Catatan editor: Apabila AI mulai menulis kod, mengurus tiket perkhidmatan pelanggan, dan mengulas dokumen undang-undang, satu masalah yang lebih mendasar sedang muncul: Apakah yang sebenarnya dibeli oleh perusahaan, token, jam GPU, atau kerja yang telah selesai?

Artikel ini mengusulkan satu kerangka yang patut diperhatikan: komersialisasi AI tidak seharusnya hanya difahami sebagai «pasar kuasa pengiraan» atau «pasar panggilan model», tetapi sedang bergerak menuju «pasar tenaga kerja mesin» yang baru. Dalam pasaran ini, token hanyalah unit pengukuran, GPU ialah input, model ialah alat penghasilan, dan objek yang benar-benar ditentukan harganya dan diperdagangkan ialah kerja ekonomi yang dilakukan secara langsung oleh perisian.

Penilaian utama artikel ini ialah mekanisme penentuan harga AI akan mengalami perkembangan dari token asal, kemampuan model standardisasi, kepada tenaga kerja sektor, dan seterusnya kepada pasaran hasil yang boleh diprogramkan. Dengan kata lain, pada masa depan, syarikat mungkin tidak lagi peduli sama ada tugas tertentu dilakukan oleh model mana atau GPU jenis apa, tetapi lebih memperhatikan sama ada hasil yang memenuhi piawaian telah dihantar dalam lingkungan latensi, ketepatan, kebolehpercayaan, dan kos yang ditetapkan.

Ini juga bermakna, kesan AI terhadap pasaran tenaga kerja manusia tidak semestinya hanya penggantian ringkas. Seiring mesin mengambil alih lebih banyak tugas yang boleh distandardkan dan diverifikasi, peranan manusia mungkin berpindah kepada semakan semula, tanggungjawab, pengurusan konteks, dan penghakiman terakhir. Dalam beberapa skenario, penghakiman manusia sebanyak 1% terakhir malah menjadi lebih berharga, kerana ia boleh melepaskan 99% automatik berskala besar.

Dari sudut pandang ini, fasa seterusnya persaingan pasaran AI mungkin bukan lagi tentang keupayaan model, atau pertempuran harga pengiraan semata-mata, tetapi siapa yang mampu memstandardkan, mengesahkan, dan menentukan harga «kerja» terlebih dahulu, dan akhirnya menjadikan tenaga kerja mesin sebagai faktor pengeluaran baru yang boleh dibeli, dikira, dan diperdagangkan.

Berikut ialah teks asal:

Gelombang produktiviti sebelumnya selalu datang daripada alat dan perisian yang dicipta untuk manusia untuk mengoptimumkan cara kerja dilakukan. Lembaran kerja membantu juruaka dan analis, tali penghantar meningkatkan throughput, dan palu memperbesarkan keuntungan mekanikal manusia. Tetapi tenaga kerja sejati tetap datang daripada manusia.

Sekarang, AI sedang menghasilkan hasil kerja secara end-to-end, secara langsung melaksanakan tenaga kerja itu sendiri. Ia boleh menulis kod, mengurus tiket perkhidmatan pelanggan, dan mengulas dokumen undang-undang. Penghujung tatanama teknologi sedang mengalami pemampatan: tatanama lama menyokong tenaga kerja, manakala tatanama baharu mula menghasilkan tenaga kerja.

Jika anda baru-baru ini mendengar perbincangan mengenai finansialisasi AI, kemungkinan besar anda akan mendengar orang seperti Jensen mengatakan bahawa token LLM dan/atau jam GPU sedang menjadi komoditi baru. Intuisi ini boleh difahami, kerana token boleh diukur, boleh dikenakan bayaran, dan mudah dijadikan grafik; jam GPU juga disokong oleh aliran dana berbilion dolar AS. Namun, token masih sekadar alat pengukur, dan jam GPU hanyalah input, tiada siapa yang membelinya kerana ingin memiliki mereka secara langsung. Orang benar-benar ingin menyelesaikan kerja. AI sedang menjadikan tatanama teknologi itu sendiri sebagai sumber tenaga kerja.

Kekuatan buruh mesin: kerja yang dilaksanakan oleh perisian, mempunyai tujuan ekonomi, dan dijual ke dalam proses pengeluaran.

