OpenAI 成本危机：一场为无效投资找借口的操作
原视频： *OpenAI's Finances Just Leaked. We're Cooked* 原作者： MonkeyExplains 发布日期： 2026-07-06 视频链接： https://www.youtube.com/watch?v=eXbZrx5XW_k
---
一、引子：一个椰子摊的破产寓言
想象一个卖椰子的摊位。
第一年，摊主卖了 37 亿美元的椰子，成本花了 124.8 亿——每卖 1 块钱，倒贴 3.4 块。亏了 87.8 亿。
第二年，椰子卖得更好了，营收涨到 130.7 亿。但成本飙到 340 亿——每卖 1 块，倒贴 2.6 块。亏了 209.2 亿。
到了第三年，一个季度的营收就有 57 亿，但运营利润是 -122%。也就是说，每收进来 1 块钱，实际要亏掉 1.22 块。
这个椰子摊就是 OpenAI。
这就是 2026 年 7 月财务泄漏数据揭示的冷酷现实：OpenAI 不是"还没盈利"，而是越卖越亏。而且亏得越来越快。
---
二、财务黑洞：每天烧掉 1.5 亿
2.1 泄漏数据拆解
根据 2026 年 6 月泄露的财务文件（由 *The Motley Fool* 等多家媒体确认），OpenAI 的财务表现如下：
| 指标 | 2024 年 | 2025 年 | 2026 Q1 |
|---|---|---|---|
| 营收 | $37 亿 | $130.7 亿 | ~$57 亿（单季） |
| 收入成本 | $26.5 亿 | $75 亿 | — |
| 研发支出 | $78.1 亿 | $191.8 亿 | — |
| 销售与市场 | $11.1 亿 | $57.3 亿 | — |
| 总成本 | $124.8 亿 | $340 亿 | — |
| 运营亏损 | $87.8 亿 | $209.2 亿 | — |
| 运营利润率 | — | — | -122% |
- 2024 年净亏损 ＄50.9 亿（现金消耗更高达 ~＄220 亿）
- 2025 年运营亏损 比 2024 年翻了一倍多
- 2026 Q1 年化亏损 按季度跑 rate，全年将亏损 ~＄280 亿
- 每日烧钱 约 ＄1.5 亿
2.2 被隐藏的成本
泄漏文件还揭示了一些"不太方便公开"的数字：
- 股票薪酬支出 高达数十亿美元——这是非现金成本，但稀释了所有股东
- 资本支出 未完全体现在运营亏损中，实际现金消耗更惊人
- 未来承诺： 到 2030 年，OpenAI 已签署 $6000 亿 的数据中心建设合同
---
三、萨姆的融资魔术：越亏越值钱？
3.1 千亿融资 + 万亿 IPO
在亏损 ＄209.2 亿的情况下，Sam Altman 完成了一系列操作：
- 2025 年融资： 软银、微软等投资者注入千亿级资金
- 2026 年 IPO： 估值目标 ＄8520 亿–＄1 万亿，高盛、摩根士丹利、摩根大通联合承销
- SpaceX 同款银行阵容： 历史最高估值 IPO 的承销商组合
3.2 财报粉饰三板斧
MonkeyExplains 在视频中揭露了 OpenAI 的"话术工程"：
第一招：强调增长，淡化成本
- 对外口径："2025 年营收增长 253%！"
- 隐藏口径：2025 年成本增长了 272%，亏损增长了 138%
- 2024 年：营收 ＄37 亿，亏损 ＄87.8 亿 → 亏损/营收比 = 2.37
- 2025 年：营收 ＄130.7 亿，亏损 ＄209.2 亿 → 亏损/营收比 = 1.60
第三招：混淆"增长"与"可持续性"
Altman 的叙事逻辑： > "我们增长很快，所以未来能盈利。"
但增长和盈利是两个独立的维度。亚马逊增长快也亏损了 20 年，但亚马逊的亏损是"为了占领市场而主动投资"。OpenAI 的亏损是"每收 1 块就亏 1.22 块"的结构性失血——这不是投资，这是补贴。
---
四、企业 AI 的 5% 诅咒：MIT 的 GenAI Divide
4.1 麻省理工的残酷发现
2025 年 7 月，MIT Media Lab 的 Project NANDA 发布了一份震撼业界的报告：*The GenAI Divide: State of AI in Business 2025*。
研究覆盖了 300 个公开 AI 部署案例、52 次高管访谈、153 位领导者调查，结论令人窒息：
> 95% 的企业生成式 AI 试点，没有产生可衡量的财务回报。 > > 仅 5% 的企业 AI 试点真正实现了盈利。
这就是著名的 "GenAI Divide"（生成式 AI 鸿沟）——一边是 5% 的赢家，一边是 95% 的陪跑者。
