@OpenAI 首席财务官 Sarah Friar 在 GS Communacopia 上的笔记： 关于数字方面没有太多新内容，但正如预期的那样，听起来很乐观…
- 序号：207
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
@OpenAI 首席财务官 Sarah Friar 在 GS Communacopia 上的笔记：
关于数字方面没有太多新内容，但正如预期的那样，听起来很乐观……
OpenAI 首席财务官 Sarah Friar 利用这次会议为一家她称现在大约一半是企业业务的业务提供了数字。该公司以大约 60/40 的消费者对企业比例进入 2026 年，设定了年底 50/50 的目标，并在年中左右实现了它，因为“企业业务一直如火如荼”：7 月份，运行率收入同比增长约 20%，企业业务同比增长 32%，“基于一个相当大的基础”。背后的使用数据：一家前沿公司，即前 10% 的客户，现在每用户每周使用令牌数量是平均客户的大约 8 倍，高于之前的约 3 倍，而 OpenAI 自身的内部使用量约为 33 倍，她以此作为现有客户未来方向的预览。Codex 的用户从年初的大约 10 万增长到最后披露的约 2500 万，她说自动化编码“是关键”，没有开发者还仅仅使用 AI 来辅助。客户示例很具体：Canva 的代码现在“100% 来自 OpenAI”，其用户每周在 OpenAI 图像模型上创建数十亿张图像；Travelers 在两个月内将 AI 理赔审查助手从八个州扩展到全国。客户接下来询问的地方，在她的走访中：网络安全“非常紧迫”，知识工作代理，以及垂直转型，OpenAI 正在芯片设计、生命科学和金融服务领域投资，并暗示本周晚些时候在纽约宣布金融服务相关消息。在消费者方面，每周用户超过 10 亿，每用户消息量在前六个月增长约 60%，用例翻倍；Plus 和 Pro 层级是今年迄今表现最好的，因为用户“从询问转向行动”；ChatGPT 和 ChatGPT Work 标签年底合并；广告业务在推出七个月后达到 10 亿美元运行率，“最快达到十亿美元运行率的产品”，已在 40 个国家上线，WPP 和 Dentsu 已加入，但尚未推出 AI 原生广告格式。她对这一机会的描述：“如果 Google 和 Meta 生了一个孩子，你就得到 ChatGPT”，高意图搜索加上记忆。
Astra 发布奠定了产品故事的基础。它在 10 万个 GPU 上训练，“我们做过最大的训练运行”，在 ARC-AGI 上得分接近 100%，在数学基准和 Exploit Bench 网络基准上也是如此，Friar 特别强调计算机使用、代理代表她操作网站和应用程序，这是“让我震惊”的能力。她希望评估的经济指标是每任务成本，而不是每令牌成本：根据 Artificial Analysis 的比较，Astra 比竞争对手前沿模型需要 68% 更少的输出令牌来达到类似结果，几周前对较小的 Luna 模型的 80% 降价带来了 10 倍的使用量提升，并在 OpenRouter 上获得最高份额，高于下一个中国模型。在开源权重方面，她说它们“有其位置”，但客户为整体栈付费，包括计算、数据集成、企业上下文和企业可靠性，而且“推理不是免费的”：Cloudflare 上的 Luna 比 GLM 5.3 更便宜，因此前沿实验室可以以低于开源部署的成本提供推理。定价从订阅向消费向结果演进，她“很想让我们远离令牌计数”，转向在芯片设计和生命科学等垂直领域分享上行潜力，其中 GPT Rosalind 是生命科学模型，OpenAI 自己的 Jalapeño 芯片在九个月内完成流片，该模型运行了工程师在设计送往 TSMC 前最后 30 天没有时间完成的优化。在网络安全方面，她称能够模型可以被“关在盒子里”的想法是一种谬误：OpenAI 在自己的环境中运行 Astra 以机器速度发现和修补漏洞，上周在旧金山接待了约 300 名 CISO，正在为可信访问防御者提供更多访问权限但更少的护栏，并看到“一个令人难以置信的商业机会”，这带来了真正的治理负担。
