OpenAI CFO 攤牌：算力即營收，而 90% 的企業正被卷死在“能力鴻溝”里

作者 | OpenAI PodCast

編譯 | 王啟隆

出品丨AI 科技大本營（ID：rgznai100）

2026 年的 AI 圈，似乎沒有太大的變化。

馬斯克一如既往放狠話，直言 2026 就是“奇點之年”。他說人類以后不過是數字超級智能的“生物引導程序”，甚至咱們引以為傲的醫生，三年內手術水平也要被 Optimus 機器人超越。與此同時，xAI 的聯合創始人 Igor 也在感嘆，現在有些星期，技術迭代快得像是濃縮了幾十年的變遷。

從咱們最熟悉的代碼圈，這些“加速論”也可見一斑。

Claude Code 一小時干完人類一年的工程量。Midjourney 的創始人說他假期敲的代碼比過去十年都多，因為現在的編程不再是死磕語法，而變成了“憑感覺編程”（Vibe Coding）。就連最硬核的 Linus Torvalds 都松口了，承認 AI 正在改變代碼“正確性”的定義。微軟那邊更是直接攤牌：我們已經越過了“智能補全”，進入了“AI 主導開發”的時代。

但這種宏大敘事之下，藏著一個挺尷尬的現實：工具已經進化到了法拉利的水平，但絕大多數人的駕駛技術，還停留在科目二倒車入庫的階段。

這正是我聽完最新一期 OpenAI 播客后的最大感受。

這期節目的嘉賓很有意思。一位是 Sarah Friar，OpenAI 的首席財務官，管錢袋子和算力布局的實權人物；另一位是 Vinod Khosla，Khosla Ventures 的掌門人，硅谷著名的投資人，他曾經預言 80% 的職業工作將被 AI 取代。

他們倆坐在一起，并沒有像馬斯克那樣大談“火星殖民”或者“意識上傳”，而是非常務實地在討論一個問題：這輛法拉利（AI），到底該怎么開？

以 Vibe Coding 舉例，這大概是 2025 年最火的概念。只要你感覺對，代碼就能跑。但 Vinod Khosla 潑了一盆冷水：氛圍編程寫代碼是成熟了，但讓 AI 像個靠譜的員工一樣處理復雜任務（Agent），還差得遠。

你想想看，現在的 ChatGPT 就像個博學的大學教授。你問他什么，他都能引經據典給你講半天。但如果你讓他“去幫我策劃一次去日本的旅行，訂好所有不僅好吃還不用排隊的餐廳，順便把機票和我的日程表對齊”，它大概率會給你一個完美的“計劃書”，但絕不會真的幫你把位子訂了。

這也是目前企業端最痛苦的地方。谷歌最新的報告說 50% 的先行企業已經投入生產了，但你去問問身邊的老板，有多少人真的把核心業務——比如財務核算、供應鏈管理——完全交給 AI 了？幾乎沒有。

這就是 Sarah Friar 口中的“能力鴻溝”。

她在播客里用了一個極妙的比喻：“我們把法拉利的鑰匙交給了還在學車的人?！?/strong>

下面是這場對話的完整記錄。

2026：智能體走向成熟的一年

Andrew Mayne: 大家好，我是 Andrew Mayne，歡迎收聽 OpenAI 播客。今天的嘉賓是 OpenAI 的首席財務官 Sarah Friar，以及 Khosla Ventures 的傳奇投資人 Vinod Khosla。我們將探討 AI 生態系統的現狀，討論我們是否處于泡沫之中，以及隨著 AI 的演進，創業公司和投資者該如何突圍。

2025 年是智能體（Agents）和“憑感覺編程”（Vibe Coding）的一年。現在已經是 2026 年了。今年的主線故事會是什么？

Vinod Khosla: 我覺得在 2025 年，“憑感覺編程”這一塊已經成熟了，但在智能體方面還沒完全到位。所以，2026 年特別是多智能體系統將會成熟，并產生肉眼可見的影響。

