离开OpenAI还不到二十四小时，研究员安德鲁·何在X上发了一篇长文。

文章没有爆料八卦，没有点名骂人，甚至没有提到自己为什么走。他只做了一件事——把前沿AI实验室的账本摊开，然后问了一个所有人都在回避的问题：

这些公司赚的钱，够不够撑到通用人工智能到来？

他的答案是：可能不够。

这篇文章在几个小时内引爆了整个AI圈。知名播客主持人德瓦克什·帕特尔随即撰文反驳，马斯克跑去评论区点赞式表态支持乐观预期。一场看似技术乐观派与悲观派的争论，实际上戳中的是一个非常现实的商业问题：

AI越来越强，做大模型的公司就一定越来越赚钱吗？

先看那张让人心里发凉的账单

安德鲁·何的论据里，最硬的是一组已经公开的财务数字。

二〇二五年，OpenAI实现营收约一百三十亿美元。同期总成本与费用约三百四十亿美元。经营亏损超过两百亿美元。

把这三个数字做个除法，得到的比例是：每赚进一美元，支出约二点六美元。

这不是初创公司烧钱换增长的常规姿势。一百三十亿美元营收，放在全球软件行业里已经是相当靠前的位置——这个体量的公司通常早该进入规模效应带来的利润释放期。但OpenAI没有，反而在营收创纪录的同一年，把亏损也做到了创纪录。

原因不在销售不力，在于成本结构本身。

训练下一代模型，需要更多芯片、更多电力、更多数据、更多顶尖人才。这四样东西在过去两年的涨价幅度，都远远超过了API的降价空间。而实验室只有持续加大投入，才有机会保住能力上的领先。

问题恰恰出在"领先"这两个字上。

"惩罚性循环"：先行者付全款，跟随者拿免费

安德鲁·何用了一个很准的词来描述当下的模型竞争——惩罚性循环。

逻辑是这样的：率先突破某项能力的实验室，承担了全部的探索成本。它要试错，要走弯路，要为不确定性买单。但一旦这条路被证明走得通，后来者只需要照着走，成本可能只有前者的零头。

于是先行者的领先，只能维持几个月。

有多短？今年七月给了两个几乎是同步发生的样本。

样本一。 GPT-5.6系列在七月九日发布。三周之后的七月三十日，OpenAI就把Luna的API价格下调了百分之八十，Terra下调百分之二十。

从旗舰发布到大幅降价，间隔二十一天。

样本二。 就在降价前几天，月之暗面开放了参数规模二点八万亿的Kimi K3完整模型权重，允许第三方自行部署和继续开发。

一边是闭源阵营三周内被迫砍价八成，一边是开放权重模型直接把上一代能力变成公共品。

这就是"惩罚性循环"的完整闭环：你花了几十亿美元和十八个月做出来的东西，三周后自己降价八成，同时有人把差不多的能力免费发出去。

上一代能力，正在以肉眼可见的速度变成随处可得、价格低廉的商品。

更扎心的是第二个论断

如果只是"降价快"，那还只是竞争激烈的问题。安德鲁·何真正扎心的是第二个判断：

即使保持能力领先，这种领先也不会自动转化为商业收入。

他给了一个相当悲观的时间尺度：即便模型能力就此停在今天的水平，社会可能也需要二十年以上，才能把大语言模型充分整合进日常生活。

这个判断听起来夸张，但历史上有大量对照组。电力从被发明到真正改造工厂的生产组织方式，中间隔了三十多年——早期工厂只是把蒸汽机换成电动机，厂房布局、流水线设计、班组管理全部照旧，效率提升有限。真正的爆发发生在工程师们意识到"既然每台机器都能独立驱动，那车间就不必围着一根传动轴排列"之后。

技术就位，和社会学会用它，是两件事，中间往往隔着一代人。

对前沿实验室来说，这意味着一个极其难受的处境：研发成本必须现在支付，收入却要等很多年才能大规模兑现。

也正因如此，安德鲁·何质疑，这些公司的股权是否真的值现在这个价。

反方的逻辑也不弱

德瓦克什·帕特尔的反驳同样值得认真对待。

他的核心论点有两层：

第一层，只要模型能力仍在快速增长，领先本身就能创造巨大的商业价值。哪怕领先只有三个月，在一个高速增长的市场里，三个月的独占期就足以锁定最优质的客户、最挑剔的开发者、最有支付意愿的企业。这些关系一旦建立，未必会因为竞品追平能力就立刻迁移。

第二层，一旦真正的AGI出现，它会主动扩散。这句话的潜台词是：如果模型真的能自主完成有经济价值的工作，那它的变现方式就不再受制于"人类学会用它"的速度——它自己会去找活干。

