Toby Altiky：站在技术浪潮最前沿的行动派CEO
Sam Altman 对 Toby Altiky 的评价极高，称其为“现在最有趣的 CEO 之一”，核心原因在于他始终站在 AI 发展曲线的最前端，并以极强的行动力推动变革。Toby 不仅在 AI 早期就展现出前瞻性，更关键的是——他亲自下场写软件、做实验，并持续提供极其详尽的产品与模型反馈。Altman 强调，Toby 的独特价值在于他同时具备两大身份：一家大型公司的 CEO + 一位能给出极其准确、细致且前沿反馈的深度使用者。这种双重身份让他成为极少数能将战略判断与实操细节无缝衔接的领导者。
Altiky 曾在一年半前（约 2024 年）发出一封内部信，提出“你要做的第一件事就是看看 AI 能不能解决你的问题”，当时被广泛视为荒谬，但如今回看却极具预见性。Altman 补充道：“他总是比其他任何 CEO 领先六到八个月。” 更重要的是，Toby 并非空谈理念——他本人就在动手重构工作流、试用模型，并持续迭代自己的工具链。Altman 指出，多数 CEO 到达高位后依赖层层代理执行，而 Toby 的“全程亲力亲为”使他保有对技术的真实感知。
“我们回头看二零二六年的时候……会把它看作每家企业都面临重新洗牌的一年。”
“他说，总会有人做出 Shopify 的 AI 原生版本。然后他说，那个人就是我。”
技术落地的惯性：行为改变比模型进化更难
尽管技术进展迅猛，Altman 与 Toby 在时间线上存在分歧：他并不认同“2026 年每个行业都将机会尽在掌握”的判断，认为社会与经济的适应速度远慢于技术演进。他指出，“经济本身的惯性太大了”——人们仍会从同一家公司采购、用同样的方式使用工具，这种行为惯性比技术宅们意识到的要顽固得多。他以 Blockbuster 的衰落为例：即便 Netflix 已开始寄送 DVD，用户仍持续前往实体门店租碟多年。技术就位 ≠ 行为改变；真正的颠覆常滞后于工具成熟度数年。
这种惯性也体现在他自身身上：Altman 承认，尽管拥有 Codex 等强大工具，自己仍沿用二十年来低效的电脑使用方式——点选、粘贴、邮件筛选……他坦言：“从实际行为看，我现在明明有更好的方式，我能做得更快……可我还是用老办法。” 这种矛盾揭示了一个深层问题：技术产品能否真正改变人的工作习惯，取决于它是否足够自然地嵌入既有流程，而非仅靠性能优势。
他将当前阶段类比为“iPhone 出现前的智能手机时代”：硬件、触控、网络等技术拼图已齐备，但缺一个定义性交互范式（如多点触控+全触摸界面）来触发用户行为的跃迁。他观察到，Toby 正在扮演类似 Steve Jobs 的角色——“我就是第一个用户，在做我自己想用的产品”，通过极致的个人实践倒逼产品进化。
“技术已经就位了，现在要做的是让人适应，让他们真的开始用这项技术。”
OpenAI 的底层逻辑：非共识押注与幂律思维
Altman 回顾 OpenAI 的创立初衷时强调，2015 年底宣布聚焦 AGI 是一个高度非共识的决定——当时被学术界主流猛烈批评，认为“几乎不可能实现”。而当团队转向大语言模型时，再次遭遇质疑。但他从创业投资经验中提炼出关键方法论：在研究与投资中，必须接受幂律分布的现实——少数高风险押注的成功将跑赢其余所有投入之和。这要求决策者具备两类特质：一是敢于坚持“非共识但可能极对”的信念；二是能识别真正“非标准”的人才——即那些不模仿趋势、不涂脂抹粉，而是带着刺与热情探索无人区的思考者。
Altman 将 OpenAI 的核心聚焦于两个高杠杆问题：模型能力与算力基础设施建设。他解释，这不仅因二者构成指数增长的支点，更因其天然契合其兴趣与能力结构：从芯片设计、晶圆厂合作到能源供应链管理，构建人类史上“最贵基础设施项目”的复杂系统工程本身即具强大吸引力。有趣的是，他指出创业投资与研究管理高度相似：二者都依赖“如何识别顶尖人才”、“怎样理解指数增长形态”，以及最关键的——在不确定性中坚持长期主义的定力。
“一种人是真的跟大多数人想的不一样，愿意坚持非常不受欢迎的信念。这些信念很可能错，但如果对了，至少会非常对。”
非共识但极可能正确的方向
