GPT-4价格已被砍成1/150!OpenAI副总裁回应DeepSeek的竞争

2天前，就在马斯克宣布要以 974 亿美元收购 OpenAI 后，OpenAI 工程副总裁斯里尼瓦斯·纳拉亚南（ Srinivas Narayanan） 接受了华尔街日报的一次线下对话，这次对话同样也是出于一场中美 AI 博弈的新语境下：DeepSeek R1低成本训练出可以对标 Open AI o1的强推理模型，甚至登顶了应用排行榜，美国现在已经封禁了DeepSeek应用的下载。 主持人当然没有放过斯里尼瓦斯，问了他这个非常敏感的问题。那么 OpenAI 内部究竟是如何看待 DeepSeek 的？是否还在调查 DeepSeek 有使用 OpenAI 模型产生的数据用于蒸馏？ 相信大家同样也会关注这些问题。斯里尼瓦斯认为，DeepSeek 展示了价格 - 能力曲线上的另一个点。并毫不掩饰 OpenAI 同样在这条曲线上做了同样惊艳的努力：“如果你看看我们自己的模型在过去几年里，GPT-4 模型的价格在短短几年内已经降为了原来的1/150。” 除了 DeepSeek，作为工程副总裁，斯里尼瓦斯还分享了许多 OpenAI 内部在推理模型和Agent方面的进展，o1 模型已经有了很多用例，而首款智能体产品Operator 和 Deep Research 同样也各自有着工程挑战，OpenAI 内部正在这些方面做很有意思的实践探索。 观众之中也提了非常精彩的提问，诸如 OpenAI 下一步有关 Agent 的计划，OpenAI 自己内部是如何使用ChatGPT等自己开发的产品的等等。 还有一个有趣的挑战，因为一旦你将 AI 部署到现实世界中，它必须学会与人们关心的所有系统进行交互。 话不多说，这里先列几个精彩观点： 1.为了领先，背后有大量的研究工作。你可能需要进行 100 次实验，然后才决定要继续进行哪次实验。 2.如果你看看我们自己的模型在过去几年里，GPT-4 模型的价格在短短几年内已经降为了原来的1/150。 3.ChatGPT 已经在 OpenAI 内部得到广泛应用，包括代码辅助、知识共享、合同分析和客户服务等。 4.企业对AI的需求不仅在于模型的开源性，更在于AI产品的整体质量、成本效益和易用性。 5.OpenAI 的目标是提供高质量、可定制且易于使用的 AI 工具，帮助企业解决实际问题。 6.OpenAI 也在探索新的开源策略，以更好地平衡技术创新和安全性。 7.构建模型、扩展模型以及每个新模型在基础设施上都面临着新的可扩展性限制，因此在训练模型方面存在大量的工程挑战。同样，在推理优化、降低成本方面也有着非常有趣的挑战。 8.在一年内，类似能力的模型价格可能降低为 1/10 。 以下是采访内容整理，供君一览（技术干货不少，很精彩）： 1.OpenAI眼中的推理主持人： 我们先从推理的定义开始吧，以及为什么在座的企业需要 AI 模型具备推理能力。OpenAI 对推理的定义是什么，为什么这对企业很重要呢？ 斯里尼瓦斯： 推理本质上是一种系统性思考和解决更复杂问题的能力。如果问一个人非常简单的问题，我们几乎会立即给出答案。但如果问一个复杂的数学问题，你不可能立刻给出答案。你可能需要花更长时间去思考，需要推理，需要判断自己是否在正确的道路上。所以，AI 系统具备这种能力，能够处理更复杂的任务，长时间思考并评估自己是否在正确的道路上，这就是我们所说的推理。 主持人： 推理也是通往人工通用智能（AGI）的路径吗？OpenAI 曾多次提到 AGI，它的含义是什么，推理是否是通往 AGI 的必经之路？ 斯里尼瓦斯： 是的，绝对如此。AGI 这个词有很多种不同的解释和含义，但我们有一种说法是，AI 能够解决具有经济价值的任务。世界上有很多对我们社会来说很重要的任务，要完成它们，你需要能够处理复杂任务并深入思考问题。所以，我认为推理是通往 AGI 的路径。 2.OpenAI首个Agent产品的使用情况如何主持人： 今天我们早些时候还提到了 AI 代理（agents）和 OpenAI。