Sam Altman 拿著幾百億美金在那邊燒，大家都在看這場煙火秀什麼時候熄滅。根據流出的財務數據，OpenAI 的虧損已經不是翻倍能形容的，那是跳水式的下墜。這種規模的支出，如果是放在任何一家傳統軟體公司，早就被股東拆解賣掉了。但矽谷現在最有趣的地方就在於，所有人一邊罵他亂花錢，一邊又瘋狂地往裡面塞錢。這種邏輯其實很弔詭，大家買的不是現在的營收，而是那種「萬一 AGI 真的成了呢」的焦慮感。你現在打開 ChatGPT，對著它喊兩聲，背後可能就是幾美分的算力成本在跳動，而你付出的那點訂閱費，連幫伺服器吹冷氣都不夠。
這筆錢到底燒到哪去了？技術層面上看，OpenAI 正在進行一場豪賭，賭的是推理能力的邊際成本。當初 GPT-4 出現時，我們覺得預訓練已經到了頂峰，但隨後推理側的強化學習讓算力需求再次爆炸。ChatGPT 在處理複雜邏輯問題時，那種慢條斯理的思考過程，每一秒鐘都是在燃燒昂貴的 H100 晶片。我們在 API 調用中觀察到，當你要求它進行多步推理時，token 的生成延遲明顯增加，這不僅僅是網路問題，而是模型內部的計算圖在瘋狂運作。這種「思維鏈」的成本是線性的，甚至是指數級的。OpenAI 顯然打算在推理能力上築起一道高牆，用錢砸出一個別人追不上的邏輯深度。
相比之下，Claude 在這方面顯得克制許多。Anthropic 的工程師似乎更執著於上下文的穩定性，而不是單純的算力暴力。在處理超過 10 萬 token 的長文本任務時，Claude 的注意力機制表現得比 GPT-4o 更加精準。如果你把一份幾百頁的法律合約丟進去，Claude 抓取細節的成功率往往高過 ChatGPT。這種差異體現了兩家公司對「智慧」的不同理解：OpenAI 想要的是一個能思考的超大腦，而 Anthropic 則試圖打磨一個更可靠的專業工具。
這種瘋狂撒錢的策略在業界引發了連鎖反應。DeepSeek 最近的動作雖然引起不少討論，但 OpenAI 的路徑依賴已經形成，他們停不下來。相較於 DeepSeek，OpenAI 的做法是完全不計成本地推動模型架構的冗餘度，試圖通過暴力美學實現質變。Gemini 在這場算力競賽中表現得有些尷尬，儘管 Google 擁有自研的 TPU，但 Gemini 在多模態融合的穩定性上，依然沒能徹底甩開 ChatGPT。甚至在某些極端邊界測試中，Gemini 的安全護欄設置得過於保守，導致它在處理某些技術敏感話題時，回覆的內容既空洞又乏味。這就是財大氣粗的代價，當你擁有太多資源時，優化往往就退居二線，取而代之的是不斷地堆疊參數和硬體。
Grok 則是另一種極端，它在資料獲取的路徑上劍走偏鋒。在即時性資訊的處理上，Grok 確實展現出了優勢，但這種優勢是建立在 X（前 Twitter）的數據投餵上的。如果論及底層邏輯的嚴密程度，它與 ChatGPT 之間還隔著幾十億美金的訓練成本。這就是現在的現狀：OpenAI 用一種近乎自殺式的財務模型，定義了這個行業的「入場券」價格。
現在的問題是，這種用美金堆出來的智力，真的具有不可替代性嗎？如果有一天，推理成本被某種更有效率的算法優化掉了，那 OpenAI 現在燒掉的這幾百億美金，究竟會變成人類文明的階梯，還是史上最昂貴的技術泡沫？當我們習慣了用幾美金就能換取一個頂尖工程師的思考能力時，我們是否想過，這種廉價的背後，其實是整個矽谷在為我們的每一次提問買單？如果資金鏈斷裂，那個號稱無所不知的視窗突然關閉，我們還能回到那個需要自己思考的時代嗎？