OpenAI公布二季度数据，营收67亿美元增长18%，却被Anthropic反超，亏损还在扩大。
这不仅仅是哪家公司领先的问题，而是整个AI大模型行业的商业模式正在经历一场深刻的危机。

AI赛道上的激烈竞速与盈亏天平

数据很残酷。OpenAI一季度营收56亿，二季度67亿，环比增长18%看起来不错。但Anthropic同期营收85亿美元，不仅反超了，还领先了18亿。更关键的是，OpenAI亏损在扩大——这是最危险的信号。

很多人还在讨论哪个模型更聪明，哪个技术更先进。我想说，别被技术的光环迷惑了。当一家公司的亏损在增长，被对手在营收上反超，这已经说明了一个根本问题：现在的AI商业模式，可能走错了方向。

AI的“发电厂困境”：技术越强，成本越高

先看一个现实：OpenAI每生成一张图片，成本大约是2.12美分。每处理1000个token，成本从0.03到12美分不等。用户付多少钱？ChatGPT Plus每月20美元，看起来不贵。

大模型如同高耗能发电厂

但问题就在这里。AI大模型就像个超级耗电的发电厂，发的电越多，烧的煤就越多。用户用得越勤，公司亏得越厉害。

我的观察是，大模型公司陷入了一个怪圈：为了证明自己技术领先，必须把模型做得更大、更聪明；模型越大，推理成本越高；成本越高，越难赚钱。这是个死循环。

Anthropic为什么能在营收上反超？我的分析是，他们可能找到了更有效的客户群体。企业客户、开发者，这些愿意为确定性付费的群体，才是AI商业化的突破口。而OpenAI还在很大程度上依赖C端用户，这恰恰是最难赚钱的市场。

产品思维缺失：大模型不等于好产品

这里我要说一个很多人不愿意承认的事实：技术领先不等于产品成功。OpenAI有GPT-4o，有Sora，有世界上最先进的大模型。但那又怎样？用户要的不是技术参数，是能解决问题的产品。

举个例子。一个中小企业主用ChatGPT写营销文案，他关心的是什么？是每次生成都要重新调教prompt的麻烦，是输出结果时好时坏的不确定性，是数据安全的担忧。这些痛点，OpenAI解决了吗？

我认为没有。大模型公司普遍存在“技术自恋”——觉得自己的模型足够聪明，用户就应该适应它。这是完全错误的产品思维。

真正的产品思维是什么？是站在用户角度思考：你每天要解决什么问题？你愿意为什么付钱？你最大的痛点是什么？

从财报数据看，OpenAI显然在这条路上走得不够远。营收增长但亏损扩大，说明成本失控。被Anthropic反超，说明在商业化落地上慢了半拍。

商业模式的三个致命误区

AI大模型的商业模式，我认为存在三个致命误区。

第一，过度依赖API经济。很多大模型公司觉得，我开放API，让开发者来用，就能建立生态。但现实是，API只是工具，不是解决方案。开发者要的是稳定、便宜、可靠的AI能力，而不是时不时就变贵的服务。

第二，忽视垂直场景。大模型什么都能做，但什么都做得不够深。医疗、法律、教育、金融——每个垂直领域都有独特的需求和门槛。通用大模型在这些领域往往力不从心。

第三，低估了企业需求。企业要的不是炫酷的AI演示，是能集成到工作流中、安全可控、有确定性的AI工具。这个市场门槛高，但价值也大。Anthropic的反超，很可能就是在这个市场取得了突破。

我的判断是：未来的AI赢家，不一定是技术最强的公司，而是最懂如何把AI技术变成商业价值的公司。

未来的出路：从技术竞赛到价值创造

OpenAI的困境，给整个AI行业敲响了警钟。技术竞赛烧钱的速度，已经超过了商业变现的速度。

那么出路在哪里？

第一，从通用走向垂直。大模型需要“下沉”，深入到具体的行业、具体的场景。一个精通医疗诊断的专用模型，可能比什么都会的通用模型更有商业价值。

第二，从模型走向应用。用户不买模型，买解决方案。如何把AI能力打包成企业愿意付钱的产品，这是下一阶段竞争的关键。

第三，从烧钱走向造血。AI公司必须找到可持续的盈利模式，而不是永远依赖投资人的输血。这意味着要严格控制成本，要精准定位付费用户，要建立真正的商业壁垒。

OpenAI二季度的数据，表面看是营收增长但被反超。深层看，是整个AI行业商业模式的集体焦虑。

技术突破的兴奋期已经过去，现在是时候面对残酷的商业现实了。AI不是魔法，它需要解决真实世界的问题，创造真实世界的价值，赚取真实世界的利润。

未来两年，我们会看到AI行业的第一次大规模洗牌。那些只会做模型、不懂做产品的公司，会逐渐掉队。而那些真正理解用户、深耕场景、建立可持续商业模式的公司，会成为新的赢家。

OpenAI还有机会，但时间不多了。所有AI创业者都应该从这组数据中读出一个清晰的信号：技术很重要，但商业更重要。没有商业支撑的技术突破，最终只是实验室里的玩具。

AI的下半场，现在才刚刚开始$OPENAI ‌

OPENAI4.26%