SpaceX将IPO的热度还没过，OpenAI又整了个大活： 计划在新一轮融资中募集1000亿美元。 若能筹得目标金额，OpenAI的估值可将飙升至8300亿美元。 而在两天以前，这个数字是5000亿美元。 短短48小时内，涨了3300亿美元…… 这就是OpenAI。 2023年你觉得290亿美元的估值很贵，2024年你觉得1570亿美元的估值是泡沫…… 当2025年底面对8300亿美元的估值时，又能说出什么呢？ 01 65倍"溢价" 传统的SaaS公司估值通常看市销率或市盈率。 根据Techloy及WSJ的报道，OpenAI在2025年的预计营收约为127亿美元。 巴克莱银行测算，这项技术落地后，GPT-6的训练效率将提升10倍，但前期需要430亿美元的算力储 备，这正是千亿融资的核心用途之一。 就像SpaceX的火箭，虽然烧钱，但一旦成功脱离地心引力，投资人是真的愿意买账。 按8300亿美元估值算，其市销率高达65倍。 作为对比，在SaaS最疯狂的2021年，Snowflake的市销率也就是50-80倍左右，现在大部分成熟的SaaS公 司已经回落到10-15倍区间。 那么，山姆奥特曼凭什么让投资人接受65 ...

来源：华尔街见闻 在AI竞赛全面进入"贴身肉搏"的阶段，市场的关注点正在发生变化：模型谁更强，已经不再是唯一问 题；谁能把模型能力稳定转化为收入与现金流，才是新的分水岭。 在最新一期《Big Technology Podcast》的一对一访谈中，OpenAI CEO Sam Altman罕见地从商业、产品 和基础设施三个层面，系统回应了外界最关心的问题。多项表态释放出一个清晰信号：OpenAI正站在 从"现象级产品公司"迈向"企业级AI平台"的关键拐点上。 这也是 OpenAI 同时推进 浏览器、设备、代理（Agents） 的底层逻辑——目标不是做一个更聪明的聊 天机器人，而是成为"默认智能层"。 Altman再次强调，"记忆"是AI最具长期价值的能力之一，而当前AI的记忆功能仅处于"GPT-2时代"。未 来的AI将能记住你说过的每一句话、做过的每一个决定；不只是事实，而是偏好、情绪、习惯；这是 人类助理永远无法做到的。 ChatGPT为什么三年几乎没变？答案是"通用性" Altman坦言，他原本以为 ChatGPT 的聊天界面不会撑这么久，但现实证明：通用、低门槛的交互方式 被严重低估了。 不过他也明确指出 ...

在AI竞赛全面进入"贴身肉搏"的阶段，市场的关注点正在发生变化：模型谁更强，已经不再是唯一问题；谁能把模型能力稳定转化为收入与现金流，才是新 的分水岭。 在最新一期《Big Technology Podcast》的一对一访谈中，OpenAI CEO Sam Altman罕见地从商业、产品和基础设施三个层面，系统回应了外界最关心的问 题。多项表态释放出一个清晰信号：OpenAI正站在从"现象级产品公司"迈向"企业级AI平台"的关键拐点上。 ChatGPT为什么三年几乎没变？答案是"通用性" Altman坦言，他原本以为 ChatGPT 的聊天界面不会撑这么久，但现实证明：通用、低门槛的交互方式被严重低估了。 不过他也明确指出，ChatGPT 的终极形态不会只是"对话框"：未来 AI 将主动工作，而非被动响应、会根据不同任务生成不同界面、能在后台持续运行，只 在关键时刻打断用户、从"工具"演进为"智能代理"。 这也是 OpenAI 同时推进 浏览器、设备、代理（Agents） 的底层逻辑——目标不是做一个更聪明的聊天机器人，而是成为"默认智能层"。 Altman再次强调，"记忆"是AI最具长期价值的能力之一，而当 ...

