#OpenAI二季度亏损扩大 OpenAI 營收增長 18% 卻被反超,AI 的商業模式到底錯在哪?
OpenAI 公布第二季度數據,營收 67 億美元增長 18%,卻被 Anthropic 反超,虧損還在擴大。
這不僅僅是哪家公司領先的問題,而是整個 AI 大模型產業的商業模式正在經歷一場深刻的危機。
AI 賽道上的激烈競速與盈虧天平
數據很殘酷。OpenAI 第一季度營收 56 億,第二季度 67 億,季增 18% 看起來不錯。但 Anthropic 同期營收 85 億美元,不僅反超了,還領先了 18 億。更關鍵的是,OpenAI 虧損在擴大——這是最危險的信號。
很多人還在討論哪個模型更聰明,哪個技術更先進。我想說,別被技術的光環迷惑了。當一家公司的虧損在增長,被對手在營收上反超,這已經說明了一個根本問題:現在的 AI 商業模式,可能走錯了方向。
AI 的「發電廠困境」:技術越強,成本越高
先看一個現實:OpenAI 每生成一張圖片,成本大約是 2.12 美分。每處理 1000 個 token,成本從 0.03 到 12 美分不等。用戶付多少錢?ChatGPT Plus 每月 20 美元,看起來不貴。
大模型如同高耗能發電廠
但問題就在這裡。AI 大模型就像個超級耗電的發電廠,發的電越多,燒的煤就越多。用戶用得越勤,公司虧得越厲害。
我的觀察是,大模型公司陷入了一個怪圈:為了證明自己技術領先,必須把模型做得更大、更聰明;模型越大,推理成本越高;成本越高,越難賺錢。這是個死循環。
Anthropic 為什麼能在營收上反超?我的分析是,他們可能找到了更有效的客戶群體。企業客戶、開發者,這些願意為確定性付費的群體,才是 AI 商業化的突破口。而 OpenAI 還在很大程度上依賴 C 端用戶,這恰恰是最難賺錢的市場。
產品思維缺失:大模型不等於好產品
這裡我要說一個很多人不願意承認的事實:技術領先不等於產品成功。OpenAI 有 GPT-4o,有 Sora,有世界上最先進的大模型。但那又怎樣?用戶要的不是技術參數,是能解決問題的產品。
舉個例子。一個中小企業主用 ChatGPT 寫行銷文案,他關心的是什麼?是每次生成都要重新調教 prompt 的麻煩,是輸出結果時好時壞的不確定性,是資料安全的擔憂。這些痛點,OpenAI 解決了嗎?
我認為沒有。大模型公司普遍存在「技術自戀」——覺得自己的模型足夠聰明,用戶就應該適應它。這是完全錯誤的產品思維。
真正的產品思維是什麼?是站在用戶角度思考:你每天要解決什麼問題?你願意為什麼付錢?你最大的痛點是什麼?
從財報數據看,OpenAI 顯然在這條路上走得不夠遠。營收增長但虧損擴大,說明成本失控。被 Anthropic 反超,說明在商業化落地上慢了半拍。
商業模式的三個致命誤區
AI 大模型的商業模式,我認為存在三個致命誤區。
第一,過度依賴 API 經濟。很多大模型公司覺得,我開放 API,讓開發者來用,就能建立生態。但現實是,API 只是工具,不是解決方案。開發者要的是穩定、便宜、可靠的 AI 能力,而不是時不時就變貴的服務。
第二,忽視垂直場景。大模型什麼都能做,但什麼都做得不夠深。醫療、法律、教育、金融——每個垂直領域都有獨特的需求和門檻。通用大模型在這些領域往往力不從心。
第三,低估了企業需求。企業要的不是炫酷的 AI 演示,是能整合到工作流程中、安全可控、有確定性的 AI 工具。這個市場門檻高,但價值也大。Anthropic 的反超,很可能就是在這個市場取得了突破。
我的判斷是:未來的 AI 贏家,不一定是技術最強的公司,而是最懂如何把 AI 技術變成商業價值的公司。
未來的出路:從技術競賽到價值創造
OpenAI 的困境,給整個 AI 產業敲響了警鐘。技術競賽燒錢的速度,已經超過了商業變現的速度。
那麼出路在哪裡?
