构建丰裕智能
内容提要
本文探讨AI基础设施的经济价值，强调智能的“丰裕”在于降低成本、提升能力，形成良性循环。通过降价（如GPT-5.6 Luna降80%）、优化计算效率（节省20%成本）和全栈协同，实现更高效智能。投资基于证据和需求，目标不是建最大设施，而是让智能更普及、更有用，惠及更多用户。
延伸解读
降价的深层逻辑
文章指出，降价并非简单的价格调整，而是为了扩大实用工作的范围。例如，GPT-5.6 Luna降价80%后，每百万输入token仅需0.20美元，这使得更多任务在经济上变得可行。同时，文章强调衡量标准应是“成功结果的总成本”，包括时间、重试和人工干预，而非单纯token价格。这提醒读者，选择模型时应综合考虑任务需求与总拥有成本。
效率提升的杠杆
除了建设数据中心，文章强调通过软件优化提升计算效率。例如，GPT-5.6 Sol帮助优化服务软件，将端到端成本降低20%，并通过改进推测解码提升token生成效率15%以上。此外，系统级改进（如路由和上下文管理）能显著提升模型表现，如ARC-AGI-3得分从13.3%升至38.3%，同时减少6倍输出token。这表明，系统优化与模型能力同等重要。
全栈协同的价值
文章认为，全栈布局（基础设施、模型、平台、产品）能形成反馈循环：产品使用反馈指导研究，研究改进降低成本，需求增长支撑投资。例如，ChatGPT用户6个月后消息量增加50%，使用场景翻倍；Codex代理工作占周输出token的99.8%。这种协同使公司能更精准地规划产能，而非盲目追求规模。
投资纪律与证据
面对基础设施规划与需求变化的时间差，文章强调基于证据的投资决策，包括用户增长、企业承诺、API消耗、利用率及收入等指标。目标不是建设最大设施，而是在正确时间部署正确容量以匹配可信需求。这提示读者，AI投资需平衡长期愿景与运营纪律，避免过度建设。
Q&A
OpenAI 如何定义“智能的丰裕”？
智能的丰裕是指让智能变得更强大、更便宜、更有用，从而惠及更多人。它体现在降低成本、提升能力，并形成良性循环：更低的成本使更多工作变得可行，更强的模型创造更多价值，进而推动更多投资，最终让智能更普及。
GPT-5.6 Luna 和 Terra 的价格调整幅度是多少？
GPT-5.6 Luna 的价格降低了 80%，现在输入每百万 tokens 0.20 美元，输出每百万 tokens 1.20 美元；GPT-5.6 Terra 的价格降低了 20%，输入每百万 tokens 2 美元，输出每百万 tokens 12 美元。
OpenAI 如何通过优化计算效率来降低成本？
OpenAI 通过多种方式优化计算效率：使用 GPT-5.6 Sol 优化生产软件，将端到端服务成本降低 20%；改进推测解码，将 token 生成效率提高 15% 以上；同时改进路由、上下文管理和工具设计，减少重复工作和步骤。
为什么 OpenAI 强调全栈协同的重要性？
全栈协同意味着基础设施、模型、平台和产品各层相互促进：产品使用反馈指导研究，研究改进提升产品并降低成本，需求帮助规划基础设施。这种协同能形成良性循环，使系统整体更高效，而无需拥有所有资产。
OpenAI 在投资 AI 基础设施时遵循什么原则？
OpenAI 基于证据和需求进行投资，考虑用户增长、企业承诺、API 消耗、利用率、收入以及模型能力进步等因素。目标不是建设最大的设施，而是在正确的时间部署合适的容量以匹配可信需求，并确保新容量能快速产生效益。
OpenAI 如何衡量智能的丰裕？
OpenAI 通过智能所能完成的实际工作、交付效率以及惠及的范围来衡量。具体包括用户使用深度（如六个月后消息量增加 50%）、agentic 工作占比（如 Codex 占周输出 tokens 的 99.8%）以及成本降低带来的普及度。
