---
title: "生成式 AI 的未来 [译]"
url: "https://paooo.com/ai-study/8653/"
author: "宝玉的分享"
published_at: "2025-03-27T15:26:02+08:00"
updated_at: "2025-03-27T15:26:02+08:00"
categories: "强化 AI 学习"
tags: "AI办公效率, ChatGPT, OpenAI"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 生成式 AI 的未来 [译]

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/ai-study/8653/) · 作者：宝玉的分享 · 发布时间：2025-03-27

## AI 30 秒核心看点 (TL;DR)

- OpenAI 已将 ChatGPT 从消费级扩展到企业版与团队版，企业需求被明确验证。
- 超过 90% 的财富 500 强企业已在某种形式上使用 ChatGPT，落地范围持续扩大。
- 生成式 AI 正从研究阶段进入规模化应用阶段，财务对账、数据分析等场景已可直接提效。

## 
What's Next in Generative AI

## 
开场介绍

**Wallace Mills:** 大家早上好。我是 Wallace Mills,NVIDIA 的高级战略师。在我们正式开始之前，有几点需要告诉大家。这次活动的录音将在 72 小时内上线，然后在一个月内，它会在 NVIDIA On Demand 上可用。如果你还没有下载 NVIDIA GTC 应用，请尽快下载。在那里，你可以找到最新的更新，会议安排和你参加的会议的调查问卷。此外，我们还邀请大家参观二楼的展览厅，今天 12 点将会开放，不容错过。

现在，让我为这个环节做个介绍，我与 NVIDIA 的许多领导共同组织了这个商业洞察环节，我们将以这次备受期待的对话拉开帷幕。当很多人刚开始接触生成式 AI 时，NVIDIA 已经在考虑下一步了。现在，让我们欢迎我们的企业计算副总裁，Manavir Das.[掌声] 他在 NVIDIA 领导的团队致力于将全栈加速计算带给每家企业，让 AI 普及到每个角落。Manavir 在科技行业有超过 30 年的经验。在 2019 年加入 NVIDIA 之前，他在 Dell 和 Microsoft 担任了一系列的高级职务，其中包括帮助创建了 Azure 云计算平台，他还曾是华盛顿大学的附属教授。欢迎，Manavir。

**Manavir Das:** 谢谢。这真是让人尴尬。这个会议不是关于我的。感谢你们今天早上来参加。很高兴见到你们。希望你们喜欢昨天的主题演讲，以及 Jensen 的所有宣布。他在主题演讲中提到的一件事是我们的第一台 DGX 系统，DGX-1, 他谈到亲自将其送到这家名为 OpenAI 的创业公司。这群人在过去几年里所取得的成就真是令人难以置信，对吧？不是吗？

所以我们非常幸运，今天我们将以这样的会议开场，我在这里与 Brad Lightcap 共事。他是 OpenAI 的首席运营官。他也是杜克大学的蓝魔。我是獾队的，我刚刚开了他一些玩笑，因为獾队和蓝魔可能会在锦标赛的第二轮相遇。所以那时我可能不会是他的朋友，但是今天我是。

你知道，关于 Brad 有趣的是，他在 OpenAI 有一份重要的职位。他还被誉为 Sam Altman 的秘密武器，是他非常依赖的人。我相信他有很多有趣的事情要和我们分享。那么，Brad，你上来吧？每个人都能看到我们走上这个舞台。谢谢你能来，Brad。好的。我们坐下来吧。看，这些杯子和其他一切都很精致。

好的。那么，Brad，你能不能告诉我们一些关于你在 OpenAI 的角色，你每天都在做什么，以及可能让你失眠的事情。

## 
Brad 在 OpenAI 的角色

**Brad Lightcap:** 当然。嗯，感谢你的邀请。很高兴能来这里。这是我第一次来参加 GTC。我们会看看明年是否会再来，那时会有什么变化。但是，是的，我是 OpenAI 的首席运营官。我花了很多时间思考如何把我们在研究实验室里研发的东西变为客户、用户和合作伙伴的实际应用。

人们通常会问，那包括什么内容？我会说，几乎包括所有事情。除了实际做研究，他们不让我动电脑，我只是负责付款。但是我大部分时间都是和我们的客户在一起，试图理解这项技术如何融入世界。至于让我失眠的事情，目前我想不出有什么，除了 Slack。但我认为接下来的几年将会非常有趣。我认为我们现在还在曲线的初始阶段。我们把目前的状况看作是棒球比赛的第一局刚开始。随着我们持续研发这些技术并扩大规模，我们认为它们的能力将会非常惊人。

