#OpenAIAnnualRecurringRevenueNears$70B

OpenAI 接近 700 億美元的年化營收 run rate，是那種乍看之下幾乎令人難以置信的數字之一。

但數字本身並不是最有趣的部分。

對我來說，重要的是背後的速度。

根據 Axios 最新報導，OpenAI 的年化營收 run rate 已攀升至接近 700 億美元，自第三季初以來增長超過 70%。更令人印象深刻的是，自 7 月以來，企業銷售額已翻倍以上。據報導，OpenAI 在第三季創造的消費者營收，也超過了前一整年的總和。

這告訴我們一些關於 AI 業務發展方向的重要事情。

生成式 AI 的第一波浪潮，很大程度上是由好奇心所推動。人們想測試這些模型能做什麼，用它們來寫作、編碼、研究、生成圖片、回答問題以及處理日常任務。

現在，討論的方向正在改變。

企業正在為 AI 付費，並將其導入實際工作流程。

這是一個比單純讓數百萬人試用聊天機器人重要得多的轉變。

當 AI 系統成為軟體開發、客戶支援、研究、資料分析或內部營運的一部分時，它就開始成為公司基礎設施的一部分。價值不再只是「這個工具令人印象深刻」。問題變成了這項工具是否能節省員工時間、降低成本，或幫助公司提高產出。

這正是經常性企業營收可能變得極其強大的地方。

但有一項區別，我認為投資人應該記住。

700 億美元的年化營收並不代表 OpenAI 今年已經創造了 700 億美元。

run rate 是將目前的營收速度推估至完整一年的數字。它有助於衡量成長動能，但不等同於已認列的年度營收。路透社也指出了這項限制，並表示當成長快速變化時，年化營收有時可能會呈現誤導性的情況。

而 OpenAI 的成長正在快速變化。

這讓故事的下一部分變得更加困難。

營收只是其中一面。

AI 業務的成本結構異常昂貴，因為每次使用量增加，都會帶來額外的運算需求。更多使用者意味著更多推理運算。更多企業工作負載意味著更多運算。更優秀、能力更強的模型，可能需要更多基礎設施。

因此，我不認為目前最大的問題仍是 OpenAI 是否能創造龐大營收。

市場已經逐漸取得它能做到這一點的證據。

更困難的問題是：

這些營收最終有多少能轉化為持久的利潤與自由現金流？

這正是 AI 的經濟效益變得更加有趣的地方。

如果模型效率提升、硬體利用率改善、推理成本降低，而且營收持續以快於服務客戶之底層成本的速度成長，利潤率可能會隨著時間大幅改善。

但如果營收成長需要持續增加基礎設施支出，那麼單憑龐大的營收數字仍不足以告訴我們太多。

而 OpenAI 自身所公布的基礎設施雄心，也顯示出這個產業可能變得多麼資本密集。路透社今年稍早報導，OpenAI 目標是在 2030 年前投入約 6000 億美元於總運算支出，而其 2025 年營收約為 130 億美元。這些數字並不能直接作為年度數字比較，但它們說明了目前圍繞 AI 基礎設施所討論的投資規模有多麼龐大。

這也是為什麼估值討論變得如此有趣。

路透社報導，OpenAI 正討論一輪至少 300 億美元、估值約 1.4 萬億美元的潛在融資，但相關討論仍處於早期階段，條款也可能改變。該公司先前已在 3 月完成一輪融資，以 8520 億美元估值取得 1220 億美元的承諾資本。

在這樣的估值下，投資人支付的並不只是今日的營收。

他們實際上是在為這項業務未來幾年可能發展成的樣子付費。

而如此規模的預期，必須由快速的使用者成長以外的更多因素來支撐。

真正的基礎必須是經常性營收、企業留存率、定價能力、改善中的單位經濟效益，以及最終強勁的現金創造能力。

這就是為什麼從現在起，我會特別密切關注企業採用情況。

當一項新技術吸引人們的注意時，消費者成長可能會極其迅速。

企業採用則不同。

企業有預算、合約、安全要求、整合成本與績效期望。如果企業因為 AI 技術已融入其營運，而持續年復一年地付費，這就會創造出深層得多的需求形式。

因此，接近 700 億美元的數字很重要。

但我不認為這就是 AI 估值辯論的最終答案。

我把它視為商業化階段正在加速的證據。

第一個問題是人們是否會使用 AI。

接著是企業是否願意為此付費的問題。

現在，更困難的問題來了：

AI 公司能否將這股龐大的需求轉化為永續的經濟效益？

對 OpenAI 來說，下一章不只是關於達到 700 億美元。

而是關於下一個 700 億美元會發生什麼事。

創造這些營收的成本是多少？

扣除運算支出後還剩多少？

有多少會成為營業利益？

最終，又有多少會轉化為自由現金流？

我認為，這個故事的真正價值將在這裡決定。

標題數字令人印象深刻。

接下來重要的是這個數字背後的經濟效益。