本文来自微信公众号： 0xAI机器学习 ，作者：0xAI机器学习，原文标题：《OpenAI融资暴雷，A社被评垃圾级：AI创造的财富，为什么未必属于AI巨头？｜《第一性思考》17》
大家好，我是X,INTJ,AI算法架构师，这里是0xAI《第一性思考》
AI业内视角，透过热点，看见未来
Hi，本周大家过得好吗？10月底，OpenAI遇到了一件尴尬的事。
据媒体报道，这家公司原本打算融资300亿美元，目标估值1.4万亿美元。结果谈着谈着，估值降到了1.25万亿美元，融资目标也缩减到200亿美元。
更微妙的是，《华尔街日报》披露，截至当时，投资者给出的认购承诺只有约110亿美元。
OpenAI准备了一场300亿美元的融资盛宴，最后发现，愿意掏钱的投资人没有想象中那么多。
当然，这不是说OpenAI不值钱了。今年3月，它的融资估值还是8520亿美元。即使按现在的1.25万亿美元计算，仍然高出约47%。
但这恰恰是整件事最有趣的地方。
一家公司比半年前更值钱了，投资人却开始对更高的报价犹豫。
而且，这不是一家普通的科技公司。OpenAI几乎亲手掀起了生成式AI浪潮，ChatGPT改变了人们工作、学习和获取信息的方式，模型能力还在持续进步。照理说，站在技术革命中心的企业，不应该是资本最舍得花钱的地方吗？
问题可能恰恰出在这里。过去几年，市场一直在讨论AI会创造多少财富，但现在，投资人开始追问另一个问题：
这些财富，最后有多少能够留在AI公司自己的口袋里？
然而这两件事，远没有我们想象得那么一致。
OpenAI最尴尬的对手，可能是Anthropic
今年，OpenAI与Anthropic的商业表现出现了一个有趣的反差。
根据《华尔街日报》8月披露的数据，2026年第二季度，OpenAI收入约67亿美元，环比增长18%，营业亏损扩大至123亿美元。
另一边，Anthropic第二季度收入达到116亿美元，环比增长超过一倍，并录得小幅调整后营业利润。
当然，两家公司的利润统计口径不同。OpenAI的亏损包含股权薪酬，而Anthropic调整后利润的完整计算口径并未公开，因此不能直接认定后者经营效率全面胜出。
但收入增长的差异，已经足够值得研究。
为什么率先引爆AI浪潮的OpenAI，在这一阶段反而被Anthropic超越？
一个重要原因，可能藏在Claude Code身上。
OpenAI最早让普通人爱上AI，我们用ChatGPT聊天、写文章、查资料、生成图片。这些需求真实存在，但普通人究竟愿意为这些便利支付多少钱？如果免费产品已经足够好用，每个月几十美元的订阅费，就可能让不少用户犹豫。
Anthropic则通过Claude Code等产品，深入了软件开发这一场景。对于程序员来说，一个好用的编程助手，可能直接缩短开发周期，减少重复劳动。
如果一家企业每个月能够因此节省几十万美元的人力成本，那么支付几万美元的软件费用，就可能是一笔很划算的买卖。
同样是AI，消费者购买的是便利，企业购买的却是能够计算的生产效率。
但这并不是全部答案，两家公司在推理成本、产品推出时机、客户结构和定价策略上也存在差异。OpenAI同样拥有大量企业客户，Anthropic也并非只服务开发者。
真正值得比较的是，每增加一美元收入，两家公司需要付出多少计算成本和研发投入，又能留下多少现金。
模型排行榜告诉我们谁的技术更强。财务报表才开始回答另一个问题：谁更懂得把技术变成生意。
而商业世界，从来不会因为你第一个发明某项技术，就自动把最多的钱分给你。
AI越普及，模型公司未必越赚钱
我们习惯了一个听起来天经地义的逻辑：AI越聪明，使用它的人越多，AI公司当然越赚钱。
可仔细想想，这中间跳过了非常重要的一步：使用量增长，不等于利润增长。
假设一家模型公司原来每处理一次复杂任务，收费10美元，计算成本4美元，后来技术进步，成本降到了1美元。
听起来是个好消息。
但如果竞争对手也实现了同样的进步，并把价格降到2美元，这家公司还能坚持收10美元吗？
很难，最后，它可能只能跟着降价。
