OpenAI 於 9 月 8 日發布整理自身業務結構的文件《The Work Now Within Reach》。除了每週活躍使用者超過 10 億、企業客戶達到 250 萬家之外，文件也提出使用者越用越多的實測數據，並說明自研推論晶片在壓低服務成本上的定位[1]。
開通半年之後，用量還在往上走
最引人注意的，是針對個人版 ChatGPT 使用者的追蹤數據。開通 6 個月後，每天的訊息量比第一個月高出約 50 個百分點，嘗試過的任務種類約為原本的 2 倍[1]。人們一開始只在有限的情境中使用，熟悉之後逐步擴大交給 AI 的範圍，這個過程如今能以數字呈現。
OpenAI 正是依據這項特性來安排收入結構。由廣告支撐的免費額度，扮演「發現 AI 在哪裡有用」的場域，感受到價值的使用者再轉往訂閱制或按量計費。先把容器準備好，再迎接用量的成長[1]。
規模數據也一併公開。把 ChatGPT、ChatGPT Work、Codex 以及建構在 API 上的應用程式合計起來，每週活躍使用者超過 10 億，導入企業達 250 萬家。一項研究成果可以同時改善多個產品，收入來源因而得以分散[1]。
家庭與職場的界線正在變淡
文件也提到個人使用與企業導入之間互相拉動的關係。在家裡習慣了 ChatGPT 的人，會把同樣的感受帶進辦公室；而在工作中處理複雜任務的經驗，又會改變他們在私人生活中對 AI 的期待。開發者則透過打造 OpenAI 自身未曾設想的應用程式，進一步拓寬使用面。隨著代理型產品越來越了解使用者本人，這兩個區隔預計會持續模糊[1]。
公司內部的例子是研究部門的工作方式。相對於人類 1 個工作日的勞動，代理程式貢獻了 3.1 個工作日的工作量，過去需要專門人員支援的基礎架構問題，如今也可以交給代理程式處理。決定優先順序與判斷結果仍由人負責，收穫展現在團隊能夠推進的想法數量上[1]。
為了壓低推論成本而做的軟體與晶片
如果需求持續成長，下一個關鍵就是單次回應能做到多便宜、多快。OpenAI 表示，它把資料中心、晶片、軟體、模型與產品當成一個整體來管理，也就是所謂的全端策略，為每一類工作負載挑選最合適的組合[1]。
具體數字也已提出。借助 GPT-5.6 Sol 改良正式環境的服務軟體之後，端到端的服務成本下降 20 個百分點，後續改良又讓 Token 生成效率提升 15 個百分點以上[1]。
硬體方面由自研的首款推論晶片 Jalapeño 承擔。在針對 3 個公開模型的 InferenceX 測試中，相較於參與比較的商用系統，每瓦峰值 Token 吞吐量達到 1.5 至 1.9 倍，端到端延遲則降到原本的 1.7 分之一至 3.6 分之一，比較以晶片額定功率進行正規化。計畫在年內與 NVIDIA、AMD 等合作夥伴的加速器一同開始部署[1]。
更好的模型能減少嘗試次數，更好的軟硬體則讓每一次嘗試更快更便宜。OpenAI 認為，兩條路同時推進，就能用同樣的運算資源承接更多工作[1]。
投資以「多快能回收」作為判斷標準
另一方面，文件也點出替擴張踩煞車的標準。每一筆投資都要看它能滿足多少需求、多久能夠投入運轉、回報是否與投入的資本相稱[1]。在整個產業向運算資源投入龐大金額的背景下，把判斷的尺規寫清楚，本身就是一種訊號。
在模型方面，GPT-6 Astra 被定位為在電腦操作、網頁瀏覽、軟體開發、資安、科學以及專業工作等領域處於最前緣[1]。
總結
這次公開的並不是新產品，而是 OpenAI 如何描述自身循環的一份說明。開通半年後每日訊息量增為 1.5 倍、嘗試的任務種類翻倍，說明 AI 的使用一旦形成習慣，自然會越用越厚。為了承接這份成長而壓低推論成本，省下來的部分又轉化為更多使用。比起個別數字，這個循環能轉得多快，才是競爭的焦點。
來源：https://openai.com/index/the-work-now-within-reach/
※ 縮圖為 AI 生成的示意圖。
