OpenAI 在扩展至芯片设计和金融领域时，推动单次任务成本定价 | 币圈资讯

路透社 9 月 9 日报道，首席财务官 Sarah Friar 于 9 月 7 日在旧金山举行的高盛 Communacopia + 技术大会上提出了这一论点。

对于试图在高端模型和低成本模型之间做出选择的企业来说，这改变了辩论的方向。OpenAI 希望客户不再询问哪个模型的代币价格最低，而是考虑哪个模型提供的单次完成任务成本最低。

芯片设计作为切入点，而非 EDA 替代品

OpenAI 并非试图取代工程师当前用于开发芯片的电子设计自动化（EDA）系统。事实上，其解决方案通过帮助工程师分析问题、评估方法和加速某些任务，来增强这些流程。

据 Friar 称，针对特定任务开发的 AI 需求正在增长。据路透社报道，OpenAI 还在测试一种商业模式，其定价取决于 AI 对特定公司的有效性，而非消耗量。

这与 Friar 7 月 17 日发布的帖子相一致，该帖子强调了“每美元有用智能”优于代币价格。虽然较便宜的模型可能需要多次重试、审查以及人工干预，但昂贵的模型可能因其能更快得出结果而成为更具成本效益的选择。

OpenAI 创新最清晰的证明是 Jalapeño，这是其首款定制推理芯片。该公司在 8 月 25 日的一篇帖子中表示，其 AI 技术助力 Jalapeño 在短短九个月内从概念阶段过渡到流片阶段。

得益于 AI，设计、测量和验证周期得以缩短。AI 还被用于提高算术电路的性能并对成品芯片进行编程。

OpenAI 声称，在每瓦特 AI 工作负载方面，Jalapeño 芯片的性能比用于运行 GPT-OSS 120B、DeepSeek R1 和 Kimi K2.5 计算的 Nvidia GB200 和 GB300 等效设备高出 1.5 至 1.9 倍。

根据 Cryptopolitan 8 月 25 日提供的信息，这款由 Broadcom 设计的芯片专为 OpenAI 用途打造，不面向市场销售。因此，这些数据仅为 OpenAI 的内部数据。SemiAnalysis 观察了 InferenceX 的运行情况，但未独立复现完整的测试套件。

Friar 表示，OpenAI 大幅降低其低阶产品 Luna 的成本，促使其使用量增长了近十倍，并将 Codex 的用户数量增加至 2500 万，据路透社报道。

独立测试为这一定价声明提供了一些证据。Artificial Analysis 比较了 GPT-5.6 Luna 与 Z.ai 的 GLM-5.3 的定价，确定 Luna 的标准任务价格约为 0.18 美元，而 GLM-5.3 为 2.01 美元。

然而，这并非完全单方面的比较。GLM-5.3 在 Artificial Analysis 的智能指数上得分为 45，而 Luna 的得分仅为 38。因此，OpenAI 在单次标准任务的价格上具有优势，但其 AI 的性能未必是最好的。

AI 辅助芯片设计已相当成熟。Synopsys 表示，其生成式 AI 副驾驶可将信息检索时间缩短 40%，并将解决方案时间减少 10 至 20 倍。

Cadence 于 6 月 1 日表示，其自主 ChipStack AI 工程师可将某些 RTL 验证周期从五周缩短至不到一天。Google 的 AlphaChip 也已应用于 Alphabet 旗下的先进芯片中。

因此，OpenAI 真正的差异化优势并非声称 AI 可以帮助设计芯片，而是其专有模型能够以更低的成功结果成本来实现这一目标。

支撑这一论点的市场巨大。普华永道（PwC）于 9 月 2 日表示，到 2050 年，全球 AI 基础设施资本支出可能达到 31.6 万亿美元，年支出将从 2026 年的约 8000 亿美元增至 2050 年的 1.8 万亿美元。芯片和服务器的定期升级预计将推动大部分支出。

经合组织（OECD）7 月 10 日关于 AI 市场的报告提出了相反的观点：尽管计算能力、芯片和其他关键投入保持高度集中，但经过质量调整的 AI 模型价格在 2024 年 1 月至 2026 年 4 月期间下降了近 80%。

OpenAI 押注于模型、软件和硅片之间更紧密的整合，将这种集中转化为效率优势。如果成功，单次完成任务的成本可能比代币价格更重要，并成为推动 AI 向全栈玩家发展的另一股力量。

如果您正在阅读此文，您已领先一步。通过我们的通讯保持领先。