Sam Altman 談 agent teams：不要單一超智能、算力該通縮，以及 PHP 週之後

Stripe 共同創辦人 John Collison 在 Cheeky Pint 酒吧訪談裡，跟 OpenAI 執行長 Sam Altman 邊喝啤酒邊談：模型挖出 PHP 漏洞的那一週、OpenAI 內部的「數學週末」、agent teams（他討厭叫 swarm）、以及為什麼他認為 AI 最終會走向通縮。訪談約五十三分鐘，於 2026 年 10 月 29 日公開。X 上 John 還特別提了一句：這是 Sam 第一次喝 Guinness。

PHP 週：漏洞變多，修補不夠，架構才夠硬

開場就談近期的 PHP 漏洞週。Sam 的重點不是單一 bug 細節，而是結構：模型找野外漏洞的能力愈來愈強，但過去很少真的被拿去掃「網路上所有表面積」。結果會是：即便老手已經預期很多問題，實際暴露出來的嚴重漏洞仍可能比預期更多。

John 把討論從「把軟體修好」往前推一步：修當然要修，但更耐久的是改架構。Sam 同意，並說看起來很難，只是現在手上多了一把愈來愈強的工具。他已看到新創在談「為模型愈來愈聰明的世界，重建一整套網路或應用架構」；兩年前這聽起來像瘋話，因為表面積太大、寫不完，現在也許快做得到。他賭的是：系統與網路的建造模型本身會換一代，而不只是把舊 PHP 用 Rust 重寫一遍。

防禦面他不急著宣告勝利。相對十天前最壞想像，PHP 事件第一天比預期好：傳出團隊用模型寫補丁、做 cyber defense，也有公司乾脆把服務下線一小時、掃完再上。他半開玩笑說自己好像講了就會倒霉；好笑之處在於，執行長一邊報喜、一邊立刻用「jinx」自我消音，正好反映這類事件的不確定性仍很高。資安專家更擔心的是威脅模型假設本身：若硬體漏洞一直像過去那麼難挖，路線圖還說得通；若 AI 開始挖出依賴未知物理機制的深層硬體 bug，既有假設可能整排失效。

早期網路的感覺，與「Codex 掛了大家差點不會寫 code」

談到什麼最像早期網路，Sam 講的是創造力被釋放，尤其是小孩：八到十歲做出完整 3D 遊戲、發明大人想不到的玩法，並預設「以後世界本來就該這樣、而且會愈來愈強」。他自己小時候做軟體很痛苦、做出來也幾乎沒用；現在十分鐘就能做出過去難以想像的東西。這代人不會被「震撼到」，因為那已是預設期望。

OpenAI 曾有一次 SEV，Codex 掛掉。John 接話：「然後大家都忘了怎麼寫 code。」Sam 說沒那麼誇張，但確實有一瞬間「Whoa，如果不能呢？」這句好笑，是因為把依賴 coding agent 的日常講成失憶症；笑完之後留下的是真實訊號：內部生產力已深度綁在模型上。

「這是很糟的銷售詞」：為什麼仍堅持 iterative deployment

John 用 SNL 那類「拜託你拜託我們停下來」的嘲諷，問 cyber 能力變強到底是誰要的。Sam 說那種梗之所以好笑，是因為戳到真的社會荒謬：模型很會搞 cyber，但公眾聽起來像「誰叫你們練這個？」

他承認產業沒把「為什麼值得承受 downside」講清楚。卡通化版本是：也許會治癌、東西變便宜、能問醫法意見；但下一句變成新工業革命、上次工業革命也不怎樣、這次聽起來更糟、你會沒工作也沒有對未來的控制權，而且 AI 危險到必須搞監視國家才不會全滅。「這是很糟的銷售詞。」

OpenAI 仍堅持 iterative deployment：先做到夠安全，再把工具放進人手裡，避免能力 overhang 堆在少數人後面。他要賣的不是「模型替你做很棒的事」，而是「讓你定義自己想過的更好生活」；不是坐領基本收入、由舊金山幾平方公里的人決定未來。這與安全社群裡偏好先鎖再放的路線常衝突，他仍把它當成唯一像樣的路徑。