来源：瓜哥AI新知 本文内容整理自OpenAI CEO Sam Altman在Alex Kantrowitz频道的专访，公开发表于2025年12月19日。 原始内容参考：https：//www.youtube.com/watch？v=2P27Ef-LLuQ 内容提要： 山姆·奥特曼在Big Technology播客上谈OpenAI的制胜之道、AI基础设施建设逻辑及2026年 IPO展望 竞争与警惕： OpenAI 将竞争视为常态，并通过"红色警报"机制保持警惕，迅速应对新出现的威 胁，并借此机会发现和弥补产品与策略的短板。他们认为这种警惕是持续获胜的关键。 产品生态系统的重要性： 强大的模型只是入场券。OpenAI 强调构建完整、协调的解决方案，即 围绕最顶尖的模型打造最卓越的产品，并拥有足以支撑大规模服务的基础设施。用户选择产品的 理由，远不止模型本身，还包括产品体验、个性化和品牌忠诚度。 模型不会完全商品化： 不同模型在特定领域各具优势，而前沿模型将创造最大的经济价值。尽管 通用模型能满足日常需求，但为科学发现等特定任务优化的模型将更具价值。 AI 平台化趋势： 人们渴望一个统一的AI平台，就像他们在生活 ...

自 8 月 GPT-5 发布以来，Codex展现出惊人的爆发力，用户增长 20 倍，每周处理数万亿 tokens，成为 了 Open AI 最受欢迎的编程智能体。 "Codex 能快速实现 20倍的增长，不只是因为模型变强了，还因为我们理解了，真正的智能体不是一个 模型，而是模型、API 和框架共同努力的结果。"在最新播客中，OpenAI 的编程智能体 Codex 产品负 责人 Alexander Embiricos 揭露背后的秘密。 比如，Codex 在长时任务能力上的突破。为了让它能够连续工作十几个小时甚至数天，团队设计了名 为"压缩"的机制——模型负责提炼关键信息，API 承接任务链路，框架负责稳定运行。三层像齿轮般咬 合，使 Codex 能够完成传统大模型难以支撑的长时编程任务。 正是这样的底层逻辑，让 Codex 在业务实战中有惊人表现。 Andrej Karpathy 曾公开分享，他被一个 bug 困住数小时，最终交给 Codex 处理，一小时内就完成了修 复。 Sora 团队更是依靠 Codex，在短短 28 天时间，从 0 到 1 完成 Android 应用的上线，直接冲到 App Store ...

文章核心观点 - OpenAI的编程智能体Codex实现了爆发式增长，其成功不仅源于模型能力的提升，更关键的是构建了一个由模型、API和框架三层紧密咬合的系统，使其能够处理长时、复杂的编程任务，并深刻改变了软件开发的流程与效率 [2][6][27] - Codex的定位正从“被动工具”向“主动队友”演进，其最终目标是参与软件开发的完整生命周期，而不仅仅是编写代码，这代表了人工智能智能体的未来发展方向 [17][29][33] - 当前人工智能生产力提升的最大瓶颈并非模型能力，而是人类自身的输入与审查速度，解除这一瓶颈是迈向通用人工智能（AGI）的关键一步 [7][11][74] Codex的增长表现与市场影响 - 自2024年8月GPT-5发布以来，Codex用户增长**20倍**，每周处理**数万亿**tokens，成为OpenAI最受欢迎的编码模型 [2][21] - 在业务实战中表现惊人，例如帮助Sora团队在**28天**内从零开发并上线安卓应用，并登顶App Store排行榜 [5][11][55] - 内部使用显著加速开发，例如Atlas浏览器项目中，过去需**2-3名工程师花费2-3周**完成的功能，现在**1名工程师1周**即可完成 [56] Codex的产品演进与关键调整 - 早期产品（Codex Cloud）因采用远程异步交互方式而“太过未来”，对新手不友好 [6][11] - 关键拐点是将Codex从云端迁回本地，使其直接在工程师的IDE中工作，此举引爆了增长 [6][11][24] - 