视频生成模型 Sora 横空出世半个月后，仍在强势刷屏。
这款 AI 可以生成长达 60 秒的高质量视频。最令人恐惧的是，其学习的对象不局限于画面、像素，Sora 还“学会”了一些视频中呈现的物理规律（比如人在雨后走过，水面有倒影）。因此，研发它的 OpenAI 称其为“世界模拟器”。
但很多人的疑问是：几乎所有的科技巨头都在 All in 大模型，为什么这次出圈的模型，又是来自 OpenAI？
真正的伟大，无法被计划
2015 年 OpenAI 成立之初，对如何实现目标毫无头绪。
这种状态持续了很久。OpenAI 成立一年多时，所有的事情都还进展缓慢。大家只是胡乱尝试一通，钻研了解决视频游戏的系统，在机器人技术上花费了大量精力，然后发几篇论文。
奥尔特曼想起当时公司的景象时说：“我们知道我们想做什么，我们知道为什么要这么做，但我们不知道怎么做。”
不过，这个团队一直被一种乐观力量所驱使，大家对于 AGI 的疯狂愿景，让事情在最终迎来了转机。所谓 AGI，即通用人工智能，也就是像人类一样完成复杂任务的 AI。
这个愿景人类期待了很久，奥尔特曼和他的团队也是。
奥尔特曼 8 岁时，父母送给他一台电脑。一次玩至深夜，他的脑海中突然闪现出一个想法：“有一天，这台计算机将会学会思考。” 等奥尔特曼 2003 年进入斯坦福大学就读时，他仍想完成年少时的梦想，为此修了部分人工智能的课程，但他觉得这些“根本没什么用”。
退学后，奥尔特曼进入科技孵化器 Y Combinator 工作，并在 28 岁接任 CEO。那时，计算机已经能通过深度学习和神经网络完成一些任务，比如给照片贴标签、翻译文本等。这些进步第一次让他相信，AGI 是触手可及的。
然而，把 AGI 交到大公司手中让他感到担忧。奥尔特曼认为大公司会过于专注于自己的产品，而无法抓住机会尽快开发出通用人工智能，即使他们真的开发出来，也可能很鲁莽地将其公之于众。
当时，奥尔特曼一直在考虑竞选加州州长，但很快他意识到，自己可以做一件更大的事：“领导一家可能改变人类的公司”。奥尔特曼开始寻找一些同行者，帮他共同创办一家新型人工智能公司。
彼时，埃隆·马斯克（Elon Musk）正因与谷歌联合创始人拉里·佩奇的一场 AI 讨论，而倍感不快。马斯克事后在 CNBC 的一次节目中谈到此事，佩奇认为机器人和人类应当拥有平等的权利，并指责自己是物种歧视者（speciesist）。这种对于 AI 安全的“漠然”态度，让马斯克感到担忧。
一个人是传奇 AI 研究员 Alec Radford。他 2016 年加入 OpenAI 时，最大的兴趣是让神经网络与人类进行清晰的对话。
他先是通过 20 亿条 Reddit 评论来训练语言模型。和 OpenAI 的许多早期实验一样，这个实验失败了，但这个 23 岁的年轻人获得了继续前进、再次失败的许可。Alec Radford 继续使用 1 亿条亚马逊评论训练模型，去预测、生成评论中的下一个字符。这一模型能够判断评论是正面还是负面的，如果让模型创建一条正面或负面的评论，它也能做到。“这完全是意外之喜”，辨别评论的情感是一个复杂函数，但不知为何，Alec Radford 的模型找到了一点感觉。
而 OpenAI 等来的技术则诞生自它的竞争对手谷歌。2017 年初，一篇由 8 位谷歌研究人员合著的研究论文预印本出现了，但并未引起人们的注意。这篇论文的正式标题是“Attention Is All You Need”，它后来被称为“Transformer 论文”。Transformer 使神经网络能够更高效地理解和生成语言，通过并行分析语料，找出哪些元素值得关注。这极大地优化了生成连贯文本以响应提示的过程。后来人们意识到，同样的技术也可以生成图像甚至视频。
