【文章来源：techweb】
作者｜桦林舞王
编辑｜靖宇
如果几年前有人跟我说，「你以后可能会看到科技公司 CEO，用人类的生存成本来为 AI 辩护」，我大概会觉得这是科幻小说里的情节。
但这个看似荒诞的场景，真的发生了。
不久前的印度 AI 峰会上，Sam Altman 面对 AI 能源消耗的质疑时，给出了一个让人意外的回应：「训练一个人需要 20 年的生命和这期间吃掉的所有食物，相比之下，讨论 AI 的能源使用是 『不公平』 的。」
这不是简单的狡辩，而是一种全新的叙事策略——当你的产品被指控太耗能时，不妨算算人类的 「训练成本」。
01「人肉成本」 的精妙算计
Altman 的逻辑表面上很简单：一个人从出生到成年，需要消耗 20 年的食物、住房、教育资源，而训练一个 AI 模型只需要几个月。
从 「投入产出比」 来看，AI 似乎更划算。
这个比较背后藏着一个巧妙的概念偷换。
人类的成长不是纯粹的 「训练」，而是生命本身。
一个 20 岁的人不仅具备了工作能力，还有情感、创造力、道德判断，以及无法量化的人生体验。而 AI 模型无论多么强大，都只是在特定任务上的工具。
但 Altman 的比较确实触及了一个有趣的角度。如果把人类社会看作一个巨大的 「训练系统」，那么培养一名程序员的总成本确实惊人：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，我应该感谢公司没有直接用 AI 替代我，毕竟我的 『训练成本』 确实挺高。」
02 从万亿承诺到六千亿现实
Altman 选择在这个时间点抛出 「人肉成本论」，背景颇为微妙。
就在几天前，OpenAI 刚刚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，悄悄缩水到 6000 亿美元。
这个调整释放了一个信号：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，在现实的能源账单面前变得谨慎。
与此同时，OpenAI 的商业化步伐在加速。从考虑在 ChatGPT 中加入 「Instagram 风格」 的广告，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 模型的能效比人类更高，那么用 AI 替代人工就不仅是商业选择，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在以惊人速度增长。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。当各国政府都在制定碳中和目标时，AI 公司面临着前所未有的压力。
Altman 的 「人肉成本论」，本质上是一种防御性的叙事策略——与其被动解释 AI 为什么耗能，不如主动重新定义 「什么是合理的能源消耗」。
这让笔者想起他在峰会上的另一个表态：需要类似国际原子能机构的组织来监管 AI。表面上是呼吁监管，实际上是在为 AI 的 「核能级」 影响力做铺垫：
既然 AI 像核能一样重要，那么相应的能源消耗就是必要代价。
但这种叙事面临一个根本问题——AI 和人类并不是非此即彼的关系。
03 被忽视的第三种可能
Altman 的比较预设了一个前提：AI 和人类是竞争关系，我们必须选择更 「高效」 的那一个。
但现实远比这个二元对立复杂。AI 的价值不在于替代人类，而在于增强人类能力。一个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在接受采访时指出：「关键不是 AI 用了多少电，而是这些电有没有用对地方。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，某种程度上也是在回应这个问题——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」 虽然听起来荒诞，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 能够在 2 小时内完成人类 20 年才能掌握的技能，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，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。
从印度 AI 峰会上 Altman 与 Anthropic CEO Dario Amodei 拒绝握手的紧张场面，到关于 AI 广告的口水战，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，实际上是在重新界定效率的含义。但效率从来不是唯一标准，还有公平、可持续、以及我们想要生活在什么样的世界。
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。
【文章来源：techweb】
作者｜桦林舞王
编辑｜靖宇
如果几年前有人跟我说，「你以后可能会看到科技公司 CEO，用人类的生存成本来为 AI 辩护」，我大概会觉得这是科幻小说里的情节。
但这个看似荒诞的场景，真的发生了。
不久前的印度 AI 峰会上，Sam Altman 面对 AI 能源消耗的质疑时，给出了一个让人意外的回应：「训练一个人需要 20 年的生命和这期间吃掉的所有食物，相比之下，讨论 AI 的能源使用是 『不公平』 的。」
这不是简单的狡辩，而是一种全新的叙事策略——当你的产品被指控太耗能时，不妨算算人类的 「训练成本」。
01「人肉成本」 的精妙算计
Altman 的逻辑表面上很简单：一个人从出生到成年，需要消耗 20 年的食物、住房、教育资源，而训练一个 AI 模型只需要几个月。
从 「投入产出比」 来看，AI 似乎更划算。
这个比较背后藏着一个巧妙的概念偷换。
人类的成长不是纯粹的 「训练」，而是生命本身。
一个 20 岁的人不仅具备了工作能力，还有情感、创造力、道德判断，以及无法量化的人生体验。而 AI 模型无论多么强大，都只是在特定任务上的工具。
但 Altman 的比较确实触及了一个有趣的角度。如果把人类社会看作一个巨大的 「训练系统」，那么培养一名程序员的总成本确实惊人：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，我应该感谢公司没有直接用 AI 替代我，毕竟我的 『训练成本』 确实挺高。」
02 从万亿承诺到六千亿现实
Altman 选择在这个时间点抛出 「人肉成本论」，背景颇为微妙。
