10亿美元只是开始，OpenAI想做Google和Meta的“孩子”

原创 | 涌流商业 作者 | 林耕

OpenAI CFO Sarah Friar最近谈融资少了，谈怎么赚钱多了。

在9月7日高盛Communacopia + Technology Conference上，Sarah Friar说，公司的企业业务一路狂飙（on a tear）。OpenAI今年初的收入结构还是消费者约六成、企业约四成，原本计划年底做到各占一半，现在这个目标已经提前完成。

仅从6月到7月，公司年化收入增长约20%，企业收入增长32%，而且是在一个已经不小的基数上。

演讲中，她谈的不是怎么卖更多订阅，而是芯片设计、生命科学、金融服务、新的收费方式：未来在部分专业领域，OpenAI未必继续按照用户数和token收费，可能会根据AI真正创造的业务结果来定价。

OpenAI正在衍生出越来越多的收入接口：企业收入已经追平消费者，广告在七个月内做到约10亿美元年化收入（$1 billion in annualized revenue run rate），ChatGPT开始参与商品交易，更高价值的部分开始试验按照产出结果定价。

广告业绩来了

Friar给出了一个很形象的说法来介绍广告业务。她说，如果Google和Meta生了一个孩子，那就是ChatGPT。

在ChatGPT上，用户大概率不是只搜索跑鞋，他可能告诉ChatGPT，自己每周跑三次，膝盖有旧伤，正在准备半马，希望缓震更好，预算1500元。对于广告主来说，这次对话太棒了，它包含了购买意图、使用场景、预算、个人偏好。

Sarah Friar披露，ChatGPT Ads上线不到200天，年化经常性收入ARR就超过10亿美元。广告业务从美国扩展到40多个国家，广告主达到数万家，包括Best Buy、Lowe’s、Newegg、VistaPrint等零售及消费品牌。

OpenAI给这项业务安排的角色，不只是增加一条收入来源。ChatGPT每周有超过10亿用户，其中大量用户并不付费。广告正在承担一个很现实的功能：让广告主替免费用户支付一部分算力成本。

这和传统互联网广告又有一点不同。OpenAI描述的广告场景，不只是用户浏览内容时被动看到广告，而是出现在用户寻找、比较 、作出决定的过程中。一个人向ChatGPT询问该买哪台电脑、去哪家酒店，或者怎样选择一双跑鞋时，本身已经非常接近消费决策的下游。

这也是Friar为什么反复拿Google和Meta作比较。Google最有价值的是即时意图，一个搜索词往往直接暴露用户此刻想买什么；Meta的优势是对用户兴趣、身份、长期行为的理解。ChatGPT理论上可能同时拥有这两种信息：它知道用户此刻在解决什么问题，也知道这场对话之前已经提供了哪些偏好、预算、使用背景。

补充一点：Friar认为目前的ChatGPT Ads还不能算真正成熟的AI-native广告产品。也就是说，10亿美元ARR是在广告形式仍相对早期、产品尚未完全按照AI交互方式重新设计时取得的。

10亿美元是一个起点，不是这项业务的成熟规模。如果OpenAI最终能够把对话中的意图、上下文以及用户主动提供的信息，转化成一种新的广告匹配机制，那它要争夺的就不只是传统展示广告预算，可能就是Google搜索广告最有价值的那部分。

两年前，Sam Altman对AI广告的态度还很谨慎，Friar自己在2024年底也曾提醒，一旦广告主开始为产品买单，公司必须小心真正服务的客户会不会发生变化。现在，广告这件事已经从价值观问题变成了商业模式问题。

收费单位

表面上看，Friar这次演讲的一个信号是，OpenAI开始认真做广告；还有一个更重要的变化——管理层正不断细化OpenAI的收费单位。

ChatGPT刚推出时，收费单位很简单，一个用户Plus每月20美元。API出现后，单位变成token，开发者用了多少模型能力，就按照使用量付费。进入企业以后，又出现了软件行业熟悉的seat。

现在，这张价格表更复杂了：广告主可以替免费用户支付成本，ChatGPT促成商品交易以后可以向商家收取费用；进入芯片设计、生命科学、金融服务以后，Friar开始直接讨论按照business outcome收费。

