奥特曼摊牌：OpenAI放弃暴利，万亿推理收入靠规模取胜
7月底的访谈中，奥特曼直言不讳，追求超高毛利并非其战略重心，这句话让整个AI投资圈为之震惊。
这种表态毫无保留，显然是一次公开摊牌。
一家投入数百亿资金训练模型、背负万亿基建承诺的企业，其掌门人却宣称未来要走薄利多销之路。这种商业逻辑要么疯狂，要么将颠覆整个AI行业的估值体系。
2026年7月28日，在Patrick O'Shaughnessy主持的《Invest Like the Best》第484期中，针对蒸馏威胁，奥特曼抛出了这段备受关注的原话：
"We will have so much usage of our models that we do not need to be a gigantically high-margin business to be able to afford model training... even if we can enjoy a modest margin on trillions of dollars of revenue, we can afford to train some giant models."
翻译成中文就是：即便每赚一块钱只留微薄利润，只要总营收达到万亿级别，就足以支撑下一代巨型模型的训练。
▲ EP.484官方页面，标题"如何创造一个充裕的未来"，充裕是给用户的；薄利是留给自己的
这番话显然经过深思熟虑。同场对话中，他还提到智能将变得可互换，护城河将落在最大且最便宜的算力舰队上。
引发广泛讨论的导火索是关于蒸馏的话题
所谓蒸馏，简单来说，就是顶尖模型被当作"老师"，低成本模型被当作"学生"，以极低价格复制能力。DeepSeek、Kimi的案例常被提及。这直接冲击了前沿实验室的命门。
▲ Podcast Alpha总结：Altman用一个比例回应质疑，万亿推理收入上的温和利润率足以资助训练，无论什么被复制
奥特曼的回应出乎意料地冷静。他说蒸馏"不在我前十担忧之列"，并补充道："我总是假设世上会有很棒的廉价模型，我们最好成为最强且最便宜的那一个。"
这是什么逻辑？既然智能可被复制且变便宜，就不应指望靠智能本身收割超额利润，而应靠体量取胜。别人复制你的能力？没关系，庞大的用户基数和算力规模让你在任何价位都能生存。
▲ The New Stack标题直接引用："蒸馏不在我前十担忧之列"
让我们把奥特曼的商业逻辑拆解为算术题：
传统高毛利软件模式：收入100亿 × 毛利率80% = 毛利80亿，拿去训练下一代模型。
奥特曼的公用事业模式：收入10000亿 × 毛利率8% = 毛利800亿，拿去训练下一代模型。
你看，后者的训练预算是前者的10倍。前提只有一个：推理用量必须达到天文数字级。
现实数据已显现出这条路线的雏形。OpenAI首席财务官Sarah Friar的数据显示，公司算力从2023年的约0.2吉瓦飙升至2025年的约1.9吉瓦；年化收入从约20亿美元增至超过200亿美元。方向正确，但离"万亿"还差两个数量级。
▲ CNBC转述：算力近10倍扩张，收入近10倍扩张，但"万亿"仍是远方
Friar在7月中旬发布的《A scorecard for the AI age》更进一步，将衡量标准改为"每美元完成的有用工作"。商业模式开始出售"成功完成的任务"；原先围绕许可证形成的定价锚点和竞争壁垒也会发生根本性位移。
这套构想在X上引发了激烈争论
▲ Megan Newman的"灵魂拷问"：OpenAI不拥有算力，微软才是房东，OpenAI充当抄表员
Newman一针见血地反驳：Altman声称最大算力舰队是护城河，但OpenAI并不拥有这些算力。GPU在微软的数据中心里，Azure才是房东。当利润率被压低时，租来的硬件上能建什么持久优势？在她看来，OpenAI只是个抄表员。
▲ Darren Tjan预言：三年内笔记本本地模型将远超今天的水平，云推理假设一旦崩塌，经济模型随之崩塌
Tjan则打出端侧牌：如果三年后你的笔记本电脑就能跑出今天云端模型的水平，"万亿推理收入"的前提——人人都来云上跑模型——本身就不成立。
Gill的态度简短明确："Compute scale is the only moat that really matters now."他认为，算力规模已成为最重要的护城河。
▲ Gill赞同算力规模构成核心护城河
这套逻辑早有踪迹
2024年2月，媒体爆出Altman为AI芯片与基础设施寻求高达约7万亿美元量级的资源，当时被视作疯狂。Scott Alexander在Astral Codex Ten上做了一篇精彩的代际成本推演，显示GPT-1近乎零成本、GPT-2约4万美元、GPT-3约400万、GPT-4约1亿，每代跳一到两个数量级，几代之后就会碰到全球算力和电力的硬边界。
▲ 2024年2月，"7万亿"还像天方夜谭；两年后Altman给出了"怎么回本"的答案
2025年底，分析账号Rittenhouse Research拆解了另一次Altman长访谈后的要点：企业增长快于消费侧、受算力约束无法满足需求、1.4万亿承诺分多年释放且有弹性。
▲ 投资人视角：如果再融750亿私募+750亿IPO，现金流模型"可能跑得通"
从"如何筹钱建文明级算力"，到"建成后如何用卖推理的方式回本再投资"；这是一条完整的思想弧线，2026年7月的播客只是把答案说透了。
剥去所有术语和数字，Altman其实在回答一个根本性问题：AI公司的终局形态是什么？
如果AI像传统软件（SaaS），那它应该是高毛利、轻资产、卖许可证的生意，想想Adobe、Salesforce，毛利率动辄70%以上。
如果AI像公用事业（Utility），那它应该是重资产、薄利润、嵌入一切经济活动的基础设施，想想电网、自来水、AWS早期。
Altman选择了后者。这种选择的激进程度，远超大多数人的认知。
因为公用事业意味着：你必须拥有或深度控制基础设施；你必须承受巨额前期资本支出和漫长回本周期；你必须在价格持续下降的环境中靠效率改善维持利润，OpenAI为此在做自研芯片Jalapeño，甚至谈到用机器人自动化整个供给链。
这也解释了为什么他对蒸馏如此淡定：在公用事业模型里，有人复制你的产品并低价出售，只会形成更激烈的竞争，通常不足以判定原厂出局。电网不会因为邻居装了太阳能板就倒闭，只要总用电量还在增长。
Altman将这期播客的标题叫做"如何创造一个充裕的未来"。他的商业算术建立在一个宏大假设之上：AI推理需求将像电力一样无处不在、永不停歇地增长。
如果这个假设成立，全球经济的每一个环节都在消耗AI推理、总量扩张快于单价下降，那OpenAI靠温和利润率也能活。蒸馏带来的主要是定价压力；偿付能力仍取决于推理规模。
如果不成立，端侧模型崛起、需求增长见顶、算力利用率跑不满，那"万亿推理收入"就是写在PPT上的数字，1.4万亿的基础设施承诺将变成有史以来最昂贵的烂尾工程。
答案仍悬而未决。OpenAI已经把巨额资本推向这条路径。