OpenAI 面临消费级 AI 的难看经济账

尽管 ChatGPT 的每周用户已超过 9 亿，OpenAI 仍将资源转向商业产品。这一转向凸显了消费级 AI 的难看经济账。庞大的覆盖面能带来影响力、数据和使用习惯，但每增加一次对话，也会消耗稀缺的计算能力。

市场并未拒绝 AI 助手。消费者支出仍在增长，而 Meta 和多家初创公司也正发现个人智能体的新需求。矛盾隐藏在这种增长之下：消费者期待可预测的订阅价格或免费访问，但服务成本会随使用量扩大。

Anthropic 提供了最鲜明的另一种模式。它围绕开发者和企业建立业务，在这些场景中，使用量可以计费，并与有价值的工作直接关联。OpenAI、Meta 以及新一代消费级智能体如今必须证明，大规模普及能够支撑类似的经济模式。

消费级 AI 回来了，但商业模式尚未解决

新一波个人智能体重新点燃了消费者兴趣，却没有解决其创造者如何获得可持续回报的问题。

Meta 的 Muse 助手、OpenAI 的 Dots，以及初创公司 Instinct，代表着将 AI 变为日常消费者服务的最新尝试。这些产品承诺提供比聊天机器人更主动的体验。它们能够规划跑腿事项、预订服务、协调旅行，并帮助用户在其他服务中完成任务。

这一差异至关重要。智能体 AI 指的是能够朝着目标连续执行一系列行动的系统，而不只是生成回复。更高的可靠性让这些智能体更实用，但也会促使用户进行更长时间的会话并消耗更多计算资源。

Instinct 已凭借处理跑腿事项的能力吸引投资者关注。Meta 可以将 Muse 置入庞大的消费者平台，并依托成熟的广告业务提供支持。OpenAI 则可将 Dots 接入 ChatGPT 已经形成的用户群和使用习惯。

因此，产品机会确实存在。人们重视那些能够减少行政工作、记住偏好并完成多步骤任务的助手。引发这场讨论的这篇消费级 AI 分析并未否认这一点。

变化在于，这些产品出现时，前沿实验室已经花费多年测试消费者变现模式。它们如今知道，受欢迎程度与盈利能力不会自动同步上升。每一次成功的智能体交互都带来真实的服务成本，而消费者通常支付固定费用，或根本不付费。

这带来一种不同寻常的增长难题。传统软件随着用户群扩大，服务成本可能会下降，因为同一份产品可以触达数百万客户。生成式 AI 则几乎必须为每一次请求执行新的计算。

智能体的要求可能更高。它可能需要理解目标、搜索多个来源、调用外部工具、检查自身工作，并重试失败的步骤。用户感受到的一项请求，在界面背后可能会变成多次模型操作。

这并不意味着每次交互都会亏钱。提供商会使用更小的模型、缓存数据、专用系统和使用限制来控制消耗。问题在于，在相同的固定订阅下，重度用户可能产生远高于轻度用户的成本。

消费级产品还面临用户对摩擦极低的容忍度。严格的限制会削弱随时可用的助手承诺。按量计费会让尝试显得有风险。当智能体推荐产品、服务或目的地时，广告也可能带来利益冲突。

结果是，这场回归的基础仍未解决。Muse、Dots 和 Instinct 可以在证明长期经济模式之前先赢得用户。这一策略能够建立有价值的分发能力，但它只是推迟了最棘手的问题，而非给出答案。

需求增长并不保证健康的利润率

消费级 AI 需求正在快速扩张，但单靠增长无法证明每增加一位用户都会改善底层业务。

近期支付数据有力证明，消费者依然希望订阅 AI 服务。Consumer Edge 发现，追踪范围内该类别的支出已连续五个季度同比增长 150% 至 170%。最新一期仍接近这一范围的上限。

同一份消费者支出数据显示，OpenAI 占据约一半的追踪支出。Anthropic 则从 2025 年 1 月不足 5%，增长至 2026 年 8 月下旬约 30%。

