科技CEO的“人肉成本论”：重新定义AI的能源消耗

如果几年前有人提及科技公司CEO用人类生存成本为AI辩护，我可能会认为这是科幻情节。但如今，这一场景已真实上演。

印度AI峰会上，Sam Altman在回应AI能源消耗质疑时，发表了惊人言论：「训练一个人需消耗20年生命及所有食物，相比之下，讨论AI的能源消耗显得『不公平』。」

这不是简单的辩解，而是一种新的叙事策略——当AI产品被指责能耗过高时，就计算人类的『训练成本』。

01

「人肉成本」的微妙算计

Altman的逻辑看似简单：一个人从出生到成年，需消耗20年的食物、住房和教育资源，而训练一个AI模型只需几个月。

从『投入产出比』来看，AI似乎更划算。

这个比较背后隐藏着概念偷换。人类的成长不仅是『训练』，更是生命本身。一个20岁的人不仅具备工作能力，还有情感、创造力、道德判断及无法量化的人生体验。而AI模型只是特定任务的工具。

但Altman的比较确实触及了有趣的角度。将人类社会视为巨大『训练系统』，培养一名程序员的总成本令人震惊：20年基础教育、4年大学、若干年工作经验，再算上背后的社会基础设施投入。

有开发者在Twitter上调侃：「按这个逻辑，我该感谢公司没用AI替代我，毕竟我的『训练成本』真高。」

02

从万亿承诺到六千亿现实

Altman抛出「人肉成本论」的背景微妙。就在几天前，OpenAI大幅调整了财务预期——原本宣称的1.4万亿美元基础设施投入，缩水至6000亿美元。

这个调整释放了信号：即使是OpenAI，也开始正视AI训练的成本压力。当初豪气万丈的万亿计划，在现实的能源账单前变得谨慎。

与此同时，OpenAI的商业化步伐在加速。从考虑在ChatGPT中加入广告，到与Tata集团的战略合作，再到GPT-5.2-Codex的发布——每一步都在寻找更高效的盈利模式，以平衡巨额的训练成本。

Altman的能源辩论，更像是为这种商业化转向提供理论支撑。如果AI训练比人类『培养』更环保，那么大规模投入AI就有了道德正当性。如果AI模型的能效更高，那么用AI替代人工不仅是商业选择，还是环保责任。

这场能源辩论的背景，是整个科技行业对AI环境影响的集体焦虑。数据中心的耗电量正惊人增长。训练一个大型语言模型的碳排放，相当于几百次跨大西洋航班。当各国政府制定碳中和目标时，AI公司面临前所未有的压力。

Altman的「人肉成本论」，本质上是一种防御性叙事策略——与其被动解释AI为何耗能，不如主动重新定义『什么是合理的能源消耗』。

03

被忽视的第三种可能

Altman的比较预设了前提：AI和人类是竞争关系，我们必须选择更『高效』的那一个。

但现实远比这复杂。AI的价值不在于替代人类，而在于增强人类能力。经验丰富的程序员配合AI工具，产出效率远超纯AI或纯人工。

从这个角度看，真正的问题不是『AI比人类更环保吗』，而是『如何让AI的能源消耗产生最大价值』。

一位能源政策研究者指出：「关键不是AI用了多少电，而是这些电是否有用对地方。如果AI能帮助优化电网、减少能源浪费，那么训练成本就是划算的投资。」

OpenAI最近推出的安全功能和风险标签，某种程度上也在回应这个问题——通过更精准的应用，让每一分算力都用得更有意义。

Altman的「人肉成本论」虽荒诞，但它揭示了一个深层次的哲学问题：在算法时代，我们如何衡量价值和成本？

当AI能在2小时内完成人类20年才能掌握的技能时，传统的成本效益分析是否还适用？当机器学习的边际成本趋近于零时，人类劳动的价值该如何重新定义？

这些问题没有标准答案，但不能回避讨论。

从峰会上的紧张场面到关于AI广告的争论再到如今的能源辩论——每一次争议背后，都是对AI未来形态的不同想象。

Altman选择用「人肉成本」为AI辩护，实际上在重新界定效率的含义。但效率不是唯一标准，还有公平、可持续及我们想要生活的世界。

当科技CEO开始计算人类的『训练成本』时，也许我们该问的不是这笔账算得对不对，而是：

我们是否愿意生活在一个把人类当作『低效AI』的世界里

极客一问

你觉得如果把人类成长也看作「训练过程」，AI和人类谁更「环保」？