OpenAI年化营收差200亿美元，英伟达跌近3%

10月8日，英国《金融时报》披露，OpenAI向投资者提供的文件显示，截至9月底，公司年化营收接近500亿美元，低于此前广泛报道的接近700亿美元。9月底媒体口中的数字还是接近700亿美元。这份报道加剧了市场对AI增长的担忧。当日收盘，英伟达跌约2.9%，甲骨文跌约5.5%，纳斯达克综合指数跌1.25%。

不到一个月前，Anthropic还传来盈利进展。9月13日，路透援引《金融时报》报道称，Anthropic向股东表示，预计经调整后的营业利润将连续第二个季度为正。如今，OpenAI的两组年化营收数字却差了约200亿美元。市场在追问AI能否赚钱的同时，也得先弄清一个更基础的问题：这些收入数字，到底是怎么算出来的？

OpenAI真的少赚了200亿美元吗？不能这样理解。9月29日，路透社援引知情人士报道，OpenAI年化营收接近700亿美元。10月8日，FT披露的文件却显示，这个数字接近500亿美元。差异涉及一笔收入的计算方式：客户通过云平台使用AI模型时，支付的费用该怎么算？这类收入可能涉及云平台与模型公司之间的分成。

CNN援引知情人士称，此前700亿美元的数字并非来自OpenAI，可能是外界为了与Anthropic比较，调整统计方式后得出的结果。据该人士解释，对于相关云平台合作销售收入，Anthropic采用总额口径，OpenAI则采用净额口径。举一个假设的例子：客户付了100元，云平台分走20元，模型公司留下80元。按总额计算，营收记100元，分给平台的20元另算成本；按净额计算，营收直接记80元。同一笔生意，客户付的钱没变，但计算口径不同，账面上的营收数字就可能不同。这里的分成金额只是举例，并非两家公司的实际情况。留下的80元也不是利润，还要扣除提供服务等其他成本。

因此，这200亿美元的差额，不能直接算成OpenAI损失的收入，也不能全算成云平台拿走的分成。目前公开的信息，还不足以将其逐笔对上。但这也意味着，要比较OpenAI与Anthropic的收入规模，得先把统计时间和计算口径对齐。

年化500亿不等于一年赚了500亿。这里还有一个容易被忽略的词：年化。年化营收通常是将近期收入折算成全年的收入规模。常见算法，是把一个月的收入乘以12。假设一家公司某个月收入10亿元，按这个速度折算，年化营收就是120亿元。但这不代表它过去一年已经取得120亿元收入，也不保证未来一年一定能达到这个数。对增长很快的公司来说，年化指标能展示最近的业务规模；要看一整年的成绩，仍得看全年实际收入。

为什么英伟达和甲骨文也跟着跌？OpenAI尚未上市，但市场对它收入的判断，已经会影响其他公司的股价。原因在于，它与这些公司的生意早已连在一起。你为AI订阅付费，企业为模型调用买单，收入进入模型公司的账上。为了提供服务、研发模型，公司又需要购买算力，带动上游云服务、服务器、芯片和数据中心的需求。NVIDIA的AI工厂平台涵盖数据中心设计、算力管理软件，以及服务器、网络、供电和冷却等基础设施。模型公司对算力的需求，会带动这些环节的投入；能否通过用户付费收回成本，则影响下一轮扩张能走多远。因此，投资者关心的不只是OpenAI收入有多高，还包括它未来能否依靠业务收入和融资，支付持续扩大的算力账单。

据CNN报道，当天美股指数开盘时已经下跌，《金融时报》报道在盘中发布后，跌幅进一步扩大。不过，营收争议只是当天的影响因素之一。路透社的收盘报道还提到了油价上涨，以及由此带来的通胀和加息担忧，不能把整场下跌都归因于OpenAI。同样，市场的担忧，也不等于AI需求已经转弱。采购是否减少、合同能否履行，还要看后续披露的经营信息。但模型公司的增长、供应商的扩张，以及投资者对回报的期待，已经紧密地连在一起。

今年1月，OpenAI CFO Sarah Friar在官方文章中写道，获得顶尖算力需要提前多年作出承诺，而业务增长并不平稳：有时算力先于需求到位，有时需求又超过现有算力。算力投入需要提前安排，未来收入却仍有不确定性。这也是市场紧盯AI公司营收的原因。但看收入数字，以后还要问清楚：统计的是哪个时期？是年化规模，还是实际季度收入？合作平台的销售额怎么算？再往下，则要看扣除服务、研发和人员等成本后，能留下多少资金，以及未来的算力账单何时付款、靠什么支付。

黄仁勋曾用一句话概括AI的商业逻辑：「算力即收入。」算力支撑更强的模型，模型吸引用户付费，收入再支持下一轮研发和算力建设。这套循环能否持续，关键在于算力能否转化为值得用户持续付费的服务，并带来足以支持再投入的资金。如果算力越买越多，付费需求却跟不上，或收入长期覆盖不了成本，扩张就仍需外部融资维持。正因如此，OpenAI的营收数字才会牵动整条产业链：市场需要看到，投入的钱最终能靠用户付费收回来，下一轮扩张才更有底气。对你我来说，这些巨额投入最终要体现在每天使用的模型上：它帮我们省下的时间、完成的工作，到底值不值得那笔订阅费？