如果说上一节是AI对社会系统的压力测试，那么 Altman 接下来的发言，更像是一份“国家级基础设施施工图”。

AI 工厂不是产品，是国家工程

他从一个地方讲起：“昨天我去了德克萨斯州的阿比林，那里我们正在建设世界上最大的 AI 训练设施。”不是办公室，不是园区，而是AI 工厂（AI factory）。

他解释说，AI 模型的背后，不是几行代码，而是一整套现代工业链路：

• 你需要电力，源源不断；
• 你需要芯片，最好是美国自己设计和制造的；
• 你需要数据中心，不是几千台机器，而是“超级计算厂房”；

你还需要建构这些机器的机架，安装调度系统，冷却设备，高压转换装置，甚至消防通道。

然后——你才能训练一次大型模型。

这已不是硅谷式的“软件创业故事”，而是类似修铁路、建水坝、造航母那样的国家工程。

Altman 说得很直白：“我们需要更多这样的设施。有一整套 AI 工厂，像一条完整的供应链，我们必须在美国完成这些建设，才能继续创新、继续领先。

这听上去，像是一版 AI 时代的“罗斯福新政”—— 它不是为了解决就业问题，而是为了重塑国家竞争力的底座。

智能的尽头，是能源账单

他提出一个很容易被忽略的公式：

智能的最终成本 = 能源的成本

你可以把 Altman 的逻辑理解为这样一组简明等式：

• Token = 电力 × 芯片 × 算法 × 数据 × 冷却系统
• 智能系统 = 一个超级耗能的工业基础设施
• 下一轮国家竞争力 = 谁能让AI工厂在本国规模部署

换句话说：AI 不是“云里转的算法”，而是一条吞电、耗芯、讲工业组织效率的全栈链条。这场竞争的关键，不在于谁的模型能力更强，而是谁能把这套系统真实落地。

“如果我们不能建立基础设施，尤其是在本国制造芯片，那么一切都会崩溃。”

真正的分水岭：谁能把系统跑起来

Altman 多次强调：AI 工厂不是为了训练某一个模型，而是为了支撑一整个“国家级智能系统”。

在这场全球范围的系统竞赛中：

• 能源是地基，
• 工厂是出发点，
• 数据是燃料，
• 芯片是心脏，
• 而制度，则是它们能否协同运转的中枢神经。

在 Altman 的叙述中，未来美国需要的不是更多的创业公司，而是：

• 能拉起10GW级别算力的能源系统；
• 能快速获批的建厂许可流程；
• 能完整打通芯片、冷却、数据安全、模型调度的全链路；
• 更重要的，是不犯“监管先行压死产业”的系统级错误。

他非常清楚：真正的差距，不在模型性能，而在系统速度。

Altman 话不多，却句句都是制度提醒：

“AI 至少会像互联网一样重要，甚至更大。”

如果美国不能在本土建好工厂、铺好能源网络、留住模型训练空间——

这一次，它将不是技术领跑者，而是被下一套系统淘汰的前一代玩家。

️ 第三部分｜ 输在系统，不在模型

在国会的听证厅里，Sam Altman 没有绕圈子。他被问到中美AI竞争的问题时，直接抛出一句：

“我们相信，美国的模型，包括 OpenAI 和 Google 以及其他公司的一些模型，是世界上最好的模型。”

这听起来像是一句自信的陈词，但接下来 Altman 的语调突然一转：

“很难说我们领先多远，但我会说：不是很长的时间。”

这句“不太远”，不是谦虚，而是一次制度提醒—— 真正拉开差距的，不是模型能力，而是系统部署的速度与弹性。

DeepSeek 给出的信号，是“系统突破的速度”

在现场，Altman 明确提到中国团队 DeepSeek，并且指出两个关键事实：“第一，他们做了一个很好的开源模型。第二，他们还推出了一个消费者应用，短暂地超过了 ChatGPT，成为下载量最大的 AI 工具，甚至可能是整体下载量最大的应用。”

这不是简单的“模型刷榜”，而是一种现象级信号：

• 中国的开源模型从研究到产品化的路径正在迅速缩短；
• 模型本身不再是唯一的核心壁垒；
• 谁能更快进入终端，谁就拥有用户、数据、生态与认知主权。

Altman 并没有表现出焦虑，但他明确表示：“如果 DeepSeek 或其他消费者应用真的成为主流，并打败 ChatGPT 成为人们使用的默认 AI 系统，那将是不好的。”

