2025年12月，OpenAI內部點亮了一盞紅燈：CEO山姆·奧特曼（Sam Altman）發出“紅色警報”（Code Red），要求公司加速推進在ChatGPT方面的工作，推遲其他產品的開發，以應對來自Google Gemini 3等對手的擠壓。

這件事有點像科幻片裏經典的鏡頭：警報響起，門禁落下，所有人沖向控制臺。很快，在OpenAI成立的十周年紀念日之際，GPT-5.2正式發佈，在多項基準測試中對Gemini 3實現了反超。

一、OpenAI十年回望

一切都從2015年那個不起眼的冬日開始。包括山姆・奧特曼、埃隆·馬斯克(Elon Musk)在內的11個人，宣佈要“做一些瘋狂的、幾乎不可能的、前所未有的事情”。當時的OpenAI不僅沒有產品，連研究路線和盈利模式也說不清，“我們當時只是覺得這件事特別重要，值得全力以赴，即使成功概率微乎其微”。

這段敘述並不煽情，反而像科研筆記：不確定、但持續推進；小勝利與大量失敗並存；文化上鼓勵發現。它也點出了OpenAI一路“能跑到今天”的底層燃料：把研究變成可迭代的工程，再把工程變成可部署的產品。

OpenAI的發展歷程可以濃縮成一句話：“把幻想做成流程”。他們不是押中了一次技術彩票，而是把一件極其不確定的事，硬生生做成了可迭代的工業流程：先用一連串高強度、可複現的實驗把“訓練這門手藝”練到肌肉記憶，再把“讓模型更聽人話”的方法當成主線工程來持續打磨——用人類回饋、對齊規範與評測體系，把聰明收束成可用，把輸出從靈感變成交付。

OpenAI把算力、產品、生態和治理當作同一輛車的不同部件來經營：算力決定速度上限，工具鏈決定能不能幹活，生態決定能不能鋪開，治理決定能不能跑得久。他們的關鍵策略可以概括為四個短語：“大膽願景、快速迭代、能力突破、安全護航”。

二、“紅色警報”背後的難題

GPT-5.2的推出並不意味著“紅色警報”的解除。OpenAI面臨的技術、商業、倫理等方面挑戰依然嚴峻。

1.脆弱的技術護城河

儘管GPT-5.2奪回了領先優勢，但Google已經發動了一場不對稱戰爭，主戰場正在從模型轉移到工具鏈、數據、行業管道、應用生態與合規能力。

OpenAI採用的是“專家模式”，它試圖打造一個全知全能的超級大腦，用戶必須主動前往ChatGPT這個“神殿”去諮詢。而Google走的是“生態模式”，它未必比GPT更聰明，但它無處不在。它內嵌在Android手機的底層、潛伏在Google Docs的文檔流中、整合在Gmail的收發信件裏。Google正在用其龐大的應用生態構建一個包圍圈。對於普通用戶而言，一個隨手可得、深度集成在工作流中的“80分助手”，可能比一個需要單獨登錄、按次諮詢的“90分專家”更有吸引力。

OpenAI拼的是“智商”，Google拼的是“摩擦力”。這就是“紅色警報”的真相：技術護城河是可以被時間填平的，但生態護城河一旦形成，就是難以逾越的天塹。

2.算力與數據的雙重圍剿

如果說“專家模式”可能是OpenAI的商業軟肋，那麼算力與數據的困境就是它的物理極限。

一方面，OpenAI的成功建立在海量的GPU集群之上。每一代模型的推出，都意味著需要投入數十億美元用於購買或租賃數萬塊最頂尖的GPU，這使得OpenAI的商業模式異常脆弱。而Google擁有自研的TPU晶片，能夠實現從底層硬體到上層模型的垂直整合優化，效率更高，且成本更可控。

另一方面，GPT的突破所依賴的高質量數據集正日益枯竭。相比之下，Google和Meta擁有難以逾越的“數據壕溝”：Google 掌握著全球最大的搜索引擎日誌、Gmail、Google Docs以及YouTube；而Meta擁有Instagram和Facebook的真實社交數據。雖然OpenAI使用合成數據訓練也能提升模型能力，但學界已普遍擔憂由此引發的“模型崩潰”風險，即模型退化和幻覺的指數級放大。

3.安全與對齊就像在走鋼絲

前不久，OpenAI遭遇一起訴訟，指控ChatGPT在與一名男子對話過程中放大其偏執妄想，間接導致此人殺害其母親後自殺。AI面對的是一個會變的系統、一個會變的世界以及會變著法兒試探你邊界的人類。安全與對齊永遠在路上。

