人工智能国际领先机构OpenAI创新管理模式及对中国的启示

尹西明，李一凡，李纪珍，陈劲

（1.北京理工大学管理与经济学院，北京 100081；2.教育部人文社科重点研究基地清华大学技术创新研究中心，北京 100084；3.清华大学经济管理学院，北京 100084）

0 引言

数字经济日益成为经济高质量增长的关键引擎。党的二十大报告指出，加快发展数字经济，促进数字经济和实体经济深度融合。中国在AI 领域发展迅速，相关论文与专利数量全球领先，且拥有全球规模最大的市场和丰富的应用场景，但领军人才数量与美国差距较大［1］，整体技术创新还处于由知识引入型向自主创新型转变的升级阶段；AI 产业技术创新主要集中于企业间的技术创新合作，大学和科研机构在基础研究方面的创新优势亟待强化与发挥，需要继续加强自主创新，推动产业结构向基础研究和场景牵引双向协同转型，加强面向新一代通用AI的产学研深度协同创新体系建设［2］。

作为全球领先的人工智能机构，OpenAI 以其场景驱动的通用人工智能（AGI）开放生态建设的创新模式成为全球关注的热点。2022 年12 月，OpenAI 发布了基于大语言模型GPT-3.5 的对话生成式聊天应用——ChatGPT，将生成式人工智能（AIGC）推向了新高潮。ChatGPT 在发布后短短2 个月内，月活跃用户突破1 亿人，成为有史以来用户增速最快的消费级应用，引发了新一轮AI创新锦标赛。

本研究面向世界科技前沿和国家重大战略需求，梳理了OpenAI 的创新管理模式和经验，为我国政产学研各创新主体把握AI 技术和产业发展规律、提升国家创新体系整体效能提供参考，从而更好地推动AI健康可持续发展，进而赋能产业智能化、绿色化、融合化，开辟国家发展新赛道，加快打造中国式现代化新引擎。

1 人工智能发展现状与研究述评

1.1 世界主要国家人工智能发展现状

作为战略性、颠覆性技术，人工智能成为国际竞争的新高地和新焦点［3］。早在2016 年，美国便出台了《国家人工智能研究和发展战略计划》，其聚焦于保障国家安全、巩固世界领导力和提升国家竞争力等方面［4］。2017年，中国发布了《新一代人工智能发展规划》，提出中国人工智能“三步走”发展战略，将AI 发展提升至国家战略高度［5］。截至2023 年初，全球已有超过60 个国家和地区发布了AI相关的国家战略或政策规划，力图在新一轮国际科技竞争中抢占先机［6］。

目前，国际人工智能发展呈现两超多强的格局，即美国引领，中国紧追其后，欧盟、英国、加拿大等发达经济体激烈竞争的总体格局。Tortoise Intelligence 的“全球AI 指数”（The Global AI Index）显示，美国遥遥领先位居全球第一，中国排名第二［7］。从资金投入、技术发展、人才培养、应用场景等方面来看，中美两国已显著占据全球人工智能领域的“两极”之位［8］。商业投资方面，美国AI私人投资领先全球。2022年，美国的投资额达474 亿美元，约是中国（134 亿美元）的3.5 倍。此外，美国在新投资的AI 公司总数方面也继续领先，是欧盟和英国总和的1.9 倍、中国的3.4 倍。科研能力方面，中国AI领域学术论文和专利总量领先，但由于专利整体“多而不优”且废弃比例大，因此在AI论文和专利引用方面仍然落后于美国；同时，世界上大多数大型语言和多模态模型（2022年为54%）都由美国机构开发［9］。人才聚集方面，美国的AI 高层次学者数量（1 244 人次）是中国的6 倍多［6］，美国机构雇用了全球近60%的顶尖AI 人才［10］。产业领域方面，美国OpenAI、英国Deepmind与阿兰图灵研究所、加拿大Mila研究所等在AI 上游算法层或基础研究层占据着主导地位。基础设施方面，美国的英伟达等国际科技巨头已基本垄断了高性能智能计算硬件产业；而OpenAI 及其战略合作方微软则联合打造了新型AI 软件生态垄断格局。中国主要围绕应用层中的垂直领域开展重点研发，在计算机视觉、语音识别等技术领域快速发展。总体来看，中国AI发展迅速并跻身全球第一梯队，但在科研质量、人才支撑、产业发展和软硬件基础等方面与美国仍有差距。

