OpenAI 推理经济学 2030：单位经济在改善，现金缺口在扩大

研究日 2026-10-12　|　情景与条件判断，不构成投资建议　|　OpenAI 未上市，没有市场价格可作对照，本文不给出估值结论

投资结论

• 单位经济在改善，公司现金缺口在扩大。中采用路径下，2030Q4 每任务推理成本降到 2026Q3 的 0.47 倍，每任务净实现价降到 0.68 倍，单位贡献变宽；API 扣分成后毛利 52%（前版的 66% 含分成双计）。但 2030 年收入 2,095 亿美元 只有 FT 计划的六成，训练开支沿计划走，2026Q3–2030Q4 累计 FCF -3,783 亿美元，期初流动性之外还需 2,753 亿美元（低/高采用 4,033 亿美元 / 953 亿美元），现金在 2028Q1 转负。〔推断；收入路径为我们的假设〕
• 效率提升会增加总算力。中采用路径 token 到 2030Q4 增长 11.4 倍，单位成本只降到 0.60，算力支出增长 6.8 倍。只有 token 年增速低于约 11% 时效率才会减少总算力。价值主要流向硬件与云：OpenAI 的算力支出/收入到 2030Q4 仍约 1.13。〔推断〕
• ASIC 与国产替代都比前版弱。需求独立后，400MW ASIC 到 2030Q4 只承载 5% token（前版 41%），回到前版份额约需 3.2GW。国产模型只有在首试成功率达到区间上端时才在通用、金融、低时延场景合格；长程任务均不合格。〔推断；成功率为我们的假设〕

2027 / 2028 / 2030 门槛

新旧结论对照

哪些是事实改变，哪些是假设改变

研究问题的直接回答

OpenAI 的单位任务成本、净实现价、贡献与现金

• 旧 → 新。前版只有指数：2030Q4 固定能力成本 0.40、付费推理毛利 66%，推理切片 2030 年现金贡献 972 亿美元（旗舰标价口径）。本版改用公司收入锚：中采用路径下每任务成本指数 2027Q4 0.70、2028Q4 0.57、2030Q4 0.47；每任务净实现价 0.82 / 0.75 / 0.68。每百万 token 推理现金成本 2026Q3 约 $2.1，2030Q4 约 $0.72；净收入约 $4.1 → $2.07（token 量为假设量级）。
• 贡献与现金。推理贡献 2027 年 328 亿美元、2028 年 560 亿美元、2030 年 1,079 亿美元；同期 FCF -623 亿美元 / -840 亿美元 / -1,055 亿美元。2026Q3–2030Q4 累计 FCF -3,783 亿美元，期初流动性之外的融资需求 2,753 亿美元（低采用 4,033 亿美元，高采用 953 亿美元）；现金在 2028Q1 转负。
• 原因。每任务成本下降（GPU 代际、小模型替代）快于每任务净实现价下降，单位贡献变宽；但训练开支（FT 计划残差，2030 年约 1,831 亿美元）与收入只有 FT 计划的 60% 共同决定现金缺口。
• 证据强度。弱到中：收入锚和 FT 总量为媒体报道，采用路径与收入结构为我们的假设。
• 条件与翻转。2030 年 FCF 转正需要收入约为中路径的 2 倍（约 4,194 亿美元，高于 FT 计划的 3,500 亿）；只砍训练不可行，因为 60% 不可取消承诺会把省下的训练变成闲置付款。
• 下一验证。季度确认收入与用量/订阅拆分；300 亿美元桥接融资是否交割；算力承诺的可取消比例。

效率提升会增加还是减少总算力

• 旧 → 新。前版未回答（需求由 ASIC 容量反推）。本版：中采用路径 token 到 2030Q4 为 11.4 倍，单位成本指数 0.60，算力支出 6.8 倍；低采用 1.7 倍，高采用 16.5 倍。
• 盈亏线。单位成本下降 x 时，任务量增长超过 1/(1−x)−1 就会增加总算力：降 30% 需增长 67%，降 50% 需增长 100%。中路径四年 token 增长远在线上。
• 证据强度。中：方向稳健（OpenRouter 9 月 token +71% m/m、支出 +28%，价格 −25%，是同方向的平台样本）；幅度取决于采用路径。
• 翻转条件。token 年增速低于约 11%（相当于 2030Q4 仅 1.56 倍）时，效率才会减少总算力。
• 下一验证。OpenAI 公布的周活/token 量；OpenRouter 月度价量；主要云厂商 AI 收入增速。

