当外界还在讨论 OpenAI 何时上市、Anthropic 是否已经后来居上时，OpenAI 首席财务官 Sarah Friar 近日在一期公开访谈中，给出了一个截然不同的视角。
在访谈中，这位掌管 OpenAI 财务与资本运作的核心高管，首次系统性披露了公司对于 IPO、商业模式、算力投资、广告业务以及未来硬件产品的思考。
与市场热衷讨论的“谁先上市”“谁的收入更高”相比，Sarah Friar 反复强调的却是另一个关键词——选择权。在她看来，IPO 只是融资工具，而不是企业终点；竞争对手的动作不会改变 OpenAI 的节奏；真正决定未来格局的，也不是短期市场情绪，而是谁能够提前数年锁定算力资源、建立持续扩张的 AI 基础设施。
这种思路也解释了 OpenAI 为何在今年 3 月完成高达 1220 亿美元融资。对于一家仍处于高速扩张期的 AI 公司而言，这笔资金并非为了冲刺上市，而是为了提前布局未来数年的计算资源。
Sarah 透露，即使到了 2026 年，行业依然面临严重算力短缺，而她现在最关注的已经不是明年，而是 2030 年至 2032 年的算力供给问题。
面对外界关于 Anthropic 快速崛起的讨论，她则认为，两家公司走的是完全不同的路线。OpenAI 并不将自己定义为一家聊天机器人公司，而是试图构建覆盖消费者、企业、开发者和政府机构的“AI 基础设施层”。
目前，ChatGPT 周活跃用户已经超过 9 亿，消费者业务与企业业务收入占比接近各半，而公司正在通过统一模型、统一记忆和统一上下文体系，形成跨场景的规模效应。
在商业模式上，Sarah 也首次详细解释了 OpenAI 的资本配置逻辑。过去两年，公司从依赖单一云厂商、单一芯片和单一产品，迅速转向多云、多芯片和多产品战略，通过与 Oracle、CoreWeave、微软、谷歌云、AWS 等合作伙伴协同，将原本需要数千亿美元投入的资本开支转化为运营成本，以更灵活的方式扩张算力规模。
与此同时，她还回应了另一个备受争议的话题——广告。
尽管 OpenAI 尚未正式推出广告业务，但 Sarah 并未排除未来的可能性。她认为，ChatGPT 同时拥有搜索场景中的“用户意图”和社交平台中的“用户画像”，再叠加长期积累的记忆与上下文，这种能力天然具备极强的商业价值。不过她也强调，无论未来是否引入广告，用户获得的答案都必须来自模型本身的最佳判断，而非广告主的利益。
相比收入数字和市场份额，这场访谈透露出的更重要信息是：OpenAI 正在把自己定位为类似电力网络的新型基础设施公司。其目标并非最大化短期利润，而是在未来十年构建覆盖全球的智能服务网络。
而在访谈最后，Sarah 还罕见谈及了 OpenAI 与前苹果设计师 Jony Ive 合作开发的新硬件。虽然她拒绝透露具体形态，但形容自己在体验产品后，有一种“身处范式转移前夜”的感觉。
以下为访谈全文，经 InfoQ 编译：
越早 IPO 越有优势吗？
主持人：OpenAI CFO 加入我们的节目！你们刚刚完成了我认为可能是历史上最成功的一轮融资。OpenAI 实际上融资规模已经超过了 1200 亿美元。我们认为，AI 是迄今为止人类见过的最大时代机遇。现在，我们才刚刚开始理解它将如何提升全球生产力，以及它最终可能带来的结果——更富裕的社会、更好的生活。有人说，运气就是“准备遇上机会”。但当机会来临时，你必须抓住它。
作为一个长期听众、第一次来到现场的人，我很兴奋能和大家一起交流。今天我看到一篇报道，好像是《华尔街日报》的文章。文章提到，如果你是一家 AI 公司，越早 IPO 似乎越有优势。现在我们知道 SpaceX 正在推进上市，那么大家接下来最关心的问题就是：OpenAI 和 Anthropic 什么时候上市？你怎么看这个问题？你认为现在存在一场 IPO 竞赛吗？还是说你们还没有做出决定？
Sarah Friar：我经常对团队说：IPO 是一个里程碑，不是终点。不要把经营公司当成是在奔向 IPO 这个终点。
