---
id: "mb-20260924-6862aa"
kind: "deep"
title: "思想的跳水价：为什么在今天拼命给AI降本可能是一场巨大的工程浪费？"
topic: "思想的跳水价：为什么在今天拼命给AI降本可能是一场巨大的工程浪费？"
source_type: "generated"
status: "published"
generated_at: "2026-09-24 19:24:09"
frame_type: ["超音速成本崩塌下的过早优化陷阱与算力吸纳机制", "机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# 思想的跳水价：为什么在今天拼命给AI降本可能是一场巨大的工程浪费？

如果一个技术团队花整整半年，拼命把 AI 调用的成本砍掉了 70%，算不算重大立功？
在今天，这很可能是一笔彻底被浪费的工程开销。

不少技术团队现在都在拼命做这件事。
大模型用起来太贵，于是工程师天天加班搞蒸馏、搞剪枝、改提示词、自建本地小模型。
好不容易把每次调用的 API 账单从一毛钱抠到了三分钱。
结果刚上线没两个月，底座大模型一升级，同样的智力水准，官方调用费直接跌到了几厘钱。
技术团队耗费半年的工程攻坚，一瞬间全成了毫无意义的沉没成本。

沃顿商学院的教授伊森·莫里克（Ethan Mollick）在社交平台上发了一张走势图。
他给所有正忙着给 AI 方案抠成本的人提了个醒：
在眼下这个阶段，为某个具体的解决方案拼命做成本优化，很可能极其短视。
因为智力的价格，正在以人类工业史上从未见过的速度雪崩。

这张图来自研究机构 Epoch AI 刚发布的一份重磅报告。
报告的名字很有意思，叫《思想的跳水价》（The Plunging Price of Thought）。
研究员卢克·恩伯森（Luke Emberson）和戴维·鲁德曼（David Roodman）做了一次非常扎实的测算。
他们拉出 2023 年以来的全部真实评测数据。
覆盖了数学竞赛、博士级专业考试以及各种高难度博弈测试。
然后算了一笔账：
如果要让 AI 达到某个固定的智力水准，比如在这些顶级硬核考题上拿到 25% 或者 75% 的分数，到底要花多少钱？
结果发现，跨过这个门槛的推理成本，正在以每个季度暴跌 47% 的速度往下跳。

每个季度跌掉将近一半。
折算下来，一年暴跌 13 倍。
在最考验逻辑推理的数学领域，跌得甚至更狠，每季度跌 50% 到 52%。

一年便宜 13 倍是什么概念？
我们熟悉的摩尔定律，芯片上的晶体管每 18 个月翻一番，算力成本每 18 个月腰斩一次。
这已经是过去半个世纪整个人类科技进步的底座了。
但大模型推理成本的崩塌速度，比摩尔定律整整快了 6 倍。
它比人类基因测序成本著名的跳水曲线，快了 4 倍。
比锂电池的降价速度，快了 18 倍。
比 1973 年之前整整一百年里人类电力的成本下降，快了 54 倍。
从蒸汽机发明到现在，人类从来没有在哪一项底层生产力上，经历过如此疯狂的超级通缩。

报告里给出了一个极其震撼的真实账单。
GPQA Diamond，这是全球顶尖大模型最怕的考卷之一。
试卷全是物理、化学、生物学的博士级难题，普通博士开卷考往往也只能拿个三四十分。
2025 年 1 月，OpenAI 推出了专门擅长多步推理的 o3 模型。
o3 在这张地狱级试卷上拿到了 75% 的高分。
当时每解答一道题，平均要消耗价值大约 0.3 美元的 Token。
折合人民币两块多钱一道题。
贵吗？确实贵。
如果一个高校或者实验室每天想用它筛几万个科研假设，一个月几万美金就出去了，普通团队根本用不起。
可仅仅过了 18 个月。
最新跑出 75% 相同分数的模型，是 GPT-5.6 Luna。
它做对同样一道博士级难题，成本是多少？
0.0004 美元。
折合人民币不到三分钱的三厘，差不多两毫钱。
18 个月的时间，同样水准的硬核智力，价格砸掉了 725 倍。

这就是为什么说，在今天拼命给 AI 方案抠成本是极其危险的。
在传统的软件工程里，服务器、带宽和数据库的单价是极其稳定的。
你花半年时间重构代码，把服务器开销省下 30%，这笔节省在未来三年里都是实打实的利润。
但在今天的 AI 领域，工程师是在跟一条超音速下坠的成本峭壁赛跑。
更要命的是，为了省下眼前几毛钱的推理费，很多团队选择把系统做窄：
砍掉长上下文，砍掉反思步骤，把通用大模型换成定制的小模型。
原本可以随着底座模型一起自动进化的系统，被硬生生锁死在了当下的版本里。
你费尽心血造了一辆极致省油的自行车。
刚骑出胡同口，路上的高铁已经通车了，而且票价还便宜得像免费。

十九世纪的英国经济学家威廉·斯坦利·杰文斯曾经观察过一个神奇的现象：
瓦特改良蒸汽机之后，每匹马力消耗的煤炭大幅减少。
按常理推断，全英国的煤炭消耗量应该往下走才对。
结果恰恰相反，英国的煤炭总消费量爆发式增长了十几倍。
因为当动力的成本便宜到一定程度，它就会把原来因为太贵而根本不存在的市场，整个炸开。

今天的思维成本正在经历完全相同的过程。
当博士级的推理能力从一道题两块钱，跌到一万道题只要四块钱的时候，省钱就已经不再是核心竞争力了。
聪明的团队根本不会忙着削减 Token。
他们会利用跳水的成本，去搭那些过去想都不敢想的高算力架构：
遇到复杂决策，让几个不同的模型展开五轮交叉论证。
写一段代码，自动跑几十轮攻击测试和边界校验。
把原来按秒计费的谨慎咨询，变成随时待命、不眠不休的思考流水线。
当一种珍稀资源的边际成本正在无限逼近于零。
把目光死死盯在怎么省钱上，很可能会彻底走错方向。
谁能接得住它喷涌而出的巨大洪流，谁才能拿到下一轮的入场券。

_Rendered by mubei-terminal._