本文转自微信公众号“AI深度研究员”，作者：AI工作坊。
O
penAI CEO Sam Altman在印度发表关于模型成本的一番话，再一次引发了业内的广泛关注。
昨天2月5日，OpenAI首席执行官Sam Altman在亚太巡演的最后一站来到印度，与印度IT部长阿什维尼·维什瑙（Ashwini Vaishnaw）展开了一场高规格对话。在对话中，Sam首次系统回应了外界对AI成本的争议。"如果你指的是我几年前关于人工智能成本的某些评论，我认为当时的观点被误解了。"Sam说道，"在过去几年中，我们在蒸馏技术（distillation）方面取得了重大突破，学到了如何高效地训练小型模型，尤其是在推理能力方面。"
更引人注目的是，Sam首次提出了AI成本演进的"双轨理论"："前沿研究的成本将沿着指数曲线增长，但带来的经济和科学价值也是指数级的；而单位智能成本每年能下降约10倍，这比摩尔定律预测的芯片进步还要快。"
【核心要点】
-
-
-
-
技术展望：神秘的"Stargate"项目或将推动AI新突破
-
全球布局：印度成为第二大市场，OpenAI布局全栈合作
在DeepSeek用数据蒸馏技术验证低成本AI可能性的同时，Sam Altman这番表态似乎印证了一个趋势：AI正在进入一个高端突破与普及应用并行的新阶段。让我们一起深入解读这场对话中的深层思考：
文稿整理
主持人：
这间会议室今天格外重要，因为我们聚集了全球人工智能议程的两位关键人物，同时也有众多开发者、初创公司和研究人员在场。你们将把我们今天讨论的许多洞见付诸实践，所以我非常期待展开这场激动人心的对话。让我先从你开始谈起。众所周知，OpenAI 正在迅速扩张，最近的一份报告指出，到 2030 年，它对全球 GDP 的贡献预计将达到 14%。你们已经为 印度人工智能使命 设定了明确的目标和方向，我很好奇，在未来 5 年内，你认为有哪些真正的机遇值得关注？
一、 AI 发展的关键临界点
印度 IT 部长：
我们的总理一直强调，我们必须让技术更加民主化。因此，我们的重点是让技术变得更普惠，即让技术触及每一个人，同时让技术开发的机会向大量初创公司和研究机构开放。
在 印度人工智能使命 中，我们正在所有三个关键层面展开工作——
-
-
-
应用层面：我们正在构建高质量的数据集，以训练符合印度语言、文化细微差别及地区特征的人工智能模型。这是一项极具挑战性的任务，需要精心策划和整理数据集。
换句话说，我们正在全面推进人工智能发展，希望能快速成为全球技术领导者。印度在科技应用方面一直是快速适应者，“数字印度” 计划已让我们成为全球最早实现大规模数字支付和数字化日常生活的国家之一。因此，我们希望在人工智能领域也保持这一领先优势。
主持人：
确实，OpenAI 在过去几年中以惊人的速度推出了新模型和新功能，带来了广泛的用户增长和应用采用。Sam，你上次访问印度时曾提到，印度应当采取一些关键举措，并且在人工智能领域有独特的贡献潜力。现在，你正在进行亚太地区多国访问，而印度是你的最后一站。你认为，我们目前在哪些方面仍然思考不足，或者尚未充分行动？
Sam Altman：
我完全赞同刚才关于 全栈方法（Full Stack Approach） 的观点。印度对于全球人工智能生态系统而言至关重要，对 OpenAI 来说更是如此。目前，印度已经是我们全球第二大市场，过去一年中，我们在印度的用户增长了 三倍。但更让我印象深刻的是，印度的开发者、企业和研究人员正在构建涵盖整个技术栈的人工智能解决方案，包括 芯片、模型，以及各类令人惊叹的 AI 应用。因此，我认为印度应该 全方位布局，并成为人工智能革命的全球领导者之一。印度已经展现出了惊人的科技接受度，并且正在打造一个完整的人工智能生态系统。
