OpenAI大总管Brad Lightcap详谈如何拉客户，toC与toB的纠结，以及OpenAI的边界｜现场实录

英伟达GTC大会来到第二天，除了首日的CEO黄仁勋主题演讲，还有近800场会议讨论和技术培训在后续这3天陆续举行。

AI领域的世界大聚会，有当红炸子鸡OpenAI出现的场子当然是最热的。上午9点，主会场一扇会议室门前排起长龙，奥特曼心腹大将、OpenAI首席运营官Brad LightCap即将与 NVIDIA企业计算副总裁Manuvir Das进行一场名为「What’s Next in Generative AI」的深度讨论。

这是GTC 大会除了「Transformer论文作者八仙同台」之外最受参会者欢迎的panel之一，开场前整间大会议室就全部坐满。Manuvir Das向观众介绍说，“Brad Lightcap是Sam Altman的秘密武器，是他非常依赖的人。”

这里多说几句Brad LightCap的背景。Brad生于91年，毕业于杜克大学，16年到18年在YC做专注人工智能和机器学习领域的投资人，投资组合包括Airbnb、Stripe、Instacart 和 Coinbase等。18年底开始任职OpenAI 的CFO，凭借其专业金融背景为OpenAI在组织运营和财务结构方面发挥了重要作用，包括处理微软的10 亿美元投资。而Sam Altman 14年起做了五年的YC总裁，有四年都兼顾OpenAI，直到19年全心转业。也就是说Brad LightCap是从YC追随奥特曼投身OpenAI相当早的那批人。

2020年，Brad LightCap晋升为COO，职责扩大到完善OpenAI整体的业务和商业战略。去年11月OpenAI高层最混乱的时候，也是他第一个站出来发表对内声明，告诉员工“Sam Altman 并非因‘不当行为‘被解雇”，出面稳定公司上下军心。

在这场大概50分钟的对话中，Brad LightCap分享了自己对现有模型能力的思考、对未来模型演进方向的预测，GPTs和定制化服务的业务思路，OpenAI分别面对企业、开发者和普通消费者时的使命及角色定位，OpenAI企业级规模合作的最新进展，并基于亲身经验给想要部署AI技术的中小型公司提出实际建议。

他还“凡尔赛”了一把，称团队内部根本没预料到GPT-3会大火，所有计划都是根据“GPT-4是第一个现象级产品”预测来安排的，导致后面不得不加快节奏。而面对Manuvir Das提出的“OpenAI正在忙着的未来大动作”问题时，Brad也做出了巧妙、但让人充满遐想空间的回答。

以下是硅星人在GTC现场为大家带来的对话实录：

一. OpenAI的自我定位，与企业合作策略、数据部署和技术建议

Manuvir Das： Brad，告诉我们一些关于你在Open AI的角色，你日常的工作内容，以及有什么事情让你夜不能寐？

Brad Lightcap：当然。很高兴能来到这里。我是OpenAI的首席运营官，我花了很多时间思考如何将我们在研究实验室里构建的东西带给客户、用户和合作伙伴。通常人们会问，这包括哪些内容？我会回答，除了实际研究之外的所有事情。他们不允许我接触计算机。我多数时间都和客户一起，试图解决如何把这项技术融入到世界中。至于什么让我夜不能寐，现在我可以说没有什么，除了Slack（笑）。

但我觉得接下来几年会非常有趣。我们现在还处于曲线的平坦部分，就像是第一局的边缘。随着技术的构建、发展和系统扩展，我们认为它的能力将会非常惊人。

Manuvir Das：有趣的是，许多人将OpenAI等同于ChatGPT，并把它看做给普通消费者体验的技术。但你们现在跟许多企业合作了。我们NVIDIA在和客户交流时，发现多数客户都建立了一套自己内部的rag系统，并称是通过OpenAI实现的。所以我非常好奇你和企业客户合作的经验是怎样的？

