The Information 报道，据此前未公开的内部财务数据和相关人士的分析，OpenAI 预计今年亏损50亿美金，其亟需在12个月之内筹集更多现金，才能活下去。如果简单分析一下 OpenAI 的收入成本结构，你大概更能深刻理解，Sam Altman 为何将 OpenAI 描述为“硅谷历史上资本最为密集的初创公司”。
以目前现金流，只够活到2025年年底?
参考过去一年的运营数据再结合如今的情况看，OpenAI 今年大概会出现50亿美元的资金缺口。我们知道一个公司能否运转下去，最根本的还是要看现金流。如果假设 OpenAI 一年就是50亿美金的缺口，且不再加大投入，微软在2023年1月给到100亿美金的投资，也就够撑到2025年年底（2023年的资金缺口应该没有50亿美元那么大）。
回收打不正的原因之一就在于大模型公司高昂的运营成本。OpenAI 的成本主要来自推理成本、训练成本和人工成本三大块，据推算一年大概要烧掉85亿美元，这比南苏丹全国一年的 GDP 还要多。
先说推理成本，这指的是 OpenAI 租用微软服务器为 ChatGPT 及底层 LLM 提供动力方面的支出，一位直接了解支出情况的人士表示，截至3月，OpenAI 一年的推理成本将接近40亿美元，而且这还是微软因为两者的关系给出了很大的折扣。
训练成本（包括支付数据费用）预计为30亿美元，是仅次于推理成本的支出大头。去年，OpenAI 进一步推进了对新一代人工智能的训练，因此花费也超出预期，OpenAI 早先计划在训练成本上花费约8亿美元，但结果就是没控制住。The Information 估计，随着该公司推出了新版本的旗舰 LLM，并开始训练新的旗舰模型，今年训练成本还将翻一番。
第三是人力成本，OpenAI 雇佣了约1500名员工，而且员工人数还在迅速增加，这可能会花费约15亿美元。据直接了解支出情况的人士称，OpenAI 预计2023年的员工成本为5亿 美元，而到2023年底，员工人数翻一番，达到800人左右。如今 OpenAI 的员工人数又增加了近一倍，如果其网站上列出的近200个空缺职位能说明一些问题的话，那么在2024年下半年 ，OpenAI 可能还会增加更多的员工。
以上三项加在一起，OpenAI 今年的运营成本可能高达85亿美元，这让此前研究机构给出的34亿美元的 ARR 预估显得“杯水车薪”。
此前 Future Research 的一份报告指出 Open AI 的 ARR 大概在34亿美元左右，The Information 则给出了宽泛的预估数字，它根据 OpenAI 当前2.83亿美元的月收入，结合今年下半年未卜的销售情况，预计 OpenAI 的年收入在40-50亿美元之间，这个缺口比非洲国家布隆迪全国一整年的 GDP 还多。
降不下去的成本、不好增长的营收，
不容易拿到的融资?
抛开融资去看 OpenAI 自己独立存活下去的可能，其实我们会更倾向于认为，在未来的几年里，很难、非常难。
成本比较简单，目前看起来相对有机会的方向是降低推理成本，而对于训练成本，在目前大模型厂商积极抢位、各显神通的阶段，厂商们可能还是倾向于在训练 AI 上加大投入，因而训练和人才成本可能只增不减。
推理成本上，鉴于微软和 OpenAI 的合作关系，OpenAI 其实一直以接近成本价的价格租用微软的服务器，这块儿基本降无可降。一位了解相关事项的业内人士表示，该微软租给 OpenAI 的集群一共配备了35万个英伟达 A100芯片，ChatGPT 占用了其中约29万个芯片（占集群的80% 以上），定价约为每个 A100每小时1.3美元。但在技术架构上未来还有降低推理成本的可能，如果采用模型压缩、量化、并行化等技术，以及合理选择模型规模等等手段，还是有机会实现性能和成本的平衡。
占40亿美元的推理成本是最大头，如果能降下来，还是很可观的。毕竟如果事情往对 OpenAI 更有利的方向发展，未来会有更多人使用它，当然可能不付费，但会产生推理成本，下面我们也会提到。
另外，除了和微软的合作，OpenAI 目前也在积极推进和其他大型企业和机构的合作，可能也会有机会分担一定的成本。
收入方面，OpenAI 的 GPT 系列模型无疑是史上最强，但就赚钱能力来说，现在的局面可以说是十分复杂。
OpenAI34亿美元 ARR 拆分
| 数据来源:Future Research
toC 订阅收入
OpenAI 最大的收入，超过55% 来自于 ChatGPT Plus 用户，全球大约有770万个人用户支付了20万美元的订阅费用。但是如果按照 AI 能力提升、AI 产品普及去判断 ChatGPT 的用户会逐步增加可能是对的，但 ChatGPT Plus 的个人用户会继续增长，可能就有点过于草率了。
首先，全球能够支付得起20美元/月来使用 AI bot 的总人数，可能就不多。经济条件够、有强烈的工作或者学习需求，是2个硬性条件。
在这之外，AI 能力的演进，反而在推动原本花钱的人变成免费用户。
一是自己卷自己。例如本来订阅过 GPT-4的我，支持图片上传、各种小功能的 GPT-4o 免费之后，自然就取消了订阅。而我们编辑部之前有大概1/3的人都花钱订阅了 ChatGPT，而现在都在考虑取消订阅。
一个是别人卷自己。Claude Sonnet 出来之后，很多人都转过去了，这种现象并不少见。
这其实是这几个头部的大模型在卷，能力在拉近，AI 用户本身就爱尝新，粘性并不存在。
