ChatGPT——超级助理时代｜BG2 嘉宾访谈

摘要

• ChatGPT 的周活跃用户已达9亿（“现在全球约有10%的人来到我们这里，还剩90%待开发”），Nick Turley 将“全部积分”押在长期留存这一北极星指标上：“收入之类的结果会随之而来。” 证明点是：将GPT-4级别的智能从付费墙后移到免费版4o，结果对收入和留存都带来了完全正向的影响。
• 历史增长大致由三部分各贡献1/3：经典的摩擦削减（去掉登录墙——“Sam 会说我早就告诉过你了”）、研究与产品协同打造的核心产品（搜索、个性化，并通过后训练写入模型），以及纯粹的模型能力提升——既有GPT-3.5→GPT-4、付费GPT-4→免费4o这样的跃迁，也有5.3和5.4这类不显眼的迭代。
• 下一个10亿用户需要超越聊天：今天的产品还是“未经产品化的工具……太像电脑终端”，真正的解锁在于“把推理产品化，让它在用户甚至不知情的情况下替用户办事”——执行长周期任务，而用户甚至无需接触这一概念。 行动能力与主动性叠加，才会形成超级助理；代码库的名字就叫“SA server”。
• Agent 的时机是关键线索：ChatGPT agent“稍微早了一点”——没有达到“逃逸速度”，用户就不会学会信任它，甚至不会尝试——但通用Agent已接近“至少拿到部分得分”的门槛，爬坡阶段正在启动；“就任务执行而言，我认为我们已经接近了”。 Codex 已经达到逃逸速度（“有太多工程师几乎从来不打开自己的IDE”），定量知识工作将紧随其后，因为它“可测试……对RL极其友好”。
• 定价体系会变化：重度用户获得的价值“几乎高得过头”，而“无限套餐就像无限量电力套餐……你买不到它是有原因的。” 广告被定位为扩大可用性的工具，面向没有信用卡的市场；相关原则（答案独立性、隐私）在试点扩大之前就已公布——客服收到最多的广告相关咨询不是“如何关闭广告”，而是“我该如何投放广告？”
• GPU 是硬约束，而且看不到尽头：即使价格下降，需求仍在上升；每用户token图表“令人瞠目”，从GPU倒推规划通常是个相当不错的主意——人可以招聘，也可以借助Agent放大产出，但GPU是零和的。
• 随着5.3和5.4的发布，他们走出了Code Red——这正是我们早知道会发生的事：5.3是面向日常用户的好模型，5.4是知识工作的“主力工具”；如果对OpenAI未能完成使命做一次事前复盘，问题“可能是聚焦”，而最大的差异化来自团队，因为“我们做的任何东西都会被复制”。 他的长期想法是进入真实公司，亲自提供AI专业服务，因为“所有邮件场景都已经饱和”。

精读

2. ChatGPT 起于一次演示——留存优先；留存曲线为何微笑，增长究竟来自哪里

• Turley 说，ChatGPT 起初“只是打算做一个演示，我们原本准备在1个月后将它下线”。订阅服务之所以推出，“只是因为这样可以调节需求……在容量不足时优雅地把用户挡在门外”；这套商业模式是在解决用户问题的过程中“意外摸索出来的”，而之所以延续，是因为“我们一直有更多无法扩容的技术”。
• 如果要把他的仪表盘指标分配100分，他会说：“我非常看重长期留存，会把全部分数都放在那里……持久价值的信号，是人们3个月后是否还会回来；收入之类的结果会随之而来。”
• 最能体现这一原则性决策的案例是：GPT-4曾一直藏在付费墙后，直到推理端取得突破，OpenAI 才能让它“突然对所有人开放”；这次免费开放最终“在收入和留存上都完全是正向的”。
• 对主持人那张“微笑”的留存曲线，他的解释是：不存在单一杠杆——对许多用户而言，理解“这东西能怎样帮助我”本身就是一个持续数月的过程。搜索和个性化是重要抓手：ChatGPT 过去“很像一款工作产品”，周末和暑期使用量会下滑；如今则以移动端为先，也更具个人属性。
• 他对增长的归因是“约1/3、1/3、1/3”：经典的摩擦削减——移除登录墙是直接影响力最高的动作之一（“Sam 会说我早就告诉过你了……这是他从第一天起的反馈”）；核心产品投入——研究与产品团队汇合，将搜索和个性化通过后训练写进模型；以及模型改进。
• 模型能力提升既包括GPT-3.5→GPT-4、付费GPT-4→免费4o这样的跃迁，也包括“并不轰动、不值得单独命名发布”的迭代——“我对我们刚在5.3、5.4上做的更新非常兴奋”；这些更新持续、系统地回应用户反馈，并最终反映在留存上。

