OpenAI承认预训练掉队：产品贪多如何拖垮底座大模型与背后的资本困境

OpenAI 终于承认，自己在最核心的底座大模型上落后了。

说这话的不是别人，正是他们的首席执行官山姆·奥特曼（Sam Altman）。

在《时代》周刊 2026 年的一篇深度专访里，奥特曼说了这么一段话： “作为一家公司，我们显然犯了一些错误。无论在产品方向上，还是在预训练研究上，我们都落后于预期的目标。”

这是 OpenAI 第一次公开承认，自己在底座大模型上丢掉了领跑位置。

过去几年，几乎所有人提起人工智能，第一反应就是 OpenAI。 GPT-3、GPT-4 一路碾压下来，大家一度以为只要他们不停买卡、不停堆算力，就能一直把所有对手甩在身后。 怎么突然就在最拿手的预训练上，被对手追上甚至反超了？

奥特曼自己给出的病因诊断只有一句话： “我们在产品侧想做的事情太多了。”

这句话听起来像一句轻描淡写的公关反省。 但如果你拆开看里面的工程账本，事情一点都不轻描淡写。

在顶级人工智能实验室里，预训练是最残酷、也是最消耗资源的硬仗。 几十万张顶级 GPU 连成集群，把几十万亿个词的语料灌进去，连续跑上几个月。 这绝不仅仅是砸钱买显卡的问题。 全球真正懂得怎么让几万张显卡协同训练、中途不掉卡、不崩溃、把损失函数平稳降下来的顶尖专家，满打满算总共就几十号人。

原本这些核心研究员每天只需要盯紧一件事： 怎么优化模型架构，怎么清洗出更高质量的数据，怎么把底座模型的智力上限往上推。

但 ChatGPT 的爆火，把这套运转节奏彻底打乱了。

几亿普通用户涌进来，每天产生天量的实时对话。 一个纯粹的前沿算法实验室，一夜之间被推成了全球最大的消费级软件公司之一。 前端要排期，界面要更新，服务器要抗住每秒钟的流量洪峰。 更关键的是，算力和人力被严重分流了。

算力是零和博弈。 每一张顶级的 H100 显卡，只要被拨去给前端用户提供实时对话服务，它就没办法留给后台跑新的预训练。 那些原本应该坐在小黑屋里研究下一代模型架构的顶尖工程师， 被不断抽调去干各种具体的业务救火： 给模型做安全过滤、降低调用延迟、优化商业接口，甚至配合各种企业客户定制功能。

紧接着，摊子越铺越大。 既然要做产品，那就什么都想自己做： 要做视频生成工具 Sora，要做网页搜索 SearchGPT，还要做一个叫 Atlas 的独立浏览器。 甚至连好莱坞的版权合作、桌面端应用，也一并揽了过来。

战线拉得太长，代价很快就找上门来了。

原本最核心的预训练团队开始出现离职潮。 联合创始人伊利亚（Ilya Sutskever）出走自立门户； 负责安全与对齐的几位核心领袖，转头加入了老对手 Anthropic。

与此同时，对手可没有这么沉重的包袱。 Anthropic 几乎把全部精力集中在写代码和逻辑推理上。 研发出来的 Claude 3.5 和 Claude Code，直接把全世界程序员的日常工具给抢占了。 而在更广阔的开源生态里，Meta 的开源模型一路狂追， 底座能力与 OpenAI 之间的代差，被肉眼可见地抹平。

这时候再看奥特曼的诊断：“我们在产品上想做的事情太多了。” 按正常的逻辑，既然看出了病因，药方理所当然应该做减法： 关停边缘项目，精简产品线，重新把最聪明的脑子和最充沛的算力塞回实验室，去攻坚下一代底座模型。

但 OpenAI 根本做不到。

为什么退不回去？ 因为现在的 OpenAI 估值已经超过了 1500 亿美金，一年的算力和运营支出要烧掉几十亿美金。 这已经是一台停不下来的资本机器。 它不再是当年那个只要搞搞科研的实验室。 如果它退回成几十个人的纯科研小团队，不再发布让普通用户兴奋的新功能，不再开辟新的商业场景， 谁来给它下一轮融资买单？谁来替它每年几十亿美金的算力账单结账？

于是出现了一个极其荒诞的场面： 奥特曼一边对记者承认“我们因为贪多而在核心技术上掉队”， 一边转过身向外界宣布，OpenAI 现在的“执行力比以往任何时候都要好”。 随后，他们端出了一张规模更庞大、涉及面更广的下注清单： 从更复杂的智能体系统、自主研发的芯片供应链，再到跟前苹果设计师合作的硬件设备。

明知道战线过长导致了核心技术失守。 面对资本和市场的生存压力，最终的解药，居然只能是把战线拉得比原来更长。