摘要：“我敢打赌明年我们的模型将帮助发现新知识，并解决团队自己无法解决的问题。(I would bet next year our models will help discover new knowledge and solve problems teams ca
旧金山，2025 年6 月3 日，Snowflake Summit 主舞台。
“我敢打赌明年我们的模型将帮助发现新知识，并解决团队自己无法解决的问题。(I would bet next year our models will help discover new knowledge and solve problems teams can’t crack on their own.)” ——Sam Altman,
这不是一句 Keynote 常规口号。
Altman 把 “next year” 直接标注成企业进入 AI 执行者时代（能动手做事的代理）的时间戳：从今天算起 ≈18个月，窗口短到可以设闹钟。
与此同时，OpenAI 的旗舰产品正以 4 亿周活（Reuters报道）加速迭代； Snowflake CEO Sridhar Ramaswamy 在台上补充：
数据是给模型设定注意力的燃料，谁先闭环，谁就先奔向 2026。
多家国际媒体——《Business Insider》《The Bridge Chronicle》——也同步报道：
2026年将是AI驱动发现的关键之年。
（2026 will be a pivotal year for AI-driven discovery.）
换个角度说： 既然AI一年半就能从工具变成同事，今天不开始练习配合，明年就可能跟不上同行的节奏。
本文将用 5000 字全面分析：
2025 vs 2026： Altman 为什么说只剩18个月窗口？“实习生”到“执行者”： 模型到底升级了什么？数据闭环三步走： Snowflake 如何落地 AI 执行者？读完这篇文章，你将获得一份 18 个月倒计时生存指南。既看得到 Altman 的原话，也能带走适合你业务的操作方向。
台上，Sam Altman 说得非常直白。全场安静下来。
他并不是在推销某个工具，也不是强调模型的性能，而是直接对企业领导者发出提醒：现在仍然有很多犹豫。大家总想着再等等下一个模型，看看新版本有多强，或者在犹豫到底该用A公司还是B公司的技术。
但 Altman 的判断很清楚：
技术发展越快，那些敢动手、动得快、犯错成本低、学得也快的公司，
最终才会赢。
换句话说，不是等AI更成熟才用，而是你越早用，越容易学会怎么用。
主持人 Sarah Guo 接着说道——很多人还停留在过去的经验里，以为一切需要稳定后再决定怎么做。但现在的现实是，实验成本已经低到你可以随时尝试，随时修正。
这是一场非常罕见的对话——
一位是主导 OpenAI 路线的产品创造者 Sam Altman，一位是押注 AI 崛起的前沿投资人 Sarah Guo。Sarah 曾是 Greylock Partners 最年轻的合伙人，如今创办了风险投资公司 Conviction， 长期关注 AI、商业软件、网络安全和未来工作，被《福布斯》评为 Midas Seed 顶级投资人， 是硅谷最早感知 AGI 机会的人之一。
一位做产品，一位投趋势。
两人在舞台上没有谈参数、没有秀模型，而是在反复强调一件事——
快点开始，不要等。
为什么？
因为现在，AI 的门槛不再是模型强不强，而是：
你有没有一个愿意试错的团队你敢不敢把真实问题交给它去试一试你是不是总在等完美，而别人已经在用“够用的”模型，解决实际工作了Altman 说得很现实：我们看到，那些早期就投入、边做边学的企业，表现远远比那些等着看的人好。
这一节话，其实在讲一个被很多人忽视的现实：AI 从来不是等来的红利，而是用出来的优势。
