🔥天下之事，以利合者，亦必以利離。」——《史記·蘇秦列傳》
一九九九年，美國管理學家克雷頓·克里斯汀生在《創新的兩難》中提出一個反直覺的命題：毀滅優秀公司的，往往不是失敗，而是成功之後的貪婪擴張。他稱之為「資源詛咒」。當一家公司手握大量資源，它的本能反應是把賭注押向更多的方向，而非深耕已有的優勢。二十五年後，這個命題在舊金山的太平洋海岸找到了它最昂貴的驗證案例。
二〇二五年財報顯示，OpenAI每季虧損一百二十億美元，日均燃燒一點三三億美元。這個數字不是隱喻，是算術。
算力、研發、戰略賭注：OpenAI的日均虧損可以精確拆解為三層結構。
維持現有模型運轉每日約五千萬美元，包含ChatGPT推論成本與免費用戶補貼；頂尖研究員薪酬加上GPU集群租賃每日約三千萬美元；已關閉的Sora視頻模型運營期間每日燒掉一千五百萬、與Jony Ive合作的硬體項目每日約八百萬、AI瀏覽器Atlas及探索性業務每日約兩千萬。加上法務、行銷與行政，每日一點三億美元，分毫不差。
德意志銀行預測，在扭虧為盈之前，OpenAI累計現金流赤字可能高達一千四百三十億美元。
這讓人想起工業革命初期的鐵路公司熱潮。一八四〇年代的英國，無數鐵路公司在議會圈地、在荒野開鑿，每一條尚未鋪軌的路線都被估值為未來的金礦。那個年代的投資人相信基礎設施的敘事本身就是財富。等到鐵路真的建成，才發現票價根本收不回成本。OpenAI的算力投資，頗有此味。
📉 二、倒掛的商業邏輯：賣越多、虧越多
二〇二五年，OpenAI實現約一百三十億美元收入，同時產生八十億美元現金虧損。換算下來，每賺進一美元，要花出一點六二美元。
軟體產業的黃金法則是「邊際成本趨近於零」，每多一個用戶，幾乎不增加任何成本。但大語言模型打破了這個法則。每次ChatGPT回應一個問題，後端都有真實的GPU在運算，平均每次對話成本約零點一至零點三美元。Plus訂閱每月二十美元，在高頻使用者身上根本無法打平。
更深層的問題是收入結構的脆弱性：超過六成收入來自ChatGPT Plus訂閱。一旦用戶增長放緩，或競爭者推出替代品，這個數字將快速瓦解。正如一位前OpenAI高管所說，這像一家每道菜成本都高於售價的餐廳，卻指望客人多點菜來賺錢，在數學上，這是不可能的。
🎬 三、Sora之死：「戰略貪婪」的九十億美元教訓
二〇二五年九月，Sora上線，奧特曼稱之為「視頻領域的iPhone時刻」。十天下載量破百萬。六個月後，這個明星產品靜靜關閉。
算術不說謊：生成一段五秒的1080p視頻，後端GPU成本約二點五美元。一個活躍用戶每天生成五段視頻，OpenAI每月要補貼三百四十五美元，而Sora月費僅三十美元。百萬用戶規模下，每月虧損超過三億，尚未計入研發與維運。
變現路徑從未清晰。廣告模式？生成速度太慢。企業授權？Runway、Pika早已在市場扎根，價格更低、產品更熟。與迪士尼的十億美元合作協議一度是一線生機，但合作終止後，這條路也斷了。
Sora倒下的真正原因，不是技術，而是時序。核心業務尚未站穩，便已豪賭另一個需要巨額投入的賽道。應用業務負責人Fidji Simo在內部會議的那句話，說出了問題核心：「我們不能因為被副本任務分心，而錯過這個關鍵時刻。」
🖥️ 四、算力縮水：從一點四兆到六千億的戰略退縮
OpenAI向投資者透露，到二〇三〇年的算力支出目標，已從奧特曼此前宣稱的一點四兆美元大幅縮減至約六千億。這不只是數字調整，而是一次敘事崩解。資本市場的問法已從「你的模型有多強大」變成「你何時能盈利」。然而被迫縮水的另一個原因，是供應鏈本身打了折扣：SK海力士透露，二〇二六年的HBM高頻寬記憶體已全部售罄；台積電的CoWoS先進封裝產能嚴重不足。換言之，就算資金充裕，算力也未必買得到。
這讓人想起經濟學中的「格雷欣法則」：劣幣驅逐良幣。當資源緊缺，優先輸送給收益可見的項目，其他的則靜靜死去。Sora是第一個，但不會是最後一個。
💻 五、編程市場淪陷：Anthropic奪走的五十四個百分點
