AI 行业正在出现一幅颇为反常的画面。
芯片、电力和数据中心越来越贵，连建设数据中心所需的电工也更难请了；与此同时，让 AI 完成同等难度任务的成本，却正以前所未有的速度下降。
Epoch AI 统计了过去三年数学、科学与游戏等五类基准，发现达到同等模型性能所需的成本，平均每季度下降约 47%，相当于每年便宜 13 倍。
它的降价速度是 DNA 测序的 4 倍、计算成本的 6 倍、锂电池的 18 倍，也是电力的 54 倍，可能超过人类历史上任何一种通用技术。（图片放评论区了）
一个更直观的例子来自 OpenAI。2025 年初，o3 在 GPQA Diamond 上取得特定水平的成绩，平均每道题需要 0.3 美元。
不到 18 个月后，GPT 5.6 Luna 达到相同水平，每道题只需 0.0004 美元，成本下降了 725 倍。
更值得关注的规律是，越靠近模型能力前沿，降价通常越快。
一项能力刚刚成为 SOTA 时，相关成本平均每季度下降 66%，换算下来一年可降低约 75 倍。两年之后，降幅才逐渐放缓。今天还被当作旗舰卖点的能力，几个月后就可能进入小模型，随后变成云服务里的普通选项。
这也解释了为什么大模型公司不断发布新模型、降价、再发布新模型。
训练前沿模型仍然需要不断增加资本投入，但领先能力能够维持高价的时间越来越短。每次突破都会短暂制造溢价，竞争对手、开源模型和工程优化随后迅速抹平差距。
到了今年，卷性价比几乎已经成为行业共识，模型发布也越来越像只剩下两种有效打法。
要么把用捅破天花板的代际差距证明高价合理；要么把已经成熟的能力压到足够低的价格，用极致性价比重新划定市场的斩杀线。
夹在两者中间会越来越难。
能力没有明显领先，价格又没有足够优势，一款模型即使榜单成绩不错，也很容易在密集发布周期里迅速失去存在感。
当然，基准成绩不等于真实工作的表现，用户也不会为了每个任务都寻找最便宜的模型。Epoch AI 自己也提醒，部分模型可能针对基准训练，三年数据也不足以精确刻画所有趋势。
即便如此，方向已经很难忽视：AI 的生产端越来越贵，输出端却越来越便宜。
过去几年，行业习惯用更大的参数、更高的榜单成绩定义竞争。但接下来更重要的问题，可能是谁能把迅速贬值的模型能力尽快商品化。
模型越来越像电力，真正值钱的部分，将是围绕它建立的工作流、数据、用户关系和交付能力。智能终将免费，价值仍需创造。
