OpenAI接连关闭Sora与Atlas浏览器，看似产品调整，实则是战略边界的主动划定。当模型能力持续扩张，机会层出不穷，奥特曼选择将资源集中于模型、算力与知识工作，而非亲自进入每个品类。本文从战略定力、AI交互瓶颈与产品关系三个维度，拆解OpenAI的取舍逻辑与AI行业的深层挑战。

一家公司的方向，往往不是由它做了什么决定的，而是由它主动放弃了什么决定的。失败的项目并不难关。没有用户、没有增长，也看不到未来，停止投入只是承认判断有误。真正困难的是杀死一个好项目：产品做得不错，团队愿意继续，外界也对它抱有期待，但公司仍然决定把资源拿走。

OpenAI最近做了两次这样的选择。

在与David Senra长达1小时18分钟的对谈中，山姆·奥特曼回顾了关闭视频生成产品Sora和Atlas浏览器的原因。Sora有趣、很酷，却需要大量算力；与它相比，OpenAI认为Codex更加重要。Atlas在奥特曼看来甚至可能是最好的浏览器，但继续投入相关人才，已经不再符合公司的优先级。

这不是一次普通的产品线调整。如果把整场访谈连起来看，会发现奥特曼反复讨论的其实是同一个问题：当模型能力不断扩大，公司面前的机会越来越多，OpenAI究竟应该是一家什么公司？他的答案正在变得清晰：OpenAI不想亲自进入每一个产品类别，而是希望把资源集中在模型、算力、知识工作和科学发现上，再通过统一的智能入口与API，把能力交给其他人使用。

在我看来，这场访谈真正值得讨论的，不是OpenAI又砍掉了两款产品，而是它开始用更明确的方式划定自己的边界。

一、为什么越好的产品，越考验一家公司的战略定力

今天的OpenAI并不缺机会。视频生成、浏览器、编程智能体、个人AI助手、企业服务、基础模型、芯片和数据中心，每一个方向都足以长成巨大的业务。问题也恰恰出在这里：当所有方向看起来都有价值时，选择就不再是判断哪个项目好，而是判断哪个项目最重要。每个机会看起来都太诱人，极易陷入资源分散的误区。

Sora代表了生成式AI最具传播力的方向之一：输入一段文字便能生成视频，这种体验直观、惊艳，也是非常容易让公众感知到 AI 技术进步。Atlas浏览器也天然适合承载能够操作电脑的智能体。如果AI未来不再只是被动问答工具，而是能够主动进入不同环境帮助用户完成工作，那么智能浏览器绝对是极具想象力的核心产品方向。

Sora和Atlas都不属于“做不下去”的产品。奥特曼明确说，Sora很好，只是会消耗大量算力；Atlas也很好，但OpenAI需要把人才投入其他方向。换句话说，它们被关闭并不是因为没有价值，而是因为机会成本太高。所谓机会成本，用大白话说就是：你把资源给了谁，就等于拒绝了谁。

对普通软件公司而言，算力通常被视为一项成本；对模型公司而言，算力同时还是研发能力、产品供给和战略方向。把算力投给视频生成，意味着继续扩大内容产品；把它投给Codex，意味着押注知识工作和智能体；把它投入模型训练，则是在争取下一轮能力跃迁。每一块被分配出去的算力，都在替OpenAI投票。

奥特曼目前把大部分精力放在研究与算力上。因为在他看来，OpenAI性价比最高、杠杆效应最强的核心工作，是持续迭代更通用，创造更聪明的模型，把通用智能和科学研究视为更高杠杆的目标。同时他谈到，大规模建设算力需要同时处理芯片、晶圆厂、服务器机架、电力、融资、政策、供应链和物流。对OpenAI来说，这已经不是简单地多买几张GPU，而是在建设一套极其昂贵、相互牵连的基础设施。

正因如此，公司无法无限扩张产品线。浏览器需要长期投入人才，视频生成会持续消耗推理资源。如果每一个好产品都舍不得放弃，最核心的模型研究和知识工作能力反而可能被分散。相比之下，模型、通用智能、科学赋能等核心领域，对OpenAI的长期战略价值更大。

