OpenAI 提出 AI 时代新指标：用"有用智能每美元"衡量投入产出

当企业财务负责人追问人工智能投入的实际回报时，OpenAI 试图给出更清晰的答案。这家公司在 7 月 17 日发布的长文中指出，传统软件行业以采用率衡量成败的标准——席位数量、活跃用户、许可证续费——在 AI 时代已经失效，真正的标尺应是模型实际完成的工作量。

OpenAI 认为，评估 AI 投入的核心经济命题在于：人工智能创造的价值增长是否快过其生产成本增长。仅比较每 token 成本并不足够，因为一个便宜模型可能需要反复试错、耗费更多人工审核；而一个昂贵的模型或许一次就能完成任务。真正的成本是产出成功结果的完整代价，以及该成果所创造的价值。

"有用智能每美元"回答四个关键问题

OpenAI 提出"有用智能每美元"作为 AI 时代的记分卡，涵盖四个维度：AI 是否在完成有意义的工作；每项成功任务的成本；结果是否可信赖；以及随着用量增长，每美元投入是否创造更多价值。

第一，完成了多少有用工作。价值只在 token 转化为人们可直接使用的实际产出时才产生。模型能力越强，能处理的任务越复杂——保持上下文、多步推理、跨工具协作并动态调整。务实的做法是锁定具体工作流，在真实系统中度量结果。例如，财务团队为预测评审做准备时，ChatGPT Work 可完成数据导出、变化识别、幻灯片重建等杂务，让团队专注分析变化原因和下一步决策。

第二，成功任务的实际成本。AI 任务成本差异巨大：快速回答消耗计算极少，而编码、研究、财务类工作流涉及深度推理和大量操作。单次成功任务成本由价格、实际计算量和正确结果概率决定；企业总成本还需叠加员工时间、人工审核、重试和返工。因此每 token 最低价未必等于每结果最低成本——前沿模型若一次给对答案，省下的重试和审核可能使其成为最划算选择。

OpenAI 新发布的 GPT-5.6 按此逻辑设计三个层级：旗舰 Sol、平衡型 Terra、最快最省的 Luna。客户需根据整笔任务的经济性选择：高吞吐流程用 Luna，深度任务用 Terra，需要更强推理时用 Sol。数据显示，在 Artificial Analysis 编程智能体指数上，GPT-5.6 Sol 以更少输出 token 创下新优；在 DeepSWE v1.1 长周期工程任务中，以更低预估 API 成本达到更高完成率。

第三，可靠性，即 AI 正确完成工作的频率。AI 采用通常分阶段深化：从辅助起草，到工具间推理，再到主动采取行动、处理异常、跑完整个工作流。每一步都创造更多价值，也提出更高要求。可靠性直接转化为成本节约——结果准确、来源可靠、前后一致，审查和返工时间减少，成功任务成本降低。

OpenAI 建议追踪三类结果：可直接使用、需要修正、需要升级处理，这比单纯模型准确率更能反映 AI 是否减少了实际工作量。同时需明确边界：定义系统可访问的数据、可更改的系统、需人工审查的操作环节。ChatGPT Work 建立在企业级安全合规基础上，支持在保持监督的同时接入更有价值的流程。

第四，规模化价值，即随着用量增长，每美元投入能否完成更多工作。企业可长期追踪同一工作流：统计达标任务数、总成本、每项成功任务成本。若工作量增长快过总成本、质量保持不变或提升，则每美元产出更多价值。算力处于核心位置——训练算力构筑未来能力，推理算力交付当下价值，两者最终都需转化为更好的客户成果。

构建自我强化的价值循环

更优模型、高效推理、专用硬件、更高利用率、智能路由和产品设计，都能提升算力回报。这些改进自我累积：更好基础设施加速研究，研究催生更强模型，模型改进产品，产品推动采用与收入增长，进而支撑下一代研究投入。

OpenAI 以统一智能平台整合这些要素：用户通过 ChatGPT 和 ChatGPT Work 使用，开发者通过 Codex 和 API 构建，企业将其部署进真实工作系统。任何一层改进，所有产品和客户共同受益。

将四项指标合一，核心问题是：每单位成本换来的有用智能是否在持续上升。OpenAI 将自身职责归结为让这个等式在每一代模型上都变得更好——更强模型、更快更可靠的结果、为真实工作压低的成本。当 AI 以"每美元有用智能"而非 token 流水账说话时，价值才被真正算清。