先说几个基本判断：AI的价值，终于不再靠“卖了多少许可证”这种老黄历来说话了。
过去十年，软件行业衡量一款产品成不成功，标准很统一——采用率。卖了几个席位？有多少活跃用户？续费率涨没涨？这些指标在消费级软件的世界里，是铁律。但到了AI时代，这套量具开始失灵了。理由很简单：AI不卖座位，它“干活”。真正有效的刻度，是模型实际完成了多少项可交付的工作。
这正是OpenAI在7月17日发布的那篇深度长文里，直面企业领导者最核心的经济命题：人工智能所完成工作的价值增长，是否跑赢了其生产成本的增长？
关键问题来了。要回答这个问题，光盯着“每token成本”显然不够。一个低价模型，token单价确实便宜，但如果输出质量不稳定，经常需要反复调用、耗时拉长、人工审核激增，那这笔账算下来，恐怕比高价模型还贵。而一个高价模型，token单价高，但可能一次命中目标、零返工交付。真正的成本，是产出一个合格结果所需的全链路代价，并以此对标该成果所创造的实际价值。
所以，OpenAI干脆推出了AI时代的终极衡量标准——每美元产生的有用智能（Useful Intelligence per Dollar）。这个指标，聚焦四个关键维度：AI是否在执行真正有意义的任务？完成一项高质量任务的实际成本是多少？用户能否持续信赖其输出？随着使用规模扩大，每一美元AI投入，是否持续撬动更多价值？
维度一：到底完成了多少“有用工作”
价值只在token转化为人类可直接使用的实际产出时，才被真正激活。模型能力越强，所能承载的任务就越长、越复杂：它能维持上下文连贯性、执行多步逻辑推理、跨工具协同操作，并在过程中动态校准自身行为。最务实的落地路径，是锚定一个具体业务流程，明确定义“完成”的标准，再在其真实运行的系统中进行量化追踪。
举个例子：对客服团队而言，“完成”意味着客户问题彻底闭环；对研发团队，是一次通过全部测试的代码提交；对法务部门，则是一份准确、及时且合规完成审查的合同。OpenAI以财务团队准备预测评审为例：在最终决策前，需调取最新预测数据、导入Excel或Sheets、识别关键变动、核对各标签页、重建演示幻灯片、逐项验证数字一致性——这些琐碎却耗时的环节，如今大半可由ChatGPT Work自动承接。团队由此得以抽身，专注思考更具战略意义的问题：变化的本质是什么？驱动因素何在？后续应如何应对？这才是每一美元在现实场景中兑换出的“有用智能”。
维度二：单次成功任务的真实成本
AI任务的成本差异巨大。一句即时问答消耗极低算力，而编程、研究、财务类任务往往涉及深度推理、工具调用与密集交互，既吃资源，也产高价值。在模型层面，单次成功任务成本由定价、实际计算消耗及首次正确率共同决定；对企业而言，还需叠加员工时间、人工复核、重试开销与返工损失。
算法极为简洁：将完成某类工作的总成本加总，除以达到质量门槛的任务数量。这也解释了为何“每token最低价”未必等于“每结果最低成本”——即便面对常规请求，若前沿模型能一次性给出精准答案，节省下来的重试次数、等待延迟、审核人力与整体算力消耗，反而使其成为最具性价比的选择。
OpenAI最新推出的GPT-5.6，正是基于这一逻辑构建的三层架构：Sol为旗舰级，Terra兼顾性能与成本平衡，Luna则主打极致响应速度与资源效率。这套分层设计为企业优化投入提供了起点，但最终选型必须回归任务本身的经济性——高吞吐流水线适配Luna，中等复杂度任务优选Terra，而当更强推理能力可显著减少尝试轮次并提升最终质量时，Sol便是最优解。在训练GPT-5.6过程中，核心目标正是让每个token产出更多可用成果：在Artificial Analysis编程智能体评估中，启用最大推理能力的GPT-5.6 Sol刷新历史最佳成绩，同时比另一款头部模型减少54%的输出token；在DeepSWE v1.1长周期工程任务测试中，GPT-5.6 Sol达成72.7%的新纪录，超越Claude Fable5的69.9%，预估API成本亦降低36.2%。每一代模型的进步，都应同步体现在两方面——更高效率让既有任务更便宜，更强能力则让全新类型的工作成为现实。