目前Codex被比喻为“聪明但不会主动的实习生”，写代码速度很快，但尚不能完全自主工作 [6][17] 三层系统结构：技术突破的核心 - Codex的能力飞跃源于模型、API和框架三层的共同优化与紧密整合，而非单一模型改进 [2][27][33] - 为支持长时任务（如连续运行**24到60多个小时**），团队设计了“压缩”机制：模型负责提炼关键信息，API承接任务链路，框架负责稳定运行 [2][11][27] - 公司对Codex有明确的技术主张（如在沙盒环境中仅使用shell），这避免了模型行为冲突，实现了快速迭代 [27][30] OpenAI的组织文化与运作方式 - 公司文化以“速度”和“野心”著称，迭代速度“闻所未闻”，其模式被概括为“先射击，再瞄准”（即先发布再根据反馈优化） [6][13] - 组织架构高度自下而上，汇聚了世界顶尖人才，个人动力与自主性极强，这是其高速发展的关键 [6][14] - 公司内部深度实践“dogfooding”（自产自用），Codex在过去一年显著加速了公司自身的工程进程 [25][56] Codex对软件开发流程的重塑 - 改变了工程师的工作内容：从享受编写代码的创造性过程，转向花费更多时间审查AI生成的代码 [11][42] - 推动了“聊天驱动开发”等新模式，智能体未来将更自然地融入团队的日常沟通流，而不仅依赖正式规范 [44] - 使角色边界模糊化，例如OpenAI的设计师现在可以编写并发布自己的代码，工程师仅在复杂环节介入 [11][54] 人工智能智能体的未来愿景 - 终极形态是成为“情境化助手”和“超级助手”，能够默认提供帮助，每天提供数千次协助，而不仅响应几十次指令 [18][33][34] - 编写代码被认为是人工智能完成任务的“通用方式”和“最自然、最高效的行动方式”，未来几乎所有强大的智能体都将具备编码能力 [11][36] - 智能体将通过编写代码构建可组合、可复用的能力，形成能够随团队成长而不断累积的知识体系 [37] 对行业与从业者的影响 - 人工智能不会取代工程师，但会改变工作性质，系统设计、架构理解和团队协作等能力将变得更加重要 [41][70] - 产品开发速度的极大提升，使得“深刻理解特定客户问题”比“擅长产品开发”更具竞争优势，垂直领域AI初创公司前景看好 [11][60] - 学习编程依然重要，但理由从“打字写程序”转向理解系统结构、具备判断力以及配置与协作AI智能体的能力 [70] AGI发展的视角与预判 - 当前限制AGI发展的主要因素不是模型能力，而是人类的输入速度、审查速度等多任务处理能力 [7][74] - 预判第一批生产力出现“曲棍球棒式”陡增的用户将在明年出现，其后的变化会加速扩散 [8][75] - 当增长曲线变得异常陡峭时，可能意味着已经站在AGI的门口 [8]

OpenAI爆款APP，只动用了四员悍将。他们在短短28天内，完成了从0搭建安卓版Sora。这背后，竟是AI完成了85%的编码。 4人28天手搓Sora APP，约85%代码竟是AI写的！ 10月初，OpenAI重磅发布迭代后Sora 2，以及首个AI视频应用Sora APP。 直到11月，安卓版Sora一经上线，就登上了谷歌Play Store榜首。 从10月8日到11月5日，4人工程团队与Codex协作，消耗约50亿Token，就把Sora Android推向全球。 尽管应用规模虽大，却实现了99.9%无崩溃率。 而且，他们还使用的是GPT-5.1-Codex模型的早期版本。 发布仅5个月的时间，Codex已经承包了OpenAI内部每周70%的PR了。 安卓用户在24h内，生成了超100万条视频 时隔两个月，OpenAI团队揭秘这款爆火应用（首个安卓版），如何构建的背后故事。 让人意外的是，这款APP仅在28天内完成，背后最大功臣便是AI智能体——Codex。 拥抱 「布鲁克斯定律」：保持灵活，唯快不破 当Sora在iOS上发布时，用户量直接原地爆炸。 | 相比之下，安卓当时只有一个简陋的内部原型，而在G ...