在企業端，你將擁有能夠執行完整任務的多智能體系統——比如替你運行 ERP 系統，處理每天的對賬、權責發生制核算、合同追蹤等。這在企業端是即將發生的事實。但在今天的消費端，規劃一次旅行依然是個麻煩事。這是一個需要跨越很多不同領域的多智能體任務，從飲食偏好、餐廳預訂，到航班時刻表，再到個人日歷。我認為一年后，這些功能將會開始成熟。

所以我對此非常興奮。我認為機器人領域的模型，以及那些超越機器人范疇的現實世界模型——比如通用的直覺能力——都會在明年開始涌現。這些都是值得關注的領域。當然還有常規的功能提升，比如大語言模型（LLM）的記憶力、持續學習能力，以及幻覺影響的降低。我可以列舉出半打目前 AI 做得還不夠好、但即將開始被解決的領域。

Sarah Friar: 沒錯。歸根結底，Vinod 的意思是，2026 年是彌合“能力鴻溝”的開端。我們要知道，我們已經把巨大的智能交給了人們，就像把法拉利的鑰匙交到了他們手上，但他們才剛剛把車開上路，正在學習怎么駕駛。

我們需要給消費者提供更便捷的方式，讓 ChatGPT 不僅僅是一個你問我答的聊天機器人——今天大多數人只用它來提問——而是如何讓它成為一個真正的任務執行者？比如幫他們預訂行程、對醫生的診斷進行二次確認，或者為患有糖尿病的孩子定制一份菜單。也就是如何幫助他們真正從簡單的提問轉向實際的產出，讓生活更美好？

在企業端也是同樣的邏輯。我們如何彌合這種能力差距？我們的首席經濟學家去年底發布的《企業 AI 現狀》報告中提到，前沿企業的消息量中位數大約是普通中位數企業的 6 倍。這說明那些走在前沿的公司，使用深度遠超普通公司。而且我們知道，即便是前沿企業也沒有把潛力發揮到極致。

所以對我們來說，重點是如何幫助消費者沿著這條連續譜，走向真正的智能體任務處理？對于企業來說，我們如何創造更復雜、更垂直專業化的成果，讓他們從簡單的 ChatGPT 應用，轉變為能夠改變其核心業務的工具？對于醫療服務商，這可能是藥物發現流程；對于醫院，可能是病人入院到重返社區的時間管理；對于大型零售商，可能就是更高的客單價、轉化率和顧客滿意度。這就是彌合能力鴻溝的基礎。

Vinod Khosla: 我想補充一個視角。我們談到了技術和能力將會進步的領域。我想大膽猜測，在今天使用 AI 的人里——不管是個人還是企業——可能只有個位數百分比的人用到了 AI 30% 的能力。所以，能用到 AI 30%、50%，更別說 80% 能力的人群比例，還會持續增長。我認為在人們學會充分利用 AI 之前，這將是一個長達 10 年的漫長旅程。

Andrew Mayne: 我見過這種情況，有些評論家會混淆“采用曲線”和“能力曲線”。

Vinod Khosla: 這正是我想表達的觀點。

Sarah Friar: 而且這是一個力量倍增器，今天我們有超過 8 億消費者每周都在使用 ChatGPT，但這應該是數十億才對。而且他們使用的深度如何？這就像我們在家里通了電，大家打開了燈，卻完全不知道這電還能用來取暖、做飯、甚至卷頭發。現在你能做的事情太多了。

Andrew Mayne: 我用過一個比喻：電子郵件在 1990 年到 2000 年間并沒有變得更好，手機本身也沒變，但使用量卻直線上升。問題不在于“我們需要更好的郵件系統或手機”，而是人們需要學會他們可以用這些東西做的所有事情。

Sarah Friar: 對，沒錯。手機這個例子很有趣，當移動浪潮剛興起時，人們只是把桌面網站硬塞進手機里。滾動起來很難受，但至少你把它裝進了口袋。后來你意識到有了 GPS 可以做 Uber 這樣的應用；指尖有個攝像頭，不僅可以拍朋友，還可以拍支票存進銀行——雖然后來我們應該徹底解決紙質支票這個問題，但那是題外話。