**Manavir Das:** 有趣的是，我觉得很多人把 OpenAI 视作为 ChatGPT，认为普通消费者可以直接进行体验。但实际上，你现在已经与很多企业合作了，对吧？与我们在视频中提到的大多数客户一样，他们在自己的公司中已经建立起各种形式的系统或设备。每个人是怎么做到这一点的呢？他们会联系 OpenAI。所以我认为我和听众都非常好奇，想从你那里听听你的经验。我觉得你在与企业客户合作方面也非常积极，对吗？那么，你能告诉我们一些你是如何处理这些事情的吗？

**Brad Lightcap:** 有趣的是，当我们发布 ChatGPT 时，使用量明显增加，尽管这个产品并未针对企业推出。我们花了大约六个月的时间来弄清楚究竟发生了什么，以及如何确保我们有足够的 GPU 来满足增长的需求。实际上，去年的最后六个月，我们开始意识到在企业中有一个真实的且不断增长的应用领域，人们开始使用 ChatGPT。这就是我们最后决定推出 ChatGPT 企业版和团队产品的原因，尽管后者更适合小型团队使用。

我们真正感受到的需求不仅来自中小企业和中级市场，甚至还包括财富 500 强企业。目前，超过 90% 的财富 500 强企业以某种形式使用 ChatGPT。我们正在努力引导所有用户使用该产品的企业版本。这个产品非常吸引人，也非常适合这里的需求。令人惊奇的是，它的适用范围非常广泛。因此，公司的每个职能部门都已经找到了某种方式来利用这项技术。令人惊奇的是，我们并不需要构建太多特定的用例或应用程序。它就是可以正常工作。

比如，如果你是财务团队的一员，你在分析大量的数据，你正在尝试对账，以及你的所有税务分析，你可以把大量的电子表格输入到 ChatGPT 中，并向它提问，请求它进行对账，它就能完成。如果需要，它能让你的人力资源部门都变成数据科学家。因此，你会发现这类应用非常适合使用。我们正在尝试去为他们打造更好版本的工具。

**Manavir Das:** 这真的令人惊讶，你说得对，我认为人们对这项技术的表现感到惊讶。对吧？现在，我们看到，Brad，当我们与企业客户交谈时，最受欢迎的用例就是助手。就好像你有个自由的实习生，不论你在做什么工作，你都可以创建一个可以帮助你完成工作的聊天机器人，然后你可以得到 80% 的答案开始执行，然后再完成剩余的工作。这是你们也有同样的观察吗？

**Brad Lightcap:** 是的。在某些情况下，还存在一点最后一公里的工程问题。我们有一个团队可以帮助客户解决这个问题。因此，我们尽量以实际操作的方式来完成这项工作。我想随着模型的改进，这种情况将逐渐减少。我们看到了两个问题。一部分是解决模型在其能力上仍然存在的不足，另一部分是尽可能地调整模型所需的所有上下文以完成任务。我不确定第二部分是否会消失。世界之大无比复杂。但我认为，人们会真正感受到加速发展随着模型的改善。

## 
OpenAI 的生态系统和战略

**Manavir Das:** 好的。显然，Brad，你们拥有这些优秀的模型，例如各种版本的 GPT，以及强大的 ChatGPT。围绕 OpenAI，出现了一整套工具生态系统，帮助人们使用这些技术。我很好奇，对于你们公司来说，你们是否认为你们的使命和角色是为使用这种技术的应用开发人员提供完整的平台？或者你们只想成为核心模型服务的提供者？

**Brad Lightcap:** 我认为两者都是，如果这样说的话。我们认为，一切都是对智能的抽象。问题只是我们想要构建多少层抽象。但是，我们会构建任何我认为能够加速世界的能力，开始将技术和智能应用到我们认为应该应用的所有角落。我在角色中感到非常谦卑的一点是，你开始意识到世界有多么大，我们可以将这项技术应用到多少地方。

