OpenAI战略方向与模型发展 - 公司承认在GPT-5.2版本开发中，为追求编程能力而牺牲了创意协作能力，这是决策失误[3] - 公司未来将致力于打造真正优秀的通用模型，并承诺GPT-5.x版本在写作上将超越GPT-4.5[3] - 公司预测到2027年底，将能够提供GPT-5.2水平的高级智力，且成本至少降低100倍，但如何在保持质量的同时将输出速度提高100倍仍是挑战[24] AI对软件工程行业的影响 - 公司认为“软件工程师”的定义将发生巨变，敲代码和调试的时间将根本性改变，但世界对软件的需求并未减缓[10][12] - 行业将进入“个人定制软件”时代，大量软件专为个人或极少数人编写，这可能带来需求的暴增，并在世界GDP中占据更大比例[13] - 公司认为未来会有更多人能够指挥计算机创造价值，软件工程工作的形态将改变，而非单纯减少岗位需求[10] AI产品开发与市场挑战 - 当前开发者面临的瓶颈已从产品开发转向市场推广，因为在一个物质和软件极度丰富的世界里，人类的注意力是极其稀缺的资源[14] - 公司承认许多AI产品的点子质量不佳，但随着创造成本暴跌和试错循环加快，有望更快找到好点子，公司正在尝试构建“头脑风暴”工具[20][22] - 公司表示模型能力与大多数人能提取的价值之间存在巨大落差，构建工具帮助人们利用模型的市场目前是空白，鼓励开发者进入[17][19] AI代理与未来应用 - 关于AI代理何时能真正自主运行，公司认为取决于任务性质，具体任务已可通过特殊提示框架实现持续运行，但开放式任务仍难[24] - 公司内部正在深度使用Codex定制工作流，并认为未来软件将是流动的、专为用户即时编写的，而非静态应用[30] - 在科学研究领域，AI目前最适合作为“无限的研究生”或“无限的博士后”进行广度优先搜索，完全闭环的自主研究尚有距离[27][29] AI成本、能力与平衡 - 公司承认在模型能力发展上存在“参差不齐”的问题，例如编程能力突飞猛进但写作未跟上，并承诺将在通用模型的写作和人格魅力上迅速追赶[23][24] - 公司面临的新矛盾是，不仅要降低AI成本，还要大幅提高输出速度，这是一个艰难的平衡[24] - 公司认为AI将带来巨大的通缩效应，万物将变得极度便宜，这将对个体形成极大赋权[33] 人机协作与未来技能 - 公司认为在AI时代，人与人的连接反而会更重要，未来的协作模式可能是多人围绕一个AI进行头脑风暴[31] - 公司认为AI时代最重要的技能不再是编程，而是极具主观能动性、善于产生想法、有韧性、能适应快速变化等软技能[38][39] - 公司表示招聘面试必须改变，重点考察候选人能否利用AI在极短时间内完成过去需要数周的任务，这才是所需的能力[36]

杰文斯悖论的起源与概念 - 技术进步提高资源利用效率时，可能导致资源总消耗量增加而非减少，这一现象被称为杰文斯悖论 [4] - 1865年经济学家威廉·斯坦利·杰文斯在《煤炭问题》中提出，高效燃煤技术反而刺激煤炭需求增长 [5] - 现代经济学将这一现象表述为"反弹效应"：能效提升降低使用成本，从而刺激需求上升 [5] 杰文斯悖论的历史验证 - 燃油效率提升后，每公里出行成本降低导致总行驶里程增加，甚至刺激家庭购置第二辆车 [6] - LED灯泡能耗降低但照明设备使用量增加，可能导致总用电量上升 [6] - 现代能源市场中反弹效应通常较小，能效提升仍能降低总体能源消耗 [6] 杰文斯悖论在AI领域的应用 - AI计算成本降低类比能源效率提升，需求激增将扩大市场空间 [8] - AI训练成本下降刺激更多企业部署AI应用，可能引发整体算力需求与能源消耗上升 [9] - 短期看成本下降速度可能快于需求增长，长期看AI应用渗透将推动算力需求爆发 [9] AI对就业的影响机制 - AI提升工作效率后可能增加而非减少人力需求，如喷气机发明后飞行员需求增长 [10] - 触发就业领域杰文斯悖论需满足三条件：AI真实提升生产力、生产力转化为价格下降、低价刺激需求激增 [11] - 程序员、翻译、放射科医生等职业已显现生产力提升与岗位数量同步增长的现象 [11] 技术变革的宏观趋势 - 历史表明技术革新总体利大于弊，如推土机、计算机等工具在提升效率的同时持续创造新就业机会 [12] - 杰文斯原典指出：机器提升生产力后，产品降价将扩张需求并拓宽就业领域 [12]