高盛TMT大會：OpenAI頭部客戶用量是普通客戶8倍，計費將轉向按成果收費
nashnova research
OpenAI CFO Sara Friar 在高盛科技大會上披露，頭部企業客戶 token 用量已達普通客戶的8倍，公司正推動計費模式從按用量轉向按成果分成——這標誌着 AI 商業化進入「誰用得深誰付得多」的新階段。
8倍用量差距說明了甚麼？
OpenAI 前10%頭部企業客戶的 token 消耗量是普通客戶的8倍，此前這一比值僅為3倍。
OpenAI 自身內部使用倍數更高達33倍，Friar 將其定義為「現有客戶未來走向的預覽」。
這意味著→ 增長引擎已經換擋：不再靠拉更多新客戶，而是靠單個客戶越用越深來驅動收入。
企業業務增速為何跑贏消費者？
7月整體年化運行率收入環比增長20%，其中企業口徑增速達32%。
消費者與企業業務的收入佔比從年初的60:40，已於年中提前實現50:50。
Codex（OpenAI 的編程輔助工具）用戶從10萬激增至2,500萬；Canva 的代碼100%由 OpenAI 生成。
簡單來說＝ 企業客戶不只是在試用，而是把 AI 嵌進了核心工作流，用量曲線在加速上翹。
「按成果收費」到底怎麼收？
Friar 明確給出定價路線圖：訂閱 → 按用量 → 按成果，最終目標是垂直行業分成模式。
支撐這條路線的底氣：OpenAI 稱同等任務所需輸出 token 比競品少68%。
這意味著→ OpenAI 想讓客戶看的不是「每個 token 多少錢」，而是「完成一件事多少錢」——定價錨點從算力轉向業務結果。
開源模型還能構成威脅嗎？
Friar 回應較為強硬：Luna 在 Cloudflare 上的部署成本已低於 GLM 5.3。
說白了＝ 前沿實驗室（如 OpenAI）可以把推理價格壓到比企業自己部署開源模型還便宜——開源的成本優勢正在被蠶食。
算力夠用嗎？
Friar 坦言公司仍感到非常緊缺，每周需在訓練、研究與推理之間做取捨。
毛利率擴張依賴兩條腿：每吉瓦收入上升 + 成本曲線下降。
對外界「過度投資」的批評，Friar 回應稱「今年真正得到了回報」。
這反映出 AI 公司目前的瓶頸不是需求不足，而是供給跟不上需求的速度。
下一個關鍵驗證點是甚麼？
按成果收費模式能否從路線圖落地為可規模化的合同結構，是衡量 OpenAI 商業化能力的下一個節點。
這意味著→ 投資者接下來要盯的不是用戶數，而是 OpenAI 能不能簽下「按業務結果分成」的大單——那才是定價權的真正證明。
市场有风险，内容仅供研究参考，不构成投资建议。