你以为自己在观望，其实你已经在落后。
Altman 在对话中提到了一个场景：你听到人们说，他们现在的工作，是给一堆智能代理分配任务、检查结果、整理反馈，听起来就像是在带一个还不太成熟的实习生团队。
这不是比喻，这是现实。
过去我们习惯让 AI 帮我们查资料、润色句子、写段代码，顶多是个帮手。 Altman 话锋一转：“我敢打赌，明年我们就会看到 AI 在部分场景中，开始帮人类解决原本解不出的难题。”
这句话是整场峰会的高能时刻。
他打了个比方：也许现在的 AI 像是个能干几小时活的实习生，但很快，它会变成能干几天活的高级员工。
你让它研究一份业务文档、查一堆资料、尝试各种写法——它不仅能做，还会给出多个选项，请你挑。
它不再等你一步步教，而是开始主动帮你试。
而这，正是 Altman 所说的“下一个阶段”。
他强调，这种 AI 不只是在实验室里跑，而是真正接入了企业的日常工作：我们的一些大客户，已经在用 AI 来重做他们的关键项目，以前他们的团队花几周才能搞清楚的问题，AI 几小时就能给出方向。
AI 不再是工具箱，而是参与者。
过去你让它干事，现在它开始替你解决问题。
✅ 第三节｜为什么 Altman 说，2026 会是一次真正的拐点？“试试看”到“真上手”，大公司已经动起来了
这场访谈里，Altman并没有抛出什么新模型的名字，也没有发布产品路线图，但他反复提到一个时间点：明年，也就是2026年。
“我去年不会说这样的话，但今年我会说——AI 现在真的可以投入正式使用了。”
现场主持人问他，“你去年的建议和今年有什么不一样？”
Altman答得非常实在：去年我会说，对初创公司来说可以用一用，但大公司还是试试看就好，很多地方还不够稳定。可今年我们看到不一样了，大公司已经开始在真正的业务中使用 AI，而且效果非常好。
他说，这种转变不只是观念的变化，而是AI本身已经变得更稳、更能干，能做的事情也更具体、更实在。
“他们（企业）问我们，发生了什么？是不是我们现在才搞明白它怎么用？ 我说这只是部分原因。真正的变化是：AI现在真的能做很多你以为它做不到的事。”
这是Altman划出的关键节点——过去 AI 是能试一试，现在它能真做事。
明年开始，AI 不只是干活，而是接大项目
他说，接下来很快会出现一个新现象：
这不再是“让AI做点琐事”，而是——把公司的重要问题交给它，看看它能不能搞定。
这段话背后，其实是对企业提出了一个新选项：
你继续靠人力开会、研究、试错，慢慢摸索？还是你现在就准备好，开始让AI介入关键任务，提前学会怎么用它来完成大事？Altman没有直接说出“倒计时”这三个字，但整段话已经把时钟摆上了台面。
而且这种趋势，不只存在于 Altman 的预测里，也已经出现在现实之中。
不只是预测，现实已经开始淘汰慢反应的团队
在最近的采访中，Shopify 明确表示：任何新招聘，必须先解释“这项工作为什么不能交给AI”。
语言学习平台 Duolingo 则直接用 AI 替代了部分合同工。
根据 Revelio Labs 的数据，自从 ChatGPT 发布以来，招聘广告中“可被AI完成”的任务比例下降了19%。在数据库管理、IT支持等职位，这个下降幅度更是高达31%。
也就是说，不是AI在等你准备好，而是它已经在工作了。
Altman最后强调：那些已经开始使用AI的公司，会在未来占据很大的优势，他们已经知道该怎么问问题，怎么用AI来解决事，而还在观望的人，到时候就只能跟在后面学。
这就是他所谓的“真正的拐点”：
从试用到真用，从边角任务到核心业务，从工具人到解题者——这一步，你早晚要迈出去。
“像实习生一样干活”的 AI，已经出现了
在这场峰会对话中，Altman 提到了一个特别的产品：Codex。
不是未来概念，不是科研项目，而是——OpenAI 已经在内部正式使用的 AI 编程代理。