Andrew Mayne: 這看起來仍然像魔法。拍張照，錢就進銀行了？

Sarah Friar: 是的。當移動設備出現的那一刻，這一切其實就已經存在了，只是需要人類的智慧去發掘它。所以我認為你是對的，我甚至不知道我們是否需要比今天更高的智能來大幅提升產出。當然，模型本身也會變得越來越聰明。

Andrew Mayne: 你提到了健康領域，這是風險極高的一塊。幾年前我們剛有了 ChatGPT，只用它做些簡單的應用，而現在我們已經信任它來處理符合 HIPAA 標準（美國健康保險隱私及責任法案）的數據了。你會把這看作是事物加速發展的一個標志嗎？

Vinod Khosla: 醫療健康顯然是我長期以來相信會被徹底變革的領域，它將讓醫療專業知識像商品一樣普及。但醫療的問題在于監管。首先是對 AI 功能的限制。AI 目前在法律上不能開處方，即使它比人類開得更好。這不僅僅是 FDA（食品藥品監督管理局）的問題，美國醫學會（AMA）也在制度上控制著這一職能。所以在很多領域會有來自既得利益者的阻力。

但診斷仍然是一個限制，因為 FDA 控制著這一塊。目前還沒有 AI 被批準為醫療設備。幸運的是，本屆政府在快速行動和承擔適當風險方面做得很好，我很高興看到那里的進展。

Sarah Friar: 在健康方面，我們的數據顯示，每周有 2.3 億人向 ChatGPT 咨詢健康問題。66% 的美國醫生表示他們在日常工作中使用 ChatGPT。

舉個個人的例子，我哥哥是英國的一名高依賴病房（HDU）醫生。他的工作就是處理那些急診室不知道怎么分診的重癥病人。如果你得了瘧疾去找他，他根本想不到那個方向去，因為那不在他的認知模式里。也許你去度了個假被蚊子咬了，然后出現在蘇格蘭阿伯丁的急診室里，醫生很難馬上聯想到瘧疾。

ChatGPT 或模型能做的，是真正成為醫生的強大輔助。這就是為什么 66% 的醫生都在使用它，而且這個數字只會增長。像健康這樣的領域，我們受益于醫生能夠隨時掌握最新的研究成果，了解藥物方案與患者個人經歷之間最新的相互作用。

但這同時也把一些獨立性交還給了消費者?，F在我有機會提前研究我的癥狀可能意味著什么，這樣我就能與醫生進行更有見地的對話。它讓我可能獲得第二診療意見，或者知道我應該去尋求第二意見。

另外，哪怕是一些小事，比如：我每天只有 20 分鐘鍛煉時間，我有 1 型糖尿病，我能做什么？或者我女兒飲食上有特殊禁忌，以前去餐廳吃飯很麻煩，現在拍下菜單，聊天機器人就能建議最適合她的菜肴。這改變了我們對吃飯這件事的看法，讓重點回歸到我們為什么要一起聚餐。

算力即營收：魔方般的戰略布局

Andrew Mayne: 無論在什么體制下，醫療費用的增長率都超過了每個國家的 GDP 增長。我們需要 AI，因為這是第一次醫療智能的成本在逐年下降。但這伴隨著對算力的巨大需求。OpenAI 在算力上的投資規模大得驚人。你們是如何確定這種需求的？

Sarah Friar: 首先，我們努力確保算力投資與營收增速相匹配。我們看到當期的算力投入與當期的營收之間有著非常強的相關性。

舉個例子：回顧 2023、2024 和 2025 年，我們的算力分別是 200 兆瓦、600 兆瓦，而去年年底達到了 2 吉瓦（2000 兆瓦）。與之對應的營收數字很吻合：2023 年底 ARR（年度經常性收入）是 20 億美元；2024 年底是 60 億美元；去年年底我們超過了 200 億美元。實際上，這個增長還在加速。