另一个在 toC 个人用户上的问题在于，当不付费的用户越来越多，不产生收入也就算了，产生的推理成本切切实实存在的，据 The Information 报道，免费用户的数量在数百万左右。另外一个“坏消息”是，ChatGPT 要被集成到 iPhone 中去，更恐怖的是，苹果并不会付钱，就是这么强势。所以，上面会提及推理成本的下降对 OpenAI 来说，非常关键。
而随着苹果和 ChatGPT 的高强度联通，可能会出现新的生态系统而诞生新的商业机会，但前提是 OpenAI 能够活着等到那天。
另外，随着大模型技术的成熟，距离应用层的爆发也更近一步，而 OpenAI 企业目前暂未推出除了 ChatGPT 以外的独立 C 端应用产品，就 OpenAI 本身的技术能力和产品知名度来看，可能不需要花费很多额外的成本，不知道这里未来是否有可能成为一块收入组成。
ToB 收入
toB 方面，企业版和团队版加起来算是第二大收入，OpenAI 在今年与 PwC 合作来分销，但企业服务这块的竞争激烈程度只能说比 toC 有增无减。
而 toB 的另一块，API，其实我们当时看到数据，第一反应就是，API 的收入竟然有点低?但仔细一想确实能找到合理性，首先大模型的价格战真的是异常热闹，API 的价格一降再降。搜一搜新闻，差不多都是某大模型 API 降级95+% 以上，这里面的某大模型基本可以替换成任何有头有脸的大模型的名字。
而大模型们的钱，很大一部分都被云服务商赚走了。集成了各家大模型的云厂商的财务数据一个比一个好看。例如没什么存在感的 Google Cloud，昨天发布2024年 Q2财报，Google Cloud 首次实现季度收入超过100亿美元，营业利润超过10亿美元。
而大模型本身，却是一边承担着极高的研发压力，另一方面却是只能分到三瓜俩枣。
这样来看，几种现有的收入模式，增长较为困难，更多可能还是要开源，The Information 提及了 OpenAI 可能计划推出真正赚钱的搜索、以及可能 toB 企业迅速买单的 PC Agent。
只能说，对于 OpenAI 来说，好消息，是他们的收入增长比成本增长快，而他的对手，更差劲一些。现在势头比较猛的 Anthropic，收入大概是 OpenAI 的1/10-1/5，但亏损却有 OpenAI 的一半。相对“健康”的财务管理和与对手拉开差距占领更多市场份额，成为了大模型的唯一解。
坏消息是，在闭源模型抢占市场这条路线之外，还有 Meta 这样的开源选手，昨天推出的 Llama3.1405B 在各场景下已经开始对标闭源模型 GPT-4o 和 Claude3.5Sonnet 了。当开源模型的能力开始赶上闭源模型，AI 行业的市场格局可能会发生改变，而在这之上建立的商业模式，可能就不再成立。
另外，在上一轮融资中已经有不少老股东被未选择跟投，当然这其中既有资本本身的投资能力和偏好等主观因素，也有 OpenAI 始终不稳定的组织架构、市场前景暂不明确等客观原因。
不过无论如何，OpenAI 仍然是那个最有希望活下去的大模型创企，因为在当下语境，有多少人希望 ChatGPT 的大厦崩塌，就有多少人希望 ChatGPT 的传奇继续。
商业世界中，产品和钱很多时候都是数字，由一个个数字吸引另一些些数字。
总结
**文章总结：OpenAI面临巨额亏损与生存挑战**根据The Information的报道和内部财务数据分析，OpenAI预计今年将亏损50亿美元，并亟需在未来12个月内筹集更多资金以确保生存。OpenAI已被描述为“硅谷历史上资本最为密集的初创公司”，其巨大的资金需求源于高昂的运营成本，主要包括推理成本、训练成本和人工成本，一年高达约85亿美元，超过南苏丹全国的GDP。
1. **资金现状和生存压力**：
- **现金流紧张**：即使微软在2023年1月为OpenAI提供了100亿美元的投资，也仅能维持公司运营至2025年年底，假设资金缺口不再扩大。
- **运营成本**：包括推理成本（约40亿美元）、训练成本（预计达30亿美元），以及人力成本（约15亿美元），总成本远超预期。
2. **成本结构与分析**：
- **推理成本**：主要由租用微软服务器的支出构成，尽管已有优惠，但仍保持高位。
- **训练成本**：随着新一代人工智能的训练和新模型的推出，训练成本剧增且未来还将翻倍。
- **人工成本**：员工人数快速增长，导致人力成本显著上升。
3. **收入增长挑战**：
- **ToC收入**：主要依赖于ChatGPT Plus的订阅费用，但增长空间有限且面临用户流失风险（如新功能免费化、用户转向竞争对手产品等）。
- **ToB收入**：企业版和API服务的收入虽占一定比例，但竞争激烈，价格不断被压低，且云服务提供商从中分走大部分利润。
4. **未来展望与挑战**：
- **降低成本**：主要集中在推理成本降低上，通过技术优化等方式可能实现一定节省。
- **收入开源**：OpenAI计划推出更多盈利产品，如搜索服务和PC Agent，以提高收入。
- **市场竞争**：在与竞争对手如Anthropic的较量中，OpenAI需保持领先以占据更多市场份额。
- **开源威胁**：开源模型的崛起可能会对闭源模型的市场地位和商业模式构成挑战。
总之，OpenAI面临着严峻的生存挑战，需要在大幅降低成本、增加收入来源以及应对市场竞争和开源威胁等多方面作出努力。虽然未来充满不确定性，但OpenAI作为人工智能领域的领头羊，其生存和发展的潜力仍不容忽视。