本文將統(tǒng)一介紹OpenAI 的發(fā)展歷程，并討論其公司架構(gòu)、技術(shù)演進(jìn)、商業(yè)模式、財(cái)務(wù)和估值，以及對(duì)公司未來的思考，內(nèi)含大量技術(shù)細(xì)節(jié)。
原文包含20多幅圖片，我給配了一些注釋，enjoy，歡迎點(diǎn)贊、關(guān)注和收藏。（之后我會(huì)更新一篇黃仁勛出道以來推薦過的書，這位老哥非常神奇，現(xiàn)年62歲、創(chuàng)業(yè)32年的他，似乎一共只推薦過7本書，但是本本經(jīng)典，敬請(qǐng)期待。)
全文目錄1、前OpenAI時(shí)期（2015年之前） 2、OpenAI成立了 3、OpenAI的技術(shù) 4、OpenAI的商業(yè)模式 5、OpenAI的市場(chǎng)數(shù)據(jù)與競(jìng)爭(zhēng)格局

6、OpenAI的未來

OpenAI 公司估值演變趨勢(shì)圖：此圖展示了 OpenAI 自 2015 年成立以來，估值隨時(shí)間推移的增長(zhǎng)軌跡。從創(chuàng)立初期估值較低，到隨后呈指數(shù)級(jí)攀升。

1、前OpenAI時(shí)期 （2015年之前）

在前OpenAI 時(shí)期，也就是2015年之前，有三個(gè)重要因素為 OpenAI 的誕生奠定了基礎(chǔ)：

1.1 深度學(xué)習(xí)的興起

2012 年，Ilya Sutskever（OpenAI 前首席科學(xué)家，現(xiàn) Safe Superintelligence 創(chuàng)始人）、Alex Krizhevsky 和“人工智能教父”Geoff Hinton 組成的團(tuán)隊(duì)在一次競(jìng)賽中大幅刷新了此前的基準(zhǔn)成績(jī)。

2010–2015 年 ImageNet 圖像識(shí)別競(jìng)賽冠軍模型錯(cuò)誤率對(duì)比圖，該圖比較了ImageNet挑戰(zhàn)賽各年度獲勝模型的分類錯(cuò)誤率（Error Rate），展示了 2012 年深度學(xué)習(xí)模型帶來的突破性進(jìn)展。橫軸就是年份，縱軸表示錯(cuò)誤率百分比，柱狀條高度代表當(dāng)年冠軍模型在測(cè)試集中未能正確識(shí)別的比例，所以高度越低越好。

1.2 谷歌/Meta在AI 人才上的雙寡頭

在ImageNet大賽取得突破后，F(xiàn)acebook和Google圍繞AI人才幾乎形成了雙寡頭格局。最終，Google收購(gòu)DeepMind，讓整個(gè)硅谷的從業(yè)者感到擔(dān)憂。這其中，尤其有兩個(gè)人對(duì)此不以為然，他們想要打造一個(gè)不同的選擇：一家致力于非營(yíng)利AI研究的實(shí)驗(yàn)室。

這兩個(gè)人就是Elon Musk和Sam Altman。

1.3 Sam Altman的崛起

隨著ChatGPT時(shí)刻的到來，Sam Altman成為OpenAI的首席執(zhí)行官，并一直是公司對(duì)外的代表人物。在此之前，他曾出任創(chuàng)業(yè)孵化器Y Combinator的總裁，并且是Paul Graham(也是黑客與畫家的作者）最為賞識(shí)的創(chuàng)業(yè)者之一。

Graham曾說：“有人建議我在這個(gè)榜單里不要提及YC資助的創(chuàng)業(yè)者。但這樣的規(guī)矩對(duì)Sam Altman可不適用。只要他想上榜，他就一定會(huì)上榜坦白說，Sam和Steve Jobs一樣，都是我在指導(dǎo)初創(chuàng)公司時(shí)提及最多的創(chuàng)業(yè)者。在設(shè)計(jì)相關(guān)的問題上，我會(huì)問‘Steve會(huì)怎么做？’，但在考慮戰(zhàn)略與雄心的問題上，我會(huì)問‘Sam會(huì)怎么做？’。與Sam見面后，我意識(shí)到“天選之人”這一觀念，同樣適用于創(chuàng)業(yè)領(lǐng)域，但它的適用范圍遠(yuǎn)比大多數(shù)人想象的小，投資創(chuàng)業(yè)公司并不是賽馬式地挑選贏家。但的確有極少數(shù)人，憑借堅(jiān)定的意志力，終將獲得他們想要的一切。——Paul Graham，《Five Founders》）

上述三個(gè)要素，分別提供了技術(shù)突破、促成了創(chuàng)建一個(gè)抗衡谷歌/FB的實(shí)驗(yàn)室的理由，并聚攏到了一位有能力引領(lǐng)這一全新事業(yè)的人才。然后，這一切匯聚到了一場(chǎng)如今已頗具傳奇色彩的聚會(huì)，它發(fā)生在硅谷著名的Sand Hill Road上的Rosewood酒店里。（一些細(xì)節(jié)可見這篇文章：）

2、OpenAI 的成立
正是在那次晚宴上，Elon和Sam向在座的頂尖AI研究人員提出了創(chuàng)建OpenAI的計(jì)劃。其中有一人,尤其被這個(gè)想法所吸引：Ilya Sutskever（被譽(yù)為OpenAI的“AI 天才”）。
不久之后，Ilya便與Greg Brockman（被稱為OpenAI的“埋頭實(shí)干者”）一起成為OpenAI的兩位主要領(lǐng)導(dǎo)者，并獲得了Elon Musk、Peter Thiel、Reid Hoffman等人合計(jì) 10 億美元的資金支持，Elon和Sam則共同出任董事會(huì)聯(lián)席主席。
當(dāng)時(shí)，OpenAI的核心理念很明確：人工智能可能徹底改變世界，在這種情況下，讓一家不受盈利驅(qū)動(dòng)的機(jī)構(gòu)來開發(fā)這項(xiàng)技術(shù)對(duì)人類整體最為有利。

OpenAI創(chuàng)立初期的幾年，以大量試驗(yàn)探索為標(biāo)志，推出了一系列項(xiàng)目：OpenAI Gym（面向強(qiáng)化學(xué)習(xí)的工具包）、OpenAI Universe（構(gòu)建虛擬環(huán)境中的AI）、OpenAI Five（挑戰(zhàn)Dota 2的AI代理），以及 OpenAI Dactyl（機(jī)械手機(jī)器人）。
2.1 Transformer 的出現(xiàn)
2017 年，谷歌發(fā)布了著名的論文《Attention Is All You Need》（《注意力機(jī)制就是一切》），首次提出了Transformer架構(gòu)。
Ilya 對(duì)這一突破的重要性，立刻就有了感知，他當(dāng)時(shí)的反應(yīng)非常肯定。