它本质上只是另一种融资方式而已。今年 3 月，我们刚刚完成了 1220 亿美元融资。这样做的目的，就是给自己争取最大的灵活性。我觉得作为 CFO，我的工作就是创造选择权（optionality）。不仅仅是为 OpenAI 创造选择权，也是为我们所处的这个时代创造选择权。
主持人：这轮融资是不是已经成为 SpaceX 之前历史上规模最大的私募融资？
Sarah Friar：是的。而且规模远远超过之前所有案例。我记得此前最大的 IPO 可能是 Saudi Aramco，大约融资 300 亿美元左右。所以现在发生的事情其实非常惊人。
未来可能会出现三家 IPO，其规模都将超过互联网泡沫时期最疯狂的阶段。当然，当年的市场也非常火热。
但今天的市场规模已经大得多。而且还有一个因素：大量资本正在通过股票回购、并购等方式回流给股东，市场上其实积累了大量等待投资的现金。不过回到刚才的问题。最终市场衡量你的，不是热度，而是价值。
市场是一台“称重机”，不是“人气机”。没有人会记得到底是谁先上市。
Google 还是 Yahoo 先上市？Lyft 还是 Uber 先上市？没人关心。我这样说并不是因为我想当第一名还是第二名。媒体喜欢制造戏剧性冲突。但最终，我们必须建立的是大型、可持续、长期存在的企业。而融资只是实现这一目标的重要组成部分。
主持人：当我们正在谈话之时，我看到了一则突发消息。Anthropic 刚刚秘密提交了 S-1 上市申请文件。这是不是意味着你们已经排到第三名了？
Sarah Friar：这不意味着任何事情。因为接下来还要经过美国 SEC 的审核流程。至于这个流程需要多久，没人知道。
主持人：但他们先行动，是否会带来优势？其实大家现在最关注的，还是 OpenAI 和 Anthropic 之间的竞争。既然 IPO 话题不能展开太多，那我们换个角度。很多人认为：Anthropic 原本远远落后于 OpenAI。但现在，无论是在开发者市场、企业客户市场，甚至收入层面，Anthropic 似乎都已经反超了 OpenAI。当你们曾经拥有如此巨大的领先优势时，这到底是怎么发生的？
Sarah Friar：先谈谈战略。我们的战略从一开始就不同。我们在构建的是 AI 层，也就是整个 AI 时代的基础设施层。而且我们认为：应该存在一个统一的基础模型，再通过多个不同接口连接到世界。
ChatGPT 是面向消费者的入口。现在每周有超过 9 亿人在使用 ChatGPT。它已经不仅是一个产品名，甚至变成了一个名词和动词。对于绝大多数人来说，ChatGPT 是他们第一次接触 AI 的方式。
我这里有个有趣的数据。我们的经济研究团队刚刚告诉我：增长最快的大洲现在是非洲。这并不完全令人意外，因为基数较低。增长最快的语言是阿塞拜疆语和哈萨克语。这其实很能说明 AI 正在扩散到哪些地方。
除了 ChatGPT，还有 Codex。就在上周末，Codex 用户突破了 500 万。而今年 1 月份时几乎还是零。我们 500 万用户这一数据感到非常自豪。
事实上，我今天上台前还让 Codex 帮我做了一些准备。除此之外，还有我们的企业产品 Frontier，以及面向各种规模企业的各种服务。这和 Anthropic 是完全不同的战略。
我们认为：当所有产品都建立在同一个模型之上时，会形成复利效应。更多用户 → 更多数据；更多数据 → 更好的个性化能力；模型规模更大 → 运行效率更高；效率更高 → Token 成本更低；成本更低 → 毛利率更高；毛利率更高 → 有更多资金投入算力。
而算力，恰恰是当下最重要的竞争优势之一。所以我们每家公司都会跑自己的比赛，但同时也必须认识到：我们都属于同一个 AI 生态系统，我们需要共同把整个社会带入这个时代。
主持人：过去一年里，外界一直在讨论：OpenAI 是不是项目铺得太多了？大家看到新的 AI 硬件、Sora、各种实验项目。是不是因此忽略了企业市场？如果过去一年犯过什么错误，这会不会是其中之一？
