OpenAI 提出 AI 时代记分卡：企业预算开始从 token 价格转向有用工作
OpenAI 7 月 17 日发布 “A scorecard for the AI age”，把 AI 投资的衡量重点从 token 成本、座席数转向有用工作、成功任务成本、可靠性和规模回报。对企业来说，这等于把 AI 采购从“买模型”推向“买结果”。
背景
OpenAI 在 2026 年 7 月 17 日发布《A scorecard for the AI age》，核心意思很直接：企业讨论 AI 预算时，不该只盯着 token 价格，而要看 AI 到底完成了多少有用工作。CFO Sarah Friar 把这个框架概括为 “Useful Intelligence per Dollar”，也就是每一美元买到多少真正可用的智能产出。
这篇文章延续了企业 AI 采购的老问题，但把答案换成了更贴近财务视角的四个指标：完成了多少有用工作、一次成功任务的真实成本、结果是否足够可靠，以及规模扩大后每一美元是否能买到更多工作。
发生了什么
OpenAI 的意思不是“便宜模型一定更好”，而是“完成成功任务的总成本”才该成为基准。若一个模型 token 单价低，但需要多轮重试、更多人工复核，最终成本未必更低；反过来，能一次做对的模型即使更贵，也可能更省钱。
这也解释了为什么 OpenAI 把 ChatGPT Work、Codex 和 API 放在同一个叙事里：企业买的不只是模型能力，而是能否把模型接进真实工作流，减少返工、缩短周转时间，并把人力从重复操作中释放出来。
影响
这套话术实际上在推动企业 AI 采购标准变化。过去很多团队先比价格、再比 token 用量；接下来更重要的，可能是“一个业务流程里能节省多少时间”“一个成功结果到底花了多少钱”“出现错误时谁来兜底”。
如果这个框架被更多 CFO 接受，模型路由、工作流编排、人工复核和权限治理都会变成预算表上的硬指标。AI 竞争也会从单纯的模型跑分，转向能否稳定交付业务结果。
适合哪些人关注
企业 CFO、IT 负责人、采购团队、AI 产品经理和做自动化落地的团队都值得看。这不是一篇只谈模型参数的新闻，而是一次关于“AI 该怎么被记账”的行业信号。