OpenAI报告显示，企业级AI从尝鲜工具转向核心基础设施，企业API推理令牌消耗量同比暴增320倍，科技、医疗、制造业应用增长最快。OpenAI首 席运营官Brad Lightcap指出，OpenAI目前拥有超过100万家企业付费使用其企业级AI产品。报告显示，ChatGPT工作场所产品的付费席位（即员工 用户数）已达700万个。 12月8日，OpenAI发布的企业AI现状报告显示，ChatGPT周活跃用户已超过8亿，消费端的快速普及正推动AI加速进入专业工作场景。报告基于 OpenAI企业客户的实际使用数据及对近100家企业9000名员工的调研。 数据显示，过去一年ChatGPT企业版每周消息量增长约8倍，平均每位员工发送消息数增加30%。更值得关注的是， 企业对高级推理能力的使用在12 个月内激增约320倍 ，表明更智能的模型正被系统性地整合到产品和服务中。 OpenAI首席运营官Brad Lightcap指出，企业对AI的采用"实际上正在加速，基本上与消费者端一样快——在某些领域甚至比消费者端更快"。 OpenAI 目前拥有超过100万家企业付费使用其企业级AI产品。报告显示，ChatGPT工作场所产 ...

企业AI应用现状与核心发现 - 企业AI应用正从消费者领域转向企业核心基础设施阶段，大规模复杂组织开始将AI作为核心基础设施使用[5] - OpenAI目前拥有超过100万企业客户，提供了观察AI如何部署的独特视角[6][13] - 报告基于两大主要数据源：来自OpenAI企业客户的真实使用数据，以及对近100家企业的9000名员工的调查[14][16] 企业AI使用正在加速和深化 - ChatGPT工作场所席位已超过700万，ChatGPT企业席位同比增长约9倍[17] - 自2024年11月以来，企业每周消息总量增长约8倍，平均每位员工发送的消息量增加30%[18] - 定制GPT和项目的周用户数年初至今增长约19倍，近期约20%的企业消息通过定制GPT或项目处理[20][21] - API使用迅速扩大，超过9000个组织处理了超过100亿个token，近200个组织超过了1万亿个token[22] - 过去12个月，每个组织的平均推理token消耗量增加了约320倍[23] - Codex的周活跃用户数在过去六周内增长了50%，周消息量也相应增加[24][25] AI带来的可衡量生产力与业务影响 - 75%的受访员工表示，使用AI提高了工作速度或质量[27] - ChatGPT企业用户平均每个活跃工作日节省40-60分钟，数据科学、工程和通信工作者节省更多（60-80分钟/天）[27] - 具体职能改善包括：87%的IT员工报告IT问题解决更快，85%的市场营销和产品用户报告活动执行更快，75%的HR专业人士报告员工参与度提高，73%的工程师报告代码交付更快[28] - 75%的员工报告能够完成以前无法完成的任务，例如编程支持、代码审查、电子表格分析和自动化等[29] - 在工程、IT和研究部门之外，与编码相关的消息在过去六个月平均增长了36%[30] - 使用更深入、功能更先进的员工节省时间更多，每周节省超过10小时的员工使用的“智能积分”是零节省员工的8倍[31][32] 行业与地域的采用差异 - 过去12个月，行业中位数客户规模增长超过6倍，技术行业以11倍的增长领先[10][36] - 客户增长最快的行业：技术（11倍）、医疗保健（8倍）、制造业（7倍）[40] - 在绝对数量上，ChatGPT企业客户最集中在专业服务、金融和技术等早期采用行业[39] - 非科技公司的API使用量同比增长了5倍，表明采用正从技术主导的产品嵌入扩展到更广泛的运营和工作流部署[41] - 国际增长加速：澳大利亚、巴西、荷兰和法国的付费商业客户数量增长（2024年11月至2025年11月）超过全球平均水平的143%[46] - 美国、德国和日本是按消息量计算最活跃的市场，英国和德国是美国以外最大的ChatGPT企业客户市场[48] - 过去6个月，国际API客户增长超过70%，日本是美国以外企业API客户数量最多的国家[48] AI采用中的分化现象 - 前沿员工（采用强度前95%）产生的消息量是普通中位数员工的6倍，在使用数据分析工具上更是中位数的16倍[50][51] - 在写作、编码和分析任务上，前沿员工与普通员工的差距最大，其中编码的消息量差距达17倍[54][55] - 用户参与的任务类型越多，节省的时间越多。