你们推出了自己的 AI 代理，其中一个叫 Operator，它可以帮助人类使用计算机；另一个叫 Deep Research，它因其能够代表人类进行信息研究而引起了广泛关注。能否介绍一下这些代理在你们的客户以及 ChatGPT 用户中的使用情况？ 斯里尼瓦斯： 首先，我想说，我们确实谈到了代理，但其实这是一个非常令人惊叹的技术时代。我认为 AI 可能是我们一生中最大的技术变革。但我确实认为今年将特别深刻地展示这一点。 举个例子，在我回答问题之前，我们最近推出了 o1 和 o3 Mini。更近一些，我们还展示了模型如何像我们所说的“思维链摘要器”一样工作。当你看到模型面对复杂的数学或科学问题时，再看看它的回答，看看它是如何思考的，有时你会感到非常激动。能够拥有这些能够思考复杂问题的 AI 系统，这真是太神奇了，令人兴奋不已。 现在回答你的问题，人们是如何使用这些技术的？我举几个例子。比如有一家叫 Oscar Health 的公司，它通过推理模型更好地理解患者结果。 主持人： 他们使用的是 Operator 代理。 斯里尼瓦斯： 不，他们实际上使用的是我们的基础 o1 模型。我稍后会谈到 Operator 和 Deep Research。你可以把 Operator 和 Deep Research 看作是在基础推理模型之上构建的，专门用于特定任务的模型。我会先从基础推理模型及其用途说起，然后再具体谈谈 Operator 和 Deep Research。 推理模型 o1 正在被 Oscar Health 使用，推理模型还在生物科学领域有很有趣的用途。有一家公司用它来更好地估计临床试验结果，以便确定哪些药物用于药物发现。还有一个来自伯克利国家实验室的惊人例子，他们试图利用推理模型来理解哪些突变基因可能导致罕见疾病的症状。这些是极其强大的例子，推理模型正在帮助我们解决这些非常困难和复杂的问题。 推理模型的用途不仅限于医疗保健，还涉及税务分析等领域。它的应用非常广泛。我们看到人们用它来策略性地解决问题、研究问题、编写代码，我们稍后可能会谈到。所以，推理模型的用户群体非常广泛。 现在，我们来谈谈 Deep Research，这是我们最近推出的系统，你可以利用推理模型来完成一些高级研究任务。 比如，你可能要分析一家公司或整个行业的财务状况。我们通常会进行搜索，浏览文件，查找特定信息，整理后进行总结，还可能会进行后续搜索。现在，我们有了能够代表我们自动完成这些任务的 AI 模型。 你可以这样想，一个人可能需要花费数小时来完成这些任务。比如，如果我问你“过去十年零售行业发生了什么变化”，这不是一个很明显的问题。你可能要花几个小时才能写出一份研究报告。现在，我们有了能够在几分钟内完成这些任务的模型，并给出答案。我认为这是一个非常强大的工具。 Operator 是另一个例子，我们现在可以让 AI 系统在浏览器环境中代替我们操作。比如，如果你想在本周末预订一家餐厅，你可能知道自己想要什么，然后说：“帮我预订一家本周末的墨西哥餐厅。”它知道要去搜索 OpenTable，知道你的喜好，会问“这个有空吗？”然后代表你自动完成这些操作。你可以设置规则等。我认为我们已经部署了这些，尽管还处于早期阶段，我们还将从人们的使用中学习很多。 3.如何评价DeepSeek R1主持人（重头戏）： 你刚才提到的在当前 AI 领域工作的兴奋之情，我想问一下，中国 AI 公司 DeepSeek 的出现以及他们自己的 R1 模型（这是一个推理模型）意味着什么。据说 DeepSeek 的 R1 模型训练只花费了区区几百万美元，这是否意味着基础模型领域整体面临价格压力？这对你们自己的 o1、o3 和 o3-mini 推理模型是否构成价格压力？ 斯里尼瓦斯： 我认为 DeepSeek 展示的是，你可以以比我们之前推出的模型更经济的方式获得一个很好的模型。但我认为这只是技术趋势的一部分。