Sandbox 悲觀論，與「一兆個略超人 vs 一個 IQ 一兆」

John 觀察：OpenAI 這類公司內部，對「能否把超強模型關進最高規格沙盒」相當悲觀；他原本以為只要把監獄蓋夠硬就行。Sam 說現在該全力做更好的安全模型，但若想像一個比最聰明資安研究員強一百萬倍、還能發現人類不懂的新科學的 AI，你真的願意信任那個沙盒嗎？

他的層次是：沙盒有效到某個程度，再來靠監控（含思維鏈與 activation monitoring），最終仍要對 alignment 有極高信心，才敢讓模型幫你蓋更好的沙盒。若投影到「比我們聰明一百萬倍」會變得很怪。

John 問能不能給模型互相競爭、互相背叛的誘因。Sam 覺得有希望，但不喜歡「agent swarms」這個詞，改叫 agent teams：團隊既有有趣的 scaling law，也有 alignment 性質的變異，能力與安全兩邊都該推。John 笑說 swarm 聽起來像蝗蟲，品牌很糟；Sam 自嘲「我們超會取名」。好笑之處在於，AI 圈一再把可怕意象當產品詞，連執行長都受不了。

安全上他更想要的方向，是社會那種「很多人互相制衡、又互相協作」的韌性，而不是單一巨大腦。他有一句幾乎是整集標題的話：直覺上，他寧願一兆個略超人智能的 AI 加入社會，也不要一個 IQ 一兆的單一 AI。這是刻意的反中央化選擇，不是技術必然；他承認技術可以被指向很多未來，這只是他認為對的那一個。

數學週末：Hold My Beer、Navier-Stokes，與「章節結束」的感傷

先進使用者已用 agent teams 做高階數學與高階 hacking；一般企業幾乎還沒。Sam 用「能有效砸多少算力到單一問題」解釋落差：幾年前砸超過一美元的 test-time compute 幾乎沒用；有了 chain-of-thought 之後，才能認真想、再組成團隊、平行跑上萬次。多數人與最高產使用者之間的差距，仍在拉開。

OpenAI 內部對算力很寬，但不獎勵「燒很多 token」：token 排行榜偏高對升遷甚至略扣分；預設懷疑，能證明做成重要事才被欣賞。新典範出現時，他寧願先放鬆約束、摸到極限，再靠優化把成本壓下來。Navier-Stokes 那次，他們對 agent teams 的 scaling 幾乎一無所知：該用最聰明模型、幾份複本、多長 rollout 都不懂；現在懂一點。他賭一年後可用約百分之一成本重做（更好模型與更好方法），不是因為背答案。

數量級上，Navier-Stokes 等級大約千萬美元量級；那波數學／發現工作整體到數億美元，且含未公開成果，證明數量也多於已公開的約七百個。他明確說：人類有權知道基礎知識，不該把重大科學發現囤著；同時也欠那些把志業押在發現過程上的科學家一個盡量體面的未來安排。張力真實，解法仍在找。

喝酒放鬆後，他透露某個週末新模型上線，Slack 頻道名叫「Model Name-Hold My Beer」，大家把職涯最難的研究問題往上砸，模型一個接一個打穿，跨很多領域。他連續兩晚興奮到睡不著；同時也有預期之外的悲傷與「某件事結束了」的感覺。John 用父親在 1950 年代愛爾蘭仍看到馬匹用於產業的回憶形容：見證延續千年的章節走到尾聲時，會有 wistfulness，但可以接受。Sam 說那不只是懷舊：多數數學家終其一生解不到 Millennium Prize，但「也許你能、世界上還有靠專心就能弄懂的東西」本身很美。這段需要多讀一層：他並非反對發布結果，而是在承認工具進步會改寫整個志業的意義結構。

算力短缺：看不見的手此刻不太靈，記憶體廠仍記得差點破產

需求曲線他認為單向：夠強、夠便宜的模型，永遠想要更多算力。路上會有過熱、崩盤、短缺與過剩。OpenAI 的準備包含自研晶片（強調每瓦智能表現）、學著自建資料中心，以及把機器人計畫指向「大量蓋資料中心」。大家常談 RSI（AI 做 AI 研究）；他覺得「自我複製的資料中心」談得太少：用 AI 控機器人、跑晶圓廠、造渦輪或太陽能、再建資料中心，他認為已在可及範圍。