这并不像是一个正在失去公众兴趣的类别。它表明，更多人正在找到付费理由，而竞争也在扩大市场。Anthropic 获得了许多近期未曾为 OpenAI 付费的订阅者，而不只是从 OpenAI 手中夺走现有客户。

然而，类别增长与提供商盈利能力衡量的是不同的事情。支付数据记录的是消费者花了多少钱，却无法揭示每位客户消耗了多少计算资源，或提供商为此付出了多少成本。

其他采用率估计也存在显著差异。TechCrunch 引述的研究将付费消费者占比置于较低的个位数水平。另一项调查则发现，日常使用范围广得多，其中用户的付费比例也更高。

这种分歧反映了不同的样本和定义。银行可以看到记录在案的交易，却看不到免费使用情况。调查可以捕捉跨服务的行为，但回答未必与账单记录一致。两种方法都无法提供 AI 提供商完整的损益表。

即便是最强劲的需求数据，也仍面临一个困难的上限。家庭预算中有许多相互竞争的订阅服务，从娱乐和云存储到生产力软件。更聪明的模型并不会自动说服消费者扩大这部分预算。

模型改进对主流用户而言也可能变得不易察觉。研究人员或许会注意到模型在困难评测中的推理能力提升；但向模型询问餐食建议、文档摘要或旅行建议的消费者，实际感受到的差异可能较小。

这削弱了技术进步与付费意愿之间的联系。前沿开发需要持续投入，但消费级订阅价格无法随着提供商每次发布更强大的模型而上涨。

OpenAI 自身的战略也承认了这一差距。该公司表示，其业务如今结合了消费者订阅、工作场所产品、广告、商业服务以及按使用量计费的 API。其商业模式声明将计算能力描述为最稀缺的 AI 资源。

这种组合十分重要。免费和付费的消费者访问可以建立使用习惯。商业服务与广告可以将注意力变现。工作场所产品和 API 则可以依据可衡量的使用量收费。

当这些角色被混淆时，消费级 AI 的难看经济账便开始显现。庞大的免费用户群即使无法独立盈利，也可能具有战略价值。付费订阅即使带来经常性收入，也未必能覆盖每一位重度用户的活动成本。

因此，开发者、购买者和用户应当区分参与度与利润率。每周活跃度证明产品很重要，却不能说明其收入增长速度快于维持它所需的计算、研究、安全和分发成本。

消费级 AI 的难看经济账始于每一条提示

消费级 AI 将固定收入与可变使用量结合，造成的错配会随着助手执行更长、更复杂的任务而愈发明显。

推理是指运行训练完成的模型来回答请求的过程。每一次回复都会消耗芯片、内存、电力、网络和数据中心容量。提供商可以减少这些投入，但无法让边际成本消失。

固定订阅模式掩盖了这种关系。两个人可能支付相同的费用，却产生截然不同的工作负载。一人每周可能只问几个简短问题；另一人则可能上传大型文件、生成媒体内容、进行编程会话，或委托多步骤研究。

这就是为什么“消费级 AI 为何亏钱”不能仅靠订阅者数量来回答。相关单位不只是客户，而是账单周期内客户、模型、提示、输出、工具调用和基础设施的组合。

OpenAI 的财务状况说明了这种压力。记者审阅的财务文件显示，其营收在 2025 年大幅增长；同时，研发费用、营收成本和运营亏损也升至规模大得多的绝对水平。

根据披露的财务文件，OpenAI 在 2025 年录得 130.7 亿美元营收。其营收成本达到 75 亿美元，而研发费用达到 191.8 亿美元。

这些数字涵盖的是整个公司，而非清晰划分的消费级业务部门。它们无法确定单个 ChatGPT 用户或单条提示的确切利润率，但确实说明了为何营收快速增长并不能平息盈利能力争论。

OpenAI 表示，其营收和可用计算能力在 2023 年至 2025 年间均大约增长了十倍。这种同步增长支持了该公司关于更大容量能够释放采用需求的观点，也展示出商业扩张与基础设施之间仍然紧密相连。