他们展示了价格 - 能力曲线上的另一个点。如果你看看我们自己的模型在过去几年里，GPT-4 模型的价格在短短几年内已经下降为原来的 1/150 。所以你会看到一个持续的趋势，即功能强大的模型将继续变得更便宜。 DeepSeek 在这方面有一些创新，他们展示了价格 - 能力曲线上的另一个点。我们将继续这种趋势，你也会看到我们的模型变得更便宜。所以我认为他们证明的是，这种趋势将继续下去，你将看到我们和其他公司也会这样做。 4.如何看待DeepSeek的疑似蒸馏OpenAI的数据主持人： 你们对 DeepSeek 的回应之一是正在调查 DeepSeek 是否使用或蒸馏了你们模型的训练数据来创建自己的模型或聊天机器人。那么这项调查的进展如何？你们还在调查是否是这种情况吗？ 斯里尼瓦斯： 是的，我们仍在调查，并正在评估。我认为我们目前没有具体的内容可以分享。根据评估的结果，我们可能会在稍后分享一些内容。但更重要的是，我认为重要的是这种趋势，即我们将继续拥有功能强大但价格更低的模型。 此外，还有一个关于蒸馏的普遍趋势。蒸馏意味着你可以构建一个较小的模型，让它从一个较大的模型中学习。我们自己的平台上也有端到端的蒸馏功能。这不是我们第一次可以在我们的平台上进行这样的操作，例如，你可以在一个 400b 模型的基础上微调一个迷你模型，或者在 4b 模型的基础上进行微调。这意味着公司可以在比以前更低的价格点上，为特定任务获得功能强大的模型。所以我认为这种趋势将继续下去，你也会在推理模型上看到这一点。 最令人惊叹的是，我们现在有一个叫做强化微调的过程，可以利用我们开发自己模型时使用的相同推理技术，并将其提供给我们的客户，让他们能够使用相同的推理技术为特定任务微调较小的模型。我认为这种趋势将指向一个方向，即你可以获得针对特定任务的小型、成本效益高的模型。 主持人： 我想这可能会引起在座企业的共鸣。但你们的推理模型，尤其是你们最强大的模型，成本还会降低多少？你说过有些模型的成本至少已经降为了原来的1/150，但还有很长的路要走，它们还能变得多便宜？ 斯里尼瓦斯： 我想我可以借鉴历史趋势。一般来说，我认为在一年内，类似能力的模型价格可能降低为 1/10 。有很多创新，既包括我们在构建新一代模型时的创新，也包括我们如何优化这些模型以更高效地在 GPU 集群上运行。我认为这种趋势将继续下去。 5.星际之门为什么需要这么多算力主持人： 我想问一下关于 Stargate 的问题，这是你们与特朗普总统、软银和甲骨文在白宫宣布的所谓 5000 亿美元的合资企业。OpenAI 为什么需要这么多计算能力？答案可能很明显，但你能告诉观众为什么需要这么多计算能力吗？是为了更好的推理模型，还是为了 AGI？它的用途是什么？ 斯里尼瓦斯： 是的，我认为有几个方面。一方面，为了推进智能的发展，我们知道有一些规模法则，即你应用更多的计算能力、更多的数据，当然，还有算法创新。我们可以继续获得更智能的模型。我们解锁了两种不同的规模维度。第一种是我们过去在 GPT 时代所拥有的，即训练这些大型语言模型。第二种是我们解锁的，你可以在所谓的推理过程中应用更多的计算能力，即你提问，模型做出回应。这是我们可以扩展模型的另一个维度。我们相信，通过更多的计算能力，你可以继续构建更好、更先进的智能模型。 第二个方面是一旦我们谈到这些模型的成本降低，这意味着构建应用程序并提供好处的机会是巨大的。每次成本降低，你都在为世界各地的人们提供一系列更经济实惠的应用程序。因此，我们需要大量基础设施的一个重要部分，也是为了能够部署这些模型，用于人们正在构建的所有这些令人难以置信的应用程序。所以我认为，在某种程度上，这场革命将非常深刻，就像 120 年前的电力一样。因此，我认为我们需要大量的基础设施，才能真正将 AI 的好处带给全人类。 主持人： 那么，真的是在推理方面，使用模型方面，AI 的使用将转向那里吗？我还想知道，DeepSeek 至少让我和硅谷的许多人认为，我们是否过度依赖 GPU 方面了？