就在几天前，OpenAI 刚刚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，悄悄缩水到 6000 亿美元。
这个调整释放了一个信号：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，在现实的能源账单面前变得谨慎。
与此同时，OpenAI 的商业化步伐在加速。从考虑在 ChatGPT 中加入 「Instagram 风格」 的广告，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 模型的能效比人类更高，那么用 AI 替代人工就不仅是商业选择，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在以惊人速度增长。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。当各国政府都在制定碳中和目标时，AI 公司面临着前所未有的压力。
Altman 的 「人肉成本论」，本质上是一种防御性的叙事策略——与其被动解释 AI 为什么耗能，不如主动重新定义 「什么是合理的能源消耗」。
这让笔者想起他在峰会上的另一个表态：需要类似国际原子能机构的组织来监管 AI。表面上是呼吁监管，实际上是在为 AI 的 「核能级」 影响力做铺垫：
既然 AI 像核能一样重要，那么相应的能源消耗就是必要代价。
但这种叙事面临一个根本问题——AI 和人类并不是非此即彼的关系。
03 被忽视的第三种可能
Altman 的比较预设了一个前提：AI 和人类是竞争关系，我们必须选择更 「高效」 的那一个。
但现实远比这个二元对立复杂。AI 的价值不在于替代人类，而在于增强人类能力。一个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在接受采访时指出：「关键不是 AI 用了多少电，而是这些电有没有用对地方。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，某种程度上也是在回应这个问题——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」 虽然听起来荒诞，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 能够在 2 小时内完成人类 20 年才能掌握的技能，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，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。
从印度 AI 峰会上 Altman 与 Anthropic CEO Dario Amodei 拒绝握手的紧张场面，到关于 AI 广告的口水战，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，实际上是在重新界定效率的含义。但效率从来不是唯一标准，还有公平、可持续、以及我们想要生活在什么样的世界。
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。
【文章来源：techweb】
作者｜桦林舞王
编辑｜靖宇
如果几年前有人跟我说，「你以后可能会看到科技公司 CEO，用人类的生存成本来为 AI 辩护」，我大概会觉得这是科幻小说里的情节。
但这个看似荒诞的场景，真的发生了。
不久前的印度 AI 峰会上，Sam Altman 面对 AI 能源消耗的质疑时，给出了一个让人意外的回应：「训练一个人需要 20 年的生命和这期间吃掉的所有食物，相比之下，讨论 AI 的能源使用是 『不公平』 的。」
这不是简单的狡辩，而是一种全新的叙事策略——当你的产品被指控太耗能时，不妨算算人类的 「训练成本」。
01「人肉成本」 的精妙算计
Altman 的逻辑表面上很简单：一个人从出生到成年，需要消耗 20 年的食物、住房、教育资源，而训练一个 AI 模型只需要几个月。
从 「投入产出比」 来看，AI 似乎更划算。
这个比较背后藏着一个巧妙的概念偷换。
人类的成长不是纯粹的 「训练」，而是生命本身。
一个 20 岁的人不仅具备了工作能力，还有情感、创造力、道德判断，以及无法量化的人生体验。而 AI 模型无论多么强大，都只是在特定任务上的工具。
但 Altman 的比较确实触及了一个有趣的角度。如果把人类社会看作一个巨大的 「训练系统」，那么培养一名程序员的总成本确实惊人：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，我应该感谢公司没有直接用 AI 替代我，毕竟我的 『训练成本』 确实挺高。」
02 从万亿承诺到六千亿现实
Altman 选择在这个时间点抛出 「人肉成本论」，背景颇为微妙。
就在几天前，OpenAI 刚刚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，悄悄缩水到 6000 亿美元。
这个调整释放了一个信号：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，在现实的能源账单面前变得谨慎。
与此同时，OpenAI 的商业化步伐在加速。从考虑在 ChatGPT 中加入 「Instagram 风格」 的广告，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 模型的能效比人类更高，那么用 AI 替代人工就不仅是商业选择，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在以惊人速度增长。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。当各国政府都在制定碳中和目标时，AI 公司面临着前所未有的压力。
Altman 的 「人肉成本论」，本质上是一种防御性的叙事策略——与其被动解释 AI 为什么耗能，不如主动重新定义 「什么是合理的能源消耗」。
这让笔者想起他在峰会上的另一个表态：需要类似国际原子能机构的组织来监管 AI。表面上是呼吁监管，实际上是在为 AI 的 「核能级」 影响力做铺垫：
既然 AI 像核能一样重要，那么相应的能源消耗就是必要代价。
但这种叙事面临一个根本问题——AI 和人类并不是非此即彼的关系。
03 被忽视的第三种可能
Altman 的比较预设了一个前提：AI 和人类是竞争关系，我们必须选择更 「高效」 的那一个。
