本文主要介绍了OpenAI近期关于通用人工智能（AGI）的最新动态和观点，包括OpenAI对AGI定义的转变、组织架构的调整、以及通用人工智能系统的重要性等相关内容。
这是基于OpenAI对AGI定义的转变，即从广泛的认知任务上能够与人类智能相媲美的人工智能转变为盈利超1000亿美元的AI系统。
这表明OpenAI认为实现AGI需要实现盈利目标，而这并不容易，因为目前OpenAI仍处于亏损状态。
这种调整意味着追求不同的目标，非营利组织致力于在医疗、教育和科学等领域推进慈善事业，而营利性公司则负责运营和控制盈利业务。
为了实现这一目标，OpenAI推出了生成模型GPT-4o，旨在为用户提供更好的交互体验，进一步扩展其市场盘子。
OpenAI致力于让AI成为一种广泛可用的资源，目前正通过推出各种产品和服务来实现这一目标。
本文来自PRO会员通讯内容，文末关注「机器之心PRO会员」，查看更多专题解读。
近期，OpenAI CEO Sam Altman 一反此前的「故弄玄虚」「卖关子」，在其博客文章中明确表示，「已经知道如何构建通用人工智能（AGI）」。为何 Sam Altman 这次如此笃定地表示已经明确知道如何做 AGI？要知道，在此前 OpenAI 官方发布的 AGI 路线图中，OpenAI 表示目前尚在 AGI 的 L2（推理者）阶段，在朝着 L3 阶段前进。目录
01. 从「神奇药水」到「通用软件」：OpenAI 不装了？
OpenAI 要如何构建 AGI？OpenAI 对于 AGI 定义的转变是为了其商业化战略调整铺路？
02. 通用人工智能系统才是 OpenAI 的「金苹果」？撑大「盘子」只是第一步为什么说「通用」二字直接代表着「钱」？为什么通用人工智能系统才是「金苹果」？
03. Agent 才是最佳落地方式？Agent 方向最大的机会在哪？
Agent 的重要机会方向在哪？能否突破技术局限？01 从「神奇药水」到「通用软件」：OpenAI 不装了？Sam Altman 的自信，来自 OpenAI 对于定义 AGI 的转变。1、据 OpenAI 与微软在 2024 年达成的一项未公开协议中提到，只有当 OpenAI 开发的 AI 系统，有「能力」为早期投资者（包括微软）创造出应得的最大总利润时，才视为实现了 AGI。最大总利润数字为 1000 亿美元。① 简单来说，OpenAI 和微软将 AGI 定义为了能开发出盈利超 1000 亿美元的 AI 系统。2、由此，在 OpenAI 看来，对于 AGI 的定义从在广泛的认知任务上能够与人类智能相媲美的人工智能转变成了盈利超 1000 亿美元的 AI 系统。3、但为了实现 1000 亿的目标，对于 OpenAI 来说并不容易。OpenAI 目前仍处于亏损状态，预计在 2029 年才能实现首次盈利。4、同样，Sam Altman 在其近期的推特中表示，由于用户使用 ChatGPT 的次数远远超出预期，OpenAI 在会员 PRO 付费订阅业务上仍是亏损状态。5、2024 年 12 月，OpenAI 宣布了其组织架构调整，分为营利性和非营利性两部分。将现有的有限利润营利性公司 OpenAI Global 转化为特拉华州公共利益公司（Delaware Public Benefit Corporation，PBC。在完成转变后，公司非营利性组织对有限利润营利性公司 OpenAI Global 的股权将转化为 PBC 股份。PBC 将负责运营和控制盈利业务，而非营利组织将单独雇佣一支领导团队和员工，致力于在医疗、教育和科学等领域推进慈善事业。6、OpenAI 将公司「一分为二」的调整，或许在一定意义上意味着要追求不同的「目标」。从「非盈利组织」到「有限利润公司」的转变，将更为方便地让 OpenAI 实现盈利和对外融资。一半是「赚钱」，另一半是「摘星 ASI」，而后者更像是提高盈利和股价的「砝码」。7、从 OpenAI 对于定义 AGI 的转变，不难看出，关于「AGI 到底什么」、「是否已经真的找到了构建 AGI 的有效途径」等争议或许对于 OpenAI 来说并不重要，OpenAI 更大的关注点落在了如何做成通用人工智能系统，更进一步确切地讲，OpenAI 更想成为那个未来 10 亿或更多消费者使用的通用人工智能系统的「基石」。8、OpenAI 技术团队成员 John Hallman 的话很有意思，「当 Sam 以及我们研究人员说 AGI 即将到来时，我们并不是为了卖你神奇的药水、2000 美元的订阅服务，或者诱使你在我们下一轮融资中投资。而是 AGI 时代真的要来了。」
