買算力、賣智慧，需求無上限 — 布洛克曼拆解 OpenAI 最簡單的商業邏輯

本文整理自紅杉資本（Sequoia Capital）AI Ascent 2026 峰會，2026 年 4 月播出。

{{< youtube bBS93A0BeNI >}}

---

OpenAI 共同創辦人暨總裁布洛克曼（Greg Brockman）在紅杉資本 AI Ascent 2026 開場就用一句話拆解了公司的商業模式：「我們買算力、租算力、建算力，然後加上利潤賣出去。就這樣。」語氣輕鬆得像在描述一間街角雜貨店的生意，但這間「雜貨店」背後是數千億美元的基礎設施投資，和一個正在改寫人類文明的技術。

OpenAI 的商業邏輯之所以能這麼簡單，建立在一個關鍵前提上：智慧的需求是無限的。只要把算力轉化成智慧的利潤是正的，就值得繼續擴大規模。在布洛克曼看來，這不是假設，而是已經被市場反覆驗證的事實。這場訪談涵蓋了從算力底層一路到 AGI 願景的完整圖像，讓人看清 OpenAI 的戰略思路為何如此清晰。

「買多少都不夠」：ChatGPT 上線那天的預言

布洛克曼回憶了 ChatGPT 上線前的一段對話。團隊問他該買多少算力，他的回答是：「全部。」團隊以為他在開玩笑，追問了一次。他很認真地重複：「不管我們多快增加算力，我保證跟不上需求。」從那天到現在，這個預言一直成立。

主持人提到 AWS 執行長 Matt Garman 說過，2026 年全球可用的 GPU 算力「約等於零」。布洛克曼半開玩笑地回應：「你們不是說我們已經拿走全部了嗎？」答案當然是不夠。OpenAI 持續在全球搜刮算力，投入規模驚人的基礎設施建設。在布洛克曼的商業邏輯裡，這完全合理：需求無限，供給永遠不夠，那就盡可能多買。

這個看似粗暴的邏輯能成立，背後有一個深層的技術支撐。不是因為 OpenAI 很有錢所以隨便花，而是因為一條至今未被打破的定律告訴他們：花越多算力，模型就越強。

Scaling Laws：精確測量、卻不理解的宇宙法則

布洛克曼把 Scaling Laws（規模定律）形容為一種「深奧而美麗的神秘現象」，語氣中帶著對自然法則的敬畏。他把它比擬為牛頓物理定律那樣的基本真理。核心觀察其實很直覺：當你往神經網路投入更多算力，模型就會變得更聰明。投入量和能力之間有一個可預測的關係，而這個關係到目前為止一直成立，沒有天花板，沒有撞牆的跡象。

讓布洛克曼覺得最美的一點是歷史的連續性。神經網路的基本概念在 1940 年代就被提出了，比電腦本身還早。八十多年過去，研究者基本上還在用同樣的核心想法，只是不斷地加大算力的投入。而它就是持續有效。用 1940 年代的概念，配上 2026 年的算力，你就能得到 GPT-5.4 這種等級的智慧。

但這裡有一個令人不安的事實：沒有人真正知道 Scaling Laws 為什麼有效。它是經驗觀察，不是理論推導。布洛克曼自己也承認缺乏完整的理論來解釋。這意味著全球 AI 產業數千億美元的資本支出，都建立在一個「我們不知道為什麼有效、也不確定什麼時候會停止有效」的經驗法則之上。布洛克曼不迴避這個不確定性，但他從中看到的是更多的研究空間，而不是需要擔心的風險。

在架構層面，OpenAI 持續投資創新。布洛克曼提到從 LSTM 到 Transformer 的轉換是一次重大的範式躍進，而他暗示 Transformer 本身也已經被超越：「大家都已經走過了 2018 年那篇論文描述的 Transformer。」這些架構創新有時是微調層級的，比如重新整理訓練資料的格式，「聽起來是小事，但影響可以非常大」。有時則是根本性的範式轉移。

GPT-5.4 已經比大多數人會寫程式了

布洛克曼被問到 OpenAI 對 AGI 有沒有正式定義，以及我們離 AGI 還有多遠。他的回答是：「大概走了 80%。」這不是隨口說的樂觀話。

他反問在場聽眾：「有誰覺得自己寫軟體比 GPT-5.4 厲害？」場內一片沉默。有人補了一句「寫核心程式呢？」布洛克曼說，即使是低階核心開發這種最硬的領域，模型的進步也非常明顯。他提到 OpenAI 內部測試結果顯示，如果你為問題建立正確的框架和環境，模型在非常底層的技術任務上也能產出超出預期的成果。

他用了一個內部案例來說明模型能力的躍升。一位叫 Arnold Lark 的系統工程師，之前用 GPT-5.1 和 5.2 都覺得「模型對我的工作沒什麼幫助」。直到 GPT-5.3 出來，他準備了一份複雜系統優化的設計文件，原本要交給團隊花一週實作。他抱著試試看的心態丟給模型，去睡了。隔天早上醒來，模型不只照規格實作完畢，還自己加了效能監控、用分析器找瓶頸、迭代好幾輪優化。一個人一週的工作，一個晚上就完成了。模型能力的提升不是線性的漸進，而是帶有突變性的跳躍。

只做一件事：打造你能對話的 AGI

能力越強、機會越多，聚焦反而越難。布洛克曼坦承最近 OpenAI 做了很多「痛苦的取捨」，砍掉了不少項目。他說「focus」這個詞最近被大量套用在 OpenAI 身上，而且可能是第一次這麼密集。

那 OpenAI 到底聚焦在什麼？布洛克曼的描述很直白：「我們要打造一個你能對話的 AGI。它有你的脈絡，知道你在做什麼、需要什麼。你可以在個人生活用它，在工作中也用它。它值得信賴，你可以向它諮詢健康問題、財務建議、職涯選擇。」所有不直接服務這個核心目標的項目，OpenAI 都不做了。

這個策略選擇解釋了很多外界的疑問。為什麼 OpenAI 同時投入消費端和企業端？因為「目標導向的 AI 助手」在兩個場景都適用，這不是分散，而是同一個產品的不同面向。為什麼 Codex 從程式編碼工具擴展到一般電腦工作？因為 AI 助手需要能處理所有類型的任務。為什麼不去做垂直應用、不去搶 SaaS 市場？因為那些機會雖然龐大，但不在 OpenAI 核心願景的射程內。

從敲鍵盤到設定目標

布洛克曼在演講尾聲勾勒了一幅未來的圖像。他說我們現在的工作方式非常不自然：駝著背、盯著方形螢幕、用手指在鍵盤上敲字。腕隧道症候群和肩頸僵硬，都是這種不自然狀態的副產品。他認為未來的互動不是人去適應機器，而是機器來適應人。「讓機器來配合你，而不是你去配合機器。」

這個願景搭配他前面描述的商業邏輯，就有了具體的時間表。只要 Scaling Laws 繼續成立，只要算力的投資報酬率是正的，OpenAI 就會持續擴大規模，模型就會持續變強。布洛克曼承認不知道 Scaling Laws 什麼時候會停，但他也指出，到目前為止沒有任何停下來的跡象。

「買算力、賣智慧」不只是一個簡單的商業模式，而是一個具有自我強化機制的飛輪：更多算力帶來更強模型，更強模型帶來更多使用者和收入，更多收入投入更多算力。只要飛輪持續轉動，OpenAI 就能持續朝它的核心目標前進。你可以不認同這家公司的野心或策略方向，但這套邏輯的簡潔和自洽，確實讓人很難找到明顯的漏洞。