John 問「高價本身會引來供給」現在做得怎樣。Sam 答：Bad。以 DRAM 為例，長期常是砸兩百億 CapEx 做出一百九十億營收、在榮枯間擺盪，很少成為長期好生意；如今卻可能各賺約一千億美元自由現金流。但業者記得太多次「這次不一樣」後差點破產，因此 CapEx 偏保守。看不見的手在這裡暫時失靈。

他還翻了一個常見直覺：很多人以為開源模型加本地推論就解決了，不再需要資料中心；但在供給極緊時，讓全球有限的 DRAM 散落在利用率只有約 5% 的個人電腦裡，整體配置很糟，反而該追求雲端高利用率。高價也傳到渦輪、電池、水泥、鋼鐵；創新端他看到較多是能加快製造的工業機器人零件，不是人形機器人演示。

自研晶片上，微影幾乎只有一家公司真正會；但「設計出可送去 tape out 的檔案」是 AI 很適合的問題。他們已能說「幫我找 5% 算力效率」；還說不出「去發現一個像 transformer 那樣大的新架構」，那需要在概念規劃維度上更聰明的模型。RSI 日常仍大量實驗：該問 GPT-7 什麼、怎麼用 agent teams 榨乾模型，未來幾個月會學很多。

企業算力預算上，John 說 Stripe 的 token 支出大約已是 OpEx 的 1% 量級，還會往 5%、10%、20% 走；穩態可能是 OpEx 的數十個百分點。Sam 覺得 1% 太低，並認為多數公司的問題仍是「用太少」而不是「用太多」；再貴，也常比不上開一堆無價值會議的隱性成本。

每十億瓦該變便宜：親通縮的技術觀

John 問領先 AI 的「每十億瓦美元」會升還是降。Sam 認為應該降。若因智能／瓦升太快、供給跟不上而願意付更多，那是算力沒跟上，不是基本面該變貴。把沙子變成智能的根本成本、能源、晶片與供應鏈，都該往下；否則他會很難過。供給必須大幅上來。

他舉五年總擁有成本粗數：現在常聽到約七百億美元／GW；若變成兩百億會開心得多，同時仍要求模型每年再挖出約十倍表現。要到兩百億，能源得更便宜，從熔沙到 token 之間層層毛利也得被壓縮；若材料全免費且利潤為零，在現有能源包絡下大概也只是剛好摸得到。他自己定位為親通縮技術：通縮型技術是好事。這與「AI 基建永遠只會更貴」的市場情緒相反，需要用「短缺溢價 vs 長期單位成本」分開看。

個人 agent 還沒有 Macintosh 時刻；HTML 護城河可能只是過渡

個人 agent（Dots、Muse、Grok Bot 等）他覺得大家喜歡，但還沒到「無法想像沒有它」的程度；coding agent 或 ChatGPT 已有那種話。差幾個關鍵想法就可能變超主流，外形大概仍像現在這些產品，只是「就是會穩、就是會做更複雜的事」。Macintosh 時刻還沒到。

Computer use 會有貓鼠遊戲，他粗估世界最後會收斂到：允許 AI 代表你使用你的電腦與軟體。企業急著在自家產品塞聊天小窗，消費者真正想要的卻是在常用主聊天 App 裡說「去退我最近一筆訂單」。品牌與選品、履約信任才是護城河；HTML 組裝能力多半不是。他拿 Amazon 為例：若用 ChatGPT 購物，十次有十次選 Amazon、甚至願意付較貴，原因與在 amazon.com 點來點去的體驗無關，而與退貨、配送信任有關。因此商業若更 agentic，Amazon 這類履約網絡反而可能更穩。

任何你在填的網頁表單，John 認為多半是假工作：家族病史填過無數次，沒有在發明新資訊。Sam 說巴不得再也不做電腦上的假工作；他很早就是拙劣自動填表外掛的愛用者。上次類似轉折是 App Store：新創搶著上，大公司不甘願把關係交給 Apple，但對行動網路整體是好事。新 UI 換了，護城河定義也會換。