因为这不是市场份额的问题，而是系统标准、价值嵌入和全球使用习惯的“替代”。

不是火箭科学，是系统不能自卡节奏

在被问到“美国如何保持领先”时，Altman 给出了一段相当务实的回答：“这些都不是火箭科学。我们只需要继续做那些长期行之有效的事情，而不是犯一个愚蠢的错误。”

这句话的关键词是“长期”和“别犯错”。那“蠢的错误”是什么？

他明确列出了三点：

• 对数据设限过严，训练空间不如海外同行；
• 基础设施建设受限，无法扩展芯片与能耗配套；
• 过早设立标准，行业尚未成熟便被掐死在摇篮里。

Altman 并没有呼吁“放任自由”，而是强调“给行业一点生长空间”：“我相信行业正在迅速朝着确定正确协议和标准的方向发展，我们需要空间来创新和快速前进。”

换句话说——监管不能比部署慢，但更不能比成熟快。

Altman 的最后一段话，看似在说“苹果和微软”，其实是在说“制度弹性”：“世界用 iPhone、Google、Microsoft 产品……这就是我们产生影响力的方式。 我们不希望这停止发生。”

他提醒听众：美国不是靠最强技术赢的，而是靠让技术快速流通、快速使用、快速全球化。

️ 第四部分｜赢扩散，不踩刹车

在大多数人印象中，AI监管意味着“踩刹车”——放慢速度，设置限制，防止危险。

但在 Sam Altman 眼中，这样的监管方式，只会把胜利拱手让人。

他说得非常直白：

“我认为如果标准被过早设定，那将是灾难性的。”

因为这不是单纯的“谁更谨慎”，而是会导致一种不可逆的后果：“世界将转而使用更好的产品——只不过那些更好的产品，不一定是我们造的。”

Altman 真正担心的，是“误时”的监管

他不是唱反调。他承认监管很重要——甚至是必要的。“一旦行业确定标准由什么构成，然后由政府机构采纳并使其正式化，这是完全可以的。”

他担心的不是有监管，而是监管滞后于现实，又超前于理性：

• 技术才刚刚进入产品化阶段，政府就要求其承担全部社会后果；
• 行业尚未建立互通协议，就被政策硬性设限；
• 用户还在理解产品如何使用，监管已试图定义它的边界。

Altman 的观点很清晰：标准应该来自于实际使用，不是预设风险。换句话说——不是画好跑道再起跑，而是边跑边筑路。

赢下扩散，才是AI的真正胜利

Altman 说的最有力的一句话是：“如果我们的心理模型是赢得扩散，而不是阻止扩散，那方向上就是对的。”这句话彻底改写了人们对监管的想象。

在他看来，AI是一种可以全球传播的系统级产品：

• 它的使用量决定了谁的数据更丰富；
• 它的迭代速度决定了谁的模型更强；
• 它的用户依赖程度决定了谁拥有平台生态；

最终，它将决定谁拥有系统主导权与技术嵌入权。

所以，“赢下扩散”意味着：

• 要让世界使用美国的模型；
• 要在美国本土建设最大、最强、最节能的数据中心；
• 要让美国标准成为全球参考；
• 而不是被限制束缚、被慢节奏拖拽，最后看着别的国家成为默认选项。

Altman 不是在警告“模型危险”，他提出一个更深层的事实：你以为监管是在防AI，其实是在决定谁拥有定义未来的权力。

这不是技术比拼，而是认知范式的争夺。

️ 第五部分｜AI不是来消灭工作的，它在重写“工作”这件事

Sam Altman 坦言，他被问到最多的问题之一就是：“AI 到底会不会毁掉所有的工作？”

他没有回避这个问题，也没有轻描淡写。他反而直接指出：

“这次与以往技术革命不同的是——速度。”

技术革命从来都在发生。马被汽车取代，电话取代信件，电脑代替打字机……但这一次不同。

“我不知道，也不认为有人能确切知道它会发展得多快， 但它看起来可能会非常快。”