在计算方面，“我们仍然感到严重短缺”，每周在训练、研究和服务之间进行权衡，全栈推进被描述为成本循环：更大的训练运行产生前沿模型，这些模型训练更便宜的子模型，而低延迟服务用于编码、语音、图像和视频，都消耗容量。该栈是“一个光谱，不是非此即彼”：CSP 合作伙伴、内部芯片、OpenAI 设计的德克萨斯合作伙伴数据中心，以及“越来越多”的自建。随着时间推移。Goldman 主持人询问这如何与三到五年内的融资需求相关时，她说这份工作的最难部分是预测一个世界从未见过的业务，评估网络安全和垂直领域的机会，反推计算需求，并在两到三年提前“动工”；过去两年的过度投资批评“今年真的收到了回报”，纪律是 ROI：对于每个模型家族，他们回顾迄今收入加上未来 12 个月，与投资的计算对比，并询问它是否“不仅仅是正向，而是极度正向”。每吉瓦收入上升和成本曲线下降是扩大毛利率的关键，在她的叙述中。在应用研究与可见需求之间，使命优先，投资于语音、视频、图像和世界模拟模型，尽管她指出一年前没人能预测 Codex 的规模。她未来几年的优先级列表，按顺序：前沿智能；保持在 Pareto 前沿，使智能“大规模可用”；降低计算成本，使每 GPU 收入上升；消费者基础作为进入企业的飞轮；以及企业能力，其中网络安全是未来 12 个月的重点，以及 CFO、CRO 和 CMO 的横向办公室产品与垂直专业化并行。
总体总结
主题正文
- 该公司以大约 60/40 的消费者对企业比例进入 2026 年，设定了年底 50/50 的目标，并在年中左右实现了它，因为“企业业务一直如火如荼”：7 月份，运行率收入同比增长约 20%，企业业务同比增长 32%，“基于一个相当大的基础”。
- 客户接下来询问的地方，在她的走访中：网络安全“非常紧迫”，知识工作代理，以及垂直转型，OpenAI 正在芯片设计、生命科学和金融服务领域投资，并暗示本周晚些时候在纽约宣布金融服务相关消息。
- 它在 10 万个 GPU 上训练，“我们做过最大的训练运行”，在 ARC-AGI 上得分接近 100%，在数学基准和 Exploit Bench 网络基准上也是如此，Friar 特别强调计算机使用、代理代表她操作网站和应用程序，这是“让我震惊”的能力。
- 她希望评估的经济指标是每任务成本，而不是每令牌成本：根据 Artificial Analysis 的比较，Astra 比竞争对手前沿模型需要 68% 更少的输出令牌来达到类似结果，几周前对较小的 Luna 模型的 80% 降价带来了 10 倍的使用量提升，并在 OpenRouter 上获得最高份额，高于下一个中国模型。
- 在开源权重方面，她说它们“有其位置”，但客户为整体栈付费，包括计算、数据集成、企业上下文和企业可靠性，而且“推理不是免费的”：Cloudflare 上的 Luna 比 GLM 5.3 更便宜，因此前沿实验室可以以低于开源部署的成本提供推理。
- 定价从订阅向消费向结果演进，她“很想让我们远离令牌计数”，转向在芯片设计和生命科学等垂直领域分享上行潜力，其中 GPT Rosalind 是生命科学模型，OpenAI 自己的 Jalapeño 芯片在九个月内完成流片，该模型运行了工程师在设计送往 TSMC 前最后 30 天没有时间完成的优化。
- 在网络安全方面，她称能够模型可以被“关在盒子里”的想法是一种谬误：OpenAI 在自己的环境中运行 Astra 以机器速度发现和修补漏洞，上周在旧金山接待了约 300 名 CISO，正在为可信访问防御者提供更多访问权限但更少的护栏，并看到“一个令人难以置信的商业机会”，这带来了真正的治理负担。
- 过去两年的过度投资批评“今年真的收到了回报”，纪律是 ROI：对于每个模型家族，他们回顾迄今收入加上未来 12 个月，与投资的计算对比，并询问它是否“不仅仅是正向，而是极度正向”。