{"id":"mb-20260907-cb566d","kind":"deep","title":"OpenAI 刚公布了一组内部数据","summary":"OpenAI 刚公布了一组内部数据","body":"OpenAI 刚公布了一组内部数据。\n他们的一线研究员，每天平均要消耗超过 600 美元的代币来跑编程智能体。\n最活跃的前 10% 顶尖研究员，每天消耗的代币甚至超过 7000 美元。\n一天 7000 美元。\n按 API 价格折算，单人单月开销超过 20 万美元，年化成本突破了 250 万美元。\n这不是初创公司在挥霍，是前沿 AI 实验室正在发生的日常。\n同一时间，硅谷的大厂却在紧急踩刹车。\n几个月前，科技巨头们还在鼓励全员拥抱 AI，甚至在公司内部搞起了代币消耗排行榜。\n很快，亚马逊的高管 Dave Treadwell 站出来叫停了内部排行，警告员工不要为了用 AI 而用 AI。\nMeta 也关停了类似的竞赛。\n管理层发现，很多工程师为了冲榜，故意让智能体在后台跑无效的死循环。\n硅谷甚至为此造了一个新词，叫代币刷量。\n一边把代币消耗看成虚荣指标和财务黑洞，勒令全员节流；\n一边把每天 7000 美元的单人账单拉满，还把它当成研发加速的核心引擎。\n为什么同一笔开销，在两边眼里是完全相反的两种东西？\n这背后其实是两套完全不同的组织机器在运转。\n大厂踩中的第一个陷阱，政治经济学在五十年前就给它起了名字。\n1975 年，英国经济学家查尔斯·古德哈特提出了著名的古德哈特定律：\n当一个度量指标被选为考核目标时，它就不再是一个好的度量指标。\n大厂把代币消耗做成排行榜，原本是想衡量员工的工具使用度。\n可一旦指标变成考核目标，员工最理性的反应就是刷量，把简单的脚本扔进无休止的生成循环里。\n指标被玩坏了，算力烧出去了，产出却没有增加。\nOpenAI 运转的，是另一台机器。\n在那份报告里，藏着一个远比 7000 美元更关键的数据：\n在研究部门内部，员工每工作一天，后台的智能体就会同时执行 3.1 个工日的任务。\n3.1 比 1 的并发比例。\n这意味着研发范式被彻底重构了。\n过去一个顶尖研究员做实验，写代码、查报错、跑测试，全靠自己敲键盘。一天 8 个小时，物理时间是硬上限。\n现在，他不再亲自去当打字员。\n他变成了一个实验调度员。\n他负责提假设、定目标、搭框架，把具体的数据清洗、脚本编写和错误排查，分发给并行的智能体去跑。\n智能体不需要睡觉，也不占用物理工位。\n每天 7000 美元的开销，买来的不是代币，是一个 24 小时全天候并发运转的自动实习生团队。\nOpenAI 内部的人工技术支持频道，求助帖半年内直接少了一大半。\n因为研究员遇到系统报错，不再去排队等同事解答，直接让智能体把整个代码库翻个底朝天去定位问题。\n这就是两者的根本分野。\n有人把 AI 当成高级输入法，依然按传统的工时来算投入产出，在古德哈特定律里迷失了方向。\n有人已经把研发流程重构成了并行的算力调度系统。\n在顶级智力的赛跑里，最昂贵的从来不是机器上的电费。\n最昂贵的，是人类顶尖大脑被困在机械重复劳动里的每一分钟。\n当算力开始成倍代偿人类的时间，烧钱就从一项单纯的成本，变成了最凶猛的效率杠杆。","topic":"OpenAI 刚公布了一组内部数据","frame_type":["古德哈特定律与算力并发代偿机制","机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-09-07 16:22:58","legal_anchor_count":0,"transcript_citation_count":0}