鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

GPT 6要来了?15年后市值突破5万亿,OpenAI签下「对赌协议」

编程导航
编程导航
2025-10-29 12:30
阅读 303
编程导航
2025-10-29 12:30
阅读 303

刚刚,OpenAI 宣布完成公司结构重组,估值锁定 5000 亿美元。这不仅意味着其多年的「营利」与「非营利」矛盾得以破解,更为公司的未来铺就了一条清晰而稳固的跑道。这场重组大戏,终于锤音落定。

简单来说,OpenAI 现在分为两大组成部分,一家是非营利组织,称为 OpenAI 基金会(OpenAI Foundation),另一家则是公益性营利性组织,OpenAI 集团(OpenAI Group PBC)。

OpenAI 基金会将持有 OpenAI 集团的股权,所有股东按比例分得 OpenAI 集团的股份,OpenAI 基金会未来将花费 250 亿美元投入到 AI 健康以及 AI 基础设施建设研究。

OpenAI 集团,则主要专注于筹集资金和商业化,让 OpenAI 有足够的资金支撑 AI 研发成本、人才成本,以及技术推广应用的费用。

OpenAI 在官宣公告中明确强调,无论是 OpenAI 基金会还是 OpenAI 集团,它们的使命都是确保人工智能造福全人类。

截至重组结束,OpenAI 基金会持有 OpenAI 集团 26% 的股权,根据 OpenAI 公益集团的当前估值,价值约为 1300 亿美元。微软持有 OpenAI 集团约 27% 的股份,其余 47% 由现任和前任员工和投资者持有。

OpenAI 现有股东持股比例 来源:极客公园制图

01

三步妙棋,让 OpenAI 走出重组困境

事实上,除了 26% 股份外,OpenAI 基金会还持有一份未来的认股权证。OpenAI 提到,当 OpenAI 集团的估值达到特定门槛时,OpenAI 基金会获得 OpenAI 集团的额外股份。

换句话说,OpenAI对所有的投资者们立下了一份「对赌协议」。如果 OpenAI 集团的股价在 15 年后上涨达到十倍,也就是达到5万亿美元,OpenAI 基金会将获得大量额外股权。

其实,这份认股权证设置得十分巧妙,也是 OpenAI 的第一步妙棋。

15 年时间内 10 倍估值的目标,不但表达了公司的积极信心,激励所有人,而且由于这份认股权证是一份未来权益,行权前并不会稀释现有的股东权利,巧妙地避开了现有股东的担忧之处。

通过这份认股权证,OpenAI 集团的商业成就将能够直接「输血」给非营利基金会,使其成为公司长期价值的最大受益者。这一招,不仅从根源上解决了「追求利润」与「坚守使命」对立的内部困境,有效稳住了团队军心,更构建了一个「以商业成功滋养公益使命」的可持续闭环,实现了二者的强力绑定。

此次调整的第二步妙棋则在于股份简化制度。重组后,OpenAI 集团的所有股权持有人都拥有相同类型的传统股票。将股权结构简化为传统股票制度,不但能够让所有股东都有相同的股权,消除了以往复杂结构中公司对投资回报的限制,让公司对外部投资更具吸引力,也为员工和投资者提供了清晰的价值增长预期。可以说,这一步,无疑是为接下来的 IPO 道路清除障碍。

此次调整的第三步妙棋在于和微软的合作方式。尽管 OpenAI 在官宣博客以及直播中并未过多提及微软,但老伙伴微软却专门讲了一下这次重组将会对 OpenAI 与微软之间的合作造成哪些影响。

首先是脱钩。微软现在可以独立选择是否与第三方合作开发 AGI,而 OpenAI 现在也可以与第三方联合开发一些产品。

其次是合作。OpenAI 仍然会是微软的前沿模型合作伙伴。微软表示,OpenAI 模型和产品的知识产权将延长至 2032 年,并涵盖未来可能出现的AGI 模型。但 OpenAI 的消费级硬件不包含在微软的知识产权范围内。与此同时,微软还表示 OpenAI 已同意以 2500 亿美元的增量购买 Azure 服务,但微软将不再拥有作为 OpenAI 计算提供商的优先购买权。

