OpenAI 未来五年算力账单曝光:8560 亿美元投入与 8400 亿美元收入之间的缺口如何解释?

《金融时报》披露的内部文件显示,OpenAI 2026 年至 2030 年算力与基础设施支出预计达 8560 亿美元,同期累计营收预期为 8400 亿美元。即使收入目标全部实现,支出与收入之间仍存在 160 亿美元缺口。

《金融时报》9 月 18 日披露的一份 OpenAI 内部演示文件,将大模型行业最核心的财务问题摆上了台面。文件显示,2026 年至 2030 年间,OpenAI 的累计负自由现金流预计达到 2780 亿美元;同一时期,其算力与基础设施支出约为 8560 亿美元,而累计营收预计为 8400 亿美元。即使收入目标全部实现,支出与收入之间仍存在 160 亿美元缺口。

这份文件的重要性不在于单个数字的大小,而在于它呈现了一种新的 AI 商业模型压力:训练和推理所需的算力投入正在超过同期可预期的收入规模。对 OpenAI 而言,算力不再只是研发成本,而是决定融资节奏、估值框架和竞争位置的核心变量。

8560 亿美元算力投入,对应 8400 亿美元收入预期

根据文件披露,OpenAI 预计在 2026 年至 2030 年间投入约 8560 亿美元,用于训练大模型所需的电力、土地、芯片采购和数据中心建设。这类支出并非传统意义上的软件研发费用,而是覆盖 AI 基础设施全链条的资本开支。

与之对应的是较为激进的收入预测。文件显示,OpenAI 预计营收将从今年的 360 亿美元增长至 2026 年的 360 亿美元,并在 2030 年达到 3500 亿美元;2026 年至 2030 年累计营收预计为 8400 亿美元。

  • 2026 年至 2030 年算力与基础设施支出:约 8560 亿美元
  • 同期累计营收预期:8400 亿美元
  • 同期累计负自由现金流:2780 亿美元
  • 最乐观情形下的收支缺口:160 亿美元

这里的 2780 亿美元并非总支出,而是负自由现金流,即资本开支减去折旧后的净现金流出。这意味着,OpenAI 每年实际消耗的现金将高于账面支出。即便营收按照内部预期兑现,公司仍难以仅靠经营现金流覆盖基础设施投入。

文件还显示,OpenAI 在 2026 年 3 月完成 1220 亿美元融资,估值为 8520 亿美元。按照文件测算,这笔资金预计到 2028 年消耗完毕。目前,OpenAI 正就新一轮融资进行谈判,目标估值为 1.2 万亿美元,较上一轮上涨约 40%。

算力供给成为竞争壁垒,融资逻辑随之改变

OpenAI 的支出计划并非单纯的财务扩张,而是围绕算力资源的提前锁定。素材提到,OpenAI 与 NVIDIA 签订了长期合作协议,并独家租用位于俄亥俄州的一座 8GW 算力园区,相关担保金额达到 1050 亿美元。

这类安排显示,AI 行业的竞争重点正在从模型算法延伸至基础设施供给。顶级芯片交付周期长达 12 至 18 个月,数据中心建设通常需要 2 至 5 年,电力容量则成为真正稀缺的物理资源。在供给刚性的环境下,先行锁定算力资源的公司能够更早获得训练能力和平台承载能力。

这也改变了资本市场的定价方式。8520 亿美元估值对应的是 AI 应用公司的估值框架,而 1.2 万亿美元目标估值则更接近 AGI 基础设施垄断者的叙事。两种框架下,同一业务实体的估值倍数可能相差两倍以上。

投资者判断的关键并不只是当前利润,而是烧钱速度是否能被未来收入覆盖。OpenAI 内部给出的判断是“会覆盖,只是需要更长时间”。这一判断成立的前提有两个:一是 2030 年 3500 亿美元营收目标能够达成,二是大规模基础设施投入能够转化为可复用的竞争壁垒。

大模型成本仍在非线性上升,商业模式面临验证窗口

OpenAI 的财务压力,与大模型训练成本的变化趋势直接相关。素材提到,从 GPT-3 到 GPT-4,训练成本从约 460 万美元上升至 1 亿美元以上,增长约 200 倍。虽然具体数字存在争议,但方向较为明确:模型能力提升需要不成比例的算力投入。

这种非线性增长使传统互联网公司的规模效应难以直接套用。软件产品可以通过复制降低边际成本,但大模型训练和推理都依赖持续的算力消耗。随着用户规模扩大,推理成本也会上升;随着模型代际升级,训练成本也会继续抬高。

