夜雨聆风OpenAI CFO Sarah Friar 这场访谈，表面在谈 IPO、融资、Anthropic、广告和新设备，实际在讲 OpenAI 的生意能不能成立。
核心结论：先把算力买下来，再把需求、产品和商业模式长到足以消化这些算力。
Anthropic 追上来了怎么办？OpenAI 是否错过企业市场？1200 亿美元融资够不够？Friar 把这些问题都拉回同一个公式。
OpenAI 不想只做一个爆款应用，也不想只做一家模型公司。它想站在 AI 智能层，把用户、模型、算力、企业场景和资本配置连起来。AI 竞争的难点也在这里：谁能提前拿到算力，谁能靠近客户价值，谁能把基础设施支出压进一个能回本的商业循环。
◆IPO 只是融资工具
资本市场最关心的问题是 IPO：AI 公司是不是越早上市越有优势？如果 SpaceX、Anthropic 都在往公开市场走，OpenAI 是否也必须加速？
Friar 的回答很克制。IPO 是里程碑，不是目的地。公司不能按“我要上市”来经营。上市只是融资方式之一。
她把 CFO 的职责说成一句话：创造选择权。OpenAI 今年 3 月完成了一轮超过 1200 亿美元的融资，目的不是证明估值，而是给公司留出足够多的行动空间。主持人追问，这是否是历史上最大的私募融资。Friar 说，是，而且比以往案例大很多。她还提到，历史上最大的 IPO 之一是沙特阿美，约 300 亿美元；AI 时代接下来可能会出现多个更大规模的融资事件。
但她不愿意把“谁先上市”当成比赛。她用了市场里常见的一句话：市场最终是称重机，不是人气投票机。很少有人记得 Google 和 Yahoo、Lyft 和 Uber 谁先上市。媒体喜欢把顺序写成戏剧，企业最后要面对的检验更朴素：能不能做大，能不能持续，能不能耐久。
OpenAI 融资买的是时间。它需要的不是一次漂亮的资本事件，而是能提前购买算力、锁定供应链、建设数据中心的钱。AI 基础设施的交付周期太长。等需求完全确认以后再补资源，已经来不及。
◆Anthropic 的追赶，把问题推回战略选择
Anthropic 是更尖锐的问题。它曾经落后，现在在开发者、企业客户甚至收入上看起来已经超过 OpenAI。OpenAI 原本领先，为什么会被追上？
Friar 没有接受这个判断。她不比较单点排名，而是强调 OpenAI 的策略不同。
在她的表述里，OpenAI 要做的是 AI 层和基础设施层。底下要有一个统一的基础模型，上面通过多个界面进入世界。ChatGPT 是消费者入口，每周用户超过 9 亿，很多人第一次接触 AI 就是通过它。她还提到，增长最快的大洲现在是非洲，增长最快的语言包括阿塞拜疆语、哈萨克语等。ChatGPT 的扩散已经不只发生在美国和英语市场。
Codex 是另一个入口。Friar 说，Codex 从 1 月几乎为零的基础，到那个周末已经达到 500 万用户。除此之外，还有企业产品，以及面向不同规模企业的其他入口。
外界担心 OpenAI 被新设备、Sora 等项目分散注意力，导致企业市场不够聚焦。Friar 直接否认。她说，OpenAI 现在的收入大致接近消费和企业各占一半。她最近一周见了 Thermo Fisher、纽约的多家银行、Travelers，以及一家科技公司。企业市场已经在动，而且不是单一行业在动。
但 OpenAI 也不想把自己变成只服务企业的软件公司。Friar 回到 OpenAI 的使命：AGI for the benefit of humanity。不是只服务能付费的人，也不是只服务企业里的人。OpenAI 保留大量免费使用，是为了让更多人先“尝到智能”。她给了一个使用数据：免费用户每天大约问 7 轮，第一层付费用户约 15 轮，Plus 用户大约是免费用户的 3 倍，Pro 用户约为免费用户的 11 倍。
