主要观点总结
本文主要介绍了OpenAI CEO Sam Altman与Snowflake CEO Sridhar Ramaswamy关于人工智能（AI）发展的一次对话。对话中，他们讨论了AI的进步速度，以及AI在企业应用中的实际应用和未来发展。他们提到编程Agent Codex的发布标志着AI的进步，并且现在AI已经可以承担更多的工作任务。他们也讨论了AGI（人工智能通用性）的定义以及影响，并预测了未来AI的发展将如何影响各行各业。
关键观点总结
关键观点1: 对话中提到AI的发展速度非常快，许多企业正在积极尝试和迭代使用AI，表现远优于那些观望的人。
对话中强调了AI在编程方面的应用，特别是Codex的发布，展示了AI在自动化完成复杂任务方面的能力。此外，对话还提到了AGI的概念和影响力，以及一些前沿技术如检索能力、记忆和检索在未来AI时代中的角色，以及AI在处理商业问题和发现新知识方面的潜力。
关键观点2: 两位CEO讨论了AGI的定义以及它何时达成的问题，都认为重要的是AI的进步一直在持续，而不是确切的时间点。他们还谈到了模型能力的不断提升，以及新模型的出现所带来的“涌现行为”。
对话中提及了知识领域在模型掌握方面的进展，如模型能够理解和处理复杂的上下文信息，接入各种工具和系统，进行推理和自动完成任务。此外，还讨论了如果拥有巨大的算力，如何更好地利用这些算力来推动AI的进步和解决重要难题。
关键观点3: 对于未来的发展方向，两位CEO提到了模型理解能力和能力的进一步提升，以及如何运用模型和算力来解决具有挑战性的商业问题和攻克疾病等现实应用案例。
他们还讨论了模型在解决难题方面的潜力，如通过模型设计出更好的芯片或攻克疾病等。最后，他们提到了如果拥有更多的算力，最合理的做法可能是先用这些算力让AI自我研究和进步，然后让更强大的AI来解决最具挑战性的问题。
正文
当然你还可以探索更多边界，比如更智能的应用，但其实绝大部分主流场景，这项技术已经可以大规模落地了。
Sam Altman
：有意思的是，我去年的看法和现在其实不一样。去年如果是给创业公司建议，我会说一样的话，但如果是大企业，我会说：你们可以先做一些小范围的尝试，但大多数场景下还不适合全面投入使用。
而今年情况变了。我们企业业务现在增长非常快，很多大公司真的用我们的技术做了很多事。他们问我们，“到底哪里变了？” 我们的答案，一部分是大家确实摸索了一段时间，但更重要的是，现在这些工具真的更加可靠，能做的事情也远超我们想象。
过去一年，AI 的可用性确实有了一个明显的拐点。
那下一个有趣的问题是，明年我们又会说什么不同的话？我觉得明年这个时候，不只是用 AI 来自动化一些业务流程、做新产品新服务，更重要的是，你真的可以拿公司里最重要的问题，对 AI 说：给你一大堆算力，你帮我解决吧！而模型们真的能去解决那些团队自己解决不了的大问题。
而那些已经用过这些模型、积累经验的公司，会非常有优势。他们能对 AI 说：来，把我最重要的项目重新做一遍，这里有很多算力，你尽管去想办法，找到最优解。等到明年，准备好这样做的企业，会迎来又一轮巨大飞跃。
主持人：我觉得，考虑到推理能力变强、用更多算力解决难题、Agent 和新工作流的引入，很多人都认为记忆和检索的机制必须发生很大变化。你怎么看，记忆和检索在下一个 AI 时代会扮演什么角色？
Sridhar Ramaswamy
：我认为，
像检索这样的能力一直是让生成式 AI 更加 “接地气” 的关键因素
。比如你问一个事实性的问题，你肯定想要一个可靠的答案。实际上，我们在 GPT-3 的早期，就为它做了网页搜索级别的系统。只要你的问题需要用现实世界的信息来回答，比如突发新闻，就可以补充相关上下文。
同样地，记住你之前是怎么解决某些问题的、记住你和系统的互动，都能让系统以后变得更好。随着你用这些模型做的事情越来越复杂，记忆和检索的重要性还会持续提升。你能给模型的上下文越多，不管是 “被动用法” 还是“ 主动 Agent 用法”，这些系统的表现都会越好。
主持人：Sam，你能不能给现场的企业领导者一个思路，现在和接下来，Agent 到底能做什么？
Sam Altman
：
我们最近刚发布的编程 Agent Codex，是我第一次有 “接近 AGI” 感觉的产品之一。
你用它的时候，可以分配一堆任务让它在后台处理。它真的很聪明，能做那些跨度很长的事情。你只需要坐在那，对它的建议说 “这个可以，那个不行，再试试”。它能连你的 GitHub，未来还可以帮你看会议、查 Slack、读所有内部文档，做的事情非常厉害。
现在，它可能像个能连续工作几小时的实习生，但以后就能变成那种能连续工作好几天的资深工程师。其它很多工作类别也会出现类似的变化。
现在你会发现，有很多公司在用 Agent 自动化大部分客户支持、销售或其它很多事情。有些人说，他们现在的工作就是给一群 Agent 分配任务、把关质量、整合结果并提供反馈，感觉就像在管理一支由初级员工组成的团队。这样的场景已经开始出现，只是目前还没有普及开来。