這里先大致介紹一下原理，Transformer真正的突破，在于能夠?qū)?strong>上下文納入模型輸出的考量。它通過計(jì)算詞語與其周圍其他詞語之間的“相關(guān)性”，以及它們?cè)诰渥又械南鄬?duì)位置，并將這些信息與該詞的表示一起存儲(chǔ)，從而讓模型更好地理解上下文含義。
它的目標(biāo)是將初始輸入數(shù)據(jù)，轉(zhuǎn)換為一系列向量，這些向量蘊(yùn)含了輸入數(shù)據(jù)的語義信息，然后根據(jù)這些語義向量來預(yù)測(cè)下一個(gè)詞出現(xiàn)的概率。

Transformer 神經(jīng)網(wǎng)絡(luò)架構(gòu)（簡(jiǎn)化示意），編碼器-解碼器結(jié)構(gòu)，以及通過“注意力機(jī)制”融入上下文信息的工作原理。圖中左側(cè)是編碼器（Encoder），接受輸入序列的詞向量表示（加上位置編碼），并經(jīng)過多層自注意力（Self-Attention）和前饋網(wǎng)絡(luò)逐步提取特征；右側(cè)是解碼器（Decoder），利用編碼器生成的表示和解碼器自身先前輸出，通過多頭注意力機(jī)制，來預(yù)測(cè)輸出序列的下一個(gè)單詞。
注意力（Attention）模塊通過計(jì)算詞與詞之間的相關(guān)性權(quán)重矩陣，使模型在生成某個(gè)詞時(shí)，能夠參考輸入序列中所有其他詞的重要程度。
例如，對(duì)于詞 “float”，模型可以根據(jù)上下文判斷它指的是“漂浮”（float on water）、“汽水冰淇淋”（root beer float）、“游行花車”（parade float）還是“飄飄然”（floating on cloud nine）。
Transformer模型的幾個(gè)核心階段包括：
1、輸入階段：tokens首先轉(zhuǎn)為Input Embedding（向量表示），同時(shí)加入Positional Encodings，以標(biāo)記tokens在序列中的位置；
2、Encoder（編碼器），由多層Self AttentionFeed Forward組成，作用是理解整段輸入的上下文關(guān)系，生成富含語義的內(nèi)部表示；
3、Decoder（解碼器）：同樣堆疊 Self Attention 和 Feed Forward，在預(yù)測(cè)下一個(gè)詞時(shí)會(huì)參考編碼器的輸出，作用是基于編碼器的表示逐步生成目標(biāo)序列，如翻譯內(nèi)容或續(xù)寫文本；
4、輸出階段：解碼器輸出經(jīng)Softmax轉(zhuǎn)為各候選詞的概率分布，選取概率最高的詞作為下一個(gè)輸出。生成序列會(huì)循環(huán)進(jìn)行，直至滿足終止條件。
上圖突出了Transformer 的兩大關(guān)鍵：自注意力機(jī)制（Self Attention）使模型能同時(shí)關(guān)注整個(gè)序列的相關(guān)信息，而位置編碼Positional Encodings補(bǔ)足序列順序，讓模型理解詞語先后關(guān)系。
Transformer架構(gòu)的關(guān)鍵，在于并行地處理整個(gè)序列，而不是逐詞翻譯，從而極大提高了效率和效果。這個(gè)架構(gòu)為OpenAI此后的GPT系列模型奠定了基礎(chǔ)，是實(shí)現(xiàn)更深層次語言理解的里程碑，體現(xiàn)了 Transformer在上下文處理上的革命性突破。

Transformer的出現(xiàn)，為OpenAI在 2018 年發(fā)表的論文《Improving Language Understanding by Generative Pre-Training》中取得的突破奠定了基礎(chǔ)，那篇論文首次引入了 GPT-1 模型。

正如 Sam Altman所總結(jié)的那樣，這一突破意味著“人類發(fā)現(xiàn)了一種算法，能夠真正地學(xué)習(xí)任何數(shù)據(jù)分布，更確切地說，學(xué)習(xí)生成任何數(shù)據(jù)分布的底層規(guī)則”。

然而，Transformer中的“注意力機(jī)制”，極大地提高了計(jì)算需求，進(jìn)而引發(fā)了對(duì)“規(guī)?；痵caling”的探索。

后來的事實(shí)證明，增加模型參數(shù)規(guī)模和訓(xùn)練數(shù)據(jù)量，模型性能就能以可預(yù)期的方式提升。

2.2 從非營(yíng)利到營(yíng)利的轉(zhuǎn)變（2019–2022）
毋庸置疑，OpenAI 從非營(yíng)利組織慢慢轉(zhuǎn)變?yōu)闋I(yíng)利公司的過程,引起了許多爭(zhēng)議。這一轉(zhuǎn)變，也導(dǎo)致 Elon Musk 與 OpenAI 分道揚(yáng)鑣。
然而，“規(guī)?；?strong>scaling”這一發(fā)現(xiàn)，算是把OpenAI逼到了墻角。要利用擴(kuò)大模型規(guī)模帶來的性能提升，就必須投入巨額資源，而吸引巨額資金的唯一途徑，就是給予巨額的財(cái)務(wù)回報(bào)。
2019 年，OpenAI 轉(zhuǎn)型為一家“封頂盈利”（capped-profit）的公司，并從微軟等投資者那里募集了 10 億美元。這一架構(gòu)下，非營(yíng)利的 OpenAI 組織管理著一個(gè)有盈利上限的營(yíng)利公司：

OpenAI 非營(yíng)利組織與封頂盈利公司結(jié)構(gòu)示意圖，這張圖描述了 OpenAI 獨(dú)特的雙層架構(gòu)：頂層是非營(yíng)利性的 OpenAI Inc.（公益機(jī)構(gòu)），其下設(shè)立了一個(gè)封頂利潤(rùn)的營(yíng)利實(shí)體 OpenAI Global LLC（ OpenAI LP）。OpenAI Inc. 通過特殊的公司結(jié)構(gòu)完全控制著營(yíng)利實(shí)體 OpenAI LP 的決策，外部投資者（如微軟等）可以向 OpenAI LP 投資，但他們的回報(bào)被限制在約定上限（例如利潤(rùn)的若干倍）以內(nèi)，超過上限的收益歸 OpenAI 非營(yíng)利組織所有。

有了這筆新資金的支撐，OpenAI 開始迅猛發(fā)展。2020 年，他們發(fā)布了 GPT-3。2021 年，推出了 Codex（GitHub Copilot 背后的模型），同年還發(fā)布了 DALL-E。他們還再次從微軟獲得了 10 億美元投資。這一切最終將我們帶到了一個(gè)眾所周知的時(shí)刻——2022 年末 ChatGPT 的橫空出世，正是這個(gè)事件出乎意料地引爆了 AI 革命。

