奥特曼：大模型可靠性已过拐点，企业如何跑步入场？

OpenAI过去一年企业业务高速增长，Sam Altman认为大模型可靠性已经过了拐点，企业应该马上采取行动。那么全球范围企业AI应用情况如何？企业又该如何跑步入场呢？

01 奥特曼：大模型可靠性已过拐点，企业业务爆发式增长

根据最新的财务预测，OpenAI预计在今年的营业收入将达到127亿美元，未来几年内其收入将继续保持强劲势头。今年的收入几乎是2024年（37亿）的三倍多，到2026年OpenAI的收入预计将再次翻番，达到294亿美元，并且在随后几年内持续增长，直至2029年超过1250亿美元。

OpenAI 的企业用户的收入占比约为 44%，主要来自 ChatGPT Enterprise、ChatGPT Team 和 API 接口服务。其中，ChatGPT Enterprise （大企业客户）贡献了总收入的 21%。中小企业和团队ChatGPT Team 贡献了 8% 的收入。API 接口服务主要面向企业和开发者，贡献了 15% 的收入。

最近OpenAI 首席执行官萨姆・奥特曼（Sam Altman）在 Snowflake 峰会的专访中，围绕企业应用大模型的实践建议、Agent 技术演进方向及 AGI（通用人工智能）的发展逻辑分享了前沿观点，以下以下为部分核心观点：

关于企业AI战略建议

奥特曼指出，当前仍有许多企业在大模型应用上持观望态度，习惯在不同方案间反复权衡，或是以「等待下一代模型迭代」「观望行业趋势明朗」为由推迟行动。他强调一条关键技术法则：在技术快速变革期，那些迭代效率最高、试错成本控制最优的企业往往能笑到最后，它们也学得最快。

谈及 OpenAI 企业业务的爆发式增长，他透露：「与一年前相比，我们与深度合作的头部企业交流时发现，促使它们加速落地的关键不再是『适应时间』，而是模型可靠性实现了质的飞跃。现在的模型可靠多了。它能胜任工作，能完成许多以前我们认为不可能的任务。在过去一年某个时间点，这些模型的可用性已经迎来了一个真正的拐点。

关于 Agent 在这个时代的角色

奥特曼表示：目前有很多公司正在构建AI代理来自动化大部分客户支持、外部销售等业务。也会有人说，他们现在的工作就是给一群AI代理分配任务、检查质量、协调工作并提供反馈——这听起来很像管理一群初级员工，它主要还处在自动化较低层次、较短周期重复性认知工作的阶段。

我敢打赌，明年至少在某些有限场景和小范围内，我们将开始看到能够协助发现新知识，或解决相当复杂业务难题的AI代理。

随着其能力扩展到更长的时间跨度和更高的复杂度，总有一天你会看到AI科学家——一个能够自主发现新科学的AI代理。那将是世界历史上一个重要的里程碑。

关于 AGI 的定义与未来

回顾五年前（GPT-3 发布前夕），奥特曼提到：「若当时向世人展示 ChatGPT 的能力，多数人会认定这就是 AGI。」他认为，「AGI 究竟是什么」的定义之争并非关键 —— 这一术语的内涵既因人而异，也随技术进步动态变化。比起「2024 年、2026 年或 2028 年宣布 AGI 实现」这类时间节点，技术发展的指数级曲线本身更值得关注。在他看来，一个能自主推动科学发现、或让全球科研效率提升两倍以上的系统，已足以通过任何意义上的 AGI 标准 。

02 全球企业AI热情高涨

这一技术演进遵循科技行业典型的 “供给侧突破 — 场景解锁” 创新范式。

当前大模型在结构化逻辑任务中的表现已超越人类平均水平，这一突破性的智力密度提升，催生出巨大的市场想象空间。其依托逻辑推理能力（COT）构建的交互自动化能力，正深度赋能文字信息处理领域，实现知识文档归档、检索、人机交互及Agent调用的全流程自动化。

大模型能力的成熟极大激发了企业的 AI 应用需求。正如奥特曼在访谈中提到的，一年前 OpenAI 产品尚难以满足大型企业生产环境需求，而如今 AI 模型在可靠性、鲁棒性、多模态能力及生产级应用层面已实现质变。当前，已有多个大模型将幻觉率控制在 1% 以下。我们同样满怀期待，希望 DeepSeek R2 也能达成这一目标，DeepSeek R2前瞻：从论文到产品，能否再夺开源第一？

从商业落地看，全球企业的 AI 投资热情持续升温。

最新发布的F5《2025年应用战略现状》（SOAS）报告对全球IT决策者进行深入调查，报告显示：全球企业在 AI 应用和混合云架构方面有显著进展。96% 的受访企业正在部署 AI 模型，较 2023 年大幅增长，近四分之三受访者希望用 AI 优化应用性能，超半数支持用于成本优化和安全规则注入。半数企业使用 AI 网关连接应用与 AI 工具，40% 预计未来 12 个月内采用。同时，94% 的企业跨多种环境部署应用，以满足可扩展性、成本和合规性需求。