哪些国产或开源模型还能赚钱

• 旧 → 新。前版：通用任务上国产模型只需约 37%–53% 单次成功率就能赢得客户 TCO，AA≥50 为前沿门槛。本版改为同结构（单模型两次尝试 → 人工 → 放弃）的盈亏成功率：通用办公约 89%–90%，金融私有部署约 82%–85%，低时延约 67%，长程任务约 51%。
• 判定。智谱 GLM·通用办公 条件合格（成功率需达区间上端）；DeepSeek·通用办公 条件合格（成功率需达区间上端）；智谱 GLM·金融私有部署 条件合格（成功率需达区间上端）；DeepSeek·金融私有部署 条件合格（成功率需达区间上端）；智谱 GLM·低时延交互 条件合格（成功率需达区间上端）；DeepSeek·低时延交互 条件合格（成功率需达区间上端）；MiniMax 与所有长程任务不合格。对比 OpenAI 最优路由（便宜模型先试、失败升级），国产模型都需要更高的成功率（通用约 96%–98%）。
• 供应商利润侧。模型按本版参数测算的 2030 付费毛利：智谱 46%，低于其 50% 目标；价格战先压的是供应商利润，而不是客户切换。〔推断〕
• 证据强度。弱：国产首试成功率区间为我们的假设，价格比例来自 AA 每任务成本（智谱 GLM-5.3-Flash）或无价卡推断（DeepSeek）；私有部署与驻留能力未核验。
• 翻转条件。同一 AA 版本内与 OpenAI 最佳点分差缩小且同任务成功率达到上表门槛；或 OpenAI 次旗舰提价。
• 下一验证。同任务（Terminal-Bench、长文档 QA）成功率的同版本复测；智谱 API 毛利与价格；国产私有部署合同。

价值流向模型、云、硬件还是工作流

• 旧 → 新。前版只给推理切片利润。本版：OpenAI 算力支出/收入从 2026Q3 1.72 降到 2028Q4 1.37、2030Q4 1.13，仍大于 1，硬件与云在整个期间拿到的现金多于 OpenAI 留存；渠道/云分成稳定拿走确认收入的 20%。
• 任务层。编码任务中模型账单占客户 TCO 从 36% 降到 28%，长程 Agent 从 37% 到 29%：工具、存储、安全、运维与人工兜底占大头，降价主要让渡给工作流层和客户。
• 证据强度。中（方向）/弱（幅度）：非模型 TCO 构成为我们的假设。
• 翻转条件。OpenAI 自研 ASIC 规模达到约 2–3GW，或算力支出/收入降到 1 以下（中路径需收入约 2 倍）。
• 下一验证。Broadcom/Jalapeno 实际 MW；云厂商 OpenAI 相关收入；企业 Agent 部署的人工复核比例。

收入、订阅与净收入桥

收入口径先于收入水平：9 月约 500 亿美元的年化收入是公司口径（净额），毛额化约 700 亿；季度确认收入 Q1 57 亿、Q2 67 亿。模型用 2026Q3 确认收入 100 亿美元（90–110 亿）作锚，按用量 30%、消费订阅 50%、企业席位 15%、广告及其他 5% 拆分（结构为我们的假设）。年底 ≥700 亿的说法未核验、口径不明，不入模。

订阅 u×c。订阅毛利（扣分成前）= 1 − 使用率 u × API 等价倍数 × 成本/价格比 c。Plus·Sol 倍数 10.6，盈亏线 u×c = 0.094；在 c0 = 0.32 下，用户平均使用额度超过 29% 就亏损。Pro200·Astra 倍数 14.5，盈亏使用率 22%；10-29 后额度减半，盈亏使用率约翻倍到 43%。平均使用率假设 10.4%，订阅混合毛利约 65%（扣分成前）；使用率 50% 的重度用户订阅毛利约为 −68%。〔我们的假设；倍数为卖方测算〕

2030 年收入构成（中采用）。用量 854 亿美元、订阅 1,064 亿美元、广告 177 亿美元，合计 2,095 亿美元，为 FT 计划 3,500 亿的 60%。

现金、承诺与融资

计划复现：用 FT 计划收入代入同一现金层，累计收入 8,400 亿美元、算力 8,560 亿美元、FCF -2,780 亿美元，现金在 2028Q2 用完，与 FT“2028 年用完 3 月融资”一致。其他运营费用变动率 1.26% 由此校准。期初流动性 1,030 亿美元（850–1,220 亿）为推断；不可取消承诺 60% 为我们的假设。