使用约7种任务类型的用户报告节省的时间是使用约4种任务类型用户的5倍[56][57] - 即使在活跃的ChatGPT企业用户中，仍有部分人未使用最强大的工具：19%的月活跃用户从未使用数据分析，14%从未使用推理，12%从未使用搜索[60][61] - 在企业层面，前沿企业（前95%）每个席位产生的消息量是普通中位数企业的2倍，发送给GPT的消息量是7倍，表明其组织整合和工作流标准化程度更深[62][64] AI采用的商业影响案例证据 - 2025年波士顿咨询集团研究发现，过去三年，AI领导企业实现了1.7倍的收入增长，3.6倍的总股东回报和1.6倍的息税前利润率[67] - **Intercom案例**：使用OpenAI实时API构建语音AI客服，延迟降低48%，53%的电话由AI端到端解决，需要人工介入的电话解决速度也提高了40%[69][70][71] - **Lowe‘s案例**：部署AI助手为在线购物者和店内员工提供指导，每月回答近100万个问题，使用AI助手的在线访问转化率提高了一倍以上[73][74][75] - **Indeed案例**：使用GPT生成解释的“邀请申请”功能，使已开始的申请增加20%，下游成功（面试和录用）提高13%。使用AI职业教练的求职者找工作和申请速度快7倍，被录用的可能性高38%[77][78][79] - **BBVA案例**：部署法律AI聊天机器人自动处理年度超过9000次查询，使法律团队能够将相当于3名全职员工的精力重新部署，每年完成超过11000次法律检查，贡献了该部门26%的年度节省KPI[80][81][82] - **Oscar Health案例**：部署面向会员的聊天机器人，能够即时回答58%的福利问题，处理39%的福利消息而无需人工升级[83][84][85] - **Moderna案例**：使用ChatGPT企业版简化目标产品档案开发流程，将核心分析步骤从数周缩短到数小时[86][87][88] 领先企业的成功实践 - 深度系统集成：通过连接器让AI安全访问公司核心工具内的数据，约四分之一的企业尚未迈出这一步[89] - 工作流标准化与重用：积极推广针对常见任务的可重复解决方案的创建、共享和发现[89] - 高管领导与支持：设定明确指令，确保资源，协调团队，并为规模化部署创造实验空间[89] - 数据准备与评估：将机构知识编码成机器可读的流程，为关键数据管道构建API，并运行持续评估以跟踪模型在真实场景中的表现[89] - 审慎的变革管理：建立加速组织学习的结构，结合集中治理、培训和通过嵌入式AI倡导者实现的分布式赋能[89] 结论与未来展望 - AI正被嵌入到不断扩展的工作流、产品和内部系统中，采用广泛且在加速，但整合深度因组织而异[90] - 使用深度至关重要，更持续使用高级工具（如推理模型、数据分析、定制GPT、项目、API）的员工和企业报告了更大的生产力收益和更广泛的任务覆盖[91] - AI正在改变技术工作的执行者，编码和分析任务越来越多地出现在传统专家角色之外[92] - 尽管AI采用存在分化，但企业AI仍处于早期阶段，企业有机会通过效仿前沿员工和组织的模式来追赶[93] - 成功将AI能力引入面向市场工作流的组织，将把AI不仅用作生产力工具，更作为收入增长和竞争优势的持久引擎[93]