1.2 世界主要国家人工智能创新体系建设

由于在AI领域各个国家和地区的优势各异，因此世界主要国家的AI 创新体系建设也具有多样性。美国AI发展的定位是维持全球领先态势，其对AI 未来发展方向及重点领域进行了系统布局。整体来看，美国对内重点聚焦于AI基础理论研究与前沿创新，并强化对未来引领性算法的前瞻探索，开拓脑机智能这一前沿创新领域，布局智能半导体芯片硬件研发，推进多学科交叉研究及相关伦理治理，为AI 创新提供文化与社会支持［11］；对外建立AI数据共享、研发协调、能力建设和人才交流的合作伙伴网络与国际标准。在人才培养方面，美国注重高端人才的培养和引进，同时推动公共和私人部门的合作，提高人才培养质量［12］；重视跨界合作，构建了一个由产学研各方和投资机构共同参与、保障人才持续供给的创新生态系统。

中国作为全球AI“两极”之一，正依托新型举国体制优势，致力于打造中国特色的AI创新发展体系：从2016 年起在宏观决策层面明确AI 布局，相继颁布了《国家创新驱动发展战略纲要》《互联网+人工智能三年行动实施方案》等文件［17］；2017年，正式发布AI 发展战略；党的二十大报告进一步提出，要构建新一代信息技术、人工智能等一批新的增长引擎。在产业发展方面，中国呈现出企业主导的集群化趋势，AI 企业及其创新活动构成了产业集群发展的微观基础。企业专注于金融、交通、制造等场景应用层，并形成了优势地位［18］。相比之下，美国在AI基础层和技术层的研发处于全球绝对领先地位，同时依托英伟达GPU智算芯片在关键零组件领域形成市场垄断格局［19］。在OpenAI 发布ChatGPT 之后，中国愈加重视基础算法层与硬件研发，加大了在智能芯片、基础结构、操作系统、开发工具链、核心网络、智能终端、深度学习平台、大模型及产业应用等领域的政策推动与社会投入力度，旨在进一步培育充满活力的AI创新发展生态。

英国AI技术创新能力位居世界第三，总体发展水平排名世界前五，在生物医疗、金融科技等特定应用领域以及AI 伦理治理和安全框架等方面处于世界领导地位。英国正积极推动AI 知识创新、大数据应用成为经济增长的新引擎，同时强调在数据和AI 负责任发展与使用方面引领世界潮流。英国拥有一批国际领先的大学、以图灵研究院为代表的项目导向型跨学科研究机构［13］、Deepmind 等卓越的AI 公司，在金融、法律、伦理、语言等领域具有突出实力的技术集群，以及伦敦这一国际金融中心的资本集聚优势。英国成为继中美之后AI投资排名第三的国家，形成了以基础研究为牵引、金融投资加持的特色发展模式，构建了强大的学术研究文化以及极具活力的企业生态系统，带动AI产业蓬勃发展［14］。

加拿大在AI 领域同样处于世界前列。2017年发布了首个AI国家战略计划——《泛加拿大人工智能战略》［15］，通过政策引导形成了较为完备的产学研用创新链条，打造了前沿理论创新引领型AI发展体系。作为深度学习理论的诞生地，加拿大在AI 基础理论创新方面具有知识资源与人才优势。各主要研究机构基于自身在深度学习、强化学习基础理论方面的领先地位，力图实现AI基础理论的颠覆性突破。加拿大依靠在学术研究方面的优势，推进AI 超级集群战略，建立了蒙特利尔、多伦多、埃德蒙顿三大聚集中心，从而产生规模效应，形成了以前沿理论创新为牵引的AI生态，同时依托该生态构建了产学研协同的人才培养和新技术市场化模式［16］。

1.3 人工智能企业创新管理模式

1912 年熊彼特首次定义“创新”的概念后，创新管理日益受到重视［20］。随着技术和产业发展范式的变化，创新模式已经从封闭式创新进化到开放式创新和基于核心能力的创新生态系统阶段［21］。技术创新作为创新管理的核心议题，也日益成为企业打造持续竞争优势的能力基石［22］。AI 的突破性进展使得新技术赋能创新和产业竞争格局重塑提速［23］。对此，企业也必须适应并采纳新的创新管理模式，以便在竞争激烈的AI领域保持领先优势。目前，已有学者关注到了AI企业的创新模式。例如：AI 硬件行业巨头英伟达采用了由“市场先制行动”突破关键核心技术、持续进行突破性创新的模式［24］；DeepMind 构建了矩阵型、网络开放式的研发组织结构，通过灵活的项目运作模式、跨学科的工作方式、长期的资金投入和高水平的人才培养体系，在生物、医疗、能源等多个领域均取得了重大突破［25］。国内也有众多AI机构致力于探索新的创新模式，如科大讯飞秉持“平台+赛道”战略，腾讯采取“业务驱动+场景至上”战略等［26］。北京智源人工智能研究院致力于建立目标导向与自由探索相结合的AI 创新模式，推动北京成为全球人工智能创新策源地，在2021年发布中国首个、全球最大预训练大模型“悟道2.0”。此外，从2013年开始投资AI的百度，也从传统互联网向AI创新生态演化［27］，并于2023年3 月率先发布了国内第一个对标ChatGPT 的商业化大模型“文心一言”。