但现实远比这个二元对立复杂。AI 的价值不在于替代人类，而在于增强人类能力。一个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在接受采访时指出：「关键不是 AI 用了多少电，而是这些电有没有用对地方。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，某种程度上也是在回应这个问题——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」 虽然听起来荒诞，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 能够在 2 小时内完成人类 20 年才能掌握的技能，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，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。
从印度 AI 峰会上 Altman 与 Anthropic CEO Dario Amodei 拒绝握手的紧张场面，到关于 AI 广告的口水战，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，实际上是在重新界定效率的含义。但效率从来不是唯一标准，还有公平、可持续、以及我们想要生活在什么样的世界。
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。
【文章来源：techweb】
作者｜桦林舞王
编辑｜靖宇
如果几年前有人跟我说，「你以后可能会看到科技公司 CEO，用人类的生存成本来为 AI 辩护」，我大概会觉得这是科幻小说里的情节。
但这个看似荒诞的场景，真的发生了。
不久前的印度 AI 峰会上，Sam Altman 面对 AI 能源消耗的质疑时，给出了一个让人意外的回应：「训练一个人需要 20 年的生命和这期间吃掉的所有食物，相比之下，讨论 AI 的能源使用是 『不公平』 的。」
这不是简单的狡辩，而是一种全新的叙事策略——当你的产品被指控太耗能时，不妨算算人类的 「训练成本」。
01「人肉成本」 的精妙算计
Altman 的逻辑表面上很简单：一个人从出生到成年，需要消耗 20 年的食物、住房、教育资源，而训练一个 AI 模型只需要几个月。
从 「投入产出比」 来看，AI 似乎更划算。
这个比较背后藏着一个巧妙的概念偷换。
人类的成长不是纯粹的 「训练」，而是生命本身。
一个 20 岁的人不仅具备了工作能力，还有情感、创造力、道德判断，以及无法量化的人生体验。而 AI 模型无论多么强大，都只是在特定任务上的工具。
但 Altman 的比较确实触及了一个有趣的角度。如果把人类社会看作一个巨大的 「训练系统」，那么培养一名程序员的总成本确实惊人：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，我应该感谢公司没有直接用 AI 替代我，毕竟我的 『训练成本』 确实挺高。」
02 从万亿承诺到六千亿现实
Altman 选择在这个时间点抛出 「人肉成本论」，背景颇为微妙。
就在几天前，OpenAI 刚刚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，悄悄缩水到 6000 亿美元。
这个调整释放了一个信号：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，在现实的能源账单面前变得谨慎。
与此同时，OpenAI 的商业化步伐在加速。从考虑在 ChatGPT 中加入 「Instagram 风格」 的广告，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 模型的能效比人类更高，那么用 AI 替代人工就不仅是商业选择，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在以惊人速度增长。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。当各国政府都在制定碳中和目标时，AI 公司面临着前所未有的压力。
Altman 的 「人肉成本论」，本质上是一种防御性的叙事策略——与其被动解释 AI 为什么耗能，不如主动重新定义 「什么是合理的能源消耗」。
这让笔者想起他在峰会上的另一个表态：需要类似国际原子能机构的组织来监管 AI。表面上是呼吁监管，实际上是在为 AI 的 「核能级」 影响力做铺垫：
既然 AI 像核能一样重要，那么相应的能源消耗就是必要代价。
但这种叙事面临一个根本问题——AI 和人类并不是非此即彼的关系。
03 被忽视的第三种可能
Altman 的比较预设了一个前提：AI 和人类是竞争关系，我们必须选择更 「高效」 的那一个。
但现实远比这个二元对立复杂。AI 的价值不在于替代人类，而在于增强人类能力。一个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在接受采访时指出：「关键不是 AI 用了多少电，而是这些电有没有用对地方。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，某种程度上也是在回应这个问题——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」 虽然听起来荒诞，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 能够在 2 小时内完成人类 20 年才能掌握的技能，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，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。
从印度 AI 峰会上 Altman 与 Anthropic CEO Dario Amodei 拒绝握手的紧张场面，到关于 AI 广告的口水战，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，实际上是在重新界定效率的含义。但效率从来不是唯一标准，还有公平、可持续、以及我们想要生活在什么样的世界。
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。
