編者按：

　　本文由AI深度研究員出品，內容翻譯自OpenAI COO Brad Lightcap和首席經濟學家Ronnie Chatterjee的最新對話，多知獲授權轉載。在對談中，教育被反復提及。 Brad和Ronnie認為:“AI 正在成為學生的第二課堂、職場人的第二搭檔，而'如何和 AI 配合做事’，本身就是一種能力。”總結來說，教育的終極目標，正在變成“配置能力”。

　　2025 年 7 月 15 日，OpenAI 剛剛上線的播客第 3 期，引發 AI 圈高度關注。

　　這場長達 60 分鐘的對話中，OpenAI 首席運營官 Brad Lightcap 與首席經濟學家 Ronnie Chatterji 首度同坐麥克風，從 ChatGPT 爆發式增長聊到教育轉型，從智能代理落地講到全球產業鏈重構。

　　主持人 Andrew Mayne 一句開場就定了調：

　　The future of work is arriving faster than expected

　　(新的工作模式比我們想象的來得更快).

　　三組硬核底牌，先亮出來：

　　5 億周活：截至 2025 年 3 月，ChatGPT 的全球周活躍用戶已突破 5 億，企業級付費客戶超過 300 萬。Lightcap 在接受 CNBC 時直言，消費側爆發和企業側采購正在相互拉動;

　　1 句定心丸：針對“AI 會沖走半數白領崗位”的悲觀預測，Lightcap 給出明確回應——我們沒有看到相關證據。

　　3 條增量曲線：Chatterji 指出，AI 真正打開的，不只是“自動寫代碼”這種淺層效率，而是 生產率 × 教育 × 地理 三個維度的結構性杠桿。他也警告，如果準備不足，這些機會很可能擦肩而過。

　　本文將基于這場完整對話，逐一分析這三條曲線，告訴你：下一波 10 倍增長機會到底在哪、你該怎么準備、又該站到哪條增長線上?

　　第一節|AI 不是工具，是“生產杠桿”

　　“我不喜歡‘工具’這個詞，它低估了 AI 的能力。”

　　Brad Lightcap 在對話一開始就指出，大多數人對 AI 還停留在“工具心態”——像用搜索、用表格軟件那樣，用完就丟。但今天的 AI，不再只是一個用來提高效率的小幫手，而是可以獨立完成任務的工作伙伴。

　　OpenAI 官方定義的'代理(agents)'，必須能承接復雜任務，并自己完成。它不是你事無巨細指揮的助手，而是能自主推進一段流程的同事。

　　他舉了一個簡單的例子：一個銷售團隊，一天會收到上萬條客戶線索。原來你需要大量人力來看這些線索、判斷哪些是潛在客戶、再決定跟進方式。

　　但現在，一個 AI 代理可以代替這整條流程：

　　自動讀取線索內容

　　識別重點

　　推薦下一個動作(比如發郵件、約會議)

　　決定由誰負責跟進

　　這些步驟不是它照你吩咐一步步做，而是它自己看得懂流程，也能動手完成。

　　Ronnie Chatterji 也認為：我們在定義智能代理時，有個核心標準是：能不能交辦任務?能不能完成沒見過的工作?

　　這和以往的“提示詞—回應”范式不同。代理系統的本質，是把 AI 從“你問我答”，變成“你給我任務，我自己搞定”。

　　這意味著，未來的合作不是人+人，而是人+代理系統。

　　Brad 說得更簡單：你會看到兩種類型的代理：一種幫普通人完成他們不會做的事，比如寫代碼、排流程;另一種，則是讓已經很厲害的人，效率再提高一倍。

　　這句話的背后，其實說的是代理不是替代誰，而是放大誰的能力。

　　? 代理怎么“長得像個同事”?

　　在Brad看來，一個真正能工作的代理必須滿足三點：

　　懂你的任務結構;

　　能自主推進一段流程;

　　能在你沒教過的情況下，自己想出辦法。

　　這其實創造了一種全新的工作方式。

　　以前，我們說一家公司靠崗位運轉——一個崗位一個人，一套流程靠人來填滿。 現在，流程可以交給代理來跑，人只需要在關鍵節點做決策。

　　Ronnie 甚至提出了一個重要洞察：AI 帶來的，不是哪一類人會被取代，而是誰能真正調動代理完成一整件事。

　　? 代碼、銷售、醫療……哪些工作正在被“代理化”?