虽然该论文后来被称为当前 AI 狂潮的催化剂，但在当时，Ilya Sutskever 只是少数几个了解这一突破有多么强大的人之一。Brockman 回忆道，Ilya 看到 Transformer 出现时，惊喜地喊到：“这就是我们一直在等待的”。
之后，Alec Radford 开始试验 Transformer 架构。他表示，当时在两周内取得的进展超过了过去两年的进展。
Radford 和他的合作者给他们创建的模型起的名字是“generatively pretrained transformer”——这就是今天我们耳熟能详的 GPT 一词缩写的全称。最终，这个模型被通称为“生成式 AI”。该模型包含 1.17 亿个参数或变量，在理解语言和生成答案方面的表现优于之前的所有模型。
仅从事后的叙述来看，OpenAI 的成功仿佛是一步一脚印的，它把握住了所有关键时点，无一遗漏。但是奥尔特曼仍然强调：“我们没有总体规划”，OpenAI 所做的一切就像“穿过迷宫到达终点”，而终点即是安全的 AGI。
即便是对于 GPT 的诞生，奥尔特曼也感到吊诡。他十岁时，对于 AI 的想象遵循这样的路径：有机器人后，先体力再脑力；在初级脑力工作后，再会做复杂脑力工作，比如证明一个数学定理，最后才是拥有创造、写作等深层次能力的 AI。但“事实正朝着完全相反的方向发展”。
作者乔尔·雷曼在一次专访中表示 OpenAI 做了很多了不起的事，但 ChatGPT 绝对不是 OpenAI 成立之初的目标。OpenAI 的许多早期探索还与电子游戏、多代理模拟（multi-agent simulations）和机器人有关，许多通往 ChatGPT 的踏脚石都没有把 ChatGPT 当成最终目标。
某种意义上，ChatGPT 的紧急推出，也是一种营销策略。
营销踩点，OpenAI 抢走谷歌风头
OpenAI 成立之初，颇有一层与谷歌对抗的意味。奥尔特曼和马斯克都认为：与其让大公司控制少量的 AI 系统，不如让大量独立的 AI 系统同时存在予以制衡，人们可以根据开放的源代码建立各自 AI 系统。
彼时的谷歌确实是 AI 领域的老大哥，ChatGPT 最初依赖的 Transformer 架构即来源于谷歌。但现在的 OpenAI 至少在 AI 领域，已有足够的底气和谷歌掰手腕。
最近一次商战在 2 月 16 日。
当时，谷歌推出了据称性能上超越 GPT-4 Turbo 的 Gemini 1.5 PRO ，而仅仅在两小时后，OpenAI 就推出了 Sora。Sora 推出后，奥尔特曼在社交媒体 X 上在线接单，按照用户给出的提示词一连发布了 8 条视频。此外，OpenAI 官方号还进驻 TikTok 发布 Sora 视频，仅一周时间就收获了超 14 万粉丝。这些方式进一步“炒火”了 Sora。
谷歌在 2023 年 3 月 22 日推出聊天机器人 Bard，当被问及与 ChatGPT 的区别时，Bard 就回复：“我不仅基于文本和代码，并且有互联网上的真实世界的信息作为支撑，因此我能够做到 ChatGPT 做不到的事”。仅仅两天后，OpenAI 就宣布向部分用户开放插件和联网功能。
到了 2023 年 5 月，谷歌和 OpenAI 的擂台仍不休止。前脚是谷歌在开发者大会上宣布一系列 AI 成果——推出据称部分能力超越 GPT4 的 PaLM 2 模型、演示 Bard 联网，后脚 OpenAI 就宣布向会员开放插件和联网功能。
当然 OpenAI 的营销瞄准对象并不仅谷歌一家。
