OpenAI 在擴展至芯片設計和金融領域的同時，推動按任務計費的定價模式

OpenAI 正在將其先進模型擴展到芯片設計、生命科學和金融領域，認為高前期成本的模型可以通過更少的嘗試完成任務，從而獲得回報。

路透社在 9 月 9 日報道，首席財務官 Sarah Friar 在 9 月 7 日於舊金山的高盛 Communacopia + Technology 會議上提出了這一觀點。

對於那些在高端和低成本模型之間做出選擇的企業來説，這改變了討論的方向。OpenAI 希望客户考慮的是哪個模型能夠以最低的成本完成任務，而不是哪個模型的代幣價格最低。

芯片設計作為切入點，而非 EDA 替代品

OpenAI 並不試圖取代工程師目前用於開發芯片的電子設計自動化系統。實際上，它的解決方案有助於提升這些過程，幫助工程師分析問題、評估方法並加快某些工作。

根據 Friar 的説法，針對特定任務開發的 AI 需求正在增長。路透社報道，OpenAI 還在測試一種商業模式，其定價取決於 AI 對特定公司的有效性，而不是基於消費。

這與 Friar 在 7 月 17 日發佈的帖子相一致，帖子中強調了 “每美元的有用智能” 比代幣價格更為重要。雖然便宜的模型可能需要多次重試和審查以及人工干預，但昂貴的模型可能會因更快達到結果而被證明是更具成本效益的選擇。

Jalapeño 作為內部證明點

OpenAI 創新的最清晰展示是 Jalapeño，這是他們的第一個定製推理芯片。該公司在 8 月 25 日的帖子中表示，其 AI 技術使 Jalapeño 從構思階段到流片僅用了九個月。

得益於 AI，設計、測量和驗證的週期得以縮短。AI 還被用於提高算術電路的性能並編程完成的芯片。

OpenAI 聲稱，Jalapeño 芯片在每瓦特 AI 工作的性能比用於執行 GPT-OSS 120B、DeepSeek R1 和 Kimi K2.5 計算的 Nvidia GB200 和 GB300 同類設備高出 1.5-1.9 倍。

根據 Cryptopolitan 在 8 月 25 日提供的信息，Broadcom 設計的芯片僅供 OpenAI 使用，而不用於市場銷售。因此，這些統計數據僅為 OpenAI 的數據。SemiAnalysis 觀察了 InferenceX 的運行，但並未獨立復現完整的測試套件。

每任務成本的論點，與外部數據對比

Friar 表示，OpenAI 降低其低端產品 Luna 的成本，導致其使用量幾乎增長了十倍，同時 Codex 的用户數量也增加到 2500 萬，路透社報道。

獨立測試為定價聲明提供了一些證據。Artificial Analysis 將 GPT-5.6 Luna 的定價與 Z.ai 的 GLM-5.3 進行了比較，確定 Luna 的價格約為 0.18 美元，而 GLM-5.3 的價格為 2.01 美元，適用於標準任務。

然而，這並不是一個完全單方面的比較。GLM-5.3 在人工分析的智能指數中得分為 45，而 Luna 的得分僅為 38。因此，OpenAI 在每個標準任務的定價上具有優勢，但不一定是表現最好的 AI。

OpenAI Jalapeño 芯片：AI 效率、延遲、模型成本和 31.6 萬億美元的基礎設施展望

OpenAI 進入的一個晚期領域

AI 輔助的芯片設計已經相當成熟。Synopsys 表示，其生成式 AI 副駕駛可以將信息檢索時間縮短 40%，並將解決方案時間縮短 10 到 20 倍。

Cadence 在 6 月 1 日表示，其自主 ChipStack AI 工程師可以將某些 RTL 驗證週期從五週縮短到不到一天。谷歌的 AlphaChip 也已在 Alphabet 的先進芯片中使用。

因此，OpenAI 的真正差異化因素並不是聲稱 AI 可以幫助設計芯片，而是其專有模型能夠以更低的成功結果成本完成這一任務的論點。

為何風險不斷上升

這一論點背後的市場巨大。普華永道在 9 月 2 日表示，全球 AI 基礎設施資本支出到 2050 年可能達到 31.6 萬億美元，年支出預計將從 2026 年的約 8000 億美元 增加到 2050 年的 1.8 萬億美元。重複的芯片和服務器升級預計將推動大部分支出。

經濟合作與發展組織在 7 月 10 日發佈的關於 AI 市場的報告補充了這一觀點：經過質量調整的 AI 模型價格在 2024 年 1 月至 2026 年 4 月之間下降了近 80%，儘管計算、芯片和其他關鍵輸入仍高度集中。

OpenAI 正在押注於模型、軟件和硅之間的更緊密集成將使這種集中轉化為效率優勢。如果成功，每個完成任務的成本可能比代幣價格更為重要，併成為推動 AI 向全棧參與者發展的另一股力量。

不僅要閲讀加密新聞，還要理解它。訂閲我們的新聞通訊，免費。