Sarah Friar：我认为世界总喜欢把事情二元化。比如：“Sarah，你们到底是消费级公司还是企业级公司？”现实情况是：我们两者都是。不是二选一。现在我们的收入结构已经接近 50% 对 50%。
企业业务是我们的重点。过去一周：我去了波士顿拜访 Thermo Fisher；在纽约见了很多银行；周五与 Travelers 保险沟通；今天上午还和一家科技公司开会。无论哪个行业，企业都在快速拥抱 AI。
我们的新任营收负责人 Denise Dresser 去年 12 月上任。她是一位执行力极强的人。因此企业业务实际上发展得非常好。但与此同时，我们不想放弃消费者市场。因为 OpenAI 的使命是：让 AGI 造福全人类，不是只造福那些有支付能力的人，也不是只造福企业用户，而是造福所有人。
这也是为什么我们提供大量免费服务。我们希望更多人能够先体验智能。一旦体验过智能的价值，人们就会不断提高使用深度。
我们的免费用户平均每天提问约 7 次，第一档付费用户大约是 15 次，20 美元 Plus 用户大约是免费用户的 3 倍，Pro 用户则达到免费用户的约 11 倍。这就像当年你第一次拿到翻盖手机时，你会想：“它不就是打电话的吗？”而现在，同样一部手机已经能帮你完成无数事情。
智能正在经历同样的发展路径。
OpenAI 现在依然很缺算力
主持人：18 个月前，你提出过一个非常有影响力的观点。你曾把 OpenAI 的商业模式概括为：“Gigawatts to Cash（电力变现）”。你当时说：1GW 电力，大约对应 OpenAI 每年 100 亿美元收入能力。当时很多人觉得这个说法太激进了。但现在看来，整个行业似乎真的进入了算力短缺时代。你能解释一下当前的情况吗？
Sarah Friar：是的。算力现在是极度稀缺的资源。从我们的业务来看：需求正在沿着近乎垂直的曲线向上增长。而市场上根本没有足够的 Token 供应。所以我非常感谢能够和 Sam、Greg 一起工作。因为去年我们就在大规模采购算力。
当时很多人质疑：“他们为什么买这么多计算资源？”现在回头看：谢天谢地我们当时这么做了。因为即便到了 2026 年，我们依然缺算力。
整个算力供应链几乎每个环节都存在瓶颈。首先是能源。然后是土地。然后是监管审批速度。我们能否快速建设数据中心？再往下看：机架够不够？芯片够不够？存储供应是否充足？这些都在成为限制因素。
还有人才问题。我们是否拥有足够多的工程师和科学家？这一点让我非常担忧。
我是斯坦福大学董事会成员。我每天都能感受到：教育和科学投入的重要性。我们必须持续重视人才培养。
最后还有一个常被忽略的因素：信任，我甚至把它视为供应链的一部分。Sam 正在美国密歇根州塞勒姆镇为一个新的数据中心项目举行开工仪式。我提前剧透一下，这是一个 1GW 级别的数据中心，属于我们与 Oracle 合作的大型园区项目的一部分。但在建设这些基础设施时，我们不能忽视当地社区。我曾在 Nextdoor 工作了七年，在那里我学到一件事：你不能自上而下地告诉社区居民：“这是你们需要的东西。”因为他们会回答：“谢谢，但不必了。”他们会告诉你：真正知道需要什么的人，是他们自己。
对于像这样的数据中心项目，我们实际上花了大量时间与当地社区沟通。我们向居民反复强调几件事：第一，我们不会提高你们的电费，我们会为自己的基础设施和电力买单，不会让普通纳税人承担成本；第二，我们会创造就业机会，仅这个项目就会带来 2500 个工会岗位（Union Jobs），而且都是高质量工作，比如电工、暖通空调（HVAC）工程师等；第三，我们会纳税，仅这个数据中心项目，就将为密歇根州带来 10 亿美元税收。除此之外，我们还会额外投入 4500 万美元用于教育项目，其中一部分资金会用于提供 Codex 使用额度。因为正如大家这几天讨论的那样，未来很多人进入职场时，AI 工具将成为基础能力。
我自己的孩子就是 Codex 用户。今天如果我要招聘财务人员，我不会雇佣一个不会使用 Excel 的人。同样，我大概率也不会雇佣一个完全不会使用 Codex 这类 AI 工具的人。因此，当我谈投资的时候，本质上是在说：我们必须提前于需求进行投资。这意味着：一方面，我们必须提前获得算力资源；另一方面，我们必须有能力为这些资源买单。
