OpenAI 一季度烧掉 37 亿美元，超过同期收入一半，钱到底烧哪去了

事情是这样的。

今天刷到一条消息，我盯着那个数字看了好几秒。OpenAI 今年第一季度，三个月，现金净消耗 37 亿美元。换算成人民币差不多 250 亿。而它同期的收入是 57 亿美元。

也就是说，它每挣两块钱，就要往外烧掉一块多。

这数字来自《The Information》拿到的一份给股东的披露文件，IT 之家也跟进报道了（原文在这）。我看完第一反应不是震惊，是有点恍惚。因为就在同一周，这家公司刚刚在美国保密递交了 IPO 申请，知情人说最早 9 月就能上市，估值最高可能摸到 1 万亿美元。

一边是一个季度烧掉小半个收入，一边是万亿估值排队敲钟。好家伙，这两件事并排放在一起，怎么看怎么像两个平行宇宙。

我想跟你唠唠这个 37 亿到底烧在哪了，以及为什么一家「最赚钱」的 AI 公司，会同时是一家「最烧钱」的公司。

先说一个容易被忽略的事。烧钱这件事本身，在 OpenAI 这里不是失控，是设计。

很多人一看到「现金消耗」四个字，脑子里浮现的是那种 2015 年共享单车式的烧法，补贴用户、买流量、办公室摆满零食，钱哗哗流出去连个响都听不见。但 AI 这一轮的烧法完全是另一个物种。它烧的不是用户补贴，是物理世界里实打实的钢筋水泥、电力和硅。

你想想看，训练一个前沿大模型要什么。要成千上万张 GPU 连续跑几个月。英伟达一张 H100 的整机方案落到数据中心，单卡综合成本能到三四万美元，一个训练集群动辄上万张卡。这还只是芯片。芯片要插在服务器里，服务器要放进数据中心，数据中心要供电、要散热、要拉光纤。这一整套下来，是按「百亿美元」做单位的基础设施工程。

OpenAI 自己今年初公布的 Stargate 计划（官方公告在这），目标是四年投入 5000 亿美元建 AI 算力基础设施。5000 亿。这个数字大到已经没有体感了，它比很多国家一年的财政预算还高。

所以那 37 亿的季度消耗，放进这个盘子里看，反而显得克制。它烧的不是泡沫，是入场券。这一行的残酷在于，你想留在牌桌上，每个季度都得往里续这么多筹码，少续一点，下一代模型可能就慢半步，慢半步在这个领域就是出局。

说到这我得插一句，这种「为了不掉队必须持续重金投入」的处境，其实我特别能共情。

我日常的工作，是给大模型搭那层让它真正能干活的工程脚手架，agent 的工具链、评测、调度这些。我们团队不大，但每个月光是跑评测和压测烧掉的 API 调用，账单出来的时候我都得深呼吸一下。那还只是「用」模型。OpenAI 是「造」模型，量级根本不是一个维度。我那点账单焦虑，跟人家比起来连零头都算不上。但情绪是相通的，就是那种你明知道这笔钱必须花、花了也未必赢、但不花一定输的拧巴感。

回到主线。除了算力，37 亿里还有一大块，是人。

前沿 AI 这个圈子，顶尖研究员的身价已经魔幻到不像人间定价了。这两年各家挖人，给到核心研究员的整体打包（base + 股权 + 签字费）传出来的数字，单人千万美元级别不是新闻。Meta 去年那一波激进挖角，据多家媒体报道开出过单人上亿美元的天价包，直接把整个市场的锚点拉高了。OpenAI 要守住自己的研究优势，就得在这个被抬到天上的市场里持续接盘。

所以你看，算力 + 人才，这两块加起来，基本就解释了 37 亿大头去哪了。它不是乱花，它是这场军备竞赛的弹药消耗速度。

但真正让我愣了一下的，不是它烧得多，是它一边烧得这么凶，一边还能冲着万亿估值去 IPO，而且市场居然接得住。

这事儿得换个角度看才想得通。

传统生意里，一家公司一个季度烧掉半个收入，投资人早就撤资跑光了。但 AI 这一轮，资本算的不是当下利润，算的是「曲线」。OpenAI 的收入增长曲线确实陡，从几亿美元年化收入到现在百亿级别，没几年。资本赌的是，只要这条增长曲线不断，今天烧掉的每一块钱，将来都会被指数级的收入摊平。