她用了一个手机类比。人们刚拿到翻盖手机时，只知道它能打电话。后来，同一个设备承载了越来越多的生活任务。Friar 认为，智能也会这样。人一旦开始使用，就会沿着更高频率、更高付费、更深依赖的曲线往上走。
这不是一句“我们没有落后”的辩解。Friar 把竞争换成另一个尺度：不能只看某个市场的瞬时排名。OpenAI 想跑通一个循环：消费者、开发者和企业都用同一个模型基础；用户越多，数据越多，个性化越强；模型效率提高后，单位 token 成本下降，毛利改善；毛利再反过来支付更多算力。
她愿意谈的竞争，是这个循环能不能跑通。
◆算力短缺已经变成资本配置问题
谈到算力，问题开始变硬。Friar 18 个月前说过一个框架：1 吉瓦算力，大约对应 OpenAI 每年 100 亿美元收入。那时 OpenAI 抢电力、数据中心、土地和算力，看起来有点激进。现在回头看，更像是提前看到了供给缺口。
Friar 承认，算力现在极其稀缺。OpenAI 的需求正在“垂直爬墙”，token 供给不够。去年 OpenAI 因为大量购买算力挨了不少批评，但她说，现在看幸好提前买了。即便如此，到 2026 年仍然不会有足够算力。
她没有把算力简化成 GPU。她列出的堵点更长：能源、土地、电力、监管审批、机柜、芯片、内存、人才、教育系统，还有信任。
信任为什么也是供应链的一部分？因为数据中心要落在真实社区里。Friar 提到，Sam Altman 当天会在密歇根州 Saline 为一个 1 吉瓦数据中心项目动工。这个项目属于 OpenAI 与 Oracle 相关的数据中心体系。她说，进入社区时，不能自上而下告诉居民“你们需要这个”。社区会说：我自己知道我需要什么。
OpenAI 给社区交代几笔账：不会推高居民电价，OpenAI 会为自己的基础设施和电力付费；会带来 2500 个工会岗位，包括电工、暖通等工作；会缴税，仅这个数据中心就会向密歇根缴纳 10 亿美元税款；还会投入 4500 万美元到教育里，包括 Codex credits。
Friar 又把这件事和人才连接起来。她说，今天不懂 Codex 这类工具的财务人员，就像过去不懂 Excel 的财务人员。这不是一句“AI 很重要”的口号。算力投资、社区接受度、人才教育和企业用工标准已经绑在一起。AI 基础设施要扩张，不能只买机器，还要处理地方政治、社会接受和人才补给。
未来一两年的供需不会轻松。有些产品用到一定时间会提示几个小时后再回来，这不是可接受的体验。Friar 说，OpenAI 在 token 上相对慷慨，是有意为之。免费层虽然拿不到最新模型，但 OpenAI 想让更多人先把智能拿到手里。
但供给现实很硬。Friar 说，2026 年如果想买更多算力，基本很难。2027 年也相当有限。训练算力因为国家安全和战略资产原因，大多仍会留在美国；推理算力则应该全球化。到了 agentic AI 和多模态场景，实时计算需求还会更高。
Sora 这类视频能力因此会被算力卡住。视频很耗算力，但 Friar 明确说，视频不会结束。随着 AI 走向多模态，人不会一直只靠拇指和屏幕交互，而会更多用语音、动作和实时环境与工具互动。她说自己每天都在和 Codex 对话。
新设备也在这个逻辑里出现。OpenAI 与 Jony Ive 团队合作的设备，Friar 没有透露具体形态，只说会在年底前后展示，明年初推出。她已经试用过。她的描述很感性：自然、可爱，技术没有那么机械，好的设计会让技术退到后面。
设备本身不是重点。下一代交互会继续吃算力。今天看起来昂贵的基础设施投入，可能只是多模态和实时交互的前置成本。
◆OpenAI 的经济模型，夹在客户价值和算力成本之间
钱最终还是要回到回报上。OpenAI 花出去的资本，要靠什么赚回来？
过去二十年，很多高回报公司都找到了一个可以不断投入、不断产生高回报的桶。OpenAI 的那个桶是什么？