在创办 OpenAI 的时候，我们选择了一条极其非共识的道路：专注通用人工智能（AGI）。2015 年底，全球真正投入 AGI 研究的团队屈指可数——DeepMind 是其中之一，再加一两个我能想到的名字。相比之下，同年有成千上万的创业者在做照片分享应用；今天虽有人想建 AI 实验室，但真正探索全新方向的仍只有两三人。创业与科研中最具价值的方向，往往属于那些“信念极强、但别人觉得荒谬”的人。这类项目在 AI 尚未成熟前根本不可能实现，而当下虽看起来风险极高，却正是我作为投资人最想押注的类型——绝大多数成功案例恰恰来自这一类。
“这些信念很可能错，但如果对了，至少会非常对。”
戴米士曾提到：从追赶角度讲，AGI 领域大概率将由三大巨头主导；但仍有约 10% 的概率，会出现一位像僧侣一样的研究者，从我们从未设想的角度切入并取得突破。我不确定这个数字是否准确，但小概率事件确实存在，而这正是让事情保持令人兴奋的核心原因。
从投资人重返创始人：反向路径的价值
我的职业轨迹是罕见的逆流——先做投资人，再成为创始人。这与硅谷主流路径（创始人→卖公司→退休当投资人）完全相反，而我认为这种逆向经验极具价值：作为投资人，你几乎能观察所有关键决策时刻——高风险战略转向、艰难裁员、技术路线抉择……你积累的是海量模式识别数据集，远超单个创始人在其生命周期内所能接触的范围。虽然缺乏日复一日的实际运营手感，但在重大抉择时，过往案例会自然浮现于脑海：某家公司如何应对、哪位创始人犯过类似错误或处理得当。
“如果你在经营一家公司……你只能依靠过去五年或十年里自己那点有限的经验。但作为投资人，你几乎能看到所有的关键时刻。”
我强烈推荐这种路径：它赋予人一种罕见的决策广度与历史纵深感。加上我十年来持续写作、研究工业革命史与伟大创业者传记（朋友戏称我是“用最伟大创业者的历史训练出来的 LLM，温度参数调得特别高”），让我在面对新问题时能迅速联想到卡内基、洛克菲勒等人的应对方式。核心洞见并非普适公式，而是高度依赖创始人个性与具体情境的组合艺术。
AI 的终极意义：理解世界，而非取代人类
我从童年起就痴迷于人工智能——不是因为它能替代人，而是它可能赋予人类前所未有的理解力与创造力。小时候在圣路易斯，我沉迷科幻小说、周五泡在电脑前看《星际迷航》，甚至参加机器人社团，为一只能用电脑控制的小乌龟兴奋不已。那时我就认定：AI 是最强大、最具赋能性的技术，能解锁其他任何单一技术都无法实现的人类潜能。
如今我尤其关注 AI 在科学发现中的潜力：它已在数学上取得突破，正开始解全新物理问题、辅助疾病研究。这比自动化任务更根本——AI 的终极价值不在于替人工作，而在于帮人类理解世界本身。这与《无穷的开始》所倡导的理念高度契合：我们聪明，就能理解宇宙、做出预测，并实现此前不可想象之事。
“人本质上还是会非常在意他人，想和别人待在一起……人才是这一切的意义所在。”
我坚信：即使超级智能到来，人类对真实联结的渴望不会消失。AI 应当增强而非取代人性；真正的危险不是技术失控，而是两种反人类立场——要么把权力交给 AI 模型，要么以安全为名将技术垄断在少数人手中。后者常被包装成“我们带来治愈疾病的药，作为交换，请交出自主权”，这实则是极其反人类的推销话术。
安全与权力的悖论
当AI技术被描述为一种能“治愈所有疾病”的礼物时，其代价常被轻描淡写地设定为人类放弃部分自主权。这种叙事——以安全之名，换取权力集中于少数科技公司手中，并伴随极端不平等的分配（一部分人获得巨额财富与影响力，另一部分仅得到“还不错”的生活）——在Sam Altman看来，是一种非常糟糕、甚至反人类的推销话术。它背后的核心驱动力是恐惧与权力欲：当人们被AI潜在风险（尤其是“超级智能失控”）的想象深深攫住时，便倾向于用大量自由去换取绝对安全。然而Altman指出，这种逻辑不仅削弱了个体能动性，还可能成为权力扩张的合理化借口。
“我觉得AI领域有些人实际上在说，我们给世界带来治愈所有疾病的药……作为交换，人类要放弃自己的自主权。”
“这不好，这不好，这不好。作为一个热爱创业者的人……真正去赋能人们做新的事情、拥有创办公司和发明技术的自由，没有比这我更坚信的东西了。”
实践出安全：十亿用户的反馈驱动演进