这些数据背后，是企业将 AI 内化为核心竞争力的迫切实践 —— 从实验室走向生产线，从概念验证走向效益创造。

这不是遥远的技术蓝图，而是正在上演的商业变革 —— 技术壁垒持续降低、商业机遇集中涌现。

03 企业如何跑步入场？

如奥特曼提到，当前仍有许多企业在大模型应用上持观望态度，习惯在不同方案间反复权衡，或是以「等待下一代模型迭代」、「观望行业趋势明朗」为由推迟行动。

分析其原因，虽然奥特曼提到大模型“可靠性”过了拐点，但大模型的能力边界也是限制发展的一个重要因素。

今天大模型在对话，思考与知识库上已经满足了质量的要求，但是语言大模型只是时间序列上的一维数据模型，而物理世界需要的二维与三维数据模型，也就是多模态与空间物理模型还没有达到及格线。（最近各大厂商密集发布，有望取得突破）。这个技术能力边界的现实，拖慢了AI技术进入企业客户创造价值的速度。

那么，对于尚在观望的企业，是否应该继续等待呢？

毫无疑问的一点是：大模型技术发展快速迭代且永无止境，在这样技术快速变革期，那些迭代效率最高、试错成本控制最优的企业往往能笑到最后（奥特曼强调关键技术法则），对企业而言，应用大模型已不再是「是否投入」的选择题，而是「如何高效落地」的策略题。

核心逻辑在于：技术窗口期的红利稍纵即逝，企业的关键动作不应是被动等待「完美解」，而是主动构建「动态适配能力」—— 通过轻量化试点、场景聚焦和生态协同，在实践中捕捉技术与业务的融合机会，同时对组织进行相应升级：培养「业务 + 技术」复合人才缩，优化跨部门协作机制破除数据与流程壁垒，以动态进化的组织能力，在智能化竞争中抢占先机。

对于开始应用大模型的企业，我们有两个具体建议：

1）场景聚焦：从垂直业务领域切入

当 AI 步入成熟发展阶段，智能体成为企业重点发力方向。此时，企业不能单纯追求获取基础 AI 工具，而是更多借助 AI Agent 创造更大价值。

目前不存在能解决各类复杂问题的通用智能体，但在垂直业务领域，针对特定场景开发的智能体已有诸多成功应用案例落地 。

谷歌发布的321个全球顶级企业的AI应用实战案例中，我们可以看到不同行业和场场景中Agent（AI代理）落地的情况。

对于刚开始应用大模型的企业，建议选择较易实现并创造价值的 Agent 场景，如客户端，借助智能体打造数字人或智能客服；或研发端，以智能化生产力工具链为核心，旨在降门槛、加速迭代与提质。

客户端：聚焦智能化客户服务体系，核心价值为降本、提效与标准化。数字人客服融合多模态大模型，覆盖高频咨询场景，如某保险企业案例中客户满意度提升 35%；智能工单系统结合语义理解与 RPA，缩短处理时效、降低误判率。

研发端：以智能化生产力工具链为核心，旨在降门槛、加速迭代与提质。如智能代码生成覆盖多类开发场景，使研发效率提升 40%；智能测试与运维通过大模型分析，缩短用例设计时间、提升故障处理效率，如某企业 MTTR 降低 70%。企业还能基于生成式 AI，搭建专属知识库，打造独有的 “问答系统”，以此提升研发团队的工作效率 。

2）组织升级：“比DeepSeek更deep，比OpenAI更open”

在人工智能时代，组织变革的核心在于“比DeepSeek更deep，比OpenAI更open”，这一理念由海尔集团董事局主席周云杰提出。海尔曾率先变革科层制，推行“人单合一”，如今面对AI成为新基础设施，管理与组织重构成为智能化落地前提。

AI驱动下的组织变革并非简单技术部署，而是复杂的组织再编程。周云杰指出要从“更deep”和“更open”两方面着手。“更deep”指再造企业产学研销全流程，具体有三步。一是升级到一把手工程，采用双轨运行机制，避免变革失败；二是打破数据孤岛，发挥知识库潜力，如建立统一数据湖；三是启动人机共治模式，建立“生物型”组织，让AI成为经济参与者。

“更open”指建立与周边生态的交互方式，也有三个方向。一是重构执行力，保持目标开放与过程弹性；二是再次定义“用户为中心”，实现自然交互与共创；三是深度释放员工潜力，赋予更多自主决策权，打破传统雇佣关系。

变革没有终点，组织要始终保持比DeepSeek更deep的洞察力，比OpenAI更open的包容力，在持续适应与进化中拥抱AI时代。

参考文章：

1.Sam Altman在Snowflake 峰会专访：

https://www.youtube.com/watch?v=qhnJDDX2hhU

2.《2025年应用战略现状报告》：

https://www.f5.com.cn/resources/reports/state-of-application-strategy-report

2. 《Google：321 个真实的生成式 AI 应用场景》：

https://gcp.infoq.cn/details/1932.html