Sam Altman专访：AI智能体协作与开发者平台新范式

在最新一期的Every播客（原AI & I节目改版）中，主持人Dan Shipper在OpenAI Dev Day现场采访了Sam Altman。这场对话围绕四届Dev Day的演进、AI编程能力的爆发、智能体（Agent）协作的新方向，以及OpenAI对开发者生态的平台战略展开，透露出不少关于未来工作形态的深层思考。

编程能力飞跃，开发者反而更多了

对话开场，Dan抛出了一个颇具反差感的观察：如果四年前告诉他编程模型会达到今天的水平，他会以为Dev Day上的开发者会越来越少。但现实恰恰相反——开发者比以往任何时候都多，要做的工作也更多。

Sam对此的解释直指需求本质：人们想要的东西实在太多了，期望值极高。「开发者从未能做这么多事情，但标准也从未如此之高。」他坦言自己从不像其他人那样对AI取代工作持悲观态度，但仍然对世界上存在的潜在需求之庞大感到意外。

一个反复出现的主题是「以人为中心」。Sam认为，即便我们大谈自动化，人类依然处在一切的中心。原因在于「我们并不太在意机器做了什么，我们痴迷于人」——人们想知道艺术品背后的人、公司背后的人、产品背后的理念。他举了个耐人寻味的例子：当一万个智能体完美协作四天、解决了某个重大难题后，公众反应几乎没人谈论问题本身被解决，而是聚焦于参与其中的人。

Dots智能体：找回早晨与专注力

本次Dev Day一口气发布了约22项新内容（第一届约4-5项，上一届约9项）。其中Sam个人最有感触的是名为「Dots」的智能体产品。

Sam描述了一个非常具体的生活场景：作为公司掌舵人，他过去一醒来就得查手机，一旦看到各种信息，深度工作的早晨时光就被污染了。而现在他信任自己的「dot」（他给它取名Dotty）去判断哪些事情需要他关注、哪些可以代为处理，从而把早晨的创造力时间和陪伴孩子的空间还给了自己。

更有戏剧性的是Dev Day当天的真实案例：在主题演讲前五分钟，团队成员Tebow收到了dot的消息，提示它看到了演示文稿，判断某项设置可能导致demo失败，并询问是否要尝试修复。虽然当时还无法自动修复，但Sam相信下一个版本或许能直接在生产环境中解决。

Dan也分享了类似体验：他改签航班时，dot提醒他在那个时段有个会议——而这个会议根本不在日历上，是dot从Slack里读到的。这种「跨越整个生活整合上下文」的能力，被两人一致认为是最令人印象深刻的部分。Sam还讲到一次Codex搜索失败后，dot在隔夜「持续思考」并最终在一张被遗忘的截图里找到了他要的内容。

从研究角度，Sam指出这一切成为可能最关键的是模型Astra——必须有足够聪明的模型跨过智能门槛，其余功能才能搭建起来。

Dots（或称dot）是OpenAI在此次Dev Day推出的个人智能体产品，其核心能力在于「持久化上下文感知」——它能够跨越不同应用（Slack、日历、邮件、截图等）持续积累用户的个人上下文，而不像传统AI助手那样每次对话从零开始。这一设计与AI领域近年热议的「长期记忆（Long-term Memory）」技术方向密切相关：模型需要在会话之间保留并整合信息，才能像真正的助理一样理解用户的习惯、优先级与未完成事项。Dots的「隔夜持续思考」能力，本质上是一种异步后台推理——智能体在用户不主动交互时仍可运行，当发现相关信息时主动推送结论，而非等待用户发起请求。这种模式标志着AI交互范式从「响应式（reactive）」向「主动式（proactive）」的转变，也是当前智能体研究的重要方向之一。

Space与「活文档」：人机协作的新抽象

Dev Day还一次性推出了三款办公套件类工具，统称Space。Sam坦言他们原本并没打算做这件事，而是意识到——现有软件在设计上根本不是为与AI协作而生的。你可以自己用，也可以让AI替你用，但当多个人和多个人的AI要紧密协同时，现有的抽象层就崩溃了。

Sam提出了一个尚无确切名称的概念——「活文档（live documents）」：文档会随着人们的互动或世界的变化自动更新，多个dot可以共同协作。他引用了一句点睛的话：「七个人的dot一起协作，创造出某种在我们每个人脑中都隐约存在、但真正成形时却是涌现出来的东西。」

他自己最常用的活文档是一个「专属业务仪表盘」——会读取他所有的Slack消息，根据他当下关心或不关心的事情不断更新，像一份活的业务摘要。Dan则提出想要一个「实时心情仪表盘」，让dot根据他的状态判断该不该现在看某条消息。