2.3Chat With GPT-3.5

Altman自己的原話是：“在 2022 年，OpenAI 還是一家默默無聞的研究實(shí)驗(yàn)室，正在研究一個(gè)暫時(shí)稱為『Chat?With?GPT?3.5』的項(xiàng)目……我們一直都明白，總有一天會(huì)迎來一個(gè)臨界點(diǎn)，人工智能革命將就此啟動(dòng)。只不過，我們不知道那個(gè)時(shí)刻究竟會(huì)以何種形式出現(xiàn)。讓我們驚訝的是，最后竟然是這一刻?！?/strong>

值得稱道的是，微軟敏銳地抓住了這個(gè)機(jī)遇，豪擲 100 億美元投資 OpenAI。微軟隨即以最快速度將 OpenAI 的技術(shù)整合到自己幾乎所有的產(chǎn)品中，并將這項(xiàng)工作視作公司的頭號(hào)優(yōu)先事項(xiàng)。

自那以后，圍繞 OpenAI 的故事已廣為人知：

• OpenAI 已成為當(dāng)代這場(chǎng) AI 浪潮中當(dāng)之無愧的標(biāo)志性公司；

• Sam Altman 一度離開 OpenAI，但不久后又重返公司；

• OpenAI 正面臨來自 Anthropic、Meta、xAI、Google，以及崛起的 DeepSeek 等越來越多的競(jìng)爭(zhēng)；

• 公司已獲得了數(shù)十億美元的融資，成為全球估值第三高的未上市公司；

• 他們發(fā)布了諸如 o3 等具備“推理”能力的模型，開辟了除規(guī)模擴(kuò)張以外新的性能提升路徑；

• 截至 2024 年 12 月，ChatGPT 的用戶數(shù)量突破了 3 億。

• 據(jù)報(bào)道，公司此時(shí)的年度營(yíng)收運(yùn)行率（用短期收入外推到12個(gè)月收入）已達(dá)到約 40 億美元。

綜上所述，公司目前所面臨的局面是：

1、正處于開發(fā)通用型智能代理的臨界點(diǎn)；

2、面臨日益激烈的競(jìng)爭(zhēng)，尤其是來自開源模型生態(tài)的挑戰(zhàn)；

3、正在努力平衡獨(dú)特的治理結(jié)構(gòu)、建立可持續(xù)的商業(yè)模式，并推進(jìn)“超級(jí)智能”的研發(fā)。

正如 Sam Altman 所說：“我們現(xiàn)在有信心知道如何構(gòu)建傳統(tǒng)意義上所定義的 AGI。我們相信，在 2025 年，我們可能會(huì)看到首批 AI 智能體‘加入勞動(dòng)力大軍’，對(duì)企業(yè)的產(chǎn)出帶來實(shí)質(zhì)性改變。我們依然相信，反復(fù)將出色的工具交到人們手中，會(huì)帶來偉大且廣泛共享的成果。”

3、OpenAI 的技術(shù)

如果不把 AI 技術(shù)發(fā)展的來龍去脈講清楚，就很難解釋 LLM（大語言模型）的工作原理。

如果把AI的演進(jìn)史高度概括，可以劃分出以下階段：提出 AI 概念 → 數(shù)十年研究積累 → 深度學(xué)習(xí)突破 → 注意力機(jī)制與 Transformer 出現(xiàn) → 早期 LLM 面世 → ChatGPT 橫空出世 → 引入“推理”能力 → 誕生智能代理agent

3.1 AI 的根基和起源

人工智能的核心理念，是讓機(jī)器自動(dòng)執(zhí)行人類的常規(guī)任務(wù)，并最終逼近人類的智能水平。

從早期的計(jì)算器，到大型主機(jī)，再到軟件程序，都可以看作人工智能形態(tài)演進(jìn)的縮影。計(jì)算技術(shù)的每一次飛躍，都讓我們更接近艾倫·圖靈對(duì) AI 的最初設(shè)想：“我們想要的是一臺(tái)能夠從經(jīng)驗(yàn)中學(xué)習(xí)的機(jī)器……而讓機(jī)器自行改變其指令的可能性，為實(shí)現(xiàn)這一目標(biāo)提供了機(jī)制?！?/p>

20 世紀(jì) 40 年代，人工神經(jīng)網(wǎng)絡(luò)這一現(xiàn)代 AI 系統(tǒng)的基礎(chǔ)概念，就已經(jīng)被提出。

神經(jīng)網(wǎng)絡(luò)是由多層“節(jié)點(diǎn)nodes”組成的模型，可以想象成一系列可調(diào)節(jié)的旋鈕。通過賦予眾多節(jié)點(diǎn)之間不同的權(quán)重，神經(jīng)網(wǎng)絡(luò)可以建模許多復(fù)雜的映射關(guān)系。

一般來說，網(wǎng)絡(luò)中的節(jié)點(diǎn)越多、層數(shù)越深，它就能學(xué)習(xí)和表示越復(fù)雜的模式。Generally, the more “nodes”, the more complex systems they can model.

多層人工神經(jīng)網(wǎng)絡(luò)示意圖，這張圖展示了一個(gè)典型的多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。圖中圓節(jié)點(diǎn)分布在幾層：最左側(cè)一層是輸入層，中間若干層是隱藏層，最右側(cè)一層是輸出層。

輸入層的節(jié)點(diǎn)，接收原始數(shù)據(jù)（例如圖像像素或文本的數(shù)值表示），然后通過連接線將信號(hào)傳遞給下一層的隱藏節(jié)點(diǎn)。每條連接線都帶有一定的權(quán)重（可理解為“旋鈕”的位置），決定了信號(hào)傳遞的強(qiáng)度。

隱藏層節(jié)點(diǎn)對(duì)接收到的信號(hào)，進(jìn)行加權(quán)匯總并通過非線性函數(shù)轉(zhuǎn)換，將結(jié)果傳遞給下一層。

經(jīng)過層層傳遞，最終輸出層節(jié)點(diǎn)給出模型的預(yù)測(cè)結(jié)果。

圖中的箭頭表示權(quán)重調(diào)整方向：在訓(xùn)練過程中，模型通過反向傳播算法不斷調(diào)整各連接的權(quán)重，以盡可能降低輸出與真實(shí)值之間的誤差。

一般而言，增加節(jié)點(diǎn)數(shù)量（拓寬每層規(guī)模）或增加隱藏層層數(shù)（加深網(wǎng)絡(luò)深度），能夠提高模型對(duì)復(fù)雜函數(shù)關(guān)系的擬合能力，但也需要更多的數(shù)據(jù)和算力來支撐。

這些模型，通過大量與其模擬對(duì)象相關(guān)的數(shù)據(jù)進(jìn)行訓(xùn)練，訓(xùn)練的目標(biāo)，是將模型輸出與真實(shí)數(shù)據(jù)之間的“誤差或損失最小化minimize loss”。