Brad Lightcap：是的，当我们推出GPT时，使用率显然飙升，那时这并非是一个面向企业的产品。我们花了六个月时间试图弄清楚到底发生了什么，并确保我们有足够的GPU来满足用户。实际上去年的后半年我们才真正意识到，企业中也存在着不断增长的应用需求，公司开始引入ChatGPT。这就是为什么我们最终推出了GPT企业版和团队版。

但我们确实看到了来自不仅是中小型企业和中等市场，甚至是财富500强的需求量。我们有超过90%的财富500强公司以某种形式在使用ChatGPT。我们正在努力将他们全部引入到企业版产品中。因为它确实具有真正的吸引力和适用性，而且非常横向。据我们所知，公司的每个职能部门都能找到这项技术的用武之地，我们并不需要构建很多垂直应用，它就是有效。

比如，如果你在财务团队，需要做大量数据分析，进行对账和税务统计，你可以将大型电子表格丢进Chat GPT中，然后要求对账，它就会自动完成了。它甚至可以把HR团队转变成数据科学家。因此你会发现，是人们自然而然地找到了它的适用性。OpenAI也正在努力去构建更优秀的工具版本给他们。

Manuvir Das：这确实令人惊叹。我们在与企业客户交谈时发现，最受欢迎的用例就是作为「助手」。你知道Brad，就像拥有一个免费实习生，不管是什么工作职能，你都可以构建一个聊天机器人来协助你完成工作，并且可以得到80%的答案。你是不是也这样认为？

Brad Lightcap：是的，确实有一些关键用例。其中之一是“最后一公里工程”。我们有一个团队负责解决这个问题，试图手把手地来帮助客户完成工作。我认为随着模型变得更好，一些这样的需求将开始减少。因此我看到的有两个方面，一是解决模型在能力上仍然存在的缺陷，二是尝试为模型配置所有需要的上下文以便完成任务。我不认为第二部分会消失，世界非常广阔且混乱。但我认为随着模型的改进，人们将真正感受到加速，第一部分的问题将会得到解决。

Manuvir Das：显然，你们有这些伟大的模型为GPT提供动力。围绕Open AI，已经涌现出一个完整的工具生态系统，帮助人们使用这些技术。我很好奇对于你们来说，把自己的使命和角色定位成「开发人员使用技术的全平台」，还是仅仅想成为「核心模型服务的提供者」？

Brad Lightcap：我认为两者都有，好理解吗？我们的看法是一切都是对智能的提取，关键在于我们想构建多少层。但我们会构建任何能加速世界开始广泛使用这项技术、将智能引入到应该到达的每一个角落的东西。

一个我认为需要谦逊的部分，就是开始意识到世界有多大，有多少地方可以应用到我们的技术。这样当我花费每一分精力去考虑是否应该构建某个特定的第一方应用时，我会提醒自己外面有人对这个特定问题比我们更加关心。那么，我们如何建立一套工具集，让他们能够自己构建他们想要的技术、工具和应用程序？然后我们专注于哪些事情呢？就是那些原始的、基础的层面，这将使人们受益，并且创造出伟大的用户体验。

Manuvir Das：你知道这很有趣，因为在某种程度上，你们经历的旅程和NVIDIA在过去几年中的历史相似。那就是，我们在NVIDIA有一种模式，我们喜欢花时间做没有其他人能做的事情，让其他人做能做的事情。因为你感觉到自己有一种责任，你的工作是让这个工具尽可能好，尽可能广泛地影响其他人围绕它构建东西。我确信OpenAI感受到了一种责任感，就像你说的，可以用这个工具影响整个世界，这是一件非常强大的事情。

我还在想的另一件事是—— Jensen昨天在他的演讲中也提到了，在100万亿美元的行业中，科技界一直是关于成本的。每家公司都必须有一个IT部门，有预算，都是关于如何减少成本。新技术的颠覆性是因为它能使某些事更便宜。我相信我们所处的位置，真正关于的是为公司创造新的机会、新的价值。你们是不是也这样看待这个问题？

