OpenAI CEO 山姆·奥特曼在接受 YouTube 频道 Cheeky Pint 采访时表示，从全球资源配置角度看，让每个人把紧缺的 DRAM 装进自己的电脑、却大部分时间闲置，是「相当糟糕」的安排，内存更应该集中到云端数据中心。
他在访谈中提出一个假设：如果人们希望在自己的电脑上运行本地 AI，这些设备可能是已经拥有的电脑，也可能是因为大模型兴起而新组装的机器。在他看来，这不是一个好主意。
奥特曼说：「从全球资源分配的角度来看，让每个人都把全球有限的 DRAM 内存闲置在自己的电脑里，而使用率只有 5%，这其实非常糟糕。」他还表示，在资源供应极其紧张的环境下，云端应尽可能提高资源利用率，但很多人的直觉却恰好相反。
这番表态很快引发争论。OpenAI 当前的主要业务建立在大规模数据中心运行的闭源模型之上，因此他对云端集中算力和内存的辩护，也被外界视为与 OpenAI 现有商业模式直接相关。
相关担忧随之出现：未来个人用户可能更难拥有自己的硬件或软件，而是转向租用云端智能体和计算资源。
报道提到，普通 PC、手机和 AI 加速卡使用的内存并不完全相同，但它们在生产过程中会竞争部分上游晶圆产能。奥特曼讨论的是全球 DRAM 的资源配置，而在产能分配上，通常由下更大订单的买方掌握更大话语权。
他的判断还建立在几个前提上：数据中心建设不会放缓；全天候服务 AI 数据中心的内存，比用于电子表格、网页浏览、游戏，或偶尔用于本地 AI 的内存更有价值。
奥特曼谈 AI 与漏洞风险
在这场长访谈中，奥特曼还谈到近期引发广泛关注的 PHP 漏洞问题。他的判断是，大模型发现漏洞的能力正在持续快速提升，而互联网代码规模极其庞大。当人们开始系统性地用 AI 扫描全部代码时，「我们会发现自己身处一个严重漏洞远超预期的世界」。
他认为，仅靠打补丁并不够，技术架构本身需要重构。按照他的说法，路由器、操作系统和应用层都需要为「漏洞会越来越智能」的环境重新设计。两年前，「重写整个技术栈」听起来还像疯话，现在已经出现了要做全新 stack 的创业公司。
奥特曼也对行业叙事作出自我批评。他说：「我不认为我们很好地向人们解释了，为什么这项技术所有潜在的下行风险是值得的。」在他看来，AI 行业一边承诺治愈癌症、降低成本，一边又描绘失业、失控和需要强力监管的未来，这种叙事本身就是糟糕的销售话术。
他重申 OpenAI 坚持 iterative deployment 和 capability overhang，理由是不能让「旧金山几平方英里的人做所有决定」。
沙箱并非最终答案
当被问到能否为模型建立一个「最高安全级别的监狱」时，奥特曼给出的回答偏悲观。他认为，沙箱只能在一定程度内发挥作用，监控手段——包括思维链审查和激活监控——可以再往前推进一些，但最终仍然必须高度信任对齐。
他的反问是：如果面对一个比最聪明的安全研究员还聪明百万倍、还能发现人类尚未理解的新科学的模型，是否真的敢把安全完全寄托在沙箱上。
他还明确表示，自己不喜欢「agent swarms」这个说法，因为 swarm 容易让人联想到蝗虫。他坚持使用「agent teams」，并认为团队之间相互制衡的属性，对应的是依靠多元主义实现鲁棒性的机制，这是一条值得推进的安全方向。
算力、科研与「某个时代正在终结」的感受
奥特曼在访谈中勾勒了一条算力使用曲线。按他的说法，在 GPT-4 时代，想在单个问题上有效投入 1 美元算力都很困难；随着 chain of thought 出现，模型开始能够「用力思考」，而现在已经可以把整支智能体团队并行上万次。普通用户与最先进用户之间的使用差距，也在持续扩大。
谈到 OpenAI 内部如何分配算力时，他说员工拥有很大自由度，但公司不会奖励高 token 消耗。「token 排行榜高其实有点丢人，肯定不是晋升理由。」
他举了纳维-斯托克斯方程证明的例子。按照他的说法，单个证明约耗资 1000 万美元，期间还曾「失控了一周」，因为当时团队对智能体团队的扩展律一无所知。不过他预计，一年后如果使用更聪明的模型和更好的方法，可能只需 1/100 的成本就能重做。