这次高盛会议上，Friar举了一个很有意思的内部数据 ：

在OpenAI定义的frontier企业，也就是AI使用最深入的一批客户中，每个用户每周消耗的token已经达到普通企业客户的大约8倍，不久前还只有3倍 ；OpenAI自己内部则达到约33倍。

她把这个数据当作一个预测的标尺：如果企业真正把AI嵌入工作流，今天看起来很高的使用量可能只是开始。

Codex提供了另一个例子：年初大约只有10万用户，最新披露的数据已经达到约2500万。Friar认为，编程正在由AI辅助开发者快速进入automated coding。OpenAI正在经历的企业变化，不是员工多打开一个聊天窗口，是AI真正进入了生产流程。

一旦大量公司都如此，按token收费就不是最合适的。

假设一家公司用OpenAI模型完成一项芯片设计工作，模型调用产生的API收入也许只有几千或几万美元，但如果它把设计周期缩短两个月，少做一次流片，创造的经济价值可能高出几个数量级。

Friar这次特别提到OpenAI自己的Jalapeno芯片项目。她称，团队利用OpenAI模型，只用了九个月就把芯片推进到tape-out阶段。OpenAI希望把类似能力提供给外部芯片公司。这正是按业务成果计费（outcome-based pricing）被纳入讨论的缘由。

Friar今年已经多次为这种变化铺垫。她多次谈论成功完成的任务（successful task）和每一美元买到多少有效智能（useful intelligence per dollar）。对于企业来说，最便宜的模型未必真的最省钱。如果一个更强的模型一次完成任务，减少返工和人工审核，总成本反而可能更低。

OpenAI这次还给了一个更直接的价格实验。Friar称，公司最近将低成本Luna模型的价格降低80%，随后使用量增加了约10倍。价格大幅下降，并没有让这门生意缩小，而是刺激了更多使用。

OpenAI管理层现在越来越喜欢谈杰文斯悖论 ：AI变便宜以后，企业不只是用更少的钱完成原来的工作，还会开始做过去做不了的工作。比如，原来只审核最重要的合同，未来可能审核所有合同；原来只让高级工程师做一次模拟，未来可以同时测试几十个方案。

价格下降，用户让AI参与更多工作，创造更大的应用场景。

这套逻辑也解释了OpenAI为什么越来越重视企业业务。Friar 2024年加入公司时，企业收入大约只占20%。今年初已经达到约40%，如今与消费者基本各占一半。

消费者端也还没有停止增长。Friar这次披露，一个新用户在使用ChatGPT的前六个月里，平均消息量会增加约60%，使用场景大致翻倍。今年表现最好的付费产品依旧是Plus和Pro，她把变化概括为用户正在从asking走向doing。

如果AI只是回答问题，一个月20美元和每百万token多少钱，已经足以支撑起清晰的价目表。如果AI开始写代码、审理赔、设计芯片、参与药物研究、金融工作，问题就不只是使用量，而是这些工作最终值多少钱。

保持低利润

Sam Altman最近给公司设想的方向也越来越明确。他希望OpenAI成为一家infrastructure provider，把智能变成像云计算、电力一样可以随时取得的基础设施。他甚至表示，只要公司足够大、增长足够快，可以接受长期保持较低利润率。

Friar负责这套构想的另一半。OpenAI必须不断降低单位智能的成本，又要让它们进入价值越来越高的工作，芯片设计、生命科学、金融服务等提供了另一个可能。

OpenAI有足够强的动力来寻找新的价格单位：2025年，公司收入已经达到约130亿美元，但同期成本和费用约340亿美元。到2026年，仅计算资源支出就可能达到约500亿美元。前沿模型的特殊之处在于，每一次推理和agent任务背后，都还需要真实的GPU、电力、数据中心。

收入高速增长并不自然等于利润增长。2025年，Friar曾说，由于计算资源不足，公司不得不推迟产品、限制客户使用，甚至做出一些明知不划算的商业决定。

现在，她开始越来越多地讨论另一面。OpenAI依然需要更多算力，但作为CFO她正在考虑怎样从这些算力完成的每一项工作中，拿回更多收入，通过一个用户，一个token，一个seat，一次广告，一笔交易，一项任务，或者一个最终结果，来计算AI究竟值多少钱。