通常而言，提供給模型的訓(xùn)練數(shù)據(jù)越多，模型最終的效果肯定也就越好。

神經(jīng)網(wǎng)絡(luò)從提出理論到實(shí)際大放異彩，經(jīng)歷了數(shù)十年的漫長(zhǎng)等待。

最終，促成現(xiàn)代深度學(xué)習(xí)蓬勃發(fā)展的有兩個(gè)關(guān)鍵因素：海量數(shù)據(jù)或者說big data的出現(xiàn)，以及 NVIDIAGPU所提供的強(qiáng)大并行計(jì)算能力。

2012 年 ，AlexNet 模型取得的突破，標(biāo)志著人工神經(jīng)網(wǎng)絡(luò)性能的一次飛躍，其背后的重要技術(shù)支撐之一，正是利用 GPU 對(duì)模型訓(xùn)練進(jìn)行并行加速。

3.2 現(xiàn)代?AI?系統(tǒng)：LLM 的黑盒

下一塊奠基石，正是 Transformer 模型。

2017 年，谷歌發(fā)表的《Attention is All You Need》論文，提出了這種如今家喻戶曉的架構(gòu)。其核心思想在于，通過“注意力attention”機(jī)制，將上下文融入對(duì)單詞的語義表達(dá)。

例如在前文中就提到過的，英語單詞“float”的含義，可以是：“float on water漂浮”，也可以是“ a root beer float汽水冰淇淋”“a parade float游行花車”甚至“floating on cloud nine飄飄然的幸福感”。

Transformer 提供了一種方法，將單詞所處的上下文，整合進(jìn)它的語義之中，使模型能夠依據(jù)上下文來判別 “float” 在具體句子里的含義

LLM 處理輸入的第一步，是獲取給定的文本（就是用戶給的prompt），將其拆分為一個(gè)個(gè)詞元（token），并將每個(gè)詞元的含義映射（embeddings）成一個(gè)語義向量（columns of data，可以理解為在高維空間中表示詞義的坐標(biāo)）。

此時(shí)，模型已經(jīng)得到一組向量化的語義表示，用來刻畫輸入的數(shù)據(jù)。

接著，transformer登場(chǎng)。

它的目標(biāo)是生成一系列新的向量，使其中融入單詞的上下文意義。transformer 的關(guān)鍵理念就是attention：一次性處理整句，而不是逐詞依次翻譯。

本質(zhì)上，模型會(huì)在一張 “attention?grid” 中考察詞與詞之間的關(guān)系。

Transformer 注意力權(quán)重矩陣示意圖，這張圖展示了 Transformer 模型在處理一句話時(shí)生成的“注意力”權(quán)重矩陣。

矩陣的行和列，分別對(duì)應(yīng)輸入句子的各個(gè)詞。每個(gè)單元格顏色的深淺表示模型在計(jì)算某一行對(duì)應(yīng)詞的表達(dá)時(shí)，對(duì)某一列對(duì)應(yīng)詞的關(guān)注強(qiáng)度（權(quán)重大小）。

顏色越深，表示模型認(rèn)為這兩個(gè)詞聯(lián)系越緊密、相關(guān)性越高。通過注意力矩陣，我們可以直觀地看到模型在理解句子時(shí)關(guān)注到哪些詞與哪些詞存在重要關(guān)聯(lián)。

注意力機(jī)制使模型在翻譯或生成時(shí)同時(shí)考慮句中所有詞語的相互關(guān)系，這相比逐詞處理的方法更充分地利用了全局語境信息。

隨后，這些信息會(huì)經(jīng)過前饋網(wǎng)絡(luò)feed?forward layer，進(jìn)一步精煉由 attention提取的特征信息。

當(dāng)數(shù)據(jù)在模型中的各層不斷流動(dòng)時(shí)，上述過程會(huì)被反復(fù)執(zhí)行，持續(xù)更新embeddings，以便更準(zhǔn)確地預(yù)測(cè)“正確答案”。

在數(shù)據(jù)處理完畢后，模型會(huì)輸出一個(gè)潛在詞語的概率列表（probabilities of potential words，就像我們的大腦想表達(dá)同一含義時(shí)，常有多種近義詞可選）。

最終，模型根據(jù)這些概率選擇一個(gè)詞，映射關(guān)系（embeddings）會(huì)被 “反嵌入unembed”回對(duì)應(yīng)的人類語言單詞，并作為結(jié)果輸出給你看。

3.3、OpenAI 當(dāng)前的技術(shù)：規(guī)模、推理與agent

基于 Transformer 架構(gòu)訓(xùn)練出的 LLM 模型，最初的表現(xiàn)其實(shí)并不算出色。要達(dá)到如今 ChatGPT 這樣的質(zhì)量，他們做對(duì)了什么？

答案就是：規(guī)?；疭caling

投入更多的數(shù)據(jù)、使用更多的 GPU（現(xiàn)在甚至需要更多的能源），就能換來更好的性能——不斷擴(kuò)大規(guī)模，直到模型能夠非常有效地掌握語言規(guī)律為止！

當(dāng)然，讓 ChatGPT 如此出色的，遠(yuǎn)不止規(guī)模一項(xiàng)，還有許多創(chuàng)新改進(jìn)。但正是一系列創(chuàng)新與持續(xù)的規(guī)?；瘮U(kuò)展相結(jié)合，推動(dòng)了模型質(zhì)量節(jié)節(jié)攀升。

對(duì)于現(xiàn)代 AI 系統(tǒng)，OpenAI 將 AI 能力的發(fā)展劃分為五個(gè)層級(jí)。

階段 1：聊天機(jī)器人（Chatbots）– 能進(jìn)行自然語言對(duì)話的基礎(chǔ) AI，例如當(dāng)前的 ChatGPT。它可以理解用戶的語言輸入并給出合適的回復(fù)，但主要用途局限在信息查詢、問答對(duì)話等。

階段 2：推理機(jī)（Reasoners）– 具備連貫邏輯推理能力的高級(jí) AI。此級(jí)別的模型能夠在回答問題時(shí)展開鏈?zhǔn)降膬?nèi)部思考，列舉多種可能的解答思路，評(píng)估其中哪種更優(yōu)，再據(jù)此產(chǎn)出最終答案，使模型的解決問題能力更接近人類的縝密思維過程。

階段 3：智能代理（Agents）– 能自主采取行動(dòng)執(zhí)行任務(wù)的 AI。除了對(duì)話，這一層級(jí)的 AI 可以調(diào)用工具、與外部系統(tǒng)交互，完成諸如瀏覽網(wǎng)頁、調(diào)用應(yīng)用接口、計(jì)劃行程、處理郵件等具體任務(wù)，將 AI 從信息提供者提升為任務(wù)執(zhí)行者。

階段 4：創(chuàng)新者（Innovators）– 擁有創(chuàng)造力和自主創(chuàng)新能力的更高階 AI。不僅能完成預(yù)設(shè)的任務(wù)，還能主動(dòng)提出新想法、設(shè)計(jì)原創(chuàng)方案，甚至在科學(xué)、藝術(shù)等領(lǐng)域有所發(fā)明創(chuàng)造。

