OpenAI CFO在高盛Communacopia會議上的發言，資訊量十足！

在高盛Communacopia會議上，OpenAI首席財務官莎拉·弗萊爾發表了一場信息量極為豐富的演講。表面上雖未給出新數字，但卻將OpenAI的商業模式、需求結構和算力策略從頭到尾清楚揭示。

第一、企業業務支撐半壁江山，收入結構已改變。

OpenAI進入2026年時，消費者與企業收入占比分別約60比40，原定於年底達成50比50，卻在年中就已提前實現——「企業業務一直勢如破竹」。7月整體收入運行率同比增長約20%，企業業務同比增長32%，且基數已相當龐大。

結構變化為何重要？美股投資網分析指出，企業客戶一旦嵌入工作流，遷移成本極高，收入的可預測性遠勝於消費者訂閱。OpenAI的收入品質正在提升。

第二、使用強度比收入數字更值得關注。

排名前10%的客戶，每位用戶每週token消耗約為一般客戶的8倍——過去僅3倍；OpenAI內部的用量則為一般客戶的33倍。

她的意思是：我們自己就是客戶未來的預覽。頂尖客戶今天的使用方式，就是普通客戶兩年後的使用方式，token消耗是單向放大的。

具體場景：Canva的程式碼「100%來自OpenAI」，用戶每週創建數十億張圖像；Travelers的AI理賠助手兩個月從八州拓展到全國；

Codex用戶從年初約10萬增至2500萬。

她的原話：自動化編碼是關鍵，已經沒有開發者僅將AI當作輔助工具。

第三、廣告是被低估的一條線。

廣告業務上線七個月即達到10億美元運行率，她稱這是「最快達到十億美元的產品」，現已覆蓋40個國家，WPP和電通已加入，AI原生廣告格式尚未推出。

她形容得很有趣：「如果Google和Meta生了個孩子，那就是ChatGPT」——高意圖搜索加上記憶，站在兩大巨頭商業模式的交會點上。天花板還遠未觸及。

第四、Astra和定價，回應了行業內爭論已久的問題。

Astra在10萬張GPU上進行訓練，是OpenAI史上最大規模的訓練。

兩個重點：

一是業界應採用「每任務成本」而非「每token成本」來衡量模型表現——依Artificial Analysis對比，Astra達到同等結果所需的輸出token比競爭對手的前沿模型少68%；

二是Luna降價80%，用量直接暴增10倍，目前在OpenRouter上的市占超越下一個中國模型。

降價80%、用量上升10倍，收入反而提升——需求的價格彈性極高。她並補充：在Cloudflare上的Luna比GLM 5.3還便宜，前沿實驗室能以低於開源部署的成本提供推論。開源權重「有其位置」，但客戶為整個堆疊付費——算力、數據整合、企業上下文、可靠性。

第五、算力依然「嚴重短缺」。

原話：「我們依然感到嚴重短缺」，每週必須在訓練、研究和服務間做出算力取捨。應對策略是全堆疊推進：雲端合作夥伴、自研晶片、OpenAI設計的德州數據中心，以及「越來越多」的自建設施。

兩個細節：最難的是預測一個「世界從未見過」的業務，必須提前兩到三年開始規劃——過去兩年被批評「過度投資」的部分，「今年真的收到回報」。

ROI紀律：每個模型家族，以迄今收入加未來12個月收入對比算力投入，要求「不僅為正，而且極為正」。每GW收入提升、成本曲線下行，正是她認為毛利率提升的關鍵。

第六、三個新需求方向

客戶詢價最集中的需求是網路安全，「非常緊迫」。

她觀點明確：「把模型關在盒子裡」是謬論——OpenAI自己利用Astra以機器速度發現與修補漏洞，上週於舊金山接待約300名CISO，為防禦方開放更多存取權限是「難以置信的商機」。垂直行業包括晶片設計、生命科學、金融服務，並暗示本週稍晚將於紐約公布金融訊息。

生命科學模型稱為GPT Rosalind；自家Jalapeño晶片九個月流片，模型完成後工程師送往台積電前的最後30天已來不及做優化。

那應該怎麼看待這一切？

這場發言真正驗證了兩件事，也為市場帶來極為明確的產業鏈結論。

第一，AI需求正從「用戶增長」轉向「使用強度增長」。

企業收入占比逾半，頂尖客戶的token消耗達到平均八倍，編碼也從輔助工具走向自動化執行。真正重要的不再是有多少新用戶，而是每位用戶、每家企業未來會消耗多少算力。

第二，OpenAI的商業模式正變得更廣泛。

從訂閱制，到按使用量收費，再到按成果收費，加上廣告這條第二增長曲線，收入不再單靠ChatGPT會員。

而對美股最直接的信號依然是算力。全世界最大的模型公司之一親口承認，算力依然「嚴重短缺」，許多產能必須兩到三年前就規劃。

只要每位用戶的使用強度繼續提升、每吉瓦收入持續增加，上游的算力、儲存、網路以及數據中心這條產業鏈，就很難僅被視為一波短期資本開支行情。

美股投資網VIP全新升級

美股AI量化分析工具產品功能展示