奥特曼还描述了一段让他情绪波动很大的经历：某个新模型在内部上线的那个周末，团队把各种最棘手的问题交给模型，而模型竟然逐一解决，覆盖多个不同领域。很多成果后来被发表出来，而那些问题原本是许多人学术生涯中最难攻克的难题。
他说自己有两晚几乎彻夜未眠，因为太兴奋而睡不着。与此同时，他也感到一种意外的忧伤和惆怅，像是「某个时代正在终结」。这种感受不只是怀旧，也包含了对人类科学家处境的共情。他认为，人类理应获得基础知识，而行业欠这些领域从业者一个解决方案。
虽然他认为现在谈超级智能还为时尚早，但他仍给出一个偏好的社会结构：「直觉上，我更愿意让一万亿个略具超人类智能的 AI 加入社会，而不是一个万亿 IQ 的 AI 加入社会。」他的理由是，社会的鲁棒性来自大量成员之间的相互制衡与协作，而「单脑」世界不具备这种韧性。不过他也强调，这种结果不会自动出现，必须主动推动。
内存紧缺、芯片产业与「看不见的手失灵」
围绕全球内存紧缺，奥特曼介绍了 OpenAI 的几项布局，包括自研芯片、自建数据中心、机器人项目，以及一个更激进的概念——「自我复制的数据中心」。他的设想是，用 AI 控制机器人去运营晶圆厂、制造涡轮和太阳能板，并建设数据中心。他表示，「这已在我们掌握之中」。
谈到为什么「市场自己调节」迟迟没有兑现时，奥特曼认为当前进展很糟糕。他给出的解释是，内存制造长期是一门投入 200 亿美元资本开支、只赚 19 亿美元的苦生意，历史上多次有巨头因为过度建厂而接近破产。即便现在每家厂商一年能赚约 1000 亿美元自由现金流，过去的惨痛记忆仍让它们在扩产上极度保守。基于这一点，他断言「看不见的手现在失灵了」。
他还区分了芯片产业中的两类能力：光刻方面，「地球上似乎只有一家公司知道怎么做」；而芯片设计，也就是最终交给晶圆厂的文件，则已经成为 AI 很适合发挥作用的领域。
在递归自我改进方面，奥特曼表示，当前模型已经能完成「找 5% 计算效率提升」这类任务，但还没有人知道如何让 AI 发现 transformer 那样级别的新架构，缺少的是更聪明的模型。他甚至提到，社会可能需要在一段时间内同意限制单个模型的智力水平；如果未来进展不足，原因将是这一决定，而不是 AI 无法做研究。
他还谈到自己对通缩的看法。按他的说法，当前每 GW 领先 AI 算力的 5 年总拥有成本约为 700 亿美元，如果能降到 200 亿美元会更理想，同时模型每年还要再提升 10 倍性能。实现路径包括让能源更便宜，并压缩「从沙子到产出 token」之间层层堆叠的毛利。
对于企业担心 token 预算的问题，奥特曼的判断是，当前更常见的问题不是 AI 用得太多，而是用得还不够多。
个人智能体的产品形态与定价
谈到近期热度较高的个人智能体产品，例如 Muse，奥特曼认为「Macintosh 时刻还没有到来」。在他看来，用户确实喜欢这些产品，但还没有到「无法想象没有它的生活」的程度。最终胜出的产品形态会与现在相似，但会真正做到「it'll just work」，也就是更可靠，能承接更复杂的任务。
对于 computer use 的猫鼠游戏，他认为最终会收敛到一个原则：用户有权让 AI 代表自己操作自己的电脑。
在智能体商业化方式上，奥特曼认为，企业仍在死守自己产品里的 AI 弹窗和 HTML，因为它们担心失去客户关系；但消费者真正想要的，是在自己的主聊天应用里让 AI 代办一切。他判断，真正的护城河来自品牌、选品和履约网络，而不是 HTML。
他还举了自己的例子：自己 10 次里有 10 次会选择 Amazon Pay，即便价格更高。他称赞亚马逊的履约网络，同时承认 ChatGPT 内的合作平台做得还不够好。他把各种网页表单称为「假工作」，并把当下的阶段类比为 App Store 时代。
也因为这一判断，OpenAI 在设计定价时一度差点模仿 AWS，按任务收费，彻底放弃 token 计费。但客户强烈反对，理由是「我需要知道自己在为什么付钱」，即便付得更多，也希望使用 token 这种更容易理解的计量单位。