安全遠不是拒答違法內容那麼簡單，而是一套貫穿訓練、評測、發佈、監控、回應的全週期風控系統。“對齊”不是讓模型永遠正確，而是讓它在真實使用中盡可能穩定地遵循人類意圖與社會約束，並在發生衝突時知道“誰說了算”。

安全與對齊是一套需要長期運轉的閉環：因為對齊目標本身會隨法律、文化與社會共識而移動；模型能力每次升級都會帶來新的風險形態；而真實世界的濫用者也會不斷學習、迭代、尋找邊界漏洞，而日益白熱化的行業競爭會持續擠壓安全緩衝時間。OpenAI處在“能力最前沿+用戶規模最大+產品迭代最快”的交叉點，因此不得不長期在速度與安全之間走鋼絲。

三、對中國AI產業的啟示

從彼岸回到此岸，OpenAI的“紅色警報”照出的，不應只是焦慮，而是一張路線圖：當大模型從“會說”走向“會做”，勝負不再只取決於參數與榜單，而取決於你能不能把模型嵌進產業的血管裏，讓它變成穩定、可控、可複用的生產力。

1.別只盯著模型，要盯著系統

OpenAI十年的真正秘訣不是“突然變聰明”，而是把研究、工程、產品、算力與治理綁成一個整體系統。對中國企業而言，追模型是必要的，但更重要的是把“算力—數據—工具鏈—管道—合規—交付”當作同一張賬來算：模型是發動機，工作流是變速箱，數據是燃料，安全與合規是刹車系統；只裝發動機，車跑不遠。

2.把AI從“神殿”搬進“流水線”

中國最大的優勢不在於更會寫論文，而在於擁有全世界最厚實的產業現場。這些場景的共同點是“交付物”明確、流程可拆解、邊界可定義。真正能賺到錢的AI，不是“無所不知的聊天框”，而是能在產業現場跑起來的助手/代理：它會填表、會對賬、會查規程、會寫報告、會在許可權範圍內調用工具，把隱性經驗和行業知識變成可執行的步驟。

3.數據不是礦，是農田：要耕作、灌溉、除蟲

高質量數據的日益稀缺倒逼中國企業不斷改進自身的數據治理。很多行業並不缺數據，缺的是數據血緣、品質標籤、許可權治理與可追溯流程——也就是把數據從“堆放的原料”變成“可用的資產”。要建立數據閉環：用業務產生的數據改進模型，用模型創造更高質量的數據，再反哺業務。

4.算力貴就把自己變“省”：效率會成為新的護城河

當算力成為硬約束，路線就會從“更大”轉向“更省”。蒸餾、小模型協同、混合專家、量化、緩存與批處理、推理加速、端側/邊緣推理……這些聽上去像工程細節，但往往決定商業模型能不能跑通。未來的競爭會越來越像節能競賽：誰能用更少的算力把同樣的價值交付出來，誰就能把價格打下來，把應用鋪開去。

5.入口與生態決定上限：別只做“應用”，要做“插件系統”

如果AI只能在一個孤島App裏發光，它就很難成為行業標準。更好的策略是把能力模組化、工具化，做成能嵌入企業軟體、超級App與行業平臺的“插件系統”：讓合作夥伴在你的模型之上做行業交付，你在他們的管道裏獲得分發與數據回流。生態不是口號，是把別人也變成你增長曲線的一部分。

6.把“加速”寫進制度，也把“刹車”裝進系統

對我們而言，關鍵不是“管得緊”還是“放得開”，而是做出一套可預期的制度緩衝墊：一方面把算力、能源與數據中心當作長期基礎設施來規劃，用更穩定的供給降低企業的試錯成本；另一方面把安全評測、內容標識與審計介面等當作行業公共品來建設，讓合規不再是每家公司各自造輪子。同時，政策可以更“分級”：對高風險應用提高門檻、強化監測與責任鏈條；對低風險應用提供監管沙盒與場景試點，鼓勵在真實業務裏跑出可複用的工作流標準。

總之，OpenAI的十年像一面鏡子：它告訴我們，真正的領先不是“跑得最快”，而是“跑得快還能不摔倒”。中國AI產業的機會也不在於複刻某個神話，而在於把產業厚度、工程能力與治理體系擰成一股勁，讓AI從熱搜詞變成生產線上的常駐員工——不必封神，能交付就夠酷。

（作者王翔為復旦大學數字與移動治理實驗室研究員）

來源：中國澎湃新聞