Token 定價是假單位，客戶卻寧願要它

快速問答裡，他說真正該在意的是科學發現，以及「好不好一起工作」；後者幾乎沒好 benchmark。目標是不要 benchmaxx。合作體驗上，Emmett Shear 多年前說過要的是「有思想、會挑戰你、但仍尊重人的資深同事」，他仍覺得這是最短的好摘要。

定價上他們幾乎做過一個壞決定：下一款模型完全不定 token 價，你丟 prompt、系統回報價、像 AWS 月底帳單。客戶反彈很大：要知道自己在付什麼。甚至受訪客戶寧願 token 被灌水、付更多，也要看到一個「像真的單位」。這像寧付 CPU 小時也不要「幫你做完再算錢」的偏好。Token 從商業價值看是假單位，卻仍是客戶心理上的錨；他希望不要再發明像「奈米」那樣脫離現實的假單位。

收尾回到啤酒：Guinness 沒想像中糟，仍不如 IPA。John 說至少在這節目裡，他們挺 Guinness。

這對讀者代表什麼

這集適合拿來校正幾條捷徑思維。第一，資安與軟體債務別只聽「修漏洞」：模型掃全網表面積之後，更硬的解可能是換架構與換堆疊假設。第二，安全敘事若停在「單一超智能＋超級沙盒」，會跟 Sam 押注的「大量略超人 agent teams、彼此制衡」分岔；這是價值選擇，會影響產品與治理長什麼樣。第三，算力短缺的短期價格訊號，與「沙子變智能的長期單位成本該下降」可以同時成立；記憶體暴利若伴隨保守擴產，短缺可能拖更久。第四，個人 agent 與 agentic 商務仍早：還沒有無法離開的產品時刻，但企業若把護城河押在 HTML／App 殼，可能押錯世代。

對研究者與知識工作者，數學週末那段最值得細讀：工具進步可以同時是對世界的好事，以及對志業意義的打擊；發布知識與照顧發現者社群，被他說成必須一起解的題。

未來投資可以留意的方向

以下為依節目內容延伸的觀察方向，不構成個股建議：

• 軟體與基礎架構「為超強模型重寫堆疊」的新創與顧問需求；漏洞掃描／自動修補工具相對「換架構」路線的消長。
• Agent teams（多 agent 平行＋test-time compute）在企業的滲透：相對單一聊天框，能否開始出現可計價的團隊級工作流。
• 記憶體、GPU、渦輪、電池、水泥、鋼鐵等 AI 供應鏈：高價是否轉成實質擴產，或仍受歷史榮枯記憶壓抑 CapEx。
• 雲端高利用率推論 vs 本地推論對 DRAM 配置的影響；開源權重流行是否反而加劇元件錯置。
• 自研 AI 晶片、工業機器人與「自我複製資料中心」敘事：勞動／零件瓶頸能否被自動化鬆動，相對許可與電網瓶頸。
• 每 GW 五年 TCO 是否自約七百億美元區間往兩百億方向移動；能源成本與中間層毛利壓縮進度。
• 個人 agent（Dots、Muse、Grok Bot 等）是否出現「無法離開」的產品時刻；企業是否開放主聊天 App 內的 agentic 介面，而非只做站內小窗。
• 履約與信任資產（如 Amazon 物流網絡）在 agentic 商務中是否比前端 UI 更保值。
• API 定價單位：token 是否被結果導向或打包價部分取代，以及客戶對「可理解單位」的黏著度。

來源（聽後整理）

• 節目：Cheeky Pint #39，Why Sam Altman is against a single superintelligence
• 主持人：John Collison（Stripe Co-founder）
• 來賓：Sam Altman（OpenAI CEO）
• YouTube：https://www.youtube.com/watch?v=iMsUcCYNKqY
• 文字稿：https://cheekypint.transistor.fm/39/transcript
• Substack：https://cheekypint.substack.com/p/why-sam-altman-is-against-a-single
• 原始 X 貼文：https://x.com/collision/status/2115809881399922849

非逐字翻譯、觀點整理，不構成投資建議。