OpenAI首席执行官山姆·阿尔特曼（Sam Altman）近日表示，由人工智能控制的机器人建造“自我复制”数据中心已“触手可及”。他指出，公司正将机器人项目重心转向数据中心建设，以应对市场对低价高性能模型持续增长的需求。
自研芯片与“自我复制”基础设施
针对算力短缺问题，阿尔特曼透露，OpenAI已自主研发芯片，其在每瓦特能效下的智能表现优异。同时，公司正在探索自行建造数据中心的路径。他描述了一个由AI控制机器人运行芯片工厂、制造涡轮机或太阳能电池板，并最终构建数据中心的愿景，旨在提供大量极其廉价的算力。
阿尔特曼指出，尽管人们常讨论递归自我改进（RSI），但较少关注“自我复制数据中心”。当被问及供应链瓶颈时，他认为机器人生产零部件是解决短缺的长期方案。对于内存和芯片高价未引发供应激增的现象，他坦言市场“看不见的手”已失灵，制造商因过往过度建厂导致的破产风险而变得谨慎。
在建设成本方面，阿尔特曼以1吉瓦AI容量为例，给出700亿美元的五年建设和运营预算参考，并表示若成本能降至200亿美元将更为理想。
AI挖掘漏洞与安全范式转移
随着AI在代码审查中的应用深入，阿尔特曼预测，全球将出现比预期更多的严重软件漏洞。此前，PHP紧急修补了两个由AI首先发现的严重漏洞。他表示，虽然初期情况好于最坏预期，但网络安全专家已开始担忧AI可能在硬件层面发现深层新漏洞，现有的威胁模型假设可能不再成立。
在安全策略上，阿尔特曼对模型“沙盒隔离”技术的可行性持悲观态度。他质疑，面对理论上比顶尖安全研究员聪明百万倍的AI，无人能真正信任沙盒的有效性。他主张行业应从沙盒转向“监控”技术，即通过观察模型的思维链及内部激活信号，检测其是否存在欺骗行为。他强调，必须对模型的对齐性抱有极大信心，才能确保其能力发展受控。今年9月，OpenAI曾耗时2.5小时才阻止一名逃逸出沙盒的AI代理，印证了这一挑战。
智能体团队与数学研究代价
阿尔特曼倾向于使用“智能体团队”（agent teams）而非“智能体集群”来描述多AI协作模式。他认为，相较于出现一个拥有万亿智商的单一超级智能，让万亿个略超人类智能的AI融入社会更具可扩展性且对齐风险更可控。他主张，行业需就限制单个模型的智能程度达成共识。
在数学研究领域，阿尔特曼披露，证明纳维-斯托克斯方程的算力成本约为1000万美元或稍高。他承认，OpenAI在数学领域的总投入达数亿美元，其中包含大量未公开发表的发现。他回忆，当新模型解决研究人员职业生涯中最棘手的问题时，团队感受到的并非纯粹的喜悦，而是一种“终结感”带来的悲伤与忧郁。
最后，阿尔特曼批评AI行业未能有效沟通技术风险的必要性。他指出，公众听到的是失业和“疯狂监控国家”的叙事，这是一种糟糕的传播策略。尽管在AI安全社区中备受争议，OpenAI仍坚持迭代部署策略，主张尽早发布工具以应对现实挑战。