　　Brad 明確提到了幾個正在被快速改變的場景：

　　1、軟件工程

　　過去一個項目需要幾十人、幾個月

　　現在有團隊用 Code Agent 把開發周期縮短到一周

　　代理負責寫代碼、測代碼、生成文檔、提建議

　　2、銷售流程

　　輸入大量客戶信息，代理自動完成“篩選—推薦—對接”流程

　　不再靠人拉名單、定規則、做初篩，而是全流程智能化

　　3、科研和藥物發現

　　不再是科研人員一個階段一個階段試驗

　　而是用代理同時模擬多條路徑，挑出最可能成功的方向

　　而這樣的變化不僅僅是個例。在 OpenAI 的合作案例中，他們發現代理系統在很多任務上已經比人更快、也更穩定。

　　? 那么問題來了：什么樣的人，在這個趨勢中被放大?

　　Lightcap 的回答非常清楚：

　　是那些懂得分配任務給 AI、能夠激活它完成閉環的人。

　　不是寫代碼最好的，也不是懂模型架構最深的，而是：

　　能看清楚一個任務的起點和終點

　　能把任務交給 AI 跑完

　　能在中間做關鍵判斷

　　能圍繞代理做二次協作的人

　　這樣的人，就是未來團隊里的10倍角色。

　　AI 時代，個人價值的新定義：不是你能做多少事，而是你能否讓 AI 成為你的力量倍增器。

　　第二節|小團隊崛起：靠用 AI 做事

　　AI 讓一支三人的創業團隊，擁有過去三十人的能力。

　　——Brad Lightcap

　　在這場對談中，Lightcap 提到的不是遙遠未來的某種“設想”，而是他最近親眼看到的真實場景。

　　一個只有 3 人的開發團隊，靠一整套 AI 代理系統完成了從產品規劃、代碼編寫、Bug 修復，到版本發布的完整流程。他們用上了一個 Code Agent，能自動寫代碼、測試、記錄改動，還能根據用戶反饋快速生成新版本。

　　原本需要一個月的迭代周期，現在縮短成一周。

　　而人，只需要做一件事：告訴 AI 要做什么，以及對結果是否滿意。

　　這不是靠加班做出來的，而是靠“調用 AI”完成的。

　　? 工具和杠桿，不再等于人力堆疊

　　Brad 強調：過去我們想象中'更強團隊'的方式是擴大規模——更多人手、更多預算、更多流程。

　　但在 AI 驅動下，最強的團隊不是人多，而是能調動資源。

　　我們正進入一個時代：一個很小的團隊，只要能善用 AI，就能完成遠超他們體量的項目。也就是說，小，是新的大;輕，是新的快;靈活，是新的重裝。

　　Ronnie 也補充說，這種模式會對傳統的“規模優勢”帶來沖擊。

　　“以前你要跑通一個流程，需要大量人力支撐。但今天，一個用好 AI 工具的小公司，可以快速迭代，甚至在質量和交付上壓過大公司。”

　　他用一個類比：

　　就像過去很多音樂人只能靠唱片公司才能發行專輯，

　　但現在，一個人加一套軟件就能在家出歌、剪視頻、上線平臺，直接面向聽眾。

　　創業也在經歷同樣的去中介化。

　　Brad 舉了個具體例子：我們看到很多人拿著幾千美元啟動項目，原因不是他們省，而是他們知道：能用 AI 做的，絕不再雇人來做。

　　? 企業組織邏輯也變了：不是堆崗位，而是拉任務

　　Lightcap 用一句話總結這種變化：未來組織的核心能力，不是設崗位，而是快速組隊。

　　什么意思?

　　以前企業的組織邏輯是：設立崗位，招人填上，每個人負責一小段流程。

　　但 AI 帶來的是“任務導向”的工作模式：

　　有事 → 拆任務 → AI 先跑一遍 → 人判斷是否通過 → 下一步自動連接

　　這也解釋了，為什么很多公司開始設立“AI Ops(AI運營)”或“Agent Coordinator(代理協調員)”這種新崗位——不是因為他們懂代碼，而是他們懂得怎么指揮 AI 幫團隊完成一件事。