Friar 从客户价值讲起。她说，这一代能长期存在的高价值公司不会是“魔法公司”。它们仍然会像过去那些伟大公司一样，创造客户价值。客户要么做得更好，要么更有效率，要么获得更多收入。
她举了 Thermo Fisher 的例子。Thermo Fisher 希望更快完成患者筛查，更快拿到 FDA 批准。如果一个癌症患者只剩几周生命，治疗突破从四周缩短到两周，差别可能就是生死。Thermo Fisher 还有数万名一线销售人员，他们也希望用 AI 提高效率。
她还提到，在 OpenAI 内部，Codex 增长最快的群体不只是开发者，而是 go-to-market 团队。AI 的价值不只在写代码，也在销售、市场、财务这些更日常的企业职能里。
客户价值之后，才是毛利率。Friar 说，成本里最大的输入项是算力。算力成本有很强的下降曲线。她提到，从一个模型版本到后续版本，成本下降幅度达到 97% 左右。即使某些新模型价格提高，客户按 token 计算仍可能获得 20% 到 30% 的成本下降，因为单位 token 效率提高得更快。
这会逼迫 CFO 提前下注。如果按今天的成本结构做投资决策，可能会错估未来结果。OpenAI 必须按未来成本曲线配置今天的资本。
Friar 说，她现在关注的是 2028 年之后可以买到的算力。密歇根 Saline 的数据中心，可能要到 2027 年底或 2028 年初才开始产出算力。她现在最缺的，甚至是 2030、2031、2032 年的算力规划。
近两年，OpenAI 还可以自下而上建模：产品是什么，价格大概是多少，消费者的 P 乘 Q 怎么算，周活、日活、消息量和广告收入之间有什么关系。到了更远的年份，方法会反过来：先看已经买到多少算力，再推算这些算力大致能对应多少收入。
她承认，具体收入会从哪里来，并不能完全确定。她举了一个例子：一年前，她给投资者展示 agentic revenue，设想开发者可以用自然语言交给 agent 构建产品，并可能为此每月支付 2000 美元。现在回头看，这个价格还显得保守；但当时很多人根本不相信会发生。
这里要保留一个疑问。Friar 解释了为什么要提前投资，也解释了需求和效率曲线为什么可能支撑这件事。但她没有完整证明未来收入一定覆盖这些投入。她给出的依据是需求不断超预期、模型效率快速提升、客户价值正在显现。这些是强信号，还不是闭合的财务证明。
◆从一个云、一种芯片、一个产品，到一只魔方
如果 1 吉瓦 AI 算力总成本约 500 亿美元，OpenAI 是否需要自己先掏全部钱？1000 亿美元融资只能支撑 2 吉瓦，还是可以撬动 5 吉瓦？
Friar 用“魔方”解释 OpenAI 的算力策略。
两年前，OpenAI 只有一个云服务商 Microsoft Azure，一种芯片 Nvidia，一个产品 ChatGPT，一个价格点每月 20 美元。她说，那时像魔方底部的一个小格子。
现在，OpenAI 已经变成多云、多芯片、多产品。云服务商包括 Oracle、CoreWeave、Microsoft、Google Cloud、AWS，以及一些小型 neocloud。云服务商对 OpenAI 的价值，是把资本开支转换成运营开支。OpenAI 随着收入和使用量付费，不必一开始就自己承担全部建设成本。
芯片侧也在分散。Nvidia 仍然是最重要的优先伙伴，因为它拥有前沿芯片。但 OpenAI 也在使用或推进 AMD、Cerebras，以及与 Broadcom 合作的自研芯片。Friar 的判断是，如果只押一种芯片，就会在技术跃迁时失去前沿位置。
除了云和芯片，OpenAI 也开始进入更接近自建的数据中心模式。她提到，与 SoftBank Energy 在得州建设的数据中心，是从传统 CSP 模式向 built-to-suit 环境转变的开始。这会需要更多资本支出，也带来更多控制权。