最后是与微软的解约时机。微软表示当 OpenAI 声称其已达到 AGI 时刻之前,两家公司之间的收入分成协议将一直有效。

插个题外话,微软绝对是此次 OpenAI 估值飙升路上最赚的投资人,它以不到 150 亿美元的投入,撬动了近 10 倍的资本回报,并且稳稳驾驭着 AI 革命浪潮,并将关键的盟友转化为自身云业务的长期潜在大客户。无论未来如何演变,微软已凭借此次重组,将其立于不败之地。10 月 29 日,微软美股早盘一度涨超 4.1%,现涨幅收窄至 2% 附近,市值超过 4 万亿美元。

说回来,此番资本重组的「三步妙棋」,一举破解了 OpenAI 在营利与非营利之间的治理难题,不仅赢得了董事会的一致批准,更获得了加州与特拉华州监管机构的关键背书。最终,这一方案成功凝聚了股东、投资人及内部团队的共识,并赢得了监管与司法体系的认可,堪称公司治理史上的一项「多赢」范本。

02

OpenAI的下一步,走向何方?

除了官方博客以外,OpenAI CEO Sam Altman 还拉了两位董事会核心成员开了场 90 分钟的直播,描述未来 OpenAI 会做什么。

随着 Sora 模型的迭代和 AI 浏览器 ChatGPT Atlas 的推出,OpenAI 的产品线越来越丰富。OpenAI 到底想要打造一个什么样的产品矩阵?这一次,Sam Altman 也通过一张产品矩阵图给出了比较明确的回答。「传统上我们的一些产品表现为ChatGPT内部的 AI 超级助手。但我们不会仅仅停留在自身进化,而是要成为一个平台,让其他人可以在其上构建。」Sam Altman 提到,希望 OpenAI 成为一个平台,一条通往「AI 云」的道路。他还谈到自己的理念来自于比尔·盖茨的名言:当你平台上构建者所创造的价值超过平台构建者本身时,你才算建立了一个平台。因此,明年 OpenAI 希望通过技术、用户群以及构建的框架,让全世界都能在其上构建出色的新公司、服务和应用程序

想要做到这样的平台,Sam Altman 认为至少要做到两点原则性条件,第一是用户自由,任何人都可以使用 AI 满足自己的需求。第二是隐私保护,他认为世界需要以一种不同于以往技术的方式来思考隐私问题。当用户与 AI 交流时,像与医生、律师、配偶交谈一样,会分享生活中最私密的细节,这也意味着公司需要强大的技术保护来保障这种隐私,但统一需要配套的政策支持。

同时,另一位 OpenAI 发言人也提到一些对 AI 病毒的预防对策。他提到随着 AI 进步,某些坏人可能利用 AI 制造人为的病毒。那么,在安全层面,就需要建立一个「AI 韧性层」,缓解病毒的传播,确保模型阻止与病毒逻辑相关的查询。但即使 OpenAI 阻止了它,有人很可能使用其他不同的模型仍然能够制造出他们的病原体。所以,OpenAI 希望在问题发生时,「AI 韧性层」具备快速响应能力,并推动在不同模型之间建立一个协同联防的生态体系。

至于为什么要投入 250 亿美元去研究AI医疗和 AI 基建?Sam Altman 提到有可能在 2026 年看到模型会得到一些小的研究发现,到 2028 年,有可能做出中等甚至可能更大的发现。「谁知道 2030 年和 2032 年会是什么样子?如果 AI 能像过去那样持续推动科学进步,我们认为未来可能会非常光明,但人类能够在这个未来中选择前进的道路也是至关重要的。」他说到。

有关 AI 基建部分的讨论简单总结分为两点:一是,Sam Altman 对目前 AI 基建的进展还算比较满意,但是算力的成本支出仍然很高。二是 OpenAI 在和与 AMD、博通、谷歌、微软和英伟达、甲骨文、软银等许多其他公司合作过程中,试图降低算力成本,但这是一个长期过程,想要实现 AGI,算力成本还需要继续下降。

此外,在两个公司核心董事上,OpenAI 基金会将会由董事会管理,董事会由独立董事 Bret Taylor(主席)、Adam D'Angelo、Dr.Sue Desmond-Hellmann,博士 Zico Kolter,美国退休陆军将军保罗·M。Nakasone、Adebayo Ogunlesi、Nicole Seligman 和 Larry Summers 以及首席执行官 Sam Altman 组成。