主持人： 你刚才提到经济模型正在改善。能具体解释一下吗？
Sarah Friar：AI 的经济性正在多个维度持续改善。首先，我们越来越擅长向客户证明真正的价值。过去很多定价方式更像是“成本加成”（Cost Plus）。而未来会越来越接近“价值定价”（Value-Based Pricing）。也就是说：价格将更多反映创造出来的价值，而不仅仅是计算成本。当然，目前 Token 供给紧张也带来了一定帮助，因为供给不足正在压缩市场资源。
主持人： 不谈具体公司名字。你能描述一下整个市场现状吗？从现有电力供应、数据中心容量、Token 供应量来看，如果按照现在的发展速度继续下去，未来一年会发生什么？举个例子。我上周就在用 Anthropic 的产品。最令人沮丧的情况是：到了晚上 10 点半，系统突然告诉你：“额度用完了，请下午 2 点半再来。”这显然不是一个可持续的用户体验。
Sarah Friar：公平地说，ChatGPT 很少发生这种情况。因为我们在 Token 配额方面一直比较慷慨。这是有意为之。我们希望更多人能够接触和理解 AI，即便免费用户使用的不是最新模型，我们仍然希望他们能亲身体验，因为体验本身很重要。
我经常想起自己小时候，那时我生活在北爱尔兰一个很小的社区。有一天，《大英百科全书》送到了家门口。那种感觉就像乌云突然散开，阳光照射下来一样。我们希望今天的人们也能感受到类似的体验。至于现在的市场情况？如果你今天还想购买更多算力资源——祝你好运。如果你知道哪里还有算力，请告诉我，因为我也找不到了。2027 年的情况也好不到哪里去，算力依然非常紧张。
主持人： 训练和推理的算力需求有什么区别？
Sarah Friar： 说到算力，我们需要区分两类需求。第一类是训练，目前训练工作基本仍然都在美国本土进行，原因涉及国家安全和战略资产考量。第二类是推理，推理必须走向全球化，特别是在 Agent 时代，用户希望获得实时反馈，推理计算必须尽可能靠近用户。
OpenAI 为什么弱化视频业务？
主持人： 为什么 OpenAI 暂时弱化了视频业务？
Sarah Friar：比如视频生成，Sora 就是一个例子。我们曾经做过一个非常艰难的决定，，因为算力有限，我们不得不优先把资源投入到其他方向。但这并不意味着视频结束了。恰恰相反，随着 AI 进入多模态时代，视频的重要性会越来越高。
主持人： 多模态将如何改变人与机器的关系？
Sarah Friar：过去几十年的科技产品教会了我们一件事：用拇指沟通。你走在街上，每个人都低着头看手机，没人抬头。我家里的青少年晚上坐在沙发上，明明坐在一起，却还在用手机互发消息。我问：“你在跟谁聊天？”我儿子回答：“就在你旁边那个。”我说：“那你直接说话啊。”而多模态时代已经来了，未来你会直接和 AI 对话。
我每天都在和 Codex 说话，这种变化正在迅速发生。但它也意味着需要更多实时算力支持，因为如果 AI 回应速度太慢，体验会非常奇怪。
Jony Ive 硬件项目到底是什么？
主持人： 既然说到这里。能不能透露一点你们正在开发的新硬件？比如大家都在讨论的 Jony Ive 项目，是耳机吗？
Sarah Friar： 如果我告诉你这是耳机，Jony 会立刻跑过来把它从我儿子那里抢走。当然，我可能也愿意把它给他。
主持人： 但你认为这将成为一种新的消费者平台？
Sarah Friar： 我不能告诉你它具体是什么，但今年年底之前我们会公布，明年初正式发布。我已经体验过了，我已经使用过它。我是一个特别喜欢用手势讲话的人，现在我感觉自己正身处一次范式转移的前夜。
主持人： 第一次体验时，是不是有点像第一次拿到 iPhone 的感觉？
Sarah Friar：非常特别。Jony 和他的团队最擅长的一件事就是：让设备变得更具人性。这很难解释，但当你真正体验时，你能感受到。它很自然，而且不仅自然。它甚至有点“讨人喜欢”。我很难准确描述这种情绪。它给人的感觉非常亲密。
