生成式AI正迅速改写内容产业的供应链，但许多人看见的是「生成很快」，较少看见的是「运算很贵」。文字、图片、声音到影片，表面上都是把提示词变成内容，背后却是截然不同的成本曲线。以ChatGPT一类文字模型而言，成本主要落在推理，也就是每次回答时消耗的GPU算力、记忆体频宽、资料中心电力与冷却。OpenAI官方API定价显示，文本模型通常按输入与输出token计费，例如GPT-4.1每百万input tokens约2美元、每百万output tokens约8美元；这种定价虽不等于ChatGPT前台真实成本，却足以反映其商业逻辑：文字生成已逐步走向可细分、可优化、可规模化的单位成本管理。与此同时，Epoch AI估算，一次典型ChatGPT查询的耗电量约0.3瓦时，显示文字生成虽昂贵，却已比早期市场想像更接近可承受区间。
但一旦从文字走向影片，成本结构立刻改观。影片不是多几个token那么简单，而是把时间维度、画面一致性、物理运动、镜头切换与视觉细节全部纳入推理过程。这代表模型不只要「写答案」，还要「连续地生成世界」。也因此，Sora这类影片模型的成本，不再只是单次互动，而是高密度、长时长、多模态的推理负担。市场分析曾估算，单支短片生成的GPU时间远高于文字问答；媒体近日引述分析师说法，更把Sora的年度化运营压力推到极高水位。即使外界数字未必完全精准，方向却十分清楚：影片生成是生成式AI中最吃算力、也最难迅速压低边际成本的赛道。
这也说明，内容产业若全面导入生成式AI，真正的竞争不只在模型能力，而在谁能承担推理成本。过去媒体、广告、影视与游戏产业的核心成本，主要是人力、版权、拍摄、后期与通路；如今则多了一项新支出：算力采购与基础设施调度。换言之，AI不是单纯替代劳动，而是把部分制作成本，从人力资本转为机器资本，从创意工时转为资料中心帐单。对内容平台而言，若使用者只是偶尔生成文字，订阅费或广告尚可支撑；但若大量开放高画质影片生成，平台就必须面对「使用越热、亏损越深」的反常现象。
从这个角度看，Sora近期的收缩与调整，就不只是产品命运，而是整个产业经济学的提醒。OpenAI官方已确认，Sora 1自2026年3月13日起不再于美国提供；同时，3月中旬亦出现Sora影片生成故障事件。更关键的是，多家媒体在2026年3月24日至25日报道，OpenAI正停止Sora独立影片应用，并把资本、算力与人才转向企业产品、基础模型与机器人相关研究。这些公开资讯至少透露三个可能原因：第一，影片生成的单位经济性仍然吃紧；第二，消费级产品的留存与付费未必足以覆盖高昂算力；第三，当算力本身稀缺时，企业自然会优先配置到回报更直接的业务。
这对内容产业的启示十分现实：生成式AI未必先淘汰内容工作者，反而可能先淘汰「免费且无节制生成」的商业幻想。未来真正可持续的模式，不可能是让所有人无限量生成，而是分层供应：低成本文字与图片作为流量入口，高成本影片与复杂推理则转向企业级、项目制、授权制或高订阅门槛。
义合控股投资者关系部
(芯片与算力系列之42)
$Amazon.com(AMZN)$ $NVIDIA(NVDA)$ $Advanced Micro Devices(AMD)$ $Intel(INTC)$
精彩评论