4. 行动能力与主动性叠加成超级助理——错在时机

• Agent 尚未真正落地的原因是，ChatGPT agent“稍微早了一点”。模型还不够好，尚未达到真正的“逃逸速度”；问题在于，用户不会因此学会信任它，甚至不会尝试。此前只有迁移文件服务器上云这类小众任务能跑通。飞轮会在“表现好到至少能拿到部分得分”时启动：有了部分得分，用户才会把更好的任务交回来，爬坡和魔法随之开始。他保留了这一层判断：“就任务执行而言，我认为我们已经接近了”；但即使 OpenAI 内部的人，也很难准确预判它究竟何时会变好。
• Pulse 是第一次把方向倒转过来：不是你在提示模型，而是“模型在提示你”。但它能提供的价值有限，因为它还没有接入你的生活，也无法采取行动。两部分合在一起，才会变成：“嘿，你刚落地……我来帮你叫辆出租车”；在工作中则是：“我看到你的指标下降，所以主动跑了这份分析。”连健身也会变成 Agent 场景——主持人打趣道：“你这是要和 Ozanic 一较高下了”（可能是 Ozempic）。
• 垂直领域 Agent 已经能工作：Codex 已达到“逃逸速度”——“有太多工程师几乎从来不打开自己的 IDE”。下一步出现其他形式的定量知识工作，他不会感到意外：结果可测试，知道是否有效，“对RL极其友好”。Brad 将 Deep Research 描述为“一款消费产品”、也是“我们第一个Agent化产品”，并补充说，消费者想要的是“我可以直接问它任何问题”，而不是重新训练自己。

5. Chat 是意图层，不是交付物

• 代码库的名字已经说明愿景：“SA server”——super assistant server（超级助理服务器）——“这证明愿景从一开始就是如此”。Chat 很适合表达意图，却不是好的输出；用户真正想拿到的是一个成果物：这是你的旅行计划，这是分析结果……“我刚刚帮你赚了5美元”。
• 他认为一个被低估的行为变化是：ChatGPT 越来越像真正的“思考伙伴”——一个“陪练伙伴”。从情感关系建议到工作分析，它在某种意义上成了“第二大脑”，正逐渐成为职场中的队友、家里的超级助理。
• 主持人提出的高压场景——凌晨3点新生儿哭闹——引出了本期最温暖的交流：“额外争取几小时睡眠”就是北极星。Turley 说，从精神内核上看，这与他们希望做到的事情非常接近：帮助你抵达你所理解的“自我实现”。

6. 重度用户推动产品探索——定价将像电力一样演变

• 产品要为两端用户打造：忙碌的非用户会迫使你真正打磨好界面；重度用户则“教会我们什么是可能的”——考虑到这项技术高度依赖经验验证，产品探索不可能全部由我们自行完成。Brad 以 macOS 为例，描绘的设计目标是“复杂度逐步披露”：对新手像魔法，对开发者则保留终端和各种控制旋钮。
• 对于重度用户获得“几乎高得过头的价值”，主持人描述有人用200美元订阅获得数千美元乃至数万美元的价值：“定价体系不可能不发生重大变化”；在当前阶段，无限套餐可能就像“无限量电力套餐”——你买不到它是有原因的。
• 在 Sam 历来对广告持谨慎态度的背景下，他的北极星是扩大可用性：在“人们没有信用卡”的市场，订阅模式行不通；相关原则在试点扩大之前就已公开——“ChatGPT 的答案必须保持独立”，以及隐私。客服数据给出的信号是：“关于广告最常见的咨询不是如何关闭广告，而是我该如何投放广告？”同样的生态诉求也出现在购物（自然、有效，但需要视觉发现）和合作伙伴关系上；他只会在体验“真正出色”且能带来增量价值的情况下推进。

