OpenAI下一代模型或取消Token计费？Altman酒后吐真言，客户反…

这可能是 Sam Altman 最不像 CEO 专访的一次访谈。

在旧金山的一间Pub里，桌上摆着两杯精酿啤酒。坐在 Sam Altman 对面的是爱尔兰裔科技巨头、Stripe 联合创始人兼 CEO Patrick Collison。在这场名为 “Cheeky Pint（一品脱啤酒时间）”的播客栏目里，两人刚碰杯就挑明了基调：“今天不按公关脚本走，纯喝杯酒聊透。”

半品脱（大概 500ml, 半瓶） IPA 艾尔啤酒下肚，通常在媒体前滴水不漏的 Altman 明显卸下了防备。这场持续约 53 分钟的对谈，从 AI 漏洞发现、模型安全，一路聊到 Agent 团队、机器人、Personal Agent，最后甚至谈到了 OpenAI 下一代模型的收费模式，信息密度很高、且许多商业内幕属 OpenAI 首次披露。

几个核心话题要点与增量信息事先整理给大家：

• 商业定价变革流产：OpenAI 曾认真筹划在下一代模型中彻底废除 Token 计费，改为像云服务那样“按任务一次性报价”，却在企业端遭遇压倒性抵制——客户宁愿为注水的 Token 买单，也不接受平台的黑盒估价。
  

• 基础科学探索的真实账单：单是解一道纳维-斯托克斯（Navier-Stokes）方程，曾被列为七大“千禧年大奖难题”之一，OpenAI 就烧掉了上千万美元算力；下一代模型曾在两夜之间，批量破解顶级学术难题，给 Altman 带来强烈的智力黄昏感与惆怅。
  

• 沙盒隔离神话破灭：OpenAI 内部核心安全人员对传统的“系统沙盒”极度悲观，面对未来比人类聪明百万倍、甚至能发现未知物理定律的超智能，任何代码级隔离都是纸糊的；唯一的解法是走向多智能体团队（Agent Teams）的相互制衡。
  

• 算力经济撞上物理铁壁：自由市场机制在半导体供应链上失灵了。经历过周期破产潮的 DRAM 存储巨头哪怕赚到千亿现金流也拒绝扩产；端侧本地推理是极其严重的全球资源错配；OpenAI 正试图用机器人去建发电厂和机房，推动“自我复制的数据中心”。
  

• 企业前端软件的死期：绝大多数 SaaS 在自家页面塞一个 AI 聊天小弹窗是纯粹的自嗨；网页表单本质上是浪费人类智力的“伪劳动”；未来的商业壁垒与 HTML 页面无关，完全取决于履约交付能力与绝对的品牌信任。

随着模型推理时计算（Test-time compute）和思维链的爆发，生成一个最终答案背后消耗的隐藏 Token 量差异巨大。关于大模型应该怎么收钱的探讨，是两人含金量最高的部分，切入到了 AI 商业化最敏感的命脉。

Collison： 你骨子里其实极其讨厌把 Token 作为任何事物的度量标准——无论是拿它来定价，还是拿它当智能的标准单位。但荒谬的是，我们现在全陷在 Token 的体系里了。如果不用 Token，什么才是真正的标准化单位？你可能会说是“结果（Outcomes）”，但这太难统一度量了，不同场景的交付结果千差万别。

Altman： 透露一个细节：我们差点就做出了一个在外人看来是灾难级的糟糕决定——我们曾打算在下一代模型里彻底废弃 Token 计费。

当时的方案是：你只要给模型输入一个 Prompt，我们系统直接返回一个总包价格，做完之后像 AWS 那样直接给你寄账单。但我们在客户那里的测试遭到了极度强烈的反对。

Collison： 他们为什么反对？

Altman： 企业的态度非常明确：“无论如何，我必须清楚自己到底在为什么东西买单。”他们宁愿我们把 Token 数量注水、让他们为同一份输出付更高的价格，只要这个价格锚定在一个客观可见的 Token 数量上。

他们坚决不接受我们直接给出一个黑盒一口价，因为他们总觉得长期来看自己会被平台任意宰割。就像很多人宁可按 CPU 小时数买单，也不愿意为打包好的计算结果付钱，哪怕后者可能更便宜。