效率与总算力需求

需求路径独立于 ASIC 容量：任务量 × 每任务 token（任务结构向编码与 Agent 迁移），2026Q3 量级沿用前版。低采用路径的单位成本更低（ASIC 份额更高），但收入与毛利增长都更慢、融资缺口最大——效率无法替代需求。

ASIC 与供给管线

ASIC 容量按出货 → 安装 → 通电 → 验收 → 可售分阶段，参照 Trainium3 从首批出货到有意义容量约 2–3 季（JPM 台湾 ODM 10-11）。400MW 在中采用需求下只覆盖 2030Q4 约 5% token；2030 年固定能力成本降一半需要 ASIC 约 1.8GW（单项）。ASIC 延后 2 季对 2030Q4 成本指数的影响不到 1 个百分点：容量太小，时点不是关键，规模才是。超建也会通过闲置抬高成本。〔推断〕

路由、客户 TCO 与国产质量门

重试不是独立事件：同一模型在同一任务上失败后，再试成功率按 ρ 下降（短文本 0.3 到 Agent 0.6，我们的假设），换模型时下降 0.4ρ；两次失败后转人工，人工仍失败则放弃并计放弃成本。客户 TCO 拆为模型账单、工具、存储、安全、运维与人工。

跨厂商看，Anthropic 中档（Sonnet→人工）在短文本与长程 Agent 上每成功 TCO 最低；OpenAI 自身策略中，“Sol 先试、失败升级 Astra”在编码与 Agent 任务上最低（编码 $1.98、Agent $15.75）。独立重试假设会把最优策略的每成功成本低估约 30%–60%。四类购买场景中只有通用办公存在满足全部约束的策略（Anthropic 中档）；金融私有部署要求私有部署与驻留证明，所有托管 API 都不满足；低时延交互与长程任务在时延或模型成功率上不达标，需要人工兜底。

国产模型质量门（替代“智能指数≥50”硬门）。AA 指数只作同版本筛选；资格由同结构下的盈亏首试成功率决定。

价值流向

OpenAI 每1美元收入中流向云/硬件（推理+训练+资本开支）、渠道分成与自身现金的比例；云/硬件收入由 OpenAI 的融资支付，不等于云或硬件利润。非模型部分（运行环境、工具、存储、权限、运维、人审、人工接管与放弃）按名义值不变；模型账单按价格指数下降，价值份额向工作流与人力侧迁移（假设驱动）。

事件、联合压力与反推

三组联合压力在同一模型与同一公司现金层上同时施加，训练路径保持基准不变（避免“推理更便宜 → 训练残差变大”的假象）。

谁承担、谁获益（2030 年，正数为获益）。

最大的单一风险是订阅重度使用：重度用户占比翻倍、使用率升到 70% 时，2030 年推理贡献下降约 363 亿美元、融资缺口增加约 929 亿美元，成本落在 OpenAI、收入流向算力供应商。“更重 Agent + 重试 + 人工”对 OpenAI 反而略有利：按量计费下重试成本由客户承担。

反推。

训练单独削减无法让 2030 年 FCF 转正：60% 的算力承诺不可取消，省下的训练会变成闲置付款。

锚定敏感性与会计口径

Barclays Lab B 的 48% 只是卖方的示例实验室。五个锚给出的 2030Q4 扣分成毛利从 32% 到 73%；留一法中位数稳定在 45%–60%。2030 毛利扩张当且仅当 成本指数 < 价格指数，与锚无关；扩张幅度 = c0 ×（1 − 成本/价格），与 c0 成正比。因此本报告的绝对美元只作假设量级，判断依赖指数与方向。

会计口径：Lab B 的研发 96%（单年、不含生产训练）与前版的 FT 推算 35%（五年累计，且推理成本被高估）不可比；对齐后本版训练与研发算力 2026 年为 FT 计划收入的 121%、累计 68%，与 Lab B 的 106% 同一量级。

最强反方与改变判断的条件

最强反方。收入可能远快于中采用路径：9 月公司口径 run-rate 约 500 亿、广告 8 月已到 10 亿年化，若 Codex 与企业 Agent 让收入跟上 FT 计划（2030 年 3,500 亿），融资缺口会接近 FT 的 2,780 亿 FCF 缺口减去期初流动性，即约 1,750 亿；高采用路径下仅约 953 亿美元。此外 SemiAnalysis 的 92% API 毛利锚给出 2030Q4 扣分成毛利约 73%，若属实则单位经济远好于本文基准。

改变判断的条件。季度确认收入连续两季高于中路径（2026Q4 约 123 亿美元）；算力承诺可取消比例显著高于 60%；OpenAI 自研 ASIC 规模提升到 GW 级；国产模型在同版本评测中同任务成功率达到上表门槛；订阅重度用户比例显著上升（向下）。