主持人： 很多体验过的人都说：它最大的特点是无缝。你不会再频繁掏出手机。
Sarah Friar：是的。科技产品往往容易给人一种机械感，但真正伟大的设计，会让技术本身消失。你不会注意到技术，你只会注意到体验，而“简单”其实是最难做到的事情。
主持人：现在切换到 CFO 模式。过去二十年最成功的公司，往往都找到了一种别人无法复制的资本回报模式（ROC）。然后不断把资本投入那个高回报领域。对于 OpenAI 来说，这个模式是什么？
Sarah Friar：首先必须明确一点，未来这个时代最伟大的公司不会因为魔法而成功。它们依然会像过去那些伟大的公司一样成功。核心仍然是：创造客户价值，一切都必须从客户开始。
举个例子，我刚刚提到的 Thermo Fisher，他们希望更快完成患者筛查。从而更快获得 FDA 批准，这非常重要。如果患者只剩几周生命，那么突破提前两周还是四周出现，可能就是生与死的区别。他们还有大约 3.8 万名销售人员，这些销售人员希望提高工作效率。
事实上，在 OpenAI 内部，Codex 使用增长最快的部门甚至不是工程团队，而是 GTM（Go-To-Market，市场与销售团队）。开发人员当然也在使用，但如果看月度增长速度，增长最快的是销售团队。因此第一步是创造客户价值，第二步是获得优秀的毛利率（Gross Margin）。
而影响毛利率最重要的因素就是：算力成本。
主持人： ChatGPT 模型成本两年下降了 97%，你怎么看这件事？
Sarah Friar： 好消息是算力成本正沿着一条强烈的通缩曲线下降。从 GPT-4 到 GPT-5.4 之间，成本下降幅度大约达到 97%，这是一个惊人的数字。而且这一切仅仅发生在两年时间里。
即使是我们刚刚发布的 GPT-5.5，虽然价格提高了一倍，但从客户实际获得的价值来看，每个 Token 的成本实际上仍然下降了约 20% 到 30%。因为模型效率提升得更快。
主持人： 那你们如何预测未来几年需要多少算力？毕竟模型架构和芯片都在快速变化。每单位电力创造的价值也在不断提升。这很难预测吧？
Sarah Friar：今天我思考的已经不是 2026 年的算力，而是：2028 年以后还能买到多少算力。例如刚才提到的密歇根数据中心，预计要到 2027 年底或者 2028 年初才能真正投入使用。
实际上，现在最让我焦虑的已经是：2030、2031、2032 年的算力问题。所以你必须提前很多年下注，我们必须建立很多假设。
目前来看：每 GW 的算力成本实际上还在上涨，因为电力更贵了，内存更贵了，各种基础设施都更贵了。但与此同时，芯片效率提升得更快。因此最终卖给客户的单位智能成本其实是在下降的。
即使模型本身没有任何进步，单靠芯片进步，客户成本也会显著下降。在预测未来时，我们不会过度乐观地假设模型一定会有重大突破，因为有时候会出现 GPT-5.5 这样极其高效的模型。
但有时也会出现 GPT-5.4 这样规模巨大、训练昂贵、推理成本很高的模型，所以我们通常会保持保守。对于 2026 和 2027 年，我基本可以自下而上建立财务模型，我知道有哪些产品，知道大致价格，知道订阅用户数量，知道广告业务规模，因此预测相对准确。
但有趣的是：需求曲线总是在不断超出我们的预期，永远比我们预计增长得更快。到了更远的年份，预测方式会反过来，我们先看自己买到了多少算力，再倒推出：这些算力最终应该能创造多少收入。
举个例子，一年前我向投资人展示过一个“Agent 收入模型”。当时我们的设想是：开发者未来可以通过自然语言构建 Agent，而且我们认为，企业可能愿意为这样的 Agent 每月支付 2000 美元，当时所有人都觉得这太荒谬了，他们甚至不知道我在说什么。
别忘了，当 ChatGPT Pro 每月收费 200 美元时，大家都觉得疯了，认为不可能有人付费。而今天回头看，那个争议似乎已经变得非常遥远了。