Pasaran sudah bergerak ke arah ini. Sarah Tavel daripada Benchmark cenderung memahami peluang ini melalui pasaran tenaga kerja luar, bukan kategori perisian. Jika tugas yang boleh diulang biasanya dilakukan oleh pasukan luar negara atau syarikat perkhidmatan profesional, ia sering kali juga sesuai untuk disampaikan oleh AI. Alex Rampell daripada a16z menyebutnya sebagai “perisian menelan tenaga kerja”: adegan seterusnya perisian ialah melakukan kerja secara langsung. Julien Bek daripada Sequoia pula menggambarkan perubahan yang sama dari sudut yang berbeza: perkhidmatan sedang menjadi perisian, copilot menjual alat, manakala autopilot menjual kerja.

Pasaran yang hilang di sebalik penentuan harga hasil

Harga tempat duduk dikenakan berdasarkan akses, manakala harga token dikenakan berdasarkan penggunaan. Harga hasil dikenakan apabila kerja selesai. Harga hasil membawa kita selangkah lebih maju, tetapi ia masih tidak menjawab satu soalan: siapakah yang menentukan harga?

Jika tenaga kerja mesin boleh dibeli secara langsung, harganya seharusnya ditentukan oleh persaingan antara pembekal. Pembekal-pembekal ini mesti mampu memenuhi piawaian yang sama untuk tugas atau kerja yang sama, yang memerlukan penubuhan piawaian di dalam pelbagai industri dan tugas.

Pendekatan semasa menggunakan token LLM, tetapi token asal hanyalah unit pengukuran. Satu tong minyak hanyalah unit pengukuran; yang sebenarnya diperdagangkan ialah tong minyak tertentu dengan kualiti, syarat penghantaran, dan harga pasaran yang jelas. Satu tong minyak Brent dan satu tong minyak berat berkadar belerang tinggi bukanlah komoditi yang sama. Demikian juga dengan token LLM. Token hanyalah unit pengukuran; yang benar-benar penting ialah kecerdasan di belakangnya: kualiti model, had ujian piawai, latensi, tetingkap konteks, kebolehpercayaan, dan jaminan penghantaran. Seribu ribu token dari model kod terkini dan seribu ribu token dari model generik murah bukanlah komoditi yang sama. Pasaran memerlukan peringkat inferens yang distandardkan, seperti pasaran tenaga yang memerlukan peringkat minyak yang distandardkan.

Anjali Shriva secara langsung menunjukkan hal ini: token bukanlah unit kos tetap. Ekonominya berubah mengikut panjang konteks, struktur tugas, nisbah input/output, bilangan percubaan semula, panggilan alat, dan aliran kerja Agent. Satu token dalam petikan pendek bukanlah objek ekonomi yang sama dengan satu token yang tersembunyi dalam gelung Agent yang panjang.

Kita sudah melakukan ini di pasaran tenaga kerja manusia sejak lama. Tidak ada orang yang mempekerjakan doktor radiologi sebagai「jam manusia」yang digeneralisasi. Orang akan melihat latar belakang latihan, sijil lisensi, bidang keahlian, pengalaman kerja, ketersediaan, reputasi, dan tanggung jawab. Spesifikasi kontrak manusia yang berbeza berkaitan dengan piawaian minimum dan harapan peringkat yang berbeza.

Pasaran tenaga kerja manusia sebenarnya berfungsi berdasarkan spesifikasi ini, hanya sahaja spesifikasi ini sering kali campur aduk, kualitatif, dan penuh dengan pelbagai indikator pengganti. Tenaga kerja mesin akan menjadikan spesifikasi ini lebih eksplisit dan lebih boleh diukur.

Untuk LLM atau Agent, indikator seperti kemahiran, pengalaman, kelajuan, dan kebolehpercayaan boleh dimasukkan secara langsung ke dalam kontrak: skor ujian piawai, latensi, throughput, tingkap konteks, panjang output maksimum, ketepatan penggunaan alat, masa operasi, dan kadar ralat. Kita boleh membeli tenaga kerja berdasarkan harapan dan hasil yang boleh diukur.

Spesifikasi kontrak TheGrid.ai, pada dasarnya adalah penapis kelayakan, ditambah dengan persaingan harga terhadap output LLM. Pembekal yang memenuhi spesifikasi boleh menyertai persaingan:

Ujian piawai pintar ≥ had bawah

Lengahan ≤ had

Throughput ≥ lower limit

Uptime ≥ hadas

Kadar kesilapan ≤ had

Apabila semua pembekal mencapai ambang minimum yang sama, mereka mula bersaing dari segi harga. Pembeli perlu bertanya: Pembekal manakah yang boleh menghantar tenaga kerja yang diperlukan dengan harga terbaik?

Pekerjaan doktor radiologi menjadi masalah yang boleh diukur dalam konteks LLM: LLM mana yang mampu membaca sinar-X dengan kecekapan tinggi dan menyelesaikan tugas dalam jangka masa yang jelas, jendela konteks, dan spesifikasi kontrak berdasarkan hasil lainnya.