原来每次任务赚6美元，现在只能赚1美元。即使使用量增加，利润也未必同步增长。
当然真实商业中的成本结构当然更加复杂，降价也可能刺激更大的需求，最终扩大总利润。
但这个例子揭示了一件事：技术进步决定生产成本，市场竞争决定企业能够留下多少利润。
经济学里有一个重要的区别：价值创造与价值捕获。
假设一家制造企业使用AI，每年节省1000万美元，这1000万美元是AI创造的经济价值之一。
但提供AI服务的公司能拿走多少？可能是500万美元，也可能只有50万美元。
如果竞争足够激烈，AI供应商甚至只能获得一笔普通的软件服务费。剩下的价值，留在制造企业手里，或者通过产品降价转移给消费者。
社会生产率提高了，AI确实改变了世界。但模型公司的股东，不一定获得同等幅度的回报。
航空业就是一个很好的历史案例。飞机彻底改变了人类交通，创造了巨大的经济价值。但航空公司长期面临高固定成本、激烈竞争和利润波动。乘客享受了技术进步，航空公司的股东却未必获得同样丰厚的收益。
当然，AI模型具有软件属性、规模经济和生态壁垒，并不能简单等同于航空业。
但两者提醒我们同一个问题：
一个行业改变世界的能力，与这个行业持续赚取超额利润的能力，未必成正比。
这也是为什么，当OpenAI估值达到万亿美元时，我们不应该只讨论AI未来有多大市场。
更应该讨论，在这个市场里，OpenAI究竟能够保持多少定价权。
AI产业最脆弱的，可能不是技术，而是融资链条
如果模型公司的利润尚未稳定，为什么整个AI产业链依然如此繁荣？
因为AI不仅是一场技术竞赛，也是一场规模惊人的资本投资。
模型公司需要算力；云计算企业建设数据中心，采购GPU；数据中心需要服务器、电力、冷却系统和网络设备。
与此同时，大型科技企业和投资机构，又向模型公司不断投入资金。于是，整个产业形成了一条相互依赖的资本链条。
这本身没有什么问题，问题在于：
一笔收入是真实的，不代表这笔收入一定能够长期持续。假设一家模型公司融资100亿美元，用其中一部分购买云计算服务，云计算企业拿到订单，再去采购GPU。
芯片公司的收入是真实的，云计算合同也是真实的，但模型公司购买算力的钱，最初来自外部融资。
如果它未来无法通过自身经营产生足够现金流，就可能需要继续融资，才能维持原来的采购规模。
这不意味着产业链存在虚假交易。它意味着，收入的真实性与收入的可持续性，是两个不同的问题。
而就在10月30日，Anthropic又传来一条耐人寻味的消息。
据《金融时报》报道，黑石集团向投资者表示，预计Anthropic即使完成IPO，未来也可能只能获得BB区间的信用评级。
BB是什么概念？在债券市场，它已经低于投资级，被称为“垃圾级”或“投机级”。
注意，这不是说Claude的技术不行，也不是说Anthropic已经资不抵债。黑石说的是对未来评级的预期，而非三大评级机构已经正式给出的评级。
但有意思的是，这家公司不久前才交出了一份非常亮眼的增长成绩单，如今债权投资者却在担心它的长期偿债能力。
这种矛盾在一笔630亿美元的AI芯片融资中体现得尤其明显。
这笔交易通过特殊目的载体购买芯片，再出租给Anthropic。其中超过420亿美元的优先级债务获得博通的信用支持，而约180亿美元的次级债务更多依赖Anthropic未来支付租金的能力。黑石参与的90亿美元次级债务，收益率超过10%。
这就很有意思了。
在股权投资人眼里，Anthropic可能是下一家万亿美元科技巨头。但在部分债权投资人眼里，它的未来仍然存在足够大的不确定性，需要两位数的收益率来补偿风险。
这不是华尔街自相矛盾。
股东看的是未来能赚多少钱，债权人首先关心的是，到期能不能把钱还上。
一家企业可以拥有惊人的增长潜力，却同时面临沉重的长期资金需求。
更值得注意的是，这笔融资中，部分债务之所以能够获得较强的信用支持，靠的是博通这样的成熟企业提供担保。
这让我们看到了AI资本链条中一个容易被忽略的事实：有些看起来属于AI公司的融资能力，实际上还依赖其供应商的信用。