而我会花费大量的精力去思考，我们是否应该去构建某个特定的应用？我时常需要提醒自己总会有人比我们更关心某个特别的问题。而在大部分时候，这个说法都是对的。那么，我们又应该如何构建一个能让他们去创造他们想要的技术、工具和应用的工具集呢？又有哪些是我们需要重点关注的，这些基本部分、基础层面能够让他们实现目标，同时也能创造出良好的用户体验呢？

**Manavir Das:** 你看，这其实很有意思，因为从某种程度上说，你正在经历的这个过程，与 NVIDIA 在历史上以及过去的几年里所经历的十分相似。在 NVIDIA，我们有个原则，就是尽可能地去做别人做不到的事。至于其他人能做到的，我们就让他们去做。因为我们感到有责任，我们手里有一把工具，我们的任务就是尽可能地把这个工具做好，尽可能地扩大它的影响范围，让其他人能够围绕它进行创造。现在你手里有了这个了不起的工具，我敢肯定你也感到有这样的责任。就像你所说的，你可以利用这个工具影响全世界。我觉得这很有力量。

## 
企业如何整合数据和 AI

**Manavir Das:** 我还在想另一件事，就是昨天詹森在一份学校通知中也提到过，当他谈及全球各行各业，那些万亿美元的产业，凭借你的经验，我相信你肯定思考过这个问题。因为在科技世界里，长久以来，关注的都是成本，对吧？每家公司都必须有一个 IT 部门，这是预算的一部分。如何降低成本就成了问题。每一种新技术因能制作出更便宜的产品而具有破坏性。但我认为在你们所处的领域，以及我们认为我们所处的领域，更重要的是新的机会，为公司创造新的价值，对吧？我的意思是，没有人规定 GDP 一定要保持不变，对吧？事物是可以发展的。那么你们是否也这样看待？

**Brad Lightcap:** 是的，我们也是这么看的。如果说要明确这项技术的本质，那就是逐步扩大的能力，可以将某些任务卸载给有学习能力的模型，这些模型有通用学习能力，可以变得更好，可以预测地提升，无论是在规模上，还是在获取更多信息、更多上下文和更多能力的情况下。

我们认为令人兴奋的部分是从企业的角度来看考虑到大型企业的复杂性以及可以利用的机会有多少对于某个特定的任务我们实际上可以将工作流的部分环节交给 AI 这个 AI 不仅能够达到基本的工作要求而且随着时间的推移它的效率会越来越高并且逐渐能够负责价值链的更多部分这使得人们可以将注意力转移到其他的事情上实际情况是人们不再需要坐在那里花费两个小时来解决收入对账的问题 AI 可以探索并替你解决这一问题你只需要将计算资源投入到问题上问题就会迎刃而解此外，那些原本可能会花时间解决问题的人现在可以把时间花在思考更重要的事情上我之所以这么说，是因为我也在管理财务部门

**Manavir Das:** 是的，你可能已经注意到了，这些例子总会以某种方式提到金融我相信你的团队正在使用 ChatGPT 我想我们现在都在手机上有了 ChatGPT 在这里有很多人，Brad 他们都来自企业背景在这个会议和在这个房间里我想他们都在思考一个问题世界和互联网的知识有如此之多而你的模型显然已经吸收了很多这些知识每个公司都拥有自己的知识库这些知识库分散在各个地方。对于如何处理这个问题，不同的人有不同的观点。这在 Nvidia 中我们经常进行调优。我很好奇 OpenAI 对于的看法是什么企业应该如何把他们拥有的所有数据融入到 AI 过程中？

**Brad Lightcap:** 是的，这是我们被问得最多的问题之一。这可能也是目前我认为最没得到解决的问题。这是可以预见的，因为我们现在正处于这个转变阶段的初期阶段。我们有这个核心技术，人们可以尝试和使用它。但是，所有的基础设施和系统以及流程的架构和搭建都需要一些时间。但我认为，现在我们开始看到的是，人们在结合了有趣的数据仓库、明确的使用案例以及如何将模型应用于这两个方面的理解后，可以得到一些非常好的结果。

最近，我们与 Klarna 一起解决了一个客户支持问题。Klarna 是一个在 AI 方面有着极强前瞻性的公司。他们已经做这个一段时间了。但他们采取了我认为非常正确的方法，他们从一个非常具体的技术实施开始，他们将问题限定在一定的范围内。他们从工作流程中的一小部分入手使用了非常特定的数据集并用模型进行了特定的技术实施。他们在这一环节取得了进展然后在此基础上逐步拓展。现在，它已经能够处理大量的工作大大节省了他们的时间。

