Snowflake Summit 2025 首日，OpenAI 執行長 Sam Altman 受邀與 Snowflake CEO Sridhar Ramaswamy 展開對話，深入探討了 AGI 時間線、下一代 AI 能力及 AI 如何重塑企業營運。

Snowflake 作為全球領先的雲數據平台公司，服務著成千上萬家企業，從新創公司到財務 500 強，都依賴其平台處理關鍵業務數據。Snowflake Summit 是其一年一度旗艦大會。在 AI 與數據深度融合的時代背景下，這場被業界戲稱為 "數據界搖滾音樂會" 的盛會，已成為觀察 AI 如何重塑企業數據處理和決策流程的重要窗口。這不僅是場技術分享，更像是對 AI 在企業級應用中真正落地的深度預言。

企業 AI 戰略：從實驗到生產的轉折點

Altman 給所有企業領導者最直接的建議是 "Just do it"。在談到 2025 年企業 AI 策略時，Altman 強調了一關鍵觀點：快速迭代比完美計劃更重要。他指出，在技術快速變化的時代，能夠最快迭代、降低犯錯成本、提高學習效率的公司往往是最終贏家。

值得注意的是，Altman 透露了一重要轉折點：相比去年，他對大企業的建議發生了根本性變化。若說 2024 年他還會建議大企業 "可以實驗，但這可能還沒完全準備好投入生產使用"，那麼現在他的態度是：這項技術已經為主流應用做好了準備。

Snowflake 的 Sridhar Ramaswamy 也從實踐角度印證了這點。他回憶起 2020 年使用 GPT-3 進行抽象摘要實驗的經歷——讓模型將 1500 字的博客壓縮成三句話描述，這在當時是一個 "啊哈時刻"，讓他意識到了 AI 的巨大潛力。

關鍵洞察：

快速迭代是核心競爭力：在技術快速變化的時代，迭代速度決定了企業能否抓住 AI 機遇

好奇心被嚴重低估：企業需要主動實驗，發現傳統方法不再適用的領域

實驗成本大幅降低：OpenAI 和 Snowflake 等公司已經讓小規模實驗變得非常容易

技術成熟度的飛躍：ChatGPT 現在能夠智能調用網絡搜索來獲取最新信息，可靠性大幅提升

記憶與檢索：下一代 AI 的核心能力

在討論 AI 系統的記憶和檢索能力時，Ramaswamy 提出："搜索就像是為模型設置注意力的工具"。

想象你在一個巨大的圖書館裡尋找資訊。若無目錄和索引系統，你就必須漫無目的地翻閱每一本書，效率極低。但有了圖書館的分類系統和檢索工具，就能快速定位到最相關的書籍和章節。

對 AI 模型來說，搜索系統就扮演著類似角色：

無搜索的 AI：像個博學但沒有重點的學者，什麼都知道一點，但缺乏針對性

有搜索的 AI：像個配備了精准資料檢索系統的專家，能夠快速找到最相關的信息來回答特定問題

舉例：當你問 ChatGPT"今天的股市表現如何" 時，模型會意識到這需要實時信息，自動觸發網絡搜索來獲取最新數據，而不是依賴訓練時的過時信息。這就是 "為模型設置注意力"——讓它知道應該關注什麼、從哪裡獲取信息。

從技術演進角度看，檢索增強生成（RAG）技術已經從早期的實驗性功能發展為現在 AI 系統的核心組件。

代理：從實習生到資深工程師的進化

Altman 分享了一個讓他 "感受到 AGI" 的時刻：OpenAI 剛剛發佈的編程代理 Codex。他描述道：

"你可以給它一堆任務，它在後台工作，非常聰明，能夠處理這些長期任務，然後你只需要坐在那裡對某些結果說" 是 "，對另一些說" 不 "，再試一次。"

代理（Agents）能力演進軌跡：

現在：像實習生一樣工作幾個小時

不久的將來：像經驗豐富的軟件工程師一樣連續工作數天

終極目標：擴展到各種工作類別

Altman 預測，明年我們將開始看到能夠幫助發現新知識或解決重要商業問題的代理系統。目前代理主要用於自動化重復性認知工作，但隨著能力擴展到更長時間範圍和更高層次，我們最終可能會看到 AI 科學家（AI Scientists）——能夠自主發現新科學的 AI 智能體（AI Agents）。

AGI 定義的哲學思辨：重要的是進步速度而非標籤

"如果你能回到 2020 年，向人們展示今天的 ChatGPT，我認為大多數人會說這就是 AGI。"

Altman 的這句話引發了深刻思考。他認為，AGI 的具體定義並不重要，重要的是我們過去 5 年看到的年度進步速度應該在未來至少 5 年內繼續保持。無論你在 2024 年、2026 年還是 2028 年宣佈 AGI 勝利，無論你在 2028 年、2030 年還是 2032 年宣佈超級智能勝利，都遠不如這條 "長期、美麗、令人震驚的平滑指數曲線" 重要。

Altman 對 AGI 的實用定義：

能夠自主發現新科學的系統

或者成為如此出色的工具，使得全世界的科學發現速度提升四倍

Ramaswamy 用了一個絕妙的類比："潛水艇會游泳嗎？" 從某種程度上說這很荒謬，但當然它會游泳。他認為這些模型具備的能力，任何從 2030 年回望的人都會宣稱 "那就是 AGI"，但正如 Altman 所說，2020 年的人看 2025 年的技術也會有同樣的感受。

更重要的是，我們應該從歷史中學到樂觀的一課：就像計算機在國際象棋中擊敗了世界冠軍，但人們依然熱愛下棋，chess.com 的用戶甚至比以往任何時候都多。AI 的超越並不意味著人類能力的貶值，而是為人類開闢了新的可能性空間。

下一代模型：令人屏息的能力飛躍

“未來一到兩年的模型將令人屏息。" Altman 的這句話透露了 OpenAI 內部的信心。

他描述了未來模型的能力：

解決企業最困難的問題：如果你是晶片設計公司，可以說 "給我設計一個比以前可能擁有的更好的晶片"

生物技術突破：如果你是試圖治癒某種疾病的生物技術公司，可以說 "就為我研究這個"

全面的上下文理解：模型能夠理解你想提供的所有上下文，連接到每個工具、每個系統

深度推理能力：真正出色的推理，並返回答案

自主工作能力：讓你可以信任它們獨立完成一些工作

千倍算力的終極想象

當被問及如果擁有千倍算力會做什麼時，Altman 的回答既 meta（用工具來改進工具的哲學思路）又務實：

Meta 答案：讓 AI 專注於 AI 研究，構建更好的模型，然後詢問那個更好的模型我們應該如何使用所有計算資源。

實用答案：現在我們已經看到測試時計算的真實回報——讓模型推理更多，在困難問題上嘗試更多次，你能得到更好的答案。願意為最困難的問題或最有價值的事情投入更多計算資源的企業將獲得驚人的結果。

Ramaswamy 則提出了更具人文關懷的願景：RNA 組計劃——就像 20 多年前的 DNA 測序項目，但專注於弄清楚 RNA 表達，這控制著我們體內蛋白質的工作方式。在這方面的突破可能解決大量疾病，極大推動人類進步。