📄前 OpenAI 员工谈为何廉价令牌价格在工作负载复杂化后可能具有误导性

📄前 OpenAI 员工谈为何廉价令牌价格在工作负载复杂化后可能具有误导性

🧐这位专家认为，持久护城河位于功能层之下，因为功能会被快速复制，并且很少能作为持久优势维持下去。谷歌能够脱颖而出，因为它通过专有硅芯片及其生态系统的分发渠道，拥有真正的结构性深度，这将需要数年时间才能复制。Anthropic 在特定工作流程中与开发者和公司用户建立了真正的粘性，这种基于习惯的护城河虽然不易察觉，但意义重大。
⚠️OpenAI 借助 ChatGPT 的消费者分发渠道获得了强大的先发优势，不过这位专家指出，用户忠诚度很脆弱，因为切换产品只需要打开另一个浏览器标签页即可。
📊这位专家将中国实验室视作真实的成本案例，并以 DeepSeek 举例，证明无需投入更多昂贵计算资源也能产出强劲效果。硬件方面的限制倒逼它们在效率层面形成实打实的纪律性，这种效率看上去属于结构性优势，而不只是依靠激进定价实现。不过这位专家提到，需要把廉价 API 价格和实际更低的模型产出智能区分看待。
💡他警示不要过度解读公开的 API 定价，廉价令牌成本在工作负载走向复杂化之后会隐藏诸多问题。真正关键的是完成单次任务所耗费的成本，其中包含失败尝试、重试以及人工监督输出所消耗的时间。如果工程师必须全程看管模型，就算原始成本便宜 20%，优势也会快速消失。这位专家依旧不会断言中国实验室在架构层面成本更低，他认可其效率表现令人印象深刻，但表示市场还没有在大规模场景下充分验证这一判断。
🏗️基础设施层面，这位专家认为谷歌与 Meta 处在最优位置，两家多年持续建设数据中心、签署电力协议、自研硅芯片。对比高度依赖合作方与外部算力的 OpenAI 和 Anthropic，这给二者带来显著先发优势。电力被着重强调为实打实的瓶颈约束，因为无法在下个季度就快速追加采购，早做布局的公司对比刚起步的公司具备真实优势，后者或许要耗费数年时间才能拿到同等规模的算力容量。
⚖️即便如此，OpenAI 依靠大型基础设施合作关系以及资本力量补足短板，Anthropic 也获得亚马逊和谷歌的强力扶持，代表两家并非从零起步。该专家并不认为这会成为谷歌独有的优势，但他提出，如果 AI 工作负载形态发生意外变化，对技术栈掌控力更强的主体会占据更有利位置，而他判断该情况发生的概率很高。