数字经济时代，场景驱动创新成为愈发重要的新兴创新范式。深圳数据交易所聚焦数据这一新型生产要素，应用场景数据匹配（CDM）机制，构建了场景驱动的数据要素市场化配置生态飞轮［28］。特斯拉也通过场景驱动重构商业模式，推动自身创新生态系统进化［29］。新的革命性技术，往往需要与应用场景匹配的创新管理模式来实现其创新与产业化。ChatGPT 的横空出世，使得新一代人工智能技术成为中国“卡脖子”技术体系的重要一环［30］。由于生成式人工智能本身具备涌现性、通用性和颠覆性等特征，类似OpenAI的新型AI公司会越来越多。当前社会关注焦点主要在ChatGPT 技术特征及其对国家、产业和企业发展产生的革命性影响，而缺少对其母公司OpenAI这类国际领先机构创新管理模式的研究。因此，本研究聚焦于探究OpenAI的创新管理模式及其对中国AI发展的启示。

2 研究方法

本文以人工智能领域国际领先机构、开发出生成式人工智能代表性产品ChatGPT 的母公司OpenAI 为研究对象。OpenAI 快速崛起和全球领先优势打造背后的创新管理模式，属于生成式人工智能研究的典型创新实践案例。OpenAI 成立于2015年，最初选择了在业内并不看好的新兴技术路线上发展，作为一度面临资金链断裂风险的后发企业，“逆袭”成为引领通用人工智能浪潮的领军企业，其探索的过程也具有较强的行业代表性。本研究从场景驱动创新和创新生态系统的理论视角，尝试梳理OpenAI 到底做对了什么，以及如何通过管理创新构建一流的AI创新生态，打造出以ChatGPT 为代表的、引爆生成式人工智能革命浪潮的颠覆性创新产品，进而为中国AI发展提供经验启示。

本研究从多个渠道获取资料。主要通过本研究团队在2022 年9 月至2023 年8 月1 日期间对OpenAI 创始人兼CEO Sam Altman 本人以及首席科学家IIya 访谈视频的跟踪浏览记录。2023年6 月10 日，在北京智源大会上，研究团队受邀参加了Sam Altman 和北京智源研究院理事长张宏江的现场问答采访，积累了宝贵的一手资料。此外，还参考整理了OpenAI 官网、国内外权威媒体公开的访谈资料和深度报道等。其他资料来源于相关期刊文献、行业研究报告、主流媒体平台所建立的加V 认证的官方公众号等发布的深度资讯等。

3 OpenAI的发展阶段与创新管理模式

3.1 OpenAI的发展阶段与特征

OpenAI 是一家位于美国旧金山的人工智能研究实验室，由营利性公司OpenAI LP 及非营利性母公司OpenAI Inc 组成。作为AI 创新发展领域中的头部机构之一，OpenAI致力于开发功能齐全的通用人工智能（AGI），促进友好人工智能发展，从而造福全人类。实验室也通过向公众开放其专利和研究成果的方式，与其他机构和研究人员开展“自由合作”。OpenAI 最早作为非营利组织，于2015年12月由Elon Musk、Sam Altman 和其他投资者成立。2016年，OpenAI发布了其首个产品，即一款开源强化学习工具包——OpenAI Gym和Universe，标志着OpenAI 正式成为一家AI 产品研发公司。2017年，“情绪神经元”和OpenAI Five项目的突破，使得OpenAI开始关注大语言模型和参数规模，增强了实现AGI的信念。

随着2018 年Elon Musk 的退出，以及预训练AI 大模型对于资金超乎预期的需求，2019 年3月，OpenAI的性质从非营利性转变为“封顶”的营利性。在母公司OpenAI Inc 这一非营利主体下，创建了一个限制性营利实体OpenAI LP，从而可以接受外部投资以解决资金问题，投资回报利润封顶为任何投资的100 倍。OpenAI 的上限利润模式允许OpenAI LP 合法地吸收风险基金的投资；此外，还可以让员工获得公司的股份。同年7月，微软公司宣布将与OpenAI开展为期多年的合作。OpenAI LP 获得了微软所投资的10 亿美元，同时微软和OpenAI 将共同研发新的Azure AI 超级计算技术，以及微软将成为OpenAI的独家云供应商和OpenAI 将新AI 技术商业化的首选（Preferred）合作伙伴等。双方合作的目的是加快人工智能研究的速度。通过这种伙伴关系，两家公司将致力于AI的突破创新，OpenAI的AGI建设也会获得强大的资源支持。