主持人： 我想把问题问得更具体一点。按照我看到的一些估算：建设 1GW AI 算力中心，大约需要 500 亿美元。这里面包括土地、电力、服务器、芯片等全部成本。那么问题来了：建设一个新的数据中心时，这些钱都需要 OpenAI 自己先拿出来吗？还是说可以通过债务融资解决一部分？换句话说：1220 亿美元融资到底意味着什么？只能换来 2GW 算力？还是能换来 5GW？
Sarah Friar： 这是个非常好的问题。如果回头看 OpenAI 的算力战略，你会发现这个世界变化得实在太快了。
就在两年前：我们只有一家云服务提供商（CSP）——微软 Azure，只依赖一种芯片——NVIDIA，只有一个产品——ChatGPT，只有一个价格——每月 20 美元。
所以我经常用魔方（Rubik's Cube）做比喻。当时我们的业务就像魔方底部的一个小方块。而今天，我们已经完全不同了。首先，我们采用了多云战略（Multi-CSP），因为 CSP 本质上帮助我们把资本开支（CapEx）转换成运营开支（OpEx）。
也就是说：你不需要先花几百亿美元建设数据中心，而是在产生收入之后再支付使用成本。实际上，我们某种程度上是在利用这些云厂商的资产负债表。利用他们的资本支出能力和融资能力。今天我们的合作伙伴已经包括：Oracle、CoreWeave、Microsoft、Google Cloud、Amazon Web Services，以及许多新兴云计算公司（NeoCloud）。
主持人： 为什么 OpenAI 不再押注单一芯片？
Sarah Friar： 第二个变化是芯片战略。我们已经从单芯片战略转向多芯片战略（Multi-Chip）。原因很简单：如果你只押注一种芯片，你迟早会被别人超越，技术一定会发生代际跃迁。
今天 NVIDIA 仍然是我们最重要的合作伙伴，他们拥有当前最先进的芯片。今年秋天，我们下一次大型训练任务将运行在 Vera Rubin 架构上，对此我们非常兴奋。
与此同时，我们也在布局未来的 Feynman 系列芯片。除此之外：AMD 芯片已经进入我们的供应链，Cerebras 已经投入使用，它是一种极低延迟芯片，特别适合实时编程场景，很多开发者都很喜欢。
另外，我们还在与 Broadcom 合作开发自己的 AI 芯片。所以你再看那个魔方。它已经不再是单一维度，而是一个高度多元化的系统。
这意味着：我们可以利用大量拥有投资级信用评级的合作伙伴。从而把更多成本转化为运营支出，而不是资本支出。
主持人： OpenAI 为什么开始自己建数据中心？
Sarah Friar：我们现在也开始进入新的阶段。即 Build-to-Suit（定制建设）模式。例如我们和 SoftBank 在德州建设的数据中心项目，这已经超出了传统 CSP 模式。
在这里，我们需要承担更多资本开支。但请记住：以上这些变化，全都发生在短短两年内，这也是为什么我喜欢用魔方做比喻，魔方大概有上百万亿亿种组合方式，而这意味着：它给了我们极大的选择权。
我前面说过，作为 CFO，我最重要的职责就是创造最大的选择权，尤其是在 OpenAI 还没有获得投资级信用评级的时候。我们无法像大型成熟企业那样轻松获得低成本债务融资。因此能够借助合作伙伴的融资能力，就显得极其重要。
未来竞争格局是怎么样的？
主持人：五年之后，你觉得整个产业链会不会彻底融合？过去：NVIDIA 只卖芯片，微软只做云服务，消费级应用公司只做应用，大家各司其职。但现在完全不是这样：你们开始做芯片，未来甚至可能自己做云，NVIDIA 开始做模型，Google 既做芯片又做模型又做云，所有人都在向上下游扩张。如果这种趋势继续下去，竞争格局会变得更简单还是更复杂？
Sarah Friar： 我认为所有公司都在争夺同一个位置。那就是：离客户最近的那一层。因为生态系统中最大的利润往往集中在那里。没有人愿意被推到价值链的远端。
主持人： OpenAI 为什么坚持做“AI 智能层”？
Sarah Friar：这也是为什么我们一直坚持：OpenAI 要成为 AI Intelligence Layer（智能层）。一年前大家还在讨论：“大语言模型是不是会商品化？”很多人认为模型最终都会一样。
