在现场的亲身体验令他震撼：「我脑子里虽然知道什么是千兆瓦级的数据中心，但真正看到几千人在搭建 GPU 机房，系统复杂程度超出想象。」他以「没有任何一个人能独自制造一支铅笔」作比，强调 Stargate 背后的产业调动之广，从挖矿、制造、物流到模型调用，皆是人类千年工程协作的极致体现。
而面对外界质疑与干扰，Altman 首次正面回应了关于 Elon Musk 试图干预 Stargate 项目的报道。他表示，「我之前判断错了，我本以为 Elon 不会滥用政府影响力从事不正当竞争。」他为此感到遗憾，并强调这类行为不仅破坏行业信任，也不利于国家整体发展。幸运的是，最终政府并未被其影响，站稳了正当立场。
对于当下的 AI 竞争格局，他表示欣慰。过去大家普遍有「赢家通吃」的焦虑，而现在更多人意识到这是一场生态共建。「AI 的诞生很像晶体管的发明，虽然开始只在少数人手中，但最终将构成整个世界技术底座。」他坚信，无数企业将基于这一底座创造出伟大的应用与业务，AI 本质是一个「正和游戏」。
谈及算力所需的能源来源，Altman 强调「全都要」。无论是天然气、太阳能、裂变核能还是未来的聚变技术，OpenAI 必须调动一切手段以满足 AI 系统的超大规模运行需求。他指出，这正逐步打破传统能源的地理边界，训练中心可以布局在全球任何有资源的地方，而智能成果则可通过互联网进行低成本传播。
「传统能源无法全球调度，但智能可以。」在他看来，这种「将能量转化为智能、再输出为价值」的路径，正在重塑整个人类能源版图。
这一点也延伸至科学研究领域。Andrew 举例指出，如 James Webb 太空望远镜积累了海量数据，却因缺乏科学家而难以处理，造成大量「未开发的科学发现」。对此 Altman 设想，未来是否可能有一个足够聪明的 AI，不靠新实验、不用新设备，仅凭现有数据推演出新的科学规律？
他提到自己曾开玩笑称 OpenAI 应该自建巨型粒子加速器，但转念一想，也许 AI 能以完全不同的方式解决高能物理难题。「我们其实早已积累大量数据，问题在于我们尚不了解智能本身的极限在哪。」
在药物发现领域，这种「错过已知」的案例更频繁。Andrew 提到奥利司他这类药物在 90 年代就被发现，却因视角局限被搁置数十年，直到今天才被重新利用。Altman 认为，「这种被遗忘但极具价值的科学素材可能还有很多，稍加引导便可带来巨大突破。」
对下一代模型的预期，Altman 表达了浓厚兴趣。他提到 Sora 能理解经典物理，但是否能推进更深层的理论科学仍待验证。「我们正在开发的『推理模型』，有望成为探索这一能力的关键。」
他进一步解释了推理模型与现有 GPT 系列的差异。「一开始我们就发现，只要你告诉模型『一步步来』，答案质量就会大幅提升。这表明模型具备潜在的推理路径。」而推理模型的目标，则是将这种能力系统化、结构化地增强，让模型能像人类那样进行「内部独白」。