钉钉陈航：AI时期，真正拉开差距的不是工具，是AIQ
Stratechery 首创人 Ben Thompson 同时采访了 OpenAI CEO Sam Altman 和 AWS CEO Matt Garman。其时表界还不知路，仅仅三天后，微软和 OpenAI 就会颁发批改长达数年的独家和谈，Azure 不再是 OpenAI 模型的唯一云服务商。但这场所作的逻辑矛盾已经摆在了台面上——两家公司的掌舵报答什么会坐到一路？背后的逻辑并不复杂。当初微软用 "Azure 独占 OpenAI 模型 " 锁定了巨大的竞争优势，但也绑住了 OpenAI 的手脚——大量企业数据已经躺在 AWS 上，客户不想为换模型而搬场。而 Anthropic 今年增长迅猛，正是吃到了 " 客户在哪云就想要哪的模型 " 的盈利。对微软来说，持续卡独家权反而在侵害自己对 OpenAI 这笔最沉要的投资。松绑是疾苦的—— Azure 失去了一个主题差距化兵器——但不松绑更亏：若是 OpenAI 的增长被独家和谈限度，微软作为大股东的损失弘远于 Azure 的得利。因而有了这次结合颁布：Bedrock Managed Agents，由 OpenAI 驱动Ｄ芄话阉斫馕 "AWS 版的 Codex" ——一个运行在云端、带有齐全身份、权限、日志、治理和部署能力的智能体运行环境？突萘粼 AWS 内部，OpenAI 不接触原始数据。指标是让那些数据已经在 AWS 上的企业，不用迁徙就能直接用上最前沿的 AI 能力。下文本次采访对话的主题内容提炼，原文链接：https://stratechery.com/2026/an-interview-with-openai-ceo-sam-altman-and-aws-ceo-matt-garman-about-bedrock-managed-agents/1.AI 的 "AWS 时刻 "：让智能体从能跑造成能用Sam Altman： 每次我看到用户用3377体育模型，我既欣喜他们感触这是魔法，又崩溃于他们经历了几多不用要的折磨。用户必要把器材从一个处所复造粘贴到另一个处所，搞一串复杂提醒词，反复试错——这些疾苦我看在眼里。Matt Garman： 在这套结合产品出来之前，客户想用 AI 智能体，得自己拼凑所有环节——模型挪用、身份治理、数据库认证、与内部系统的集成、对自己数据的理解。每一个客户都沉新干一遍。所有这些集成工作全都留给了客户自己处置。Matt Garman： AWS 从前 20 年为全球银杏注医疗机构、当局机组成立的安全框架—— VPC（虚构私有云）、角色权限、网关——刚好能够助上忙？突ё畈话驳木褪 " 我酷爱这项技术，但怎么确保我不会一失误就搞出一个让公司完蛋的事务 "。这些问题都是可解的，关键在于给客户一个可控的沙盒环境。Sam Altman： 模型和编排层（harness）在变得越来越不成分。以前好多必要在系统提醒词层面费神调教的事，模型变聪明之后自己就会处置了。好比工具挪用——最初我们感触工具挪用不必要融入训练流程，后来发现融合得越深越好用。编排层和模型的天堑会持续吞吐，甚至预训练和后训练最终也会更缜密地走到一路。但整个行业还处在 " 家酿推算机俱乐部 " 的年代——也就是幼我推算机刚刚萌芽、没人知路最终状态会是什么的阶段。2. 本地运行 vs 云端运行：两条路最终要聚合Sam Altman： Codex 从云端转向本地，是由于本地环境更单一——你的文件、配置都在那，不必要想数据在哪。但这不是终点。最终的状态是云端智能体——你合上电脑时它在云端持续工作，你有高强度工作时它能在云端并行处置，你能够扩大到一个单台笔记本底子做不到的规模。Matt Garman： 没有任何推算环境已经真正扑灭客户端。iPhone App 也有本地组件，本地运行就是有低延长、单一易用的天然优势。但一旦进入企业场景——两幼我世共享、权限天堑、安全天堑——本地就左支右绌了。最终肯定是本地和云端两条路结合在一路。Sam Altman： 当智能体以 " 虚构同事 " 的身份进入工作行列后，我们关于软件和权限的所有心智模型都要被沉写。你作为员工应该有一个账户，而后让你的智能体也用这个账户？还是应该给智能体单独一个账户，让服务器能明白显谁在操作？若是一幼我有十个智能体呢？