OpenAI 现金消耗或达 2780 亿美元，营收赌注持续加大

尽管 2030 年的营收目标接近 3500 亿美元，OpenAI 在 2026 年至 2030 年间的现金消耗预计将达到 2780 亿美元。这些数字来自《金融时报》查阅的一份私营公司演示材料。它们显示，这家企业预计将实现非同寻常的增长，但其现金消耗规模在国家级基础设施项目之外也极为罕见。

据报道，该演示材料预测 OpenAI 今年营收约为 360 亿美元，到 2030 年累计营收将达到 8400 亿美元。然而，随着其持续获取芯片、数据中心、电力和云计算容量，支出预计仍将更高。其算力和基础设施支出在此期间可能合计约 8560 亿美元。

这种组合定义了真正的矛盾。OpenAI 并非只是押注更多用户会为人工智能付费。它是在预期需求、营收和融资尚未完全到位之前，就已承诺配置产能。

这一战略同时给投资者、基础设施合作伙伴和企业客户带来压力。Microsoft、Oracle、Nvidia、SoftBank 及其他合作伙伴，都处于支持 OpenAI 扩张的资本链条中的某个环节。Anthropic 和 Google 等竞争对手则面临不同的问题：是匹配这一规模，还是通过效率和分发能力展开竞争。

OpenAI 现金消耗预测只是故事的一半

这份泄露的预测描绘了一家快速增长、却仍高度依赖外部资本的公司。

据报道，这份私营公司演示材料于 7 月为一项算力交易准备。这一背景很重要，因为该文件并非经审计的财务报表，也不是公开监管申报文件。其中的数字应被视为管理层为特定交易制定的预测。

根据报道中的数据，2026 年至 2030 年间的自由现金流缺口可能合计达到 2780 亿美元。自由现金流衡量的是扣除运营成本和资本支出后剩余的现金。负数意味着企业预计在此期间流出的现金将超过其产生的现金。

与此同时，OpenAI 的营收预测将从 2026 年约 360 亿美元升至 2030 年的 3500 亿美元。这意味着四年内年度营收将增长近十倍。截至本十年末，累计营收将达到约 8400 亿美元。

据交叉验证报道，OpenAI 还预计将在算力和基础设施上投入约 8560 亿美元。这一类别包括训练模型和响应用户请求所需的计算能力，也可能包括数据中心、网络系统，以及交付这些能力所需的配套基础设施。

不应将这些数字视作采用完全相同的会计定义而直接相加。一些基础设施可能由合作伙伴融资或持有，而非 OpenAI。部分承诺也可能成为运营费用，而不是直接资本支出。

核心问题依然清晰：OpenAI 预计营收将大幅增长，但即便如此，仍不足以覆盖其扩张计划中蕴含的现金需求。

报道中的预测还称，该公司最迟可能在 2028 年耗尽其最新一轮融资所得现金。这意味着在预测期内剩余两年需要额外融资、调整支出计划，或实现更强劲的经营表现。

据报道，OpenAI 于 3 月以 8520 亿美元估值融资 1220 亿美元。《金融时报》还报道称，在可能进行公开上市之前，相关讨论可能使该公司的估值接近 1.2 万亿美元。Reuters 联系 OpenAI 时，该公司未立即就泄露数字置评。

估值与现金预测紧密相连。投资者必须相信，未来营收能够支撑今天作出的基础设施承诺。否则，每一轮融资都会成为通往下一项、更大规模资本需求的过桥资金。

这正是为何不能将 2780 亿美元的数字视为普通的创业公司亏损。它处于一项涉及云服务商、芯片制造商、数据中心开发商、能源供应商和金融机构的资本战略之中。

营收必须追上已在建设中的基础设施

OpenAI 在预计客户营收尚未实现前，便已作出长期基础设施承诺。

OpenAI 将算力描述为增长周期的核心。更多计算能力支持更强大的模型，吸引用户，并为进一步扩张带来营收。该公司在其基础设施战略中阐述了这一逻辑。

当采用率、模型质量和营收同步提升时，这一循环颇具吸引力。但其中任何一个要素放缓，局面都会变得难以维持。

数据中心的规划、审批、接入和建设需要多年时间。先进芯片必须在部署前很久就下单。发电和输电项目的周期更长。OpenAI 无法等到 2030 年需求得到确认后，才安排满足该需求所需的产能。