奥特曼由此给OpenAI划出了一条边界：OpenAI应该更像一家平台公司，搭建一个面向个人和企业的统一智能界面，开放完备的API接口，赋能全球开发者基于OpenAI的底层模型，自主搭建各类垂直场景产品。尽管OpenAI仍会开发产品，但不应该进入所有品类，更不应该与平台上的每一位客户竞争。这是一种主动收缩，也是一场更大的押注。它押注的是，未来最有价值的并非某一款AI应用，而是而是“智能本身会成为基础设施”。如果这个判断成立，视频工具、浏览器、办公软件、客服系统和科研应用都可以由其他公司在平台之上完成。

这个判断未必一定正确。平台需要通过具体产品理解用户，如果OpenAI离真实场景太远，也可能失去重要反馈。但关闭Sora和Atlas，不代表视频生成和浏览器智能体不重要。恰恰相反，它们很可能仍然是重要方向。至少说明，它已经意识到：一家公司的战略，不是把所有好想法都变成业务，而是保护那个最不能被分散的核心方向。

所以，关闭Sora不是在否定视频，关闭Atlas也不是在否定浏览器。它们真正表达的是一种战略纪律：好机会很多，但一家真正有主线的公司，必须敢于放弃那些会让自己偏离主航道的好机会。

二、技术已经到了未来，产品和人类习惯还停留在过去

这场访谈里最有意思的反差，来自奥特曼自己。奥特曼承认：即使作为OpenAI的CEO，他自己也没有真正学会如何使用AI。他拥有Codex这样的工具，理论上可以用AI处理积压邮件、待办事项和大量重复工作，但他仍然会在不同软件之间点击、复制、粘贴，仍然会浏览收件箱，优先挑选简单邮件回复。他明明知道更高效的AI工作方式，大脑却仍然把旧动作识别为“这才叫工作”。

访谈开头提到的Shopify CEO Tobi Lütke恰好构成另一面。奥特曼认为，Tobi往往比其他CEO更早形成AI直觉，快速适配AI工作模式，因为他不只是听团队汇报，而是亲自上手调试模型、搭建工具、重构自己的工作流程，再向OpenAI提供具体反馈。

两个人的差别说明，AI认知不是听懂几个新概念，而是亲手把旧流程重新做一遍。并且这不是奥特曼个人的问题，而是整个AI行业正在面对的产品问题：模型能力的进步速度，已经超过了工作流程和人的行为改变速度。

2023年GPT-4出现时，奥特曼曾激进预判，软件行业所有产品、所有工作流程都将被AI重新定义、重新竞争。但现实比他的判断慢。人们仍然从熟悉的公司购买产品，也仍然按照熟悉的方式完成工作。AI技术可快速完成迭代落地，但人类的行为习惯、社会的产业生态，无法实现一键升级。这也是为什么AI至今没有迎来自己的iPhone时刻。

即便如此，奥特曼仍认为当前的AI产品没有找到真正自然的交互方式。他把今天的阶段比作iPhone出现前的智能手机，那时许多必要技术已经存在，唯独缺少多点触控等核心交互创新，更关键的是，人们还没有找到那些真正让iPhone成为iPhone的产品创意，今天的大模型必要的技术组件已经出现，各项核心技术、基础能力已趋于成熟，却还缺少把它们组织在一起的关键产品创意。

现在使用AI，很多时候仍要由人主动发起：先想起任务可以交给AI，再打开聊天框、解释背景、检查结果，最后把输出放回实际工作环境。模型能力很强，但人仍然承担着总调度员的角色。

真正的AI iPhone时刻，不会只是出现一个更聪明的聊天框，而是让大多数人不再需要研究“这件事该怎么问AI”。系统能够理解用户是谁、正在做什么、拥有哪些资料、过去作过什么选择，在合适的时机主动提供精准服务，无需用户主动提问、主动调度。

