OpenAI 的增長神話正在撞上算力帳單

OpenAI 的營收在增長，但現金消耗與算力承諾顯示，AI 仍然很難真正賺錢。

我認為，OpenAI 不是在證明 AI 商業化成功，而是在提醒市場：收入成長不等於盈利模型成立。Q1 57 億美元營收、37 億美元現金消耗、93 億美元經營虧損、86 億美元研發支出，這組數字說明一件事，AI 的主戰場仍是燒錢換規模。毛利率升到 39% 是進步，但離一個可持續的利潤引擎還差得很遠。

第一個論點：營收變大，不代表單位經濟已經成立

最容易被誤讀的是「營收三倍增長」。57 億美元看起來很強，但如果同時伴隨 37 億美元現金消耗與 93 億美元經營虧損，這就不是健康擴張，而是高成本擴張。真正該問的不是收入曲線有多陡，而是收入能否覆蓋推理、訓練、銷售與基礎設施這些硬成本。

39% 的毛利率改善也不能改寫結論。它只能說明單位服務成本正在優化，卻不能證明 OpenAI 已經找到穩定獲利模式。相反，它更像是把新增收入繼續投入模型訓練與算力採購的前奏。這不是 SaaS 式的收割期，而是典型的資本密集競賽。

第二個論點：真正的壓力在未入表的算力承諾

截至 2025 年底，OpenAI 對雲服務商的算力採購承諾高達 6650 億美元，這個數字比 Q1 營收大了好幾個量級。它重要，不是因為數字嚇人，而是因為它揭示了 AI 公司最核心的負債形態：不是銀行借款，而是長期、剛性的基礎設施義務。模型越往前走，算力帳單就越大。

這也是為什麼這類承諾比損益表更值得盯。投資人不只看當期虧損，還會看未來幾年必須兌現的資源採購。6650 億美元意味著 OpenAI 必須持續拉高付費轉化、企業合同與產品線擴展，才能對沖這張帳單。做不到，增長越快，財務槓桿就越危險。

第三個論點：OpenAI 反映的是整個產業的經濟學

把問題只歸咎於 OpenAI 的管理，會低估整個產業的結構。前沿大模型的競爭，本質上就是用海量資本換模型能力、用戶心智與生態入口。訓練一次前沿模型、維持高併發推理、持續迭代產品，成本都在上升。只要競爭者還在追趕，頭部公司就很難減速。

OpenAI 的財務數據因此具有示範意義。它不是單一公司的失誤案例，而是把 AI 的經濟學攤開來看：價值創造是真的，價值捕獲卻還落後。很多公司在 Demo 裡展示效率提升，在財務裡看到的卻是基礎設施開銷。只要推理成本與客戶支付能力之間的差距還在，AI 盈利困局就不會消失。

反方可能怎麼說

最強的反對意見是，OpenAI 不該用今天的財務數據來下結論，因為它仍在搶基礎設施與市場份額。歷史上，雲計算、移動互聯網與電商都曾長期虧損，先做大規模，再靠平台效應與定價權回收利潤，這並不罕見。從這個角度看，今天的高支出不是問題，而是門票。

這個反駁有一部分是對的。OpenAI 的確有強品牌、強產品與強分發，不是從零起步的實驗室項目；而且毛利率上升也說明效率改善正在發生。

但我仍然反對把它直接類比成早期互聯網公司，因為 AI 的邊際成本結構更硬。電商訂單可以靠規模攤薄履約成本，雲服務的單位成本也能靠利用率下降，但前沿模型的推理與訓練成本會隨能力升級繼續抬頭。6650 億美元算力承諾說明，OpenAI 面對的是長期資本約束，不是短期虧損。只要更高的付費能力或更便宜的計算沒有真正出現，「先虧後盈」就只是敘事，不是結論。

你能做什麼

如果你是工程師，就把推理成本、快取策略、模型路由與任務分層當成核心指標，而不是只追求模型更大；如果你是 PM，就把每個 AI 功能綁定到可量化的付費轉化或留存提升；如果你是創辦人，就優先設計能穿透算力成本的商業模式，不要把融資當成產品策略。OpenAI 的財務數據告訴所有人，同樣的增長故事，只有在單位經濟成立時才值錢。