2021 年5 月，OpenAI 设立了初创企业基金。该基金计划投资1 亿美元来帮助更多AI 公司，使其对世界产生深远的积极影响。该基金的投资者包括微软以及OpenAI 的其他合作伙伴。2022年11 月，ChatGPT 上线并引爆全球，成为用户破亿速度最快的消费级应用。OpenAI 成为全球备受瞩目的AI 企业。2023 年3 月，GPT 登陆Bing 后再一次把大众对AI的关注推向高潮，对搜索引擎产生了革命性的影响。同月，OpenAI和微软宣布延续合作伙伴关系，持续投资100亿美元，加大对AI领域的投入。

从OpenAI 创立到成长为世界一流的AI 研发型公司，按照其不同时期的组织和商业模式以及里程碑事件，可以分为以下4个主要阶段（见图1）。

图1 OpenAI的发展阶段与里程碑事件

3.1.1 创立与文化塑造阶段（2015—2016年）

2015 年12 月OpenAI 创立，其研究内容集中于通用人工智能（AGI）发展以及如何使AI造福全人类。这一阶段的主要目标是锚定DeepMind，完成非营利AI 机构的组织以及文化搭建。通过发布最新研究论文和开发一系列开源工具包（Gyms）与开放强化学习平台（Universe），展示其在AI领域的初步成果，提升自身的影响力。不仅如此，在Universe 项目中，团队认识到“工程”是如何成为当今机器学习研究瓶颈的，开始打造科研与工程相结合的模式。

3.1.2 危机与机遇并存阶段（2017—2018年）

OpenAI 在探究AGI 的过程中进行了多样化的尝试。2017 年LMTS 预测字符的研究和2018年Dota 2游戏的AI研究，让OpenAI团队认识到语言模型和模型规模化对于AGI 的价值，也增强了他们对实现AGI的信心。2018年6月GPT正式发布，OpenAI将Dota中的强化学习转化为人类反馈的强化学习，并与GPT 的技术基础相结合，最终创造出了今天的ChatGPT。然而，随着非营利机构带来的资金限制，OpenAI 长期被DeepMind 和Google 全面碾压的趋势愈发明显，这也引发了高端人才流失等问题。同时，Elon Musk的退出进一步加剧了资金压力。

3.1.3 商业化与构建生态雏形阶段（2019—2021年）2019年，OpenAI转型为“OpenAI LP”，从而能够吸引更多的资金以及来自微软的投资。在此阶段，OpenAI有更多的资源投入到语言模型训练中，取得了阶段性的收获。GPT 系列的成功也让OpenAI 超前的战略视野以及战略定力得到了正反馈，并开始将研究成果转化为实际的产品和服务。2020 年6 月，OpenAI 发布了用于访问现有AI模型的API 内测版与GPT3。开发人员可以通过申请访问权限并将API集成到他们自己的产品中或开发全新的应用程序来访问私人测试版。这一举动既是尝试构建API 的商业模式，又可帮助企业了解产品在现实世界的影响力。OpenAI API发布9 个月后，有超过300 个应用程序使用GPT-3，数以万计的开发人员在该平台上从事新应用开发活动，以大模型基础设施为核心的创新生态得以初步构建。2021 年5 月，OpenAI 设立了初创企业基金，开始利用早期投资以及AI模型的技术能力寻找初创企业进行产业布局。而初创企业海量应用场景所带来的数据反馈也是OpenAI 实施投资的原因之一。

3.1.4 爆发与生态强化阶段（2022年至今）

随着越来越多的产品出现，包括ChatGPT 的发布以及2023 年3 月全面接入Bing，OpenAI 吸引了全球用户的广泛使用，引发了搜索领域的范式革命，因此一跃成为世界上最有影响力的AI 企业。同月，OpenAI 进一步与微软达成深度合作，也让其拥有了可以投入AGI 领域研究的强大资源。进一步升级对初创公司的投入以及ChatPlugins上线，目的是尽可能把大模型嵌入更多的应用场景。

