#OpenAIAnnualRecurringRevenueNears$70B
OpenAI 接近 700 億美元的年化營收速率是那種會立即引起關注的數字之一,但我覺得更有趣的部分是這項業務達到這個數字的速度有多快。根據近期報導,OpenAI 的年化營收速率正接近 700 億美元,自第三季初以來增長超過 70%,而企業銷售據報自 7 月以來已成長超過一倍。消費者業務也在加速,據報 OpenAI 在第三季增加的額外營收,超過了它在整個 2025 年增加的營收。達到這種規模後,AI 已不再只是人們拿來試用的產品。它正逐漸成為一個重要的商業市場。
但我會謹慎看待 700 億美元的年化營收,不要把它當成 OpenAI 已經實際創造了 700 億美元的年度營收。年化營收速率只是將目前的營收速度年化。它告訴我們,如果目前的水準持續下去,這項業務可能會達到多大規模,但並不保證相同的成長率會維持下去。當人們討論數千億美元甚至超過 1 萬億美元的估值時,這是一項重要的區別。
企業業務的加速可能是我最密切關注的部分。消費者採用創造了生成式 AI 的初期爆發,但企業採用可能決定這些業務會在多大程度上融入經濟。企業越來越多地將 AI 用於程式設計、研究、客戶支援、生產力提升和內部工作流程。一旦 AI 模型成為企業日常營運的一部分,這種關係就與個人偶爾付費訂閱大不相同。潛在營收會更高、更具持續性,也與業務流程有更緊密的連結。
這也是 OpenAI 的估值討論變得複雜的原因。報導指出,該公司正在探索一項可能使其估值達到約 1.4 萬億美元的融資,但討論內容和條款都可能改變。Reuters 報導稱,OpenAI 正考慮至少籌集 300 億美元,而其前一輪重大融資對公司的估值約為 8520 億美元。達到這個水準的估值,要求投資者相信今天非凡的成長最終能轉化為規模大得多且更持久的經濟效益。單靠營收成長無法回答這個問題。
成本面是讓這個故事真正變得有趣的地方。AI 並不是傳統軟體,後者在產品建成後,服務一位額外客戶的成本可能相對低廉。每一項額外的 AI 工作負載都需要運算資源。更多使用者意味著更多推論需求。更多企業客戶意味著更多工作負載。這會帶來對 GPU、記憶體、網路、資料中心和電力的需求。OpenAI 可以極快地增加營收,但如果服務這些營收的成本也幾乎以同樣速度增加,那麼從獲利角度來看,表面的成長率就會變得遠沒那麼有意義。
這就是為什麼我認為 AI 產業的下一階段將與第一階段大不相同。第一個問題是人們是否真的會使用生成式 AI。這個問題大致上已經獲得解答。第二個問題是企業是否願意為此付費。企業需求快速增加,顯示答案也正變得更加明確。現在面臨的是困難得多的問題:這些企業能否在龐大規模下實現可行的經濟效益?
對 OpenAI 而言,這意味著我會非常密切地觀察營收成長與基礎設施支出之間的關係。如果營收持續攀升,同時推論成本透過更好的模型、硬體效率和更高的使用率而下降,經濟效益可能會顯著增強。但如果每增加一美元的營收,都需要投入另一大筆美元的運算資本,邁向可持續獲利的道路就會變得更加困難。
企業數據之所以重要,還有另一個原因。企業客戶不只在乎擁有最令人印象深刻的模型。他們在乎可靠性、安全性、整合能力、延遲、成本,以及這項技術是否真的能節省員工時間或創造額外營收。這意味著 AI 競爭正逐漸脫離純粹的模型展示,轉向更具商業性的方向:誰能將智慧轉化為企業願意年復一年持續付費的產品。
這也是估值爭論對我而言變得更有趣的地方。我不認為接近 700 億美元的數字能證明 OpenAI 的估值便宜、昂貴或自動合理。它證明了一件更簡單但可能更重要的事:AI 的商業需求正以非凡的速度擴張。
現在市場必須弄清楚,這些營收有多少能轉化為持久的現金流。
如果企業採用持續加速、AI 使用量持續擴大,且推論成本下降的速度快於基礎設施成本上升的速度,OpenAI 可能圍繞這項需求建立一個規模極其龐大的科技企業。但如果運算需求持續與營收同步爆炸式增長,投資者最終將不得不更加關注利潤率和資本密集度。
因此,當我看到接近 700 億美元的年化營收數字時,我看不到估值爭論的終點。
我看到的是更艱難部分的開始。
AI 已經證明,人們和企業都願意為智慧付費。現在真正的考驗是,這種龐大的需求能否轉化為可持續的利潤率和自由現金流。