我认为，我们的指导思想就是不要太贪心不要试图一开始就想完成所有的事情。也不要抱着过低的期望，也就是说，不能缺乏雄心壮志。但我们需要从可以问题限定的地方开始让它先行动起来，然后再逐步扩大规模。

**Manavir Das:** 是的，你刚提到的这一点我看过你做的一些采访，布拉德你不止一次地谈论过这个问题你跟一些公司开过会他们认为某种程度上 Genia 会神奇地帮他们改善公司甚至改变他们在市场上的地位。然而，从特定的使用案例开始从中获取价值然后再从那里开始发展，这样才更好，对吧？

是的。所以，对于那些刚刚起步的公司我有一点建议例如，如果我看看 NVIDIA，布拉德我们现在根据你怎么算有几百个这样的聊天机器人在 NVIDIA 内部运行服务于不同的目的。我们是自然而然地达到现在这个阶段的。对于现在刚开始的人，你会建议他们如何开始呢？因为在公司里，这个领域引起了很多人的兴趣，对吗？所以你不会只看到一个或两个项目。他们会在公司各处蓬勃发展。你觉得他们是否应该先花点时间思考整个流程，并选择一个方向前进？还是你认为他们就让这些项目自然发展，看看会发生什么？

**Brad Lightcap:** 是的。你早先提到的，我们在 2023 年的大多数时间里，我经常告诉我们的团队，我们其实并不只是在做销售，我们更像是在做心理疏导。我们会与各个公司进行接触，通常是一位 C 级别的高管坐在我们的会议室里，大约在会议开始的五分钟后，他们就开始倾诉他们所面临的所有问题和担忧，他们会问能否用 AI 解决所有这些问题，我的董事会希望我在下个季度能有所作为。通常我们会设法安抚他们的情绪，给他们一些水，让他们平静下来。

**Manavir Das:** 你对这个会议收费多少？

**Brad Lightcap:** 可能还不够。但是，一旦我们真正进入到对话中，我们的观点是，像我刚才提到的，我们应该认真思考在你的业务运营中有哪些改进的机会。

对很多人来说，这个部分往往是客户支持。这也是我们最常听到的反馈。没有人对他们的客户支持服务的质量感到满意。他们在这方面投入了大量的资金，但效果总是不如人意。这也是他们收到最多客户投诉的地方。这也是一个我们可以去解决的问题。

## 
企业应如何部署 AI

**Manavir Das:** 这个问题可以横向应用于很多行业，对吧？

**Brad Lightcap:** 没错。但是我们会建议采取多管齐下的策略。因此，我们需要确定你在哪两三个地方面临着真正棘手的问题，然后有针对性地解决这些问题。比如说，客户支持就是一个流程，涉及到一系列的任务，有不同程度的人员参与，以及大量的数据。更多的上下文信息有助于我们理解和解决问题。所以，我们需要寻找这些核心要素，再回到数据、流程和模型能力这个金字塔模型中去。你可以探索第一次实施应该是什么样子的，然后从那里开始扩大规模。

选择一些类似的项目，这些更像是定制化的基于平台的项目。另一个我们真正建议的是，回到 ChatGPT 这个产品，开始让你的团队接触这项技术。这不是我们去年中期时特别关注的事情。但随着我们部署 ChatGPT，与使用它的公司交谈，我们意识到让工具普及，给人们使用它的机会是有价值的，它不一定要以特别复杂或开发过的形式存在。只需要给人们机会去说，我知道我要做什么工作，我能够尝试这个工具，探索它的功能，我会找出如何从中找到价值，帮助我更好地完成工作。这种情况是自然而然发生的，而且一直在进行中。我认为公司往往忽视了这一点。他们想要有一个精心策划的 AI 战略，有一个全公司性的推出，他们希望拥有这些专有的聊天机器人。我认为目前至少 90% 的价值来自于给人们提供使用工具的机会，而不是过分思考。我认为这是一个公正的观点，因为当你第一次试用它时，它的价值是如此明显，你愿意去应对其中的挑战。我觉得这是一项重要的举措。