主持人：
随着人工智能的快速发展，关于 构建基础模型的成本 也成为一个热点话题。你最近有没有对这一问题的看法有所改变？
Sam Altman：
首先，如果你指的是我几年前关于人工智能成本的某些评论，我认为当时的观点被误解了。那时候，我们正处于某个特定的扩展阶段，当时我确实认为，保持在最前沿的预训练模型的开发成本将会很高，而我至今仍然持这一观点。但在过去几年中，我们在 蒸馏技术（distillation） 方面取得了重大突破，学到了如何高效地训练小型模型，尤其是在推理能力（reasoning models）方面。虽然这些模型的训练仍然昂贵，但可行性已经大幅提升。这一进展将带来大量的创造性应用爆发，而印度应该在这个领域发挥领导作用。
关于模型成本，其实有两种不同的角度：
-
1、
前沿研究的成本：
如果要保持在人工智能的最前沿，我们认为这些成本仍会 沿着指数曲线增长。但与此同时，提高智能水平所带来的经济和科学价值也是指数级的。例如，我们正在推进 “Stargate” 项目，这将推动 AI 进入一个新的高度。
-
2、
单一智能单位的成本下降：
从另一个角度看，我们观察到 单位智能成本每年下降约 10 倍。摩尔定律 预测 芯片上的晶体管数量每 18 个月翻倍，这在几十年间改变了整个科技世界。而 AI 领域的成本下降速度更快，带来的影响更大。不过，这并不意味着全球对 AI 硬件的需求会减少。相反，当 AI 计算成本下降后，人们会更广泛地应用 AI，整体市场规模反而会不断扩大。换句话说，虽然单位计算成本下降了，但总市场投入会不断增长，推动人工智能进入更深层次的应用。
主持人：
所以，你认为 AI 的硬件需求不会减少，反而会持续增长？
Sam Altman：
正是如此。即使 AI 计算的 单位成本下降，市场需求仍然会持续增长。因为 当 AI 变得更便宜、更高效，大家会用它来做更多事情，最终 整体市场投入 反而会继续增加。
二、印度的 AI 发展战略
主持人：
嗯，这是一个非常令人兴奋的趋势，听到这些消息真的很棒。我觉得今天在场的每个人都充满了期待。所以，我想请教您一个问题——最近，印度 宣布计划构建 基础模型，众所周知，这是一个极其复杂的过程。我很好奇，面对 印度的多样性和复杂性，您如何看待这个过程可能带来的意外惊喜和创新？印度计划构建的基础模型将如何展现独特性，并在全球范围内发挥独特作用？
印度 IT 部长：
正如 Sam 之前所说，人工智能领域每年都在经历 10 倍的智能计算成本下降，而这样的创新可以来自世界上任何地方——那么，为什么不能来自 印度？这才是关键所在。我们的 年轻企业家、初创公司和研究人员 都非常专注于推动 下一个重大创新突破，以进一步降低 AI 开发成本。要知道，我们的国家 以远低于其他国家的成本完成了登月任务，那么，为什么我们不能开发一个 成本仅为其他国家一小部分 的基础模型呢？所以 创新 将推动 AI 计算成本下降，我们相信，这个过程会带来巨大的技术突破。
主持人：
确实，OpenAI 经常提到一个观点：“如果你能解决 印度 的 AI 问题，那么你就能解决全球范围内的 AI 挑战。”因为 印度的多样性 和 广泛的应用场景，如果我们能成功 解决本地化问题并打通最后一公里，那么在全球范围内也能推广类似的解决方案。除此之外，您曾多次提到，您对 人工智能应用层的创新 感到兴奋。今天在场有很多 开发者和初创公司，这也是一个很好的机会，能否和大家分享，您认为他们应该重点关注哪些领域？同时，除了 应用层面，印度政府本身在 人工智能的应用和推广方面有哪些具体规划？