OpenAI 的核心使命贯穿了上述4 个阶段，即确保AI，特别是AGI 的发展可以为人类带来福祉，每个阶段都在以这一使命为导向，致力于解决AI 发展中的关键问题。早期以用户为主导的产品优化机制、投资基金等使得OpenAI 在AI 领域拥有了海量用户。微软的投资又使得OpenAI拥有了资金、硬件支持和广泛的商业场景，进一步强化了OpenAI主导的创新生态系统，提升了发展潜力。

3.2 OpenAI的创新管理模式架构

3.2.1 打造以AI大模型为核心的创新引擎

OpenAI 成立之初便设立了自己的组织使命：确保和实现通用人工智能造福全人类。OpenAl一直坚持巨大的投入，并坚信GPT 生成式大语言模型是开发通用人工智能（AGI）的有效路径。如今，GPT 系列的成功以及ChatGPT 所引发的社会与产业变革，让人们看到了AGI 可能给世界带来的强大科技能力。OpenAI 以大模型为核心开创了AI领域的新一轮创新范式。

目前，大模型依靠其泛化性、通用性、迁移性等特征，为AI大规模落地带来新的希望。渗透到各行各业场景中、以大模型为生态基座的产业链，将成为智能化升级过程中可大规模复用的AI基础设施，AI 产业也将迎来新的发展机遇。首先，OpenAI 研发的以大模型为核心的产品与应用，通过提供API接口，使开发者能够在各种应用中运用这些大模型，且无须进行模型训练和优化。这极大地降低了AI 使用门槛，推动了AI 技术的广泛应用。OpenAI 也得以收集场景化数据和积累专家知识，进而反哺大模型，构建用户参与的创新生态。其次，大型语言模型为AI安全和伦理问题提供了一个研究平台。通过观察和测试这些模型的行为，研究人员可以更好地了解AI的潜在风险，预防滥用，并设计出更公平和更具包容性的AI系统。最后，通过开发和分享大型语言模型，OpenAI的开放研究理念得到了进一步的实践，不仅推进了AI 研究，也推动了全球AI 社区的知识进步。

总的来说，大模型作为OpenAI 的核心引擎，牵引开放生态的构建，赋能各行业降本增效，进一步实现生态繁荣。这一新机制还将推动形成AI 创新发展的正向飞轮：人工智能基础设施提供场景化的大模型服务—场景化数据和知识反哺人工智能基础设施升级迭代—进一步提升赋能各行业降本增效以及开辟新领域新赛道的成效。

3.2.2 高水平青年人才颠覆传统团队研发模式

OpenAI的成功离不开人才的持续供给。3位联合创始人Sam Altman、Greg Brockman 和Ilya Sutskever 均是业内公认的企业家+工程师+科学家的高水平复合型人才，促使OpenAI实现了商业发展、工程化和技术研发三位一体，并保持强大的竞争力。OpenAI 还选择了以青年人才为主力军的团队模式。2023年，智谱研究院联合AMiner发布的关于OpenAI背后研究团队的统计报告显示，ChatGPT 团队的87 人中，平均年龄为32 岁，“90后”是主力军，40岁以上的仅有4人。这与以研发经验为核心优势的传统技术创新团队差异巨大，也说明新兴创新领域涌现出了青年人才挑大梁的新模式。

在人才能力方面，ChatGPT 团队更重视成员的毕业院校与科研或工作经验。绝大部分成员拥有全球顶尖或知名高校学位，前三大高校分别是斯坦福大学、加州大学伯克利分校以及麻省理工学院。在学历结构方面，团队在本、硕、博的人数上保持相对均衡。在人才业内认可度方面，团队有5 人被评为2023 年度人工智能全球2 000 位最具影响力学者，其中2 人为OpenAI 联合创始人Wojciech Zaremba 和John Schulman（同时担任ChatGPT 研究科学家）；有2 人被评为全球机器人和机器学习领域最具影响力学者。在成员工作经验方面，ChatGPT 团队成员中不仅有来自Google 等知名巨头公司的人才，同时也会吸纳更具创新潜力的创业机构的科技人才与应届毕业生。在团队运行模式方面，目前近90%的成员为技术人员，未配备技术与产品研发之外的职能人员（如公共关系、市场营销等人员），团队高度聚焦于技术研发。OpenAI 通过颠覆传统团队模式的方式来推动产品研发与运营，再通过开源开放方式推动产业化应用，目前来看这是一个非常成功的尝试。

概言之，OpenAI 的创新人才管理模式表明，高水平青年人才正在颠覆传统以研发经验为核心的团队模式，并通过赋能核心角色，激发青年人才活力、首创精神和创新共同体意识。成员联合研发的出色的AI技术和产品，以快速迭代的方式赢得市场。