这个“魔方”隐喻说的还是选择权。OpenAI 还不是能低成本发债的投资级实体，所以需要通过伙伴关系，把资本压力拆到多个主体身上，同时保持速度。
这不是轻资产和重资产的简单选择。OpenAI 在两者之间移动：能通过云服务商把 capex 转成 opex 的地方，就用伙伴资本加速；必须更深控制的地方，就接受更多资本开支。它追求的不是账面最轻，而是在不确定环境里保留最多路径。
◆所有人都在靠近客户，利润也会向那里集中
过去科技产业分工清楚，Nvidia 卖芯片，Microsoft 做云，应用公司做消费产品。但现在每个人都在进入每一层。OpenAI 做模型、做应用、做芯片，未来也可能更接近云；Nvidia 有芯片，也有开源模型；Google 有云、有芯片、有模型。整个栈在合并。竞争没有变简单，只是利润池的位置变得更敏感。
Friar 的判断很直接：大家都想靠近客户，因为离客户越近，通常越能拿到生态系统中最大的利润。
这也是 OpenAI 要站在 AI 智能层的原因。她提到，一年前还有很多人讨论大语言模型会被商品化，但现在情况在反过来。agentic layer 开始形成后，模型不再只是一次性回答问题，而是通过 context、memory 和 harness 进入持续任务流。
她用自己的 Codex 举例。Codex 里有很大的记忆文件，知道她是 OpenAI CFO，知道她喜欢怎样写东西、怎样表达，知道她关心什么，也知道她是一个有青少年孩子的母亲。这些记忆让模型对她更有用。
企业场景里，这件事更关键。Friar 用自己过去在华尔街的经验做比喻。数据可能显示某只股票在财报电话会后应该上涨，但交易员会告诉你，它不会涨。公开数据没错，但交易员知道某个基金正面临压力，需要减仓，这会在接下来一周压住股价。
她把这称为企业的“直觉”。每个行业都有这种只靠公开数据难以还原的现场判断。当模型开始连接一家公司的记忆、上下文和企业直觉，CEO 和高管才会真正看到它如何增加收入、提高效率。
OpenAI 的商业化想象藏在这里：模型本身不一定永远形成壁垒，但模型一旦和用户记忆、企业上下文、工作流、业务直觉绑在一起，就很难被简单替换。OpenAI 想靠近的不是抽象的“模型能力”，而是客户产生价值的那一层。
◆广告会考验 OpenAI 的信任资产
广告是最后一个信任问题。过去最成功的消费互联网公司里，Google 和 Meta 的核心商业模式都是广告，Apple 也有少量广告。OpenAI 是否会走向广告？广告能否支撑“让全世界免费使用 AI”？
Friar 先划边界。OpenAI 必须保证用户得到的是模型认为最好的结果，而不是赞助商付费后的结果。这个原则不能破。同时，OpenAI 会一直提供无广告付费层，给不想看广告的人。
但她不排斥广告。她引用 OpenAI 内部一个说法：如果 Google 和 Meta 有一个孩子，那可能就是 ChatGPT。
ChatGPT 的广告潜力来自意图和记忆。用户会说“我想买一双适合上台穿的鞋”，模型也知道这个人是谁、有什么偏好、之前问过什么。Friar 认为，memory、context 和 intent 放在一起，会形成一个很强的广告平台。广告收入可以帮助 OpenAI 把更多 AI 使用权开放给更广泛的人群。
她还给了一个资源分配上的判断：如果只优化当下收入，OpenAI 应该把每一个 token 都给 API，因为 API 的收入远高于消费者使用。但 OpenAI 没有这么做。它要建设的是类似电力一样的 AI 基础设施，未来服务消费者、小企业、大企业和政府。
所以，OpenAI 真正押注的不是某一个模型，也不是某一个入口。它押的是一件更难的事：先把算力买下来，再把整个商业系统长到足以消化这些算力。
