OpenAI 年化收入从 700 亿降至 500 亿的负面消息,引发了全球 AI 板块的普遍回调。本文将简要分析其中存在的预期差异。
1、700 亿与 500 亿仅因计算标准不同,实际差距有限
众所周知,头部模型厂商会不定期公布 ARR 指标,但计算口径(毛收入或净收入、过去 28 天均值乘以 12 或单周数据乘以 52)、公布时机(是否刚推出畅销旗舰模型、是否刚进行促销)等因素至关重要,否则无法直接对比,且容易造成预期偏差。
Anthropic 的 ARR 始终采用毛收入口径,即包含需支付给外部渠道的分销收入。而 OpenAI 则采用剔除各类分成后的净收入口径,这意味着不包含$微软(MSFT.US) 分成的部分(占整体 ARR 的 20%)以及$亚马逊(AMZN.US) Bedrock 分成的部分**(根据 Anthropic 与 Bedrock 的合作协议,渠道拿走毛收入扣除推理成本后的 50%)。**
此前,OpenAI 首席营收官 Denise Dresser 在 4 月发给员工的备忘录中曾指出,竞争对手 Anthropic 的营收存在“夸大”,因其包含了云渠道的分成。
自 2026 年起,OpenAI 与微软的新协议规定,OpenAI 每赚取 1 美元,需向微软支付 20 美分,该协议持续至 2030 年,并设定了累计上限(380 亿美元)。
关于 Bedrock 目前从总体毛收入中实际分成的比例,假设推理成本占比为 35%,那么 OpenAI 和 Anthropic 各自分配给 Bedrock 渠道的部分约为 (100%-35%)*50%=32%。
不过,在招股说明书披露的 2025 年信息中,Anthropic 支付给亚马逊和谷歌的综合分销费用占其总毛收入的比例约为 16%(=分销费用 3.51 亿 / 两个云平台的分销收入 21.6 亿),低于我们计算的 32%。
这一差异源于 IPO 材料披露的是所有通过 AWS 和 Google Cloud 产生的收入,其中既包含 Bedrock 等分销部分(TaaS,主要分成发生在此),也包含 Anthropic 自有直销 API 但云基础架构依托 AWS 和 Google 的部分,后者仅涉及云托管成本,不产生分销收入。

总体而言,OpenAI 与 Anthropic 的渠道分成比例本质相同。因此,除了比较两家公司对分销商的依赖程度(2026 年上半年之前,Anthropic 与云渠道合作更深,分销依赖更重),其他主要差异在于微软因早期股权而享有的 20% 分成收入。

接下来分析 OpenAI 的 700 亿和 500 亿所代表的口径。请注意,这两个数据的来源均非 OpenAI 官方。
(1)700 亿为毛收入,并非 OpenAI 口径的净收入
700 亿的说法源于上个月的报道——据路透社消息,“OpenAI 目前的 ARR 接近 700 亿元,自第三季度以来增长了 70%。其中,企业端收入翻了一番。”据此推算,6 月的 ARR 大约接近 400 亿。
联合创始人 Greg Brockman 和首席财务官 Sarah Friar 在 7 月的内部表态——2025 年底 ARR 将超过 200 亿,7 月的数据大约是年底的两倍。这与 8 月彭博社披露的知情人士信息(7 月 ARR 为 400 亿)也相符。
既然是公司高管的说法,那么 7 月的 400 亿应为净收入口径。如果根据《金融时报》计算出的 6 月 400 亿 ARR 也是净收入口径,则意味着 7 月 OpenAI 的 ARR 环比零增长,这与第三方另类数据的趋势不符。
根据 TickerTrends 的数据,OpenAI 7 月环比增速约为 10%(TickerTrends 通过监测趋势并结合模型拟合得出,其预测口径很可能与净收入口径更接近)。真正的增长停滞出现在 3-4 月,当时 Claude Opus 4.6 配合编码代理工具大受欢迎,表现强劲。
随着 4 月底 GPT 5.5 发布并设为默认模型,Codex 扩展并进入 ChatGPT 移动端等新产品举措,OpenAI 开始发力。同时,结合降价策略,对发布了 Fable 但因价格昂贵而渗透率一般的 Anthropic,呈现出明显的份额抢夺迹象。

