OpenAI 的增长神话正在撞上算力账单

OpenAI 的营收在增长，但它的现金消耗和算力承诺证明 AI 盈利仍然很难.

OpenAI 这份 Q1 数据给出的不是胜利宣言，而是一张清楚的警告牌：营收 57 亿美元，现金消耗 37 亿美元，经营亏损 93 亿美元，研发支出 86 亿美元。对一家被视为行业标杆的公司来说，这组数字说明 AI 的商业模式还没有走出“规模越大，烧钱越快”的阶段。毛利率升到 39% 当然是进步，但它远不足以抵消持续扩张所带来的资本压力。

第一，营收增长不等于盈利模型成立

最容易被误读的是“营收三倍增长”这件事。57 亿美元听上去很强，但如果同时伴随 37 亿美元现金消耗和 93 亿美元经营亏损，增长本身就不能被当作健康信号。真正值得关注的不是收入曲线有多陡，而是收入能否覆盖推理、训练、销售和基础设施这些硬成本。

这也是为什么 39% 的毛利率改善并不能改变结论。毛利率在抬升，说明单位服务成本在优化，但 OpenAI 仍然把绝大部分新增收入重新投入到模型训练和算力采购里。换句话说，它不是在收割利润，而是在用收入换更大的产能，这更像一场资本密集型竞赛，而不是已经跑通的 SaaS 生意。

第二，未入表的算力承诺才是真正的风险

截至 2025 年底，OpenAI 对云服务商的算力采购承诺高达 6650 亿美元，这个数字比 Q1 的营收大了一个数量级。它的重要性不在于“吓人”，而在于它揭示了 AI 公司最核心的负债形态：不是传统意义上的银行借款，而是长期、刚性的基础设施义务。只要模型继续扩张，算力账单就会跟着上升。

这类承诺大多未入表，恰恰让它在 IPO 之前更敏感。投资者不会只看利润表上的亏损，也会看未来几年必须兑现的资源采购。6650 亿美元意味着 OpenAI 的商业化压力不只是“把用户做大”，而是必须持续找到足够高的付费转化、企业合同和产品线扩展，才能对冲这张账单。没有这个能力，增长越快，财务杠杆就越危险。

第三，OpenAI 证明的是行业现实，不是个案失误

把问题只归结为 OpenAI 的经营方式，是看轻了整个行业。当前大模型竞争的本质，是用海量资本换取模型能力、用户心智和生态入口。训练一次前沿模型、维持高并发推理、持续迭代产品，成本都在上升。只要竞争对手还在追赶，头部公司就不可能轻易减速，因为减速意味着让出技术和市场窗口。

这也是为什么 OpenAI 的财务数据具有示范意义。它不是一家“管理失误”的公司，而是把行业的经济学摊开给所有人看：AI 的价值创造是真实的，但价值捕获仍然滞后。很多公司在演示里展示效率提升，在财务里展示的是基础设施开销。只要推理成本和客户支付能力之间的差距还在，AI 盈利困局就不会消失。

The counter-argument

最强的反对意见是，OpenAI 不该被拿当前财务数据来下结论，因为它还处在基础设施和市场份额的抢占期。历史上，云计算、移动互联网和电商都经历过长期亏损，先做大规模，再通过平台效应和定价权回收利润，这并不罕见。站在这个角度看，今天的高支出不是问题，而是进入下一阶段的门票。

这个反驳成立的一部分在于，OpenAI 确实拥有强品牌、强产品和强分发，它不是从零起步的实验室项目。它也确实在提升毛利率，说明效率改善正在发生。

但我仍然反对把它简单类比成早期互联网公司，因为 AI 的边际成本结构更硬。电商的订单可以随着规模摊薄履约成本，云服务的单位成本可以随着利用率提升显著下降，而前沿模型的推理和训练成本却会随着能力升级继续抬头。OpenAI 的 6650 亿美元算力承诺说明，它面对的不是短期亏损，而是长期资本约束。只要这种约束没有被更高的付费能力或更便宜的计算彻底化解，所谓“先亏后盈”的叙事就只是愿望，不是结论。

What to do with this

如果你是工程师，就别再把“模型更大”当成默认答案，开始把推理成本、缓存策略、模型路由和任务分层当成核心指标；如果你是 PM，就把每一个 AI 功能都绑定到可量化的付费转化或留存提升上；如果你是 founder，就优先设计能穿透算力成本的商业模式，而不是把融资当作产品策略。OpenAI 这份财务数据告诉所有人，同样的增长故事，只有在单位经济模型成立时才值钱。