OpenAI已成“吞金兽”

中经记者 李昆昆 李正豪 北京报道

近日，OpenAI宣布获得新融资1100亿美元，其中300亿美元来自软银，300亿美元来自英伟达，500亿美元来自亚马逊，红旗投前估值7300亿美元。

对此，爱分析首席分析师李喆接受《中国经营报》记者采访时表示，“OpenAI追求全栈AGI，目标是超级模型+超级应用，多线作战，人力、物力都需要资金支持。”

融资用途

此外，OpenAI还与亚马逊签署了战略合作伙伴关系，并与英伟达达成了下一代推理计算技术合作协议。

据悉，亚马逊向OpenAI投资500亿美元，首批投资为150亿美元，在满足特定条件后（实现AGI或完成IPO）未来几个月再投350亿美元。

据OpenAI透露，今年年初以来，每周Codex用户增加了两倍多，现在，越来越多的人正在创建、自动化和交付曾经需要一个完整工程团队的软件。超过900万付费商业用户依赖ChatGPT工作，初创公司、企业和政府正在OpenAI平台上构建，以改变其产品和服务的设计、交付和运行方式。团队从个人生产力开始，迅速转向跨工程、支持、财务、销售和运营的部署。

OpenAI称，消费者、开发者和企业对人工智能的需求正在激增。满足这一需求并让每个人都能访问OpenAI的产品需要三件事：计算、分销和资本。随着本轮融资的进展，预计将有更多的金融投资者加入。

有消息称，OpenAI正在重新设定其资本支出预期。OpenAI向投资者表示，到2030年的总算力支出目标约为6000亿美元，较此前公司CEO阿尔特曼宣称的1.4万亿美元基础设施承诺大幅缩水。

谈及OpenAI的融资用途，盘古智库高级研究员江瀚告诉记者，首先，应对“算力工业化”的巨额资本开支。当前AI竞争已从算法创新转向基础设施军备竞赛，这是维持模型迭代领先的物理底座。

其次，覆盖研发与运营的巨大现金流缺口。受制于推理成本高昂及前沿探索投入，公司年亏损额预计飙升至百亿美元量级。融资旨在填补这一资金鸿沟，确保在实现AGI前的漫长烧钱期中生存。

再次，优化资本结构以冲刺IPO。通过引入亚马逊、软银等战略投资者，OpenAI不仅获得了资金，更锁定了未来供应链安全。这笔巨资是为其可能的上市铺路，用充足的资产负债表向二级市场证明其长期交付能力，从而完成从初创企业到科技巨头的估值跃迁。

阿尔特曼表示，OpenAI很高兴与亚马逊合作，将新一代产品推向市场，期待能够充分利用Trainium芯片；英伟达一直是OpenAI的最重要合作伙伴之一，其芯片是人工智能计算的基石，很高兴能在AWS上运行他们的系统，对英伟达新产品很期待；软银是优秀合作伙伴，很高兴其再次成为OpenAI重要投资方，期待展开更广泛合作。

未来发展

OpenAI和亚马逊还宣布了一项多年战略合作伙伴关系，以加快全球企业、初创公司和终端消费者的人工智能创新步伐。

OpenAI将扩大与英伟达的长期合作，包括使用3GW的专用推理能力和2GW的Vera Rubin系统培训。这建立在微软、OCI和CoreWeave已经运行的Hopper和Blackwell系统之上。资本和基础设施的扩张共同加强了OpenAI在全球范围内培训和部署前沿模型的能力。

另外，OpenAI的老股东微软也没落下。双方发布联合声明表示：之前的合作关系不受影响，微软Azure仍然是OpenAI API的独家云服务提供商，并且微软拥有OpenAI模型和产品中知识产权的独家许可和访问权限。

OpenAI 2025年的营收达到了131亿美元，超出了原定100亿美元的目标。同一年，公司亏损80亿美元。按照OpenAI内部的预测，从现在到2029年，累计亏损将达到1150亿美元，而OpenAI要到2030年才可能实现盈利。

目前全球已有众多大模型公司，OpenAI如何才能保持领先？李喆认为，OpenAI的核心优势在于模型。从全球模型能力来看，OpenAI、Google、Anthropic是第一梯队，从人才密度、资金投入角度，短期再出来第四家的可能性不大。从AGI视角来看，目前基本确立了Google与OpenAI的AI两强格局，Anthropic只是单点能力强。OpenAI脱颖而出的前提是，与Google的基础模型不掉队，再出一个ChatGPT级别的应用。

江瀚认为，首先，竞争格局将从“单点模型比拼”演变为“生态闭环对抗”。未来竞争不仅是参数量的较量，更是算力获取能力、数据飞轮效应与商业落地场景的综合博弈。

其次，OpenAI脱颖而出的关键在于“垂直整合与商业化深度”。必须从通用的聊天机器人转向解决医疗、材料科学等高壁垒行业的具体问题。通过将API深度嵌入企业工作流，建立极高的转换成本，构建比竞争对手更宽的商业护城河。

再次，构建“算力—模型—应用”的正向循环是其核心壁垒。依托本轮融资绑定的算力资源，OpenAI能以更低边际成本训练更强模型，进而吸引更多用户产生数据反哺训练。这种由资本撬动的规模效应，将使其在推理成本和响应速度上形成对手难以复制的结构性优势。

（编辑：吴清 审核：李正豪 校对：陈丽）