这造成了时间错配。基础设施义务会在预计用于支付它们的大部分营收到来之前出现。

因此，OpenAI 的营收预测比现金消耗这一标题数字更具分量。如果年度营收在 2030 年达到 3500 亿美元，公司便拥有庞大的基础来吸收基础设施成本。若营收显著低于预期，固定承诺却不会以同样速度消失。

要让这一预测成立，多项业务都必须扩张。消费者订阅需要持续增长。企业必须将 OpenAI 系统从有限试点拓展至更广泛部署。开发者必须通过付费 API 处理更多生产工作负载。新产品必须在不让推理成本以同等速度上升的前提下增加营收。

广告也已成为该计划的重要组成部分。据报道，OpenAI 预计今年广告营收为 25 亿美元，到 2030 年达到 1000 亿美元。根据一则广告更新，其广告业务已达到 10 亿美元的年化营收运行率。

这一进展为免费用户变现提供了路径，但也在用户信任与商业激励之间引入新的矛盾。推荐产品的助手必须让付费影响与独立建议保持清晰区分。

企业营收面临不同风险。大型组织在部署涉及私有数据、客户互动或受监管决策的系统时行动缓慢。它们往往会测试多家模型提供商，以避免依赖单一供应商。

以一家围绕 OpenAI 模型构建客户支持系统的软件公司为例。该公司必须评估输出质量、延迟、数据控制、服务可用性以及每次请求的成本。只有这些运营指标依然可接受，模型升级才有帮助。

因此，OpenAI 必须将技术能力转化为可靠的经济价值。基准测试的提升本身并不能保证营收预测所假定的、持续的生产环境使用。

价格压力又增加了一项约束。模型变得更加高效，竞争对手也在持续降低推理成本。客户还会使用路由系统，将简单任务发送给较便宜的模型，并将昂贵系统留给更复杂的问题。

这种做法对买方而言合乎理性，却让依赖使用量增长和足够高的单位使用营收来资助基础设施的预测变得更复杂。

OpenAI 算力支出将风险分散至合作伙伴

公司可以通过将基础设施置于合作伙伴的资产负债表上来限制直接现金消耗，但经济义务依然存在。

OpenAI 无需拥有其使用的每一栋建筑、每一块芯片、每一台发电机或每一条电力接入线路。云服务合同和长期租赁可以将初始资本支出转移给资产负债表更强的企业。合作伙伴随后通过产能承诺和服务费用收回投资。

这种融资结构有助于解释，为何预计算力支出可接近 8560 亿美元，而 OpenAI 的现金消耗仍明显较低。这两个数字衡量的是不同事物：一个描述所使用资源的规模，另一个追踪 OpenAI 自身流出的现金。

Microsoft 仍是这一结构的核心。2 月的一份合作声明称，双方的商业及收入分成关系保持不变，并保留 Azure 作为无状态 OpenAI API 的独家云服务提供商角色。

OpenAI 获得了通过其他安排获取额外算力的灵活性，其中包括 Stargate。这在增加更多交易对手和合同关系的同时，也减少了其对单一基础设施提供商的依赖。

Oracle 和 SoftBank 在更广泛的建设布局中也占据重要位置。Nvidia 提供前沿 AI 集群所使用的加速器和网络系统。数据中心开发商、公用事业公司和贷款方则为围绕这些芯片建设的实体资产提供融资。

每个合作伙伴都可能从 OpenAI 的增长中获益，同时也会承担预测中的部分风险。

为 OpenAI 建设产能的云服务商，必须判断若需求发生变化，这些基础设施能否服务于其他客户。贷款方必须评估数据中心项目背后的信用状况。能源供应商则必须决定，预期 AI 负载是否足以支撑发电和输电投资。

当合同跨越多年时，这些问题会变得更加重要。近期客户可能是 OpenAI，但底层资产的运营寿命通常要长得多。

这种结构也改变了读者对自由现金流的理解。较低的直接现金流出，并不必然意味着基础设施变得更便宜。它可能意味着另一家公司为资产提供了融资，并预计通过未来承诺获得偿付。

