标题：OpenAI的命门，决定了大模型公司的未来

如果Scaling Law是提升大模型能力的关键标尺，那么“算力成本控制”就是行业发展的基石。2025年初，DeepSeek因大幅降低推理和训练算力成本而在开源社区爆火，其成功秘诀在于MoE架构的应用，这种架构能有效减少算力消耗。然而，OpenAI在GPT-5中推出的“路由”功能却成为一场“降本增笑”的翻车事件。尽管回滚了部分问题并允许用户手动切换模型，但GPT-5仍因路由功能未能匹配用户预期与模型能力而饱受批评。

为什么OpenAI冒着风险强推路由功能？原因有二：一是随着模型数量增加，用户难以选择合适的模型；二是从算力成本角度出发，推理模型与非推理模型的算力差异可能达5～6倍，延迟甚至相差60倍以上。通过路由识别简单任务并分配到低消耗模型，可显著降低算力成本。对于服务数亿用户的OpenAI来说，路由功能直接关系到商业模式的可持续性。

然而，为大模型打造高效的路由功能难度极高。这一问题涉及多目标优化，包括质量、延迟、成本等。DeepSeek尝试通过混合推理模型提高效率，虽然速度更快、输出更精简，但也暴露出稳定性问题。这表明，无论是OpenAI还是DeepSeek，在优化“深度思考”调度上都面临巨大挑战。

与此同时，OpenAI对算力的需求持续增长，正推进代号为Stargate的基础设施扩张计划，并计划在印度建设数据中心。“AI成本悖论”推动了算力需求的上升，也对路由功能提出了更高要求。Sam Altman的目标是2025年底上线超过100万片GPU，长远愿景则是“一亿GPU量级”。在推理单价下降、任务复杂度上升的背景下，高效调度“深度思考”能力，将成为大模型公司在系统效率、商业效率和用户体验上领先的关键。

（本文来自微信公众号：直面AI，作者：胡润，编辑：王靖）