　　Ronnie 特別提到：最大的能力差距，不是你懂多少 AI，而是你知不知道有哪些事現在可以交給 AI 去做。

　　小結：

　　對小團隊來說，AI 不只是幫你省錢，更是讓你站到杠桿上。

　　如果說以前創業需要 30 人 + 半年 + 天使輪;那么現在，也許只需要 3 人 + 3 個工具 + 3 周。

　　組織競爭，也不再是比“誰人多”，而是比“誰調得動 AI 做事”。

　　第三節|AI 合作力，成了新通識

　　未來的基礎能力，不只是讀寫算，而是會和 AI 協作。

　　——Ronnie Chatterji

　　在整個對談中，教育，是被反復提到的關鍵詞。 但這一次，OpenAI 的討論并不是停留在AI 會不會替代老師這種老問題上，而是拋出一個全新的認知：

　　“AI 正在成為學生的第二課堂、職場人的第二搭檔，而“如何和 AI 配合做事”，本身就是一種能力。”

　　? 什么叫“AI 合作力”?

　　Chatterji 給出了解釋：這不是學 Prompt Engineering(提示詞工程)，也不是會寫代碼，而是能把 AI 融入到自己完成任務的全過程。

　　Brad 補充了一句：我們越來越看重的是一種混合能力：

　　你是否能理解一個任務?

　　能不能判斷哪一部分可以讓 AI 來做?

　　能不能和 AI 有效對話、共同完成結果?

　　他們把這種能力叫做：AI collaboration skills(AI 協作技能)，類似于你是否具備“會用搜索引擎”或“會用辦公軟件”的那種基本功。

　　?  高校改革：AI進課堂

　　最具體的例子，來自加州州立大學(Cal State)。

　　這個擁有 50 多萬名學生的大系統，已經正式將 ChatGPT 引入教學流程：

　　教授用 AI 輔助批改作業、生成測試題;

　　學生用 AI 寫摘要、做預習、查漏補缺;

　　課程設計者直接用 GPT-4o 生成教學大綱和內容素材。

　　Brad 說：Cal State 在做的事情，其實是一種'雙軌教育'：你上課學知識，但你也在學怎么和 AI 一起完成任務。

　　這種雙軌模式背后，體現的是整個教育思路的轉變。 Chatterji 進一步指出，我們培養學生的能力組合正在變成三個維度：

　　Emotional intelligence(情緒智力)

　　Domain knowledge(專業知識)

　　AI collaboration(AI 合作力)。”

　　這也意味著，未來的'基礎能力'可能不再是傳統的文理分科，而是一種新的核心技能：能否與AI協作解決復雜問題。

　　這其實比考試更難，也更貼近現實。

　　? 新職場技能：AI協作力

　　Brad 提到，他現在在面試很多候選人時，不再看他們“過去做過什么”，而是問：你怎么用 ChatGPT 工作?你平時交給 AI 做什么?哪些事是你自己親自完成的?

　　他坦言：

　　很多表現突出的年輕人，不是因為他們比別人聰明，

　　而是因為他們知道怎么把 80% 的工作‘交出去’。

　　不是一個人做 10 件事，而是一個人帶著 AI，完成原來要 5 人干的活”。

　　? 教育的終極目標，正在變成“配置能力”

　　Ronnie 總結了一句非常關鍵的話：

　　“真正的競爭力差距，不是你會不會寫代碼，而是你會不會“配置”AI。”

　　這個“配置”，不是技術意義上的裝系統，而是：

　　你會不會分析問題?

　　你能不能找到哪些環節適合 AI?

　　你是否知道怎么組織 AI + 人協同起來完成目標?

　　這種'配置'AI的能力，正是AI時代需要的新技能。

　　職場的分水嶺不是'會不會用AI'，而是'會不會與AI協作'。

　　這不僅是個人要掌握的新技能，也是每個組織必須思考的問題：如何讓所有人都具備AI協作力。

　　第四節|AI 正重構地理紅利版圖

　　AI 不只是服務硅谷或華爾街的工具，它已經成為全球通用的生產杠桿。

　　——Ronnie Chatterji

　　在這場對談里，最容易被忽略、但也最值得關注的一個變化，是：AI 正在打破機會只集中在一線城市的舊規則。

　　從鄉村農戶到遠程創業者，原本被邊緣化的人群，正通過 AI 連入全球生產鏈條。

　　Ronnie 說：

　　“我們正在看到，AI 能把技能和資源帶到原本缺乏基礎設施的地方，釋放出一種打破地理限制的能力。”

　　? 案例一：非洲農民靠 GPT + 衛星影像，提高作物預測精度

　　Ronnie 提到一個在非洲農村展開的真實試驗項目。農民用衛星影像 + AI 模型分析，提前預測作物收成;原本誤差在 20% 左右，現在壓到了 5% 以下。

　　原理并不復雜：

　　衛星圖像捕捉田地變化 →

　　大模型理解土壤、水分、作物周期 →

　　輸出產量預估 + 播種建議

　　這對小農戶來說，意味著什么?