马斯克迅速评论支持这种乐观预期。

两边其实都没说错，只是在赌不同的东西。安德鲁·何赌的是"扩散速度受制于人类组织变革"，帕特尔赌的是"能力跃迁会跳过人类组织"。

而对绝大多数不在OpenAI工作的人来说，这场争论的真正价值不在于谁赢，在于它暴露了一个被高估值掩盖了三年的结构性事实：

模型层不是一门好生意，至少现在不是。

与此同时，中国这边在做另一道题

有意思的是，就在这场争论发酵的同一周，英国媒体披露字节跳动正在训练参数规模高达十万亿的模型，远超Kimi K3的二点八万亿和阿里Qwen3.8-Max的二点四万亿。

张一鸣就此罕见表态：宁可牺牲短期收益，也不依赖蒸馏技术改进模型。

这句话放在安德鲁·何的框架里看，格外有意思。

蒸馏是什么？本质上就是"惩罚性循环"里跟随者的最优解——用别人的模型输出来训练自己的模型，成本极低，效果不差。安德鲁·何论证的正是"当所有人都能低成本跟随时，先行者无法收回成本"。

而字节的选择是主动放弃当跟随者。

这不是道德姿态，是战略押注：如果中国AI要从"追赶"切到"领跑"，就必须有人愿意去付那笔先行者的探索成本。短期看是亏的，长期看是在买一张能力自主的门票。

同一道题，OpenAI在美国被投资人逼问"什么时候回本"，字节在中国选择先不谈回本。这两种姿态背后，是完全不同的资本耐心结构。

那么，普通创业者应该怎么办

说了半天巨头的账本，落到自己身上是什么？

我的判断是三条，都很具体。

第一，永远不要在模型层创业，除非你有国家队级别的资本。

这句话听起来像废话，但过去两年真有大量团队在做"再造一个小一号的大模型"。安德鲁·何的账本已经把这条路的经济性算得很清楚：连OpenAI这个体量都在每赚一美元烧掉两块六，一个融资几千万人民币的团队，凭什么？

第二，把"模型能力商品化"当成利好而不是利空。

Kimi K3开放二点八万亿参数权重，GPT-5.6三周降价八成——从应用层视角看，这是有史以来最好的消息。你的原料成本正在被巨头的军备竞赛补贴。今天做一个AI工作室，用得起的能力，是三年前只有大厂才能碰的。

第三，去做那"最后一公里"。

安德鲁·何说社会需要二十年才能把LLM整合进日常生活——这句话反过来读，就是二十年的整合工作，本身就是二十年的生意。

模型不会自己走进一家会计事务所，不会自己搞懂一家县城汽修厂的报价逻辑，不会自己知道某个行业的客户到底在乎什么。这中间的翻译工作、流程重构工作、信任建立工作，全是活儿，而且是巨头没兴趣、也没能力做的活儿。

在OPC孵化接触的团队里，跑得最稳的从来不是技术最强的那批，是"懂某个具体行业到骨子里、顺手用AI把交付效率翻了三倍"的那批。他们不谈AGI，谈的是"这个月又签了四家"。

AIGC沙龙里有个反复被验证的经验：一个AI工作室能不能活过第一年，跟它用什么模型几乎无关，跟它有没有找到一个"客户愿意为结果付钱、而不是为工具付钱"的场景，高度相关。

结尾

安德鲁·何在长文最后没有给结论，他只是把问题留在了那儿。

但有一个事实是清楚的：这场争论发生在二〇二六年八月，而不是二〇二三年。三年前，没有人会认真讨论"大模型公司赚不赚钱"这个问题——那时候大家讨论的是"谁会先做出AGI"。

叙事的重心从"能不能做出来"移到"做出来之后怎么活"，这本身就是行业成熟的标志。

对身处其中的人来说，这个转折点意味着什么？

意味着"技术领先"这张牌的含金量正在下降，"能不能收到钱"这张牌的含金量正在上升。

意味着接下来两年，行业里会出现大量技术很强但撑不下去的团队，和技术平平但活得很好的团队。

意味着，如果你现在要下场，最该问自己的不是"我用的是不是最强的模型"，而是"如果明天所有模型都免费，我还剩下什么"。

答得上来，就可以开始了。

风险提示与免责声明：本文所引财务数据、事件时间与人物言论，均来源于公开媒体报道及当事人公开发言，未经独立审计核实。文中所有分析与判断仅代表个人观点，不构成任何投资建议、创业建议或商业决策依据。AI行业变化迅速，相关企业经营状况与估值水平存在重大不确定性。读者据此操作，风险自担。

脑机派对

2026.08.09