Brad Lightcap：确实，如果你从根本上看看这项技术到底是什么，它其实就是一种能力的规模化提升，能够将某些任务外包给具有通用学习能力，并能够预测性地改善的模型，无论是通过规模扩大还是通过更多信息、更多上下文和更多能力。这是对我们来说激动人心的部分。

从企业的角度来看，你会想到大型企业实际上有多复杂，以及有多少低挂果实可以让你说，“你知道吗，对于这个特定的事情，我们实际上可以将工作流的部分外包给一个AI，它不仅能在基线水平上执行，而且还会随着时间的推移做得更好，并逐渐掌握整个价值链。”这就允许人们专注于其他事情。所以我们在实践中看到的是，你不必花两个小时坐在那里急到薅头发，试图把收入对账。一个AI可以为你探索并解决问题，你只需要提出问题，突然间就被解决了。而本来要花那些时间的人，现在可以去思考更重要的事情——我之所以这么说，是因为我也管理财务部门（笑）。

Manuvir Das：Brad，今天这个房间里有很多来自企业背景的人。我想很多人心中都有这个问题，你们的模型已经非常出色地吸收了世界和互联网上的各种知识。而每家公司也都有自己存储在各种地方的知识库。显然，不同的人对于如何利用这些数据有不同的角度和方法。我很好奇，对于OpenAI来说，你们如何让这些公司真正将他们拥有的所有数据纳入到流程中？

Brad Lightcap：是的，这确实是我们被问最多的一个问题。我想可能也是目前最不成熟的问题，不过是可以预期的。我们正处于这种范式转变的早期阶段。人们能够探索和使用这种核心技术，但将所有基础设施和系统与之挂钩还需要一些时间。现在能看到的是，人们能够将有趣的数据库与明确的用例相结合，并让模型应用于这两者。你将这三个因素联系在一起，就能获得非常好的效果。

最近我们与Klarna的合作就是一个很好的例子。Klarna是一家非常重视AI的公司。他们在这方面已经做了一段时间。但他们采取了正确的策略，即真正从特定的技术实施入手，将问题范围限定在一个小范围内。他们研究了工作流程中一个很小的部分，使用了一个非常具体的数据集，并对模型进行了特定的微调。先让这一部分工作起来，然后再从此扩展。现在已经处理了大量工作并节省了大量时间。

我认为这就是我们应该采取的策略,不要从一开始就力求过大,也不要志向不高，而是从一个可以限定问题范围的事物入手，让它工作起来,然后再扩展。不要试图从第一天就吞下整个海洋，但也不要缺乏雄心。

Manuvir Das：我看过你在很多采访里提到这一点，你和一些公司开会时，他们似乎认为GenAI能够奇迹般地让公司变好，改变市场地位。但事实上，更好的做法是从具体的用例入手，从中获取价值，然后再推而广之。

作为给那些刚开始尝试这项技术的公司的建议，你会怎么说？当然像英伟达这样，现在已经有上百个聊天机器人在内部运行于不同场景，这固然是一种有机生长模式。但对于新手来说，你会建议他们首先花些时间思考一下如何统筹规划，选择一种初始路线，还是广泛尝试，任其自然发展？

Brad Lightcap：在2023年的大部分时间里，我常对我们团队说，我们其实不是在做销售，我们是在做“心理治疗”。公司进来，通常是一个C级的人坐在我们的会议室里，进行到五分钟左右时，他们就会开始倾诉所有问题和他们担心的事情，问我们是否能解决这些问题，比如“董事会希望我下个季度推出哪些新品”…通常我们得稍微劝劝他们，给他们一点水喝，让他们冷静下来（笑）。

Manuvir Das：这个治疗环节你们收费吗？

Brad Lightcap：那倒没有哈哈。但一旦我们进入真正的谈话部分，我们的观点就是，真正考虑一下，你的业务中哪些地方有机会让运营方式，管理方式得到改进。对很多人来说，最头大的往往是客户支持，这是我们听到的最频繁的抱怨：“没有人喜欢他们客户体验的质量、这上面花了很多钱、从来都不太有效，这些事他们收到最多的客户投诉。”