3.2.3 与领军企业协同共创

OpenAI 与微软之间建立了长期且紧密的伙伴关系，而两者现阶段的战略达到了高度适配（见图2）。这种合作为OpenAI 提供了大规模算力资源和海量应用场景。微软从资金、算力、云计算方面给予了OpenAI 全方位的支持。对微软而言，OpenAI所提供的领先的算法模型直接赋能微软发展。目前，微软将OpenAI产品全面嵌入各个产品和服务中，如Bing 搜索引擎、销售和市场营销软件、GitHub 编码工具、Microsoft 365 生产力套件和Azure 云等。同时，这也使得OpenAI 拥有了海量的应用场景，由此带来的大规模数据让OpenAI 进一步发展壮大。此外，Azure 将作为OpenAI 的独家云服务提供商，支持OpenAI 的所有工作负载，包括研究、产品研发和API服务。这也削弱了竞品云服务获得的收益和比较优势（在此之前，OpenAI使用Google的云服务）。

图2 OpenAI与领军企业的协同创新模式

两者在战略上的互惠互利，既让OpenAI 拥有了强大的后备资源和海量的应用场景，也让微软获得了OpenAI 带来的算法模型能力赋能，开拓了新的增长路径，从而在人工智能时代占据领先位置。

3.2.4 海量应用场景驱动的开放生态

大模型增强了人工智能技术的通用性，使开发者能够以更低的成本和门槛，在不同应用场景中开发出更优质的应用产品，从而推动普惠AI的实现。然而，将基础大模型广泛应用于产业领域并使其成为产业基石，仍然面临一系列挑战。OpenAI 致力于打造卓越的产品，并通过开放API的方式，吸引个人用户和企业用户使用，以深度融合的大型模型体系打通数据流通的场景。扩大用户数量带来的海量数据，使OpenAI可以不断改进和升级产品与模型，形成技术上的竞争壁垒和品牌的差异化保护。这样的发展战略旨在建立一个庞大的场景驱动型生态系统，既对竞争对手封闭，又对用户开放，最终实现全面主导市场的局面（见图3）。

图3 场景驱动的人工智能大模型数据飞轮

第一阶段：OpenAI 早期产品可免费使用并提供API 的免费额度，以鼓励用户使用其发布的人工智能产品。通过将GPT-3、Dalle-2 打造成产品并提供API 服务，成功吸引了大量的相关开发者以及企业、学术机构和高校等用户。通过产品与市场互动的方式来吸引用户使用，获取用户行为与数据反馈，从而更好地优化产品、算法模型与安全框架，形成生态和用户数据飞轮。

第二阶段：随着ChatGPT 爆火并吸引了海量用户，OpenAI 推出了自己的ChatGPT Plus 续费订阅服务，可提供效果更好的GPT4；同时推出了ChatGPT Plugins 来连接第三方应用插件，以接入互联网实时同步的最新数据。目前来看，OpenAI已开始打造自己的AI“Appstore”。ChatGPT Plugins插件集可以让更多业务进行交互，极大地增强了ChatGPT的功能，使其适应更广泛的场景。

概言之，OpenAI 的ChatGPT Plugins 把AI 作为一个智能助手，为用户提供一站式服务。用户可以选择自己需要的应用，通过整合各种在线服务平台，更高效地完成各项任务。未来OpenAI将通过构建“AI-Appstore”，给用户提供更多的服务，甚至颠覆现有的一些商业模式。在这个过程中，借由用户获取更多的行为数据，形成大模型价值变现、数据反哺和开放生态闭环，飞轮持续运作。

3.2.5 资金+技术+战略支持赋能初创企业创新循环

OpenAI通过资金+技术+战略支持的方式，寻求优质的AI 初创公司，并为其提供资金、技术以及战略指导的支持；反过来，公司成长起来后，其给予OpenAI更多不同产业行业发展的可能性，增加产品落地的场景需求，从而反向促进基础技术创新（见图4）。这一模式使得OpenAI 可以超前把握未来颠覆性技术的机会，并超前投资布局未来产业。

2021 年5 月，OpenAI 联合微软等投资人成立了OpenAI 创业基金。基金规模达1 亿美元，除了资金之外，还向目标项目提供OpenAI 最新的技术、基金团队支持以及Azure 上的积分，目的是推动医疗、教育、文化等行业的10 家人工智能创业企业持续发展。

