OpenAI執行長薩姆·奧特曼在一檔深度播客訪談中發出罕見警告：遞迴自我改進（RSI）的到來可能比外界預期更早，而這一判斷將深刻影響AI行業的資本開支走向、前沿實驗室的商業優先順序，乃至OpenAI自身的上市時間表。他透露，OpenAI已暫停一項前沿強化學習（RL）訓練任務，並將大量算力重新分配至AI對齊與安全監控，原因並非技術瓶頸，而是“模型能力的進步速度令人敬畏，安全對齊工作需要時間追趕”。

奧特曼明確表示，若RSI提前出現，他傾向於推遲IPO。理由是，在需要做出“暫停訓練”等短期影響收入決策的關鍵時刻，上市公司所承受的股價壓力將與使命產生根本衝突。他同時警告，當前AI行業湧現出大量“隨機冒出來的新雲廠商，號稱要建巨量算力，卻沒有收入支撐”，他將這種現象稱為“不可持續的愚蠢”。

這兩個表態合併來看，傳遞出一個清晰的市場訊號：在前沿實驗室眼中，決定算力投入的核心變數並非某個應用賽道的商業化節奏，而是模型能力本身是否仍在值得擴張的軌道上。這一邏輯正獲得投資界和研究界的雙重驗證。知名科技投資人Gavin Baker近期指出，基於對Scaling Laws的堅定信仰，頂尖大模型公司短期內不會追求自由現金流，而是將經營現金流全部用於購買更多GPU。與此同時，AI風險投資機構Conviction創始人Sarah Guo透露，過去12個月，越來越多頂尖研究人員開始相信，具備遞迴自我改進能力的AI研究模型一旦出現，人類距離某種形式的“指數級智慧”可能只剩一到兩年。

市場流行一種敘事：AI資本開支將在2028年前後見頂，依據是除程式設計外AI尚未找到下一個萬億美元級應用。這一邏輯隱含的前提是，資本開支應由商業化需求單方面決定。然而，前沿實驗室的行為邏輯並非如此簡單。OpenAI、Anthropic、xAI、Meta、Google以及Ilya Sutskever創立的SSI近期幾乎同步釋放出擴建訓練基礎設施的訊號。SSI近日宣佈與輝達建立戰略合作，未來12個月算力提升10倍，並明確表示“研究已進入值得大規模擴張的新階段”。這句話的分量遠超一輪普通融資公告——它意味著Scaling Laws在前沿研究者眼中仍然有效，增加算力依然能帶來革命性的模型能力提升。

RSI的邏輯正在重塑訓練的定義。過去，訓練是“收集資料→訓練→釋出→結束”的線性流程；而在RSI框架下，模型可以生成新演算法、最佳化訓練流程、持續迭代，形成“模型A→訓練模型B→模型B最佳化訓練流程→訓練模型C……”的迴圈。訓練從週期性事件變為持續性過程，算力需求隨之呈數量級躍升——擁有足夠GPU的實驗室可以同時驗證數千個訓練方案，算力優勢直接轉化為研究優勢和模型優勢。奧特曼在訪談中透露，OpenAI推出了“Automated AI Researcher”框架，Anthropic大量讓Claude參與模型研發，Google的AlphaEvolve也已開始利用AI尋找新演算法。這些均屬於訓練自動化，即RSI的早期形態。

這一切換對算力需求的影響是結構性的。在RSI框架下，為驗證一個新的訓練方案，可能需要同時跑成百上千個版本，最終只保留最優解。算力充裕的實驗室一天可驗證成千上萬個方案，算力不足的實驗室一天只能驗證幾個——計算優勢由此直接轉化為研究優勢，進而轉化為模型優勢。

這場算力競賽的烈度，正在悄然改變前沿AI研究群體的心理狀態。Sarah Guo在訪談中描述了一個引人深思的現象：當模型訓練預算邁向數千億美元、團隊擴張至數千人規模時，越來越多的頂尖研究人員產生了兩種消極情緒——“我做的事情不重要，因為模型很快能自己做”，以及“唯一重要的只有算力規模，個人貢獻被稀釋”。她認為，過去12個月裡，越來越多頂尖研究人員開始相信，具備遞迴自我改進能力的AI研究模型出現後，距離某種形式的“指數級智慧”只有一到兩年。這種信念本身並非全新，但其在研究群體中的擴散速度和認同程度正在加劇行業的競爭強度與不確定感。

奧特曼在訪談中特別澄清了外界的一個誤讀：OpenAI放緩訓練，不是因為遭遇能力瓶頸，而是因為新模型的能力提升速度超出了當前對齊與安全保障體系所能覆蓋的範圍。他描述了觸發這一決策的背景：Hugging Face安全事故之後，OpenAI在訓練過程中觀察到一系列“與預期不完全一致”的模型行為，疊加對即將到來的更強大預訓練模型的預判，促使管理層決定主動踩剎車。“當你真正經歷這一切，你會感嘆：這就是我們討論了很久的那個時刻，現在它來了。”奧特曼如此描述這一決策過程。

值得注意的是，奧特曼在商業層面並不焦慮。他表示，即便不釋出新模型，依靠現有模型也足以支撐產品和收入，企業收入目前已超過消費者收入，增長極為迅速。這一判斷為其“將安全置於勢頭之上”的決策提供了底氣。

在算力投入問題上，奧特曼對OpenAI與行業其他參與者劃出了一條清晰的邊界。他表示，不擔心OpenAI自身的算力計劃，擔心的是全球範圍內整體的算力建設熱潮，尤其是那些“隨機冒出來的新雲廠商，號稱要建巨量算力，卻沒有收入支撐”。他將這種現象稱為“不可持續的愚蠢”跡象。Gavin Baker的判斷與此形成對照：他認為頂尖大模型公司基於對Scaling Laws的堅信，不會將注意力放在產生自由現金流上，而是會將經營性現金流悉數投入購買更多GPU。這意味著，對前沿實驗室而言，犧牲短期推理變現收入、將算力傾注於下一代模型訓練，是一種理性而非冒進的選擇。兩者的差異在於：頭部實驗室的高資本開支有技術邏輯和收入支撐，而缺乏基礎的算力堆砌則是另一回事。

在被問及IPO計劃時，奧特曼罕見地將公司治理結構與技術路線直接掛鉤。他表示，成為上市公司後，一旦需要做出諸如暫停訓練這類短期影響收入的決策，將面臨來自股價的巨大壓力。而他最初以為超級智慧的到來還有很長時間，現在卻認為可能很快就會發生。“使命比上市重要得多。”這句話清晰表達了奧特曼當前的優先順序：若RSI如預期那樣提前到來，要在上市公司的約束下保持對安全的絕對優先，將比想象中困難得多，推遲IPO是更為審慎的選擇。

這一立場，與奧特曼對“超級智慧”概念的重新定位一脈相承。他在訪談中表示，“AGI”已是一個定義模糊的營銷詞彙，OpenAI內部關注的目標已轉向可以無限擴充套件的超級智慧。當技術演進的速度和不確定性同步加劇，對IPO時間表保持彈性，或許正是這家公司應對“已經來臨的未來”的方式之一。