算力越多，營收越多。這其中存在時間錯配，我今天必須做決定，確保我們在 2028、2029 和 2030 年有足夠的算力。如果我不今天下單，不發出建立數據中心的信號，到時候就不會有算力可用。

今天我們感到算力絕對受限。如果有更多算力，我們可以推出更多產品，訓練更多模型。僅過去一年，全球硬件投資總額就增加了大約 2200 億美元，芯片預測增加了約 3340 億美元。來自整個環境的信號是：AI 是真實的，我們正處于范式轉移中。

回到 OpenAI 內部，我們在不同層面上思考需求：

1. 基礎設施層 ：如何創造最大的可選性？我們要多云、多芯片。

2. 產品層 ：以前只有 ChatGPT，現在有面向消費者的、面向工作的 ChatGPT，還有 Sora 作為一個新平臺，以及變革性的研究項目。

3. 商業模式層 ：最開始是單一訂閱?，F在有多個價位、企業按席位定價、基于積分的定價，我們甚至開始考慮像商業和廣告這樣的模式。從長遠來看，我們也可能做授權模式——比如在藥物發現中，如果基于我們技術的藥物成功了，我們從銷售額中獲得分成。

我把它看作一個魔方。我們從單一的方塊——一個云服務商、一種芯片、一個產品、一個商業模式——變成了一個立體的三維魔方。我們可以轉動這個魔方：選擇一種低延遲芯片，配合快 5 倍的編程功能，收取高端訂閱費；再次轉動，配合更快的圖像生成，吸引更多免費用戶，為廣告平臺創造庫存。過去 12 個月的目標就是創造越來越多的戰略選項，讓我能夠持續支付實現 AGI（通用人工智能）所需的算力費用。

Vinod Khosla: 簡單來說：今天的需求只受限于算力的可用性，而非其他任何東西。而且存在價格彈性，算力的需求幾乎是無限的。我們甚至還沒有開始動用價格彈性這個杠桿，因為受限于算力，我們連現有的需求都無法滿足。

“股價不是現實，API 調用量才是”

Andrew Mayne: Vinod，作為 OpenAI 最早的投資者之一，你見證過互聯網泡沫。現在的“廣泛”應用是你信念的來源嗎？

Vinod Khosla: 當我們投資時，邏輯很簡單：如果我們能開發出接近甚至超越人類智能的東西，其影響將是巨大的。這是一種“既然成功的后果如此舉足輕重，為什么不試一試”的邏輯。

關于泡沫的觀念很可笑。人們把泡沫等同于股價，但這除了反映投資者的恐懼和貪婪外，說明不了任何問題。我總是通過 API 調用的數量來衡量泡沫。在互聯網泡沫時期，應該用互聯網流量來衡量，而不是看股價。哪怕在一天之內，人們可以因為估值過高從熱愛英偉達變成討厭英偉達，這些波動不是現實。

現實是底層的 API 調用數量。如果你看互聯網泡沫時期的網絡流量，價格可能劇烈波動，但在流量數據中檢測不到泡沫。我幾乎可以向你保證，你在 API 調用數量中看不到泡沫。如果這是你衡量 AI 真實用途和需求的基本指標，你是看不到泡沫的。華爾街怎么搞并不重要，那只是為了填滿媒體版面。

Sarah Friar: 沒錯。1999 年時互聯網太初級，你很難看出它如何改變生活。但 AI 的變化非常真實。

作為一名 CFO，我看到 AI 真正接管了組織中那些枯燥的任務。比如收入管理團隊，以前他們每天要閱讀大量合同，尋找可能影響收入確認的非標準條款。這通常是審計的重點。按照我們的增長速度，合同數量成倍增加，在沒有 AI 的世界里，我只能雇更多人去做這種枯燥的苦差事。

今天，智能體能夠遍歷這些數據，告訴我什么是非標準的以及原因，建議收入確認方式，甚至提供業務洞察。比如某個非標準條款是否應該成為標準？我們是否正在經歷商業模式的轉變？