这一安排与其他资本密集型行业相似。航空公司租赁飞机，零售商租赁仓库，电信公司则通过供应商为网络设备融资。这些方式降低了即时资本需求，但不会消除长期义务。

AI 基础设施在一个重要方面有所不同：其中的技术可能迅速进步或过时。数据中心仍然有用，但随着新系统出现，其芯片、冷却设计和功率密度的相对价值可能下降。

因此，OpenAI 的算力支出同时包含需求风险和技术风险。合作伙伴必须建设足够产能以支持增长，同时避免被锁定在竞争力下降的设备上。

这一战略仍有可能奏效。OpenAI 的规模为基础设施提供商带来大型锚定客户，而其产品也能为正在建设的产能创造需求。然而，这一安排依赖于整个融资链条持续保持信心。

一次挫折不会仅限于 OpenAI 的账目。它还可能影响多个市场中的云资本支出、芯片订单、数据中心融资和电力规划。

这一预测令投资者和 AI 买方面临压力

OpenAI 的计划要求投资者为资金缺口提供支持，同时客户则要决定其模型是否值得在自身运营中占据长期位置。

投资者面临最明显的压力。公司披露的现金余额可能无法支撑整个预测期。持续扩张或许需要新一轮私募融资、战略投资、债务挂钩结构，或公开募股。

每种选择都伴随着权衡。私募融资可能稀释现有股东权益。公开募股会让 OpenAI 的预测和风险因素受到更严格的审视。债务可能在公司实现正向现金流之前就带来固定偿还义务。

高估值有助于在限制稀释的同时筹集资本，但也会抬高未来投资者对业绩的门槛。一家估值接近 1.2 万亿美元的公司，最终必须产生足以支撑这一规模的盈利和现金流。

基础设施合作伙伴面临相关考验。他们必须决定为单一客户投入多少产能，以及在预测发生变化时如何保护自身利益。合同条款、担保、保证金和转售选择权，变得与项目规模的头条数字同样重要。

企业买家以不同方式感受到这一压力。他们需要确信，所采用的模型、API 和支持安排能够以可预期的条件持续可用。供应商收入增长并不自动意味着服务经济性稳定。

采购团队不应将泄露的预测解读为即将出现财务困境的证据。OpenAI 已吸引了规模异常庞大的资本，并与全球一些最大的科技公司保持合作关系。

不过，这份预测确实值得更仔细地审视运营依赖关系。买家应了解，如果 API 发生变化、某个模型退役或使用条款调整，哪些工作流会失效；也应了解这些工作流能够多快迁移至其他供应商。

对开发者而言，这意味着应在可行时将应用逻辑与单一模型分离。模型路由层、评估数据集和已记录的降级处理行为，都可以降低切换成本。即使首选模型保持不变，这些保障措施也很重要。

知识工作者面临的是同一问题规模较小、但仍具实际意义的版本。AI 工具越来越多地保存项目背景、研究线索、会议记录和生成的草稿。用户应独立于任何单一助手，保留重要的源材料。

竞争对手可以战略性地利用融资压力。Anthropic 可能强调其企业重点、安全性或不同的商业化路径。Google 则可以将模型与已在全球规模运营的云基础设施、广告和办公软件结合起来。

这些公司同样在算力上投入巨资。区别不在于 OpenAI 是资本密集型而竞争对手是轻资产型，而在于谁拥有基础设施、谁为其提供资金，以及哪些既有业务能够吸收风险。

OpenAI 的优势在于围绕 ChatGPT 及其开发者平台集中的需求。其劣势在于，它不像部分大型竞争对手那样拥有成熟的广告和云业务利润。

在基础设施账单压缩其战略选择之前，公司必须持续将产品领先地位转化为经常性收入。竞争对手只需保持足够接近，就能为客户提供可信的替代选择。

OpenAI 收入预测不能证明什么

私下预测展示的是管理层规划的路径，而不是这一路径已经实现的证据。

泄露的数字仍然只是预测。据报道，它们包含在一份与计算交易相关的演示文稿中，而非完整公开的 OpenAI 财务说明。读者无法独立核查每项收入或支出类别背后的假设。

不同演示材料中的定义也可能不同。单独的算力成本未必能与算力加基础设施成本直接比较。已预订收入可能不同于已确认收入，而已签约产能也可能不同于同一年实际支付的现金。

OpenAI 的预测已经发生过变化。早先报道显示，其到 2030 年的预期算力支出低于 7 月的数字。其他报道中的现金流预测也高于最新的 2780 亿美元预测。

修订并不自动意味着欺骗或失败。快速增长的私营公司会随着融资、产品采用和供应商协议的变化更新计划。但这些修订说明，任何一个泄露的数字都不应被视为固定结果。

最大的假设在于收入。从 360 亿美元增长到 3500 亿美元，要求公司在已经相当可观的基础上实现极高的复合增长率。OpenAI 必须新增数千亿美元的年度业务，而竞争对手也在争夺同一批客户。

