Vivek Gopalan：最終毛利最差、對一切都付前沿模型價的公司，往往是在評估上花時間最少的公司

風險投資人Vivek Gopalan稱，最終毛利最差、對一切都付前沿模型價的公司，往往是在評估上花時間最少的公司。

他描述Anthropic與OpenAI的內部做法：自動化先跑當時最強的內部模型；流程跑通後，用Opus或Fable根據自身軌跡生成評估，再沿智能層級往下遷，直到剛好不能通過爲止。多數大公司的試點花創新預算，無人盯單位成本，前沿溢價不可見，但很快會對多數人可見。

他預期評估覆蓋率——對着真實評估跑的token支出佔比，類比測試覆蓋率——將出現在盡職調查裏，緊挨毛利率，尤其推理已佔銷售成本大頭的人工智能原生公司。兩家營收相同、能用同一批模型的公司，毛利可以差出一大截，缺口多半來自評估覆蓋率以及由評估生成的合成環境。

迴路還會向上：每代新前沿模型先到層級頂端重寫標準答案，因爲上一代軌跡生成的評估上限就是上一代質量；然後全線再往下遷，門檻通常比上次更高，因爲便宜檔也變強了。ValsAI一類第三方已按任務成本與準確率給模型排行，把能力、時延、單價放在同一張表。

內部自動化若永遠停在最貴模型，單位經濟會被創新科目藏住。覆蓋率把“能不能用更便宜的模型完成同一工作”變成可審計數字。

市場機制上，這是成本會計規則前移，不是模型發佈。買方是要看清推理成本的投資人與財務官；賣方是賣評估平臺與合成環境的工具公司。資金從無差別前沿調用轉向分層路由。受益的是能用評估把流量壓到低價檔的運營團隊，承壓的是把所有試點都開在最貴接口上的創新部門。一條帖子不改變價目表，但會改變下輪融資問什麼。

來源：公開信息