## 
AI 界面的未来

**Manavir Das:** 那么，Brad，就这个问题来说，你与各大企业以及不同应用场景的合作中，现在也推出了你的定制模型，它基于 GPTs 构建，对吧？而且人们可以非常轻松地构建它。那你能跟大家说说这是什么，你为什么选择走这条路，以及目前的进展如何吗？

**Brad Lightcap:** 是的。我会尝试把它放在我们策略的大环境下来理解。我们在 GPT4 以及接下来的产品中，拥有非常核心的智能。我们花了大量的时间去思考如何让人们感觉这项技术或者这些模型更加贴近他们正在做的事情，更专注于特定的任务，提高他们在任何任务上的表现。

所以，我们在过去的几个月里，无论是 GPTs 还是定制模型，我们所做的很多工作都是朝着这个方向进行的。你可以将 GPTs 和定制模型视为定制化程度的两个极端。GPTs 是一种简单易行的方式，你可以采用 ChatGPT，然后基本上创造一个适用于特定任务的 ChatGPT 应用。所以，如果你希望有一个模型，ChatGPT 能够记住某些信息，能够调用某些外部数据，能够访问 PDF 或电子表格，拥有某种特定的性格，能够以可预测，可重复的方式使用某些工具，你只需要这样做就行了。其实你可以在不需要亲自构建的情况下配置 GPT。你只需描述你想要的，它就会去执行。我们在企业中看到了对此的巨大需求。这并不奇怪，因为人们意识到，这些都是我可以应用这项技术的工作流程。因此，我只需要将这些工作流程编入 GPT，然后调用它。

而定制模型就像是另一个极端。也就是我们尽可能地研究 GPT-4 或任何其他模型，试图找出如何针对特定用例进行定制，并在该用例中最大化其性能。我们这样做的实例更有限。显然，这对我们来说需要投入时间和资源。但我们在初期阶段就取得了巨大的成功。我们仍在尝试这种方式。但是早期我们在许多领域都提高了模型的能力。

**Manavir Das:** 这真的很吸引人，因为显然你们是从一个非常大且功能强大的模型开始的这个旅程，那个模型在许多事情上的表现令人惊讶地好，不是吗？而且它的性能只会变得更好。然后与此同时，如果我看去年，有这样一个模型的生态系统已经出现了。他们可能没有 OpenAI 服务中的模型那么强大，但是他们在各自的领域正在变得越来越好，不是吗？他们在某些方面有专长。那么你认为，无论是大模型越来越大，还是小模型，它们在企业中各有所用吗？还是你认为仅一个大模型以多种方式应用？

**Brad Lightcap:** 是的。我们认为每种模型都有其使用的价值。我想，就像我理解企业 AI 部署的方式一样，我尽可能地将其与现代企业的人力资本构成相对应。就像你不会希望雇佣 25000 个博士来运营你的公司一样，因为这对你需要完成的任务来说简直就是大材小用。你可能只需要五个或十个博士级的人才。同样，你不应把 GPTX 或其它最新的模型应用到每一个问题上。你可能希望有各种各样的模型，这些模型在不同的方面有其专长，并针对不同的用途进行了微调。我预计随着时间的推移，这些模型会变得越来越优秀。因此，去反复调整它们，尝试让它们在某个特定的领域变得更好，这种需求会逐渐降低。但你绝对不需要一个涵盖四种类型的模型来解决你需要解决的某些问题。因此，我们正在努力做的一件事情是找出让人们可以更灵活地为各种使用场景选择合适的模型，以便更均匀地分配智能化任务。但是，我确实认为你可以有相当于实习生级别的模型，中层经理级别的模型，高级主管级别的模型，还有主题专家级别的模型。每种模型都有其用武之地。这将形成一种多样化的模式。

**Manavir Das:** 这实际上引发了一个有趣的问题。我敢肯定观众也想问你这个问题，毕竟你是谁以及你在做什么。如果我要说在 1 到 10 的模型能力范围内，你认为我们现在处于哪个位置？我们是 1/10 吗？还是 7/10？你怎么看？

**Brad Lightcap:** 是的，我要对我刚才的评论再多说一点，那就是我们所做的有趣的事情以及从我这个角度看到的挑战，就是如何在企业或任何地方部署这项技术，你需要有一个人力资本的地图，并试图将人力资本的需求与模型的能力相匹配。但不断变化的一点是模型的能力，这种能力的改变就像是一个每六个月就在移动的窗口。六个月后，你的实习生级别的模型可能开始看起来像你的中层副总裁级别的模型。而那个中层副总裁级别的模型也开始逐渐像你的高级主管级别的模型。