OpenAI对“先部署、再迭代”的方法论深信不疑。与早期主流悲观预期（如“AGI一旦出现世界即毁灭”）不同，Altman强调：过去十年中，AI安全的实际进展远超预期——这恰恰得益于大规模真实世界的部署。ChatGPT上线不到四年，已有每周十亿人使用，且应用于医疗、教育等敏感场景。每一次模型发布都是一次“社会实验”：团队通过用户反馈识别护栏过严（阻碍正当用途）或对齐失败的具体位置，从而动态调整系统边界。
这种做法并非冒险主义，而是借鉴自创业与航空业的成熟经验：完善的事故报告机制+透明复盘=持续学习能力。正如飞机工业通过系统性记录每起事故推动安全跃升，AI领域也需将“部署即学习”制度化。Altman认为，社会与模型是共同演化的系统——我们无法在实验室中穷尽所有影响，唯有边用边调适。这既是对技术的尊重，也是对人类智慧的信任。
赋能个体：AI时代的核心价值主张
Altman反复强调，技术的终极意义在于扩展人的能力而非取代人。他观察到一个矛盾现象：尽管全民都在用AI，却普遍存在对它的抵触情绪——这源于人类对快速社会经济变革的天然警惕。但问题的关键在于，AI行业未能有效传递其深层价值：它不仅是效率工具，更是个体赋权的杠杆。当AI降低创业门槛、让普通人也能构建产品、影响决策时，它正在推动一场“史上最大规模的小企业浪潮”。
Altman以自身实践为例：他构建了一个基于个人知识库的AI助手，能快速调取七年前读过的书中的关键观点。这印证了他对AI产品的思考方向——未来的核心突破不在模型本身，而在“上下文深度集成”：让AI成为个人认知的延伸，在几秒内处理数万页文档并提炼洞见，这是人类生理极限无法企及的。他呼吁行业停止“只谈风险不谈赋能”的叙事，转而聚焦如何让技术真正服务于个体自由与创造力的释放——毕竟，“仁慈的独裁者”模式既不可取，也注定失败。
平台思维：不做产品帝国，而做AI基础设施
Sam Altman 明确表示，OpenAI 的核心战略不是成为一家覆盖所有产品类别的公司，而是致力于打造一个统一的AI平台——既包含面向终端用户的单一产品界面（如 ChatGPT），也提供开放的 API 服务，让开发者能自由构建应用。他强调：“我们要卖的是顶尖的AI，在成本曲线、成本性能曲线的每一个点上，我们都会做到最好。” 无论是需要高智力投入的科学发现，还是追求效率与规模的日常任务，OpenAI 都希望在全光谱上提供最优解。他将这种服务类比为一种新的公用事业或商品：人们可以低成本、高效率地调用AI，并无缝集成自己的上下文与工作流。他进一步指出，界面将从聊天机器人演进为常驻的 agent，运行在各类设备上；但即便如此，OpenAI 仍会保持克制——“我不觉得我们应该去把每个产品类别都做一遍。我不觉得我们应该去跟所有客户竞争。”
我们要做的是提供这个平台。争取让一亿家新企业和八十亿人用各种新方式去用它。
一个直接的产品界面，一个API，让人们想怎么用就怎么用。这两者最终也会越来越融合。
聚焦的艺术：砍掉好点子，才能成就伟大的事
Altman 承认，在资源（尤其是算力与人才）极度有限的现实下，砍掉“好点子”是最痛苦也最关键的决策能力之一。他举了两个典型案例：Sora 虽然“好玩又酷”，但因算力消耗过大而被搁置；自研浏览器 Atlas 虽然他个人认为是“最好的浏览器”，却因偏离核心使命而被放弃。这些决定背后，是一套清晰的优先级逻辑——“面向知识工作，最终面向科学的通用智能”是OpenAI最重要的目标。任何上游环节（如自研芯片、数据中心、基础设施软件）固然重要，但最终必须服务于将AI作为服务交付出去的核心使命。这一理念也体现在他对 ChatGPT 的坚持上：在产品初期增长虽快却“看似低价值”时，外界普遍担忧其可持续性；但 Paul Graham 和 Peter Thiel 的建议让他顶住压力，“除了它正在增长这一点，这本身就罕见又很棒，其他任何动作都是明显的错误。” 这一决策最终被证明极具远见。
你知道你该怎么做吗？……然后他会这样摇着手指。有时候他后面说的那个主意特别好，有时候特别糟——但重要的是他有一种创造力，一种开阔的视野。
思想伙伴：谁在你卡壳时帮你理清思路？