2022 年11 月，OpenAI 进一步启动了“融合”（Converge）计划。每一期为期五周，面向杰出的工程师、设计师、研究人员等，帮助他们使用AI创新产品或改变行业。参与者将获得来自OpenAI Startup Fund的100万美元股权投资，以及优先使用为人工智能公司量身定制的OpenAI模型和程序的权利。不仅如此，Converge 成员还将与OpenAI 团队及其他领域的从业者一起举办研讨会，重点关注如何在快速发展的AI 环境中应对挑战和机遇。这一转变直接让OpenAI 的投资模式变为孵化器模式，从而更加高效地对目标企业进行投资与技术支持。为此，OpenAI 特意搭建了创始人社群，为创业团队提供每周6 小时的技术支持和战略指导，从而增加企业成功孵化的概率。目前，Converge 第一期培育计划已在2023 年1 月结束，这批企业将获得OpenAI 的100 万美元投资。

OpenAI 的这一举动，也是在ChatGPT 大获成功后，再次证明了自己拥有世界超一流水平的人工智能科技实力。从而有条件开始自己的第二阶段战略：通过资金+技术投资初创企业的方式积极布局，为嵌入未来海量应用场景打下坚实的基础，以便将AI基础设施覆盖到全社会的关键产业与生活场景中。

3.2.6 以AI治理保障可持续发展

AI 的飞速发展，在给人类带来生产力革命的同时，也带来了前所未有的安全挑战，包括：AI 系统本身的稳定性和可靠性隐患，恶意使用AI 技术，用户隐私侵犯，AI 系统决策过程的公平、透明和可解释性难以保障等。因此，OpenAI坚定地采取以安全为导向的研发策略，并积极参与到相关政策的讨论和制定过程中，以确保AI发展能够在保障安全的前提下更好地服务于人类社会。目前，OpenAI 主要聚焦于推动行业正向发展、企业文化塑造以及巩固行业领先优势等3 个维度（见图5）。

图5 以人类安全为底线的大模型治理模式

在AI 安全监管方面，OpenAI 通过与政府机构的积极对话和合作，推动了人工智能安全监管标准的制定和实施。其目标是将安全评估作为AI 系统的必要环节，以防止不负责任的开发和使用行为。在企业文化塑造方面，OpenAI将人工智能安全作为企业文化的核心部分，并在日常研发中贯彻这一理念。其通过与公众的沟通和交流，强化了社会对AI 安全问题的认知和理解。在巩固行业领先优势方面，Sam Altman 也多次在公开场合强调安全对于AI的重要性，积极推动建立国际规范和标准。其从技术上提出了两个方向：一是可扩展的监督，尝试使用人工智能系统来协助人类监督其他人工智能系统；二是解释能力，尝试更好地打开这些模型的内部黑箱，包括使用GPT-4 来解释GPT-2 中的神经元，使用Model Internals来检测一个模型何时在说谎等。一定程度上，拥有这些技术也就掌握了行业的话语权，从而构建起以OpenAI 为主导的通用人工智能发展生态。

简言之，OpenAI 在AI 安全方面的努力和贡献，不仅有助于推动行业的健康发展，也能够对内塑造企业文化和对外巩固行业领先优势。

4 结论与启示

4.1 研究结论

本研究发现，OpenAI 之所以能够快速发展成为世界一流的人工智能机构，得益于其拥有的独特创新理念和创新管理模式，并进一步提炼出其背后的创新管理模式架构（见图6）。概言之，OpenAI 的AI 创新管理模式是以AI 大模型为核心，并以此为引擎驱动迭代循环。高水平青年人才正在颠覆传统的团队研发模式，通过创新思维、敏锐洞察力和快速迭代推动AI技术发展。与此同时，与领军企业的深度合作，可以获得大量资源和核心应用场景，支持其研发效率提升与产业竞争力增强。另外，海量应用场景的开放生态创新模式为AI 技术的创新和大规模应用提供了广阔空间与数据闭环。资金、技术和战略的全方位支持使初创企业在创新循环中得以持续推进，加快了OpenAI 的未来产业布局。最后，OpenAI正在推动安全监管标准的建立，以确保AI技术在满足社会需求的同时，实现安全、可控、负责任的发展。

图6 OpenAI的创新管理模式

展望未来，面向科技强国建设目标，抓住人工智能时代的发展机遇，对于加强数字中国和科技强国建设、为中国式现代化提供强大动能和支撑具有重大的意义。OpenAI 的崛起历程以及创新管理模式，对中国人工智能发展有重要的启发和借鉴意义。