7. GPU 是零和的——看不到这一约束结束的迹象

• 在 ChatGPT、Codex 和研究之间如何分配 GPU 算力？“等我想明白了告诉你——开个玩笑。”真正的痛点是：存在无法满足的真实用户需求；如果你一直只做软件，这种供需动态完全不寻常。
• 他否定了“每块 GPU 能带来多少增量收入”这种天真的商学院式思路，因为突破性能力是从0到1的：你不可能事先知道消费者会对研究产品产生需求，但如果不把它产品化，就永远不会知道。研究侧的资金由 Mark 负责（可能是 Mark Chen）。
• 规划上的经验法则是：人可以招聘，也可以借助 Agent 放大产出，但“GPU 是零和的”——从 GPU 出发倒推规划，通常是个相当不错的主意。而且这一约束没有缓解迹象：“即使价格下降，需求仍在上升”；每用户 token 数的图表“令人瞠目”，内部员工的使用量也是判断下一步将发生什么的一个相当好的指标。

8. Code Red 已结束——聚焦仍是核心

• 主持人给出的背景是：Google 有一款很好的模型，很可能还包括 Marc Benioff 高调转向 Gemini；OpenAI 则推迟广告、健康 Agent 和购物业务。Turley 的说法是，Code Red 是一个用来制造聚焦的工具：他们需要在可靠性、性能、与模型对话的感受、个性化等基本功上服务好用户。随着5.3和5.4的发布，他们“刚刚走出 Code Red——这件事我们早就知道会发生——”：5.3是面向日常用户的好模型，5.4是做真正知识工作的“主力工具”。这不是新常态，但会是他愿意再次启用的工具。
• 值得保留的竞争框架是：如果对一家像 OpenAI 这样的公司为何未能完成使命做一次“事前复盘”，答案“可能是聚焦”。而关键差异化在于 ChatGPT 背后的团队，因为团队并非静态——“我们做的任何东西都会被复制”。
• 关于聘请 OpenClaw 的 Peter（可能是 Peter Steinberger），这个项目“非常令人受启发”：AI“完全具身化”，存在于不同 UI 之中，拥有状态，交互模式更像是在和人聊天，发消息时非常简短直接。“后续还有很多内容。”

9. 快问快答：长期押注 AI 专业服务、好奇心与写作

• 他的长期判断是：公司会“进入其他公司”，实质上用 AI 提供专业服务——因为“所有邮件场景都已经饱和了”，需要“贴近问题”。各实验室在数学和编码上进展如此快，是因为实验室的人离这些领域足够近；只要贴近真实问题，就能做出变革性的东西，而那些显而易见的问题已经被模型解决了。
• 他也承认竞争对手的优势：“NotebookLM 很棒，而且具备差异化。”它体现出一项被低估的 AI 能力：“把内容转换成另一种媒介”——文字转视觉内容，接下来还会从视觉内容转成视频；ChatGPT 新推出的动态数学模块也体现了同一方向。
• 给学生的建议是：“这个时代最重要的永久技能是好奇心——如果机器能回答你所有问题，你最好能提出好问题。”最容易想到的增值职业是创业者；不那么显而易见的答案是写作——它迫使你把要说的内容表达得非常清楚。即使提示词工程消亡，向机器表达需求仍要求你成为极其精准的写作者；此外，对高质量、可信、权威内容的需求将长期存在。

10. 一再感受到 AGI，而且始终不会习以为常

• 对他最有启发的一刻反而是一次负面体验：刚训练好的 GPT-4“完全没有让我印象深刻”——因为他们还没找到如何对它进行后训练的方法；随后它却成了一个能力跃迁。“这让人深感谦卑——看起来我们可能离真正强大、实用的 AI 还很远，但我们很可能其实已经接近了。”GPT-4 当时带来的冲击包括写诗、编译代码，以及模拟“完整的电脑终端”。
• 最能说明问题的故事是：他向全公司演示推理能力时，实时展示的思维链突然“爆了粗口”：“该死，也许我得调整一下，因为我意识到自己在这道谜题上犯了错。”这一切完全是 RL 过程自发涌现的，“彻底把我震住了”。最近还有 Codex 用户带着开着的电脑到处走，因为“他们不想让任务结束”。
• 他最后关于时间判断的表述值得计入定价：“预测事情最终会走向哪里完全有可能，但对介于‘最终会发生’和‘3个月内’之间的任何事情，我很难做出判断。”