但事实恰恰相反。随着 Agent 时代到来。模型的重要性反而提升了。因为真正创造价值的不只是模型本身。而是模型背后的：上下文（Context）、记忆（Memory）、个性化（Personalization）。
举个例子，在我的 Codex 里，有一个非常庞大的记忆文件，它知道我是 Sarah，知道我是 OpenAI CFO，知道我喜欢什么样的写作风格，知道我感兴趣的话题，甚至知道我是几个青少年的母亲，所有这些记忆都会持续积累。
而这些记忆让模型对我变得越来越有价值。现在再想象一下企业场景，企业拥有的不只是数据，更重要的是企业几十年积累下来的经验和直觉。
我以前在华尔街工作时经常遇到这种情况。所有数据都告诉你：某只股票财报发布后应该上涨。模型也会得出同样结论，但随后你会给交易员打电话，交易员会说：“Sarah，这支股票不会涨。”我会问：“为什么？所有数据都显示它应该上涨啊。”交易员会回答：“我知道。但我知道某个大型基金正在被迫减仓。未来一周他们会持续抛售。所以股价一定涨不起来。”这就是企业里的“直觉”（Intuition）。它存在于每一个行业、每一家企业、每一个组织。
而今天的 AI 正在逐渐连接这些东西：记忆、上下文、经验、直觉。这也是为什么 CEO 和高管团队越来越兴奋。因为他们开始意识到：AI 不仅能提高效率。它还能真正帮助企业创造收入、推动业务增长，所以回到你的问题，我认为未来每家公司都会努力留在最接近客户价值创造的地方，同时保持足够灵活，因为这个行业变化实在太快了。
主持人： 最后一个快问快答。过去二十年最成功的消费级商业模式：iPhone，Google 广告网络，Meta 广告网络。其中两个都是广告驱动，甚至苹果现在也开始做广告。但你刚才几乎没怎么提广告。有人说已经在 ChatGPT 免费版中看到广告测试，Anthropic 在超级碗期间甚至专门嘲讽过你们：“OpenAI 最终一定会做广告。”那么广告会不会成为让 AI 免费普及全球的解决方案？
Sarah Friar： 首先，无论我们未来是否做广告——有一个原则不会改变：用户获得的答案必须来自模型的最佳判断，而不是来自赞助商，这一点绝对不能被破坏。
其次，即使未来出现广告，我们也始终会提供无广告版本给那些不希望看到广告的用户。
但与此同时，如果你认真分析 ChatGPT 就会发现它拥有极大的广告潜力。我们内部有人曾经开玩笑说：如果 Google 和 Meta 生了一个孩子，那这个孩子可能就是 ChatGPT。
Google 的优势是什么？搜索意图（Intent）。用户主动告诉 Google：他想买什么。他想找什么。事实上，我们认为自己已经至少拥有 11% 的搜索市场，而真实数字可能更高，因为统计方式不同。
Google 搜索一次刷新页面算一次搜索，但在 ChatGPT 里，你连续提问 50 次，可能只算一次会话，这种高意图流量对于广告主极具价值。因为用户会直接告诉我们：“我想买什么”、“我需要什么”、“我在解决什么问题”。
而 Meta 的优势是什么？是用户画像。他们知道：“像你这样的人喜欢什么。”但 ChatGPT 拥有更进一步的能力，我们不仅知道你的意图，还有记忆（Memory），上下文（Context），长期行为模式。想象一下：把意图（Intent）和记忆（Memory）结合起来，你将得到一个极其强大的广告平台。而这样的平台又能够反过来补贴全球用户使用 AI。
主持人： 为什么 OpenAI 没有把所有算力卖给 API？
Sarah Friar：如果我只考虑短期收益，我会把所有 Token 全部卖给 API 客户。因为 API 的收入效率远远高于消费者业务可能高出一个数量级。但我们并不是这样做的，因为我们的战略从来不是最大化短期收入，我们的目标是建立一个 AI 基础设施层，就像电力一样，一种全球性的公共能力。未来我们希望服务：普通消费者、小企业、大企业、政府机构、整个世界。这才是 OpenAI 的战略。
视频原链接：