奥特曼认为，下一阶段的变化可能不只是模型继续变聪明，而是AI获得更完整的背景。奥特曼希望智能体能够理解自己无法读完的内部消息、客户故事和研究论文，在需要作出决定时，把这些信息调动起来，为用户提供全面、精准的信息支撑。可以把这种变化概括为一句话：模型能力决定AI能不能干活，背景信息决定它干的是不是你的活。

但背景越多，隐私与控制问题也越突出。一个持续存在、主动提供帮助的智能体，需要让用户知道它能看见什么、记住什么，又能在什么范围内行动，以及能否在严守隐私边界、保障用户自主权的前提下，把这些信息真正转化为行动。AI产品真正缺少的，因此不只是一个更漂亮的界面，而是一种能够让人放心改变习惯的产品关系。

AI主动服务的模式，还会带来更深层的认知困境：当AI开始主动为用户筛选信息、梳理工作优先级、辅助甚至参与重大决策，它究竟是增强判断，还是在悄悄替代判断。

所以，AI的iPhone时刻不能只有“好用”，还必须回答信任与自主控制权的问题。AI产品真正缺少的，因此不只是一个更漂亮的界面，而是一种能够让人放心改变习惯的产品关系。真正的技术革命、只会发生在技术不再需要人类刻意适配、主动迁就，就能自然融入生产生活的时刻。

三、ChatGPT差点被放弃，增长比商业理论更早看见未来

今天回头看，ChatGPT似乎从一开始就是OpenAI最明确的方向。但奥特曼在访谈中透露，产品发布两个月后，公司内部曾经认真考虑过转向。

当时ChatGPT增长很快，但OpenAI内部看到的并不是今天这条清晰的增长曲线，让人感觉不够稳定，甚至像一种低价值增长，不像可持续的价值。它没有硅谷熟悉的信息流、网络效应和用户锁定机制。很多人不知道应该怎样使用它，OpenAI自己也不确定这种增长能否持续。

奥特曼带着五六个备选方向去找彼得·蒂尔。蒂尔没有逐项分析，而是提醒他关注那个最明显、也最容易被理论忽略的事实：ChatGPT正在增长。当下所有替代ChatGPT的战略选择，都是错误的，因为团队放弃的是一项罕见、优质且已被市场验证的增长趋势。

蒂尔把ChatGPT与Google搜索框作了类比。两者都是近乎空白的文本框，用户可以输入任何内容，并期待得到合适的回应。过去二十年，人们一直想寻找下一个类似Google的入口，试图复刻谷歌的互联网入口价值；如今全新的通用AI交互入口已经出现，OpenAI却因为它不符合流行的产品理论而动摇。

场关键对话，彻底扭转了OpenAI的战略投入方向。公司最终放弃了转型计划，选择全面加码ChatGPT。这个故事并不能证明增长可以解释一切。增长可能来自新鲜感，也可能来自一次短期传播。但当一款新产品往往先以一种“不太像传统生意”的方式出现，使用场景看起来混乱，增长也无法被旧商业框架解释时，真实用户的行为至少比会议室里的推演更接近答案。

这也是Paul Graham和Y Combinator留给OpenAI的方法：尽早发布，把不完美的产品交给用户，通过现实反馈继续改进。OpenAI最初四年半没有产品，2016年初，十几个人来到Greg Brockman的公寓，兴奋地准备创造AGI，却很快发现连下一步应该做什么都不清楚。普通创业公司可以通过客户和收入判断方向，研究实验室却没有这样的外部信号。

OpenAI只能为研究人为建立反馈，没有产品时，为研究寻找真实反馈。在Dota 2项目中，排行榜让不同方案的效果变得可见；对外演示能够激励研究团队；缩放定律则增强了继续购买算力、扩大模型规模的信心。直到ChatGPT发布，真实用户才成为最强的反馈系统。

ChatGPT不是一个研究完成之后才交付的最终答案，而是将仍有幻觉、仍不完美的模型放进现实世界，依托真实的用户使用场景，让用户行为修正研究判断。奥特曼甚至把这种方法延伸到AI安全，赞同建立类似航空业事故报告和复盘的机制，把事故和失效变成新的反馈信号。