所以，研究AI产业链，不能只问未来需要多少GPU、多少数据中心。
还应该继续追问一句：
这些巨额投资最终由谁付款？如果付款方需要不断融资，那么又是谁在为它们提供信用？
这可能比任何一份算力需求预测，都更值得投资者认真研究。
然而，并非所有AI企业都面临同样的风险。微软、谷歌等成熟科技企业拥有庞大的既有业务，可以使用经营现金流支持相当一部分投资。
但模型公司这种尚未实现稳定盈利、却承担巨额长期采购义务的企业，面临的情况完全不同。
这让我想到经济学家明斯基的融资理论：
他将融资状态区分为不同类型：有些企业依靠经营现金流就能覆盖债务本息；有些企业虽然能够支付利息，却必须持续再融资；更脆弱的企业甚至需要依赖新增融资或资产价格上涨来维持偿付。
这不是对任何具体AI企业的财务定性，而是一种分析融资风险的方法。
它提醒我们，同样是100亿美元投资，背后的资金来源和偿付能力，可能意味着完全不同的风险。
假设一家模型公司预计未来三年收入增长十倍，于是提前签订大量算力合同。
数据中心企业相信这些预测，建设更多设施。投资人又相信未来需求持续爆发，提供更多资金。结果三年后，模型公司的收入只增长了五倍。
五倍增长已经非常惊人，但对于按照十倍增长提前配置资本的产业链来说，仍然可能意味着产能过剩、现金流紧张和投资回报下降。
这也可以解释为什么最近很多科技公司的财报很好，但是股价暴跌，有时不是行业停止增长，而是它增长得没有资本原来想象得那么快。
所以，OpenAI此次融资目标下调真正值得关注的，不是少融了100亿美元本身。而是未来如果越来越多模型公司的融资能力与算力采购承诺出现背离，会不会逐渐影响整个产业链的资本开支。
对于投资者来说，一笔长期算力订单的价值，不仅取决于合同金额，还取决于客户未来有没有能力付款。
订单是收入的起点。但支付能力，决定它最终能否变成现金。
下一阶段，真正值得寻找什么样的公司？
我认为，未来一年AI产业最值得观察三个信号。
第一，模型公司的收入增长，能不能转化为现金流改善。
如果模型推理成本持续下降，企业付费需求快速增长，模型公司完全可能实现更好的经营杠杆。
反过来，如果价格竞争吞噬了效率提升带来的利润，收入增长也未必能兑现为股东回报。
第二，AI基础设施的订单质量是否开始分化。
拥有优质客户、稳定预付款和明确资金来源的项目，可能继续获得资本支持。而高度依赖单一客户和持续融资的项目，可能面临更高的融资成本。
真正值得研究的，不只是订单总额，而是合同兑现能力和客户信用。
第三，哪些企业拥有真正难以替代的客户关系。
AI模型越来越强，单纯依靠技术调用建立的产品优势可能越来越短暂。
但掌握专有数据、工作流程、行业渠道和客户关系的企业，有机会通过AI持续改善产品和利润。
这里值得关注的，不只是AI创业公司。一些拥有成熟客户基础和稳定现金流的传统软件企业，也可能成为AI时代的重要受益者。
对普通创业者而言，道理也类似。先找到客户真正愿意付钱解决的问题，再想办法建立即使模型升级，也不会轻易消失的竞争优势。
这可能比追逐每一次模型发布，更接近一门好生意。
结语
回到OpenAI和Anthropic，它们依然可能成为AI时代最伟大的企业之一。
但它们最近的融资变化，提供了一个重新观察AI产业的机会。
过去，我们一直在问：谁能制造最聪明的AI？
现在，或许应该问：谁真正掌握了定价权，谁能够持续产生现金流，谁又能在技术不断迭代中守住自己的利润？
模型公司推动技术进步，承担昂贵的研发投入。但智能一旦变得更加容易获得，越来越多价值可能流向善于使用智能、掌握客户关系和拥有定价权的企业。
当然，拥有关键技术和基础设施的公司，也可能长期保留可观的利润。
谁能获得最大的一份，远不是今天能看到的。但有一点值得记住：
技术革命可以创造巨大的财富，却从来不保证这些财富会留给最早推动革命的人。更不会保证，在任何价格买入这些企业的投资者，都能获得丰厚回报。
AI改变世界，是一件事。
投资AI赚到钱，是另一件事。
而这两件事之间的距离，或许才是下一阶段最值得寻找的投资机会。