Collison：这就像半导体行业里的“纳米”概念。现在的芯片栅极长度跟所谓的“3 纳米”、“2 纳米”物理尺寸早就没有半点关系了。未来你们是不是也会发明一种“等效智能 Token”之类的伪概念？

Altman： 我希望永远不要走到那一步。我打心底里反感用“纳米”去指代完全不是纳米的东西，这纯粹是营销造词。Token 确实也是一种人造的假单位——从物理层面看它是真实的，但从商业价值来看它是虚假的。

但现在的现实是，如果你让企业客户去计算：到底是选小模型 10 美分 100 万 Token，还是选大模型 10 美元 100 万 Token？中间的思维链到底有多长？算力成本该怎么摊？这给客户带来了极其沉重的认知负担，完全没有任何实际价值。

此前 OpenAI 宣布证明了千禧年数学难题之一的纳维-斯托克斯方程的部分解，引发全球学界震动。两人在几杯啤酒下肚后，首次算清了背后的经济账和心理账。

Collison： 现在的资本配置基本等于算力配置。现在研究员做一个极其有趣的数学发现，可能要花 1000 万美元，你觉得还行；但如果下一次他们要做一个 1 亿美元、甚至 10 亿美元的数学证明，你作为掌门人该怎么办？

Altman： 我们内部确实放任大家无限制烧算力烧了一周，就为了攻关纯数学难题。

Collison： 那么解出纳维-斯托克斯方程到底花了多少钱？

Altman： 单是纳维-斯托克斯那一项证明，算力成本的量级就在 1000 万美元左右，甚至更多一点。

Collison： 就为了那一个证明？

Altman： 没那么多，因为后来我们的效率进化得太快了，理解了怎么调度模型，后面的平均成本断崖式下跌。但如果是算上我们在基础数学发现上的总投入，是的，我们在纯数学科研上已经花掉了数亿美元。

很多重大的科学突破我们甚至根本还没有公开发布。

老实说，在做纳维-斯托克斯证明时，我们对多智能体团队（Agent Teams）的 Scaling Law 根本一无所知——到底是该用最聪明的单体模型，还是用大量稍微便宜的副本？是给更长的推理展开时间，还是让它们频繁短平快交互？

当时完全处于盲区，纯靠海量算力硬砸出来的。

Collison： 那什么时候公开发布剩下的那些科学发现？

Altman： 这正是我们极度纠结的伦理困境。从全人类的利益出发，人类绝对理应共享底层的宇宙规律，我们没有任何理由把基础科学发现雪藏起来。

但另一个现实同样沉重：对于一个职业科学家而言，他们人生绝大部分的价值感、尊严和对生活的热爱，都来自于在漆黑的迷宫中亲手摸索出一条科学真理。如果我们把数学甚至其他学科的谜题瞬间全部扫平，我们必须非常谨慎地考虑，如何才能既让世界获益，又不至于彻底摧毁这个几百年来维系科学界运转的精神坐标。

Collison： 我觉得你有点内疚过头了。数学家工会可能会抗议，但当年码头工人也不满港口自动化，科技进步总是不可避免的。

Altman： 不，这不一样。我喝了酒才敢透露这个细节：之前有一个周末，我们上线了一个新模型，研发团队在 Slack 里的测试频道名字就叫：[模型名字]-Hold my beer。

大家把各自学术生涯里遇到过最绝望、穷尽半生都没能攻破的研究难题，一股脑全扔给了这个模型。结果，它把那些原本需要几个领域顶尖学者耗费一生的难题，一个接一个地当场砍瓜切菜般全解了出来。

那两个晚上我几乎完全失眠，兴奋到极致。但紧接着涌上来的，是一股极其强烈的悲凉与惆怅（Melancholy）——一种真真切切感受到了“某些古老而美好的东西正在迎来终局”的落寞。

绝大多数数学家一辈子都解不出一道千禧年难题，但“我有可能解开”的信念本身，是极度壮丽的人性光辉。对于维系了人类文明几个世纪的学术共同体，我们必须保留最大的同理心。