階段 5：AI 組織（AI Organizations）– 多個(gè) AI 代理協(xié)同工作、如同一個(gè)組織般運(yùn)作的形態(tài)。若干 AI 分工合作、彼此通信，可以在幾乎無人工介入的情況下自主完成高度復(fù)雜的項(xiàng)目和決策，相當(dāng)于一個(gè)由 AI 組成的虛擬組織。

這兩年開始，“推理reasoning”能力已經(jīng)成為研發(fā)的中心。簡(jiǎn)單說，具有推理能力的模型，會(huì)針對(duì)同一問題生成多個(gè)可能的答案，然后對(duì)這些答案進(jìn)行評(píng)價(jià)，選出最優(yōu)的一個(gè)來作為最終輸出。

這一過程更類似于人類的思考方式：先想出各種主意，再判斷哪個(gè)最好。

這五個(gè)階段，描繪了 OpenAI 對(duì) AI 未來發(fā)展的愿景：AI 將從當(dāng)前的智能對(duì)話助手，逐步進(jìn)化出推理和規(guī)劃能力，繼而能夠執(zhí)行復(fù)雜任務(wù)，甚至具備創(chuàng)造性，最終多個(gè) AI 系統(tǒng)協(xié)作，構(gòu)成自我運(yùn)轉(zhuǎn)的智能網(wǎng)絡(luò)，從而對(duì)人類社會(huì)產(chǎn)生顛覆性影響。

根據(jù) OpenAI 的描述：“通過強(qiáng)化學(xué)習(xí)，o1 模型學(xué)會(huì)了打磨自己的思維鏈條，優(yōu)化使用的策略。它學(xué)會(huì)了識(shí)別并糾正自己的錯(cuò)誤，將棘手的問題分解成更簡(jiǎn)單的小問題。當(dāng)現(xiàn)在的方法不起作用時(shí)，它會(huì)嘗試不同的方法，這個(gè)過程顯著提升了模型推理的能力。”

最終，引入“智能代理Agent”，賦予了 LLM 模型執(zhí)行行動(dòng)的能力。這使模型從一個(gè)更好的搜索工具，變成了一個(gè)真正可以替代人類執(zhí)行部分勞動(dòng)的智能體（至少對(duì)一些簡(jiǎn)單任務(wù)來說）。

增強(qiáng)或者改良的搜索引擎固然有用，但稱不上顛覆性的。如果你擁有的是可以完成各種任務(wù)的智能代理，比如幫你規(guī)劃假期、預(yù)訂酒店、回復(fù)郵件、處理客服請(qǐng)求、安排會(huì)議等，這將真正改變游戲規(guī)則，徹底提升效率和體驗(yàn)。

我們現(xiàn)在達(dá)到那個(gè)地步了嗎？并沒有。

明年就能達(dá)到嗎？或許可以。

十年之后呢？幾乎可以肯定。

這正是 OpenAI 前進(jìn)的方向。正如他們自己所宣稱的：“我們相信在 2025 年，我們可能會(huì)看到首批 AI 智能體‘加入勞動(dòng)力隊(duì)伍’，并實(shí)質(zhì)性地改變企業(yè)的產(chǎn)出。”

4.2、OpenAI 的商業(yè)模式

OpenAI 的商業(yè)模式，就是一家垂直整合的 AI 公司，但只有模型是他們獨(dú)一無二的核心競(jìng)爭(zhēng)力。他們?cè)诩夹g(shù)棧上向上整合，直接提供應(yīng)用來獲取收入，并建立護(hù)城河，同時(shí)也向下整合技術(shù)棧，以降低邊際成本。

4.1 財(cái)務(wù)狀況

大模型本身，就是人們討論的焦點(diǎn)，目前， OpenAI約 72% 的收入就是來自 ChatGPT。

據(jù)The Information報(bào)道，OpenAI 2024 年的收入預(yù)計(jì)約為40 億美元，同時(shí)預(yù)計(jì)虧損約50 億美元。

在這 40 億美元收入的基礎(chǔ)上，OpenAI 的毛利率大約是41%，我猜測(cè)這個(gè)毛利率的計(jì)算范圍，只包含了托管和推理計(jì)算的直接成本。

他們預(yù)計(jì)到2028 年，毛利率可以提高到67%，這可比傳統(tǒng)軟件公司的毛利率還要高很多了。按照預(yù)測(cè)，到2029 年，當(dāng)公司年收入突破1000 億美元時(shí)，將實(shí)現(xiàn)盈虧平衡并開始盈利。

那么，他們打算如何把年收入做到 1000 億美元呢？答案可以從下面這張非常有趣的圖表中找到。

這張圖表在之前 DeepSeek 宣布新模型的背景下，顯得尤為耐人尋味。

圖表顯示，OpenAI 達(dá)成1000 億美元年收入目標(biāo)的路徑并不是依賴 API 接口業(yè)務(wù)，而是靠自家的應(yīng)用產(chǎn)品驅(qū)動(dòng)。甚至在2025 年，他們預(yù)計(jì)“新產(chǎn)品new products”的收入，就將超過 API 收入。

我們不應(yīng)再把 ChatGPT 簡(jiǎn)單看作一個(gè)聊天機(jī)器人，而要把它視為一個(gè)通用型的數(shù)字助理a general-purpose agent。

從我觀察到的跡象來看，ChatGPT 的愿景，是成為每個(gè)人的執(zhí)行助手executive assistant：它可以與用戶所有的賬戶相連接，了解用戶偏好，它能對(duì)會(huì)議錄音并做記錄、安排后續(xù)跟進(jìn)，它可以自動(dòng)回復(fù)日常郵件，它能夠處理客服請(qǐng)求、安排日程。

這樣的 ChatGPT，而不只是一個(gè)聊天機(jī)器人，才能支撐起未來500 億美元（1000億的一半）的收入規(guī)模。

4.2 公司的治理結(jié)構(gòu)

OpenAI 或許像它的重要性一樣復(fù)雜，們的公司架構(gòu)如下所示。

OpenAI 公司架構(gòu)與控制關(guān)系圖，這張圖形象地描繪了 OpenAI 獨(dú)特的公司治理結(jié)構(gòu)。最上方是 OpenAI 的董事會(huì)，由非營(yíng)利組織 OpenAI Inc. 指派，掌控著整個(gè)公司。董事會(huì)通過OpenAI GP LLC（OpenAI 有限合伙企業(yè)的普通合伙人）對(duì)下層的營(yíng)利公司進(jìn)行完全控制。下層主體OpenAI Global LLC（即 OpenAI 有限合伙企業(yè)，OpenAI LP）負(fù)責(zé)實(shí)際運(yùn)營(yíng)業(yè)務(wù)并接受外部投資。