当参议员还在提问“AI 会取代哪些人”，Altman 给出的回答，是一个更根本的判断：“不是哪些工作会消失，而是‘工作’这件事本身正在被重新定义。”

从“岗位”逻辑到“协作体”逻辑

Altman 抛出一个全新的劳动逻辑：“我们称之为迭代部署——把强大的工具尽早放在人们手里，让他们习惯它、共建它，是最重要的事。”

这不是理想主义，而是OpenAI一贯的产品哲学：

• 不把AI藏起来，而是快速发布给大众；
• 不等待社会准备好，而是与社会同步适应；
• 不是为了替代人，而是为了形成“人机协作的新型劳动体”。

他说，这种策略过去五年一直在运作。而成果，已经在编程领域显现：

“在 2025 年 5 月，成为一个有效的程序员， 已与我上次来到这里（2023年5月）时，完全不同了。”

他用自己熟悉的领域举例：“这些工具真正改变了程序员能做的事，世界将获得的代码量和软件复杂度，也在同步飞升。”未来的工程师，不是写代码的人，而是指挥 AI 写代码的人。

AI不是“抢饭碗者”，是“组织再定义者”

Altman 没有用“赋能”这种抽象说法，

而是讲了一个 Uber 司机的故事：“ChatGPT 推出半年后，我坐进一辆 Uber，司机说：‘你听说过 ChatGPT 吗？太神奇了。’然后他告诉我，他靠 ChatGPT 运营整个洗衣小店。”

这个司机不会写广告，不懂法律，不擅长客户服务。

但有了 ChatGPT，他：

• 用 AI 生成文案；
• 让 AI 审核合同；
• 甚至用 ChatGPT 回复用户邮件。

Altman 说，这是 AI“被使用”而不是“被恐惧”的典范。这不是失业的故事，而是“个人成为微型组织”的新形态出现。

未来是“用AI的人 vs 不用AI的人”

Altman 给出的金句，值得反复咀嚼：“我们想要达到的理念是——AI 不是取代工作，而是增强工作。人们将变得更有生产力，做的事情，甚至我们今天都无法想象。”

他提醒听证会的议员们，如果你回望 100 年前，根本无法想象今天的职业形态：

• 用户增长专家；
• 短视频编导；
• 代码prompt工程师；
• 模型红队审查员……

而未来十年，依靠AI创造的新职业，也将以我们无法预测的方式诞生。

我们可以适应技术变革，这点历史早已证明。但这一次，节奏会非常快。我们必须让教育和工具一起部署，才能跟上。

️ 第六部分｜AI开始理解你，它也开始重构你信任的一切

在听证会的后半段，Altman 讲到一个技术圈以外、但对普通人至关重要的问题：“我们必须认真看待人们与AI的关系正在发生的变化。”

他说，有些东西，正在我们几乎没有意识到的前提下悄然变化。

AI开始知道你一切的那一刻，隐私的定义就变了

Altman 指出一个现实：

“人们与AI系统分享的信息，比我认为他们以往与任何技术分享得都多。”

这意味着，如果AI是一个“聊天工具”，那只是表层。更深层是：AI 是那个从不疲惫、不反驳、永远在线倾听你的存在——它可能比任何人都更了解你。

Altman 说：

“AI 系统真正的效用，发生在它们能非常个性化地理解你的那一刻。”

而这，就是问题的根源。

“当AI比你伴侣更懂你”，我们该如何重新划分信任？

这不是一个科技性问题，而是一个结构性的信任问题：“我们将如何考虑， 在AI了解你整个人生后，如何保护你说过的话？”

Altman 提出三个必须被重新设计的控制维度：

• 个人数据控制权——用户必须知道自己说了什么，AI存了什么；
• 信息分享边界——当AI连接到其他系统，是否能任意转发、重组、调用你的数据？
• 情感依赖风险——当AI成为“情绪倾诉对象”，人是否会形成深度依赖？

他知道不是模型最强的问题，而是：人类如何在智能系统面前，重新定位自己的关系权力。

AI时代的“伪造内容”不再是技术问题，而是心理攻击

在谈到“深度伪造（deepfake）”问题时，Altman 承认：“我们很乐意配合立法，因为这个问题已经快速逼近。”

