Apoorv Agrawal

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”。

🔗 原始收听与视频来源： ChatGPT——超级助理时代｜BG2 嘉宾访谈

Ali Ghodsi 的核心判断是：“我们已经有 AGI，真的已经有了。” 按他所在的 Berkeley AMP Lab 在 2009 年采用的定义，AGI 已经达标，如今行业只是在“移动门槛”。他将行业分成3派：追逐超级智能的前沿实验室，吸走大部分资本（“我会非常担心那一派”）；图灵奖研究者阵营（Sutton、LeCun），判断还要20年（“很可能他们才是对的，可惜了”）；以及 Databricks 和 Glean 所在的第三派，专注从我们已经拥有的 AGI 中提取经济价值。

LLM 是商品。 它们像加油站一样可以互换，“只要比价格”即可，用户一天之内就能切换模型，这在此前的平台大战中从未发生。模型公司仍可能很有价值（“TSMC 就很有价值”），但更像晶圆厂；真正的护城河是专有数据和业务流程——“没有任何 AI 理解你的独门诀窍和数据，那才不是商品。”

Arvind Jain 给出的解法是：AI 不是在延长软件，而是在把服务业收入转成 AI 收入。 从向 Nvidia 支付约2500亿美元、推导出约5000亿美元资本开支，再推导出需要约1万亿美元 AI 收入，而整个软件行业收入只有4000亿美元来看，服务业的规模是软件的25倍。Ali 的答案取决于阵营：如果超级智能落地，“那你的任何成本方程都相形见绌”；第三派则根本不需要超级智能。

泡沫确实存在，但不是非黑即白。 “有些零收入创业公司，估值却达到200亿、300亿美元，那就是泡沫。”但两人都预计 OpenAI 和 Anthropic 未来12个月上涨；ChatGPT 和 Gemini “势头正猛”，而编程目前“只吃掉了这个市场的一小部分”。

MIT 所说的95%失败率，恰恰是实验阶段想要看到的结果。 Ali 希望明年也出现类似统计，因为当前真正重要的是激进试错，而不是命中率。那5%的有效案例包括：RBC 在财报电话会后15分钟产出股票研究报告，而行业标准是2小时；Merck 用名为 Teddy 的 transformer 做基因调控药物发现；以及7-Eleven 完全由智能体驱动的营销体系。

Ali 认为大部分价值会流向应用层，“我只是不知道会是哪类应用”。 Arvind 则认为智能层会保持足够厚的价值占比，或许拿走企业价值的一半。Ali 借用1998年的教训：当年所有人都押注 Cisco 路由器和门户网站，最后的赢家却是 Facebook、Airbnb 和 Uber。软件并没有消亡（Salesforce 是“完整的工作流生态”，而不只是数据库），但数据录入是切入口——“Zoom 真的是完美的数据录入应用。”

Ali 看多智能体和语音。 “只要你还在用键盘，我们就还没解决语音问题”，而键盘“基本上会消失”。Arvind 认为编程和客服自动化“有点被过度炒作”。Brad 看多主动式 AI：AI 主动找到用户，把“5%的重度用户”扩展到“100%”。Glean 刚实现2亿美元收入年化规模，正在打造一个具备权限、面向个人的工作伙伴。

🔗 原始收听与视频来源： AI 企业——Databricks 与 Glean｜BG2 嘉宾访谈

OpenAI的企业业务早于ChatGPT——“OpenAI最初真正的产品并不是ChatGPT，而是B2B产品，也就是API”——如今公司还在运行一种Palantir式的前沿部署工程师模式，将工程师嵌入T-Mobile（由OpenAI模型实时处理语音客服）、Amgen（GPT-5在药物开发文书领域的头部客户）和Los Alamos（将o3物理部署到与Lawrence Livermore、Sandia共享的气隙Venado超级计算机上）等客户。

面对MIT“95%的AI部署都无法奏效”的标题，Olivier从约200次企业部署中总结出的规律是：自上而下的支持加上自下而上的“虎队”，并且先做评测；“客户拿不出好的评测时，目标就一直在移动。” 企业知识大多存在于“人的脑子里”，而不是SOP中，从46%爬升到99%是“艺术，有时甚至更像艺术而非科学”。

本期最锋利的判断是：尽管安全门槛更高，2025年的“物理自主性领先于数字自主性”。 因为自动驾驶有10-15年时间，以及道路、红绿灯等脚手架；而“AI agent就像被直接丢在荒郊野外”。Agent只诞生于o1-preview的推理范式，而“我认为这条斜率陡得惊人”；按收入计算，它们可能已经越过Waymo。

GPT-5的差异化在于“工艺——模型的风格、语气和行为”，而不是已经饱和的基准测试。 一位主持人称，某项评测显示幻觉“基本降到了零”；尚未解决的核心取舍是推理token与延迟——GPT-5 Pro能“一次解决”过去无法解决的问题，但需要等待10分钟。反直觉的教训是：指令遵循变得过于字面，旧式“请保持简洁”的提示词反而让输出失灵。

强化微调（RFT）——Olivier说这是OpenAI创造的术语——比SFT“强一个数量级”，也把推介重点从定制模型转向利用专有数据打造“世界上最好的模型”（金融服务领域的Rogo、在TaxBench上达到SOTA的Accordance）。 Olivier的判断是：在前沿能力上，“RFT基本会成为行业常态”。

