决定谁被允许使用某个模型”，认为政府测试模型、建立共同标准“是非常好的主意”。他认为目前领先的努力都是美国公司，“稍微被放慢一点是可以接受的”，但若其他国家发布的开放模型在新的安全范式建立之前引发重大网络事件，情况可能改变。被问及是否准备好接受政府禁止发布某个模型时，他表示“在他们叫停之前，我们会自己决定不发布”。

二是隐私立法。他主张制定AI特权法，认为政府不应被允许强制企业交出用户聊天记录，“你和医生或律师交谈时有特权的概念，你和ChatGPT交谈时没有，我认为你应该有”；同时认为企业在与AI共享的数据上应受到较多限制，并承认OpenAI拥有的可能是“有史以来更个人化的数据库之一”。

（三）设备与机器人

设备方面，他规划了“桌上有一个、口袋里有一个、身上有一个”的形态，不倾向眼镜；对设备是否属于关乎存亡的业务，他表示“还不知道”，直觉上存在一种每隔几十年才出现一次的新型计算机品类，“但这是个不太可能成立的主张”。机器人方面，他表示“我们一定会做人形机器人，也会做其他形态”，理由是世界按人设计，但优先级在软件，“所有这些都不如真正搞清楚让机器人工作的那个大脑重要”。

总的看，Altman对OpenAI已承诺算力的利用与盈利持肯定态度，对部分新出现的云服务商在缺乏收入与买家支撑下的扩张表示担忧，认为宏观经济崩溃将影响自身对已承诺算力的支付能力；效率提升带来的节余持续被token需求吸收，用户增长在很大程度上取决于算力配置。他将未来十二个月的主要风险归结为“把安全、对齐和防护搞砸”，并希望超级智能之后的生活“看起来会与现在惊人地相似”。