Altman 深受查理·芒格“猩猩理论”的启发——一个聪明人只需向一只沉默的‘猩猩’完整讲述自己的困惑，整理思路的过程本身就能带来价值。对他而言，这个角色由三类人承担：早期共同创业的研究团队（形成高度默契的“共同语言”）、导师 Paul Graham 和 Peter Thiel。他特别强调后两位的独特价值：他们能提供非线性的、颠覆直觉的视角，不是给出明确答案，而是帮你重构问题本身。他回忆 Peter Thiel 曾在 OpenAI 聚焦战略上点醒他们：“如果你有一样东西在起作用，就沿着这条线往下走……从里面抽出一个小时去探索别的东西，代价太高了。” 而 Paul Graham 则以“迭代部署”的精神影响深远——哪怕产品粗糙，也要尽快推出并接受反馈。Altman 甚至能预判 Graham 对 ChatGPT 发布的建议：“我知道他还很早，我也知道它还很丢人……但正确做法就是把它推出去。” 这种长期、深度的思想互动，构成了他应对复杂挑战的“心智基础设施”。
你正在经历的……我想不出，你几乎有一种独一无二的人生经历。
从失败与成功中学习的不对称性
Sam Altman 在回顾创业经验时指出，从成功中学到的教训远比失败更有价值、更可操作。他坦言，自己本应更多地应用那些来自成功的经验；而从失败中总结出的教训往往过于泛化，甚至有时会干扰后续决策——“要么相当泛泛……要么反而妨碍了别的事”。这种不对称性并非个例，而是许多创业者共有的体验：我们其实早已知道该做什么、不该做什么，但问题不在于“不知道”，而在于缺乏持续不断的提醒与践行机制。他以 YC 的周更博客为例，将其比作“传教士式”的重复布道：真正的价值不在于道理本身，而在于反复强化这些核心行为——比如多与用户沟通、尽早发布产品、获取反馈、提高招聘标准、加快行动节奏。他引用自己那条广为流传的推文，强调创业的本质极其简单：“本质上就两件事儿：把产品做出来，然后把产品卖出去。如果你不再做产品，你就在卖产品。” 这种回归本质的清醒认知，在喧嚣中尤为珍贵。
“创业者就像传教士……关键甚至不是那些道理本身，而是不断提醒自己这件事很重要。”
“你有一条特别棒推文……本质上就两件事儿：把产品做出来，然后把产品卖出去。”
OpenAI 的‘无白板’起点与研究型创业的迷雾
OpenAI 的诞生远非顺滑启动，而是从一间没有白板的公寓、十二人齐聚却茫然无措的状态下开始的。Sam 回忆道：2016 年新年后的某天，团队在 Greg Brockman 公寓集合，“所有人都满怀兴奋……环顾四周：那我们现在干什么？”——这种集体性的方向缺失，恰恰是研究型创业与产品型创业的根本差异：前者没有明确的客户反馈环路，后者至少知道‘先做个 MVP 去见用户’。OpenAI 的挑战在于：如何在长达四年半时间内不发布任何产品，仍能保持方向感与动力？他们尝试了多种替代性信号：比如在 Dota 2 中建立强化学习排行榜，让不同思路的表现“客观又真实”地可视化呈现；再如通过邀请关键人物现场演示研究成果，激发团队使命感。这些方法虽非完美，却是在“没有现成经验可套用”领域中摸索出的生存策略。
“我们谁都不知道该做什么……能感觉到房间里的那股劲一下子就泄了。”
“后来慢慢摸索出来……我们最终做出了大多数重大发现：从无监督情感神经元那篇论文，到 GPT-1……规模法则的研究给了我们信心。”
写给孩子的信：为时间沉淀留下锚点
Sam 曾在儿子出生后，每天哄睡时口述当日所思所虑，并将其整理为每周一封的信件——这并非记录历史，而是一种对抗遗忘的主动实践。他坦言：这种写作姿态极为特殊，“你真的没法躲在任何东西后面”，因为“我真的很在乎我的孩子会怎么看我”——它迫使叙述者直面真实，而非粉饰自我。他引用贝索斯关于“能讲给孙子孙女听的事”的理念，并推荐迈克尔·莫里茨的《小王国》（记录苹果前六年历史），指出：多数创始人直到七十岁才后悔没早写日记；而真正珍贵的，往往是当下被忽略的、琐碎却鲜活的过程。他甚至建议：哪怕只为内部留存，也应找人写一本“此刻的传记”。这种写作不仅是对后代的责任，更是创业者在混沌中锚定意义的方式——当十年后十亿人使用你的产品时，回望起点那间没有白板的公寓，你会需要这些文字来确认：自己曾认真活过、思考过、坚持过。
“将来有一天他拿到这些也会觉得有意思，所以我就开始给他写。”
“回头望的时候，恨不得能重来一次……太多东西已经随时间的流沙消逝了。”