OpenAI可能推迟IPO,数据中心都开工了,为什么还不上市?

OpenAI最近这一连串动作，确实有点让人看不懂。

6月1日，它在美国密歇根州开工建设一座1GW数据中心。

6月8日，OpenAI向美国证券交易委员会提交了保密IPO文件。

到了6月25日，路透社又援引《纽约时报》报道称，OpenAI正在考虑把上市时间推迟到2027年。

刚把IPO材料交上去，没过多久又想缓一缓。

原因其实很现实：数据中心可以提前开工，但企业的AI需求不会按照工程进度表准时增长。

OpenAI现在最难处理的，就是这段时间差。

如果只看用户和收入，OpenAI现在上市并不奇怪。

今年3月，公司完成1220亿美元融资，投后估值达到8520亿美元。ChatGPT周活跃用户超过9亿，付费订阅用户超过5000万，每月收入约20亿美元。

企业业务也在增长，目前贡献了四成以上收入。

但OpenAI想要的上市估值是1万亿美元。

据路透社报道，顾问给公司提供了两个方案：尽快上市，同时接受更低估值；或者等到2027年，继续争取1万亿美元。

Sam Altman显然更愿意等。

这也能理解。上市以后，市场不会只看ChatGPT又增加了多少用户。收入、毛利、现金消耗和算力合同都要定期公开。

模型晚发布几个月，企业收入稍微放缓一点，股价就可能立即反应。

OpenAI选择晚一点上市，可以多积累几个季度的企业收入，也能观察推理成本还能降多少。

AI公司买算力，和我们临时升级一台电脑完全不是一回事。

一座大型数据中心从选址、供电、冷却到正式运行，往往需要几年时间。芯片和云计算资源也要提前签合同。

OpenAI不能等用户把服务器挤满了，再决定扩容。

—— The Barn 1GW数据中心园区规划效果图。来源：The Barn／Related Digital

根据OpenAI首席财务官Sarah Friar公布的数据，公司可用算力在2023年约为0.2GW，2024年增至0.6GW，2025年已经接近1.9GW。

同期年化收入也从20亿美元增至200亿美元以上。

这组数据让OpenAI相信，只要准备更多算力，就能服务更多用户。

可算力要先付钱。

路透社今年2月报道称，OpenAI计划在2030年前投入约6000亿美元购买算力。公司预计同期累计收入超过2800亿美元。

两组数据的统计方式不同，不能直接相减，但资金压力一眼就能看出来。

过去提到OpenAI，大家想到的是模型、ChatGPT和程序员。

现在再看它的合作名单，里面已经有云计算公司、芯片厂商、数据中心开发商、电力企业和建筑公司。

密歇根州那座数据中心预计提供2500多个建筑岗位和450个长期岗位。OpenAI还承诺使用闭环冷却系统，并自行承担项目所需的能源和基础设施费用。

这些已经超出一家普通软件公司的经营范围。

—— OpenAI与Anthropic年度算力支出快速增长。来源：斯坦福《2026年AI指数报告》

竞争对手也在一起增加投入。

Anthropic今年5月完成650亿美元融资，投后估值达到9650亿美元。它同时与亚马逊签订最高5GW算力协议，又与Google和Broadcom签下5GW下一代TPU容量。

斯坦福大学《2026年AI指数报告》统计发现，头部AI公司的收入增长很快，年度算力支出也在持续上升。大型云服务商的资本开支，已经比ChatGPT发布前增加一倍以上。

需求当然存在。

斯坦福AI指数显示，2025年已有88%的受访组织在至少一项业务中使用AI，79%的组织使用生成式AI。

—— 2023—2025年全球组织AI使用率变化。来源：斯坦福《2026年AI指数报告》

但到了智能体，情况就不一样了。

AI Agent在大多数企业职能中的部署率仍然只有个位数。

换句话说，很多公司已经允许员工用AI写邮件、整理会议或者生成文档，却还没有把客服、研发、财务和运营流程大规模交给智能体。

两种使用方式消耗的算力差别很大。

让AI总结一份文件，可能几分钟就结束。让智能体读取公司资料、搜索信息、操作软件，再把任务结果交回来，背后可能要连续调用几十次模型。

OpenAI真正需要的，是第二种使用方式快速增加。

目前Codex已经拥有超过200万周活跃用户，OpenAI的API每分钟处理超过150亿Token。

这些数字说明需求在增长，但距离填满未来数千亿美元的算力投入，还有很长一段路。

目前比较成熟的场景，主要有客服和编程。

客服任务比较固定。企业可以统计AI解决了多少问题，有多少对话需要转人工，客户等待时间有没有缩短。

编程也容易检查。代码能不能运行、测试是否通过、开发时间有没有减少，结果都能留下记录。

—— 结构化、可监测的任务最先显现AI效率收益。来源：斯坦福《2026年AI指数报告》

斯坦福AI指数汇总的研究显示，AI在客户支持工作中带来了约14%至15%的效率提升，在软件开发中的提升约为26%。

这些场景率先商业化，不是因为它们听起来更有想象力，而是因为效果比较容易计算。

医疗诊断、经营决策和复杂研究就慢得多。模型即使给出了答案，企业也要安排人工复核，还要解决数据权限和责任划分。

AI进入真实业务的速度，最终取决于公司敢不敢让它操作系统、修改数据和影响决策。这一步显然比开通一个聊天账号难得多。

对于企业来说，选择AI产品时要看的东西会越来越多。

模型排行榜只能说明一部分能力。真正部署以后，企业还要计算一次任务会调用多少次模型，错误后需要多少人工处理，数据能不能留在自己的系统里，以及未来更换供应商有多麻烦。

收费方式也会跟着变化。

现在很多AI产品按月卖会员。等智能体开始处理完整任务以后，按调用量、任务量或者任务结果收费，可能会更常见。

用户感受到的变化会更直接。

AI可以帮忙完成更多事情，但免费额度、功能分级和订阅价格也可能继续调整。因为智能体工作时间越长，服务商承担的算力成本越高。

权限问题也会变得具体。

让AI读取日历和整理文档，很多人可以接受。让它发送邮件、修改公司数据或者完成支付，用户就需要知道它做了什么，以及能不能在最后一步停下来确认。

OpenAI现在并不缺用户，也不缺人愿意给它投资。

它需要的是更多能够长期运行的企业业务。

如果未来一年，Codex和企业Agent继续增长，推理成本下降，已经预订的算力得到充分使用，OpenAI会更容易向市场解释1万亿美元估值。

要是数据中心建好了，企业部署智能体的速度没有跟上，公开市场就会重新计算这家公司值多少钱。

因此，OpenAI推迟IPO并不一定是坏消息。

它只是想多等一段时间，让企业需求、算力投入和收入增长靠得更近一点。

这些数字，比发布会上的掌声更接近它的生意。

如果你是OpenAI的决策者，你会优先选哪一项？

文中项目图与数据图来自The Barn／Related Digital、OpenAI、Anthropic与斯坦福《2026年AI指数报告》。

瑞视人工智能

AI · 大模型 · Agent · 数字化转型