效率提升提供了一条可能的出路。提供商可以将简单问题路由至更小的模型，复用缓存结果，压缩上下文，并提高硬件利用率。模型的服务成本可以随着质量提升而下降。

然而，效率也可能刺激更多使用。更快、更便宜的回复会鼓励人们提交更多请求。智能体增加了早期聊天机器人会话中不存在的后台工作。新的图像、语音、视频和编程功能则引入了额外工作负载。

这一效应令 OpenAI 的消费级 AI 经济模式更为复杂。每项操作的成本下降固然有帮助，但当每个人执行更多操作时，总成本仍可能上升。提供商需要让效率提升速度超过用户群增长以及使用强度的增加。

产品设计由此成为一种经济控制系统。使用限制、排队机制、模型路由和功能限制不只是技术决策，它们决定了固定付款能够安全包含多少昂贵的智能服务。

当这些控制措施不可预测时，便会损害信任。助手在紧急任务中无法使用，其价值就会下降。模型悄然变化，可能导致结果不一致。限制性的额度可能会阻碍用户建立可靠的工作流程。

按量计费能够解决部分错配，因为收入会随完成的工作量增加。然而，消费者通常不希望为日常助手承担不确定的账单。企业则更习惯于使用预算、云服务账单和协商承诺。

这种偏好解释了消费级 AI 与企业 AI 之间不断扩大的分野。两类群体可能使用相似的底层模型，但其购买行为不同。企业可以将一项支出与员工时间、软件开发、客户支持或已完成交易联系起来。

消费者通常会把助手与其他月度服务比较；企业则会将其与薪资、承包商、基础设施或生产力损失比较。这给了提供商更大的空间，使定价与经济价值相匹配。

Anthropic 将企业聚焦转化为竞争压力

Anthropic 证明，前沿实验室即使放弃消费者市场主导地位，仍可通过高价值的工作场景需求获得影响力。

核心竞争已不再只是 OpenAI 与 Anthropic 之间的模型质量之争，而是消费者规模与企业变现能力之间的较量。OpenAI 建立了无与伦比的公众认知度，而 Anthropic 则更专注于开发者和组织工作流程。

这种定位会影响两家公司如何分配稀缺的算力资源。一次消费者请求或许能培养忠诚度、强化分发能力；一项企业工作负载则可能支撑一份合同、扩展至整个团队，并嵌入持续性的业务流程。

这种差异并不意味着企业收入唾手可得。企业需要安全性、可靠性、治理能力、集成能力和可衡量的成果。它们也能强势谈判，并随着模型进步而更换供应商。

不过，企业工作提供了更清晰的价值定价方式。AI 编程系统可以与工程时间进行比较评估；客服助手可通过问题解决速度来衡量；研究工作流程则可与现有的人力和软件成本相比较。

Anthropic 的发展势头加大了 OpenAI 在这些工作负载领域的竞争压力。Axios 引述的 Ramp 数据显示，在 2026 年初的一段时期内，首次购买 AI 工具的公司中，Anthropic 获得了超过 73% 的支出份额。

这一企业支出转向仅反映了 Ramp 客户的一部分情况，并不代表整个市场。但它仍提供了一个显著信号：企业买家并不会自动追随消费者市场的热门程度。

OpenAI 已通过收紧优先事项作出回应。其首席财务官表示，她在 2024 年加入时，企业客户约占公司收入的 20%。到 2026 年，这一比例已升至 40%，公司预计还会继续增长。

该公司还将部分消费者项目的资源转向面向企业的模型。根据一次高管访谈，ChatGPT 每周活跃用户中约 95% 并未付费。

这种覆盖范围依然具有重要战略意义。消费者会将工具带入工作场所，在团队内部创造需求，并影响企业最终采用哪些产品。受欢迎的消费者服务可以成为企业销售的分发渠道。

变化在于，消费者市场领导地位越来越像是商业漏斗的顶端，而非最终的商业模式。OpenAI 可以利用 ChatGPT 建立信任和熟悉感，再向组织销售更可预测的访问方式。

