夜雨聆风七月的一期播客，Sam Altman说出了一句让整个硅谷一震的话，"蒸馏？我最担心的十件事里没有它"
这话透着一种大公司掌舵者特有的笃定：他当着所有人的面，亲手撕碎了"智能稀缺"的神话，然后把公司的命运系在了一道小学算术题上：
薄利 × 巨量 = 活下去的钱。
那道"万亿美元算术题"
2026年7月28日，Patrick O'Shaughnessy的播客《Invest Like the Best》第484期上线，标题叫How to Make an Abundant Future。55分钟的对话里，Altman抛出了一段足以重新定义AI商业逻辑的表述：
"We will have so much usage of our models that we do not need to be a gigantically high-margin business to be able to afford model training... even if we can enjoy a modest margin on trillions of dollars of revenue, we can afford to train some giant models."
翻译成人话就是，我们不打算做暴利生意了。 只要用我们模型的人足够多，哪怕每一块钱只赚几分利润，乘以万亿美元的收入体量，照样能攒够训练下一代超级模型的钱。
▲ EP.484官方落地页，标题"如何创造一个充裕的未来"，充裕，是这道算术题的关键词
这已经越过了"降本增效"的边界，宣告着一种全新的公司形态。 传统SaaS公司毛利率70%起步，投资人看的是"每卖一份软件能赚多少"。Altman描述的OpenAI则带着自来水公司、电网和AWS的影子，它把稳定接入一切经济活动的流量放在单价厚利之前。
智能变成了自来水
同一期播客里，Altman说了另一句更狠的话：智能会变得可互换（fungible）。
未来各家模型在大多数任务上都会"差不多够用"，用户对底层权重的归属渐渐无感，就像打开水龙头时很少追问水来自哪座水库。价格、稳定性和充足的"水压"会成为用户的关心所在。
▲ Rohan Paul的剪辑帖引来讨论：智能可互换，护城河转向"最大最便宜的算力舰队"
那护城河在哪？Altman的回答冰冷而清晰：在算力舰队的规模和成本上。 模型的领先可能短暂，机房规模、芯片成本和每度电能产出的token数，却能把优势拉长。
这让人想起2006年的亚马逊当时所有人嘲笑贝索斯"卖书的去搞服务器出租"，觉得那是低毛利的苦活。结果AWS用十五年证明：当你是所有人的水电煤，利润率再薄，你也是全球最赚钱的业务之一。
Altman显然在下同一盘棋
"租来的发电厂"，社区开炮了
但社区不买账剪辑帖发出几小时内，评论区就变成了一场小型辩论赛。
最犀利的一击来自Megan Newman：
"OpenAI doesn't own the compute. Microsoft does... You cannot build a durable economic advantage on rented hardware when your margins are compressing. OpenAI isn't the power plant. They are just the meter reader."
▲ "发电厂归微软，OpenAI只负责抄表"，对"算力舰队"构想的尖锐反驳
这句话戳中了要害Altman说的是"我们要有最大的算力舰队"，但舰队是租来的。 微软才是房东，Azure才是底层，GPU在别人的机房里。当利润率已经被压缩，"租户"拿什么跟"业主"谈持久优势？
你想当自来水公司，但水管、水厂、水源都是别人的，你充其量是个代收水费的。
另一位评论者Darren Tjan则从端侧发起攻击：
"三年内所有新笔记本都能本地运行远超现在的模型。为什么还需要云服务商？"
▲ 端侧模型的威胁：如果用户自己的设备就够用，"万亿推理收入"从何而来？
一场关于"AI到底像什么"的战争
把视角拉远一点，你会发现争论的本质是：AI行业最终长成什么形状？
- 剧本A：高毛利软件。
像Adobe、Salesforce那样，卖工具、卖许可证，每份收入七八成是利润。投资人最爱的故事。 - 剧本B：公用事业/基础设施。
像电网、AWS那样，薄利、巨量、嵌入经济的每一根毛细血管。规模是唯一屏障。 - 剧本C：大宗商品。
智能彻底商品化，谁都能做，价格无限趋近于成本，没有赢家，只有苟活者。
Altman在播客里几乎是把OpenAI的牌面亮给所有人看：我们选B。 他甚至说，目标是在智能和价格的帕累托前沿上，每一个价位都提供最优解，从旗舰到入门产品全覆盖。
▲ The New Stack报道：Altman称蒸馏"不在前十担忧"，规模才是赛道定义者
但社区里有人冷笑："护城河只剩规模与廉价瓦特，科学和IP都靠边站了。" FutureFalcon的评价，把前沿实验室从"科技先锋"降格成了"大号电力零售商"。
而Gill则站Altman一边："算力规模，现在才是唯一重要的护城河。"
▲ 简单粗暴：有些人相信规模即正义
钱从哪来？2024年的"7万亿"幽灵
要理解Altman为什么非要把这道"薄利×巨量"的算术题做成立，得回到2024年初的一则新闻：他曾为AI芯片和基础设施项目寻求高达7万亿美元量级的资源。
Scott Alexander当时在Astral Codex Ten上做了一篇精彩的数量级推演：GPT-1几乎零成本，GPT-2约4万美元，GPT-3约400万美元，GPT-4约1亿，每一代成本翻25到100倍。 照这个速度，后续世代会碰到全球算力、大型电站级电力、甚至超出人类全部文本存量的数据需求。
▲ 2024年初的灵魂拷问：这么贵的东西，钱从哪来？
两年后的今天，Altman终于给出了答案的另一半：钱从卖推理来。 每一次AI调用都像一笔水电费，持续汇入下一代模型的训练资金。
CFO Sarah Friar用更精确的数字给这个故事打底：算力从2023年的0.2吉瓦涨到2025年的1.9吉瓦；年化收入从20亿美元飙到超过200亿美元。她甚至发明了一个新指标，"每美元有用智能"（Useful Intelligence per Dollar），衡量这些token成功完成了多少工作。
▲ Friar的"计分卡"：公司开始用"成功的工作"衡量AI投入
风险藏在利润率和利用率里
但所有公用事业式的美好故事，都有一个致命前提，利用率够不够高。
数据中心和电厂有着不同的成本结构。芯片折旧周期只有2到4年，固定成本极高，机架一旦空转，真金白银便随着折旧流走。Altman口中的"温和利润率"能成立，前提是推理负载持续饱和、企业客户持续买单、价格战没有把margin打到零以下。
批评者早就指出：OpenAI公开的推理支出与收入口径之间存在张力。"万亿收入上的温和利润"，和"每卖一次推理都在亏钱"，可能只差一个会计科目的距离。
▲ 投资人视角的拆解：企业推理、毛利美元、1.4万亿承诺的多年分布与弹性
而Altman自己也承认"也许我太自信了（feeling too confident）"。这是全场最诚实的三秒钟
一个时代的分水岭
某条X帖子的热度和某期播客的流量终会退去。留下的是，全球最大AI实验室的掌门人，在2026年年中公开了一个判断：
智能本身不值钱了
值钱的是规模是舰队是每度电、每个芯片、每一次成功任务背后的成本曲线。
这像极了一百年前电力行业的故事爱迪生发明了灯泡，最终统治行业的人，却是那些能把电送到千家万户的经营者。
Altman想当那个人问题是，他的电网，建在别人的地上