OpenAI 在扩展至芯片设计和金融领域的同时，推动按任务计费的定价模式

OpenAI 正在将其先进模型扩展到芯片设计、生命科学和金融领域，认为高前期成本的模型可以通过更少的尝试完成任务，从而获得回报。

路透社在 9 月 9 日报道，首席财务官 Sarah Friar 在 9 月 7 日于旧金山的高盛 Communacopia + Technology 会议上提出了这一观点。

对于那些在高端和低成本模型之间做出选择的企业来说，这改变了讨论的方向。OpenAI 希望客户考虑的是哪个模型能够以最低的成本完成任务，而不是哪个模型的代币价格最低。

芯片设计作为切入点，而非 EDA 替代品

OpenAI 并不试图取代工程师目前用于开发芯片的电子设计自动化系统。实际上，它的解决方案有助于提升这些过程，帮助工程师分析问题、评估方法并加快某些工作。

根据 Friar 的说法，针对特定任务开发的 AI 需求正在增长。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，而不是基于消费。

这与 Friar 在 7 月 17 日发布的帖子相一致，帖子中强调了 “每美元的有用智能” 比代币价格更为重要。虽然便宜的模型可能需要多次重试和审查以及人工干预，但昂贵的模型可能会因更快达到结果而被证明是更具成本效益的选择。

Jalapeño 作为内部证明点

OpenAI 创新的最清晰展示是 Jalapeño，这是他们的第一个定制推理芯片。该公司在 8 月 25 日的帖子中表示，其 AI 技术使 Jalapeño 从构思阶段到流片仅用了九个月。

得益于 AI，设计、测量和验证的周期得以缩短。AI 还被用于提高算术电路的性能并编程完成的芯片。

OpenAI 声称，Jalapeño 芯片在每瓦特 AI 工作的性能比用于执行 GPT-OSS 120B、DeepSeek R1 和 Kimi K2.5 计算的 Nvidia GB200 和 GB300 同类设备高出 1.5-1.9 倍。

根据 Cryptopolitan 在 8 月 25 日提供的信息，Broadcom 设计的芯片仅供 OpenAI 使用，而不用于市场销售。因此，这些统计数据仅为 OpenAI 的数据。SemiAnalysis 观察了 InferenceX 的运行，但并未独立复现完整的测试套件。

每任务成本的论点，与外部数据对比

Friar 表示，OpenAI 降低其低端产品 Luna 的成本，导致其使用量几乎增长了十倍，同时 Codex 的用户数量也增加到 2500 万，路透社报道。

独立测试为定价声明提供了一些证据。Artificial Analysis 将 GPT-5.6 Luna 的定价与 Z.ai 的 GLM-5.3 进行了比较，确定 Luna 的价格约为 0.18 美元，而 GLM-5.3 的价格为 2.01 美元，适用于标准任务。

然而，这并不是一个完全单方面的比较。GLM-5.3 在人工分析的智能指数中得分为 45，而 Luna 的得分仅为 38。因此，OpenAI 在每个标准任务的定价上具有优势，但不一定是表现最好的 AI。

OpenAI Jalapeño 芯片：AI 效率、延迟、模型成本和 31.6 万亿美元的基础设施展望

OpenAI 进入的一个晚期领域

AI 辅助的芯片设计已经相当成熟。Synopsys 表示，其生成式 AI 副驾驶可以将信息检索时间缩短 40%，并将解决方案时间缩短 10 到 20 倍。

Cadence 在 6 月 1 日表示，其自主 ChipStack AI 工程师可以将某些 RTL 验证周期从五周缩短到不到一天。谷歌的 AlphaChip 也已在 Alphabet 的先进芯片中使用。

因此，OpenAI 的真正差异化因素并不是声称 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完成这一任务的论点。

为何风险不断上升

这一论点背后的市场巨大。普华永道在 9 月 2 日表示，全球 AI 基础设施资本支出到 2050 年可能达到 31.6 万亿美元，年支出预计将从 2026 年的约 8000 亿美元 增加到 2050 年的 1.8 万亿美元。重复的芯片和服务器升级预计将推动大部分支出。

经济合作与发展组织在 7 月 10 日发布的关于 AI 市场的报告补充了这一观点：经过质量调整的 AI 模型价格在 2024 年 1 月至 2026 年 4 月之间下降了近 80%，尽管计算、芯片和其他关键输入仍高度集中。

OpenAI 正在押注于模型、软件和硅之间的更紧密集成将使这种集中转化为效率优势。如果成功，每个完成任务的成本可能比代币价格更为重要，并成为推动 AI 向全栈参与者发展的另一股力量。

不仅要阅读加密新闻，还要理解它。订阅我们的新闻通讯，免费。