OpenAI全年AI开支预估飙升至7500亿美元
大模型训练和推理成本居高不下，资本密集属性彻底改变AI行业盈利模式
根据TechCrunch独家获得的内部财务文件，OpenAI预计在2026年全年，仅人工智能训练和推理基础设施开支就将达到约7500亿美元，这一数字远远超出市场此前预期。消息人士透露，这笔巨大开支主要用于采购英伟达H100和下一代H200 GPU芯片，以及建设分布在北美、欧洲和中东地区的超级数据中心。每个数据中心配置数十万块GPU，电力消耗接近一座中型城市的用电量，物流和散热成本同样惊人。
7500亿美元是个什么概念？这笔数字超过全球第三大经济体日本一年的国防开支总和，相当于OpenAI平均每天就要花费超过20亿美元在AI计算上。分析人士认为，巨额开支背后主要是ChatGPT、GPT-5和Sora等大模型的推理需求爆发，用户量增长带来的算力消耗呈指数级上升，OpenAI不得不持续扩大GPU集群规模。目前OpenAI的全球月活跃用户已经突破3亿人，每天处理数十亿次请求，每次推理都需要调用大模型进行计算，算力需求无上限。
目前OpenAI的推理成本占总开支比例已经超过训练成本，达到约60%。每次GPT-4 Turbo推理调用平均成本大约是0.002美元，但面对日均数十亿次调用，日推理成本就超过400万美元。随着多模态能力不断增强，用户生成的长文本、图片和视频输入越来越多，单位调用成本还有进一步上升的趋势。OpenAI还在大力推广企业级AI Agent服务，这类服务需要更长的推理链，单次成本可能达到普通聊天的十倍以上。
高昂的算力成本正在改变整个AI行业的盈利模式。尽管OpenAI目前的ChatGPT订阅用户已经超过1.2亿人，年收入规模突破200亿美元，但仍然无法覆盖巨大的基础设施开支，每年净亏损超过数百亿美元。微软作为最大股东已经承诺继续投入数百亿美元，但市场开始担忧这种高烧钱模式能否持续。投资者在观望OpenAI能否通过技术突破降低单位推理成本，或者通过推出更高价值的服务实现盈利。
业内对此观点分歧较大。乐观派认为，随着摩尔定律推进和专用AI芯片研发，单位算力成本会持续下降，未来三到五年推理成本有望下降一个数量级，届时大模型业务就可以实现盈亏平衡。悲观派则认为，大模型参数规模和上下文窗口不断扩大，抵消了硬件成本下降带来的好处，AI行业长期将形成少数巨头垄断的格局，中小创业公司很难再参与竞争。无论如何，7500亿美元的开支数字已经说明AI行业进入了一个资本密集度极高的新阶段。