规模化性能只是问题的一半,另一半是成本。而我们现在正在目睹的是——在工业级规模下,成本以前所未有的速度崩塌。 三年前,用 AI 生成 一百万个 token 的输出大约要花 60 美元;而今天,成本已经低于 1 美分。这意味着 99.9% 的成本下降。在任何其他行业,这都会被称为一场革命。 当一种如此强大的能力变得如此廉价时,它就不再只是专家工具,而会变成一种基础性公共设施。 这正是从小众能力向工业级基础设施转变的关键时刻。 Scaling performance is only part of the equation. The other half is cost. And what we are seeing right now is an unprecedented collapse in cost at industrial scale. Three years ago, running a million-token output with AI cost about sixty dollars. Today, it costs less than a cent. That is a 99.9 percent drop. In any other sector, that would be called a revolution. When something this powerful becomes that cheap, it is no longer a specialist tool. It becomes a foundational utility. This is the shift from niche capability to industrial infrastructure.
目录
观点原文
规模化性能只是问题的一半,另一半是成本。而我们现在正在目睹的是——在工业级规模下,成本以前所未有的速度崩塌。
三年前,用 AI 生成 一百万个 token 的输出大约要花 60 美元;而今天,成本已经低于 1 美分。这意味着 99.9% 的成本下降。在任何其他行业,这都会被称为一场革命。
当一种如此强大的能力变得如此廉价时,它就不再只是专家工具,而会变成一种基础性公共设施。
这正是从小众能力向工业级基础设施转变的关键时刻。
Scaling performance is only part of the equation. The other half is cost. And what we are seeing right now is an unprecedented collapse in cost at industrial scale.
Three years ago, running a million-token output with AI cost about sixty dollars. Today, it costs less than a cent. That is a 99.9 percent drop. In any other sector, that would be called a revolution.
When something this powerful becomes that cheap, it is no longer a specialist tool. It becomes a foundational utility. This is the shift from niche capability to industrial infrastructure.
ABAB AI 解读
1️⃣ 真正的变量不是性能,而是成本坍塌
历史上,性能提升往往带来渐进改进;而成本坍塌才会带来范式转移。
99.9% 的成本下降意味着:
- 使用门槛几乎归零
- 试错成本无限降低
- 规模化不再受预算约束
这不是优化,这是结构性断裂。
2️⃣ 当“强大”遇到“廉价”,工具就会变成基础设施
昂贵的强大,只属于专家;
廉价的强大,属于整个社会。
一旦成本低到:
- 不需要审批
- 不需要 ROI 论证
- 不需要“值不值得”的讨论
技术就完成了从:能力 → 权利 → 环境的转变。
3️⃣ 从“小众能力”到“工业公用层”的关键跃迁
这正是电力、计算、互联网走过的老路:
- 初期:实验室玩具
- 中期:企业工具
- 后期:看不见但不可或缺
AI 正在跨入第三阶段。你不再“使用”它,而是默认它存在。
4️⃣ 成本坍塌会反向重塑组织与竞争
当算力与智能不再稀缺:
- 大公司失去规模优势
- 小团队获得指数级杠杆
- 护城河从“资源”转向“判断、品味与信任”
竞争不再是谁更有钱,而是谁更快把能力嵌入流程。
5️⃣ 真正的革命不显眼
革命不是价格表上的数字变化,而是接下来会发生的连锁反应:
- AI 被写进每一个工作流
- 决策速度全面加快
- 组织结构被压扁
- 人类角色从执行者转向裁判与设计者
当你意识到“它无处不在”时,革命已经完成了一半。
一句话封顶
当一种能力强大到足以改变世界、又便宜到人人可用时,它就不再是技术突破,而是新的文明底座。
相关观点
- Hannah Stolberg 与 Team OS:把团队隐性知识变成 AI 可调用的组织操作系统Hannah Stulberg · 2026/04/17
- Evan Spiegel:拒绝被收购,不做流量生意,只押注下一代计算平台Evan Spiegel · 2026/04/16
- AI产品不是做模型,是控制行业入口Winston Weinberg · 2026/04/15
- 本文Jack Altman 对话 Bret Taylor。Bret 是科技界的传奇人物,曾任 Google 地图联合创始人、Facebook CTO、Salesforce 联席 CEO,现任 OpenAI 董事长,并创办了发展极快的 AI 初创公司 Sierra 以下是 Bret Taylor 针对 AI、软件行业未来以及公司管理分享的核心观点和内容总结: 1. 软件行业的“末日”还是“转型”? SAS-mageddon(软件即服务末日): 面对公共市场软件股下跌,Bret 认为这反映了市场对未来的焦虑,而非对具体公司的判决 记录系统(Systems of Record)的挑战: 传统上,ERP、CRM 等系统因作为数据锚点和拥有复杂工作流而极具价值。但在 AI 时代,如果 AI Agent(智能体)能自动完成所有工作,用户不再点击按钮,那么这些系统的价值可能会从“应用”退化为纯粹的“数据库” 防御性与新机会: AI 智能体带来的不仅是风险,更是重塑。公司如果能围绕平台建立智能体生态,其价值可能超越原有的平台 2. 为什么初创公司能击败巨头? 战略税(Strategy Tax): 巨头拥有无限资源,但往往被既有优势(如本地部署系统、旧的商业模式、销售提成机制)所束缚 从“最佳平台”回到“最佳品种”: 每次技术范式转移(如 Web、移动端、AI),市场都会从倾向于买一站式平台转向购买在单一技术上做到极致的“最佳品种”产品。初创公司没有历史包袱,能 100% 投入新技术的研发 3. Sierra 的成功路径与 AI 智能体(Agent) 定位高价值行业: Sierra 专注于服务高度合规、复杂的行业(如医疗保险、银行、电信)。这些行业对 AI 的要求不仅仅是“Demo”,而是“工业级”的稳定 结果导向定价(Outcome-based Pricing): 这是 Bret 大力倡导的模式。不同于传统的按席位或按 Token 计费,Sierra 按“解决的问题”或“达成的销售”收费。他认为,随着智能体变得自主,企业应为最终的商业结果买单 超越支持: Sierra 的智能体不仅做客服,还参与房屋搜索、抵押贷款服务,甚至进行上亿美元规模的业务谈判(如协商有线电视账单) 4. 关于编程与 AI 开发 编码范式转移: Bret 提到现在的 AI 已经能编写高质量的代码。他预测 3 年内,软件团队的最佳实践将完全被重写 抛弃式 IP: 在这一时期,为了服务客户,开发者必须编写一些可能在 4 个月内就会被丢弃的代码,因为底层技术迭代太快 Terraforming 软件: 真正的持久资产可能不再是代码本身,而是生成这些代码的系统和提示词(Prompts) 5. 对 AI 与人类未来的思考 人的身份与技能: 虽然 AI 在编程和数字任务上表现卓越,但在物理世界(如建筑、制药实验)以及涉及人类“品味”和“地位追求”的领域,人类仍不可替代 自省与进化: 就像会计师经历了 Excel 时代一样,人类需要调整身份认同,把 AI 当作工具,从而实现更高程度的自我实现 广告与分发: 针对 OpenAI 可能引入广告的讨论,Bret 持乐观态度。他认为,为了实现“让 AGI 造福全人类”的使命,需要有一种商业模式(如广告)来支持免费提供服务,使那些支付不起每月 20 美元的人也能使用 AI 6. 公司管理与董事会 文档驱动: Bret 坚持在董事会会议中使用书面文档而非幻灯片(Slides)。他认为写作是理清思绪、整合信息的最佳方式,能让会议集中在核心决策上 跨学科董事会: 他认为董事会应是管理层寻求建议的对象,而非仅仅是报告对象。一个好的董事会应由不同领域的专家(如安全专家、法律专家、销售老兵)组成 核心结论: Bret Taylor 认为我们正处于从“以技术为中心”转向“以产品为中心”的周期中。2027 年,每个公司都将需要一个 AI Agent,就像 1997 年每个公司都需要一个网站一样 以上内容来源:https://www.youtube.com/watch?v=tJwiP0zqVp4Jack Altman · 2026/03/04