OpenAI 執行長奧特曼示警成本攀升，AI 代幣效率提升 54%

OpenAI 最新模型將代幣成本削減逾半，但執行長山姆·奧特曼警告，運算與記憶體費用攀升正擠壓 AI 產業利潤。

OpenAI 執行長山姆·奧特曼表示，即使公司最新模型在自主編碼任務中實現 54% 的代幣效率提升，運算與記憶體成本上升仍壓縮著整個 AI 產業的利潤率。這項效率提升使 OpenAI 能夠在每單位算力下處理更多編碼操作，部分抵銷了奧特曼所描述、構成阻力基礎設施成本增加。

「運算與記憶體成本上升是一大阻力，」奧特曼在 7 月 9 日的談話中表示。他重申，微軟公司仍將是 OpenAI 最大的客戶之一，此舉顯示雙方合作關係的延續性，儘管該夥伴關係正面臨來自 Anthropic 及其他模型供應商日益激烈的競爭。

在自主編碼方面實現的 54% 代幣效率提升，代表 OpenAI 模型處理複雜多步驟程式設計任務的方式出現重大轉變。對於使用 AI 進行軟體開發的企業客戶而言，這項改進直接轉化為更低的每任務成本與更快的完成時間。此進展發生之際，OpenAI 正面臨 Anthropic 日益激烈的競爭；後者已於 2026 年從 OpenAI、微軟及 Google 挖角多位高層主管，包括前微軟 AI 平台總裁 Eric Boyd 以及 OpenAI 共同創辦人 Andrej Karpathy。

代幣效率提升抵銷基礎設施成本攀升

推論成本下降與基礎設施費用攀升之間的張力，定義了當前 AI 軍備競賽的階段。那些實現最陡峭效率曲線的公司將能獲取最寬廣的利潤空間，而依賴昂貴算力的企業則將面臨利潤壓縮。微軟已向 OpenAI 投資超過 130 億美元，它將同時受惠於較低的代幣成本及其持續取得前沿模型的優勢。

輝達公司的 GPU 驅動著大多數 AI 訓練與推論工作負載，該公司已開始出貨其 Vera Rubin 平台，執行長黃仁勳預測，到 2027 年 Vera Rubin 與 Grace Blackwell 晶片的訂單將達到一兆美元。華爾街分析師估計，輝達營收在未來兩個財年可能翻倍至 5540 億美元，反映 AI 運算的持續強勁需求。運算能力成本的不斷攀升已成為 AI 開發商面臨的核心挑戰，使效率提升成為關鍵的競爭差異化因素。

效率競賽並不限於模型供應商。雲端超大規模業者——包括微軟 Azure、亞馬遜雲端運算服務及 Google Cloud——正大舉投資客製化晶片，以降低對輝達 GPU 的依賴並為客戶降低推論成本。亞馬遜的 Trainium 晶片與 Google 的 TPU 單元提供了替代方案，雖然在訓練方面效能較弱，但對於推論工作負載（OpenAI 的 54% 效率提升在此類別中最為相關）可提供更低的每代幣成本。

Anthropic 的人才挖角加劇競爭壓力

估值接近一兆美元、預計將進行首次公開發行的 Anthropic，一直積極從 OpenAI 及其他競爭對手處挖角。除了 Karpathy 與 Boyd 之外，該公司還招募了 xAI 共同創辦人 Ross Nordeen 及 Google Cloud 的 Joe Mellet，大舉進軍基礎設施與企業銷售領域。Anthropic 也在 3 月宣布向 Claude 合作夥伴網路投資一億美元，建立一個已包含埃森哲、Cognizant 及 Slalom 的合作網絡。

對 OpenAI 而言，留住人才庫並維持效率領先優勢，在競爭環境不斷變化之際至關重要。該公司 54% 的代幣效率提升提供了近期優勢，但 Anthropic 的挖角攻勢表明，隨著競爭對手追平甚至超越 OpenAI 的性能基準，差距可能會縮小。與此同時，微軟已轉向多模型策略，據報導正考慮在其 Copilot 平台使用開源模型以降低代幣成本——此舉可能隨著時間推移降低其對 OpenAI 的依賴。

奧特曼承認成本攀升，凸顯了更廣泛的行業現實：AI 建設需要巨額資本支出，只有能將算力大規模轉化為營收的公司才能維持其利潤率。OpenAI 與微軟的合作關係使其得以使用 Azure 的雲端基礎設施，這賦予其相對於必須自行協商運算定價的小型競爭對手的結構性成本優勢。對投資人而言，關鍵問題在於哪些公司能夠在管理訓練與運行前沿模型所需基礎設施成本攀升的同時，維持最陡峭的效率曲線。

本文僅供資訊參考，不構成投資建議。