Hasilnya adalah cara pembeli mengukur kejayaan; tenaga kerja adalah aktiviti ekonomi yang ditawarkan; token pula adalah bahan bakar yang digunakan oleh mesin semasa menyelesaikan kerja.

Grid adalah pasaran tenaga kerja mesin.

Dari token ke pasaran tenaga mesin

Pasar boleh menentukan harga untuk pengeluaran teknikal, tetapi untuk menentukan harga hasilnya, diperlukan pasaran tenaga kerja mesin. Pembeli tidak peduli dengan jam GPU. Endpoin model itu sendiri juga tidak stabil: ia boleh dinamakan semula, ditinggalkan, dibungkus, atau terus diberhentikan.

Pengguna dan likuiditi membenci perubahan yang sering berlaku. GPU dan model akan terus berkembang, tetapi unit yang stabil ialah pekerjaan itu sendiri.

Saya percaya, pasaran akan berevolusi mengikut laluan berikut. Setiap naik satu peringkat, barang yang dibeli menjadi semakin abstrak dan semakin bernilai, tetapi semakin sukar untuk disahkan. The Grid seharusnya secara beransur-ansur naik sepanjang tangga ini:

Token asal → Pasar kemampuan LLM yang dikomersialkan → Pasar tenaga kerja yang dikomersialkan → Pasar hasil yang boleh diprogram

Claude 4.7, GPT 5.5, Kimi 2.6, DeepSeek V4, GLM 5 dan sebagainya.

Hari ini, pembeli membeli output model asli daripada pemberi perkhidmatan inferens. Mereka menghantar petunjuk sendiri, menerima hasil inferens, dan membayar berdasarkan penggunaan. Ini mudah untuk disahkan, tetapi ia masih hanya bahan mentah. Yang benar-benar diinginkan pembeli bukan token, tetapi kecerdasan yang berguna dengan harga terbaik.

Contoh text/usd, code/usd, agent/usd dan sebagainya.

Pembeli tidak lagi memilih satu model tertentu, tetapi memilih kategori pintar yang diperlukan. Pembeli masih menguasai alur kerja, petunjuk, data, dan logik aplikasi. The Grid hanya menghala setiap permintaan ke model yang layak, yang memenuhi spesifikasi kontrak dan memiliki harga paling rendah.

Catatan: Ini adalah lapisan abstrak pertama yang lebih tinggi daripada token asal, dan kedudukan semasa TheGrid.ai.

Contohnya accounting/usd, support_agent/usd, legal/usd, healthcare/usd, radiology/usd dan sebagainya.

Semakin model menjadi lebih terspesialisasi, pasaran kemampuan boleh berkembang lebih lanjut menjadi pasaran khusus industri. Ini serupa dengan pembahagian tugas khusus manusia dalam pasaran tenaga kerja yang berbeza.

Pada peringkat ini, kami menjual kemampuan inferens yang sesuai dengan alur kerja bidang tenaga kerja tertentu. Seiring semakin umumnya model industri terspesialisasi, pasaran semacam ini akan berkembang pesat. Contoh berkaitan termasuk Composer daripada Cursor, Harvey yang ditujukan untuk kerja undang-undang, serta EvidenceOpen yang ditujukan untuk kesihatan.

Contoh support_ticket_resolved/usd, pr_merged/usd, claim_processed/usd dan sebagainya.

Lapisan terakhir ialah tempat The Grid berpindah dari pasaran inferens ke pasaran tenaga kerja mesin.

Lapisan ini memerlukan mekanisme seperti RFQ (permintaan harga), akaun pengurusan, penangguhan pembayaran, pengesahan pembeli, reputasi pembekal, mekanisme pemulangan, dan penyelesaian pertikaian. Ia kemungkinan besar akan bermula dengan RFQ, bukan langsung menggunakan buku pesanan. Pembeli menentukan kandungan kerja, syarat-syarat, kriteria penerimaan, dan terma pembayaran, sementara Agen bertender untuk menyelesaikan tugas tersebut. The Grid pula membantu merutekan, menentukan harga, mengesahkan, dan menyelesaikan kerja-kerja ini.

Ini adalah lapisan paling bernilai, tetapi juga lapisan paling sukar untuk disahkan, kerana keputusan mungkin tertunda, subjektif, dan mudah dimanipulasi. Sebuah tiket perkhidmatan pelanggan mungkin dibuka semula; sebuah PR mungkin lulus ujian, tetapi masih menyebabkan arsitektur yang buruk.