**Manavir Das:** 你是在贬低一些副总裁吗？

**Brad Lightcap:** 我并没有冒犯任何副总裁的意思。这些只是粗略的类比。这是一个有趣的现象。企业必须动态调整的就是这个--总的来说，我认为这是好事。这是一种增益。我们花了很多时间与公司一起思考，在面对任何特定的问题时，我们应该使用何种模型，还是在我们的模型能力提高后，应该重新考虑我们的策略？

**Manavir Das:** 是的，没错。你可以想象，这就像是新型的 IT，对吗？在每家公司里，总得有人去弄明白所有这些东西，去思考我们应该使用哪些模型。早些时候，Brad，你谈论初始采用和处理一些事情的时候，让我想起了 iPhone 刚出来的时候，人们普遍认为，哦，这对消费者来说很酷，但对于公司来说，采用 iPhone 会很困难，因为它缺乏这样那样的控制，IT 部门如何去理解它呢？现在想起来，这种观点是不是很可笑呢，对吧？那么，我想我们应该稍微改变一下话题，看看接下来会发生什么，对吧？

## 
AI 作为决策智能体的未来

**Manavir Das:** Brad，我在和那些技术更先进的客户交流时或者在 AI 应用上更进一步的客户交流时发现，他们开始从大量的信息检索转变为使用这项技术作为一种智能体来在公司中执行任务，例如运行流程，调动资源，采取行动。你在与人们的交互中看到这个趋势了吗？你认为现在的技术发展到了哪个阶段？如果我有一个 AI 助手，我在查看它的输出结果时，需要有人来监控。但如果我让它为我采取行动，那么我需要更深的信任，你怎么看？

**Brad Lightcap:** 是的，我对这个非常感兴趣。这在很多方面，也是我们在 OpenAI 看待这项技术的应用和使用方式。在某种程度上，我们会感到有些好笑，现在的 AI 实现方式在很多情况下就像是基于信息查询的东西，它们就像是世界上最糟糕的数据库一样。它们运行得很慢，成本很高，准确率并不是百分之百，但是，它们正在逐渐改善。那么，你为什么会将它们用作数据库？或者，你为什么会将它们用于某种需要高精度的检索？这种用法似乎有些奇怪。

我们真正期待的是，这些系统能够发展成为推理智能体。如何让模型从某些数据中提取信息，对这些信息进行思考，然后从中得出一些洞察，并根据这些洞察采取行动。这里需要做的有两件事。一是提高模型的推理能力。二是赋予模型在实际环境中采取行动的能力。我认为接下来我们会看到这两个方向的发展。我们预计推理能力将是模型改进的下一个重点领域。另一方面，我们也需要考虑如何赋予模型处理多步骤问题的能力。

举个例子，在医疗领域，如果你能让一个模型读取一份医疗记录，那么它就能从这份记录中提取信息。现在，它已经能够进行一些基础操作。它或许能够对信息进行总结，也可能根据不同输入更新信息。但是，我们能否让它去思考这些信息呢？如果可以的话，它是否能从这些信息中得出一些洞察，为下一步或者之后的步骤提供参考呢？比如，它可以用于病人的后续跟踪，疾病的诊断，开具处方，甚至还可以直接与病人沟通处方的内容，从何处取药、药物用量是多少以及何时服用，甚至在两周后提醒他们继续服用药物。这就是我们多年来对这些系统的期望。

**Manavir Das:** 你认为这会发生，是因为核心模型将变得更加优秀吗？还是你认为有其他模型或系统，专门用于推理，来补充现有模型的功能呢？

**Brad Lightcap:** 我认为现在的系统已经相当优秀了。如果你让 GPT-4 去推理这个假设的情况，并逐步解释它的思考过程，它完全可以做到这一点。模型已经知道要采取的行动路径。现在的问题只是，模型能否在该行动路径中的每一步中，准确地识别出它应该去执行的具体事项，并且它是否具有执行这些事项所需的访问权限。听到你这么说我很开心，因为我们确实看到这样的情况开始出现。显然，你们在 OpenAI 做得越多，对所有人来说都是好事。