因此,OpenAI 的账本并不是一次简单的亏损扩张,而是在测试一种新的基础设施商业模式:先用巨额资本支出锁定算力资源,再通过模型能力、开发者生态和平台收入逐步回收投入。

这一模式存在多个验证节点。2026 年至 2027 年,市场将重点观察 1220 亿美元融资的消耗进度以及新融资进展;2028 年至 2029 年,收入路径和算力投入是否能转化为壁垒将成为关键;到 2030 年之后,OpenAI 是否能在 AGI 技术路线中保持位置,才会决定这套长期叙事能否成立。

对行业而言,这份文件的意义不只是揭示 OpenAI 的资金缺口。它提供了一个观察窗口:当算力成为 AI 产业的核心生产资料,资本消耗效率、基础设施控制力和融资能力正在共同决定一家 AI 公司的生存边界。

原创文章,作者:点点,如若转载,请注明出处:https://www.dian8dian.com/openai-wei-lai-wu-nian-suan-li-zhang-dan-pu-guang-8560-yi

Like (0)
点点的头像点点
Previous 2026年9月21日 下午1:00
Next 2026年9月21日 下午3:00

相关推荐

  • GPT-6 Astra 修改 Qwen 权重:0.016% 参数改动的不是能力,而是故障

    MIT CSAIL 实验显示,GPT-6 Astra 可通过权重空间编程修改 Qwen3.5-0.8B 约 0.016% 参数,将 MATH-500 成绩从 7.9% 提升到 48.1%。但技术核查表明,这次修改更像修复推理循环故障,而非为模型新增能力。

    大模型 2天前
    00
  • Llama 3 技术报告拆解:开放权重模型如何靠数据、量化与长上下文提升部署效率

    Meta 公开的 Llama 3 技术报告,详细拆解了 8B、70B、405B 三个开放权重模型的训练与部署路径。相比跑分,报告更值得关注的,是数据治理、FP8 量化、长上下文扩展和推理优化这些工程细节。