维度三：可靠性——AI正确完成任务的频率
AI的落地通常遵循渐进式深化路径：从辅助草稿起步，逐步发展为在工具与数据间自主构建上下文、开展推理，最终迈向主动执行、异常处理与端到端流程接管，而人仅在关键节点介入判断与控制。每一步跃迁都释放更大价值，也对系统提出更高要求。
可靠性本身就是真金白银。当输出准确、来源可信、前后一致、且能恰当地识别边界并升级处理，人们花在核查、修正与返工上的时间便大幅压缩，单次成功任务成本随之下降，组织也更有信心将AI嵌入更高价值的核心流程。
OpenAI建议团队追踪三类结果来衡量可靠性：可直接交付使用、需少量修正后使用、需人工介入升级处理。这类分类比单纯的模型准确率更能反映AI是否切实减少了完成项目所需的人力投入。可靠性还需明确的能力边界：在AI从“起草者”向“执行者”演进之前，组织必须清晰界定其可访问的数据范围、可调用或修改的系统权限、以及哪些操作必须触发人工复核或审批。安全、保障、隐私与可控性，构成了深度应用的基石。而ChatGPT Work，正是构建于ChatGPT Enterprise的安全架构、合规框架与工作区管理体系之上，使组织在保持全程监督的前提下，放心赋予AI接入高价值业务流程的权限。能力带来初次尝试，可靠性才让AI真正成为“完成工作”的一部分。
维度四：规模化价值——每美元投入能否驱动更多有效产出
企业可通过长期追踪同一工作流来量化这一趋势：统计达标任务数、总投入成本，以及单次成功任务的平均成本。若完成的工作量增速持续高于总成本增速，且质量稳定甚至提升，则意味着每单位资金正产出更多价值。
算力，正是这个等式的核心引擎——它既支撑着前沿研究，也驱动着AI每一次任务的执行，直接影响产品质量、响应速度、系统可靠性、服务可用性与综合成本。训练算力塑造未来能力，推理算力兑现当下价值，二者最终都要落脚于更优的客户成果。
更先进的模型、更高效的推理架构、专用硬件加速、更高的资源利用率、更智能的流量调度机制，以及更贴合场景的产品设计，都能显著提升算力的投资回报率。客户则从体验端直观感知这些进步：答案更精准、响应更迅捷、修正更稀少、产品更稳健、完成同等任务的成本更低。这些收益具备自我强化效应——更优质的基础设施加速模型研发，更强更高效的模型反哺产品进化，产品升级推动更广adoption、更深层学习与更可持续的收入增长，进而支撑新一轮研究投入、算力扩容、部署优化与安全保障建设。OpenAI以统一智能平台整合所有要素：终端用户通过ChatGPT与ChatGPT Work触达能力，开发者依托Codex与API进行定制开发，企业则将其无缝嵌入真实业务发生的系统之中。任一层面的改进，都将同步惠及所有产品形态与客户群体。
将上述四项指标统合起来，这张记分卡本质上是在回答一个根本问题：单位成本所换取的“有用智能”，是否持续向上攀升？
有用产出揭示AI能创造什么，单次成功成本说明达成目标需付出什么，可靠性体现成果可被信任的程度，规模化价值则验证随着时间推移，每一块钱、每一瓦算力是否持续撬动更高成效。OpenAI将自身使命凝练为一件事：让这个等式在每一代模型迭代中不断优化——打造更强模型、交付更快更稳的结果、并为客户真实所需的任务持续压降综合成本。
当AI开始用“每美元的有用智能”发声，而非沉溺于token的流水账，所谓“价值”，才算真正被厘清。