第一,從通用走向垂直。大模型需要「下沉」,深入到具體的產業、具體的場景。一個精通醫療診斷的專用模型,可能比什麼都會的通用模型更有商業價值。
第二,從模型走向應用。用戶不買模型,買解決方案。如何把 AI 能力打包成企業願意付錢的產品,這是下一階段競爭的關鍵。
第三,從燒錢走向造血。AI 公司必須找到可持續的盈利模式,而不是永遠依賴投資人的輸血。這意味著要嚴格控制成本,要精準定位付費用戶,要建立真正的商業壁壘。
OpenAI 第二季度的數據,表面看是營收增長但被反超。深層看,是整個 AI 產業商業模式的集體焦慮。
技術突破的興奮期已經過去,現在是時候面對殘酷的商業現實了。AI 不是魔法,它需要解決真實世界的問題,創造真實世界的價值,賺取真實世界的利潤。
未來兩年,我們會看到 AI 產業的第一次大規模洗牌。那些只會做模型、不懂做產品的公司,會逐漸掉隊。而那些真正理解用戶、深耕場景、建立可持續商業模式的公司,會成為新的贏家。
OpenAI 還有機會,但時間不多了。所有 AI 創業者都應該從這組數據中讀出一個清晰的信號:技術很重要,但商業更重要。沒有商業支撐的技術突破,最終只是實驗室裡的玩具。
AI 的下半場,現在才剛剛開始$OPENAI
OpenAI 公布第二季度數據,營收 67 億美元增長 18%,卻被 Anthropic 反超,虧損還在擴大。
這不僅僅是哪家公司領先的問題,而是整個 AI 大模型產業的商業模式正在經歷一場深刻的危機。
AI 賽道上的激烈競速與盈虧天平
數據很殘酷。OpenAI 第一季度營收 56 億,第二季度 67 億,季增 18% 看起來不錯。但 Anthropic 同期營收 85 億美元,不僅反超了,還領先了 18 億。更關鍵的是,OpenAI 虧損在擴大——這是最危險的信號。
很多人還在討論哪個模型更聰明,哪個技術更先進。我想說,別被技術的光環迷惑了。當一家公司的虧損在增長,被對手在營收上反超,這已經說明了一個根本問題:現在的 AI 商業模式,可能走錯了方向。
AI 的「發電廠困境」:技術越強,成本越高
先看一個現實:OpenAI 每生成一張圖片,成本大約是 2.12 美分。每處理 1000 個 token,成本從 0.03 到 12 美分不等。用戶付多少錢?ChatGPT Plus 每月 20 美元,看起來不貴。
大模型如同高耗能發電廠
但問題就在這裡。AI 大模型就像個超級耗電的發電廠,發的電越多,燒的煤就越多。用戶用得越勤,公司虧得越厲害。
我的觀察是,大模型公司陷入了一個怪圈:為了證明自己技術領先,必須把模型做得更大、更聰明;模型越大,推理成本越高;成本越高,越難賺錢。這是個死循環。
Anthropic 為什麼能在營收上反超?我的分析是,他們可能找到了更有效的客戶群體。企業客戶、開發者,這些願意為確定性付費的群體,才是 AI 商業化的突破口。而 OpenAI 還在很大程度上依賴 C 端用戶,這恰恰是最難賺錢的市場。
產品思維缺失:大模型不等於好產品
這裡我要說一個很多人不願意承認的事實:技術領先不等於產品成功。OpenAI 有 GPT-4o,有 Sora,有世界上最先進的大模型。但那又怎樣?用戶要的不是技術參數,是能解決問題的產品。
舉個例子。一個中小企業主用 ChatGPT 寫行銷文案,他關心的是什麼?是每次生成都要重新調教 prompt 的麻煩,是輸出結果時好時壞的不確定性,是資料安全的擔憂。這些痛點,OpenAI 解決了嗎?
我認為沒有。大模型公司普遍存在「技術自戀」——覺得自己的模型足夠聰明,用戶就應該適應它。這是完全錯誤的產品思維。
真正的產品思維是什麼?是站在用戶角度思考:你每天要解決什麼問題?你願意為什麼付錢?你最大的痛點是什麼?
從財報數據看,OpenAI 顯然在這條路上走得不夠遠。營收增長但虧損擴大,說明成本失控。被 Anthropic 反超,說明在商業化落地上慢了半拍。
商業模式的三個致命誤區
AI 大模型的商業模式,我認為存在三個致命誤區。
第一,過度依賴 API 經濟。很多大模型公司覺得,我開放 API,讓開發者來用,就能建立生態。但現實是,API 只是工具,不是解決方案。開發者要的是穩定、便宜、可靠的 AI 能力,而不是時不時就變貴的服務。
第二,忽視垂直場景。大模型什麼都能做,但什麼都做得不夠深。醫療、法律、教育、金融——每個垂直領域都有獨特的需求和門檻。通用大模型在這些領域往往力不從心。
第三,低估了企業需求。企業要的不是炫酷的 AI 演示,是能整合到工作流程中、安全可控、有確定性的 AI 工具。這個市場門檻高,但價值也大。Anthropic 的反超,很可能就是在這個市場取得了突破。
我的判斷是:未來的 AI 贏家,不一定是技術最強的公司,而是最懂如何把 AI 技術變成商業價值的公司。
未來的出路:從技術競賽到價值創造
OpenAI 的困境,給整個 AI 產業敲響了警鐘。技術競賽燒錢的速度,已經超過了商業變現的速度。
那麼出路在哪裡?
第一,從通用走向垂直。大模型需要「下沉」,深入到具體的產業、具體的場景。一個精通醫療診斷的專用模型,可能比什麼都會的通用模型更有商業價值。
第二,從模型走向應用。用戶不買模型,買解決方案。如何把 AI 能力打包成企業願意付錢的產品,這是下一階段競爭的關鍵。
第三,從燒錢走向造血。AI 公司必須找到可持續的盈利模式,而不是永遠依賴投資人的輸血。這意味著要嚴格控制成本,要精準定位付費用戶,要建立真正的商業壁壘。
OpenAI 第二季度的數據,表面看是營收增長但被反超。深層看,是整個 AI 產業商業模式的集體焦慮。
技術突破的興奮期已經過去,現在是時候面對殘酷的商業現實了。AI 不是魔法,它需要解決真實世界的問題,創造真實世界的價值,賺取真實世界的利潤。
未來兩年,我們會看到 AI 產業的第一次大規模洗牌。那些只會做模型、不懂做產品的公司,會逐漸掉隊。而那些真正理解用戶、深耕場景、建立可持續商業模式的公司,會成為新的贏家。
OpenAI 還有機會,但時間不多了。所有 AI 創業者都應該從這組數據中讀出一個清晰的信號:技術很重要,但商業更重要。沒有商業支撐的技術突破,最終只是實驗室裡的玩具。
AI 的下半場,現在才剛剛開始$OPENAI


