我们都看到了英伟达市场调整的情况。你说过，这既是在训练方面，也是在推理方面。 斯里尼瓦斯： 这既是在训练方面，也是在推理方面。我认为市场调整被夸大了。 我认为重要的是要认识到，在训练模型之前，背后有很多研究工作。有时，当你谈论训练模型的成本时，你必须包括你正在进行的所有不同研究实验的总和。而这些有时会在一些标题中被忽略。为了领先，背后有大量的研究工作。你可能需要进行 100 次实验，然后才决定要继续进行哪次实验。这些在一些标题中没有被计算在内。 主持人： 所以你必须考虑这一点。那么，DeepSeek 真的只花了区区几百万美元就训练了他们的模型吗？这真的可行吗？ 斯里尼瓦斯： 我认为这是一个非常不同的问题，即运行一次模型的成本与拥有一个能够持续产生研究创新的系统需要的成本。 主持人： 那么，这是一个“不”的答案吗？也许。 斯里尼瓦斯： 我不能代表他们，因为我没有深入了解他们是如何做到的，但我从一般的研究工作角度给你一个见解。然后，背后有大量的研究工作。然后，当你训练一个单一模型时，这个单一模型的成本，是的，这可能非常不同。但你必须将所有这些加在一起。 6.OpenAI内部的工程挑战主持人： 我想问一下，围绕在这样一个重要的 AI 公司工作时的工程挑战，尤其是在这个关键时期，你们正在为这些困难的问题构建解决方案，比如那些想要使用你们产品的企业，以及数百万使用你们产品的消费者。 我也想知道，所有这些头条新闻，尤其是最近关于埃隆·马斯克提出以 974 亿美元收购 OpenAI 的消息，是否会对你们造成干扰？我们今天早些时候听到你们的董事长布雷特·泰勒谈到过这个问题。当周围发生这么多事情时，你们如何专注于构建和解决这些困难的挑战？ 斯里尼瓦斯： Adobe Acrobat AI Assistant 帮助我通过 AI 助手与客户建立信任，我可以快速找到合同细节，将所有这些整合在一起，有助于我定位自己为专家，并且让我有信心与客户交谈。我将专注于工程挑战。我认为布雷特和山姆已经回答了关于埃隆的问题，我可以重复他们的答案。公司的使命并不是出售公司。 工程挑战实际上是非常令人兴奋的。显然，构建模型、扩展模型以及每个新模型在基础设施上都面临着新的可扩展性限制，因此在训练模型方面存在大量的工程挑战。在推理优化、降低成本方面也有非常有趣的挑战。但在大规模部署这些产品时，也有大量的工程挑战。我们的产品增长速度非常快，可能是历史上增长最快的产品之一。所以，这意味着你如何准备你的工程组织以实现规模化？ 还有一个有趣的挑战，因为一旦你将 AI 部署到现实世界中，它必须学会与人们关心的所有系统进行交互。它必须与企业中的各种应用程序进行交互，必须理解企业所拥有的独特数据集。因此，我们还需要在使 AI 能够理解应用程序、理解文档等方面进行大量的工程创新。我认为，在我们为代理未来做准备时，如何使企业能够利用这种代理技术自动化工作流程，这是一个非常令人兴奋的工程挑战。 7.OpenAI在推出行业定制工具主持人： 那么我们可以期待 OpenAI 在这方面直接推出更多的产品创新吗？你们通常将它描述为一种通用的、适用于每个人的工具，但像医疗保健、法律或零售等特定行业对你们的技术有不同的用途。你们是否计划推出更多针对特定行业的工具？ 斯里尼瓦斯： 我们正在使很多人能够做到这一点。我们通常做的是构建能够使其他人构建所有这些应用程序的工具集，我们构建的工具将是非常通用的。它可以使得医疗保健公司能够使用我们的模型、使用我们的工具，并弄清楚如何将它们集成起来，然后在它们的基础上构建这些令人惊叹的应用程序。 主持人： 那么对于那些需要你们提供更多帮助的公司呢？你们是否计划推出类似定制工具的东西，或者更定制化的东西？ 斯里尼瓦斯： 我认为定制化是我们战略的一个非常重要的部分，我们已经推出了一整套定制化工具，使公司能够定制 GPT-4 等。最近，我们推出了一个叫做强化微调的工具，这非常令人兴奋。