#OpenAIAnnualRecurringRevenueNears$70B

OpenAI 即將達到 700 億美元的年化營收速度，這是一個非常驚人的數字。但老實說，營收數字本身並不是最令我感興趣的地方。

重要的是其底層發生了什麼。

OpenAI 回報的營收速度已大幅加快，企業需求也成為業務中更重要的一部分。這告訴我，AI 市場正在進入不同的階段。幾年前，最大的問題是人們是否真的會使用生成式 AI。接著，問題變成企業是否願意為此付費。現在的問題則是，這些付款能否在極大規模下轉化為持久且具獲利能力的業務。

而我認為這個區別極其重要。

700 億美元的年化營收速度並不代表 OpenAI 已經創造了 700 億美元的營收。它只是將目前的營收速度推估至一年。若成長放緩，年化數字也會改變。因此，我不會看到 $70B 並立即說公司值某個特定金額。

我會關注的是，什麼樣的營收造就了這個數字。

企業採用對我而言尤其有趣，因為企業客戶可能會深度融入 AI 工作流程。程式設計、研究、客服、內部知識、流程自動化和生產力，與某人偶爾開啟 AI 聊天機器人截然不同。一旦公司將 AI 融入日常營運，轉換服務就會變得更加困難，而服務的潛在價值也會大幅提高。

但在所有這些成長之下，隱藏著一個問題：運算資源。

AI 並不是一般的軟體。更多客戶意味著更多推論。更多推論意味著更多 GPU、記憶體、網路設備、資料中心和電力。如果營收成長 70%，但創造這些營收所需的基礎設施也在急遽擴張，那麼僅看表面成長仍不足以讓我們了解全貌。

這就是為什麼我的關注點正從「OpenAI 成長有多快？」轉向「OpenAI 能多有效率地擴大規模？」

如果模型效率提升、硬體利用率改善，且推論成本下降的同時營收持續攀升，經濟效益可能會發生戲劇性的改變。營收成長將開始轉化為強勁得多的利潤率。

但如果營收每一次重大躍升，都需要另一波龐大的基礎設施支出，那麼投資者最終將更加重視資本密集度和自由現金流。

這也是估值討論變得更加困難的原因。接近這種營收規模的業務可以支撐極高的預期，但估值越高，市場要求的執行力也就越高。

我的看法是，AI 已經通過了第一項考驗：人們願意為智慧付費。

企業採用正協助證明第二項考驗：企業願意讓 AI 成為營運的一部分。

現在迎來最艱難的考驗：

AI 公司能否在基礎設施成本以同樣速度成長的情況下，將這種龐大需求轉化為可持續的利潤？

這就是我會在 $70B 標題背後關注的數字。

營收告訴我們 AI 市場正在變得多大。

利潤率和自由現金流將告訴我們，這種成長究竟有多大的價值。

@Gate_Square @GateSquare