市场上流行的说法是：用 AI 应该有 3 倍生产力。作者先把账拆开：这个 3 倍，到底是思考效率提高了三倍，还是仅仅意味着 AI 每天干 24 小时、而人只干 8 小时。OpenAI 自己的数据说明了问题：8 月中旬，研究员每 8 小时的人工排班，对应记录了 3.14 个 agent 工作日；一个典型研究员同时并行跑 4 个 agent。3.14 这个倍数不是“聪明三倍”，更像一个只清醒 8 小时的工程师，同时盯着机器连轴转三班。

工业化的价格标签同样清楚。3 月底，OpenAI 研究员的日推理费中位数是 14 美元；8 月中旬超过 600 美元，不到 5 个月翻了约 40 倍。90 分位研究员一天消耗超过 7000 美元，折算年化约 250 万美元。按一个座位算，推理成本已经接近重型机床，但它没有资本折旧——这是纯运营费用（OPEX）。

传统工厂买焊接机器人是资本支出，机器闲置也在折旧，所以必须开夜班摊薄。AI 账本正好相反：推理按用量计费，没有实物资产，没有夜班工资，通宵跑机器在账面上只是多一笔按量账单。但这台数字装配线的废品率很刺眼：过去半年里，凡 4 到 8 小时的任务成功，超过一半仍需人工介入；OpenAI 也承认“整体进度很可能跟不上这些具体指标”。40 倍成本换来大约 3 倍工时，工程师的精力已经不再位于

这样的废品率，为什么还要夜跑？作者给出的答案：恐惧与野心。同行都挂着 4 个 agent 全天候跑，你关机就掉队；用公司账单供起一支不睡觉的机器队伍，尝过就割不掉。四十年代，程序员只需要一台 MacBook 和 8 小时班；今天一位成熟研究者要同时带 4 个 agent、一年烧掉 250 万美元的推理费用、每天早晨处理昨夜留下的机器错误。软件工程圈子里正在蔓延的疲重与烦躁，在这里找到了原。

市场听来“3 倍生产力”都以为是想象力奇迹，CFO 不过看到的是“第二班和第三班的工资”。真正的问题是：第二班、第三班的产出什么时候才能超过白班那一个。那才是这台永不睡觉的机器要真正开始证明自己的时刻。