因此,6 月底/7 月初的 400 亿,以及上月披露的 700 亿,均为毛收入口径;而 8 月初披露的 7 月 ARR 400 亿则是净收入口径。
这其中存在 20% 的差额,源于微软的分成。此时云渠道的分销占比还非常低,毕竟谷歌和亚马逊的 Bedrock 分别从 4 月和 6 月才开始逐步分销 ChatGPT。
从估值角度,也可侧面印证 700 亿更偏向毛收入口径:
从市销率(P/ARR)来看,OpenAI 最新一轮融资估值为 1.4 万亿,对应 700 亿 ARR,估值为 20 倍;这与 Anthropic 年底 1000 亿毛收入口径的 ARR,对应 2 万亿 IPO 估值,同样是 20 倍。
(2)500 亿很可能是净收入口径
再看 500 亿 ARR 的来源——据《金融时报》报道,OpenAI 向其投资者透露的 ARR 接近 500 亿美元。
这基本属于官方披露,可靠性较高。而 OpenAI 官方通常采用上述剔除微软及云平台分销分成的净收入口径。
不过,9 月 OpenAI 的云平台分销应该仍然不算高。通过 Bedrock 等云渠道分销获得的毛收入,占总流水比例预计不超过 10%(根据 SemiAnalysis 的数据,Anthropic 从 Bedrock 流出的流水占比也仅为 15%)。
那么,500 亿的净收入口径 ARR,先加回微软拿走的 20%,还原后为 625 亿。再假设 Vertex 和 Bedrock 等其他外部平台分销合计占比 10%,按上文计算的 25% 渠道分成比例计算,即 10%*25%=2.5% 的渠道分成可以加回,结果为 625/(100%-2.5%),约 640 亿。
这个数值虽然与 700 亿仍有 10%、即 60 亿的差距,但相比《金融时报》的惊悚标题——“比之前披露少了 200 亿!”,在感受上要好得多。
尽管绝对值差异会影响短期产业链公司的业绩预期,但从长期视角来看,更应关注增速趋势——OpenAI 近期势头良好(第三季度月环比平均增速 10%),而 Anthropic 面临一些小问题(第三季度月环比平均增速 3%),全行业仍在持续增长。
综上,我们大致还原出不同口径下 OpenAI 近几个月的数值,仅供参考。

2、AI 实际渗透率仍较低,短期降温无碍长期前景
编程场景渗透率过半后,行业正在探索第二个能承接 AI 变现及产业链增长叙事的场景。
由编程场景自研延伸出的协同办公场景,在 6 月后被重点推上台面。但需要先泼一盆冷水,协同办公的市场空间虽然更大,但预计推进过程不如编程顺畅。
AI 编程之所以顺利,主要因为 AI 在编程场景中的有效性易于验证和量化——代码能否运行、应用开发能否实现,AI 自身即可自动验证;
在量化 AI 的经济性方面,可直接对标 IT 开发的人力成本。过去 20 年互联网蓬勃发展,IT 人员时薪普遍较高。对企业而言,AI 替代的经济账是算得清的。
协同办公场景的总可寻址市场明显更大。Gartner 预计,到 2030 年,智能代理可能影响约 2,340 亿美元的企业应用软件支出,约占 SaaS 支出的 20%。但协同办公的发展过程比编程更复杂。
这不仅体现在如何验证 AI 有效性上,还涉及企业将更多内部数据资产留存到代理平台的问题,这又涉及更难有定论的企业安全问题。安全风险与成本经济之间的权衡,需要企业客户花时间思考。
短期来看,仍是从提高人效的角度计算经济性。但 AI 更大的价值应在于帮助企业提升收入上限,而非仅仅压缩成本。后续将深入探讨 AI 办公场景的分析,感兴趣可持续关注。
不过,放在整个 AI 发展进程中,这属于短中期问题。 长期来看,AI 的发展空间仍然巨大。前两天 A16Z 最新发布的 AI 市场发展报告显示:

美国用户中,AI 的泛渗透率(至少使用过一次 AI)已达到一半,但每天真正使用的人仅有 1/4,付费率更是低至 3% 以下(不同统计源的付费率均在 2-4% 区间)。
也就是说,尽管 AI 技术已频繁迭代,各种前沿科学难题均可借助 AI 研究,但在大多数普通人的日常生活中,AI 的粘性(使用次数和时长)仍然很低。从长远来看,这也意味着大量应用价值尚未被挖掘。
总结:纠结数字本身,反映了市场风险偏好降低
《金融时报》所报道的 200 亿缺口这一 AI 利空消息,实际威力有限。然而,昨晚的美股和今天的港 A 股开盘依然波动剧烈(韩国、台湾今日休市,中国市场也担忧美国对产业链材料的禁用限制),随后亚洲资金情绪才有所回暖。
市场对 OpenAI、Anthropic 及头部大模型厂商 ARR 数字的敏感和一惊一乍,反映了当前预期分歧较大、多数资金风险偏好下降的谨慎情绪。
对 AI 的长期愿景依然看好。但即将到来的第三季度财报季、以及 Anthropic 上市披露招股说明书,将直接检验 AI 的真实需求和商业模式。在高利率环境下,预期分歧带来的波动也会更大。因此,可以适当分散仓位,以减轻集中持仓带来的波动风险。
本文来自微信公众号 “海豚投研”(ID:haituntouyan),作者:海豚君,36氪经授权发布。九游体育网址
李明 回复 2026年9月11日
这篇文章对体育游戏中的音效设计分析得很透彻,尤其是球场环境音效如何影响玩家沉浸感,期待更多类似内容。
王伟 回复 2026年9月10日
签到活动的流程很清晰,我已经按照九游体育平台公布的步骤完成了本周的签到,获得了游戏内道具奖励。
张磊 回复 2026年9月9日
关卡设计部分提到的策略思路非常实用,结合具体比赛场景的解析让我对游戏理解更深了。