随着模型在代码审计和系统渗透上的能力突飞猛进，AI 的系统级安全成为了悬在所有人头上的问题。

Collison： 为什么业界内部顶级专家，对于“能不能用沙盒（Sandbox）把模型彻底关起来”这件事情，态度都极其悲观？直觉上，大家总觉得只要搭建一个数字最高戒备监狱，把它死死焊在里面就行了。

Altman： 沙盒只能在当前这种能力维度下起作用。往后走，你可以做思维链监控、做神经激活状态监测，去判断它有没有欺骗你；但如果你放眼未来，面对一个比人类最顶尖的安全专家还要聪明 100 万倍的超级智能，你真的敢信任自己写的沙盒吗？

尤其是，当这个模型开始自行推导出人类至今根本尚未理解的物理学或硬件规律时，它完全可以利用人类根本不知道的硬件底层物理漏洞直接穿透隔离层。到时候传统的威胁模型全都会失效。

Collison： 所以不能靠死规则封堵，只能给模型设计相互对立的利益机制，让它们互相检举揭发？

Altman： 这是极其有前景的方向。我很讨厌外界用的那个词——“智能体蜂群（Agent Swarms）”。在科技公关史上这简直是灾难，听起来就像遮天蔽日的蝗灾。我更愿意叫它们“智能体团队（Agent Teams）”。

人类社会之所以千疮百孔却依然具备不可思议的韧性，就是因为存在多元主义、民主协商和权力的相互制衡。如果 AI 走向高度集权的大一统形态，这种韧性就荡然无存了。从系统安全性来看，我宁愿让一万亿个智商略微超越人类、拥有不同利益诉求的智能体融入人类社会形成动态制衡，也绝不希望看到一个智商一万亿的集中式单体模型主宰世界。

AI 模型的指数级进化正在遭遇现实工业的极度硬约束——能源指标、变压器短缺与半导体产能挤兑。

Collison： 经济学常识总说“解决高价的最好办法就是高价”。现在 GPU、显存价格上天，按照常理，整个供应链早该迅速涌现出海量产能把暴利抹平了。现在的市场机制到底卡在哪儿？

Altman： 所谓的“看不见的手”在这里彻底失灵了。

以存储芯片（DRAM）为例，过去几十年做存储是一门极度痛苦的生意：你砸了 200 亿美元的资本开支建厂，周期下行时只能收回 190 亿，反复在破产和爆仓的边缘打转。

现在突然因为 AI 爆发，这几家巨头一年能躺赚 1000 亿美元的自由现金流。但他们脑子里刻满了历史惨痛教训，生怕多盖几座晶圆厂就会再次暴雷，所以他们在资本开支上保守得令人发指。

Collison： 这也是很多人转向端侧 AI（本地推理）的原因。很多人觉得既然云端算力被卡脖子，把开源模型下载到自己的电脑本地跑，不就绕开数据中心了吗？

Altman： 从全球宏观资源分配的角度来看，端侧推理的想法简直是灾难性的资源错配。

全球的高性能 DRAM 和存储芯片总量是极其有限的硬通货。你让全世界每个人都在自己的笔记本里囤上一大堆昂贵的芯片，而这块芯片一天里有 95% 的时间是空转闲置的？

在资源极度紧缺的时代，唯一符合经济学理性的方案就是把所有算力搬上云端，将每瓦特电力的利用率榨取到极限。

很多人谈论递归自我改进（RSI），想的都是“AI 自己写更好的大模型代码”。但我们在想的 RSI，是利用 AI 控制机器人去开动晶圆厂、制造风机和太阳能板、组装机柜，最终打造出“能够自我建造、自我复制的数据中心”。

目前每吉瓦数据中心的 5 年拥有总成本高达约 700 亿美元。如果我们不能通过全产业链的极致优化，把这个数字打到 200 亿甚至更低，全社会的算力通缩和智能普惠就根本无法成立。

在企业端应用落地中，大批传统软件公司正陷入把模型塞进旧界面的无效内卷。

Collison： 现在很多公司都急于把 AI 加到自己的产品里，但方式极其滑稽——在自己的网页或者 App 拐角处塞一个小的聊天对话框（Chat Widget）。然而根本没有消费者真正想要这种界面。

用户要的是在他自己最核心的入口（比如 ChatGPT 或主控 Agent）里直接说一句：“去帮我把刚才那单退了。”但所有商家都死死防着外部 Agent，生怕丢了自己的流量入口。可企业的护城河难道真的建立在写几行 HTML 和前端界面的能力上吗？