这一模式类似于早期的消费者软件市场。热门工具往往先由个人员工带入工作场所，之后供应商再加入管理、安全、协作和采购功能。AI 加剧了这一压力，因为服务成本更高。

因此，消费者 AI 与企业 AI 并非实用性和官僚流程之间的选择，而是两种收入结构之间的选择。一种是在严格的家庭支出上限下最大化覆盖范围；另一种则以更强的经济合理性追求更聚焦的使用场景。

Anthropic 仍面临高昂成本，其对企业市场的集中也带来风险。大客户可能要求折扣、定制支持和专属容量。收入也可能集中于少数买家。

现有证据同样无法证明 OpenAI 的消费者战略已经失败。庞大的公众用户群在商业、电商、设备和合作伙伴关系中创造了选择空间。它也能产生企业优先竞争者难以匹敌的产品反馈。

更有力的结论是：前沿实验室不再将消费者规模视为充分条件。无论它们起步于公共聊天机器人还是开发者 API，最终都在向能够吸收先进模型成本的企业工作流程靠拢。

Meta 和 AI Agent 还有其他变现方式

Meta 及以交易为导向的 Agent 可以挑战标准订阅模式，但替代性收入来源也会带来自身限制。

Meta 进入消费者 AI 市场时拥有独立实验室所不具备的优势。它已经运营着大型消费者网络，以及围绕个性化构建的广告系统。Muse 不需要立即成为独立的订阅业务。

助手可以通过提高参与度、改善推荐或创造新的广告展示场景来强化 Meta 的现有产品。如果助手能在其他领域支撑收入，公司可以容忍更长的直接变现路径。

这种交叉补贴改变了方程式，但并未消除成本。成功的助手可能带来巨大的推理负担。Meta 必须决定，一次 AI 交互何时能为更广泛的平台带来足够价值，以证明该支出合理。

当助手代表用户采取行动时，广告也会变得敏感。传统信息流会推荐内容，同时让其商业动机显而易见。个人 Agent 则可能看似提供中立建议，随后再选择餐厅、产品或服务。

如果付费展示影响这种选择，披露和用户信任就会成为核心问题；如果广告从不影响它，助手或许无法充分受益于 Meta 现有的商业引擎。公司必须清晰地区分协助与推广。

Instinct 正在探索另一种可能性：交易收入。能够预订旅行、取消订阅或购买商品的 Agent，在完成行动时可以获得报酬。收入由此与结果而非对话量相连。

这种方式的上限高于固定的消费者订阅。一笔完成的高价值交易能够支撑比一次随意聊天更多的计算成本。它也将付费与 Agent 展示出具体价值的时刻结合起来。

然而，交易经济取决于用户意图和商家参与度。许多有用的 AI 任务并不会以购买结束。消费者可能会抗拒一个将他们引向佣金最高合作伙伴的 Agent。

初创公司还可以使用前沿实验室构建的模型，以避开部分研究成本。这降低了训练基础模型所需的资本；基础模型是基于广泛数据训练的通用系统。但这并不能消除推理费用或依赖风险。

模型供应商可以改变条款、限制或可用性。初创公司可能需要多个供应商来管理可靠性和成本。产品差异化随后必须来自工作流程设计、记忆、分发、信任和集成能力。

对用户而言，个人上下文能够成为有意义的优势。理解既往项目、文档、偏好和承诺的助手，可以在减少重复说明的情况下完成任务。维护良好的个人知识库可以让这些交互更加一致。

