OpenAI真實成本曝光？外洩數據顯示燒錢速度恐是公開數字的三倍

aidj

OpenAI真實成本曝光？外洩數據顯示燒錢速度恐是公開數字的三倍

一份疑似來自 OpenAI 內部的財務文件正在科技圈引發震盪，內容顯示這家 AI 巨頭的實際運營成本可能遠超外界想像。如果屬實，不只 OpenAI 的財務健康堪憂，整個 AI 產業的獲利前景都將打上大問號。

爆料者是誰？
揭露這份文件的是科技博主 Ed Zitron，他同時經營時事通訊《Where"s Your Ed At》和公關公司 EZPR。矛盾的是，他一邊在個人平台痛批 AI 產業是資本泡沫，預言即將破裂；一邊卻透過公關公司為多家 AI 新創提供服務。這種「既批判又代言」的雙重身分，讓他成為科技界極具爭議的人物。

驚人數字：成本是公開報導的三倍
根據 Zitron 披露的數據，OpenAI 光是在微軟 Azure 雲端平台上的「推理」成本就已高到嚇人。所謂推理，就是讓 ChatGPT 這類應用產生回應的運算成本，是 AI 公司最核心的支出項目。

光是 2025 年上半年，這項支出就接近 50 億美元，但此前媒體報導的同期「收入成本」僅 25 億美元。換句話說，OpenAI 真實燒錢速度可能是公開數據的近三倍。拉長時間來看，從 2024 年第一季到 2025 年第三季，短短七個季度累計推理成本就超過 124 億美元。

更令人擔心的是，這些天文數字般的成本似乎與收入增長完全不同步。即使收入在成長，但推理支出攀升得更快，完全吞噬了營收。這讓人不禁質疑：在目前的技術和定價下，AI 大模型生意真的能賺錢嗎？

收入也灌水？實際數字可能只有報導的一半
文件還揭露另一個關鍵訊息：OpenAI 必須支付 20% 收入給主要投資者微軟。由此反推，OpenAI 實際營收遠低於媒體報導。

舉例來說，2024 全年微軟拿到 4.938 億美元分成，反推 OpenAI 營收至少 24.69 億美元，但媒體當時預測收入在 37 億至 40 億美元之間。2025 上半年更誇張，反推營收約 22.73 億美元，但媒體報導稱同期收入達 43 億美元，兩者相差將近一倍。

OpenAI 執行長奧特曼曾聲稱公司年化收入「遠超」130 億美元，但與文件數據完全對不上。Zitron 懷疑，媒體報導的高收入可能來自某種「創意計算」，但 OpenAI 從未解釋清楚。

官方回應與《金融時報》查證
面對質疑，微軟和 OpenAI 的回應都很模糊。《金融時報》在 Ed Zitron 發表文章前就與他討論過這些數據，並進行獨立查證。該報將數據提供給微軟和 OpenAI，也向熟悉兩家公司的人士求證。

微軟發言人對《金融時報》表示：「數字不完全正確」，但拒絕提供更多細節。OpenAI 則未置評，只建議媒體去問微軟。一位熟悉 OpenAI 的人士稱，這些數字「未能提供事件全貌」，但拒絕透露更多。

值得注意的是，雙方都沒有提供有力證據來實質反駁這些數據。《金融時報》在報導中坦言：「儘管我們無法驗證數據的準確性，但也沒有被給予充分理由去大幅質疑它。」

整個產業的警訊
如果這些數據哪怕只有部分屬實，對整個 AI 產業都是重大警訊。《金融時報》根據數據推演後發現，按目前成長率，OpenAI 的收入可能要到 2033 年才能覆蓋推理成本。如果再扣掉微軟 20% 分成，可能「永遠」無法靠自身收入打平成本。

