AI 正變成公用事業，但用戶買的不是「智能」

矽谷圈子裏常用「AI 實習生」「AI 員工」這類比喻來解釋人工智能。圈內好懂；放到全球範圍，很多沒有技術背景的人其實很難想像自己到底在買什麼，也說不清這件事為什麼重要。

在史丹佛的對話裏，奧特曼提出一個更清楚的框架：AI 正在變成一種新型公用事業——更像電力、自來水、互聯網，而不是某一款 App。難點不只是做出技術，而是找到普通人一聽就有感覺的說法。

早期電力公司，賣的不是「電」

奧特曼專門研究過電力普及的歷史。他指出，早期電力公司並不以「我們在賣電」開場——當時很多人根本不知道電是什麼，也有人覺得把電接到房子裏很危險。

於是他們賣的是人們已經想要的結果：夜間照明。買了這個，晚上也能看書、幹活。他們也會提一句，以後還能幫忙洗衣、驅動機器——但當時幾乎沒人相信。大家願意先付錢的，是今晚就能用的光。

AI 行業的說法常常剛好相反：很多公司說自己在賣智能、賣算力。對普通用戶來說，這很難產生價值共鳴。奧特曼也坦言，他現在仍不知道 AI 行業的「夜間照明」到底是什麼——那個讓所有人一下子明白價值、願意為此付費的場景。但他確定的是終局：AI 會變成水電一樣的基礎設施，每家公司、每個人都會接入。

算力與 Token，不是同一層東西

常有人說算力是公用事業，也有人說 Token 是公用事業。奧特曼的區分很務實：算力是底層硬體——芯片與伺服器；Token 才是用戶能直接感知的服務單位——每次調用多少錢、速度快不快、效果好不好。

多數客戶根本不必關心底層用什麼芯片、伺服器在哪裏——就像交話費時不會去研究基站設備；你只關心信號穩不穩、用量夠不夠。再往後，連 Token 這個單位也可能淡出日常對話。隨着智能體普及，大家更可能只為最終服務付費，就像今天很少人天天精算自己用了多少流量。

為什麼推理側可能是更安靜的大獎

若要讓智能像水電一樣隨取隨用，光有先進的訓練技術還不夠，落地與配送同樣關鍵。有人問：若做一個單人前沿實驗室，選什麼方向最有價值？奧特曼的回答指向推理——讓已經訓練好的模型，能更便宜、更快地提供服務。

理由來自行業結構：絕大多數資源投在更大的模型與更好的訓練上，真正花在「怎麼把模型服務好」的力氣遠不夠。他的判斷是：等各家模型能力都很高之後，競爭會轉向誰能把智能成本壓到最低、誰能提供更充足的推理供給。推理就像電力行業的電網與配電——發電再先進，沒有高效輸配，也進不了千家萬戶。

• 訓練競賽抬高的是能力天花板
• 推理競賽壓低的是日常使用這些能力的價格
• 對中小團隊而言，交付與成本優化，可能比前沿訓練更容易切入

若你不做大模型，這對你意味著什麼

你不必等到完美比喻出現才開始用 AI。但奧特曼的電力故事是個好篩子：用戶買的是結果，不是抽象名詞。「更聰明的模型」是抽象說法；「晚飯前寫完這份報告」「夜間也能回覆客戶」「下班後工作仍能推進」——才更接近夜間照明。

他勾勒的長期圖景，不是永遠只有一個殺手級 App，而是 AI 變成你幾乎不會再特意談論的東西——因為它已經接進公司與個人完成工作的方式裏。真正贏的，可能是那些把這條「線路」做得便宜、穩定、又好解釋的公司。