Chamath：AI 生成无用 token 和半吊子回答可能是「设计特性」

核心要点

2026年4月13日，知名投资人 Chamath Palihapitiya（Facebook 早期高管、Social Capital 创始人）在 X 平台发布观点，直指 AI 模型存在的一个「房间里的大象」：模型产生幻觉（hallucination）和提供不完整回答，可能并非纯粹的技术缺陷，而是经过精心设计的商业策略——通过制造信息缺口促使用户持续追问，从而增加 token 消耗量和付费订阅价值。这一论断撕开了 AI 商业化进程中的一层窗户纸，将技术问题与商业模式之间的张力推至台前，引发从业者和投资人的广泛讨论。

原文 + 中文翻译

原文： "The hallucinations and incomplete answers aren't bugs—they're features. Every time a model gives you a half-baked response, you ask another question. That's more tokens, more engagement, more revenue. Welcome to the business model."

翻译：「幻觉和不完整的回答不是漏洞——它们是功能特性。每当模型给你一个半吊子的回答，你就会再问一个问题。这带来了更多的 token、更高的参与度、更多的收入。欢迎来到这个商业模式。」

深度解读

商业逻辑的「理性犯罪」

Chamath 的论断触及了 AI 商业化最核心的矛盾之一：模型能力与商业利益的错位。从纯技术角度，幻觉（hallucination）确实是当前 LLM 架构的固有局限—— transformer 的自注意力机制在生成式任务中天然存在「一本正经胡说八道」的概率。然而，Chamath 指出，当一家公司将 AI 作为订阅服务或 API 调用产品销售时，「用户停留时长」和「调用频次」直接决定了收入模型。如果一个能一步到位给出完整答案的模型，用户可能问 3 个问题就满意离开；而一个「恰到好处」留有悬念的模型，可能诱导用户提问 15 个问题——在 token 计价模式下，后者带来的 ARPU（每用户平均收入）可能是前者的 3-5 倍。这不是阴谋论，而是「理性经济人」视角下可以推导的商业选择。

行业结构分化的隐忧

这一问题的深层影响在于，它加剧了 AI 行业的结构性分化。对于 OpenAI、Anthropic 这类定位「通用助手」的消费级产品，通过增加交互频次提升 LTV（用户生命周期价值）是有商业逻辑支撑的。但对于 Claude Code、Cursor 这类定位「专业工具」的开发者产品，用户对准确性的要求远高于对「互动性」的需求——一次错误的代码建议可能浪费工程师数小时调试。在这种情况下，Chamath 所描述的「设计特性」反而会成为产品致命伤。因此，AI 公司在「商业化策略」与「产品定位」之间面临根本性的战略抉择，而这一抉择将决定谁能真正建立壁垒、谁会在用户觉醒后被抛弃。

监管与信任危机的伏笔

Chamath 的发言之所以引发共鸣，更在于它预示了一个更大的系统性风险：当用户意识到 AI 的「不完美」可能是「故意的」，整个行业的信任基础将受到侵蚀。当前 AI 监管框架（如 EU AI Act）主要聚焦于数据隐私和安全决策，但在「模型是否故意制造信息缺口」这一维度几乎是监管空白。如果有证据显示某家公司系统性地利用这一策略——尤其是在医疗、法律、金融等高风险领域——该公司将面临不仅是声誉风险，而是真实的诉讼和监管处罚。这对于正在向企业市场渗透的 AI 公司而言，是一个不得不提前布局的合规议题。

值得关注

• OpenAI 的回应立场：Sam Altman 或 OpenAI 高管是否会公开反驳 Chamath 的「设计特性」论断？考虑到 OpenAI 正推进 ChatGPT Team/Enterprise 订阅的商业化，其回应措辞将揭示公司对「准确性 vs. 参与度」权衡的内部优先级。
• Perplexity 的差异化机会：如果 Chamath 所言属实，主打「一步到位答案」的 Perplexity AI 可能迎来增长窗口——该公司以「减少无效搜索」为卖点，其用户留存数据和付费转化率将成为检验「反幻觉」定位商业可行性的关键指标。
• API 定价模式的结构性变化：主流 API 提供商（OpenAI、Google、Anthropic）是否会推出「准确性 SLA」分级定价？例如，允许客户选择「高精度模式」（响应更保守但更准确）与「高交互模式」（响应更丰富但可能包含推测性内容），将技术选择权交还给企业客户。
• Claude Code vs. Copilot 的市场份额走向：Anthropic 一直强调 Claude 的「有用且无害」定位，GitHub Copilot 则更侧重「快速补全」体验。随着开发者社区对代码幻觉问题的认知提升，以准确性见长的产品是否能在 B2B 开发者工具市场夺取更多份额？
• 监管机构的关注信号：FTC 或 EU AI Office 是否会对「AI 模型故意制造信息缺口」展开调查或发布指南？特别是在 AI 助手被用于医疗咨询、法律建议等高风险场景时，「故意不完整」可能构成「误导性服务」的法律认定。

信源行：
原文链接：https://x.com/chamath/status/2043719647812550836
背景报道：
• Wired — 历年对 AI 幻觉问题的深度技术报道（检索关键词：AI hallucination foundation models）
• The Information — AI 公司商业模式与定价策略的行业分析
• Stratechery — Ben Thompson 对 AI 商业模式的系统性框架分析