人工智能商业模式正在发生深刻变革。
在华盛顿特区举行的贝莱德基础设施峰会上，奥尔特曼阐述了他对人工智能未来发展方向的判断。
他指出，人工智能服务提供商的业务模式最终将演变为销售计量单位，即所谓的"Token"——这是人工智能系统用于处理和定价数据的基本单位。
按照这一逻辑，用户将通过"计量表"向服务商购买智能服务，就像支付电费和水费一样，按实际使用量结算。
这一预判反映了人工智能产业走向成熟的必然趋势。
算力资源已成为制约人工智能发展的核心瓶颈。
算力是指训练和运行人工智能模型所需的处理能力，由芯片、数据中心等基础设施决定。
奥尔特曼坦言，如果无法构建足够的算力来满足市场需求，结果将是"无法提供服务，要么价格极其昂贵"。
这意味着人工智能的使用权可能向资本充足的企业和富裕群体倾斜，或者迫使政府介入分配有限的算力资源。
这种局面的出现将直接影响人工智能技术的普及程度和社会公平性。
全球科技企业正在加大算力投资力度。
根据行业预测，未来五年全球需要超过10 yottaflops的运算能力——这是2022年全球人工智能算力的一万倍——才能满足发展需求。
为此，各大科技公司今年将在算力领域投入数千亿美元。
OpenAI总裁格雷格·布罗克曼去年12月宣布，公司已承诺在未来八年投入约1.4万亿美元用于数据中心项目。
然而，即便投入如此巨大，布罗克曼仍然坦言公司可能"跟不上"发展步伐，这充分说明了算力需求的紧迫性。
能源供应能力正在成为新的制约因素。
人工智能数据中心的耗电量堪比小城市，这给全球能源基础设施带来了前所未有的压力。
美国电网面临严峻挑战，包括变压器短缺、输电线路审批缓慢等问题，都可能成为人工智能规模化发展的瓶颈。
埃隆·马斯克在近期播客节目中指出，发电能力已成为人工智能规模化发展的制约因素。
他进一步预测，由于能源基础设施建设速度更快，中国的人工智能总算力可能会超过美国。
这一判断触及了全球人工智能竞争格局的深层变化。
算力资源的稀缺性正在改变科技产业的生态。
在科技公司内部，算力已成为与薪资、股权并列的重要资源。
工程师们争相获取图形处理器使用权，求职者在评估工作机会时，开始关注公司分配的人工智能算力预算。
这反映出算力在科技产业中的战略地位不断上升，也预示着未来人工智能领域的竞争将更多围绕算力资源展开。
当“智能”被纳入类似水电的公共供给逻辑，技术演进就不再只是软件更新与模型迭代，更是一场涉及能源体系、工程能力、资本耐心与治理水平的系统工程。
如何在提升供给效率的同时守住公平底线、在加速创新的同时强化安全与透明，将成为各方必须回答的长期课题。