4.2 对加快中国人工智能创新与产业发展的启示

4.2.1 加快打造中国特色人工智能基础设施

人工智能发展中以大模型为核心的人工智能基础设施，通过开放生态持续释放红利。微软已经宣布，计划将ChatGPT 完全融入其系列产品中，从而以大模型支持其搜索引擎和办公软件的使用。此举旨在进一步促进人工智能在各个领域的应用和产业落地。接下来，大模型将致力于发展通用的人工智能底层基础算法框架，以及在多个领域融合模型的能力，使其在各种应用场景中实现“自我学习”，尽可能地催生新的商业形态。我国需要加快打造以人工智能大模型为核心的中国特色人工智能基础设施，更好地带动中国人工智能基础软硬件体系建设，支撑人工智能应用发展。因此，打造世界一流的中国人工智能基础设施，即对标OpenAI的高水平大模型是驱动整个人工智能产业发展以及在人工智能领域保持领先地位的重中之重。

4.2.2 建立健全青年人才主导的人工智能创新人才生态

人才储备与多元人才汇聚是实现核心技术突破的关键。从人才的角度出发，缩短技术间差距的根本在于优化人才知识结构和提高人才科研能力。因此，国家应侧重建立人才培养体系，为人工智能打造人才资源池。在人才团队方面，打造领军科学家领导下的AI 科研与工程相结合的模式，聚焦高风险、高难度的原始创新，布局具有超前性、突破性、颠覆性的科研项目。集中力量促使科研团队和工程团队有机结合，推动基础理论的突破，打通从科研到产业落地之前的“最后一公里”。支持青年科学家开展开放性、探索性研究。进一步构建人才合作培养生态，鼓励人才在机构间的循环流动，同时提前储备青年人才力量。敢于让青年学者领衔大项目，并且秉持“使用即培养”的理念，让青年人才在大项目中得到历练，助力青年人才快速成长。

4.2.3 加强领军企业与新型研发机构的深度融合

在中国，科研和经济联系不紧密问题一直是阻碍创新的顽疾。而企业牵头与科研机构深度合作，可以有效推动科研成果落地。中国应鼓励龙头企业利用在产业发展中积累的海量应用场景、资金以及工程化能力，与科研机构共同构建场景驱动下的创新生态。具体而言，政府应支持人工智能领域的新型研发机构与科技领军企业以及传统产业的领军企业、专精特新小巨人、隐形冠军企业等共同打造场景驱动的人工智能创新成果产业化生态体系。人工智能创新联合体作为人工智能原始创新供给体系的核心，提供原创知识、共性技术、科技人才，通过场景驱动的AI创新成果产业化生态体系，将现有技术应用于特定场景，牵引大中小企业融通创新，创造更大价值，破解科技成果转化难题，加快经济、社会数字化转型，激活数据要素价值，促进创新生态和平台经济健康可持续发展，推动数字驱动型创新发展和世界一流企业培育。

4.2.4 推动构建面向AI的海量应用场景

人工智能应用场景是人工智能技术产业落地的载体。构建海量AI应用场景，利用场景驱动创新范式，对于推动AI的发展和提升其应用效率至关重要，同时也是建成人工智能创新生态体系的关键。政府应积极出台相应的政策和措施，如提供资金支持、优化行业政策环境等，推动AI 应用场景的创新和发展。企业应加快应用场景的挖掘与建设，通过深挖行业内部的应用场景、跨行业合作以及与学研机构的协同创新来探索AI应用场景，推动AI的大规模应用。将技术与海量应用场景相结合，从而构建属于自己的开放生态系统。

4.2.5 加快形成人工智能科技－金融－产业的良性创新循环

金融+科技赋能产业，在稳定经济运行、激发内生动力和促进高质量发展等方面发挥着积极作用。通过投资对下游初创企业进行扶持，通过场景驱动创新使得更多的初创企业与中小企业获得成长，从而协助孵育出更多面向应用场景的企业。鼓励并推动AI 创投基金与研究机构的深度合作，形成科技－金融－产业的有效机制。重点投资科学家创业项目，全流程助力成果转化；培育孵化人工智能领先技术创新企业，提升基础研究到产业化的成功率。

4.2.6 推动中国参与的全球人工智能安全治理标准体系建设

随着人工智能在全球范围内的广泛应用，保障其安全和公正使用已成为全球性问题。中国需要加快政策引导和立法：在国内层面上，应持续完善AI 领域的法律法规，鼓励和引导企业、科研机构参与全球标准的制定；在国际合作方面，应积极参与全球AI安全监管标准的制定，与其他国家和相关国际组织进行深度合作，共享信息和经验，共同推进全球AI 安全标准的制定。此外，在公众教育和宣传中，深化公众对AI安全问题的认识，让公众了解AI 的利弊，理解AI 安全监管的重要性，最终建立起有利于人工智能发展的包容的社会文化氛围。