如果你覺得這還不夠復(fù)雜，那么他們與微軟之間的關(guān)系更是錯(cuò)綜復(fù)雜：

如圖所示，微軟作為外部投資者出現(xiàn)在結(jié)構(gòu)的一側(cè)：2019 年微軟向 OpenAI 投資 10 億美元，此后又在 2023 年追加投資，總投資額達(dá)到137.5 億美元，從而獲得了 OpenAI Global LLC 相當(dāng)比例的股權(quán)（據(jù)媒體報(bào)道最高可達(dá) 49%）以及利潤(rùn)分成權(quán)（收益封頂為微軟獲得最多920 億美元的利潤(rùn)）。

與此同時(shí)，OpenAI 使用微軟的 Azure 云基礎(chǔ)設(shè)施來訓(xùn)練模型和提供服務(wù)，每年要向微軟支付逾10 億美元的云服務(wù)費(fèi)用。

這一架構(gòu)展現(xiàn)出 OpenAI 混合型的組織形式：頂層的非營(yíng)利機(jī)構(gòu)確保公司使命和長(zhǎng)期利益不偏離造福人類的初衷；下層的封頂盈利公司則允許吸納來自微軟等投資者及員工的資本，以支撐其龐大的研發(fā)開支，但對(duì)投資回報(bào)進(jìn)行上限約束，從而在逐利與公益之間取得平衡。

正如前文所言，OpenAI 的公司結(jié)構(gòu)相當(dāng)復(fù)雜，但也正因?yàn)檫@種安排，OpenAI 董事會(huì)（非營(yíng)利組織）得以對(duì)公司保有完全控制權(quán)。

據(jù)報(bào)道，微軟可以獲得 OpenAI20% 的營(yíng)收分成（直到獲得 920 億美元利潤(rùn)為止）。作為交換，微軟會(huì)將其 Azure OpenAI 云服務(wù)收入的20%分潤(rùn)給到 OpenAI。

此外，微軟還擁有 OpenAI 相當(dāng)大比例的股權(quán)（具體比例不詳，隨著 OpenAI 結(jié)構(gòu)和融資變化可能調(diào)整，有新聞稱微軟持股最高達(dá) 49%）。

從結(jié)果而論（取決于最終走向），Microsoft 對(duì) OpenAI 的這筆投資很可能稱得上是史上最出色的投資之一。

但是“沖突”也在發(fā)生：Microsoft 曾作為 OpenAI 的獨(dú)家云服務(wù)提供商，但隨著 “Stargate” 項(xiàng)目的公布，這一點(diǎn)似乎已經(jīng)發(fā)生了變化。

5、市場(chǎng)數(shù)據(jù)與競(jìng)爭(zhēng)格局

首先，對(duì)你看到的任何benchmark（基準(zhǔn)測(cè)試）都要保持懷疑。正如有人調(diào)侃的那樣：“我從未遇到過一個(gè)我不喜歡的 benchmark。”

Anthropic據(jù)估計(jì)在 2024 年底達(dá)到了9.6 億美元的年化收入運(yùn)行率（annual run rate，用最近的一段時(shí)間的實(shí)際數(shù)據(jù)，按比例線性外推到 12 個(gè)月），并預(yù)計(jì)在 2025 年將產(chǎn)生20–40 億美元的營(yíng)收。

相較之下，OpenAI 對(duì) 2025 年的營(yíng)收預(yù)測(cè)為120 億美元。

尤其值得注意的是，OpenAI 在模型市場(chǎng)model market份額與應(yīng)用市場(chǎng)application market份額之間，正出現(xiàn)分化趨勢(shì)。在模型層面，我們看到市場(chǎng)競(jìng)爭(zhēng)日益激烈。

大型語言模型市場(chǎng)份額變化（2023 vs 2024）

從各類模型基準(zhǔn)測(cè)試上看，也呈現(xiàn)出類似趨勢(shì)：OpenAI 雖然擁有質(zhì)量最高的模型，但性能/價(jià)格比的“領(lǐng)導(dǎo)者”地位卻存在爭(zhēng)議。

例如，DeepSeek 公司研發(fā)的 R1 模型在性價(jià)比上就已經(jīng)可以媲美 OpenAI 的 o3-mini 和 o1-mini 模型。

不同大型語言模型的性能與成本對(duì)比，理想狀態(tài)是模型位于圖的左上方，即以較低成本實(shí)現(xiàn)高性能。

不過，在應(yīng)用層application business，ChatGPT的主導(dǎo)地位正日益擴(kuò)大：

這是模型競(jìng)爭(zhēng)加劇的更廣泛趨勢(shì)，它將迫使做基礎(chǔ)模型的公司們，不得不尋求在其他維度實(shí)現(xiàn)差異化并獲得盈利。數(shù)據(jù)也表明，對(duì)于OpenAI來說，即便在模型性能保持領(lǐng)先，通往可持續(xù)商業(yè)模式的道路仍在應(yīng)用層。

6、OpenAI 的未來

與其泛泛而談“OpenAI 的未來”，不如用一種考慮各種可能性的視角來展望。在展開之前，我需要列出一些對(duì) OpenAI 未來影響最大的變量，當(dāng)然我可能會(huì)有所遺漏，這畢竟只是我的一些思考。

這些問題應(yīng)被看作一些連續(xù)譜上的未知量：

6.1成本結(jié)構(gòu)：OpenAI 在追求垂直整合、改善成本結(jié)構(gòu)方面能取得多大成功？

6.2商業(yè)模式：OpenAI 如何從其模型中賺錢？其模型會(huì)在多大程度上被商品化（從而壓縮利潤(rùn)空間）？

6.3市場(chǎng)格局：未來 AI 應(yīng)用市場(chǎng)的最終狀態(tài)（規(guī)模、份額、盈利能力）將會(huì)如何？

6.4產(chǎn)品形態(tài)：OpenAI 如何將模型的智能轉(zhuǎn)化為實(shí)際行動(dòng)能力（也即讓智能代理真正執(zhí)行人類任務(wù)）？

6.5估值：我們?cè)撊绾螢?OpenAI 估值？

6.1 成本結(jié)構(gòu)：掌控一切

第一個(gè)變量是關(guān)于垂直整合vertical integration，OpenAI 已經(jīng)融資了數(shù)百億美元，既然手握重金，不妨努力把能掌控的環(huán)節(jié)都掌控在手里。

眼下，流入 AI 領(lǐng)域的資金比歷史上任何其他新興行業(yè)都要多——據(jù)估計(jì)，僅過去四年里，風(fēng)投資本向 AI 投入了約4500 億美元，相比之下互聯(lián)網(wǎng)泡沫高峰時(shí)期是2560 億美元。

這意味著，從未有哪個(gè)行業(yè)的創(chuàng)業(yè)公司像 AI 這樣面對(duì)如此眾多且資金充沛的競(jìng)爭(zhēng)者。

在這樣的環(huán)境中，要建立競(jìng)爭(zhēng)壁壘是極其困難的。為此，OpenAI 正在沿著 AI 技術(shù)棧上下兩個(gè)方向推進(jìn)垂直整合。正如我們已經(jīng)看到的，通過 Stargate 項(xiàng)目以及自研 AI 芯片的嘗試，向技術(shù)棧下游發(fā)展能為他們?cè)谟布用鎺沓杀緝?yōu)勢(shì)和所需的自主可控性。

