一、公司架構與營運模式：OpenAI 怎麼賺錢？
這是最基礎，也是最關鍵的問題。投資人要知道的是：OpenAI 的「賺錢模式」是否具備可持續性、邊際利潤空間、風險點在哪裡。
關鍵子題：
- 收入來源：包含 ChatGPT 訂閱（Plus / Pro /企業方案）、API 授權、模型授權、與第三方平台的合作分潤、可能的廣告收入、定制化模型服務等。
- 成本結構：最大成本通常是計算資源（GPU／AI 加速器、雲端基礎設施、電力與數據中心成本）、研發人員薪酬和運營開支。
- 利潤模式／邊際收益：隨著規模擴張，AI 模型與服務邊際成本是否會下降？是否有規模經濟效益？
- 定價策略與客戶黏性：如何訂價？是否有長期合約？客戶留存率如何？
- 競爭地位與差異化：OpenAI 的技術優勢、資料優勢、平台鎖定效應與競爭障礙為何？
二、資金募集、估值與持股退出機制
投資人要知道投入的資金如何被使用、公司估值的合理性，以及什麼時候能退出（獲利變現）。
關鍵子題：
- 最新一輪募資與估值：2025 年 OpenAI 曾宣佈新募資 $40 B 美元，估值約 $300B 美元。OpenAI+2Tracxn+2
- 持股退出機制：OpenAI 還未公開上市，投資人主要透過二級市場（secondary market）買賣股份。Forge Global+2NerdWallet+2
- 潛在的 IPO 或流動性事件：公司是否有計畫上市？或内部分紅、股東回購、人才股權釋出？
- 募資用途與資金用途透明度：募來的資金主要用在哪些方向（研發、硬體基礎設施、拓展應用／市場、併購等）？是否有效率？
- 估值合理性與風險折讓：估值的合理性如何？目前估值與盈利、成長、風險之間的匹配度？
三、基礎設施與運算能力：能否掌控關鍵資源
對以 AI 為核心的公司而言，硬體與運算資源是生命線。投資人要評估 OpenAI 能否在這方面保持競爭力與穩定性。關鍵子題：
- 自有硬體與定制晶片：OpenAI 是否在設計／製造自有 AI 加速器？最近有報導 OpenAI 與 Broadcom 合作設計 AI 晶片。The Verge+1
- 基礎設施合作夥伴：與 AWS、Azure、Google Cloud 等雲端平台的合作關係，以及是否對平台依賴過高。
- “Stargate 計畫”：OpenAI 宣佈建立新公司與多方合作，在未來四年內投入 $500B 美元建構 AI 基礎設施。OpenAI
- 運算規模與資源冗餘：是否有足夠的備援、容錯、擴充彈性？是否有地域多樣性（全球雲端／資料中心佈局）？
- 成本控制與效率：如何在運算成本不斷攀升下維持盈利空間？是否有創新手段（例如軟體優化、蒸餾模型、能效優化等）？
四、風險因素與監管／倫理挑戰
AI 領域潛藏許多技術、倫理與監管風險，這些風險可能對投資人帶來重大影響。
關鍵子題：
- 技術風險：模型出錯、泛化能力有限、對抗攻擊、資料偏見、可靠性與安全性問題。
- 競爭風險：Google / Meta / Amazon /大型雲端平台 /中國 AI 業者是否會反撲？
- 監管與政策風險：各國對於 AI 的資料隱私保護、反壟斷法、內容生成監管、AI 安全規範等。
- 道德 / 社會風險：AI 生成虛假內容（deepfake）、濫用、偏見或歧視性結果、失業衝擊等。
- 資源風險：硬體供應鏈瓶頸（晶片短缺、供貨限制）、電力／能源供應風險、氣候或地緣風險。
- 流動性風險：因為公司目前仍為私有公司，投資人能否順利變現？是否受制於內部限制（如限售期、公司優先購買權等）？
五、願景／路線圖與潛在回報 — 最終價值的假設
投資人最終在乎的是：這筆投資能帶來什麼規模的回報？公司未來走向如何？願景是否具有可實現性？
關鍵子題：
- AGI 願景與實現路徑：OpenAI 的使命是實現「通用人工智慧」(Artificial General Intelligence)，願景如何切割階段目標？OpenAI+2OpenAI+2
- 成長曲線與營收目標：公司是否公布中長期營收目標？市場規模假設怎麼樣？
- 典型 “天花板” 回報模型：若公司成為 AI 領導者，市場佔有率／單用戶營收（ARPU）假設、估值倍數假設等。
- 多元應用與橫向擴張：語言模型 → 視覺、語音、機器人、專業領域（醫療、金融、教育、工業自動化等）的延伸潛力。
- 投資退出假設：IPO、市場併購、分紅或公司回購股份，哪些可能性較高？時間線預估？