多空交易上，Sherwin做空“围绕AI产品的整个工具链”——评测产品、框架、向量数据库，以及如今的RL环境创业公司——因为技术栈迭代太快，抽象层很难跨越一代模型存活。 Olivier做空以记忆为核心的教育（“知识token”），做多医疗——“可能是最受益于AI的行业”。

值得记录的软信号包括：即便工程师人数的含义仍不明确，未来仍将需要多得多的软件工程；“世界上存在巨大的软件短缺”（OpenAI的产品经理如今直接交付写好的原型，而不是PRD）；Codex CLI与GPT-5的使用正在加速；而“那次插曲”（董事会政变）让OpenAI变得反脆弱——“更抗打，也能更快恢复”。

🔗 原始收听与视频来源： OpenAI企业业务内部：前沿部署工程、GPT-5及更多 | BG2嘉宾访谈

Altimeter 的 Apoorv Agrawal 称，OpenAI 是“Altimeter 历史上最大的一笔投资”，并在去年的 1500 亿美元融资轮以超级周期逻辑入场。 互联网造就了 Google（2.5 万亿美元），移动互联网造就了 Apple（3.5 万亿美元），社交网络造就了 Meta（1.8 万亿美元）；因此，他预计 AI 赢家的价值会超过 1500 亿美元，并称“ChatGPT 已经成为一个动词”。他的模型是：7 亿周活用户与已宣布的 100 亿美元收入运行率，按约 10 亿用户的粗略基数计算，意味着每用户每年约 10 美元；长期看，20 亿至 40 亿用户若达到每用户 60–70 美元，消费业务的收入机会约为 2000 亿美元。

与把筹码分散到各家 LLM 的同行不同，Altimeter 选择集中下注，因为风险投资的幂律“不是 80/20”：每年约 5000 家融资公司中，只有 15 家（0.3%）贡献某一投资年份超过 90% 的毛利润。 他以 2001 年的搜索市场作类比：当时押注 Lycos、AltaVista 或 Ask Jeeves，在图表上看起来都算“押对了”；但到 Google 2004 年 IPO 时，Google 已拿走搜索行业 99% 的毛利润。他称，ChatGPT 的用户规模超过所有竞品 AI 应用用户数之和再乘以 10。

ChatGPT 呈现出留存率“微笑曲线”，他举的另外两个例子是 Instagram 和 TikTok。 如今 ChatGPT 的用户时长已经超过 X 等主流应用。在 GPT-5 的讨论中，Molly 将 GPT-4 被关闭后引发的 #4oForever 反弹与拟社会关系联系起来；Apoorv 称这提醒人们，“ChatGPT 已经不再是一个网站……它是一段关系”。记忆功能可能让用户极难切换。他认为 ChatGPT 仍然“相当安全、相当健康”——多巴胺刺激低（“没有无尽刷屏，也没有猫视频”），网络效应也弱，但它依然取得了支配地位。

“速度是唯一护城河”（Speed is the only moat）：真正的防御性来自发布节奏，而非任何单一模型。 截至今年过半，Operator、Deep Research、ChatGPT Agents、Codex 和 GPT-5 已全部发布；GPT-5 的意义在于它是第一个系统，而不只是一个模型——由路由器根据每次查询分配算力，同时“抬高上限，也抬高下限”。对于混乱的发布过程，他用一个词概括 Sam 和 OpenAI：“反脆弱”。

最具交易价值的数据点是：逐字稿将被投公司称为 Expo，后文又称其为 XBOW。 其网络攻击利用基准在从 Anthropic 最新模型切换到 GPT-5 后，成功率从略低于 60% 跃升至 81%。“世界第一黑客已经不再是人类”：公司在几周内登上 HackerOne 美国榜首，随后在 Black Hat 登上全球榜首；团队不到 50 人，但“花在 tokens 上的钱比花在人身上的还多”。Apoorv 提醒，网络攻击领域的 ChatGPT 时刻尚未到来，并称 Expo 这类公司对于西方世界的安全不可或缺。

AI 价值栈与云计算大致反转，这是 AI 最大的未决问题。 云计算的结构约为 4000 亿美元应用、2000 亿美元基础设施和 500 亿美元半导体；如今 AI 则大致是 2000 亿美元半导体（仅 NVIDIA 上季度数据中心收入就约 400 亿美元）、200–300 亿美元基础设施和 300–400 亿美元应用——“所有 AI 资金中有 90% 实际流向半导体层”。他用 AWS 的耐心作类比：AWS 2004 年启动，8 年后才迎来第一个外部客户 Netflix。

在人才争夺战中，Meta 每年化经营现金流约 1000 亿美元，超过 OpenAI 整笔 400 亿美元超大额融资的两倍，因此 Zuck 抢人是在“获取最重要的要素——人才，也是所有价值的领先指标”。 算力和数据要么可获得、要么已经饱和；“现在战争打的是人才”。

在快速问答环节中，他看好 Klarna、Discord、Databricks、Cerebras 和 Anduril，其中五家有四家被描述为其投资组合公司；他认为今年至少有一家会上市。 如果不是当天早晨那轮大额私募融资，他原本就会点名 Databricks；他也承认，SpaceX 和 Stripe 等公司可能不需要依赖公开市场，因为它们已经建立了可重复的 12–18 个月一次的员工流动性安排。

🔗 原始收听与视频来源： OpenAI 的 5000 亿美元估值｜Altimeter 最大押注