## 
对 ChatGPT 发布的回顾

**Manavir Das:** 那么，Brad，我想问，从你现在的角度来看，我们已经谈到了一些关于智能体的内容，但从你的角度来看，如果你以你的公司的立场来看，你认为在接下来的一年，三年，五年这样的时间范围内，最重大的变化是什么，你们正在努力的哪些大的改变能真正改变人们使用这项技术的方式？

**Brad Lightcap:** 我不能透露那个。是的，不，我认为，有些内容我不能透露，但我能说的是，我们预计模型的核心能力改进还有很大的提升空间。我们认为在未来的规模扩大中有很大的发展空间，所以我们对此感到非常兴奋。我们正在尝试理解如何将模型的改进方向引向不只是提高原始智力水平，我们对这项工作的进展感到非常满意。然后我认为，从我的立场出发，有个问题我们之前就已经讨论过了，那就是世界会通过什么样的标准、框架和工具去建立这些系统在实际生产环境中部署所需的信息。因此，一部分工作是去构建这个系统，而另一部分是确保我们有一个地方和方法来部署这项技术，让它在实际生产中发挥出真正的作用。这个问题确实有些刁钻，我认为你回答得很好。

那我换个方式再问你一次。显然，作为一家公司，你们可以像现在这样专注于整体提升技术。你可以关注企业客户，世界各行各业，全球商业，这些都有非常多的机会。那么，你们的主要关注点和目标是什么？你们是否觉得自己的使命是将这项技术推广到全世界的企业公司，帮助他们都达到一个更好的水平？还是你们更关注个人消费者使用场景？因为显然，这对全世界也有很大的好处。

**Brad Lightcap:** 是的。我们的使命就是确保尽可能多的人从这项技术中受益。那我们应该如何实施这个计划呢？首先是要确保人们能够在现有基础上进行建设。无论如何，我们都必须这样做，因为我之前也提到过，这个世界非常大也非常复杂。我想随着时间的推移，表现形式和抽象层次都会发生变化，但核心的部分是我们需要尽力去构建一种使人们能够更有效地使用这些工具的方式，不管他们想要在什么地方使用它们。我们的联合创始人 Greg Brockman 对此有个很贴切的说法，你怎么看待一个 AI 被深深植入经济体系的世界？这个"植入"一词，当你去深入理解它的含义时，可能会对他的这个比喻有过多的解读，你需要将所有的这些要素混合在一起，让它们慢慢融合，然后它们就会开始发挥作用。我们也是这样去理解和操作的。我们如何实际将技术部署到位，并将这些其他成分融入其中，以便一旦它们混合在一起，事情就会以一种全新的方式开始运作？这就是我们大部分时间都在尝试实现我们的使命。

当然，从消费者的角度来看，我们的看法也是类似的。ChatGPT 只是我们自己 API 的一个抽象。因此，我们只是拿出一个模型，让它变得更擅长与人交谈，我们运行它，然后它就起作用了。但这只是让人们可以通过非 API 的方式去使用它的一种方式。

**Manavir Das:** 是的。那么，Brad，我觉得是在 2022 年的 11 月 30 日左右，你发布了 ChatGPT。对于发生的一切，应该连你自己都感到吃惊吧，是吗？我指的是人们的强烈兴趣和迅速的采用。因为这是一个全新的事物，而且人们几乎立刻就理解了它的价值，是吗？因为它的影响非常明显。所以我想知道，你能否为我们回顾一下，现在已经过去一年多了。你的感受是什么？它是否在所有方面都让你感到惊讶？有没你能回顾的，比如，有什么事情本来可以有不同的结果？或者你本来可以做出不同的选择？

**Brad Lightcap:** 不，我觉得它确实让我们感到惊讶。我这里说的可能是我个人的感觉，而不是公司的立场。但是我们确实没想到—— 我们并不认为 GBD3 作为一个模型能够在消费者应用或企业应用中实现重要的突破。我们实际上认为 GBD4 会是第一个实现重大突破的模型。所以我们—— 我们的很多规划过程都是围绕 GBD4 的发布进行的，那是在 2023 年 3 月，也就是一年前。不过实际上，我们在那之前几个月就已经完成了 GBD4 的训练。也就是说，我们是在 2022 年中旬开始训练 GBD4 的，也就是说，到现在已经过去了两年。我们原本预计 GBD4 会是那个关键的时刻，但事实上，我们不得不提前行动，以满足大家的需求。看到这一切的发展，真的令人惊叹。