其基础设施支出可能比需求更具可预测性。一旦签署长期产能协议，即使使用量增长较慢，付款计划也可能持续。因此，收入未达预期会对现金流产生放大效应。

利润率带来另一重不确定性。如果推理成本随使用量上升，即使收入快速增长，盈利能力也可能依然疲弱。效率提升必须超过降价、更高的推理工作负载以及对更快响应的需求。

新硬件可以降低单次计算成本，但能力更强的产品随后可能通过执行更长的推理任务、使用更大的上下文，或生成更丰富的媒体内容而消耗这些收益。单位成本下降并不保证总支出下降。

广告也带来自身的预测挑战。OpenAI 必须在维持用户对 ChatGPT 回答信心的同时，建设定向投放、衡量、销售和品牌安全系统。监管审查也可能限制对话数据如何用于支持广告业务。

3500 亿美元目标可能包含目前仍不成熟的收入来源。设备、智能体、商业、授权、政府部署和其他服务都可能扩大机会，但也使预测依赖于难以建模的产品与用户行为。

目前没有经过独立验证的细分数据，说明每项业务究竟需要贡献多少收入。这限制了与上市公司的比较；后者的分部收入、利润率和资本支出会出现在受监管的信息披露中。

负责任的结论应比乐观或恐慌都更克制。OpenAI 已展示出可观需求，但泄露的演示文稿并未验证完整的 2030 年结果。它揭示了维持其战略所需假设的规模。

三个信号将显示这场押注是否奏效

下一项考验不是又一个头条估值，而是收入质量、融资韧性和基础设施利用率能否同步改善。

第一个信号是详细的财务披露。公开备案、投资者文件或经审计报表，可能澄清收入确认、毛利率、基础设施义务以及预期现金流出的时间。

这些细节将强化或削弱 OpenAI 的现金消耗叙事。强劲的经常性收入和不断改善的推理利润率，会使预测更具可信度；大规模表外承诺或较弱的利润率，则会加剧担忧。

第二个信号是下一次重大融资事件。据报道，OpenAI 预计将在 2028 年前用完近期筹集的现金，因此投资者应关注融资结构，而不只是金额。

由战略合作伙伴领投的融资，可能加深 OpenAI 获得芯片、云产能和分发渠道的能力。包含广泛担保或复杂优先权条款的融资轮，则表明资本提供方希望获得更多保护。

公开上市将提供最清晰的信息。证券备案文件将要求标准化的风险披露和历史财务数据，同时也会让公司在推进长期基础设施计划时承受季度市场压力。

第三个信号是新产能的实际利用情况。公布的吉瓦数和数据中心地点，只有在支撑客户实际使用、且使用量足以证明其成本合理的产品时才有意义。

应关注 API 消耗、企业部署、付费用户留存、广告进展和模型可用性。产能上升同时服务经济性改善，将支持 OpenAI 的战略；闲置或利用不足的产能则会对其构成挑战。

产品发布同样重要，但只能作为利用率检验的一部分。新模型可以吸引关注，却未必产生持久利润率。更强的信号是客户将重要生产工作负载迁移至该模型，并持续留在那里。

对企业团队而言，实际应对方式既不是放弃 OpenAI，也不是忽视融资问题。应跟踪服务表现、合同条款、模型替代方案，以及迁移关键工作流的成本。

开发者应在中断迫使自己作出选择之前，至少测试一个备用模型。买家应将试验性采用与需要长期可用性的系统分开。个人用户应将重要源材料保存在单一平台之外且易于访问的位置。

OpenAI 报道中的计划之所以大胆，是因为预测的两端都极为庞大。公司预计收入接近十倍增长，同时接受 2780 亿美元的负自由现金流，并安排规模远超这一数字的基础设施。

决定性问题在于，需求能否追上已在融资和建设中的基础设施。未来几个月，应关注信息披露、融资条款和实际产能使用情况。这些信号共同将显示，OpenAI 的扩张是在成为一项可持续业务，还是一项日益昂贵的承诺。