Manuvir Das：这恰好是一个非常横向的领域对吗？因为它涉及许多行业。

Brad Lightcap：没错。所以我们倾向于推荐多管齐下的方法。首先要确定两三个确实存在棘手问题的领域，但同时又能对问题范围进行一定限制。

以客户支持为例，这是一个由多任务组成的工作流程，涉及不同程度的人参与和介入。拥有大量数据和上下文信息会有所帮助。所以你可以回顾之前提到的数据、流程和模型能力这三个层面，找出最初的实施方案是什么样的，然后从那里开始不断扩展和推广。选择几个这样定制化、基于平台的项目来推进。

另一个建议是，让你的整个团队接触ChatGPT。这是我们去年中期没有太多考虑的，但随着我们部署了GPT并与一些使用它的公司交流后，才意识到要让员工能够平等地接触和使用这项技术是很重要的。无需过于复杂或成熟的形式，只是让员工有机会说“我知道我的工作内容，可以多方尝试，了解它的能力范围，看看它如何帮助我更好地完成工作”就够了，而且这种探索过程会自发地发生。公司有时会过于追求一种很规范的AI战略，做一次大规模推广，推出专属的聊天机器人等。但我认为至少目前，90%的价值都来自于简单地让员工接触和使用这些工具，不必过多思考。

二. 关于消费级GPTs和完全定制模型，“企业用AI就像老板用人”

Manuvir Das：我非常同意。因为当人们第一次尝试使用这种技术时，它带来的价值是如此明显，以至于你会愿意努力去解决遇到的任何问题。所以Brad，在与企业客户合作并为他们提供不同使用场景的过程中，你们还推出了可以让人们轻松构建的GPTs，对吗？可以为观众简单介绍一下这是什么，为什么要走这条路线，以及目前的进展如何吗?

Brad Lightcap：好的，我会试着将其放在我们战略的更大背景中加以解释。我们拥有GPT-4和不管下一代出来的是什么，这些核心的通用智能模型，我们花费了大量精力思考如何让人们能够根据自身需求对这些技术或模型进行个性化定制，使其更加专注于特定任务，提高在特定领域的表现。所以在过去几个月里，我们在GPTs、定制模型方面所做的大部分工作都是朝着这个方向的。

你可以将GPTs和定制模型看作是光谱的两端：GPTs就是一种非常简单、轻松的方式。从ChatGPT的功能中裁剪出一小部分，专注于给定任务的使用。比如，如果你想让模型记住某些特定信息、能够调用外部数据、访问PDF或电子表格、拥有某种特定个性、以可预测和可重复的方式使用某些工具，你只需描述一下需求，GPTs 就能相应地自动配置出来。而且我们发现企业对此也有巨大需求，这并不奇怪，因为人们开始意识到可以将这种技术应用到哪些工作流程中，所以他们只需对每个需求进行正确编码并调用即可。

而定制模型则是光谱的另一端，是一种全方位的定制化服务。我们会针对特定使用场景,充分调整和优化GPT-4或其他模型，以最大限度发挥它在该领域的性能表现。这种服务我们提供的范围相对有限，因为它对我们来说是资源和时间密集型的。但在早期阶段,我们已经取得了巨大的成功，虽然仍在不断探索和试验，但已成功提高了模型在大量领域的能力表现。

Manuvir Das：这确实非常迷人。因为显而易见，你们最初开启这一旅程时，是从一个大型通用模型出发的，这个模型在诸多领域表现出令人惊讶的出色能力，并且在不断变得更好。同时，如果回顾过去一年，我们也看到了模型生态系统中涌现出众多其他模型。虽然它们的能力可能并不像OpenAI内部的模型那样强大，但在某些特定领域，它们也在不断进步。所以你认为在企业内部，是否大型模型和小型专业模型都将扮演角色？或者你认为只需要一个大型模型就可以用于不同场景?