OpenAI 在 2022 年 4 月份小范围内推出了文生图模型 DALL·E2，不过很快风头就被开源的 Stable Diffusion 和另一竞争对手 Midjourney 盖过。数以百万计的用户都在使用文生图产品，一时间呈现出病毒式传播的现象。
那什么样的营销事件能让话题关注度迅速回来？
OpenAI 的答案是聊天机器人。
彼时，OpenAI 在 GPT 4 上已经花了一整年，模型也基本准备就绪。但是来自市场层面的压力迫使 OpenAI 调转车头，迅速发布一个聊天机器人。从计划推出 GPT 4 转到做一款聊天机器人，仅仅十三天后，ChatGPT 就诞生了。
这种策略后来被称为“迭代部署”，构建所谓的“最小可行产品”：先拼凑出一个很酷的演示，吸引一小群喜欢它的用户，并根据用户反馈进行改进，再把产品推向全世界。最终，如果足够幸运并且做得正确的话，这将吸引大量用户，点燃媒体炒作周期的导火索，巨额资金将随之而来。
暴力美学，Scaling Law 信仰
这次出圈爆火的 Sora 可以生成长达 60 秒的高质量视频。令人恐惧的是，其学习的对象不再限于画面和像素，它还“学会”了视频中展示的物理规律。
Sora 使用一种新的 Diffusion Transformer 模型，它融合了扩散模型与自回归模型的双重特性。不过，在 Sora 的技术文档里，OpenAI 并没有展开模型的技术细节，只有透露了诸如“patch（视觉补丁）技术”、“重新字幕技术”等拼图碎片。
这一理念以 Scaling Law（规模法则）的名称为业内熟知。根据 Scaling Law，模型性能会在大算力、大参数、大数据的基础上像摩尔定律一样持续提升，这不仅适用于语言模型，也适用于多模态模型。
OpenAI 是 Scaling Law 的忠实信徒，其将 Scale 列为企业核心价值观之一：“我们相信规模——在我们的模型、系统、自身、过程以及抱负中——具有魔力。如有疑问，扩大规模。”
来自 OpenAI 的科学家乔尔·雷曼在一次专访中对此强调：有一条主线贯穿 OpenAI 研究的始终，即规模——大型神经网络、大数据、大量算力的重要性，很多人迟迟没有意识到这一点。这一表述揭示了 OpenAI 持续领跑的另一原因。
那么，模型一定是越大越好吗？如果数据量足够大、算力足够充沛，是否永远触不到上限？目前的观点仍是莫衷一是的。
支持者认为，超大规模及足够多样性的数据、超大规模的模型、充分的训练过程，是让 AI 智能“涌现”的必由之路。路途之中，可能会出现出人意料的惊喜，也可能是惊吓。
反对者认为，大模型虽好，但其性能有一个上限，虽然这个上限尚不明确。
最易被人理解的原因是“数据是有限的”，一篇 2022 年 MIT 的论文给出了这样的估算结论：高质量的语言数据将会在 2026 年左右用光，低质量语言数据会在 2030 到 2050 年用光，低质量图像数据会在 2030 到 2060 年用光。
还有一种观点认为大模型存在方向上的路线错误。这一派观点主要认为：大模型本质上只具有通过观察进行因果归纳的能力，不具备因果演绎的能力。但是，AGI 应该是一个“能够理解世界的模型”，而不仅仅是描述世界。
拼算力，抱紧微软
但问题在于，大模型训练的“暴力美学”法则的可行性已人尽皆知，那为什么这次文生视频最出圈的模型，又是出自 OpenAI ？
一个现实因素是，Scaling Law 需要高昂的算力支出来支撑，而这正是 OpenAI 比较擅长的。视频模型的竞争最终也从拼团队的调参能力，衍变到最后是拼算力。这便是 OpenAI 走在前列的第三个原因：能拼算力，不缺钱。
OpenAI 前期的资金支持基本都来源于马斯克。但在 2018 年，特斯拉开始研究将 AI 技术用于自动驾驶，而刚好 OpenAI 已经有了显著的技术突破。
