Sam Altman 勾勒出他理想中的模型：一个具有超人推理能力、运行极快、拥有万亿级上下文和访问所有工具的微型模型。
将这些模型用作数据库是荒谬的，那是一个非常慢、昂贵且非常糟糕的数据库，但令人惊奇的是它们能够推理。
他认为模型不是数据库，而是一个推理引擎，可以注入业务或个人的所有上下文和工具，以实现惊人的成就。
在刚刚结束的 2025 年 Snowflake 峰会上，OpenAI CEO Sam Altman 与风投人 Sarah Guo 进行了一场超级硬核的炉边谈话。这场对话几乎可以看作是一份“AI 未来路线图”，对企业、从业者、创业者、普通人都有强烈的启示意义。
核心观点如下👇
⚡企业如何拥抱 AI？——“速度”是唯一护城河
Altman 给出的建议异常直接：
✅ 放手去做
✅ 大量小实验
✅ 快速迭代
Sarah Guo 补充：“很多我们默认成立的逻辑已经不再成立了，好奇心和试错能力比‘计划’更重要。”
🧠记忆 + 检索 = AI 真正聪明的关键
Sudharshan Ballal 提出一个非常关键的点：
“AI 模型靠记忆和检索来变聪明。”
不只是训练数据，AI 还需要：
- 🔁 记住用户历史
- 🌍 及时检索现实世界信息
- 🎯 精准设置“注意力焦点”
这些技术让 AI 更懂你，也能更好回答复杂问题。这是 AI 成为“代理人”的基石。
🧬AGI 会来吗？怎么定义都行，但速度是真的快
Altman 并不关心“AGI”的严格定义。他更看重的是：
“我们正在看到指数级进步，未来五年也会继续。”
如果一个模型能自主加速科学发现，比如让生物学研究效率提高 4 倍，那就是 AGI 了。
🌍万能推理引擎 + 无限上下文 = 理想模型
Altman 最期待的下一代模型是这样的：
“能访问所有工具、理解全部上下文、推理能力极强，像一个小型科学家。”
这类 AI 能处理芯片设计、药物研发，甚至在人类无法解决的问题上给出惊人答案。
🔋如果有更多计算资源，我们该用来干嘛？
Altman 的答案非常哲学：
“用 AI 来研究如何更好地做 AI。”
而在应用层面，他强调“测试时计算”的价值：多让 AI 推理几次、多尝试几条路径，性能真的会提升。