Brad Lightcap：是的，我们确实认为所有规模的模型都将发挥作用。我个人的心智模型是，尽可能将企业AI部署的方式映射到现代企业构建人力资本的角度。就像你不会聘请25000名博士来运营公司，因为那将是过度配置，你可能只需要5到10个左右。同样，你也不会将“GPT-X”或最新的大模型都应用于每个单一的问题。你可能需要一系列在不同领域具有专业化的多样化模型，它们针对不同的使用场景经过了微调和优化。

我猜想，随着时间推移，这些模型的整体性能将越来越好，因此对它们进行迭代、微调并努力使之在任何特定领域表现出色的需求将会减弱。但你当然不需要一个一体化模型来解决所有问题。所以我们目前正在努力的一件事，是设法让人们能够根据具体使用场景动态调用不同的模型，这样就可以更好地分配智能资源。

但是，我认为你可以将这种多样化的模型想象成公司内不同级别和角色的人，有实习生级别的模型、中层管理者级别的模型、高级管理者级别的模型、以及某些专门领域的专家级模型，每个级别和角色都有其存在的位置和价值。总的来说，这种多样化是必要的。

三. 现有模型能力、未来模型方向、OpenAI下一代模型隐藏信息

Manuvir Das：你提出了一个有趣的问题，考虑到你的身份和工作，我相信观众也在思考要问你：如果说模型能力在1到10的范围内，你认为我们现在处于什么水平？是1分吗，还是7分，你怎么看？

Brad Lightcap：是的，我想对刚刚说的再补充一点，我们所做的工作以及我们如何在企业部署这项技术的挑战中有趣的一点是，我们需要将模型能力映射到人力资本的结构上，但不断变化的是模型能力本身，基本每6个月就会获得提升。所以曾经被视为实习生级别的模型，6个月后就开始看起来有点像中层副总裁级别的模型了；而之前的中层副总裁级别模型也开始像高级总监级别模型。

Manuvir Das：你刚刚是不是diss了一大批VP？

Brad Lightcap：只是粗略类比（笑）。但这确实是一种有趣的现象，企业需要动态管理这种情况，我认为总的来说这是件好事，是一种富余。因此，我们花了大量时间与公司思考，在任何给定的问题上，我们应该投入什么资源？随着模型能力的提高，我们是否应该重新考虑这些组合?

Manuvir Das：这在某种程度上成为了一种新形式，就像你开始谈到的，让我想起iPhone问世时的情况 ——当时有一种普遍观念认为，iPhone对消费者来说很好，但公司将很难采用iPhone，因为它缺乏这方面或那方面的控。现在回头看，这听起来似乎也很可笑。

让我们稍微转换一下话题，谈谈接下来会发生什么。我在与一些已经走在前沿的客户交谈时注意到，他们开始从过去“某种形式的信息检索”转移到使用这种技术作为一种代理，试图在公司内部执行操作、运行流程、调用功能，产生行动。你是否也看到了这一点，你认为目前的技术水平如何？因为如果我有一个助手，只是查看它的输出那很好，但如果我让它为我执行操作，我就必须更加信任它对吗？

Brad Lightcap：是的，这正是让我感到兴奋的地方。这在很大程度上也体现了我们在OpenAI是如何看待这项技术的用途以及应该如何使用它的。某些方面来说，我们有点嘲笑当下AI系统实现的常见方式，那就是以某种信息检索为基础。从某种意义上说,它们就像是世界上最糟糕的数据库 —非常缓慢、成本很高、又不100%准确。虽然它们正在变得越来越好，但为什么要将它们用作数据库呢？为什么要将它们用于需要高精度召回的场景？如此使用这些系统似乎有点奇怪——我不是在批判。

但我们真正希望看到这些系统朝推理智能体的方向发展。所以，关键是如何利用模型从某种数据源提取信息的核心能力，思考这些信息，然后基于对这些信息的见解进行综合，并采取行动。要实现这一点，需要两个条件：一是提高模型的推理能力，二是赋予它某种执行器，使之能在现实世界中采取行动。我认为这将成为接下来的两个发展趋势。