　　這意味著：農民第一次可以科學決策，不再靠‘經驗種田’;他們種得更準、賣得更穩，收入也更可預期。

　　更重要的是：他們不需要懂英語、不需要上 AI 課，只需要一部智能手機 + 本地部署的模型系統。

　　? 案例二：印度的跨境賣家，用 AI 撬開海外市場

　　主持人提到他接觸到的另一個典型案例：在印度，一些做跨境電商的中小賣家，開始用 GPT 自動生成商品文案、翻譯客服回復、模擬海外用戶畫像。

　　他們沒有請團隊做市場調研，也沒有請專職翻譯，而是：

　　輸入產品細節 → AI 自動生成不同國家的產品頁

　　收到用戶評論 → AI 快速總結共性反饋并優化描述

　　節省了團隊成本，又提升了訂單轉化率

　　Brad 評價：

　　“以前一個人想走出去，需要語言能力、文化理解、團隊支持;現在一個人 + 一個模型，就能觸達全球用戶。”

　　? 地理優勢反轉：“你在哪”，變得沒那么重要了

　　正如Ronnie所說：過去，資源聚集在哪里，機會就出現在哪里?，F在，AI讓這個規則失效了——任何地方都可能成為下一個起點。

　　AI 就像一個隨身的專家團隊，無論你在哪里，都能獲得類似的智能幫助。

　　這正在改變游戲規則：地理位置的影響在減弱，信息獲取的門檻在降低，更多人有了平等競爭的可能。

　　那么，誰能真正抓住這波"地理逆襲"的機會?Ronnie 給出兩個關鍵詞：

　　1、連接感

　　不管你在哪，只要你能連接到 AI，能調用模型、借助工具，你就能打破信息孤島。

　　2、主動性

　　地理逆襲不是自動發生的，它依賴于你是否主動使用 AI，是否敢把業務、工作、學習“外包”給新工具。

　　AI不只是讓一線城市更強，而是把偏遠地區的起點大幅前移。

　　從非洲農民到亞洲創業者，AI正在重寫'地理決定命運'這條規則。下一波機會，很可能就在你沒關注過的角落。

　　結語|三條增量曲線：你在哪一條?補哪一塊?

　　60 分鐘的對話，其實只說了一件事：

　　AI 不再是風口，而是像水電氣一樣的基礎配置。

　　它正沿著三條曲線，重構個體與組織的增長邏輯：

　　生產率線：從“親自做”變成“調 AI 做”，小團隊靠智能代理獲得十倍杠桿;

　　教育線：從“教知識”變成“教協作”，AI 合作力正在變成基礎素養;

　　地理線：從“機會集中”變成“機會普惠”，技術正向全球偏遠地帶下沉。

　　這三條曲線背后，是三種能力的遷移地圖：

　　你可能沒有意識到—— AI 已經在參與你的每一件事。未來的價值分布，不看你在哪，也不看你學什么，而看你能不能把握住AI帶來的機會。

　　現在，現在，停下來想想這三件事：

　　你的業務 / 學業 / 工作，接入了哪條曲線?

　　哪項能力，是你下一個要補的短板?

　　下一次 10倍的增長浪潮來時，你準備好了沒有?

　　The future of work is arriving faster than expected.(新的工作模式比我們想象的來得更快。)

　　這未來，不再遙遠——它已經到了。

　　你要做的不是等待未來，而是融入它。

　　現在。

　　(本文來自“AI深度研究員”，多知經授權轉載)

　　原文鏈接：

　　https://www.youtube.com/watch?v=XHqC70la8Xc&t=1035s&ab_channel=OpenAI

　　https://shows.acast.com/openai-podcast/episodes/jobs-growth-and-the-ai-economy

　　https://americanbazaaronline.com/2025/06/05/openai-hits-3-million-paying-enterprise-users-463403/

　　https://www.businessinsider.com/openai-response-to-dario-amodei-white-collar-jobs-ai-prediction-2025-6

　　https://getcoai.com/video/brad-lightcap-and-ronnie-chatterji-on-jobs-growth-and-the-ai-economy-the-openai-podcast-ep-3/