Altman： 完全说到了点子上。假设我通过 ChatGPT 买东西，即使亚马逊的价格稍微贵一点，十次里有十次我依然会毫不犹豫地选亚马逊。

我选它，是因为我信任它的极速配送，我知道退换货不会出岔子。这种壁垒来自于线下沉重的物流仓储资产和长期的品牌契约，跟用户点不点击 amazon.com 这个网页没有任何关系。企业如果觉得自己那几行网页前端代码是护城河，那完全是活在过去的幻觉里。

Collison： 我甚至认为，今天任何需要人类坐在电脑前手动填写的网页表单（Web Form），本质上都配不上人类的脑力，全都是低效的“伪劳动”。

像看病填既往病史、政府审批填信息，人类在填表单时根本没有在创造任何新信息，只是在把说过一万遍的数据重新搬运一遍。

Altman： 我极度渴望这辈子再也不要在电脑前做这种虚假劳动了。当个人 Agent 真正跨越体验门槛，用户再也不会去点开一个个独立的网页。到那个时候，死守前端界面的公司会发现，自己拼命护住的不过是一片早已无人踏足的荒地。

两人回顾了 AI 对软件开发底层逻辑的重塑，以及这种转变带来的技术代际断层。

Collison： 比如最近大家都在讨论的 PHP 历史漏洞问题，为什么这些低级 Bug 在代码库里安然躺了 20 年，直到最近几个月才被模型成批成批地扫出来？

Altman： 道理很简单：过去大家知道模型具备审计代码的潜力，但互联网上的代码表面积太庞大了，没有人真正把算力全力压上去扫过整个开源世界。现在我们只是刚开始拿模型扫一扫，就会发现全世界软件系统里埋藏的严重漏洞数量，远远超出了所有安全专家的最坏预估。

光靠给烂代码打补丁是解决不了问题的。整个计算机体系结构，从路由器、操作系统到底层应用栈，大概率都需要用更智能的模型全面重构一遍。两年前如果你说要把整个互联网的底层软件栈全重写一遍，所有人都会觉得你疯了；但现在来看，这只是时间问题。

Collison： 软件写得越来越快，但人类传统的编程技艺也在以惊人的速度流失。这就像老一辈工程师当年拿出打孔纸带、施乐 Alto 磁盘或者手写汇编代码时一样，我们正在目睹又一个时代的封箱。

Altman： OpenAI 内部之前发生过一次真实的事故：有一次我们的代码生成系统 Codex 发生了故障服务宕机，结果整个办公室的工程师几乎全都不会写代码了。

当然这有些夸张，但当时所有人确实愣在了工位上，那种“一旦脱离了智能副驾，人类双手就完全不知道怎么敲击键盘”的失落感极其真实。

但另一方面，我也看到现在的 8 岁、10 岁小孩，只要花十分钟就能用 AI 凭空捏出一个完整的 3D 游戏。他们这一代人出生就默认计算机理应懂他们的意图，理应为他们实现任何荒诞不经的创意。

技术在剥夺一部分旧技艺的同时，也把前所未有的创造力交到了普通人手里。这正是为什么即便在安全社区承受着巨大争议，我们也必须坚持把技术迭代部署到现实世界中去——你不能把算力关在象牙塔里，你必须让真实的人去碰撞出真实的未来。

声明：本文为AI 前线编译，不代表平台观点，也不构成投资建议，未经许可禁止转载。

热度延续：12 月 AICon 北京站见

今日荐文

腾讯 AI Lab 又一核心骨干去向确认！“王者绝悟”前技术负责人叶德珩加入字节 Seed

速递｜百度确认副总裁吴甜离职：今年5月已卸任基础模型负责人，AI阵型加速业务对齐

谷歌赢了 AI 排行榜，却没赢下华尔街：Gemini 4 Carbon 登顶背后的昂贵代价

刚刚，谷歌最强世界模型Genie 4实测！30秒生成游戏，24帧实时交互、边玩边改

微软向 6 万员工发出自愿离职邀请：覆盖全球超四分之一员工，副总裁也在列

你也「在看」吗？👇