OpenAI 支出与未来收入的经济逻辑：2025 年评论

2025 年 10 月，Theo Browne 讨论报道中的 OpenAI 收入、亏损和支出。这些数字来自他当时看到的报道和估计，并非视频中提供的经审计财务报表，也不应视为当前财务数据。

他对报道中的亏损作出反应，追问为什么一家收入可观的公司仍可能支出远高于收入。他认为，研究和基础设施支出可能旨在支持未来产品与收入。

Browne 提醒，不应假定公司总体支出与收入的比例意味着每次推理请求的成本都是同样倍数。研究、训练、员工和基础设施都影响总体成本。

他引用 2025 年一次访谈，其中 OpenAI CEO 将推理经济性与训练支出分开描述。这是高管的说法；缺少详细财务披露时，不能独立证明公司的完整单位经济状况。

他引用 Anthropic 的 Dario Amodei 提出的假设：历代模型训练成本和后续收入不断上升。这个例子说明当前研究支出可以与早期产品收入重叠；它不是经过核实的 OpenAI 财务明细。

Browne 用买卖例子区分购买资产时花出的现金和最终出售时获得的收益。但对于模型，判断盈利需要计入所有相关成本，包括推理和其他运营费用，不能只比较训练费用与收入。

他更广泛的观点是，今天的支出可能旨在获得未来收入。投资能否回本取决于未来需求、定价、竞争与成本；支出本身并不保证形成有价值的资产或利润。

他引用报道中的 2025 年收入增长和研究支出，说明扩张速度很快。这些报道数字及其会计定义应在有一手披露时加以核对。

讨论转向宣布或报道中的大型基础设施承诺。视频提到的时间跨度并不一致，因此在不了解交易条款、时间和会计处理之前，不能把总额直接视为每年的现金成本。

Browne 推测，如果大型 AI 买家陷入困境可能产生更广泛影响。对具体供应商和市场的影响取决于许多因素；他的评论是情景推演，不是已证明的结果。

他构造一个示意情景：从假设的起点出发，年度收入增长四倍，成本增长三倍。在这些假设下收入最终超过成本，但计算本身并不能证明这些假设是一项可靠预测。

他在把收入称为“利润”后进行了纠正。收入、成本、现金流和利润是不同指标；这个粗略模型还省略了融资、时间和许多其他现实约束。

Browne 解释，风险投资人经常接受近期亏损，以追求不确定的未来回报。这类回报取决于企业最终能否产生现金，而不仅是能否维持假设中的指数增长。

他说自己看好 OpenAI，如果能够投资就会投资，同时表示自己不会因其成功获得直接财务回报。他也推广自己的订阅产品 T3 Chat，这与他看待 AI 服务的角度有关。