4.2 为什么会失败？
MIT 报告指出了四个结构性原因：
1. "学习缺口"： AI 系统无法记住、学习和适应企业的工作流程。能做 Demo，进不了生产环境。 2. 工具与流程脱节： ChatGPT 对个人有用，但对企业没用——它无法深度集成到企业系统中，输出结果不可信、不可控。 3. 预算错配： 50% 的 AI 预算花在销售与营销上，但真正的 ROI 来自后台自动化（削减 BPO 外包、减少机构费用）。 4. 自建陷阱： 内部自建 AI 项目的成功率只有外部合作的一半。
一位制造业 COO 在访谈中说： > "LinkedIn 上的 hype 说一切都变了。但在我们的运营中，根本没有什么实质性变化。我们只是处理合同稍微快了一点，仅此而已。"
4.3 更广泛的行业数据
MIT 的发现不是孤例。2026 年的多项研究交叉验证了这一结论：
| 研究机构 | 发现 | 数据 |
|---|---|---|
| MIT Media Lab | 95% 企业 AI 试点无财务 ROI | 300 案例、52 访谈 |
| RAND Corporation | 80.3% 企业 AI 项目失败 | 2400 项元分析 |
| Forrester 2026 | 79% 感知生产力提升，仅 29% 能衡量 ROI | 企业调查 |
| IBM 2026 | 仅 25% AI 项目达到预期 ROI，16% 企业级规模化 | CEO 研究 |
| Gartner | 40%+ 的 Agentic AI 项目将在 2027 年前被放弃 | 预测 |
| McKinsey 2025 | 73% 企业 AI 试点未能超越概念验证 | 1000+ 高管调查 |
4.4 阴影 AI 经济
MIT 报告还发现了一个讽刺现象：
- 仅 40% 的企业有官方 LLM 订阅
- 但 90% 的员工每天用个人 ChatGPT/Claude 账户处理工作
---
五、AI 落地的四步恶性循环
MonkeyExplains 在视频中提出了一个清晰的企业 AI 落地死循环：
Step 1：裁员换 AI
企业被"AI 将取代人类"的叙事驱动，开始裁员并购买 AI 工具替代。
结果： 大量项目失败。Gannett（美国最大报业集团）用 AI 写体育报道，结果错漏百出，被迫撤回。必胜客的 AI 客服系统让客户愤怒到社交媒体声讨。大众汽车的 AI 质检系统误报率过高，反而增加了人工复核成本。
Step 2：管理层恐慌，强制加码
项目失败没有让管理层反思"AI 是否适合这个场景"，反而引发了更大恐慌——"是不是我们投入不够？"
于是，企业开始强制员工使用 AI：
- 设定 AI 使用量 KPI
- 要求每个部门提交"AI 赋能报告"
- 将 AI 使用与绩效考核挂钩
Step 3：预算耗尽，发现无实质产出
数亿美元烧完后，企业终于意识到：高投入 ≠ 高产出。
此时，CFO 介入审查，发现：
- AI 采购成本远超预期
- 维护和运营成本（提示词工程、模型迭代、数据清洗）被严重低估
- 实际 ROI 为负或接近零
Step 4：要求降价，AI 公司陷入逐底竞争
企业要求 AI 服务商降价。但 OpenAI 本身每服务一个客户就在亏损——涨价丢客户，降价亏更多。
OpenAI 的困境：
- 如果涨价：企业客户转向更便宜的替代方案（Claude、Gemini、开源模型）
- 如果降价：单位经济模型进一步恶化，亏损加剧
- 如果不降价：客户流失，收入增长停滞
这就是 逐底竞争（race to the bottom）——不是谁做得更好，而是谁能烧得更久。
---
六、民众的反抗：谁为 AI 买单？
6.1 成本转嫁的隐秘链条
AI 数据中心不是免费的。它们的成本通过以下链条转嫁给了普通居民：
1. 电力消耗： 一个大型数据中心消耗的电力相当于一个小城市。电力公司需要升级电网，成本通过电价上涨转嫁给所有用户。 2. 水资源： 冷却系统消耗大量水。在水资源紧张地区，这直接影响居民用水。 3. 基础设施： 政府为吸引数据中心投资提供税收优惠，减少的税收由其他纳税人填补。 4. 房地产： 数据中心附近的噪音、电磁干扰、交通拥堵，降低周边房产价值。
6.2 民意反弹
MonkeyExplains 指出，美国多地已出现民众对数据中心的抵制：
- 投票罢免： 支持数据中心建设的当地官员在选举中被选民罢免
- 暂停令： 多个州议会出台新建数据中心暂停令，冻结相关项目审批
- 社区抗议： 居民组织反对在附近建设数据中心，担忧噪音、环境、房产贬值
当 OpenAI 每天烧 ＄1.5 亿时，这钱不是从天上掉下来的。它来自投资者，来自企业客户，最终——来自普通民众被转嫁的成本。
