#OpenAIAnnualRecurringRevenueNears$70B

OpenAI 即将达到 700 亿美元的年化收入运行率，这个数字乍看之下几乎让人难以置信。

但数字本身并不是最有趣的部分。

对我而言，重要的是背后的速度。

根据 Axios 的最新报道，OpenAI 的年化收入运行率已攀升至近 700 亿美元，自第三季度初以来增长超过 70%。更令人瞩目的是，自 7 月以来，企业销售额已增长逾一倍。据报道，OpenAI 在第三季度产生的消费者收入，也超过了前一整年的总和。

这说明了 AI 业务正在向何处发展。

生成式 AI 的第一波浪潮很大程度上由好奇心驱动。人们想测试这些模型的能力，将其用于写作、编程、研究、图像生成、问答和日常任务。

现在，讨论的重点正在改变。

企业正在为 AI 付费，并将其投入实际工作流程。

这比仅仅让数百万人试用聊天机器人重要得多。

当 AI 系统成为软件开发、客户支持、研究、数据分析或内部运营的一部分时，它就开始成为公司基础设施的一部分。价值不再只是“这个工具很令人印象深刻”。问题变成了，这个工具是否能为员工节省时间、降低成本，或帮助公司提高产出。

这正是经常性企业收入可能变得极其强大的地方。

但有一个区别，我认为投资者应该牢记。

700 亿美元的年化收入并不意味着 OpenAI 今年已经实现了 700 亿美元的收入。

运行率是将当前的收入速度推算到全年。它对于衡量增长势头很有用，但与已确认的年度收入并不是一回事。路透社也强调了这一局限性，并指出，当增长快速变化时，年化收入有时会呈现出误导性的画面。

而 OpenAI 的增长正在快速变化。

这使得故事的下一部分变得更加困难。

收入只是等式的一面。

AI 企业的成本结构异常昂贵，因为使用量每增加一点，都会带来额外的计算需求。更多用户意味着更多推理任务。更多企业工作负载意味着更多计算。更好、能力更强的模型可能需要更多基础设施。

所以，我认为现在最大的问题已经不再是 OpenAI 能否创造巨额收入。

市场已经获得了它能够做到这一点的证据。

更难的问题是：

这些收入最终有多少能够转化为持久的利润和自由现金流？

这正是 AI 的经济学变得更加有趣的地方。

如果模型效率得到提升，硬件利用率改善，推理成本降低，并且收入持续以快于服务客户底层成本的速度增长，那么利润率可能会随着时间推移大幅改善。

但如果收入增长需要基础设施支出持续增加，那么仅仅一个巨大的收入数字并不能告诉我们足够多的信息。

而 OpenAI 自身披露的基础设施雄心，显示出这个行业可能会变得多么资本密集。路透社今年早些时候报道，OpenAI 的目标是到 2030 年累计投入约 6000 亿美元用于计算资源，而其 2025 年收入约为 130 亿美元。这些数字并不能直接作为年度数据进行比较，但它们说明了围绕 AI 基础设施正在讨论的投资规模有多么庞大。

这也是估值讨论变得如此有趣的原因。

路透社报道称，OpenAI 正在讨论一轮至少 300 亿美元的潜在融资，估值约为 1.4 万亿美元，不过讨论仍处于早期阶段，条款可能发生变化。该公司此前已完成 3 月份的一轮融资，以 8520 亿美元的估值获得了 1220 亿美元的承诺资本。

在这样的估值下，投资者支付的不仅仅是今天的收入。

他们实际上是在为对这项业务未来几年可能发展成什么样的预期买单。

而如此规模的预期必须得到快速用户增长以外的更多因素支持。

真正的基础必须是经常性收入、企业客户留存、定价能力、不断改善的单位经济效益，以及最终强劲的现金创造能力。

这就是为什么从现在开始，我会特别密切地关注企业采用情况。

当一项新技术吸引人们的注意力时，消费者增长可能会极其迅速。

企业采用则不同。

企业拥有预算、合同、安全要求、整合成本和绩效预期。如果企业因为这项技术已经嵌入其运营而持续逐年为 AI 付费，就会形成一种深层得多的需求。

所以，近 700 亿美元这个数字很重要。

但我不认为它是 AI 估值争论的最终答案。

我认为，它证明了商业化阶段正在加速。

第一个问题是人们是否会使用 AI。

接下来是企业是否愿意为此付费。

现在，更难的问题来了：

AI 企业能否将这种巨大的需求转化为可持续的经济效益？

对 OpenAI 而言，下一章并不只是关于达到 700 亿美元。

而是关于下一个 700 亿美元会发生什么。

创造这些收入需要多少成本？

扣除计算费用后还剩多少？

其中有多少会成为营业利润？

最终，有多少会转化为自由现金流？

我认为，这正是这个故事的真正价值将由何决定的地方。

标题数字令人印象深刻。

接下来重要的是这个数字背后的经济效益。