会议背景与对话双方
在 2025 年 Snowflake 峰会上，OpenAI 的山姆·奥特曼（Sam Altman）与 Snowflake 的首席执行官斯里达尔·拉马斯瓦米（Sridhar Ramaswamy）展开了一场精彩对话。此次会议氛围热烈，被形容为数据界的摇滚音乐会。AI 的诞生，即所谓的“Jam AI”，解锁了一切，彻底改变了游戏规则，重新定义了我们与数据和智能交互的方式。
山姆·奥特曼是推动全球 AI 发展的关键人物，他的观点极具前瞻性。而斯里达尔·拉马斯瓦米是数据领域的巨头，在数据和搜索领域造诣深厚。两人的碰撞本身就备受瞩目，他们的观点和想法对理解 AI 的潜在趋势至关重要。
企业应对 AI 热潮的建议
立即行动
当下 AI 热度高涨，许多企业领导者关心该如何应对。山姆·奥特曼给出了直接建议：“Just Do It”。当前模型更新迅速，企业若仍犹豫不决，等待观望或期待下一代模型，风险可能更大。在技术快速变革时期，迭代速度快、犯错成本低且学习效率高的公司将胜出。
保持好奇心
拉马斯瓦米补充强调了好奇心的重要性。在快速变化的时代，过往经验和知识可能不再适用，此时需保持开放心态，像孩子一样好奇，探索新可能。且如今实验成本大幅降低，企业更应积极尝试。
具体行动策略
企业在非关键场景中可接受犯错，关键是建立快速学习和应对机制。例如组建小团队快速开发和测试 AI 应用原型；建立反馈回路，让一线员工及时报告 AI 性能和问题；营造允许失败、鼓励尝试的文化氛围。重点不在于犯错，而在于从错误中学习的速度。
AI 现有及未来能力
现有可靠能力
-
信息获取：像 ChatGPT 这样的模型如今能知道何时使用网络搜索获取最新信息，答案不再局限于训练数据，在许多场景中非常有用。
-
聊天机器人：聊天机器人技术成熟，无论是处理数据库中的结构化数据，还是邮件、文档等非结构化数据，企业都可应用。这能直接提升效率、降低成本，如客户服务和企业内部知识查询等场景。
明年的 AI 能力预测
山姆·奥特曼预测，明年企业不仅能用 AI 系统自动化部分业务流程或构建新产品服务，还能将重大业务问题交给 AI 处理。企业投入大量计算力，模型将能解决人类团队自身无法完成的任务，如重新设计关键项目等。这要求 AI 具备强大的推理和记忆能力，且有经验的企业将更具优势。
记忆与解锁：下一代 AI 的关键
-
解锁（RAG）：即 Retriever Augmented Generation，能让生成式 AI 基于事实和最新信息回答或生成内容。OpenAI 早在 2023 年初就构建了网络搜索规模的系统并集成到 GPT 中，为 AI 答案提供实时依据。
-
记忆：系统能知晓过去如何处理某些问题，如同人类有过往经验。利用这些交互信息，系统未来处理类似问题时能更符合用户需求或偏好，对实现个性化 AI 体验极为重要。
AI 应用的复杂性与发展
复杂性增加的原因
未来 AI，尤其是智能体应用，需处理更复杂、长期的任务，因此需要理解大量上下文信息，包括任务目标、用户偏好、历史操作和外部实时信息等。山姆·奥特曼认为，上下文信息越多，系统性能越好，而记忆和解锁正是提供这些信息的关键技术。
智能体的应用与发展
-
应用场景：除了编码，一些公司已开始用智能体自动化大部分客户服务或高端销售工作。目前人类角色未被完全取代，而是转变为给智能体分配工作、评估质量、整合各部分并给予反馈，如同项目管理者。
-
未来发展：山姆·奥特曼预测，明年智能体将在有限情况下帮助发现新知识或解决复杂业务问题。长期来看，智能体将从处理已知的重复任务向探索未知的更复杂领域扩展，最终可能达到 AI 科学家的水平。
AGI 的讨论
山姆·奥特曼对 AGI 的看法
山姆·奥特曼认为“AGI”这个词本身不太重要。首先，人们对其定义不同，且同一人在不同时期定义也会变化，过于主观易变。其次，人类善于调整期望，若回到五年前展示如今的 ChatGPT，多数人会认为是 AGI，但现在却不这么认为。他认为重要的是 AI 发展趋势本身。不过，他也提到一个可能的标准：AI 能独立发现新科学或成为强大工具，使人类科学发现速度翻倍甚至四倍。
斯里达尔·拉马斯瓦米对 AGI 的看法
斯里达尔·拉马斯瓦米认为 AGI 定义是个哲学问题，如同问潜艇是否会游泳，取决于对“游泳”的定义。他认为 AGI 定义模糊，更像哲学思考。即便 AI 在某些方面超越人类，人类活动和价值观依然存在，就像计算机能战胜人类棋手，但人类仍享受下棋过程。
两位 CEO 共识是，关注 AI 能力的发展和进步比纠结于 AGI 标签更重要。
下一代模型的能力与框架
下一代模型的核心能力
为实现如芯片设计公司让 AI 设计更好芯片、生物技术公司让 AI 研究疾病治疗方法等场景，下一代模型需具备核心能力：能理解大量上下文信息；能连接各种工具和系统；能进行出色且灵活的推理，让人信任其能独立工作。
理想模型框架
山姆·奥特曼提出一个理想模型框架：一个极小但具有超人推理能力的模型，能极快运行，处理一万亿个令牌的上下文信息，并能访问所有可能的工具。模型的核心价值在于推理引擎，而非作为庞大数据库。知识和数据可通过文本和工具动态整合，模型无需存储所有知识，凭借强大的理解和推理能力就能善用外部信息和工具。
对千倍计算力的使用设想
对话最后，主持人提出假设问题：若有千倍计算力会如何使用？
山姆·奥特曼的回答
山姆·奥特曼给出两个答案。“牵强”的答案是用千倍计算力投资 AI 研究，创建更好的 AI 模型，再问该模型该做什么，这基于对 AI 能力指数增长的信念。现实的答案是基于现有观察，现有模型在测试时间计算机上已显示回报，即花更多时间思考和尝试难题能得到更好答案。他建议企业将此视为比例分配，在最困难、最有价值的问题上投入更多计算力，因为回报可能是非线性的。
斯里达尔·拉马斯瓦米的回答
斯里达尔·拉马斯瓦米的回答超越技术和商业本身，更关注人类福祉。他提到 Snowflake 内部一个研究 RNA 表达的项目，RNA 表达控制蛋白质工作，而蛋白质几乎参与人体所有功能。若有千倍计算力，他会投入该项目，期望取得突破，解决大量疾病，推动人类文明进步。
两位 AI 前辈的回答，一个聚焦 AI 自我加速和商业价值最大化，一个关注 AI 解决人类基础科学和健康挑战，都给人以启发。
在聆听这场关于 AI 潜力的深度对话后，不妨思考：若 AI 真能达到理想水平，个人生活或工作中最希望它解决什么难题？我们对 AI 最终价值的深层期望究竟是什么？
若喜欢本期节目，别忘了点赞、分享并订阅频道，及时获取科技资讯和深度解析。感谢观看，下期再见。
{# 
{# 
{# 
{# 
{#