02 OpenAI 更想做通用人工智能系统的基石，撑大「盘子」是第一步回顾 OpenAI 从 24 年到 25 年伊始的种种动作，都指向了一个共同的关键词「通用」。
1、OpenAI 的目标是期望在未来一年内将用户规模扩大至 10 亿。让消费者在不同端侧、不同平台更好、更多地使用 OpenAI 的产品及服务，进一步扩大其市场「盘子」。
2、在 2024 年 5 月的「春季新品发布会」上，OpenAI 推出了生成模型 GPT-4o，该模型可以接收文本、音频和图像的任意组合作为输入，并实时生成文本、音频和图像的任意组合输出。ChatGPT 基于 GPT-4o 的更新，集成了文本、语音、图像三种模态，相比于以往的 Siri 等语音助手，反应更快，且带感情、更通人性，能让用户感受更为自然的进行交互。GPT-4o 的推出，被认为是 OpenAI 抢夺移动端入口的「信号」。
3、同样，OpenAI 还 ......
03 通用人工智能系统是「金苹果」，而 Agent 是其重要载体1、AI 为何重要？近来有一些说法将「AI」比作和电力一样重要且广泛可用的资源。电力曾经彻底变革了工业生产和生活方式，重塑了各个领域。
2、「通用」和「广泛可用」是目前业内追求实现 AI 的两个关键点。
3、吴恩达曾指出，AI 技术作为一项通用目的技术，如电力一般正在重塑各个领域。AI 应用是未来产生价值和收入的关键，随着半导体、云基础设施和基础模型的快速发展，AI 技术正成为推动社会进步的新引擎。
4、另一关键点是 AI 作为一种资源应广泛可用。谷歌前 CEO Eric Schmidt 曾提到，希望最大化人工智能技术的优势，AI 与电力、供暖、空调等东西一样重要，甚至可能更为重要，是人类可以利用、甚至滥用的智能，且是每个人都可以获得的智能，所以它极其强大。
5、OpenAI 也曾提到，公司的目标是让高级智能成为一种广泛可用的资源。
6、那么，通用人工智能中的「通用」具体指的是什么？如何构建通用人工智能系统？现在有能达到「通用人工智能」的系统吗？......
关注👇🏻「机器之心PRO会员」，前往「收件箱」查看完整解读
01 AI 竞赛进入推理阶段：扩展测试时计算是万能的吗？Scaling What 成为关键传统的 Scaling Laws 范式是否已经达到极限？新的 Scaling Laws 范式能否解决数据难题？只要扩展测试时间计算，就能够实现通用人工智能吗？「LLM + 推理模型」是否能实现类人智能？LLM 真的具有推理能力吗？... 02 谁能进入下一轮？具身智能「练习生」的技术储备和商业路径有何异同？具身智能创企融资规模如何？明星「练习生」都有哪些头部资源支持？各家创企技术路径有何差异？「练习生」都有哪些技术储备？具身智能还差些什么？... 03 「压缩即智能」，成就 LLM 的 Transformer 未必是终极解？知识压缩理论已经获得验证了？LLM 范式有变革征兆了？LLM 范式会向哪个方向演进？为什么Transformer 未必能够长青？有哪些声音在质疑Transformer？有哪些非Transformer的可行路线？... 04 从文本到屏幕：「Project Jarvis」们能实现 AGI 吗？头部 AI 公司为何都在做 AI 自主计算机操控？这事可行吗？和RPA的区别是什么？AI Agent自主操控计算机需要具备哪些能力？微软、谷歌、Anthropic 在 AI Agent 方面的动作有何异同？...更多往期专题解读内容，关注「机器之心PRO会员」服务号，点击菜单栏「收件箱」查看。
