如果一项服务每隔几个月就会变得更强、更便宜，你还会急着现在买单吗？AI研究机构Epoch AI的一份新报告给出了一个让人坐不住的答案：人工智能的价格正在以远超摩尔定律的速度暴跌，快到足以动摇整个行业的商业逻辑。
五年跌了数千倍
报告描绘了一幅关于"人工思考"成本的陡峭曲线。AI的成本在短短五年内下降了数千倍。作为对比，锂电池的价格从1991年到2024年这近25年间，只下降了约100倍。而计算能力的成本在其整个生命周期中跌幅最大——从1940年起的60年里，下降了数千亿倍。
这个对比之所以关键，是因为摩尔定律在过去60年里一直是衡量技术进步的稳定标尺。计算性能和效率每年都在显著提升，复利效应造就了今天既比前辈快得多、按算力衡量又便宜得多的现代计算机。而AI的性能和对应成本，下降得比这还要快。
图表上唯一与AI跌幅相似的是DNA测序——一个常被引用的技术成本下降案例。它的相对成本降幅甚至比AI更大，但花了20多年。Epoch AI的数据显示，AI只用了五年就做到了同样的事。
换算下来，AI成本大约每季度便宜近50%，每年便宜13倍。这个下降速度是DNA测序的4倍，是锂电池的18倍。
一年半，从0.3美元到0.0004美元
报告引用了一个具体案例。OpenAI在2025年1月发布的GPT o3模型，在GPQA Diamond测试中取得75%的分数，每道题的成本是0.30美元。仅仅一年半之后，OpenAI发布的GPT-5.6 Luna能在同一测试中拿到同样的分数，但每道题只花0.0004美元。
不过，这种快速降本并非在所有领域都均匀发生，也不是线性推进的。Epoch AI把研究扩展到国际象棋谜题和数学等额外基准后发现，成本效率的提升速率差异巨大。GPQA Diamond基准显示出的是快速降本期与停滞平台期交替出现，而AIME OTIS Mock测试则在每个数据点上都表现出更规律的进步。国际象棋谜题虽然追踪的成功率百分比不同，但也呈现出更稳定一致的改善。
Frontier Math的发展则几乎在2025年到2026年间没有进步，随后在年中成本突然断崖式下跌。
Epoch AI还指出，降本速率本身正在放缓。在追踪的五个基准中，最初每季度成本下降66%，两年后降到了每季度32%。这可能意味着AI进展在减速，也可能意味着削减AI使用成本正变得越来越难——尤其是在2026年，能源和计算硬件的价格已经飙升。如果AI智能的原材料比过去贵得多，就很难再提供更便宜的服务。
便宜到没人愿意忠诚
成本如此快速地下跌，虽然很可能在助推采用，但也提出了一个棘手的问题：还有必要死守前沿AI开发吗？对第三方AI服务来说，建立客户忠诚度和稳定收入可能变得更难。
道理很直白：如果你知道随时可能只要再过几周或几个月，你感兴趣的服务就会变得更强更便宜，那现在立刻采用的动力是什么？如果竞争对手提供了更好更便宜的东西，为什么要留在现在的供应商那里？
这对OpenAI和Anthropic这样竞相追逐更强AI能力的实验室来说，是个难解的困局。报告指出，当优势可能只是昙花一现时，即便拥有超越竞争的先进模型，要想获得巨额利润也很难想象。
报告也列出了几项需要留意的局限。计算成本的数据只覆盖到2001年，之后没有相对成本的数字；电力只追踪到1973年，完全错过了近年太阳能的爆发。AI成本也只从2023年起开始追踪，此前的数据是从较短的现有趋势和外部研究外推得出的。
Epoch AI的结论并非基于某个特定模型，而是基于在GPQA Diamond基准上达到81.25%或更好成绩的模型，追踪的是让模型回答该测试中一道多选题的成本。这确实衡量了AI在多个知识学科上的能力，但未必覆盖AI能力的全部范围。它能显示的是，这类任务对更新的模型来说变得容易了多少——不只是得分更高，而且花费也低得多。
报告还提到一个潜在问题："Benchmaxxing"，即针对基准测试刷分的倾向。这可能是这组数据面临的最大隐患。
热门跟贴