这种上下文也引发隐私和安全担忧。处理预订、消息、财务选择和工作文档的 Agent 需要广泛权限。一次错误操作可能比聊天机器人给出错误答案更为严重。

商业模式可能加剧这些担忧。广告奖励注意力，佣金奖励交易，企业合同奖励工作场所采用。没有一种模式能在所有情况下完美代表用户利益。

最可信的消费者 Agent 会让这些激励机制清晰可见。用户应当知道答案何时受到赞助、交易何时产生报酬，以及数据何时支撑供应商业务的另一部分。

消费者 AI 的艰难经济性并不意味着替代模式不可能实现。它只是让隐性补贴和不清晰的激励机制更难持续。Meta 和 Agent 初创公司拥有比纯订阅实验室更多的选择，但每种选择都会改变产品关系。

三个信号将显示这一方程式是否正在改变

下一阶段取决于企业收入占比、按使用量调整后的利润率，以及 Agent 能否在不削弱用户信任的前提下从完成的工作中变现的证据。

第一个信号是 OpenAI 的收入构成。管理层预计企业客户将贡献更大比例的销售额。如果这在 ChatGPT 使用量依然强劲的同时发生，消费者覆盖范围将越来越像是工作场所产品的获客渠道。

这一结果将强化核心论点。OpenAI 可以维持庞大的公共服务，同时利用企业收入支持昂贵的研究和基础设施。消费者 AI 将继续具有战略重要性，但无需独自支撑整家公司。

反转同样具有参考价值。如果新的消费者产品产生可观的广告、电商或订阅回报，OpenAI 就能证明大众市场智能产品可以支撑更广泛的经济引擎。

第二个信号是供应商是否披露相对于使用量改善的利润率。仅有收入增长已不再足够。投资者和客户需要看到证据，证明服务额外活动所消耗的收入比例正在下降。

关注与模型路由、定制芯片、缓存、更小模型和数据中心利用率相关的改善。只有当用户采用更高强度功能后节省仍能持续，这些变化才有意义。

正确的比较并非孤立地看每个 token 的成本，而是完成一项有用任务的成本。一个使用更多 token、却能完成有价值工作的 Agent，其经济性可能优于一个成本低廉但给出不可用答案的聊天机器人。

这也是知识工作者应当关注的地方。限制和模型选择将决定哪些任务仍可在消费者套餐中使用。高价值、高算力的工作流程很可能会迁移至工作场所产品或按使用量计费的产品。

第三个信号是 Instinct 等 Agent 以及 Muse 等平台助手的交易质量。仅靠完成的购买无法解决问题。关键证据是重复使用，同时没有出现关于引导消费、错误、隐私或不清晰赞助关系的投诉上升。

可靠的交易收入将削弱“企业合同是超越消费者订阅的唯一道路”这一说法。它会赋予 AI Agent 一种更接近交易市场和支付平台的经济结构。

薄弱的留存率或信任问题则会强化向企业市场转移的趋势。企业可以协商规则、审计和服务保障；个人用户除了离开服务之外，可用的工具更少。

开发者应从另一角度关注相同信号。如果消费者 Agent 难以变现，平台所有者将收紧使用规则、优先采用更廉价的模型，或从集成中寻求更多收入。这些决定会影响 API 访问和第三方产品。

企业买家不应假定供应商的受欢迎程度就能保证其持久性。他们应评估服务限制、数据控制、定价结构以及对外部基础设施的依赖。如今补贴重度使用的供应商，未来可能重新设计访问方式。

消费者应预期会出现更多分层。免费访问可以保持广泛，而高级 Agent、更长的任务和持久工作流程会转入付费或赞助体验。这个边界将同样反映服务成本，而不仅是产品复杂程度。

消费者 AI 的艰难经济性并非人们拒绝这项技术的证据。它揭示的是相反的问题：人们希望频繁地将其用于日益复杂的任务，却不必思考每次行动背后的计算成本。

能够长久立足的公司，将在不让助手显得不可信或难以预测的前提下，把这种需求转化为收入。关注它们限制了什么、将哪些工作负载纳入商业产品，以及对商业激励的披露是否清晰。这些选择将表明，消费级 AI 是否已经找到可持续的市场，还是依然只是这个行业最昂贵的获客策略。