他們的大部分競(jìng)爭(zhēng)對(duì)手，在某些方面有自身優(yōu)勢(shì)：要么擁有自研定制的 AI 芯片（如 Google、Amazon、Meta），要么擁有龐大的自有數(shù)據(jù)中心（如 xAI 倚仗超大規(guī)模云廠商），OpenAI 不能因?yàn)槿狈?duì)底層硬件的掌控，就眼睜睜丟掉競(jìng)爭(zhēng)優(yōu)勢(shì)。

然而，話說回來，沒有自建的數(shù)據(jù)中心或自研硬件，OpenAI 也未必?zé)o法存續(xù)。但以應(yīng)用層取勝卻是必須做到的，這將是 OpenAI 實(shí)現(xiàn)經(jīng)濟(jì)上可持續(xù)發(fā)展的關(guān)鍵途徑。

6.2 商業(yè)模式：如何實(shí)現(xiàn)可持續(xù)的盈利？

可預(yù)見的是，大量資本在未來還將涌向 OpenAI 的直接競(jìng)爭(zhēng)對(duì)手，例如 Anthropic、xAI，以及 Safe Superintelligence 等公司的競(jìng)品。

此外，幾家史上最龐大且最賺錢的科技巨頭，也把 OpenAI 視作存亡攸關(guān)的對(duì)手，投入重兵參與這場(chǎng)競(jìng)賽。

更糟的是，DeepSeek 已經(jīng)證明，可以訓(xùn)練出一款成本更低、運(yùn)行更省錢而質(zhì)量幾乎相當(dāng)?shù)哪Ｐ汀?br/>

還有一些競(jìng)爭(zhēng)者甚至選擇開源他們的模型，只要支付最基本的算力費(fèi)用，任何人都能使用。

基于以上種種原因，在模型層面，單純依靠提供 API 接口來競(jìng)爭(zhēng)在可見的未來都無法鑄就一個(gè)可持續(xù)的商業(yè)模式。

這就意味著，必須構(gòu)筑軟件層面的護(hù)城河，比如提高用戶轉(zhuǎn)移成本、建立牢固的企業(yè)合作關(guān)系，而這些都要在應(yīng)用層來實(shí)現(xiàn)。

6.3. 市場(chǎng)：十年后的 AI 應(yīng)用市場(chǎng)會(huì)是什么樣？

如果，OpenAI 確實(shí)如我們所分析，是一家垂直整合的 AI 公司，并且，它的大部分利潤(rùn)將來自應(yīng)用層，那么這可能是最重要的問題：長(zhǎng)遠(yuǎn)來看， AI 應(yīng)用市場(chǎng)究竟有多大？在這個(gè)市場(chǎng)里，價(jià)值將主要積累在哪里？

如果，以 AI 潛在能取代的知識(shí)工作總量potential knowledge work來衡量，這個(gè)市場(chǎng)規(guī)模會(huì)大得難以想象。

然而，商品的價(jià)格，總是傾向于接近其邊際生產(chǎn)成本。

對(duì)于 AI 應(yīng)用來說，這個(gè)邊際成本無非是：硬件成本 + 能源成本 + AI 研究人員的成本 + 應(yīng)用層你能保住的那部分利潤(rùn)。

換句話說，AI 服務(wù)最終可能會(huì)以接近算力和電力成本的價(jià)格提供，加上一點(diǎn)點(diǎn)應(yīng)用層的溢價(jià)。

那么，可以換個(gè)角度問：AI 未來究竟能解決哪些問題？

答案是：它能解決非常多的問題，其市場(chǎng)空間將極其龐大——可能達(dá)到數(shù)千億美元量級(jí)。只要 OpenAI 能持續(xù)執(zhí)行并守住它的護(hù)城河，它所面對(duì)的蛋糕將大得遠(yuǎn)遠(yuǎn)超過今日的規(guī)模。

從目前來看，OpenAI 似乎將希望寄托于用其 AI 智能代理，來主導(dǎo)通用型工作流general-purpose workflows。他們?cè)故具^基于Deep Research的銷售場(chǎng)景工作流自動(dòng)化的演示，這暗示了 OpenAI 認(rèn)為自己有潛力吞下許多通用業(yè)務(wù)流程。（關(guān)于Openai想進(jìn)入電商場(chǎng)景，可以看看這篇：）

如果成功，凡是可以交給 AI 完成的一般性任務(wù)流程中，有很大一部分都將被 OpenAI 的系統(tǒng)所承接。

當(dāng)然，在醫(yī)療、金融、法律等垂直行業(yè)，很可能會(huì)涌現(xiàn)專注各自領(lǐng)域的AI解決方案，滿足這些領(lǐng)域特殊的集成需求、監(jiān)管要求和業(yè)務(wù)流程，就像傳統(tǒng)軟件市場(chǎng)里，行業(yè)軟件各自分割垂直市場(chǎng)一樣。

但如果 OpenAI 真能非常成功，它也有可能成為這些垂直 AI 公司的底層平臺(tái)，或許通過向它們獨(dú)家提供自家最頂尖的模型，就像奢侈品行業(yè)里的高端供應(yīng)商那樣。提供獨(dú)占的關(guān)鍵技術(shù)。

那么，這個(gè)市場(chǎng)大爆發(fā)會(huì)在什么時(shí)候發(fā)生？阿瑪拉定律有云：“我們往往高估一項(xiàng)技術(shù)在短期內(nèi)的影響，卻低估它在長(zhǎng)期內(nèi)的作用?！盇mara’s Law says, “We tend to overestimate the effect of a technology in the short run and underestimate the effect in the long run.”

很明顯，現(xiàn)有形態(tài)的知識(shí)型工作，在十年后幾乎注定會(huì)大幅改變。但一年之內(nèi)就發(fā)生翻天覆地變化？這一點(diǎn)還很難說。

6.4 產(chǎn)品：OpenAI 已經(jīng)聚合了信息，接下來如何聚合行動(dòng)？

到目前為止，AI 的價(jià)值體現(xiàn)在它匯聚并提供信息的能力上。而未來 AI 的價(jià)值，將體現(xiàn)在它執(zhí)行行動(dòng)的能力上。

OpenAI 很早以前就認(rèn)識(shí)到了這一點(diǎn)，并推出了 Plugins 插件體系，來實(shí)踐這個(gè)愿景。通過 Plugins，各家公司可以為 ChatGPT 預(yù)定義工作流，并提供認(rèn)證接口，讓 ChatGPT 擁有訪問這些應(yīng)用服務(wù)的權(quán)限，理論上，這套方案本該行之有效。