那才是我最終想在表面營收成長背後看到的數字。
OpenAI 接近 700 億美元的年化營收速率是那種會立即引起關注的數字之一,但我覺得更有趣的部分是這項業務達到這個數字的速度有多快。根據近期報導,OpenAI 的年化營收速率正接近 700 億美元,自第三季初以來增長超過 70%,而企業銷售據報自 7 月以來已成長超過一倍。消費者業務也在加速,據報 OpenAI 在第三季增加的額外營收,超過了它在整個 2025 年增加的營收。達到這種規模後,AI 已不再只是人們拿來試用的產品。它正逐漸成為一個重要的商業市場。
但我會謹慎看待 700 億美元的年化營收,不要把它當成 OpenAI 已經實際創造了 700 億美元的年度營收。年化營收速率只是將目前的營收速度年化。它告訴我們,如果目前的水準持續下去,這項業務可能會達到多大規模,但並不保證相同的成長率會維持下去。當人們討論數千億美元甚至超過 1 萬億美元的估值時,這是一項重要的區別。
企業業務的加速可能是我最密切關注的部分。消費者採用創造了生成式 AI 的初期爆發,但企業採用可能決定這些業務會在多大程度上融入經濟。企業越來越多地將 AI 用於程式設計、研究、客戶支援、生產力提升和內部工作流程。一旦 AI 模型成為企業日常營運的一部分,這種關係就與個人偶爾付費訂閱大不相同。潛在營收會更高、更具持續性,也與業務流程有更緊密的連結。
這也是 OpenAI 的估值討論變得複雜的原因。報導指出,該公司正在探索一項可能使其估值達到約 1.4 萬億美元的融資,但討論內容和條款都可能改變。Reuters 報導稱,OpenAI 正考慮至少籌集 300 億美元,而其前一輪重大融資對公司的估值約為 8520 億美元。達到這個水準的估值,要求投資者相信今天非凡的成長最終能轉化為規模大得多且更持久的經濟效益。單靠營收成長無法回答這個問題。
成本面是讓這個故事真正變得有趣的地方。AI 並不是傳統軟體,後者在產品建成後,服務一位額外客戶的成本可能相對低廉。每一項額外的 AI 工作負載都需要運算資源。更多使用者意味著更多推論需求。更多企業客戶意味著更多工作負載。這會帶來對 GPU、記憶體、網路、資料中心和電力的需求。OpenAI 可以極快地增加營收,但如果服務這些營收的成本也幾乎以同樣速度增加,那麼從獲利角度來看,表面的成長率就會變得遠沒那麼有意義。
這就是為什麼我認為 AI 產業的下一階段將與第一階段大不相同。第一個問題是人們是否真的會使用生成式 AI。這個問題大致上已經獲得解答。第二個問題是企業是否願意為此付費。企業需求快速增加,顯示答案也正變得更加明確。現在面臨的是困難得多的問題:這些企業能否在龐大規模下實現可行的經濟效益?
對 OpenAI 而言,這意味著我會非常密切地觀察營收成長與基礎設施支出之間的關係。如果營收持續攀升,同時推論成本透過更好的模型、硬體效率和更高的使用率而下降,經濟效益可能會顯著增強。但如果每增加一美元的營收,都需要投入另一大筆美元的運算資本,邁向可持續獲利的道路就會變得更加困難。
企業數據之所以重要,還有另一個原因。企業客戶不只在乎擁有最令人印象深刻的模型。他們在乎可靠性、安全性、整合能力、延遲、成本,以及這項技術是否真的能節省員工時間或創造額外營收。這意味著 AI 競爭正逐漸脫離純粹的模型展示,轉向更具商業性的方向:誰能將智慧轉化為企業願意年復一年持續付費的產品。
這也是估值爭論對我而言變得更有趣的地方。我不認為接近 700 億美元的數字能證明 OpenAI 的估值便宜、昂貴或自動合理。它證明了一件更簡單但可能更重要的事:AI 的商業需求正以非凡的速度擴張。
現在市場必須弄清楚,這些營收有多少能轉化為持久的現金流。
如果企業採用持續加速、AI 使用量持續擴大,且推論成本下降的速度快於基礎設施成本上升的速度,OpenAI 可能圍繞這項需求建立一個規模極其龐大的科技企業。但如果運算需求持續與營收同步爆炸式增長,投資者最終將不得不更加關注利潤率和資本密集度。
因此,當我看到接近 700 億美元的年化營收數字時,我看不到估值爭論的終點。
我看到的是更艱難部分的開始。
AI 已經證明,人們和企業都願意為智慧付費。現在真正的考驗是,這種龐大的需求能否轉化為可持續的利潤率和自由現金流。
那才是我最終想在表面營收成長背後看到的數字。




