OpenAI 刚公布了一组内部数据

OpenAI 刚公布了一组内部数据。 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。 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。 一天 7000 美元。 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。 这不是初创公司在挥霍，是前沿 AI 实验室正在发生的日常。 同一时间，硅谷的大厂却在紧急踩刹车。 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。 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。 Meta 也关停了类似的竞赛。 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。 硅谷甚至为此造了一个新词，叫代币刷量。 一边把代币消耗看成虚荣指标和财务黑洞，勒令全员节流； 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。 为什么同一笔开销，在两边眼里是完全相反的两种东西？ 这背后其实是两套完全不同的组织机器在运转。 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。 1975 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： 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。 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。 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。 指标被玩坏了，算力烧出去了，产出却没有增加。 OpenAI 运转的，是另一台机器。 在那份报告里，藏着一个远比 7000 美元更关键的数据： 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。 3.1 比 1 的并发比例。 这意味着研发范式被彻底重构了。 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。 现在，他不再亲自去当打字员。 他变成了一个实验调度员。 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。 智能体不需要睡觉，也不占用物理工位。 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。 OpenAI 内部的人工技术支持频道，求助帖半年内直接少了一大半。 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。 这就是两者的根本分野。 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。 有人已经把研发流程重构成了并行的算力调度系统。 在顶级智力的赛跑里，最昂贵的从来不是机器上的电费。 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。 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。