本週，OpenAI首席執行官Sam Altman在貝萊德美國基礎設施峰會上拋出一個類比：“我們看到的未來​​，是智能將像電力或水一樣成為公用事業，人們按量向我們購買。”

這句話本身不是新概念。 「AI即公用事業」的說法至少可以追溯到十年前。但這一次，Altman的表述有了明確的主體和方向：「按量向我們購買」。具體來說，就是按token計費，向OpenAI購買智能。

話音剛落，Reddit、X等平台上的批評聲浪迅速聚集。一條被廣泛轉發的評論寫道：“他們用我們的生活和創造力餵大了模型，踩遍了版權法，現在要把這些東西以公用事業的形式賣回給我們。”

拋出一個面向資本市場的宏大敘事，引爆一個來自創作者社群的倫理拷問。本文不評斷發言者的動機，也不預測法律訴訟的走向。此事的核心興趣點是：這個「公用事業」比喻在邏輯、倫理和商業上是否站得住腳。拆解這個比喻，能幫助我們看清AI產業正在發生的深層矛盾。

敘事拆解：為什麼是“公用事業”

要理解這個比喻的意圖，就需要回到Altman發言的上下文。

根據Business Insider的報導和Rev轉錄的會議記錄，Altman這次表態的出發點不是產品發布，也不是技術路線，而是一個「算力瓶頸」的預警。他在峰會上明確表示，如果現在不建設足夠的算力設施，未來可能出現三種結果：AI服務供不應求導致價格飆升、只有富人能負擔得起、或者政府不得不介入分配。

換言之，「公用事業」比喻首先是一個面向基礎設施投資者的敘事，而不是面向使用者的定價方案。

把AI包裝成水電，有明確的商業邏輯。水電是重資產、長週期、現金流穩定的產業，天然適合退休金和基礎建設基金的資本結構。當OpenAI需要說服貝萊德這樣的資管巨頭為數千億美元的資料中心專案提供資金時，「AI即公用事業」比「AI即科技產品」更容易通過投資委員會的批准。

這個判斷不是推測。 OpenAI總裁Greg Brockman曾提及，公司未來八年需要約1.4兆美元的資料中心投資承諾。雖然這一數字的具體結構和落地進展尚待核驗，但它已經足以說明：Altman口中的“公用事業”，首要受眾是資本市場，而不是終端用戶。

“增量建設”還是“存量重組”

批評者的憤怒，集中在「公用事業」比喻掩蓋的一個根本差異。

水電是「增量建設」。人類建造水壩、鋪設管線、架設電網，是在創造自然界原本不存在的供給能力。投資用於建立新的實體資產，這些資產本身不依附於任何他人的既有勞動成果。

AI模型訓練是「存量重組」。 GPT系列模型的訓練資料來自於全網公開內容的規模化爬取，涵蓋書籍、文章、藝術創作、論壇貼文、程式碼倉庫，甚至包括用戶在社群媒體上的私人對話記錄。這些是數十年人類創作的累積，絕大多數未經創作者授權，也未支付任何版權費用。

一位Medium作者寫道：“他們試圖將人類幾十年的集體創作壓縮進一個商品，然後以公用事業的名義重新定價，按token賣回給當初免費提供原材料的人。”

這不是情緒宣洩，而是關於產權邏輯的精確指認。水力發電等公用事業公司的「原料」要麼自建（水壩蓄水），要麼以市場的價格購買（燃煤燃氣）。而AI公司在訓練階段取得的“原料”，在法律上處於“合理使用”（Fair Usage）的模糊地帶，在商業上沒有產生任何成本轉移。

這種「免費取得、收費出售」的模式，使得批評者眼中的「公用事業」聽起來更像「圈地運動」：先將公共領域的資源據為己有，建起圍牆，再向原本的使用者收取入場費。

Token計費與普遍服務的距離

即便擱置資料來源的爭議，「AI即公用事業」在定價機制上也難以成立。

真正的公用事業，如水、電、煤氣，在絕大多數經濟體中都承擔著「普遍服務」（Universal Service）的義務。政府監管機構要求它們保障基礎民生供應，定價機制通常基於“成本加成”，利潤率受到嚴格約束。居民用電價格不因你的用途是點亮燈泡還是運行伺服器而區別對待。