下一步验证

• 2026Q3/Q4 季度确认收入与用量/订阅/广告拆分；年底 run-rate 的口径。
• 300 亿美元桥接融资是否交割、条款与期限。
• Pro 额度调整后（10-29 起）重度用户留存与使用率。
• Broadcom/Jalapeno 的实际 MW、通电与验收时点。
• 同一 AA 版本内国产模型的同任务成功率与价卡；私有部署合同。
• 算力合同的不可取消比例与 take-or-pay 条款。

附录：成本模型细节

以下为固定能力成本模型的细节，参数与正文一致，包括固定能力降本、ASIC 桥、价格历史、竞争者利润门槛与八情景季度表。其中的绝对美元沿用旗舰标价口径（约高估 6 倍），只用于指数与相对比较；与正文不一致时以正文为准。

固定能力降本与前沿抵消

2026Q4–2027Q1 指数短暂高于 1，主要是口径效应：2026Q3 锚点不计利用率压力，2026Q4 起模型计入约 6% 的 GPU 高负载压力（需求增长快于新增产能，随 ASIC 补充逐步缓解）；首批 ASIC 实际利用率约 19%，闲置开销只贡献约 +0.002。这一跳升不应解读为成本上升信号。〔我们的假设：利用率反馈系数〕

固定能力路径固定任务篮子（短问答 34%、长文档 18%、交互编码 28%、长程 Agent 20%），只让硬件、ASIC、技术与替代改变单位成本；前沿路径在同一硬件路径上叠加思考 token 与工具调用的季度增长。两条线之差就是“前沿抵消”。〔我们的假设：前沿 token 增速；推断：抵消比例〕

研究基准下，2027Q4 固定能力指数 0.913，前沿 1.018：2027 年客户看到的前沿任务单位成本几乎不变。要在 2030Q4 维持 2026Q3 的毛利额，研究基准需要成功任务量增长到 1.37 倍；维持收入需要 1.45 倍；让利换量情景需要 2.05 倍才能守住毛利额。

降本来源拆解

瀑布顺序固定为：基准 → 算法与服务 → 小模型替代 → GPU 采购方式 → GPU 代际 → ASIC 毛节省 → ASIC 闲置与适配开销 → 利用率压力 = 固定能力现金成本指数；再加折旧得到完整成本指数（研究基准 2030Q4 为 0.600）。ASIC 节省以改进后的 GPU 为基准计算：若以未改进 GPU 计，ASIC 节省为 0.039，扣除重叠后为 0.026，避免把同一笔降本算两次。各步之和与终值的恒等式缺口为 0（Excel CostBridge 第 W 列逐季检查）。

时间顺序。2027 年以前降本几乎全部来自 GPU 代际与少量小模型替代；ASIC 在 2028 年后才成为第二大项；算法与服务杠杆只在“技术更快”“未来技术选入”情景出现，且量级很小（约 −0.01），因为 PD 分离、草稿解码等收益要么已在锚点内，要么证据门槛未过。〔推断〕

参数依据。GPU 代际 8%/年为我们的假设：JPM Data Center Watch（2026-09-29）H100 租赁指数 $2.64/小时、环比 −2.6%，B200 $5.70，B200/H100 小时价比从 2025-09 的 2.58 倍降到 2.16 倍；厂商宣称的 35 倍每 token 改善只作为上限。小模型替代参数来自 AA 智能成本前沿横截面（2026-10-08 内部整理）：GPT-6.1 Sol 智能指数 52、单价 $0.72，Astra 53、$3.26。〔事实：价格与指数；我们的假设：替代份额 25%、成本比 0.30〕

ASIC 桥与时间线

ASIC 链按“装机 MW → 芯片数 → 可用 token → 实际承载份额”计算，份额取产能、迁移意愿与合格推理份额三者的最小值。研究基准 2027Q4 份额 1.7%、2028Q4 5.3%、2030Q4 5.0%；ASIC 延期情景 2030Q4 为 4.3%，固定能力指数升到 0.599。

ASIC 是全模型最脆弱的降本项。按校准一致的保守吞吐（900/3.589≈251 token/秒）重算，2030Q4 固定能力指数为 0.617、ASIC 份额 1.4%，仍略好于完全不用 ASIC（0.622），基准吞吐下为 0.595。本版需求独立后 400MW 只覆盖少量 token，ASIC 吞吐假设对 2030 成本的影响收窄到约 3 个百分点。〔推断；ASIC 吞吐为我们的假设，SemiAnalysis 2026-08-25 Jalapeno 拆解只提供“每美元与 Rubin 相当”的方向性证据〕

