烧光千亿后，OpenAI把算力用在了刀刃上

2026年4月的一个下午，OpenAI的工程师们关掉了Sora的大部分训练节点——这款曾让全网惊叹的视频生成工具，如今只能分到公司算力池里的残羹冷炙。外界哗然，说这家AI巨头要从消费者市场彻底退守B2B。但很少有人注意到，同一时间，他们把所有能调动的GPU，都砸向了两个看起来不那么“酷炫”的方向：一个能记住你所有习惯的个人助理，和一套能接管80%工作的AI工作流。没人知道这步棋是对是错，但所有人都清楚：OpenAI手里的算力，已经不够再支撑一场“全面开花”了。

算力硬约束下，做最残酷的减法

你可以把AI公司的算力池想象成一个刚发工资的钱包——每一分钱都要花在刀刃上，而OpenAI的钱包虽然鼓，却要养一群嗷嗷待哺的“吞金兽”。联合创始人Greg Brockman在访谈里把这个过程形容为“最残酷的优先级排序”：公司内部清单的顶端只有两件事，剩下的项目要么排队，要么直接被砍掉。

Sora不是第一个被牺牲的。这款能生成60秒视频的工具，每生成一帧画面消耗的算力，够ChatGPT回答上千次提问。在“能直接创造收入的推理模型”和“暂时看不到盈利点的视频生成”之间，OpenAI选了前者。这不是退守B2B，而是在算力的硬天花板下，放弃了“既要又要”的幻想。

更关键的是，他们把算力集中投向了一个听起来有点抽象的目标：统一AI层。简单说，就是把聊天、写代码、控制浏览器的能力，全部塞进同一个入口——就像把手机里的所有APP，都整合进了一个智能助手。比如你忘记怎么设置Mac的屏幕热角，不用查教程，直接说一句，AI就能帮你完成操作。这背后的逻辑很直白：与其让人类适应机器，不如让机器迁就人类。

Spud登场：让AI从“能动”到“能用”

在砍掉Sora的同时，OpenAI把所有剩余算力，都砸给了一个叫Spud的新模型。这不是GPT-5的换皮，而是他们憋了两年的大招——用Brockman的话说，这模型有“大模型气息”：当你提问时，它不会再答非所问，而是像一个真正的助手，能听懂你的弦外之音。

Spud的核心突破，是把AI的任务覆盖率从20%拉到了80%。过去的AI只能做一些碎片化的工作，比如写一段文案、改一行代码；但Spud能接管一整套工作流：从写项目提案，到做数据分析，再到生成汇报PPT，它能一口气完成。这就像从“只会拧螺丝的工人”，升级成了“能管整个车间的工头”。

当然，这一切的前提是算力的精准投放。Spud采用了混合专家模型——就像一个专家委员会，每次只激活和任务相关的“专家”，而不是让所有参数一起工作。这样一来，它在拥有万亿级参数的同时，推理成本却和GPT-4差不多。但这也带来了新的问题：模型的智能是“片段化”的，它永远只会调用部分知识，而不是像人类一样进行整体思考。

算力战争：巨头的游戏与创新的困境

OpenAI的算力焦虑，不是个例。2026年的AI行业，算力已经成了硬通货——全球半导体厂商把70%的产能，都转向了AI专用芯片，消费电子市场的内存价格因此暴涨了30%。谷歌、Meta这些巨头，提前两年就锁定了台积电的产能，而小型创业公司别说训练大模型，就连租GPU都要排队。

这种算力集中带来的后果很直接：行业的创新正在向头部聚集。OpenAI们可以砸千亿建数据中心，而小公司只能在细分领域找机会。更让人担忧的是，算力的短缺正在倒逼整个行业“功利化”——所有能快速变现的项目都被优先投入，而那些看起来“没用”的基础研究，正在被逐渐边缘化。

但也不是没有转机。OpenAI正在开发自动化AI研究员，让AI自己去做实验、写代码、优化模型。如果这套系统能跑通，未来的AI研发效率可能会提升10倍以上——到那时，算力的瓶颈或许就不再是问题。但没人知道，这套系统会不会反过来，把人类研究员也变成“多余的人”。

当我们谈论AI的未来时，我们总是在谈论更强大的模型、更酷炫的功能，却很少谈论算力——这个最朴素、也最关键的约束。OpenAI的选择，其实是整个AI行业的缩影：在算力的硬天花板下，我们不得不放弃“全面开花”的幻想，转而追求“精准打击”。

算力不是无限的，创新也不是。算力有限，创新才能精准落地。未来的AI，不会是无所不能的“神”，而是能把80%的工作做好的“助手”。它不会再追求“更多”“更强”，而是会变得更“实用”、更“贴心”。而这，或许才是AI真正改变世界的开始。