我们预计，推理能力将成为模型改进的下一个重点领域，提升将加速进行。同时,我们还需考虑如何赋予模型解决多步骤问题的能力。

我给你举一个医疗保健领域的例子。如果你让一个模型查看病历，目前它能够提取出病历信息，执行一些基本操作，比如总结信息、根据输入更新信息。但能否让它进一步思考这些信息呢？如果能思考,它是否能从中得出某些见解，从而为之后的第二步或第三步行动提供启示？它可以帮助后续随访患者、协助疾病诊断、协助开具处方、实际与患者沟通并告知何时何地取药、给出用药剂量和服用时间，并在数周后再次提醒患者服药。

这就是我们从几年期内来看待这些系统的方式。

Manuvir Das：那你认为这种情况会发生吗，是因为核心模型在这方面的能力会变得更强,还是看到一种方法，即会有一个独立的模型或系统专门用于推理，以补充现有模型？

Brad Lightcap：我认为现有系统实际上已经相当不错了。如果你去问GPT-4关于你假设的那种情况，要求它一步步解释它的思考过程，它会以那种方式向你解释。所以模型已经知道了行动路径，现在的问题是它是否能够执行每一个行动步骤，识别出应该执行的具体操作，并且是否能访问到执行所需的资源。

Manuvir Das：听你这样说真令人振奋，因为我们确实开始看到这种趋势的出现。很显然,你们在OpenAI对此工作越多，对所有人来说就越好。所以Brad，我们刚才谈到了智能体的概念，如果从你的角度来看，在接下来的一年、三年和五年内，OpenAI会有哪些重大转变，或者你们在做的工作，能真正改变人们使用这项技术的方式？

Brad Lightcap：嗯，有些是我不能透露的，但我可以回答一些。我们并不认为模型的核心能力提升已经接近天花板，我们认为未来的扩展空间还很大，这让我们很兴奋。OpenAI正努力理解如何推动模型在除了纯粹智力之外的其他维度上取得进步，我们对这方面的工作进展感到很好。

从我的角度来看，我们之前提到的一个问题是，对于使这些系统在生产和部署环境中发挥作用，将需要哪些标准、框架和工具来组织所需的信息。有一部分工作是构建系统本身，另一部分则是确保我们有途径来部署这项技术，使其在生产环境中真正发挥作用。

Manuvir Das：这确实是一个不太容易的问题，但你处理得很好哈哈。让我换个方式问你吧。作为一家公司，你们可以专注于整体提升技术，就像你们现在所做的那样。你们也可以专注于企业客户、全球各行业以及整个商业领域，因为那里有很多机会。那么你们的思路和重点是什么呢？你们认为自己的使命是要帮助全球所有企业实现民主化，让他们都能获得进步吗，还是你们更多关注个人消费者的用例，因为这对世界来说也是一大利益?

Brad Lightcap：是的，我们的使命就是要确保这项技术的益处能够被广泛分享。那么我们如何落实这一点？一方面是确保人们能够在这个基础上进行建设，正如我之前提到的，这个世界是如此庞大和复杂，我们无论如何都需要这样做。界面会发生变化，数据提取层次也会发生变化，但核心是我们将努力为人们提供有效使用这些工具的途径，无论他们想在哪里使用。

我们的联合创始人Greg Brockman有一个很好的比喻，那就是我们可以以这种方式去思考世界：人工智能被烘焙进了经济之中。“烘焙进去”的意思是，你需要将各种原料混合在一起，等待一段时间后就会开始发挥作用。我们也经常这样想，即我们如何真正部署这项技术，并融入其他”原料”，以便一旦它们混合在一起，事物就会以不同的方式运作。

这就是我们花费大量时间来实现使命的方式。从消费者的角度来看,我们也有类似的考虑，ChatGPT只是对我们自己API的一种提取。我们只是让模型更擅长与人对话，并将其作为一种服务提供，而不是通过API的方式让人们访问它。

Manuvir Das：我想是2022年11月30日左右，当时你们发布了ChatGPT，结果超出了你们的预期对吧?人们对它的兴趣和采用程度令人惊讶。这确实是一个全新的东西，而且人们一下子就get到了它的影响力，因为它是如此简单易用。现在回顾一下，距离发布已经一年多了，你有何看法？如果可以重新来过，你们是否会做出一些不同的选择?