客户账单与价格历史

台账覆盖 23 个公告日、30 个价格动作、27 个模型。最近 12 个月 11 个公告日、16 个动作；今年以来 9 个公告日；最近 90 天 6 个公告日、9 个动作。动作按“新模型替代 / 同模型永久降价 / 缓存与批处理折扣 / 新档位未降价 / 限时促销”五类区分，促销到期后回到原价，不计为永久降价。〔事实：价卡；分类为我们的口径〕

页面可切换缓存与批处理口径：缓存口径下 Agent 编码篮子账单对旗舰的降幅最大；批处理只适用于异步任务；GPT-4（8K）与 GPT-3.5-turbo-0125（16K）因上下文不足，长文档与 Agent 篮子显示为 NA，不按 0 处理。完整窗口统计与逐事件账单见配套价格回测附表。

竞争：Anthropic、智谱、MiniMax 与 DeepSeek

供应商利润门槛（各自成本路径与跟价规则下的 2030 年情景；绝对 COGS 不可识别，毛利由报告口径毛利隐含的成本指数推出）：

客户切换门槛（OpenAI 每成功任务客户总成本 $3.60，含重试、工具与人审；可接受替代溢价 12%，迁移费每成功任务 $0.40）：

两条门槛的含义不同：客户切换门槛问“客户付出的总成本是否更低”，利润门槛问“供应商自己是否还赚钱”。默认参数下，国内与海外的切换线都是 $2.27（智谱为最低中点替代），OpenAI 的 $3.60 高于切换线——但这一结论成立的前提是竞争者在同一任务上达到假设成功率（77%–85%），而 OpenAI 长程 Agent 同口径成功率只有 48%。这一前提没有同任务实测，因此“客户应已切换”只能作为条件判断。

质量分层。AA 横截面（2026-10-08）中没有智能指数 ≥50 的中国模型。页面与 Excel 提供“前沿质量门槛”开关：开启后中国厂商在两地都不具备替代资格，国内无可用替代（NA），海外最低替代为 Anthropic，切换线约 $3.94，高于 OpenAI 的 $3.60，不切换。Anthropic 需要把客户总成本再降约 10%，或单次成功率达到 95%，才会触发前沿客户切换。〔推断〕

未建模的海外前沿替代：Google。同一横截面中 Gemini 4 Argon 达到智能指数 53，是 ≥50 档里除 OpenAI、Anthropic 外唯一的模型。本模型没有 Google 的服务成本、跟价规则与同任务成功率，因此海外前沿层“不切换”的结论只覆盖 Anthropic；若 Google 的客户总成本低于约 $3.94，海外前沿客户的切换线会下移。这是数据缺口，不是结论。〔数据缺口〕

价格战热力图（x 轴 OpenAI 价格因子 1.0→0.6，乘在 2030Q4 情景价格上；y 轴竞争者成本因子 1.0→0.6，越低表示降本越快；跟价 beta 0 / 0.5 / 1 / 各自假设）：

完全跟价（beta=1）时：智谱 24/25 格低于 50% 目标、5 格毛利为负（OpenAI 价格因子降到 0.7 及以下才出现）；MiniMax 10/25 格低于 40% 目标、没有负毛利格（最低 1.1%）；DeepSeek 7/25 格低于 38.5% 目标、没有负毛利格（最低 7.6%）；Anthropic 5/25 格低于 70% 目标、没有负毛利格（最低 60.6%）。价格战先打穿智谱的利润目标；Anthropic 的利润垫最厚。现金零线因竞争者折旧与渠道调整未披露而显示 NA，地区限制按国内/海外分别判断。〔推断；竞争者参数的证据类见模型参数表〕

敏感性与翻转阈值

里程碑：2027、2028 与 2030

季度结果（2026Q3–2030Q4，八情景）

#### 研究基准

#### 技术更快

#### 迁移更快

#### 探索性技术计入

#### ASIC 延期

#### 竞争者更便宜

#### 降价让利

#### Agent 任务更重

附录：配套模型与看板

• 配套 Excel 工作簿：橙色单元格为可调整输入；公司层见 Company_Inputs、Company_Cash、Subscription、Retry_Chain、Demand_Paths 与 Company_Results 工作表，看板字段与单元格的对应见 Input_Map。工作簿公式已与模型计算逐项核对一致。
• 交互看板：可切换需求路径、叠加压力情景、播放季度路径；在实时版中可按新假设重算现金与融资缺口。