    2026年10月9日
    00
  • Google 将“智能体”引入 Gemini:企业版先落地,AI 助手开始接管任务

    Google 正在把 Gemini 从“会回答问题”的 AI,推进到“能完成任务”的智能体阶段。在周四举行的 Google Cloud 活动上,Google 宣布推出统一智能体产品,能够代表用户规划任务、调用工具、连接企业内部系统,并在单个界面中完成执行。这项能力将首先面向企业客户推出。从回答问题到“接受目标”Google Cloud CEO Thomas Kurian 在介绍中表示,新智能体可以接受“目标,而不仅仅是指令”。这意味着它不只是根据一句话执行单步操作,而是能够拆解任务、规划工作路径、调用定制技能和工具,并连接企业内部系统来完成结果。这一变化反映出 AI 助手行业正在从聊天式交互,转向更接近数字员工的产品形态。近期,Meta 推出了面向消费者的 Muse,Instinct 等产品则探索基于消息应用的智能体能力,ChatGPT 也推出了 Dots。Google 此时将 agentic AI 引入 Gemini,意味着大型云厂商正在把 AI 助手推向真实业务流程。Google CEO Sundar Pichai 在活动开场提到,Gemini 目前拥有超过 10 亿月活跃用户,并且近 90% 的财富 100 强企业已经在使用 Gemini Enterprise。这也解释了 Google 为什么选择先从企业场景切入:相比消费级市场,企业客户已经存在较明确的数据、权限、协作和管理需求。Pichai 表示,先面向企业推出智能体,有助于 Google 解决这类强大系统在安全、规模和性能方面的问题。模型选择、任务收件箱与子代理协作在产品机制上,Gemini 新智能体会默认选择最适合完成任务的模型,但用户也可以手动切换模型。目前第三方模型选项首先支持 Anthropic 的 Claude 模型,Google 表示未来还会加入开源模型和其他私有模型。用户在发起请求时可以附加文件、文件夹,或针对特定工作流设计的项目组合。智能体可以连接企业的数据和业务系统,包括 Google Workspace、Microsoft 365、Slack、Jira、Confluence、Git、BigQuery、Databricks、Postgres、Snowflake 等。同时,它也可以与企业网络内外的 Model Context Protocol(MCP)服务器安全连接。为了让用户理解 AI 正在做什么,Google 提供了一个“任务收件箱”界面。用户可以在其中查看 Gemini 的思考过程、任务如何分配给子代理、加载了哪些特殊技能、代码执行情况和整体进度。更值得注意的是,这个 AI 智能体将拥有自己的 Workspace 账户,就像公司里的一名普通同事。它拥有自己的邮箱和上下文,可以了解公司内部的团队结构、成员时区、审批流程、日历安排等信息。用户可以通过 @提及、邮件、文件共享或群聊方式调用它。当智能体执行操作时,系统会生成归属于该智能体而非某个员工的操作审计记录。任务规划:接受目标后自动拆解工作并选择工具模型调度:默认自动选择模型,也支持手动切换,首批第三方模型包含 Claude系统连接:支持 Google Workspace、Microsoft 365、Slack、Jira、BigQuery、Snowflake 等过程透明:通过“任务收件箱”查看思考过程、子代理分工和进度企业身份:智能体拥有独立 Workspace 账户,并生成独立审计记录企业 AI 助手竞争,进入执行层该智能体将支持 iOS、Android、Windows、Mac、命令行、Google Workspace、Microsoft 365、ServiceNow 和 Slack 等多个入口。早期测试客户包括运动品牌 On、Shopify 和 PayPal。Google 同时列出,Gemini Enterprise 客户还包括 BNP Paribas、Bradesco、Merck、Orange Spain、Santee Cooper、SOMPO、Ulta Beauty 和 Wesfarmers 等企业。成本方面,Google 提出了新的弹性支出选项,包括多模型编排、智能路由和实时支出上限,帮助企业控制 AI 使用费用。这一点对于企业级智能体尤为关键:当 AI 开始调用多个模型、访问多个系统并执行复杂任务时,计费透明和成本边界会成为采购决策中的核心问题。对企业市场而言,Gemini 新智能体的意义不只是增加一个聊天入口,而是把 AI 推向任务执行层。过去企业 AI 助手更多停留在知识问答、内容生成和简单自动化;而 Gemini 试图通过模型选择、跨系统连接、子代理协作、独立身份和审计机制,构建一个更接近“数字同事”的产品形态。这也让企业 AI 助手的竞争重点发生变化:不再只是比模型谁更聪明,而是比谁能更安全地接入企业系统、更可控地调度模型、更完整地记录执行过程,并在真实业务流中承担责任。Google 选择先从企业客户开始,既是因为其企业基础更强,也因为在企业环境中验证权限、审计、成本和安全性,是这类智能体真正落地前必须解决的问题。

    大模型 2026年10月10日
    00
  • OpenAI被曝在Astra中试用“循环深度”推理,安全圈为何紧张?

    The Information称,OpenAI新一代模型Astra正在使用一种名为“循环深度”的推理技术。由于该技术可能减少可读思维链记录,AI安全研究者开始担心,模型监控难度会随之上升。

    2026年9月4日
    00
  • Google推出Gemini 4 Argon:主打编码与网络安全的新旗舰模型

    Alphabet 发布 Gemini 4 Argon,称其为目前最强的 Gemini 模型。新模型主打编码、研究与网络安全能力,并已通过 Fairwind Program 向部分安全合作伙伴开放。

    大模型 2026年10月3日
    00
  • 不做自然语言生成的 Jev,为何仍被频繁讨论

    Jev 被讨论,并不是因为它要替代大语言模型,而是因为它把 AI 系统里高频、轻量的结构化判断任务单独拆了出来。它不生成自然语言,只在有限选项中做快速决策,也让行业重新思考大模型与专用判断模型之间的边界。

    2026年9月21日
    00
  • 从写提示词到设计循环:Loop Engineering 正在改变 AI 编程的工作方式

    继提示词工程、上下文工程和驾驭工程之后,AI 编程圈开始关注 Loop Engineering。它并不是简单让 AI 重复执行任务,而是通过目标设定、反馈闭环和状态记忆,让编程 Agent 自动推进,直到完成可验证结果。

    大模型 2026年10月5日
    00
  • 当Agent开始遗忘,Hindsight给出一种更接近人类记忆的解法

    传统RAG擅长即时检索,却难以沉淀长期经验。Hindsight通过仿生记忆结构、动态反思机制和MCP支持,尝试为Agent建立可持续演化的长期记忆能力。

    大模型 2026年9月29日
    00
  • 漫剧创作进入自动化时代——奇异AI漫剧制作工具,一站式解锁高效创作新路径

    随着短视频、新媒体内容的爆发式增长,漫剧作为兼具趣味性与传播性的内容形式,已成为创作者、内容机构的新风口。但传统漫剧创作流程繁琐,分镜绘制、画面生成、视频剪辑等环节不仅耗时耗力,更…

