AI把发明变便宜以后，谁来收过路费？

一家工厂花钱请AI改进生产线。

过去，它买的是模型调用：输入多少，输出多少，按 token 结账。模型答错了，工厂自己认；方案不能落地，工程师回去重做。

后来，AI公司换了一种卖法。

它不再把答案发给工厂，而是自己找人做实验、造样机、申请专利。等方法被证明能用，再递过来一份授权合同：机器归你，工厂归你，这个办法归我。以后每生产一件，都交钱。

同一个AI，前一天还是计算器，后一天成了收费站。

这不是OpenAI已经宣布的计划。它目前仍销售API和企业服务，也仍存在按 token 计算的价格。本文讨论的是下一步：当模型公司不只提供智能，还能把智能接上实验室、专业数据和专利制度，它为什么还满足于卖一次计算？

真正值钱的，恐怕不是模型回答了什么。

是别人还能不能绕开它。

token卖的是一次使用，专利卖的是一段服从

Token只是计量单位。模型读了多少、写了多少，账单就按相应规则增长。

这种生意有个毛病：客户看得见电表，也能换电厂。

模型越来越多，推理越来越便宜，昨天只有一家能做的事，明天可能五家都能做。一次回答再聪明，也很难保证客户永远回来。

专利、工艺诀窍和经过验证的技术方案不同。

一项关键工艺只要难以替代，价格就不必跟研发成本走。AI也许只花一百万元找到了办法，授权方却可以按照客户不用这个办法会损失多少来报价。

所以，发现成本下降，不代表使用价格下降。

这三行是全文最重要的地方：

token按消耗收费。

技术按效果收费。

排他权按“你有多离不开我”收费。

前一种像电费。后一种更像桥修好以后，在桥头竖起收费杆。

这也是AI公司可能从模型供应商走向研发公司的原因。卖 token，只参加客户研发流程的一小段；卖技术成果，则有机会分享药品、材料或工艺未来创造的价值。

问题当然是，它也得承担中间那段最脏的活。

从一句漂亮答案，到一项能用的发明，中间全是麻烦

AI写出一个新材料配方，只需要几秒。

把它做出来，可能需要几个月。证明它安全、稳定、能量产，时间更长。

这中间有实验失败，有设备误差，有法规，有供应链，还有经验丰富的工人看一眼就知道“这东西上了产线会堵”。模型可以生成候选方案，却不能靠语气坚定替代这些环节。

因此，未来强大的AI企业未必最像聊天软件。它可能一半像软件公司，一半像研究院，再加一点药企、实验室和专利运营机构。

入口处仍然卖 token。

真正贵的东西藏在后院：模型提出假设，实验筛掉废物，工程师改成可生产的方案，律师再把它围起来。

围栏立好以后，原本只值几次调用的钱，开始按年收租。

这种商业形状已经能看到一点。2024年1月，Alphabet旗下的Isomorphic Labs宣布与礼来、诺华开展药物发现合作。公开结构包括预付款、研发经费、里程碑款，以及未来药品销售可能产生的提成。两项合作的潜在价值接近30亿美元，且未计入提成；礼来和诺华的预付款分别为4500万美元和3750万美元。

但别被“30亿美元”晃了眼。

潜在价值不是已经到账，研发合作也不是已经获批的药。模型给出一个分子，不等于病人明天就能吃到药。

真正值得看的，是账单变了。

客户付的已不只是使用AI多少钱，而是研究推进到哪一步、成果最后值多少钱。

AI没有把输出吐出来，专利证书就跟着掉出来

技术新闻最喜欢省略中间过程。

AI提出方案，标题就写“AI发明”；企业提交申请，又写“AI获得专利”。读者看完，仿佛机器在机房里想了一夜，第二天知识产权局便敲锣送来证书。

没这回事。

专利通常要经过新颖性、创造性、实用性或工业应用等审查，还要充分公开技术方案。申请不等于授权，授权也不是全球永久有效。

“谁是发明人”同样麻烦。许多法域仍要求列明人类发明人。世界知识产权组织讨论的，正是AI参与到什么程度、人的贡献怎样判断、权利应该归谁。

这里必须分清两件事。

你调用通用模型，自己组织研发、验证结果，这不等于模型公司自动拥有你的技术。OpenAI现行服务协议也约定，在双方之间并在法律允许的范围内，输出归客户所有。

另一种情况是，AI公司与客户共同确定目标，提供专用模型、数据、实验团队和验证，再一起谈成果权属。此时卖的已不是一段输出，而是一整套研发合作。

两者故意混在一起，最开心的是写合同的人。

如果凡是借助模型形成的技术都归模型公司，那么企业买的便不是工具，而是在自己的实验室里请进一个不说话的股东。它不参加倒班，却参加分红。

AI让知识更容易得到，也可能让使用知识更难

专利制度不是纯粹的坏人。它用限期排他权换取技术公开，也给高风险研发提供回报。没有收益预期，许多昂贵的实验确实不会发生。

可AI会把旧问题放大。

大量论文来自公共教育和公共资金，大量数据来自社会活动，大量技术经验来自工程师、医生和工人。模型把这些积累压进一次研发，再由少数拥有算力、实验平台和律师团队的企业申请权利。

于是会出现一幅很现代的画面：大家一起把砖搬到路边，最后有人把砖铺成路，再向搬砖的人收过路费。

这不说明所有AI专利都不合理。它说明公共投入参与过的成果，开放范围、许可条件和公共回报不能等专利批下来以后才想起。

更不能用一句“AI完成了发明”，把真正让方案落地的人擦掉。

模型可以建议把阀门改成某种结构。发现它会在高温下卡死的，可能是现场维修工。最后专利文件上没有他的名字，降本报告里也没有他的工资。

机器成了发明者，产权却从不归机器。

它总是很准确地落到某家公司名下。

工厂省下来的时间，最后去了哪里？

假设新工艺让同样的产量少用20%的工时。

新闻稿会说：生产力提高20%。

工人拿到的，可能是裁员通知。

也可能是更短工时、更高工资和更安全的排班。技术只打开了这些可能性，却不会替任何人选择。

怎么分，由制度和力量决定。

如果节省的钱先支付专利许可，再增加股东收益，最后才讨论劳动者，那么AI提高的不是全社会的效率，只是少数人的议价能力。

所以，“AI公司以后卖不卖 token”其实是个小问题。

大问题是：当AI参与创造新药、新材料和新工艺，谁有权把成果围起来，谁可以通过，谁只能在门口接受报价？

监管要问专利是否真有创新，公共资金要提前约定成果怎样回馈社会，企业内部也该记录工程师和一线劳动者对验证、改进的贡献。否则，发明越来越快，分配仍沿用最慢、最旧的办法。

人类好不容易造出一个能加速发现的机器。

若最后只是让收费站修得更快，未免浪费。

今天我们还在问，一百万 token 多少钱。

明天更该问的是：

**这个办法明明已经被发现了，为什么使用它的人，要一代又一代地交租？**