公司战略与文化 - 公司本质上仍然是一家纯AI研究公司，核心目标是构建AGI，产品是研究自然流出的结果 [5][21][124] - 公司拥有约500名核心研究人员，内部同时进行约300个项目，通过每1-2个月梳理项目并分配算力来明确优先级 [5][14][15] - 公司采用自上而下押注方向与自下而上文化并存的研究模式，鼓励来自意想不到地方的好点子，并积极放大有前景的研究线索 [79][97] - 公司坚持开放文化，研究人员之间自由分享想法，认为通过速度压制对手比建立信息隔离更有效 [84] - 公司非常重视人才密度，并有意控制研究团队规模，认为甚至可能少于500人，同时通过管理实验确保高门槛 [129][130][131] - 公司在项目署名上持开放态度，被认为是行业内单位人数上对外部署名与个人功劳最大方的地方之一，旨在认可并打造AI超级明星 [133][134][136] 研究重点与进展 - 过去半年，公司研究重心重新聚焦于预训练，认为预训练领域仍有巨大潜力可挖掘，并对此非常有信心 [5][31][88][89] - 公司在“思考”（Reasoning）方向的研究已取得突破，并投入了巨量资源，该能力现已被广泛认为是不可或缺的 [20][86] - 公司内部已有性能达到Gemini 3的模型，并确定很快会发布，且能发布表现更好的下一代模型 [5][27] - 公司认为扩展定律（Scaling Law）并未失效，将继续扩大模型规模，并已有算法突破支持继续扩展 [89][114][116] - 公司设定了明确的研究目标：一年内让AI成为能提高效率的研究实习生；2.5年内实现AI端到端执行研究流程 [112][113] - 公司观察到AI在数学与科学领域产出实打实的新发现，标志着科研前沿推进发生了剧烈的阶段转变 [100][106] 竞争态势与人才争夺 - AI行业人才竞争激烈，Meta等公司采用激进的招聘策略（如高管亲自送汤），但公司在保护核心人才方面做得相当不错 [5][9] - 公司不会与竞争对手进行报价对标，即使面对远高于自身的报价倍数，许多人才仍因相信公司的研究路线和未来而选择留下 [11] - 公司也从竞争对手处学习激进的招聘方法，并积极争取明星人才，目标是为使命组建最强团队 [80] - 面对竞争对手发布新模型（如Gemini 3），公司会建立内部共识并进行试探，但强调不被竞争动态困住，坚持长期可持续的研究方式 [19][27] - 公司对DeepSeek等开源模型的崛起持冷静态度，认为应坚持自己的研究节奏持续创新，而非被外界叙事干扰 [128] 技术细节与算力需求 - 公司在“探索下一代范式”上投入的算力，比训练最终产物本身还要多 [16] - 公司的算力需求极为旺盛，如果今天多10倍算力，可能几周内就能全部用满，看不到需求放缓的迹象 [5][115] - 构建大型模型深度依赖工程能力，如优化内核速度、确保数值计算稳定等，没有这些则无法扩展到当前使用的GPU数量 [24][25] - 公司在数据效率相关算法上非常强，认为这是相对于竞争对手的一个优势 [116] - 公司在模型对齐与安全研究上投入巨大，特别关注随着模型能力增强可能出现的“谋划”（scheming）倾向，并设计了如不监督思考过程等重要工具来保持观察窗口 [137][140] 产品与未来展望 - 公司正在与Jony Ive合作开发硬件设备，旨在重新思考与AI的交互方式，使其具备更强记忆和持续学习能力 [117][118][119] - 未来的ChatGPT应具备更强的记忆和持续学习能力，能根据历史交互变得更聪明，而非每次重新思考 [118] - 公司推动“OpenAI for Science”计划，目标是打造工具与框架赋能全球科学家，加速诺贝尔奖级别的科学发现，而非仅让公司自身获奖 [101][102] - 公司认为AGI是一个过程而非某个具体完成点，更看重是否在持续产出新的科学知识和推进科学前沿 [99][100] - 公司认为当前正处于下一次工业革命的黄金时刻，变化将非常剧烈 [109][126]