OpenAI单季赚100亿亏109亿，谁掏了这张账单？

据福布斯披露的最新投资者财务数据，人工智能大模型领军企业OpenAI在2026年第三季度交出了一份令人瞠目的成绩单——单季营业收入首次突破100亿美元，环比前一季度增长约50％，但与此同时，其单季净亏损也高达109亿美元。这意味着该公司挣回来的每一块钱企业服务费，不仅要全数投入到给上游算力中心和芯片厂商支付的账单中，还需要额外倒贴近十亿美元才能维持运转。

这一数据迅速在全球资本市场引发震动。它不仅直观地展示了当前头部大模型实验室高增长与高失血并存的经营悖论，更揭示了一个正在重塑整个科技行业的残酷现实：在大语言模型的军备竞赛中，研发成本的增长曲线远远跑赢了商业化变现的速度。如何压降单位推理成本，不仅是OpenAI明年冲刺IPO前必须解开的核心难题，也是决定万亿美元估值能否成立的现实检验。

十亿美金进账，全靠企业客户“托底”

单季一百亿美元的营收规模，对于一家尚未上市的非盈利型初创公司而言，已经超过了多数中型跨国互联网企业的体量。推动这一数字狂飙的核心引擎，来自于企业级订阅服务与企业应用分发及API调用的双轮驱动。

随着ChatGPT及相关企业产品渗透至全球金融、医疗和法律等高端行业场景，大客户愿意为其提供的高精度推理能力和私有化部署方案支付高额溢价。此外，开发者生态的快速扩张使得第三方应用基于OpenAI底层模型的开发需求激增，按调用量计费的基础设施业务成为仅次于直接订阅的稳定现金流。

微软财报亦印证了这一合作体量。截至2026年9月30日的财季中，微软来自OpenAI相关的商业确认收入达到100亿美元，占当季总营收的近11％。这表明，无论是直接面向终端用户收费，还是依托微软Azure云底座进行分销，OpenAI的产品线已实质性地成长为全球数字经济中最具变现能力的软件资产之一。

然而，在欢庆营收突破百亿里程碑的同时，财务报表另一端的红色赤字更加刺眼。109亿美元的季度净亏损，意味着该公司的营业开支不仅完全吞噬了当期所有净利润，还出现了超额的资本与现金流出。这背后的推手，毫无疑问是天文数字般的算力基础设施支出。

算力黑洞：训练成本与推理耗费的无底洞

要理解OpenAI为何会陷入“挣钱全上交，还要再倒贴”的局面，必须拆解其资产负债表背后那笔最为庞大的开支——数据中心建设与芯片采购。

大语言模型的研发与迭代本质上是一个极其消耗电力的物理过程。从前期的大模型训练到中后期的海量用户并发推理，每一个环节的推进都需要数以万计的高级GPU集群日夜不息地运转。根据行业普遍测算，训练一个最新一代的基础模型，硬件投入加上电力成本可达数十亿美元；而一旦模型上线，面对每天数以亿计的搜索请求和内容生成任务，推理阶段的算力消耗则是一个持续不断、且随用户量呈指数级放大的无底洞。

在这个产业链条上，OpenAI的每一笔订单都在转化为两大上游供应商的巨额利润：一方是生产尖端计算芯片的美国英伟达及新兴挑战者超威半导体，另一方是负责建设超大型数据中心并提供廉价清洁能源的科技企业。OpenAI向它们支付了高昂的预付款、长期租赁费以及硬件买断费用。

尽管财报未逐项展开具体金额，但结合其单季109亿美元的亏损总额与100亿美元的营收额可以反推，其当季实际发生的综合运营及资本支出超过200亿美元。换句话说，OpenAI每月要在服务器机柜、电力网络、制冷系统和流片代工上砸下百亿美元级别的资金。这种依靠重资产投入堆砌出来的技术护城河，在短期内几乎无法被其他后来者复制。

巨头入局：万亿估值的底气与现实风险

就在OpenAI独自背负着千亿级别的年度亏损疯狂烧钱时，美国硅谷的另一位同侪——Anthropic——正踩着同样的逻辑走向IPO。据公开市场信息梳理，Anthropic凭借极高的营收增速设定了每股70至78美元的发行价区间，隐含市值逼近1．4万亿美元，创下全球科技公司历史最高纪录。

两家企业在烧钱模式上的高度相似性表明，资本市场并未将其视为单纯的软件工具，而是作为未来通用人工智能时代的“新基建垄断者”进行定价。机构资金愿意为目前尚处于巨额亏损中的AI公司提供万亿规模的估值，押注的是其在未来十年对全社会生产力的全面接管。微软将自身总收入占比的十一分之二都划拨给OpenAI相关项目，并承诺持续投入数百亿资金支持数据中心扩建，正是这种长期乐观预期的体现。

但这种预期并非没有风险。一方面，算力成本虽然庞大，但若AI产品的商业化天花板足够高，边际成本终将随着算法优化和新芯片架构的推出而下降；另一方面，若下游企业对AI工具的实际付费意愿出现疲软，或者开源社区的替代品大幅拉低API单价，现有的投入产出比将面临巨大的减值压力。特别是对于微软而言，如何在OpenAI身上兑现这100亿美元的商业回报，是其面临的最直接考验。

未来观察：破解算力学问的三个指标

OpenAI的账本撕开了人工智能商业化初期的真实现场。在追逐更高大模型参数量的同时，未来的产业竞争焦点必将回归到单位经济效率的对决上。投资者和行业观察者可重点关注以下三个变化指标：

第一，推理成本的断崖式下降速度。衡量每百万Token输入输出的价格是否持续走低，将直接决定AI应用能否突破小众圈层进入大众消费市场。

第二，专用芯片对通用GPU的替代比例。如果自研或定制化算力硬件能够降低整体能耗成本，企业的利润率修复才有实质性路径。

第三，开源模型对闭源生态的冲击力度。开源大模型的快速迭代，迫使头部企业必须通过更快的产品功能创新来留住愿意为高价买单的企业级客户。

在这场豪赌中，有人看到了通往万亿市值的唯一门票，也有人听到了商业泡沫破裂前的警报声。而唯一确定的是，那些制造算力的人，已经先一步从这场狂欢中赚走了最大的一份蛋糕。