听着挺玄对吧。我用大白话说就是，他们赌的不是 OpenAI 今天赚不赚钱，是赌它会成为下一个操作系统级别的入口。就像当年没人指望亚马逊靠卖书赚钱，大家赌的是它会成为整个互联网的基础设施。亚马逊也确实亏了快二十年，亏到所有人都习惯了，最后一翻身成了万亿巨头。

这个逻辑能不能复制到 OpenAI 身上，老实讲，我也不知道。

我是真的不确定。一方面，AI 的需求是真的，不是当年很多概念股那种讲故事讲出来的需求，是几亿人每天在用、企业真金白银在付费的需求。这一点跟纯泡沫不一样。但另一方面，AI 的成本结构跟软件完全是两回事。

传统软件的魔法在于边际成本趋近于零。微软的 Windows 写一次，复制一亿份成本几乎不变，所以规模一上来利润率高得吓人。但大模型不是。你每多服务一个用户的一次推理请求，背后都是实打实的 GPU 算力在烧电。用户越多，推理成本越高，这是一条会随着规模上涨的成本曲线，不是趋零的那种。

这就是为什么 OpenAI 越成功反而可能烧得越多。ChatGPT 用户涨一倍，它的推理账单不会原地不动，会跟着往上爬。这跟传统互联网「用户上来了就躺着收钱」的剧本，根本不是一个写法。

我有时候觉得，这才是这个 37 亿数字背后最值得琢磨的地方。它不是某个季度的偶然失血，它在提示我们一件更根本的事，AI 这门生意的底层经济学，跟过去三十年我们熟悉的那套软件暴利模型，可能压根不一样。

那对我们这些不在 OpenAI、就是普通用 AI、靠 AI 吃饭的人来说，这事儿意味着什么。

我想了想，至少有两层跟你我有关。

第一层，关于价格。现在我们用 API 也好，用各种订阅制 AI 产品也好，享受的很多其实是「投资人补贴价」。这些公司在用融来的钱替我们扛着真实的算力成本，先把用户和市场占下来。这跟当年打车软件、外卖平台早期的疯狂补贴，是同一套打法。补贴期的价格不是真实价格。哪天这场军备竞赛分出胜负，或者资本耐心耗尽，账单总是要回到桌面上的。所以我自己的态度是，趁现在便宜，多用、多学、把 AI 真正变成自己手里的生产力，但心里得有数，今天这个价不一定是永远。

第二层，更微妙一点，关于我们该把赌注押在哪。

如果连 OpenAI 这种量级的玩家，护城河都得靠每个季度几十亿美元的持续输血来维持，那说明在模型这一层，竞争是极其惨烈、极其烧钱、而且未必有终局赢家的。GLM、DeepSeek、各家开源模型这两年追得有多凶，大家都看到了。模型本身正在快速变成一种会贬值的基础设施，像电一样。

那真正稳的价值在哪。我越来越觉得，不在「拥有最强的模型」，而在「最懂怎么把模型用出花来」。模型会一代代被拍在沙滩上，但你解决具体问题的能力、你对某个行业的理解、你把 AI 嵌进真实工作流的手艺，这些不会因为下一代模型发布就清零。这也是我自己这两年一直在往的方向，少操心追最新的模型参数，多花时间琢磨怎么让现有的模型在我的场景里真的跑起来、跑出价值。

写到这我突然想起万能青年旅店那句，是谁来自山川湖海，却囿于昼夜厨房与爱。

OpenAI 这帮人，要去的是星辰大海，是通用人工智能那个宏大叙事。但落到每个季度的财务报表上，囿住他们的还是最朴素的东西，电费、卡、工资、现金流。再宏大的航程，船底下也得有实打实的燃料在烧。这 37 亿，就是这艘船这个季度烧掉的煤。

我不知道它最终是开向新大陆，还是开进一片烧光了所有燃料的空海。说实话现在没人知道，包括他们自己。

但有一点我挺确定。当一家公司一个季度敢烧掉小半个收入，还有一群最聪明的钱排队抢着递筹码的时候，至少说明牌桌上的人都相信，海的那头是有东西的。

至于到底有没有，可能得等这条增长曲线再走几年，或者等那张万亿估值的入场券真正兑现的那天，才知道答案。

我会接着记。这片海有意思的地方就在于，你永远不知道下一个浪头打过来的，是新大陆的海鸟，还是一块没标在海图上的暗礁。

棒棒的，又是值得蹲守的一年。