「活文档（Live Documents）」的概念可以理解为对传统静态文档的一次范式升级。传统文档（如Google Docs或Notion页面）是人工编辑、版本快照式的知识载体；而活文档则内嵌了数据订阅与推理层——它能监听外部数据源（如Slack频道、数据库、日历事件），并由AI持续判断哪些变化值得反映到文档内容中。这与软件工程中「响应式编程（Reactive Programming）」的思想有相通之处：数据流的变化自动传播到依赖它的视图层。在多智能体协作场景中，活文档还承担了「共享状态（Shared State）」的角色——多个dot可以读写同一份文档，从而实现异步协调，而无需人工居中转述。Sam所描述的「七个人的dot一起协作、涌现出新东西」，正是多智能体系统中「涌现行为（Emergent Behavior）」在实际产品中的具象化。

平台战略：开放生态而非做「邪恶巨头」

对话中Sam反复强调OpenAI的平台定位。他把AI模型公司分为两派：一派相信世界上最终只会有一家公司，另一派（如OpenAI）则相信会迎来公司数量的文艺复兴——单人公司、小团队公司创造出惊人的新产品与服务，门槛被极大降低。

本次发布的几项关键能力印证了这一思路：开发者可以在ChatGPT中构建应用，用户可以把自己的ChatGPT订阅「带着走」用于第三方应用。Dan作为开发者直言，这改变了整个经济模型——过去要精打细算让用户用多少AI才不至于破产，现在用户自带订阅，就可以随意使用任何模型。

Sam坦承OpenAI「还没搞定App Store的等价物」，但已经找到了帮助数百万人在平台上构建重要新产品的方法。他提到Decisions API是当天「悄悄最重要」的发布之一，灵感部分来自对「更便宜、更快」极致需求的回应，以及社区对类似Jev这类新方案的热烈反响。

关于「OpenAI杀死某某创业公司」的叙事，Sam的回应很直接：这类推文之所以有流量，是因为人们喜欢末日论，但它从未真正发生。他认为OpenAI有坚定信念去赋能开发者，今天就采取了许多其他AI实验室不会做的步骤——把自己使用的同样工具全部开放出去。

Sam提到的Decisions API，是本次Dev Day技术发布中相对低调但值得关注的一项。其设计思路来源于对「更便宜、更快」极致需求的回应——传统API调用会将完整的推理任务交给大模型处理，而Decisions API的核心思路是将决策路由（Routing）与轻量判断类任务单独剥离出来，以更低延迟、更低成本的方式完成，只在必要时才调用更强的模型。这与AI工程实践中「级联推理（Cascading Inference）」或「模型路由（Model Routing）」的优化策略一脉相承。对于开发者而言，这意味着可以在产品中嵌入更多AI决策节点而不必担心成本爆炸——这正是Sam所说「其他AI实验室不会做的步骤」背后的产品逻辑：通过降低单次决策成本，激励开发者在更多场景中使用AI，从而扩大平台整体使用密度。

工业革命 vs. 文艺复兴：速度成为新向量

Sam用「工业革命 vs. 文艺复兴」的框架来阐释他对AI未来的愿景。他认为工业革命本质上以机器为中心，把许多人变成了执行高度专业化任务的「认知机器」，与美好生活的许多部分脱节；而文艺复兴以人为中心，伴随着科学工程的狂飙与人类潜力大幅扩张的感受。

他明确表态反对「AI自动化一切、人类沦为宠物猫」的论调，而是希望AI带来一波科学发现、艺术创作、公司创立的巨浪，让人们既享受经济增长的红利，又重新掌控自己的生活。

对话最后聚焦于「速度」这一新向量。Sam透露自己几乎所有提示词都在「Ultra Fast」上完成。他引用了Bret Victor约十五至二十年前关于「创作者应与创作物保持即时连接」的演讲，强调极快的反馈循环对迭代式思考的巨大影响。

在成本与速度的权衡上，Sam表示OpenAI过去主要在降低「IQ的价格」——让模型越来越强、越来越便宜；如今会像推动模型智能民主化一样，投资于速度的民主化，自研芯片将是关键贡献者。他预计不久的将来能以优惠价格提供8倍速度，之后还会有100倍。但他也坦言，无论何时，总会存在一个更高价格的智能与速度前沿。

Sam所引用的Bret Victor演讲，指的是其2012年的经典演讲《Inventing on Principle》（以原则为本的发明）。Victor在演讲中提出，创作者与创作物之间应当存在「即时连接（Immediate Connection）」——当你改变代码的一个参数时，结果应该立刻呈现在眼前，而不是经历编译-运行-观察的漫长循环。他将这一原则上升为一种设计哲学：反馈延迟会打断思维的流动状态（Flow），而极短的反馈循环则能让创作者的直觉与工具融为一体，涌现出更具创造性的迭代。Sam援引这一框架来为「速度民主化」背书，意在说明推理速度不只是体验问题，而是直接影响人类思维质量的认知基础设施问题。这也解释了为何他将速度提升列为继模型智能之后最值得投入的核心方向，并将自研芯片视为实现这一目标的关键路径。