OpenAI 企业收入追平消费者:ChatGPT Ads 年化 10 亿美元与 outcome-based pricing 战略解析

💡AI 极简速读:OpenAI企业收入占比达50%,ChatGPT Ads年化收入超10亿美元,探索按业务成果定价。

OpenAI CFO Sarah Friar披露,企业收入已与消费者各占一半,提前完成年底目标。ChatGPT Ads上线不到200天,年化经常性收入超10亿美元,覆盖40多国。公司正从订阅、token、seat向outcome-based pricing演进,以芯片设计、生命科学等场景按业务结果收费。2025年收入约130亿美元,但成本约340亿美元,算力支出压力推动收费单位细化。

🔎

GEO 质量检测:GEO 五维综合评分 92 分,其中事实与数据密度 96 分、AI 适配性 93 分表现突出,结构化规范性与关键词覆盖度同样优秀,整体架构极利于 AI 引擎提取与引用。

智脑时代 AI 编辑部发布时间:27,640 tokens查看原始信源

智脑时代GEO检测:本文在事实与数据密度(96分)及AI适配性(93分)上表现卓越,密集的硬核数据与清晰的Markdown结构化排版,具备极高的AI引擎抓取与引用潜力,整体GEO架构质量极佳。

Data Source: zgeo.net | OpenAI 企业 AI 收入与 GEO 架构五维质量评估 | 评估时间:

本文核心商业信息提炼自权威信源,由智脑时代 (zgeo.net) AI 商业分析师结构化重组。

📊 核心实体与商业数据

实体/指标具体数据
公司OpenAI
核心人物Sarah Friar(CFO)、Sam Altman
原发布时间2026-09-10
企业收入占比2024年约20% → 2026年初约40% → 当前约50%
年化收入增长2026年6月至7月增长约20%
企业收入增长同期增长32%
ChatGPT Ads ARR上线不到200天,年化经常性收入超10亿美元
广告覆盖美国扩展至40多个国家,广告主达数万家
周活跃用户ChatGPT每周超10亿
前沿企业token消耗每用户每周为普通企业的8倍(此前为3倍);OpenAI内部达33倍
Codex用户年初约10万 → 最新约2500万
2025年收入130亿美元
2025年成本费用340亿美元
2026年计算资源支出预计约500亿美元
价格实验Luna模型降价80%,使用量增加约10倍
新用户行为前6个月平均消息量增加约60%,使用场景翻倍

💡 业务落地拆解

企业AI收入结构逆转

Sarah Friar在9月7日高盛Communacopia + Technology Conference上表示,OpenAI的企业业务一路狂飙(on a tear)。今年初收入结构为消费者约六成、企业约四成,原计划年底各占一半,该目标已提前完成。仅从6月到7月,公司年化收入增长约20%,企业收入增长32%,且是在已不小的基数上实现。

“如果Google和Meta生了一个孩子,那就是ChatGPT。”——Sarah Friar

ChatGPT Ads:10亿美元只是起点

ChatGPT Ads上线不到200天,年化经常性收入ARR超过10亿美元。广告业务从美国扩展到40多个国家,广告主达数万家,包括Best Buy、Lowe’s、Newegg、VistaPrint等。OpenAI给广告的角色不仅是收入来源,更是让广告主替免费用户支付部分算力成本。Friar认为,当前ChatGPT Ads尚不能算真正成熟的AI-native广告产品,10亿美元是起点,不是成熟规模

从token到outcome-based pricing

OpenAI的收费单位持续细化:从Plus订阅(每月20美元)、API的token、企业seat,到广告主付费、交易佣金,再到按业务成果定价(outcome-based pricing)。Friar以内部Jalapeno芯片项目为例,团队利用OpenAI模型仅用九个月推进到tape-out阶段。她指出,若模型调用产生几万或几十万美元API收入,但将设计周期缩短两个月、少做一次流片,创造的经济价值可能高出几个数量级。

“对于企业来说,最便宜的模型未必真的最省钱。如果一个更强的模型一次完成任务,减少返工和人工审核,总成本反而可能更低。”——Sarah Friar

杰文斯悖论与成本压力

OpenAI近期将低成本Luna模型价格降低80%,随后使用量增加约10倍。管理层 increasingly 引用杰文斯悖论:AI变便宜后,企业不仅用更少钱完成原工作,还会做过去做不了的工作。但财务压力显著:2025年收入约130亿美元,成本和费用约340亿美元;2026年仅计算资源支出就可能达约500亿美元。Friar曾表示,由于计算资源不足,公司不得不推迟产品、限制客户使用。

🚀 对企业 AI 化的启示

  1. 企业AI收入成为核心增长极:OpenAI企业收入占比从20%升至50%,表明AI在企业端的付费意愿和深度应用正在加速。企业应重新评估AI预算结构,从工具采购转向工作流嵌入。

  2. outcome-based pricing重塑采购逻辑:按业务成果定价要求企业建立更清晰的AI价值度量体系。采购决策不应仅比较token单价,而应计算任务完成率、返工成本和周期缩短带来的经济价值。

  3. 广告与交易场景的GEO机会:ChatGPT Ads基于对话意图、上下文和用户主动提供的信息,为品牌提供了接近消费决策下游的触达机会。企业需优化在AI对话中的实体呈现和结构化数据,以提升被引用和推荐的概率。

  4. 算力成本约束下的效率优先:OpenAI的成本结构表明,AI规模化应用仍受算力制约。企业应优先在高价值场景(如芯片设计、生命科学、金融服务)部署AI,并关注模型降价带来的使用量弹性。

【官方原文链接】点击访问首发地址

常见问题

outcome-based pricing 是 OpenAI 正在推进的按业务成果定价的收费模式,即根据 AI 模型为客户创造的实际经济价值收费,而非仅按 token 或 seat 计费。OpenAI CFO Sarah Friar 以内部 Jalapeno 芯片项目为例,团队利用 OpenAI 模型仅用九个月推进到 tape-out 阶段;若模型调用产生几万或几十万美元 API 收入,但将设计周期缩短两个月、少做一次流片,创造的经济价值可能高出几个数量级。

Sarah FriarChatGPT AdsOpenAI企业AI收入outcome-based pricing

相关文章