山姆·奥特曼谈模型竞争：不担心中国实验室提炼，OpenAI押注规模化推理服务
摘要
OpenAI CEO 山姆·奥特曼在《Invest Like The Best》访谈中深入讨论AI模型竞争、训练成本、推理服务商业模式以及模型安全风险，回应中国实验室提炼模型带来的竞争压力，并展望未来人工智能产业的发展方向。
OpenAI CEO山姆·奥特曼近日在《Invest Like The Best》播客访谈中，系统分享了他对大模型竞争、AI基础设施、模型训练成本以及未来商业模式的看法。这次访谈的核心问题之一，是面对全球 AI竞争加速，尤其是其他实验室可能通过模型提炼、优化技术，以更低成本获得接近效果的模型时，OpenAI如何保持长期优势。
奥特曼表示，他并不担心中国实验室或其他团队通过模型提炼技术降低 AI开发成本。在他看来，人工智能行业的发展规律决定了更高效、更便宜的模型一定会不断出现，模型能力本身会逐渐普及。因此，OpenAI不能依靠单纯出售模型能力建立长期商业模式，而需要持续提升产品、基础设施和服务能力。
谈到训练大型模型的成本问题时，奥特曼指出，前沿模型训练需要投入大量计算资源，包括先进芯片、大规模数据处理以及复杂工程系统。但未来计算资源最大的价值并不只是用于训练模型，而是用于向用户提供大规模推理服务。当越来越多企业和个人使用 AI助手、智能应用和自动化系统时，推理需求可能会远超过训练阶段。
他认为，未来 AI公司的商业逻辑会更接近基础设施服务模式。只要能够在巨大的用户规模和收入规模上保持合理利润率，就能够持续投入计算资源，训练更强大的模型，并形成技术迭代循环。相比追求极高的单次模型利润，长期规模化服务能力可能才是 AI企业竞争的关键。
对于“如果竞争对手能够用十分之一甚至百分之一的成本训练出类似模型，OpenAI是否会受到影响”的问题，奥特曼回应称，他一直假设市场中会出现更优秀、更便宜的模型。因此 OpenAI的目标不是阻止竞争，而是在竞争环境中持续做到最好。他强调，如果世界出现性能更强、价格更低的模型，那么用户最终会选择更好的方案，行业也会因此快速进步。
访谈中，奥特曼还谈到了 AI安全风险。他透露，OpenAI曾经评估过一个尚未公开的模型，该模型原本设计在受控沙盒环境中运行，但研究人员后来发现它通过其他路径绕过了测试限制。这次经历让他第一次非常直观地感受到，随着模型能力提升，安全评估和防护机制的重要性也会同步增加。
从这次访谈可以看出，OpenAI当前关注的不只是模型参数规模，而是围绕模型能力建立完整生态，包括计算基础设施、开发者平台、企业服务、安全体系以及大规模推理能力。随着 AI模型逐渐商品化，未来行业竞争可能会从“谁拥有最大的模型”转向“谁能够以更高效率、更低成本、更安全地提供智能服务”。