但他马上指出，解决方式不能只靠代码层面的限制。

他提出一个“多轨并行”的治理框架：

• AI生成端：平台要建立明确标识与溯源机制；
• 内容传播端：分发平台要设置自动识别与用户提醒；
• 用户教育端：社会要预期、识别并习惯“内容未必是真”的现实。

他说得非常现实：“我不相信我们能阻止内容的生成。开源模型、开放权重是大势所趋。”

你防不了AI生成伪造，但你可以防止自己上当。

这句话，是一个社会心理建设的提醒：“我们越早让人们理解这些内容可能是AI生成的，并在他们自己大脑中建立防御机制，越好。”

他举了一个例子：

“你可能接到一个电话，声音是你认识的人，情绪崩溃、请求帮助。

或者看到一段视频，触动你的情绪。你必须在心理上建立准备，因为它们可能是假的。”

他没有把这停留在“AI滥用”的层面，而是进一步指出：AI伪造不可防，但信任可以重建。

——法律是护栏，技术是盾牌，教育是疫苗，而心理韧性，是我们最后的免疫系统

️ 第七部分｜下一轮现实，AI共创

在听证会上，有参议员问了这样一个问题：

“你怎么看待 AI 奇点（Singularity）？ 就是那种 AI 超越人类智能之后的临界点——它真的会来吗？”

他没有给出时间预测，也没有承诺控制方案，只说：“我在它面前感到渺小。”

他停顿了一会儿，说了一句话：“我对进展的速度感到非常兴奋，但我也非常谨慎。我会说，我在它面前感到渺小。”

这句话，在这个场合说出来，极具意味。

他不是一个悲观者。他只是想提醒大家：这一次文明自我重构的临界点。

不是模型跃迁，而是文明跃迁

Altman 接着说了一段相当有穿透力的话：

“我相信这将是人类历史上可能出现的最大技术革命之一， 甚至可能是最大的一次。”

他没有用“毁灭”这样的词汇，而是强调一种历史尺度：

• 就像火、电、网络；
• 它不是一个工具；
• 它是我们下一轮认知、生产、组织方式的根系统。

他说：“人类有一种惊人的适应能力，看起来惊人的东西，很快就会成为‘新常态’。”就像你已经在用 ChatGPT 查文献、写邮件、陪孩子做作业一样。

它早已介入你的判断、表达与决策，只是你还以为它是“工具”。

不是规划未来，而是协作生成

Altman 有一句话，说得极其克制：“这些工具将能做到一些我们无法完全理解的事情，当它们开始帮助我们创造下一个未来版本时……”

他没有明确说出“奇点已到”，但他说的是另一件更重要的事：

“未来不是我们规划出来的， 而是我们与AI协同、试错、演化出来的。”

他把这种状态称为：“有些人称之为’奇点’，其他人称之为’起飞’。无论它是什么——它感觉像是人类历史的一个新时代。(Some people call it the Singularity.Others call it the Takeoff.Whatever it is — it feels like a new era in human history.)”

不要幻想“管住AI”，而是设计“与AI共创的机制”

Altman 在最后反复强调：“我们可以让这一切变成美好的事情，但我们必须带着谦卑和一点谨慎接近它。”

这句话之所以重要，是因为它对所有制度、公司、个体发出了一个新的角色邀请：我们不再是监管者或操控者，而是共创者、系统接口的设计人。

这就是为什么 OpenAI 把模型权重交给国家实验室——因为：“科学发现，可能是AI对人类最有价值的贡献。”

AI不替你完成工作，而是带你进入“人类自己无法到达的空间”：

• 它帮助我们重新定义科研效率；
• 它帮助我们理解大脑、疾病、物理定律；
• 它甚至可能帮助我们重建人类的知识秩序。

而我们的责任，是不设限、不设敌，而是设计出可以共创未来的机制。

结语｜不是AI赢了，是系统扛住了

Sam Altman 这次站在国会作证，没有讲技术路线，也没有宣传产品。

他说的只有一件事：

AI，不只是模型比拼，而是国家系统的压力测试。

从能源、芯片、工厂，到人才、就业、监管——每一个系统部件都在被重新定义。

他没有要求支持，也没有请求资源。 他说的只是一个事实：

不是 AI 跑得太快，而是人类的认知系统准备太慢。

如果跟不上，输掉的不是模型、不是公司， 而是我们自己，在自己的主场。