    2026年2月1日
    00
  • OpenAI 安全团队再现人事震荡:三名研究员因敏感信息外传被解职

    《华尔街日报》称,OpenAI 解雇三名安全团队研究员,理由是他们违反内部规定,将敏感信息分享给第三方 AI 安全组织。此次事件发生前,OpenAI 刚被曝忽视内部安全警告,并因安全顾虑取消 GPT-6.1 Astra 发布。

    大模型 2026年10月3日
    00
  • AI安全依赖的思维链审计,正在成为攻击者可操控的剧本

    一项2026年9月提交的研究显示,攻击者可通过向模型上下文植入看似正常的推理计划,绕过基于思维链的安全监控。该论文由Keertana Chidambaram、Andrew Ilyas和Vasilis Syrgkanis完成,题为《Corrupt Plans, Clean Traces: Evading Chain-of-Thought Monitoring with Plan Injection》。

    大模型 2026年9月17日
    00
  • 又有两家美国报纸起诉 OpenAI 和微软:AI 训练正在消耗新闻业自身

    《西雅图时报》与《新闻日报》起诉 OpenAI 和微软,指控其未经授权使用新闻内容训练 AI 模型。新闻机构对大模型训练数据的版权争议,正在从个别媒体诉讼走向更集中的行业冲突。

    2026年9月7日
    00
  • Anthropic 提出“放缓前沿”三步方案:AI 安全从口号走向可核查机制

    Anthropic CEO Dario Amodei 提出“放缓前沿”的三步方案:引入第三方嵌入式评估、协调民主国家安全标准、推动有限全球合作。OpenAI CEO Sam Altman 表示认同。AI 安全讨论正从风险警告转向可核查机制。

    2026年9月15日
    00
  • OpenAI公布Jalapeño推理芯片基准:面向大规模服务,兼顾速度与能效

    OpenAI在Hot Chips上公布Jalapeño芯片首批基准测试,InferenceX结果显示其在每用户token数和每千瓦吞吐量上均优于现有先进推理处理器,并计划于2026年底开始小规模部署。

    2026年8月27日
    00
  • Meta 新模型把第一梯队 AI 推理成本压到八分之一:Agent 应用迎来成本拐点

    Meta Muse Spark 1.3 以 62 分进入 Artificial Analysis 第一梯队,同时把输入输出成本大幅压低。对 Agent 应用来说,前沿模型的竞争开始从“谁更聪明”转向“谁更值得调用”。

    2026年9月4日
    00
  • 当雪花视频让大模型集体交白卷:视频理解真正缺的是时间感

    一项“雪花视频”测试显示,人类能轻松识别动态噪声中的内容,主流多模态大模型却几乎全部失败。问题不在图像识别,而在现有架构缺少稳定的时间感知能力。

    大模型 2026年9月15日
    00
  • OpenAI 首次公布 Jalapeño 推理芯片成绩:以更省电方式追赶英伟达 GB300

    OpenAI 在 Hot Chips 大会上首次披露 Jalapeño 推理系统基准成绩。在 InferenceX 测试中,其每瓦完成工作量为对比系统的 1.5 至 1.9 倍,端到端延迟约为 28% 至 59%。

    2026年8月26日
    00
  • 从提示词到运行底盘:AI Agent工程中的Harness与Loop分工

    一篇技术文章将 AI Agent 工程拆分为 Prompt、Context、Loop 与 Harness 四层,并提出“Harness = Agent − Model”,重新解释智能体系统的工程重心。

    大模型 2026年10月5日
    00
  • 单张RTX 5090跑125B MoE:Strata把大模型本地化的难题拆开给你看

    125B级MoE模型不再只属于服务器。Strata在单张RTX 5090上通过量化、专家缓存、KV分层和投机解码跑通大模型,本地AI部署的工程路径正在被重新定义。

    大模型 2026年10月10日
    00
  • NASA与IBM开源月球基础模型:让月表冰区和陨石坑识别更高效

    NASA 与 IBM 发布开源月球基础大模型,可识别月表冰区与陨石坑,并同步开放配准数据集,为月球遥感与基础模型应用提供新的科研工具。

    2026年9月11日
    00