現在我的初級員工正在重新找回他們熱愛的工作。對我來說這不是泡沫，因為價值真實可見。這意味著我可以擁有一個規模更小、績效更高、士氣更高、留存率更好的團隊。媒體在討論泡沫時忽略了我們是隨著需求在投資——目前甚至落后于需求。泡沫意味著你在需求之前過度投資，并且將會出現斷檔。

生產力爆發：一人加 AI 頂十人

Vinod Khosla: 采用 AI 的公司生產力正在上升，特別是較新的科技導向型公司。我最喜歡的例子是一家叫 Slash 的公司，ARR 大約 1.5 億美元，但會計部門只有一個人，只有一個財務總監。因為他們采用了 AI 驅動的 ERP 系統替換了 NetSuite。CEO 甚至向我道歉說他可能得雇第二個人了。

還有一個故事，有人用一個銷售開發代表（SDR）加上 AI 替換了 10 個 SDR，剩下的那個人基本上就是在監督 AI。

Andrew Mayne: 我聽到過這樣的故事，與其在不產生增長的領域雇人，他們現在可以雇傭那些能為公司創造更多增長的人。

Vinod Khosla: 那句老話，“未來已來，只是分布不均”。我看到單點上的巨大生產力提升，但全球只有極小比例的人適應了這些。隨著時間推移，這些技術會傳播給每個人，你會看到采用率的指數級增長。

Sarah Friar: 麥肯錫的研究顯示，前四分之一的公司生產力提高了 27% 到 33%。這不僅僅意味著員工總數減少，絕對有空間把人轉移到更以增長為導向的工作上。

我最近遇到一位大型咨詢公司的管理者，她現在的后臺系統描述為“人 + 智能體”，比例是 1 比 5，一個人對應五個智能體。但在前端，他們正在重新招聘以實現增長，因為客戶需要更多幫助來思考如何部署 AI。我們終于回歸到讓機器和智能體去解析信息，而不是讓人去處理信息過載。

Andrew Mayne: 提到消費者端和廣告，這引出了信任問題。人們會擔心“ChatGPT 會拿我的信息做什么？”

Sarah Friar: 今天我們 95% 的用戶是免費使用的。這符合我們造福全人類的使命。關于廣告，首先我們必須確保每個人都明白，模型永遠給你最好的答案，而不是“被充值”的答案。我們有一個北極星指標：模型永遠只提供最佳結果。

其次，廣告可以有很大的效用。如果我搜索周末去圣地亞哥度假，Airbnb 的廣告其實非常有幫助。你甚至想在 ChatGPT 這種豐富的環境中與廣告商互動。但你要清楚這是在廣告環境中。我們需要在“什么感覺是平臺原生的”這方面進行創新，而不是到處貼橫幅廣告。

最后，必須要有一個不存在廣告的層級，給用戶選擇權。當我們發布健康產品時，我們非常明確：你的數據是獨立的，不會被用來訓練模型。信任對 OpenAI 來說就是一切。

Andrew Mayne: 未來會不會是一個你需要訂閱很多不同 AI 服務的世界？

Vinod Khosla: 我認為你會擁有各種模型，大多數人會有不止一個訂閱。這就像媒體訂閱，不同的人會做出不同的選擇，包括免費的廣告支持模式。

Sarah Friar: 不過還要考慮切換平臺的成本。比如 ChatGPT 的記憶功能，它記得我們之前的對話，甚至結合日歷提醒我今天的會議重點。如果我多平臺棲息（Multi-homing），我就失去了這種好處。這和同時訂閱多家報紙不一樣，因為如果我去別的地方讀，并沒有真正損失這種連貫性。

Andrew Mayne: 隨著 AI 變得更有用，這種從免費到付費的模式會走向何方？

Sarah Friar: 我更把它看作基礎設施，像電力一樣。我并不糾結于一天用了多少電，它只是無處不在地為我工作。我認為未來的巨大變化是智能將融入一切，而不是我們刻意去“調用”它。