这种新的推理范式意味着，如果你能将公司中的某些工作流程或任务表达出来，并提供一种评估答案的方法，你现在可以构建能够从这些少量样本中学习的定制化模型。有时，只需要几十个样本。这与之前的定制化时代相比是一个巨大的转变。在之前的时代，你可能需要数千个，甚至更多的样本，但现在，推理模型能够很好地泛化。 我认为这非常令人兴奋，基本的原则是，你可以将任何任务，弄清楚你想要如何思考它，并找到一种评估它的方式。如果你能将你的工作表达出来，或者将你的问题以这种方式表达出来，你将拥有令人惊叹的 AI。我认为这是一个非常重要的基础。 8.私有化模型的重要性，不止于开源主持人： 我想问一下关于你们令人惊叹的 AI，以及它被专有化的重要性，即它被锁在幕后而不是开源。你们确实开源了一些模型，但在 DeepSeek 的 SS R1 模型发布后不久，你们的 CEO 山姆·阿尔特曼说，我们可能站在历史的错误一边，也许我们需要一种新的开源策略。你如何看待这一说法？是否意味着你们需要开始开源 o1、o3 等模型？这到底是什么意思？ 斯里尼瓦斯： 我们正在内部讨论。你们需要记住几件事。当我们与客户交谈时，这不仅仅关乎模型是否开源。他们关心的是整个生态系统。他们关心的是拥有高质量、成本效益高、易于使用且可定制的模型。我们认为，为了实现造福人类的使命，构建这些产品也非常重要。此外，正如山姆所说，我们正在重新思考我们的战略。 历史上，我们一直担心我们的前沿模型开源后的安全性，因为很难理解风险以及人们可能以何种方式使用它们。随着我们不断学习，我们也会调整我们的战略。但回到企业真正关心的问题，这不仅仅是模型或权重是否开源，他们真正关心的是拥有一个易于使用且能够解决他们问题的出色产品，而且这个产品是成本效益高的。这是我们一直听到的，我们也将继续构建这样的产品。 Q&A：OpenAI内部是如何使用ChatGPT或者自家模型的主持人： 好的，非常感谢。我想确保我们有时间回答观众的问题，我看到这里有很多问题。我想，拉里，你是第一个举手的人。后面那位先生，你先来吧。 观众提问1： 感谢你们所做的一切。这是一个令人惊叹的时代。大约一年半前，Meta 发布了 Cicero，它基本上是一个游戏，通过将定制化的战略推理与语言模型相结合，玩得相当出色。 我的问题是，我们距离那个时代还有多远，那时像我们这样的普通公司能够将我们自己的专业推理模型与你们的工具结合起来，并在我们自己的领域获得类似的能力，比如真正的代理行为，体现我们专有的逻辑来完成相当复杂的任务？ 斯里尼瓦斯： 绝对如此，我实际上认为现在就是那个时代，强化微调产品应该能够实现你们所说的用例，即每个企业都有自己独特的任务，你们有特定的思考过程。如果你能够客观地弄清楚如何评估这个思考过程，我们现在有了可以非常快速地学习的通用模型。所以，我绝对建议你们尝试并进行实验。 观众提问2： 嗨，我的问题是，你们什么时候会构建一个像 Operator 一样的模型来构建应用程序本身？你们会进入应用开发领域吗？如果是的话，时间框架是什么？可以重复一下问题吗？是的，就像 Operator 在操作事物一样。你们什么时候会推出一个能够真正构建应用程序本身的模型，即 SaaS 应用程序？ 斯里尼瓦斯： 一方面，我们编码模型的质量正在不断提高。如今，人们已经在使用辅助编码来开发各种软件，无论是在 IDE 中，还是在 ChatGPT 中，我们都有能力创建轻量级应用程序。你可以创建 JavaScript，可以创建简单的网站。所以，我认为创建简单应用程序的技术已经存在。随着模型推理能力的提高，你应该能够利用它们为你创建更复杂的应用程序。其中一个领域，我们将看到推理模型被部署，那就是编码领域。随着推理质量的提高，你应该能够非常轻松地创建更复杂的应用程序。 主持人： 好的，萨蒂什，我们会派人把麦克风递给你。 观众提问3： 斯里尼瓦斯，感谢你。这确实是一个令人兴奋的时代。我在一家金融机构工作，对于广泛采用和适应 OpenAI 的一个主要障碍是可解释性的问题。我很高兴听到你谈到“思维链”。 