从排行榜到产品增长，再到AI安全中的事故复盘，OpenAI一直在寻找同一种东西：一个能够告诉团队下一步往哪里走的真实信号。这也解释了为什么奥特曼坚持迭代部署。他认为，模型不能永远被锁在实验室里。只有进入现实世界，团队才能看到它在哪里有效、在哪里产生幻觉、哪些限制需要调整、哪些安全机制正在失效。

当然，模型越强，“先发布再改进”的代价也可能越高。随着模型继续进步，未来顶级模型的能力或将全面超越人类，奥特曼承认，未来必须更加谨慎地判断什么时候应该推迟、什么时候适合进入现实环境、什么时候需要继续研究。迭代不是无条件加速，而是让每一次部署都能产生可用于下一步判断的反馈。

四、OpenAI真正依赖的，不只是算力，还有判断力

奥特曼曾经是一名创业投资人。他认为，管理AI研究与风险投资存在一个共同规律：两者都服从幂律。

在投资中，最成功的一笔投资可能超过其他所有项目收益的总和；在AI研究中，在研究中，一个真正有效的方向也可能改变整个技术路线。因此，团队既要允许高风险探索，也要在有效信号验证正确后，快速集中全部资源深耕核心赛道。

回望OpenAI的发展历程，2015年，全力攻坚AGI并非行业主流方向；后续重仓大语言模型，也一度被众多行业专家判定为不合理、无前景。更早的学生时代，奥特曼深耕深度学习时，还曾被教授告诫，深度学习是“极易毁掉职业生涯”的小众方向。

这些故事很容易被包装成“不要相信专家”的爽文，但那显然不是重点。非共识并不天然正确，一个想法也不会因为听起来疯狂就更值得押注。只有最终被市场、技术验证正确的非共识，才具备战略价值。真正的核心评判标准有二：一是它一旦成功，是否会产生足够大的回报；二是在前进过程中，团队能否持续获取正向反馈。

奥特曼所说的幂律思维，其实包含两个相反动作：早期敢于押注，后期敢于集中。前者让OpenAI选择AGI和大语言模型，后者则让它关闭Sora和Atlas，把算力与人才重新投向通用智能、知识工作和科学发现。这也是他为什么说，自己从成功中学到的东西远多于从失败中学到的东西。

真正值得学习的，不是OpenAI做了聊天机器人，所以所有人都去做聊天机器人；而是它在一个难以判断的方向上，如何建立反馈、识别增长、集中资源，再根据新反馈重新定义边界。

五、AI越像基础设施，OpenAI越要回答权力归谁

奥特曼在访谈中把AI的两大风险概括为失去控制与权力过度集中：一种风险是模型强大到人类无法继续控制；另一种风险是少数公司、少数模型或少数个人控制了过多智能资源。当OpenAI把自己定位为通用智能平台时，它获得的影响力越大，也越需要回答普通人是否仍然拥有选择权。

平台让小团队获得过去只有大公司才拥有的研究、编程、设计和运营能力。奥特曼预测，AI可能推动一轮规模巨大的小企业创业潮。但平台也可能成为新的权力中心：当越来越多企业依赖少数基础模型，价格、规则、权限和价值观的微小变化，都可能影响整个下游生态。

关闭Sora和Atlas，并不能证明OpenAI一定选对了方向。它只能说明，当一家AI公司同时面对视频、浏览器、智能体、基础模型和科学研究等机会时，这家公司已经作出了一次明确选择：与其同时经营更多产品，不如把有限的算力和人才重新押向通用智能、知识工作与科学发现。

接下来，这个选择还要接受三种检验：模型能力是否继续进步，用户是否真正需要一个统一的智能入口，以及OpenAI能否在扩大平台影响力的同时，不把过多权力留在自己手中。这才是这场访谈留下的核心问题。

OpenAI有能力做出越来越多产品，但它最终会成为什么，取决于它把最稀缺的资源留给了什么。