20年生命vs2小时训练，Sam Altman 开始算“人肉成本”

本文来自微信公众号： 极客公园 ，作者：桦林舞王，编辑：靖宇，原文标题：《20 年生命 vs 2 小时训练，Sam Altman 开始算「人肉成本」》

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。