你能进一步阐述一下吗？我们如何采用它？ 斯里尼瓦斯： 思维链基本上是内心的独白。你可以这样想，如果你问我一个复杂的问题，你会思考并得出答案。模型中的那个独白过程就是我们所说的“思维链”。最近，我们开始将这些思维链进行总结，并在产品中以“总结思维链”的形式提供。现在，我们已经扩展了这一功能，你可以更深入地了解思维链过程是什么样的。 实际上，我认为这是可解释性方面的一个非常强大的工具，因为人们总是会问：“你是如何得出这些答案的？”而我们可以回答：“这是我是如何思考这个问题的，这是我的评估过程，这就是我认为这是正确答案的原因。”所以，我认为这是在帮助人们获得可解释性答案方面的一个重大进步。 观众提问4： 谢谢你，沙马·穆罕默德·卡·马克斯，首席信息官兼首席技术官。我们一直是 OpenAI 的早期采用者，在人们知道什么是 OpenAI ChatGPT 之前，我们就是它的忠实粉丝了。这真的很酷。 我们在公司内部有很多不同的工具和应用，有些面向客户，有些是内部使用的。所以，我们主要的一个问题和关注点是我们如何确保我们拥有的专有信息、专有数据以及从社区角度获得的知识，不会被用来让对其他人开放的模型变得更聪明呢？这是一个我们需要走钢丝并保持平衡的问题，因为我们拥有 30 多年的知识，这让我们与众不同。我们不希望将这些知识用于训练模型，让计算机可能会利用这些知识。 斯里尼瓦斯： 绝对如此，我们非常重视这一点。对于我们的企业客户、团队客户以及 API 用户，我们不会使用你们的数据进行训练。这是我们做出的承诺。你应该完全放心。我们很乐意与你合作，告诉你事情是如何运作的。但基本上，是的，我们不会使用客户的数据进行训练。 主持人： 好的，我想我们还有时间回答一到两个问题。这边有一位穿着夹克的先生。 观众提问4： 嗨，我是斯蒂芬·卡韦利，我有一个关于 Operator 的问题。因为从代理的角度来看，这是我们都期待的一个能力，有很多用例。下一步会是什么？ 斯里尼瓦斯： 是的，我认为这非常令人兴奋。我们希望逐步学习人们是如何使用它的。我们希望对模型在执行某些操作方面的能力建立信心。如果今天你想在付款之前进行确认，我会要求你进行确认。所以我认为有很多不同的用例，我们期望人们会使用它并进行部署。但既然还处于早期阶段，你也希望逐步学习它在所有这些用例中的表现如何。更广泛地说，模型的质量会提高。 你会对模型建立更多的信任。你会因为你也期望在你希望提供输入的时候确认，而不是让模型自行操作。这些都是我们将要学习的东西。更广泛地说，Operator 不应该只在浏览器中工作，它应该能够处理整个计算机或任何不同的环境。所以我认为它还有许多其他方面的成长空间。是的，我们希望它能够在你的授权和偏好下代表你操作。 主持人： 好的，我还有一个最后的问题要问你，斯里尼瓦斯。我知道在座的大多数，如果不是全部的话，都使用过 ChatGPT 或 GPT 的某个版本。OpenAI 是如何使用自己的产品的？你们是如何使用 ChatGPT 或你们的 API 的任何版本的？ 斯里尼瓦斯： 是的，我们用它来完成很多事情。作为一名工程师，我先从工程方面说起，然后我会谈到其他功能。 作为工程师，我们用它来辅助编码。我们用它来查找代码中的错误。我们有很多 Slack 频道，人们会在上面询问有关某些技术或某些 API 的问题，我们有自动化的助手来帮助回答这些问题。 我们还用它来进行内部知识共享，比如公司里总是有很多项目在进行，像“这个项目是什么？我该如何了解更多？”我们有一个工具可以做到这一点。你可以直接问：“项目 X 是什么？”它会给你一个很好的总结。除了工程领域，我们的财务团队还用它来分析我们与各种供应商签订的法律合同，看看是否有我们需要了解的细微之处。我们用它来处理客户服务，自动回答客户的问题。所以它在公司内部被广泛使用。 主持人： 我想这对在座的许多人来说可能是一种鼓舞，因为这正是他们使用 AI 的方式。非常感谢你抽出时间。 斯里尼瓦斯： 谢谢你。