20 年生命 vs 2 小時訓練，Sam Altman 開始算「人肉成本」

2026/02/24

•

如果幾年前有人跟我說，「你以後可能會看到科技公司 CEO，用人類的生存成本來為 AI 辯護」，我大概會覺得這是科幻小說裡的情節。

但這個看似荒誕的場景，真的發生了。

不久前的印度 AI 峰會上，Sam Altman 面對 AI 能源消耗的質疑時，給出了一個讓人意外的回應：「訓練一個人需要 20 年的生命和這期間吃掉的所有食物，相比之下，討論 AI 的能源使用是『不公平』的。」

這不是簡單的狡辯，而是一種全新的敘事策略——當你的產品被指控太耗能時，不妨算算人類的「訓練成本」。

Altman 的邏輯表面上很簡單：一個人從出生到成年，需要消耗 20 年的食物、住房、教育資源，而訓練一個 AI 模型只需要幾個月。

從「投入產出比」來看，AI 似乎更划算。

這個比較背後藏著一個巧妙的概念偷換。

人類的成長不是純粹的「訓練」，而是生命本身。

一個 20 歲的人不僅具備了工作能力，還有情感、創造力、道德判斷，以及無法量化的人生體驗。而 AI 模型無論多麼強大，都只是在特定任務上的工具。

但 Altman 的比較確實觸及了一個有趣的角度。如果把人類社會看作一個巨大的「訓練系統」，那麼培養一名程式設計師的總成本確實驚人：20 年基礎教育、4 年大學、若干年工作經驗，再算上背後的社會基礎設施投入。

有開發者在 Twitter 上調侃：「按這個邏輯，我應該感謝公司沒有直接用 AI 替代我，畢竟我的『訓練成本』確實挺高。」

Altman 選擇在這個時間點拋出「人肉成本論」，背景頗為微妙。

就在幾天前，OpenAI 剛剛大幅調整了財務預期——原本宣稱的 1.4 兆美元基礎設施投入，悄悄縮水到 6000 億美元。

這個調整釋放了一個訊號：即使是 OpenAI，也開始正視 AI 訓練的成本壓力。當初豪氣萬丈的兆計畫，在現實的能源帳單面前變得謹慎。

與此同時，OpenAI 的商業化步伐在加速。從考慮在 ChatGPT 中加入「Instagram 風格」的廣告，到與 Tata 集團的戰略合作，再到 GPT-5.2-Codex 的發佈——每一步都在尋找更高效的盈利模式，以平衡巨額的訓練成本。

Altman 的能源辯論，更像是為這種商業化轉向提供理論支撐。

如果 AI 訓練比人類「培養」更環保，那麼大規模投入 AI 就有了道德正當性。如果 AI 模型的能效比人類更高，那麼用 AI 替代人工就不僅是商業選擇，還是環保責任。

這場能源辯論的背景，是整個科技行業對 AI 環境影響的集體焦慮。

資料中心的耗電量正在以驚人速度增長。訓練一個大型語言模型的碳排放，相當於幾百次跨大西洋航班。當各國政府都在制定碳中和目標時，AI 公司面臨著前所未有的壓力。

Altman 的「人肉成本論」，本質上是一種防禦性的敘事策略——與其被動解釋 AI 為什麼耗能，不如主動重新定義「什麼是合理的能源消耗」。

這讓筆者想起他在峰會上的另一個表態：需要類似國際原子能機構的組織來監管 AI。表面上是呼籲監管，實際上是在為 AI 的「核能級」影響力做鋪墊：

既然 AI 像核能一樣重要，那麼相應的能源消耗就是必要代價。

但這種敘事面臨一個根本問題——AI 和人類並不是非此即彼的關係。

Altman 的比較預設了一個前提：AI 和人類是競爭關係，我們必須選擇更「高效」的那一個。

但現實遠比這個二元對立複雜。AI 的價值不在於替代人類，而在於增強人類能力。一個經驗豐富的程式設計師配合 AI 工具，產出效率遠超純 AI 或純人工。

從這個角度看，真正的問題不是「AI 比人類更環保嗎」，而是「如何讓 AI 的能源消耗產生最大價值」。

一位能源政策研究者在接受採訪時指出：「關鍵不是 AI 用了多少電，而是這些電有沒有用對地方。如果 AI 能幫助最佳化電網、減少能源浪費，那麼訓練成本就是划算的投資。」

OpenAI 最近推出的安全功能和風險標籤，某種程度上也是在回應這個問題——通過更精準的應用，讓每一分算力都用得更有意義。

Altman 的「人肉成本論」雖然聽起來荒誕，但它揭示了一個深層次的哲學問題：在演算法時代，我們如何衡量價值和成本？

當 AI 能夠在 2 小時內完成人類 20 年才能掌握的技能，傳統的成本效益分析是否還適用？當機器學習的邊際成本趨近於零，人類勞動的價值該如何重新定義？

這些問題沒有標準答案，但不能迴避討論。

從印度 AI 峰會上 Altman 與 Anthropic CEO Dario Amodei 拒絕握手的緊張場面，到關於 AI 廣告的口水戰，再到如今的能源辯論——每一次爭議背後，都是對 AI 未來形態的不同想像。

Altman 選擇用「人肉成本」為 AI 辯護，實際上是在重新界定效率的含義。但效率從來不是唯一標準，還有公平、可持續、以及我們想要生活在什麼樣的世界。

當科技 CEO 開始計算人類的「訓練成本」時，也許我們該問的不是這筆帳算得對不對，而是：

我們是否願意生活在一個把人類當作「低效 AI」的世界裡。 (極客公園)