马斯克在当时提议，不如把整个公司都交给他来打理——直接把 OpenAI 并入特斯拉。但这个提议遭到奥尔特曼和其他高管的拒绝，于是双方分道扬镳，马斯克撤走了他全部的投资，在一次全体会议上宣布自己会离开。会上，他预言 OpenAI 将以失败告终，他还称至少有一名研究人员是“蠢货”。
对 OpenAI 来说，AI 研发是一个夸张的无底洞。创造大型语言模型的 Big Transformer 方法需要大型硬件，GPT 系列的每一次迭代都需要呈指数级增长的算力，只有少数几家公司有负担的能力。
OpenAI 很快锁定了微软。
微软也为自己争取到了一大笔好处。根据财经媒体 Semafor 报道，直到微软收回投资之前，都将获得 OpenAI 75%的利润。在达到这一门槛后，微软将拥有 49% 的股份，OpenAI 的非营利性母公司则持有 2% 的股份。此外，微软还获得了 OpenAI 技术独家商业化授权，并且成功让旗下云计算平台 Azure 成为 OpenAI 的独家云服务商。
当然，根据交易条款，OpenAI 最初的一些理想——为所有人提供平等访问权——被丢进了垃圾桶。
在交易的过程里，OpenAI 逐渐有了营利性机构的性质，这让一些员工感到反感，几位高管随之离职，他们认为，OpenAI 已经变得过于商业化，偏离了最初的使命。
“强者，便使它更强”
“凡有的，还要加给他，叫他有余。凡没有的，连他所有的，也要夺去。”马太效应再次在 OpenAI 身上得到应验。
2023 年后，OpenAI 的强势领先从模型本身开始落到了账面上。根据金融媒体 FT 在 2024 年 2 月的最新报道，OpenAI 最新年化收入突破 20 亿美元，这一水平与另一家科技巨头 Meta 相当。而在 2022 年，OpenAI 的年化收入为 0.28 亿美元。不断刷新的年化收入，没人能看到 OpenAI 的营收天花板。
此外，OpenAI 还拿到了当前生成式 AI 领域的最多融资。
而 OpenAI 的每次大动作也使得一部分投身生成式 AI 领域的创业小公司感到无穷危机。此次 Sora 的推出，就被认为“吊打”此前爆火的 Pika 和 Runway。
科技孵化器 Y Combinator 一场讨论，直接发出了灵魂提问：“OpenAI 会杀死所有创业公司吗（Will OpenAI Kill All Startups）？”
时间回到 2022 年底，答案似乎是显而易见的。金沙江创业投资基金主管合伙人朱啸虎对此表示，“ChatGPT 太强大了，对创业公司很不友好。”
当时，直接受到冲击的企业大多生产基于 GPT 二次开发的“套壳产品”，明星独角兽公司 Jasper 就是其中之一。其业务是在 GPT-3 的基础上进行高精度的前端提示和交互界面设计，再利用营销经验对模型微调，生成文章。但 ChatGPT 推出后，这一模式完全翻船了。 用户可以使用自然语言与 ChatGPT 对话。“中间商”不需要了。
不仅如此，OpenAI 的发展似乎开始偏离了他们的初心。
马斯克就曾直接开炮，他为 OpenAI 取了这个名字，意图抗衡谷歌，“然而现在它却变成一个不开源、追求最大化利润的公司，并且还由微软控制。”
而 OpenAI 成立营利性子公司，不再开源 GPT 模型的做法，也使得更多人赞同了马斯克的评价。难怪有人认为，OpenAI 已经不再 “Open”。
此前的 OpenAI“宫斗”之争，实质上也是关于 AI 发展的“理念之争”——到底是加速 AI 的商业化进程，还是确保 AI 的安全性再推向全世界。
因此，OpenAI 对人类走向通用人工智能时代到底意味着什么，仍是未知。