Brad Lightcap：啊，或许我们应该加大GPU的配置？这确实出乎我们的意料。我在这里只代表一下我自己，而非整个公司。我们实际上并没有认为GPT-3这个模型系列已经跨越了将其应用于消费者或企业应用的门槛。我们本以为GPT-4将会成为第一个跨越这一门槛的模型，所以我们的很多计划和预测都是围绕2023年3月发布GPT-4来安排的。

回想起来，我们在那之前的几个月就已经完成了GPT-4的训练，大约是在2022年中期开始训练GPT-4的。所以从那时起已经过去将近两年了。所以我们原本认为GPT-4将会成为一个关键时刻，但我们不得不为更早的需求做出一些调整。但看到人们的热情确实令人振奋。这也证明了一点，无论是企业开发者还是个人用户，这项技术都具有一种与生俱来的人性化特质——你可以把它交给5岁或95岁的人使用，他们都能够以自然的方式加以利用。

我认为这一点非常重要。我们应该继续推动系统朝着提高可及性的方向发展，并降低获取门槛，确保全球人民都能接触到它。我们认为在ChatGPT上，将其设为免费使用就是朝着正确方向迈出的一步。我们听到了一些偏远地区的人利用它做出我们无法想象的事情。

Manuvir Das：是的，你提到它具有人性化的一面，这一点与NVIDIA 的理念也非常贴近。我们不仅做人工智能，在某种程度上我们也是一家图形公司。我们看到了很多机会，首先是文本界面比编写代码更加人性化；而且音频界面、视觉界面，以及我们所说的虚拟化身，让你感觉就像是在与另一个实体对话。当然，最终还是要通过其他AI将之转化为文本输入到常规对话框中。但你认为这种以更加自然的方式让人类与之交互的能力，能否给这项技术带来机会，真正实现全球范围内的扩展？你认为这是否应该成为一个值得研究和推进的好领域?

Brad Lightcap：我认为，今天出生的孩子与计算机的关系将与此刻这房间里的任何人都完全不同。他们根本不会知道必须浏览图形用户界面、汉堡菜单、下拉列表，要填写文本框、点击提交，然后等待确认邮件被发送到收件箱的那些令人痛苦的情景。当然，我理解这只是在用现有工具做出权宜之计，但对于今天出生的孩子来说，这些都将成为完全陌生的体验。10年后、20年后,他们将完全改变与计算机交互的方式。

Manuvir Das：这让我想起了自己的孩子们，他们出生时正值iPad时代的到来。我的儿子们，我记得有这么一个时刻，他们还很小，坐在我腿上时，我操作电脑，他们就会用手按键盘上的按键，试图参与进来互动。但当我女儿到了那个年龄时，两岁大的她做的动作却是用手在我的笔记本电脑屏幕上滑动，因为那是她知道的界面。她根本不知道键盘的作用。所以我想未来的界面必将与现在完全不同。

Brad Lightcap：对的。10年后你递给孩子一台2020年左右的笔记本电脑，看着他们对着它说话，期待着回应，却一无所获，那将是一个全新的场景。

Manuvir Das：令人振奋的是，到那时你的公司和我的公司都能觉得，自己为这一变革贡献了力量，不是吗？这真是太不可思议了。

Brad，我想代表在场的每一个人，由衷感谢OpenAI为世界做出的一切贡献。我们都渴望看到你们接下来将为世界带来什么，我们将在这里关注着你们。祝你和公司一切顺利，当然也祝 NIVIDIA一切顺利。我们随时在这里,以任何方式为你们提供帮助。我会给我老板发信息问问，看能否为你们提供更多GPU。再次感谢你的时间，非常感谢！

本文来源于公众号Si-Planet，作者硅星人Pro