奥特曼坦言AI不图暴利!万亿美元基建蓝图浮现,OpenAI转型“算力发电站”

七月的一档播客节目中,Sam Altman抛出了一个让硅谷投资界震惊的观点:OpenAI不需要维持极高的毛利率,也能承担起模型训练的成本。

等等,这是那个融资千亿美元、估值逼近三千亿的OpenAI掌门人亲口说的?

没错,他是认真的。在他勾勒的愿景中,OpenAI将从一家“贩卖智慧”的企业,蜕变为一家“售卖算力”的公司。

2026年7月底,OpenAI掌门人受邀登上Patrick O'Shaughnessy主理的知名投资播客Invest Like the Best。在被问及蒸馏技术、开源廉价模型是否会掏空前沿实验室的盈利空间时,Altman给出了一段极为清晰的商业推演:

"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."

翻译成大白话:我们的调用量将庞大到,即便每笔交易只赚微薄利润,也足以积累训练下一代超级模型的资金。

▲ AI博主Rohan Paul将这段23秒的播客片段剪辑发布于X平台,迅速掀起热议

这是一次战略摊牌。过去三年,所有人都在追问同一个问题:训练GPT-5、GPT-6、GPT-7究竟要烧多少钱?谁来为此买单?Altman终于给出了答案:把推理算力像水电煤气一样按使用量出售。

让我们逐层拆解Altman的逻辑。

训练,是“打造模型”的环节——一次性、集中式、烧钱如流水。业界估算,前沿大模型单次训练成本已是数亿美元起步,下一代模型可能飙升至十亿美元量级。

推理,是“使用模型”的环节——你每向ChatGPT发问、每调用一次API、每运行一个Agent任务,消耗的都是推理算力。这个过程永不停歇,而且随着AI嵌入越来越多的工作流,调用量只会呈指数级攀升。

Altman的构想是:当推理收入达到万亿美元量级时,即便毛利率只有10%–20%,绝对利润也将是千亿美元级别,足以训练任何规模的模型。

电商平台早已验证过这套算术:客单价可以不高,只要订单量足够庞大,照样能撑起庞大的商业版图。

他的判断还延伸到了智能本身的定价。

Altman在同一期播客中明确指出:智能本身将沦为commodity(大宗商品)。就像今天没人关心家里的电来自哪家发电厂,未来也不会有人在意回答问题的是哪家模型,只要够快、够准、够便宜。

那么护城河究竟在哪里?

他的回答是:谁拥有规模最大、成本最低的算力舰队,谁就能胜出。

这是一次令人瞠目的自我降维。全球最昂贵的AI公司CEO,亲口承认自己售卖的东西未来将贬值,真正值钱的是背后那套能以最低成本、最大规模运转的基础设施体系。

▲ 科技媒体The New Stack以"蒸馏不在我前十担忧"为标题报道此次访谈

当主持人追问:DeepSeek、Kimi这类通过蒸馏前沿模型,以百分之一价格提供类似体验的玩家呢?

Altman的回答堪称冷酷:"Isn't in my top 10 worries."

他的逻辑链条如下:

换言之,Altman将蒸馏从“生存性威胁”降级为“定价压力”,前提是OpenAI能维持住那个惊人的用量增长。

而且他补了一刀:OpenAI自己也会搞蒸馏。"我一直假设市面上会有出色的廉价模型,我们必须同时做到最强和最便宜。"

社区自然不会一边倒地认同。

▲ Megan Newman的质疑直击要害:OpenAI并不拥有算力,硬件资源掌握在微软手中

评论区最尖锐的反驳来自Megan Newman。她的论点结构严密、刀刀见血:

这个比喻精准得令人不适。你声称要当“智能电厂”,但发电机、输电线、变电站全归别人所有,你手里仅有一块电表和一张嘴。

另一个值得警惕的声音来自本地化阵营。

Darren Tjan在回复中预言:三年内,新款笔记本上的本地模型将远超现有水平。当越来越多的推理在端侧完成时,云推理的“万亿美元用量”假设本身就可能从根基处瓦解。

这个观点并非无稽之谈。从Apple Silicon到高通的NPU芯片,从Meta的Llama开源到各类量化压缩技术,端侧AI正以肉眼可见的速度逼近“够用”的门槛。如果企业发现本地部署更安全、更廉价、延迟更低,为何还要把数据送到OpenAI的云端?

让我们看看公开数据。OpenAI CFO Sarah Friar在2026年初披露:

与此同时,OpenAI的多年基础设施承诺被广泛引用为约1.4万亿美元。这个数字本身就是一种宣言——“我们大到不能倒”。

投资人视角的Rittenhouse Research做了更细致的拆解:若OpenAI再融一轮750亿(私募)加一轮750亿(IPO),这个模型在数学上或许能跑通,桥接到现金流转正。

▲ 投资人账号逐项剖析OpenAI的资本规划逻辑

关键词是“可能”。这是人类商业史上规模罕见的“先建后用”计划。历史上有AWS这样的成功先例——先烧钱建机房,等需求爬坡后开始印钞。但也有2000年那批光纤公司的前车之鉴——机架空转、灯火全熄。

OpenAI内部正在悄然重新定义“卖了多少”的衡量标准。

Friar在2026年7月发布的《A scorecard for the AI age》中,提出了一个新框架:Useful Intelligence per Dollar(每美元有用智能)。她的四个核心问题是:

▲ CFO Sarah Friar将AI支出评估从"token单价"推向"任务成功率"

这套框架指向一种收费模式转变:未来OpenAI可能按完成的工作计价。一个Agent处理完整个客服工单、跑完整条数据管线后,费用将按整项任务核算。

这与Altman的“帕累托前沿处处最优”遥相呼应:最贵的token未必意味着最贵的任务,一次做对,可能比便宜地重试五次更划算。

为将“最便宜算力舰队”从口号变为现实,Altman还透露了更为激进的布局。

自研芯片Jalapeño被定位为追求tokens-per-watt效率的利器。更远的愿景是:用机器人自动化从电力、芯片制造到机柜部署的整条供给链。

这令人想起苹果当年从Intel换到自研M系列芯片的逻辑——当你将关键效率瓶颈握在手中,你就不再是“租户”。OpenAI显然在试图回应Megan Newman的“抄表员”质疑:我们不会永远租房,我们要自己盖电厂。

让我们冷静片刻。

Altman描绘的是一个尚未兑现的未来:万亿美元推理收入、温和但充足的利润率、自有算力舰队、智能如电流般流淌。这套构想逻辑自洽,现实结果还需经营数据来检验。

压力测试包括:

这项宏大的基础设施计划,正面临“发电厂可能另有其人”的质疑。未来三年的财报将逐步给出答案。

但有一点已毋庸置疑:Sam Altman正在将AI的故事改写为基建生意,“修好水管”取代了“造出上帝”。

这或许是2026年AI行业最深刻的一次商业范式跃迁。