多模態可能是最大的變化。手機教會了我們要用大拇指說話，而新世界會有新的硬件幫助我們以非常人性化的方式去聽、看、說、寫。

Vinod Khosla: 互聯網讓信息爆炸到了你無法完全使用的地步。你每天的時間是有限的，AI 會過濾信息，讓你的每一小時都變成最有效的一小時。智能將世界簡化為對你個人最相關的東西。

OpenAI 在企業級競爭已經贏了

Andrew Mayne: OpenAI 將如何在企業端競爭并獲勝？

Sarah Friar: 我認為我們在這一領域已經贏了。90% 的企業表示他們正在使用或打算在未來 12 個月內使用 OpenAI。我們是歷史上最快達到 100 萬企業用戶的平臺，大約只用了一年半。

當你把 iPhone 帶去上班時，公司無法拒絕消費者偏好的浪潮。同理，當員工已經在生活中使用 ChatGPT，他們期望工作體驗至少要一樣好。這是推動我們企業業務發展的動力。

接下來是滿足客戶的垂直領域需求。我們學會了先了解企業的問題，再提供解決方案。從輕度的垂直專業化，到針對特定用例（如能源勘探）的強化學習模型，再到大型變革性項目——我們幾乎接管某人的整個業務，幫助他們重新思考。

很多 CEO 告訴我：“我 60% 的生產代碼是由智能體編寫的?！边@只是開始，目前只有大約 14% 的客戶在使用某種智能體技術。這個機會是巨大的。

Andrew Mayne: 如果我是一家創業公司，還有我的空間嗎？

Vinod Khosla: 沒哪家公司能做這星球上的所有事情。明智的做法是弄清楚模型會往哪里走，然后專注于在基礎模型之上構建更有趣的東西。僅僅智能本身并不是解決方案的全部，圍繞解決方案還有很多其他環節。

Sarah Friar: 創業公司的機會在于擁有獨特數據的訪問權，并結合復雜的工作流。比如采購系統本身不復雜，但它結合了授權流程、HR 系統檢查等，這就是護城河。通用模型不會自己做所有這些事情，我們希望與你們并肩工作。

Vinod Khosla: 機會很多，比如圍繞數據權限、為公司定制模型、智能體身份驗證以及智能體商業（Agentic Commerce）?，F在做創業公司可能比以往任何時候都更有趣。

Andrew Mayne: Vinod，你曾談論過 2050 年的世界。像機器人這樣的東西會往哪里發展？

Vinod Khosla: 我曾預測，15 年后機器人產業的規模將超過今天的汽車產業。我們認為汽車產業是地球上最大的產業之一，而這個新東西會更大。大多數汽車公司還在想如何在裝配線上使用機器人，而不是意識到那個業務比他們現在的業務還要大。

Sarah Friar: 我們有時候低估了家庭機器人的潛力。不僅僅是疊衣服這種家務，而是陪伴。孤獨感是世界上最大的流行病之一。對于獨居老人，最看重的是找個人以直觀、人性化的方式交談。這可能不需要機器人會煮咖啡，只要能進行那種類人的對話，價值就是巨大的。這只是 Vinod 所說的“爬-走-跑”演進過程中的第一次爬行，但其復雜性和價值不可估量。

Andrew Mayne: 當我們降低了智能的成本，這是否意味著我們真的降低了勞動力的成本？

Vinod Khosla: 我認為在下一個十年的末期，你會看到一個大規模的通貨緊縮經濟。因為勞動成本、專家服務成本將接近于零。

AI 采用帶來的社會層面問題還沒有被解決。我們需要進行的對話是：人們以后做什么？如何謀生？我認為政府保障的最低生活標準將比現在高得多，而不需要人們去掙工資。

我無法想象比今天好 10 倍的初級醫療不以極低成本實現。免費的初級醫療、免費的教育（每個孩子都有 AI 私人導師）將成為現實。有些硬骨頭如住房很難解決，但我認為通過機器人和更好的方法，這些都能被解決。我們將迎來一個超出人們計劃的通縮經濟。

視頻鏈接：https://www.youtube.com/watch?v=Z3D2UmAesN4