我认为这显示出了一种无论你是企业、开发者还是个人，都通用的真理，那就是，首先，这项技术有着与人性相符的特质。你可以把它交给一个五岁的孩子或者 95 岁的老人，他们都能找到使用这项技术的方法。这种直观的使用性非常重要，我们也在努力推动系统在这个方向上的进步。其次，我们需要降低使用门槛，确保全世界的人都能接触到这项技术。我们认为，在 ChatGPT 项目中做得最对的一件事就是把它设定为免费的。我们听到的故事来自各个人他们来自世界各个偏远角落，他们利用这项技术做的事情是我们在这里所做不到的。

**Manavir Das:** 难以想象，对吧？

**Brad Lightcap:** 确实，无法想象。

**Manavir Das:** 正是如此。你所提到的它极其人性化的特点，这也是 NVIDIA 非常关注的，Brad，因为，没错，我们是做人工智能的，但我们也是一家图形公司，对吧？因此，我们真正看到了许多机会，首先，文本界面比编写代码更加人性化，但音频界面、视觉界面，拥有一种，你知道，我们称之为虚拟人物的东西，你会有种感觉，好像你正在和另一个个体交谈。当然，到了一天结束的时候，还有其他的人工智能将其转化为文本，然后输入到常规聊天中，等等。你认为，这使得人们更容易与其互动，这对于这项技术真正扩大其影响力，你知道，全球范围内有机会吗？你认为这应该是一个值得研究和发展的领域吗？

**Brad Lightcap:** 是的，我想，对于今天刚出生的孩子来说，他们与计算机的关系将完全不同于我们现在的理解。他们无法想象在一个世界里，你需要通过图形用户界面导航，使用这些复杂的菜单，点击下拉框，填写文本字段，然后点击提交，接着它会向你发送一封电子邮件，你需要去你的收件箱检查确认邮件是否已发送。我们现在经常遇到的这些繁琐操作，对于他们来说，可能在 10 年，20 年后会变得完全陌生。

这让我想起，我有几个不同年龄的孩子，他们身处的时代正是 iPad 问世的年代。我记得当我大儿子还小的时候，他们会坐在我腿上，看着我工作，然后模仿我按键盘上的键。但当我女儿到了那个年纪时，她做的却是在我的笔记本电脑屏幕上滑动手指，因为那才是她熟悉的操作方式，对吧？她并不知道这些键代表什么。因此，我认为随着时间的推移，我们面对的界面会有很大的变化。想象一下，十年后，你把一台 2020 年的笔记本电脑交给你的孩子，然后看着他们对着电脑说话，等待回应，但那时可能什么反应也得不到。的确，可能就会是这样。令人惊奇的是，你的公司，也希望是我们的公司，将能有所作为，为此做出贡献，对吗？这真的很神奇。

## 
结束语

**Manavir Das:** 我想我代表在场的所有人说，我们非常感激 OpenAI 所做的一切。我们都迫不及待地想看到你们接下来会为世界做什么，我们会一直在这里关注。祝你和公司一切顺利，当然，作为 NVIDIA，我们也愿意以任何方式帮助你，我会发短信给我老板，看他能否帮你找到更多的 GPU。好吗？感谢你抽出时间来，Brad，感激不尽。

**Brad Lightcap:** 好的，谢谢。感激不尽。

[掌声]

## 常见问题解答 (FAQ)

### ChatGPT 企业版适合哪些公司使用？
适合中大型企业、财富 500 强以及需要统一管理 AI 使用权限和数据流程的团队。文中提到，OpenAI 已将企业需求作为重点方向推进，企业版与团队版就是为不同规模组织设计的落地产品。

### OpenAI 为什么要推出 ChatGPT 企业版？
因为 ChatGPT 发布后，企业端使用量快速增长，且需求并非只来自个人用户。OpenAI 观察到大量公司在内部自发使用后，才推出企业版和团队版，以满足更稳定、更可控的组织级应用需求。

### 生成式 AI 在企业里最先落地在哪些场景？
文中提到的典型场景包括财务分析、电子表格处理、对账和税务分析等高频办公任务。这类工作数据结构清晰、重复性高，最容易先被 ChatGPT 这类工具提效。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