---
七、结论：谁在 cooked？
MonkeyExplains 在视频结尾提出了一个尖锐的问题：
> 如果 AI 真的足够高效，为什么需要强迫员工使用？
这是一个反直觉但致命的观察。真正的好工具不需要强制推广：
- Excel 没有强制推广，但每个办公室都在用
- 电子邮件没有强制推广，但每个人都自发使用
- 搜索引擎没有强制推广，但所有人都主动搜索
这说明什么？
说明当下的 AI 热潮，更像是一场为巨额无效投资找借口的操作。
三个核心悖论
1. 增长悖论： OpenAI 营收增长 253%，但亏损增长 138%。这不是健康的增长，是加速失血。
2. 效率悖论： AI 被宣传为"效率革命"，但 95% 的企业试点没有产生财务回报。这不是效率问题，是匹配问题——AI 能做的事和企业需要做的事，严重错位。
3. 成本悖论： 企业需要低成本高回报的 AI，但 OpenAI 每提供 1 块钱服务就亏 1.22 块。这不是商业，这是 补贴。
最后的问题
OpenAI 的财务泄漏揭示了一个被 hype 掩盖的真相：
> AI 可能是未来，但今天的 AI 产业，是一个由融资支撑、由亏损驱动、由叙事维持的巨大泡沫。
Sam Altman 的万亿 IPO 如果成功，将是人类历史上最大的"把亏损包装成增长"的案例。
而如果失败——
那 ＄6000 亿的数据中心承诺、＄440 亿的累计亏损预测、每天 ＄1.5 亿的烧钱速度，将不是"为了未来的必要投资"，而是人类历史上最昂贵的技术泡沫。
---
参考数据
OpenAI 财务数据（2026 年 6 月泄漏）
| 年份 | 营收 | 总成本 | 运营亏损 | 净亏损 |
|---|---|---|---|---|
| 2024 | $37 亿 | $124.8 亿 | $87.8 亿 | $50.9 亿 |
| 2025 | $130.7 亿 | $340 亿 | $209.2 亿 | — |
| 2026 Q1 | ~$57 亿 | — | — | — |
| 2026 E | ~$250 亿（年化） | — | ~$280 亿（预测） | — |
- 运营利润率（2026 Q1）：-122%
- 每日烧钱：~＄1.5 亿
- 2030 年前数据中心承诺：＄6000 亿
- 预计盈亏平衡：不早于 2029 年
- 2023-2028 累计亏损预测：＄440 亿
企业 AI ROI 数据
| 来源 | 数据 | 时间 |
|---|---|---|
| MIT Media Lab | 95% 企业 AI 试点无财务 ROI | 2025.07 |
| RAND Corporation | 80.3% 企业 AI 项目失败 | 2026 |
| Forrester | 79% 感知生产力提升，仅 29% 能衡量 ROI | 2026 |
| IBM | 仅 25% 达到预期 ROI，16% 企业级规模化 | 2026 |
| Gartner | 40%+ Agentic AI 项目将在 2027 年前被放弃 | 2025 |
| McKinsey | 73% 试点未超越概念验证 | 2025 |
参考论文与报告
- MIT Media Lab Project NANDA. *The GenAI Divide: State of AI in Business 2025*. 2025.07.
- RAND Corporation. *Meta-analysis of Enterprise AI Initiatives*. 2026.
- Forrester. *AI ROI Measurement Survey*. 2026.
- IBM. *CEO Study: AI Adoption and ROI*. 2026.
- Gartner. *Predicts 2026: Agentic AI*. 2025.
- McKinsey. *State of AI 2025*. 2025.
- The Motley Fool. *OpenAI's Financials Were Just Leaked*. 2026.06.17.
- The Information. *OpenAI 2026 Loss Forecast*. 2025.10.
🌟 智谱 GLM-5 已上线
我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用，智谱新一代旗舰模型 GLM-5 已上线，在推理、代码、智能体综合能力达到开源模型 SOTA 水平。
🎁 领取 2000万 Tokens