OpenAI 基金会独家持有的特殊投票权和治理权,OpenAI 基金会将任命 OpenAI 集团董事会的所有成员,并可以随时更换董事。所有现任 OpenAI 基金会董事也将担任 OpenAI 集团董事会成员。

OpenAI 基金会下设安全和安保委员会(SSC)为包括 OpenAI 集团在内的所有 OpenAI 的安全和安保实践提供治理。SSC 主席博士 Kolter 将专门在 OpenAI 基金会董事会任职,也就是说 Kolter 会担任无投票的观察员。

在资本重组后一年内,第二位基金会董事也将转为专门在基金会董事会任职,并担任 OpenAI 集团董事会的无投票权观察员。

03

现场接受网友拷问?!

Altman揭示 GPT 6 新进展

在现场,Sam Altman 还设置了读评论环节,抽取在线一些比较有趣的高赞评论进行回复。其中比较有意思的有三个,有关 GPT-6、AGI、以及收入的问题。

首先是有关于 GPT 6 什么时候来?Sam Altman 说现阶段,OpenAI 花了很多精力在解决系统集成、接口或知识产权的问题上,并展示出一些成果。基础模型上,GPT 5 是增强了模型预测能力,在这些应用能力提升后,很多变化会在五年甚至两年内发生。因此,当 GPT 6 出来时候,很难说这会是一个像是 GPT 3 到 GPT 5 的突破,还是说会是某些特定方面的升级,这可能需要 OpenAI 去内部规划,建立规则,增加投入,以及制定具体计划。从目前来看,GPT 6 可能是下一个出现重大升级的场景。

其次,Sam Altman 还讨论了目前在通往 AGI 路上的进展、思考以及下一步。首先是,Sam Altman 在直播过程中比较坦诚地提到目前并没有看到清晰通往 AGI 的道路。但他们尝试通过一个 OpenAI 账户将能够接 AI 世界,构建出海量的应用。而且,系统应该摆脱要某些限制,在收到通知后能自动运行。目前,他们还在思考 AI 到底应该如何影响我们的工作?AI 要如何加速未来 AI 系统的开发?未来的 AI 系统会是什么样子?「到明年某个时候,我们希望建立一个能够自动执行大型研究项目的系统,相当于一名研究员的水平。」Sam Altman 说:「但ChatGPT发布整整 5 年后,我们能拥有一个真正合格的 AI 研究员水平。」

Sam Altman 还觉得未来人与AI的对齐将会是关键的一步。「这个智能体是否与人类互动?它如何与人互动?它的可靠性如何?AI 目前能否校准预测,使其在简单任务上可靠?并能处理我正在使用的环境?」他觉得,除了认知对齐以外,价值对齐也很重要。「AI 从根本上真正关心的是什么?它能否遵循一些高级原则?当被赋予不明确或相互冲突的目标时,它会怎么做不危害人类。」Sam Altman 提到 OpenAI 内部正在做很多研究,目前有了一些初步阶段,正在尝试转化结果。为了达到这一点,OpenAI 最新思考是,设置一个「通道冲突」,主要通过在训练中有意不监督模型的特定内部推理过程,以保留其思维轨迹的真实性,从而更准确地理解模型的内在运作机制。

最后有关OpenAI的收入方面,Sam Altman 认为最终需要达到万亿美元级别的收入。「这必须为我们带来巨大的收入。但我认为消费者确实会接受,而且不仅仅是通过订阅,我们还会有硬件设备以及大量其他产品。我们需要在科学领域实现 AI发现,并挖掘所有那些尚未开发的高潜力可能性。随着我们在这些方面取得更多进展,我们将会相应增加AI基础设施的投入。」

整体来看,OpenAI 对内已展现出对产品路线、收入模式与商业闭环的成熟思考;对外已经对AI 融入社会的复杂命题,展开了多元化的探索。此次重组大戏顺利收官,不仅清除了一些旧有障碍,更将其转化为了公司未来发展的核心优势。

可以看出,一个更强大、更专注的 OpenAI 即将开启属于它的新篇章。(徐珊)

原文链接: GPT 6要来了?15年后市值突破5万亿,OpenAI签下「对赌协议」
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230