Jumlah keseluruhan = Kos menyelesaikan kerja + Kos menanggung risiko

Sebuah alur kerja tidak akan secara automatik menjadi pasaran hanya kerana kecerdasan menjadi ada di pasaran atau menjadi lebih murah. Sesetengah pekerjaan sangat bergantung kepada konteks peribadi, seperti sejarah pelanggan atau dasar dalaman. Semakin bergantung kepada konteks, semakin kecil kemungkinannya untuk dibersihkan dengan bersih di pasaran terbuka. [@hypersoren https://hypersoren.xyz/posts/cybernetic-arbitrage/]

Pasaran perlu mengungkapkan kelas buruh mana yang akan berkembang dan mana yang akan menyusut.

Kekuatan buruh mesin vs kekuatan buruh manusia

Anjali Shriva menunjukkan dalam draf reka bentuk mekanismenya, naratif AI terlalu kerap digambarkan sebagai pengganti. Namun, sebenarnya ia lebih seperti masalah koordinasi: apabila manusia dan mesin sama-sama terlibat dalam penghasilan, bagaimana pekerjaan, atribusi, insentif, dan nilai akan disusun semula.

Hari ini, banyak penggunaan AI di dalam perusahaan masih terperangkap, kerana pekerja menggunakan AI secara peribadi, aliran kerja masih terkunci pada individu, dan perusahaan tidak dapat menentukan harga bagi peningkatan produktiviti ini atau menskalakan keuntungan tersebut.

Sebahagian besar kerja yang boleh diotomatikkan kemungkinan besar akan dipindahkan kepada mesin. Sebahagian kerja akan berubah menjadi pemeriksaan manusia, tanggungjawab, latihan, dan pengurusan konteks. Dalam beberapa kes, 1% penilaian manusia terakhir akan menjadi lebih berharga, kerana ia boleh membuka potensi besar kepada 99% kerja yang diotomatikkan.

Rachel Su Park dalam《Brave New World of AI Markets》menyatakan bahwa TAM AI tidak sepatutnya dimodelkan secara sederhana sebagai pengganti perbelanjaan tenaga kerja manusia semasa ini, kerana ia mengubah harga dan kuantiti secara serentak. Seiring penurunan kos kerja, harga unit mungkin menurun, tetapi kuantiti penggunaan mungkin meluas, kerana kerja yang sedia ada akan dikonsumsi lebih kerap, dan kerja-kerja baru yang sebelumnya tidak ekonomik menjadi mungkin. Artikel ini merangkumnya sebagai:

P × Q: Saiz pasaran = Harga seunit kerja × Jumlah kerja yang digunakan

Jika AI membuat interaksi perkhidmatan pelanggan menjadi lebih murah, syarikat boleh menyediakan perkhidmatan 24/7. Pasar ini bukan sekadar versi murah kepada pasaran tenaga kerja pelanggan lama, tetapi mungkin menjadi pasaran interaksi pelanggan yang lebih besar.

AI adalah pasaran yang berkembang, kerana apabila kos pekerjaan turun, permintaan tidak akan kekal sama.

Lapisan tenaga kerja

Pasaran tenaga kerja mesin sepatutnya bermula dengan pekerjaan yang spesifikasinya boleh ditakrifkan dengan jelas. Jam GPU mengandungi terlalu banyak maklumat input dan hanya memberitahu anda apa yang menyokong pekerjaan tersebut; manakala menetapkan harga untuk hasil penuh pula terlalu kompleks dan terlalu bergantung pada konteks. Seiring dengan pengesahan, reputasi, dan penentuan harga risiko/insurans yang beransur-ansur diambil alih oleh mesin, pasaran akan terus bergerak ke lapisan hasil tulen.

Kekuatan buruh mesin boleh menjadi boleh diperdagangkan, kerana pembeli akan semakin kurang peduli sama ada model atau GPU mana yang menghasilkan kerja, dan lebih memperhatikan sama ada kerja tersebut mencapai piawaian dan peringkat minimum yang ditetapkan dalam kontrak dengan harga yang betul. Agen pula akan lebih tidak peduli lagi terhadap sumber bawahannya.

Mesin kini boleh secara langsung menjalankan kerja yang mempunyai tujuan ekonomi, dan kerja ini boleh ditakrifkan, diukur, ditentukan harganya, dibeli, dan akhirnya diperdagangkan. Elektrik, kuasa pengiraan, model, dan token tentu masih penting, tetapi semuanya masih berada di hulu.

Tempat sebenarnya kerja selesai adalah di hulu, dan pasaran sedang bergerak ke arah objek yang lebih ringkas: tenaga kerja mesin.