讓OpenAI從戰略迷霧中驚醒的，是那個它曾遠遠甩在身後的對手。讓OpenAI分兵多路的，包括視頻、瀏覽器、硬體、智慧手機，Anthropic以極其冷酷的專注深耕編程與企業市場。結果：Claude Code佔編程工具市場約五十四%，OpenAI的Codex僅二十一%。Claude Code年化收入已超過二十五億美元，是同類競品的兩倍有餘。金融科技公司Ramp的數據更為刺眼：二〇二六年二月，在首次購買AI工具的企業中，Anthropic佔據了約七十三%的支出份額，OpenAI僅約二十七%。
這是兩種戰略哲學的正面衝突。OpenAI選擇廣度，Anthropic選擇深度。在資源有限的前提下，廣度的代價是每個方向都淺嘗即止；深度的回報是在一個場景建立真實護城河。編程市場的失守，是「通用AI平台」夢想最具體的挫敗。
🧠 六、人才出走：無法用融資彌補的知識流失
財務虧損可以靠融資輸血，市場競爭可以靠產品反擊，人才流失卻沒有補救公式。從二〇二四年至今，OpenAI最初十一位聯合創始人中，僅剩奧特曼與總裁Greg Brockman留守。首席科學家Ilya Sutskever、技術長Mira Murati、首席研究官Bob McGrew，這些曾是公司技術脊梁的名字，如今都成了競爭對手的領軍人物。過去一年，超過五十名研究員與工程師流向Anthropic和Meta。
問題不只是「人走了」，而是「知識走了」。每一位離職的核心研究員，都帶走了對模型架構、訓練方法、數據處理的深度理解。這些知識直接武裝了競爭對手。一位前員工說，在Anthropic工作，他看到了太多OpenAI的影子，不是代碼層面的抄襲，而是思考方式的複製。
人才流失的可怕之處在於它的自我強化邏輯：優秀人才因前景不明而離開，離開導致前景更加不明，進而帶走更多人。這是比任何財務數字都更難量化、也更難逆轉的死亡螺旋。
⚖️ 七、達摩克利斯的雙劍：官司與IPO
一千三百四十億美元的訴訟索賠，來自馬斯克針對OpenAI違背非營利初衷的法律攻勢。最終判決或許遠低於此，但訴訟本身已成為融資與IPO路徑上持續消耗的不確定因素。更深的壓力在於IPO的結構性困境。二〇二六年二月，OpenAI完成一千一百億美元融資，創下史上最大單輪私募紀錄。但條件附帶苛刻：Amazon的三百五十億美元需在完成AGI目標或IPO後才能到賬；私募股權投資者獲得優先股並享有最低一七點五%的回報承諾。這明顯高於常見標準。換言之，OpenAI以極高代價借錢，而還款能力高度依賴一場尚未確定的公開上市。
George Noble的話值得直視：「科技革命的承諾與實際成果之間的落差，從未如此巨大過。」若IPO失敗，那些附帶條件的融資將無法到賬，真正的資金斷裂危機才會登場。
🔭 尾聲：三種結局，一個根本問題
綜合以上七道裂縫，OpenAI面臨三種可能的終局。
成功轉型（概率約20%）：十八個月內壓縮虧損，Codex搶回市場份額，IPO順利完成，公司從燒錢機器轉型為現金流為正的可持續企業。前提是管理層執行力超越過去紀錄，且競爭對手犯下重大失誤。
被收購（概率約30%）：最可能的買家是已深度綁定的微軟，但反壟斷審查與微軟自身的Copilot生態都讓收購動機趨於複雜。
倒閉重組（概率約50%）：若無法在IPO前驗證商業模式，資金鏈將在二〇二七年底至二〇二八年初斷裂，核心資產被拆分，品牌與網景、WeWork一起進入商學院失敗案例的陳列館。
二〇三〇年，這場AI史上最大賭局將塵埃落定。而它的核心問題，從來不是「AI能否改變世界」。而是：誰來為改變世界的成本買單？
古人說，「以利合者，亦必以利離」。資本與技術的聯姻，從來如此。
消息來源
- 德意志銀行財務分析報告（2026年2月）
- 彭博社關於OpenAI數據中心及財務狀況報導（2026年1-3月）
- 金融科技公司Ramp企業AI支出數據報告（2026年3月）
- George Noble公開市場評論（2026年2月）
- Fidji Simo內部會議內容（經The Information披露，2026年3月）
- SK海力士2026年產能公告
- OpenAI融資文件及IPO相關披露（2026年2月）
