#OpenAIAnnualRecurringRevenueNears$70B

OpenAI 接近 700 亿美元的年化营收规模，这是一个巨大的数字。但坦率地说，营收数字本身并不是我最感兴趣的。

重要的是其背后发生了什么。

OpenAI 公布的营收增速显著加快，企业需求在业务中的占比也大幅提升。这告诉我，AI 市场正在进入一个不同的阶段。几年前，最大的问题是人们是否真的会使用生成式 AI。后来变成了企业是否愿意为此付费。现在的问题则是，这些付费能否在大规模下转化为持久且盈利的业务。

我认为，这一区别极其重要。

700 亿美元的年化营收规模并不意味着 OpenAI 已经创造了 700 亿美元的营收。它只是将当前的营收速度外推至一年后的结果。如果增速放缓，年化数字也会发生变化。因此，我不会看到 $70B 就立即断言这家公司值多少钱。

我会关注是什么样的营收构成了这个数字。

企业采用对我而言尤其有趣，因为商业客户可能会深度融入 AI 工作流程。编程、研究、客户支持、内部知识、自动化和生产力，与某人偶尔打开 AI 聊天机器人有着很大不同。一旦公司将 AI 融入日常运营，切换就会变得更加困难，而这项服务的潜在价值也会大得多。

但在所有这些增长的背后，隐藏着一个问题：算力。

AI 并不是普通的软件。更多客户意味着更多推理。更多推理意味着更多 GPU、内存、网络设备、数据中心和电力。如果营收增长 70%，但创造这些营收所需的基础设施也在迅速膨胀，那么仅看表面增长并不能告诉我们足够多的信息。

这就是为什么我的关注点正从“OpenAI 的增长速度有多快？”转向“OpenAI 能以多高的效率实现规模化？”

如果模型效率提升、硬件利用率改善，并且推理成本下降的同时营收继续攀升，那么经济效益可能会发生巨大变化。营收增长将开始转化为强劲得多的利润率。

但如果营收每实现一次重大跃升，都需要新一轮巨额基础设施支出，那么投资者最终会更加关注资本密集度和自由现金流。

这也是估值讨论变得更加困难的原因。一家营收规模接近这一水平的企业可以支撑极高的预期，但估值越高，市场要求其以执行表现作为回报的程度就越高。

我的看法是，AI 已经通过了第一项测试：人们愿意为智能付费。

企业采用正在帮助证明第二项测试：企业愿意将 AI 纳入自身运营。

现在迎来了最艰难的测试：

AI 公司能否将这种巨大的需求转化为可持续的利润，同时基础设施成本不以同样的速度增长？

这就是我会关注的 $70B 标题背后的数字。

营收告诉我们 AI 市场正在变得多大。

利润率和自由现金流将告诉我们，这种增长究竟有多大价值。

@Gate_Square @GateSquare