我设想了一种还没被发现出来的 " 原语 "：当 Ben 的智能体登录时，它用的是 Ben 的账户，但系统能标注这是智能体而非 Ben 自己。我们还没搞明显这些，但智能体参与工作行列并变得越来越自主，这些问题很快就会被推到台面上。3." 智能工厂 " 与定价革命Sam Altman： 我们性质上是一家 "token 工厂 " ——不合，应该说是 " 智能工厂 "？突Р还厍心阌玫氖鞘裁葱酒⒛Ｐ团芰思付 token，只关切一件事：以最廉价值获得最好的智能单元，要几多有几多。刚颁布的 5.5 模型，单 token 价值比前代高好多，但实现同样工作必要的 token 数量大幅削减，整体算下来更便宜。你不该关切用了几多 token，你只该关切花了几多钱、活儿干没干完。按 token 定价持久来看会过期，最终会演造成按 " 实现一件工作 " 来收费。Sam Altman： 水电煤有弹性天堑——水便宜了你也不会一天洗两次澡。但智能可能不一样。我没有见过任何其他效用，让我只想说 " 只有价值足够低，我就无限度地持续用 "。目前更多客户是在求我 " 不论多贵多给我算力 "，而不是在砍价。但我有信心持续大幅压低智能的成本。Matt Garman： 这和推算能力的汗青轨迹齐全一致。今天一个推算周期的成本比 30 年前便宜了不知几多数量级，但今天卖出的推算量比任何时期都多。AI 此刻还处于极早期——各人抢前沿模型是由于只有它能实现真正有效的工作。未来肯定会有模型结构的混合：幼而快的做专项工作，前沿巨型模型去攻克癌症。4. 智能体的终局是什么？Ben Thompson： 企业内部可能必要两层智能体。底层智能体的工作是不休钻入各类数据库、SaaS 利用、文件系统去检索、整顿和关联信息——这是一层 " 数据整合智能体 "。上层智能体掌管与人类交互、出现了局、执行决策——这是 " 用户界面智能体 "。Sam Altman： 最近跟大企业客户互换时，他们的需要越来越一致：想要一个智能体运行时环境、一个能衔接数据并节造 token 亏损的治理层、以及一个给员工用的工作空间。这套器材各人描述得越来越类似，但产品还没齐全做出来。但可能在某个时刻你会发现，这套多层级架构只是我们抱着旧世界不放，模型足够强之后整个器材应该推倒沉来。Matt Garman： 我们此刻还不齐全知路最终状态是什么，这也是做这件事的乐趣——让客户用起来，从他们的实际中进建，再反过来让产品变得更快更好。Ben Thompson： Google 在 Next 大会上刚讲完从芯片（TPU）到模型（Gemini）到利用的全栈垂止佧合，而你和 Sam ——一个没有前沿模型，一个不是云厂商——却坐在一路颁发合作。AWS 到底是由于没有自研前沿模型而落后了，还是有意选择了这条盛开路线？Matt Garman： 从 AWS 第一天起，拥抱合作同伴就是我们最主题的战术之一。我们衡量成功的尺度不是 " 我是否占有所有 "，而是 " 合作同伴是否成功——他们成功了，我们就成功了 "。这跟 " 我必须占有全栈 " 的哲学分歧，但两种路线各有人信。我们相信客户应该有权选最好的器材。若是最好的器材是我们自己做的，很好。若是最好的器材是合作同伴的但跑在3377体育基础设施上，对我们同样是成功。没有任何一家公司能占有所有最好的利用。Sam Altman： 我至心以为开发者此刻能构建一类全新的产品。模型能力未来一年会以极度峻峭的曲线进取，我们选在这个时辰共同打造平台，机遇正好。我但愿一年后人们回头看，会商的沉点不是 " 终于能在 AWS 上用 OpenAI 了 "，而是 " 我们其时齐全低估了这个新产品的沉要性 "。Ben Thompson： 上次我们做产品采访是跟微软 Kevin Scott 聊 New Bing，你其时对挑战 Google 极度自负。此刻回头看呢？Sam Altman： ChatGPT 的阐发超过了其时的预期——它可能是自 Facebook 以来第一个真正大规模的新消费产品。API 和 Codex 也做得不错。但 Google 在好多方面依然是一家被低估的公司——他们的广度和深度令人敬畏。这次跟 AWS 的合作，不仅是贸易层面的双赢，更是技术层面的一个新起点。当模型能力和编排工具终于走到一个交汇点上，开发者能做的事会齐全分歧。