AI的token定價與此完全不同。根據KongHQ對企業AI成本的監測數據以及Artefact的分析，過去一年per-token的絕對價格下降了約75%，但企業的實際AI支出不降反升，因為用量增長速度遠超價格降幅。這種「單價降、總價升」的模式被稱為「Token成本幻覺」。

更具比較價值的是token費用的結構性差異。輸出token的價格通常是輸入token的3到10倍。同樣的資訊量，AI「讀進去」的成本遠低於「寫出來」的成本。如果你把一份文檔提交給AI做摘要，輸入階段幾乎免費，但摘要產生的每一個字都是高收費區。

公用電網的收費邏輯是：電本身是同質的，1度電給冰箱和給伺服器是一樣的價格。 AI的token定價邏輯是：服務本身被拆分出巨大的價格差，而這個價格差完全由供應商單方面定義。

換句話說，這不叫公用事業定價，這叫做以使用量的歧視性定價。它不是為了讓每個人都能用上智能，而是為了在智能的消費上提取最大化的營收。

「合理使用」的護城河正在鬆動

批評者聲音雖大，但在法律層面，AI公司在訓練資料問題上的處境並沒有表面上那麼脆弱。

根據Morrison & Foerster律所發布的《2026年AI趨勢》報告以及Norton Rose Fulbright對AI版權訴訟的追踪，美國法院當前傾向於認定：訓練通用AI模型具有“高度變革性”，因此更容易滿足“合理使用（Fair Use）”的法定標準。 Anthropic在2025年中成功說服法院駁回一項版權訴訟的判決，雖然細節有待核驗，但已成為AI產業信心的重要來源。

然而，法律上的護城河在商業邏輯上正被AI產業自己的行為所侵蝕。

TechPolicy.press的一項分析指出：隨著AI公司開始大規模購買授權訓練數據，例如OpenAI與Reddit、新聞集團等達成的協議，「免費爬取即合理使用」的辯護正在被自相矛盾地削弱。如果訓練資料確實可以無差別地“合理使用”，那為什麼要花大錢購買特定來源的授權？如果資料擁有者確實沒有權利主張，那麼這些授權協議的法律基礎是什麼？

購買行為本身，構成了「原料免費」預設的商業否定。

回到Altman的“水電論”，這個矛盾變得更加尖銳。水電公司在建設基礎設施時，不會面對「你們的水源取得是否合法」的集體追問。而AI公司在宣稱自己是下一代公用事業時，「原料從哪裡來」這個問題仍然沒有令人信服的答案。

基礎設施化需要解決的，是分配問題

Altman的「水力發電論」抓住了AI發展的一個真實趨勢。大模型正在從實驗室產品變成底層能力，被嵌入搜尋引擎、辦公室軟體、設計工具甚至工業流程。當AI無所不在時，它的確在功能上趨近於「基礎設施」。

但這個比喻在目前演進階段的三個裂縫不容忽視。

第一，產權裂隙。水電是創造增量，AI是重組存量。重組本身有價值，但重組的前提是“存量可以無償使用”，這個前提既未在道德上獲得共識，也未在法律上得到終局確認。

第二，定價裂縫。公用事業的「普遍服務」意味著低利潤率和非歧視定價，而token定價是市場化的、分層的、由供應商單方面定義的。兩者在商業邏輯上幾乎沒有交集。

第三，治理裂縫。水電產業有獨立的監管機構、透明的成本會計和公眾參與的價格聽證機制。 AI產業目前缺乏任何形式的公共治理框架，「按量收費」的規則由少數幾家公司自行製定。

對一般用戶而言，AI按量收費的趨勢短期內不會改變。 token價格下降的利好在持續，但「用量越用越多」也會抵消這種利好。建議在選擇AI工具時，不僅關注單價，更要評估自己的實際使用量變化趨勢。

對開發者和企業客戶而言，程式碼產生、長文本分析等高token消耗場景的成本可控性，比單價更值得關注。依賴單一供應商的token定價體系，意味著成本結構完全受制於人。

對創作者而言，「AI公用事業」敘事的蔓延本身就是一個訊號：你的作品被用於訓練的機率在增加，而獲得回報的機制尚未出現。產業的基礎設施化，不應該只是讓模型公司變成下一個電力公司，也應該包括建立合理的、可追溯的資料收益分配機制。

目前的事實在於：AI正在變成基礎設施，但尚未成為公用事業。後者的頭銜，需要更多的東西來支撐，不僅僅是算力規模和token計費。