TechOffice人工智能服务向实用模式的转变：按次付费计费颠覆传统订阅
人工智能实用程序革命：Sam Altman 设想按计量计费取代固定订阅
OpenAI 首席执行官 Sam Altman 做出了可能重塑人工智能行业的大胆预测，他预测人工智能服务的定价和消费方式将发生根本性转变。 Altman 表示，人工智能的未来将反映水电等基本公用事业，用户根据实际使用情况支付计量账单，而不是固定的订阅费。这种范式转变有望实现先进人工智能的民主化，同时有可能优化资源分配并减少快速扩张的人工智能生态系统中的浪费。
当前的人工智能定价格局
当今的人工智能服务主要采用基于订阅的模式，无论用户的实际使用模式如何，用户都需要支付固定的月费或年费才能访问人工智能功能。这种方法虽然为人工智能公司提供了可预测的收入流，但通常会导致效率低下，因为用户要么未充分利用其订阅，要么需要超出其计划限制的额外服务。
人工智能服务的主要参与者
人工智能服务市场由几个主要参与者主导，每个参与者都有自己的订阅产品：
- OpenAI：提供 ChatGPT 的分层订阅，从免费访问到具有增强功能的高级计划。
- Google AI：通过 Google Cloud 提供各种 AI 服务，并为企业和开发者提供基于订阅的定价。
- Microsoft Azure：将订阅元素与其 AI 和机器学习服务的即用即付选项相结合。
- Anthropic：为其 Claude AI 助手采用订阅模式。
- Stability AI：提供对其图像生成和其他 AI 模型的订阅访问权限。
基于订阅的定价模型
当前的订阅模型通常提供具有不同级别的功能、使用限制和优先级支持的分层访问。虽然这种方法为消费者提供了可预测的成本，但它通常会导致为未使用的容量支付过多的费用，或者由于限制性上限而导致利用率不足。
计量计费革命
Altman 对人工智能服务计量计费的愿景代表着与当前订阅模式的根本背离。在这种基于公用事业的方法中，用户只需为他们消耗的特定人工智能资源付费，类似于家庭根据使用的千瓦时支付电费或根据消耗的水量支付水费。
技术实现
为人工智能服务实施计量计费需要能够测量各种指标的复杂跟踪系统，例如：
- 计算时间（GPU/TPU 小时）
- API 调用次数
- 数据处理
- 模型复杂性和规模
- 响应时间和质量指标
需要通过透明的报告实时跟踪这些指标，以确保用户了解他们所支付的费用并监控他们的使用模式。
计量计费的好处
向计量计费的转变为消费者和人工智能服务提供商提供了众多优势：
- 成本效率：用户只需为实际使用的内容付费，从而消除了固定订阅的低效率问题。
- 可扩展性：企业和个人可以根据实际需求轻松地扩大或缩小人工智能的使用，而不必局限于特定的层级。
- 资源优化：人工智能提供商将有动力开发更高效的模型和基础设施，以降低运营成本。
- 创新：降低进入门槛可以刺激创新，因为开发者无需支付订阅费用即可试验人工智能应用程序。
- 透明度：基于使用情况的定价可以让人们更清楚地了解人工智能服务的实际成本。
挑战和担忧
尽管有潜在的好处，但向计量计费的过渡也带来了一些挑战：
- 隐私影响：详细的使用情况跟踪引发了对数据隐私和潜在监视的担忧。
- 计费复杂性：实施准确的计量和计费系统需要大量的技术基础设施。
- 成本可预测性：虽然可变定价可能更公平，但可能会让企业更难以制定预算。
- 安全考虑因素：新的计费系统需要强大的安全措施来防止欺诈和未经授权的访问。
- 数字鸿沟：如果不认真实施，计量定价可能会加剧人工智能技术获取方面现有的不平等。
行业影响
向计量计费的转变将对整个人工智能生态系统产生深远的影响，以各种方式影响不同的利益相关者。
对于企业
企业将受益于对其人工智能支出进行更精细的控制，从而有可能通过使使用与实际需求保持一致来降低成本。这尤其有利于人工智能需求波动的企业，例如季节性高峰的零售业或基于项目的咨询公司。然而，它还需要更复杂的使用监控和预算系统。
对于消费者
个人用户在访问人工智能服务时将获得更大的灵活性，而无需承担固定的月费。这可以使高级人工智能功能的访问民主化，允许临时用户仅在需要时利用强大的人工智能工具。但是，如果不仔细监控使用情况，也可能会导致意外的账单。
对于人工智能开发者
计量模型将为人工智能开发人员创造新的机会，让他们更准确地通过其应用程序获利。它还可以激励开发更高效的人工智能模型，为每单位计算提供更好的性能。然而，这需要开发人员在他们的应用程序中构建更复杂的使用跟踪和计费系统。
专家反应与分析
奥特曼的预测在整个科技行业引发了一系列反应。许多专家一致认为，基于实用程序的模型符合人工智能服务的自然演变，特别是当人工智能越来越融入日常业务运营和消费者应用程序时。
“随着人工智能变得越来越普遍，向计量计费的转变非常有意义，”斯坦福大学人工智能伦理研究员 Elena Rodriguez 博士指出。 “但是，我们必须确保这种转变不会造成新的准入障碍或加剧技术采用方面现有的不平等。”
行业分析师表示，这种转变的实施时间表可能是渐进的，人工智能提供商最初会提供结合了订阅和计量元素的混合模型，然后再完全过渡到基于使用的定价。
未来之路
人工智能服务向计量计费的过渡可能会涉及几个阶段：
- 混合模型：人工智能提供商可能会首先在现有订阅的同时提供计量选项。
- 标准化：需要制定行业标准来衡量不同类型服务中的人工智能使用情况。
- 基础设施开发：需要在整个人工智能生态系统中实施强大的计量和计费系统。
- 消费者教育：用户需要了解计量计费的工作原理以及如何有效监控其使用情况。
- 监管框架：可能需要新的法规来管理计量计费实践，特别是在透明度和消费者保护方面。
结论
Sam Altman 对像公用事业一样运营的人工智能服务的愿景代表了人工智能定价和消费方式的潜在变革。尽管仍然存在重大挑战，但向计量计费的转变可以使人工智能技术的使用民主化、优化资源分配并刺激整个行业的创新。
随着人工智能越来越融入我们的日常生活和商业运营，基于实用程序的模型可能会提供最可持续和最公平的方法，使所有人都能使用这些强大的技术。这种转变一旦到来，很可能不仅会重塑我们为人工智能付费的方式，还会重塑我们在未来几年开发、部署人工智能系统以及与人工智能系统交互的方式。
人工智能很快就会像电或水一样工作；它的工作原理是：您将根据使用情况而不是固定订阅来支付计量账单。 - OpenAI 首席执行官萨姆·奥尔特曼。 ❤️@techroma 人工智能很快就会像电或水一样工作；您将根据使用情况而不是固定订阅来支付计量账单。 - OpenAI 首席执行官萨姆·奥尔特曼。 ❤️@techroma