這引發一個尖銳問題：如果連資金最雄厚、市佔率最高的 OpenAI 都面臨如此巨大財務壓力，其他 AI 大模型公司處境會如何？

目前只有兩種可能出路：一是模型運算成本出現斷崖式下降，二是對客戶收費大幅提高。但這兩種趨勢目前都看不到曙光，讓生成式 AI 的商業化前景蒙上厚重陰影。

aidj

科技巨头们 集体诈欺？！
https://www.youtube.com/live/-MLHEztjiZY?si

aidj

aidj

數十億美元投資面臨貶值危機，AI 時代的 GPU 折舊難題


隨著人工智慧（AI）技術的迅速發展，超大規模資料中心面臨著一個潛在的危機：GPU（圖形處理器）的折舊問題。根據分析師的警告，儘管大型科技公司能夠承擔數十億美元的 AI 基礎設施建設費用，但隨著新一代 GPU 的推出，這些硬體的價值可能會迅速下降，對依賴未來收入潛力的新創企業造成威脅。


在當今商業環境中，資產折舊的管理至關重要。傳統上，企業可以將某些資產的成本分攤到十年或更短的時間內，但現代GPU的生命週期卻顯得更激進。隨著AI性能和晶片效率的持續提升，資產的折舊速度可能會超過一些大型公司的承受能力。分析師擔心，隨著新一代GPU的推出，AI處理能力的快速進步可能會使依賴舊硬體的公司面臨不利局面。

許多企業通常認為其伺服器的有效使用年限為三到五年，但在AI工廠的世界中，資料中心的速度和效率直接影響收益。如果落後於一代技術，可能會導致致命的後果。當創新速度超過了硬體的潛在盈利能力時，企業將面臨何種挑戰？

在AI領域，升級週期的頻繁使得企業不得不面對前所未有的挑戰。輝達（Nvidia）等公司每年推出新GPU，這對於投資數十億美元的企業來說，可能是無法持續的。隨著電力成本上升、對環保資料中心設計的壓力增加，以及AI本身尚未顯示出明確的盈利模式，這一切都預示著潛在的災難。

更嚴重的是，AI行業的融資模式已經顯得相當循環，許多專家警告說，這可能導致泡沫的出現，並在破裂時造成嚴重後果。GPU的購買為公司提供了做為資產的實質價值，這些資產可以用做貸款的擔保。像CoreWeave這樣的「Neocloud」（指的是一群出租AI算力的小型基建提供商）公司在今年花費超過140億美元，並計劃在2026年再花費雙倍的金額。

如果這些公司能保持強勁的盈利能力，則不會出現問題。

然而，這一切都基於多種假設：AI泡沫不會破裂、AI運作方式不會發生重大變化、超大規模公司不會開發自己的ASIC設計、國際貿易障礙不會妨礙擴張或服務訪問，並且不會在AI硬體競賽中落後。

雖然像Google、亞馬遜（Amazon）、微軟（Microsoft）和Meta等大型公司因其多元化的業務和龐大的現金儲備而相對不易受到影響，但它們並非完全免疫。這些公司也可能面臨GPU折舊的問題，並加速AI行業的多米諾效應。

著名投資者麥可·貝瑞（Michael Burry）最近警告，這些超大規模公司在近年來已經延長了伺服器的「有效年限」評級，這使得它們能夠提前支出基礎設施擴張的費用，並在收入未能跟上時仍享有更高的利潤。

從三年延長到五到六年是巨大的差異，這完全低估了未來幾年AI硬體可能帶來的快速進步。雖然舊硬體仍會有其市場，但其價值可能會大幅下降。Nvidia首席執行長黃仁勳在今年3月表示，當Blackwell GPU可用時，Hopper GPU的需求大幅下降。這種情況在未來也會發生在Blackwell和下一代Vera Rubin上。因此，企業可能會比預期更快地被迫回到新的融資安排，面對折舊速度超過預期的資產，而整個行業尚未證明出可持續的盈利模式。

GPU depreciation could be the next big crisis coming for AI hyperscalers — after spending billions on buildouts, next-gen upgrades may amplify cashflow quirks
（首圖來源：shutterstock）