他说得很具体：你可以给它一堆任务，它会在后台持续工作，自己连着跑好几步，然后你只需要看结果，说‘这个OK，那个再试一次’。
听起来，像不像你平时带过的实习生？
Altman继续说：
它可以接 GitHub，看你的代码库；你愿意的话，它也能看你的会议纪要、Slack对话、项目文档，然后自动去干活。
他用了这样一个比喻：现在它可能像是一个能干几个小时的新人，但很快，它会变成能干几天、并且越干越熟练的老员工。
这不是在“自动化”，而是在“做事”——而且是像人一样做事：
它接收任务，不是立刻执行，而是理解目标，自己拆步骤；它不只回答问题，而是会自己去查资料、调工具、再回来汇报；你不再写提示语给它，而是像对人一样说：“你看下这块能不能重构一下？”谁在用？不是研究员，是产品工程团队
Altman 强调，Codex 不是实验室里的样品，而是 OpenAI 自己的工程师已经在使用的搭档。
他们用它来：写代码、修 bug、做测试、接入其他服务（比如预订餐厅、发 Slack 消息、生成报表）
这些不是演示案例，而是真实工作场景中的日常任务。
Altman并没有画未来蓝图，而是在说一个很现实的变化：我们团队现在有时候的角色，已经变成是‘分配任务给一堆 AI’，然后负责检查它们做得好不好，决定要不要合并。
Sarah Guo 当时在台上点头回应，她说：
这听起来，真的就像在带一群不太成熟的初级员工。
而 Altman 接着说：
虽然现在还不是特别稳定，但它确实已经开始发挥作用，
你甚至可以用它去构建一整套初步的项目雏形。
下一阶段：从“干得快”走向“会发现”
更重要的是，Altman给出了下一阶段的推演：明年我们会看到， 至少在一些小任务里，AI 代理能帮我们发现新知识。
注意这次他说的是AI 代理，不是普通模型。也就是说，很快，这不再是回答问题，而是替你完成从任务拆解、资料查找，到试错执行的一整轮动作。
它会去组合各种资料、比对各种方案，甚至像研究员一样，提出解决方案。
而你的工作，变成了——
给它一个问题看它怎么做再决定采不采纳这已经不是“工具”了，这更像是一种全新的协作方式。他非常清晰地传递出一个信号：代理正在进入办公桌，不是等着你控制它。
如果 2020 年的人看到今天的 AI，会怎么说？
Altman 在现场讲了这样一段话：
“如果你回到 2020 年，把今天的 ChatGPT 展示给那时候的人， 我相信，绝大多数人会说：这已经是 AGI 了。”
这是一个非常有力的对比。
因为 2020 年，连 GPT-3 都还没正式推出，大部分人对 AI 的印象还停留在“语音助手”、“推荐算法”。
但短短五年后，AI 不但能写代码、写论文、查资料、翻译、讲笑话，还能根据你公司的资料文档，搭一个简单应用、总结业务逻辑。
Altman的意思是——我们对“智能”的期待，其实是会不断变化的。
过去我们说，AI 如果能写文章，那就算厉害；现在它真能写了，我们又开始觉得，“那也就这样嘛”。所以他说：AGI 到底是不是来了，这个问题很多时候不重要， 人们的定义会不断变化，同一个人今天和明天的理解都不一样。
换句话说，AGI 不是一个开关，不是有一天发布会上官宣：“AGI来了。”
它更像是一场持续发生的变化——你在用，但你没察觉。
真正的变化不是它变聪明，而是我们开始依赖它
Altman 认为，判断 AI 是否达到“通用能力”，最靠谱的方式， 是看它有没有：
“成为一个我们每天都在用的聪明搭档。”
比如说——
它帮你总结资料，你习惯了；它给你起草邮件，你放心交给它；它代替你整理会议纪要，你不再手动重写；它给你产品建议，你开始用它的思路开会讨论；你有没有发现：这些都已经在悄悄发生？Altman说，他对 AGI 的个人标准是：
它能帮我们找到新的科研突破，能让人类整体的科学进展速度翻几倍，