但是，結(jié)果卻不盡如人意。我的猜測(cè)是，當(dāng)時(shí)整個(gè)生態(tài)并未準(zhǔn)備好。Plugins 或許未能發(fā)揮作用，是因?yàn)榛A(chǔ)設(shè)施尚不到位，許多網(wǎng)站和服務(wù)還沒有開放 API、缺乏必要的集成和認(rèn)證機(jī)制，ChatGPT無法有效對(duì)接足夠多的外部服務(wù)。

OpenAI 后來推出的Operator功能（盡管效率低一些），則在一定程度上繞開了上述限制。

它的邏輯更簡(jiǎn)單明確：如果有官方 API 可以用，就用 API（if api == 1）；如果沒有現(xiàn)成 API，就通過 Operator模擬人類操作來完成任務(wù)（if api == 0）。

要讓 AI 能夠執(zhí)行復(fù)雜行動(dòng)，另一個(gè)必要條件是推理能力：也就是在做決策時(shí)權(quán)衡各種因素的能力，想想規(guī)劃一場(chǎng)復(fù)雜旅行需要多少微小決策。（OpenAI在7月已經(jīng)推出了結(jié)合Opeator和推理能力的Agent Mode）

OpenAI 的未來，是持續(xù)提升智能本身，而 ChatGPT 的未來是不斷增強(qiáng)行動(dòng)能力。

這正是他們描繪的進(jìn)軍 1000 億美元營(yíng)收的愿景：ChatGPT 將不只是聊天，它會(huì)成為每個(gè)人的通用助理。

而再往后，它會(huì)演變成一個(gè)通用的“知識(shí)型工作者a general-purpose knowledge worker”，可以完成許多過去只有人類才勝任的腦力勞動(dòng)。

6.5 估值：該如何給 OpenAI 定價(jià)？

這個(gè)問題很有意思，因?yàn)橥顿Y者考慮的因素實(shí)在太多了，比如：

1、頭部效應(yīng)：OpenAI 是 AI 領(lǐng)域顯然的冪律贏家，如同過去的周期一樣，絕大部分價(jià)值往往流向最大的贏家；

2、賽道前景：AI 的機(jī)會(huì)確實(shí)如人們所宣稱的那樣巨大，而投資 OpenAI 就等于是押注整個(gè) AI 行業(yè)的未來增長(zhǎng)；

3、AGI 前瞻：某種形式的 AGI（通用人工智能）遲早會(huì)出現(xiàn)，而當(dāng)它出現(xiàn)時(shí)，你肯定希望自己是“坐在牌桌邊”的人之一；

4、戰(zhàn)略價(jià)值：獲得接觸 OpenAI 的機(jī)會(huì)所帶來的信息和生態(tài)優(yōu)勢(shì)，足以讓投資它在市場(chǎng)上占據(jù)領(lǐng)導(dǎo)地位，因此這種戰(zhàn)略意義本身值得付出高價(jià)；

5、相對(duì)估值：以 OpenAI 最近1570 億美元的投后估值來看，大約是其今年收入的39 倍（市銷率）。按照明年預(yù)計(jì)的120 億美元收入計(jì)算，則約為13 倍的前瞻市銷率。這個(gè)數(shù)字雖然昂貴，但對(duì)比公開市場(chǎng)上高速增長(zhǎng)的科技公司也并非不可接受。（如果按照最新的3000 億美元估值的新一輪融資完成，那么上述倍數(shù)都將翻倍，在一定程度上削弱了本條的支撐力。）

現(xiàn)實(shí)中，投資決策的依據(jù)，可能是以上因素的綜合權(quán)衡。

對(duì)于高速成長(zhǎng)的公司來說，其最終能達(dá)到的格局遠(yuǎn)比中間過程中的任何階段性指標(biāo)重要得多。你可以根據(jù)自己的成見，為任何估值找到看似合理的理由：如果你相信 AI 的長(zhǎng)期價(jià)值，你自然會(huì)覺得今天的估值可以接受，我猜許多投資 OpenAI 的人正是抱有這種長(zhǎng)期主義的信念。

這里我引用一句“名言”以供玩味：“如果你不準(zhǔn)備持有一只股票 10 年，那就不要連 10 分鐘都持有它。”在如今這樣的時(shí)刻，這句話值得反復(fù)咀嚼。

對(duì) OpenAI，我最后的想法是：把本文當(dāng)作一篇暫時(shí)的日記，記錄下此刻對(duì)這家公司的思考。也許十年后 OpenAI 會(huì)成長(zhǎng)為一家市值數(shù)萬億美元的巨擘，也許它會(huì)停滯許多年，在“消化”當(dāng)前估值的同時(shí)，等待 AI 真正產(chǎn)生的價(jià)值追上市場(chǎng)預(yù)期。又或者，它會(huì)成為一個(gè)關(guān)于過早認(rèn)定市場(chǎng)統(tǒng)治地位的反面教材（不過我個(gè)人對(duì)此持懷疑態(tài)度，但并不完全排除這種可能）。

但可以確定的是，冪律效應(yīng)驅(qū)動(dòng)下，科技領(lǐng)域總會(huì)誕生那些標(biāo)志性的偉大公司——它們?cè)鲩L(zhǎng)迅猛，推動(dòng)技術(shù)進(jìn)步，并成為全球家喻戶曉的名字：IBM、英特爾、蘋果、微軟、英偉達(dá)、亞馬遜、谷歌、SpaceX、特斯拉、Meta……

OpenAI暫時(shí)已經(jīng)把自己帶入了這一公司行列，它是一個(gè)在迅速增長(zhǎng)的市場(chǎng)中占據(jù)先機(jī)的領(lǐng)先者，基本與它所引領(lǐng)的這項(xiàng)技術(shù)本身畫上了等號(hào)。

全文總結(jié)如下：

1、深度學(xué)習(xí)因 GPU 的出現(xiàn)和大數(shù)據(jù)的積累而被引爆；

2、Transformer 引入了上下文注意力機(jī)制，這是語言處理的關(guān)鍵；

3、OpenAI 通過 ChatGPT 將這些技術(shù)推向大眾，引領(lǐng)了 AI 熱潮；

4、OpenAI 已成長(zhǎng)為史上發(fā)展最快的公司之一（如果不是最快的話）；

5、他們?yōu)閷?ChatGPT 打造成通用助手而加入了代理、推理、語音、搜索等新能力；

6、競(jìng)爭(zhēng)者紛紛涌入模型研發(fā)領(lǐng)域，但在應(yīng)用層面 ChatGPT 的先發(fā)優(yōu)勢(shì)依然明顯；

7、OpenAI 正在上下游同時(shí)垂直整合，致力于成為一家全棧的 AI 公司。

完。

（拖更好久終于更新了，歡迎關(guān)注、收藏和分享，點(diǎn)贊代表催稿下一篇，嘻嘻，之后我會(huì)發(fā)布黃仁勛出道以來推薦過的書，這位老哥非常神奇，現(xiàn)年62歲、創(chuàng)業(yè)32年的他，似乎一共只推薦過7本書，但是本本經(jīng)典，敬請(qǐng)期待。）