这就是AI科学家的能力。
这不一定非得是“会自我进化”或者“能写出新代码”， 它可能只是——
通过每天帮你加快解决问题的速度，改变了全世界的工作方式。
真正的问题不是“AGI 来没来”，而是你有没有准备好用它
在 Altman 看来，我们一直对 AGI 有种“好莱坞幻想”式的期待：
它会有一次爆发会有一个里程碑式的事件会像宇宙飞船一样降临但他反问道：“ChatGPT 带记忆功能后，有多少人已经开始拿它当同事用？ Claude 4 能读 200 页文档，很多人已经在让它帮做项目设计了。那我们到底还要等什么？”
AGI，不是你看到的那个“机器觉醒的时刻”， 它是你没注意到的那个“你已经开始依赖它的过程”。
这节内容，其实 Altman在说一件事：别再等“AGI 被宣布”那天， 那天不会来。
因为它其实已经在你工作里、生活里、习惯里出现了。
你敢不敢把最难的问题交给 AI？
对话进行到后半段，主持人问了 Altman 一个开放性问题：
如果你有 1000 倍的计算资源，你会让 AI 做什么？
Altman没有直接回答，而是先抛出了一个“元思路(super meta answer)”：我会让 AI 先帮我研究，怎么造出一个更好的 AI，然后再问那个更强的模型：我们应该怎么用这些算力？”
听起来有点像绕圈，但其实非常清晰—— 他在说：与其自己想，不如直接把问题丢给 AI 去想。
这背后传递的，其实是一个全新的协作方式：
过去是我们问问题、AI 回答；现在变成我们给方向，AI 帮我们想路径。
有人已经在这么做了，而且开始看到效果
Altman说，在 ChatGPT 的企业客户中，已经有很多人开始试着 “多花一点计算资源，换一个更好的答案”。
什么意思？
就是：
以前我们是问一次就走；现在有些公司开始让 AI 多试几遍、多换几种方法；然后比较这些结果，选出最好的那一个。他说：“在难题上多投入一些计算资源，效果会好很多。企业开始明白：为重要问题多花点AI成本，是划算的。”
这就是AI真正开始解决实际问题的时刻。
下一代 AI，不是数据库，而是推理引擎
Altman特别强调了一点：“AI 模型不是来当数据库的，那样太慢、太贵、还不靠谱。它最适合的，是帮你思考，是一个‘推理引擎’。”
什么意思？
它不一定知道答案，但它可以帮你分析；它不会储存所有资料，但它能帮你拼起来；它不会像人一样想象，但它能尝试各种路径，然后告诉你哪种更可能有效。比如：
你给它一个市场问题，它会找数据、总结模式、试几个营销策略给你看；你让它优化供应链，它会分析路线、做模拟、列出几种调整方法；你问它产品该怎么迭代，它会从用户反馈中提炼问题，生成改进方案。Altman回答说：你把所有相关信息和工具都给它，它就能深度思考后给你一个靠谱的答案。
这不是在辅助思考，而是主动给出新思路、新想法。
Altman 最后说了一句很重要的话：当你给 AI 足够难的问题，配上足够多的资源，它真的能做成一些人类团队暂时做不到的事。
那问题来了：有没有哪些任务，是你团队暂时搞不定，但 AI 可以先试一试的？
Altman 没给出标准答案，但他明确指出一个方向：
AI 不是来替代你，而是帮你解决“你本来搞不定”的事。
而这个未来，不是 5 年后，也不是 10 年后，而是从现在起倒计时 18 个月。
Altman 没有喊口号，也没有画远景。他只是把一个时间点提了三次：
明年，我们会看到真正的转变。
不是模型变强了，而是越来越多组织和个人把一个真正重要的问题交给它，让它去试着解决。
AI 不再是实验，也不再是工具。它开始变成那个先跑一步、主动找答案的伙伴。
2026 年，AI 会不会改变世界，还不确定。
但你现在开始用还是继续等，决定了明年你是领先还是掉队。
现在就是倒计时的起点。
你手上的问题，有没有哪个，值得交给 AI 先试一遍？
来源：趣闻捕手一点号
