文 | 沈素明 文 | 沈素明 我今天与您讨论的😜不是OpenAI的技术有多强，而是它在战略判断和组织纪律上，😊正在显露出的那些高悬的风险。 OpenAI的现状：一方🙌面，它推动的GPT模型是这一代AI浪潮的奠基石，是被资本市场🌟给予5000亿美元估值的“未来叙事”；另一方面，这家企业却保😅持着每年50亿美元以上的巨大亏损，其商业模型高度依赖单一产品🌟，组织内部价值撕裂，治理结构模糊不清。 这是一个极度失👍衡的状态。 这让我想起科技史上最常见、也最致命的错误：😆用技术红利掩盖战略懒惰。当技术拥有绝对领先优势时，所有的问题👏都被光环所遮蔽；而一旦技术的边际提升放缓，竞争对手快速逼近，😅战略的空心化和纪律的缺失，将如潮水般涌来。 二、Ope🤯nAI战略的熵增：从“操作系统”到“消费入口”的无边界扩张 🤯 仔细想来，OpenAI到底想成为什么？ 在最近的😎DevDay上，它明确释放出要成为“AI操作系统”的意图，试🚀图让ChatGPT从一个问答工具，升级为一个“智能体平台”。🔥这是一种要做底层基础设施的雄心，意味着它要成为像Window🚀s或Android一样的权力中枢。 但与此同时，Ope🌟nAI又在急切地推进AI浏览器、AI短视频、AI购物、AI旅😘行代理，几乎在每一个重投入、重运营的消费者赛道上，都想直接插💯上一脚。 这暴露了OpenAI最核心的战略逻辑混乱： 😁 它既想做“底层基础设施”（扮演水电煤、像英伟达一样收取🚀过路费），又想直接做“消费者入口”（扮演阿里巴巴、抖音、Go😢ogle的角色）。这不是战略，这是战略焦虑。 战略的核👍心是取舍。 当一家企业同时追求“基建”的深度和“应用”🙌的广度时，其资源必然分散，组织架构必然膨胀，产品碎片化就会接💯踵而至。 OpenAI正在重复Google在2010年😀至2015年间犯下的错误：用技术优势去“覆盖一切”。那时Go🤔ogle坐拥搜索红利和安卓霸权，却试图在社交、硬件、电商等多😀个领域“全面撒网”，最终导致资源分散、缺乏业务主线，大量产品🤯线被砍。技术优势固然重要，但它无法替代清醒的战略纪律。 👏 三、商业模型的断裂：单点支撑与“增长幻象” 一家估值😍5000亿美元的公司，必须要有与其估值匹配的盈利路径和成本纪🤔律。OpenAI在这两点上，都处于极度危险的境地。 它😴的商业模型，建立在一个脆弱的单点支撑之上：年收入几乎全部依赖😉ChatGPT Plus/Pro的订阅。虽然ChatGPT的😊周活跃用户已突破7亿，但这其中95%都是免费用户。企业API😍收入的增长正在放缓，而核心的订阅用户尚未形成有效转化。 🥳 展开全文 这是一种典型的“增长幻象”——用户增长数字🤔看起来很美好，但用户价值和商业健康却完全不配套。 那问😉题来了，它如何寻找新的变现方式？ 当OpenAI开始讨🎉论广告模式时，真正的危险就来了。ChatGPT的核心价值在于🙄其无干扰、可信赖、简洁高效的交互体验。一旦为了追逐营收，向其🌟中植入广告或复杂的内容营销，必将直接伤害用户体验。 2🤗00美元/月的Pro版本被用户质疑性价比低，说明单纯依靠“更🤩高性能”的说辞难以形成大规模转化。而广告和订阅的“混合变现模😍型”，极可能导致两头不讨好：付费用户厌恶干扰，免费用户对广告❤️反感，最终让产品陷于自我伤害的窘境。商业模型的脆弱，正在迫使😅OpenAI不得不采取损害产品根基的方式来解决眼前的现金流问😢题。 四、技术信任的流失 对于一家以技术为核心的😜公司而言，技术信任是最高的护城河。而OpenAI正在失去它。👍 社区普遍反馈，GPT-5号称“推理集成”但反响平平，⭐甚至在多个任务上“越更新越差”，这说明其模型能力的边际提升正😍在放缓。而与此同时，竞争对手（Anthropic、DeepS😆eek、Google Gemini）正在以惊人的速度追赶，甚🔥至在局部领域完成了超越和卡位。 更严重的问题，在于Op🥳enAI对开发者的态度。它被质疑“强制迁移用户”，移除旧模型🚀接口，这引发了开发者社区的强烈反弹。 你想想，当一家平👏台失去了技术绝对领先的优势，其闭源策略便不再是护城河，而是一😢把悬在开发者头上的剑。开发者将自己的产品生命线完全交给一个随🥳时可能关闭旧接口、性能提升有限、且与自己争夺下游市场的平台，⭐这种忠诚度是极度脆弱的。 在开源现实面前，OpenAI👏首次发布开放权重模型，但又被批评“性能阉割”，这反映了它在“🤯闭源的壁垒”与“开源的现实”之间的冲突。这种冲突，正在削弱它🎉最宝贵的资产——开发者的忠诚。 五、治理失序：价值撕裂😉与资本的赌命游戏 所有战略上的混乱，追根溯源，都来自治👏理结构的失序。 OpenAI的“身份危机”，是其所有风😉险的底色。 它从一个“为全人类谋福利”的研究实验室，急🔥速转变为一个追求万亿估值的科技巨头，但其治理架构——“公益企😅业”（PBC）的模糊结构——根本无法匹配这种转变。 非🎉营利组织掌握51%控制权，而实际运营由奥特曼主导，这种治理结⭐构极其模糊且充满了价值撕裂感： ·研究派vs 产品派：🤩对安全的投入、对模型发布的节奏，永远在加速派和保守派之间拉扯🎉。 ·非营利理想vs 资本现实：一边要向人类承诺安全，😜一边要为微软等资本巨头兑现天价回报。 这种治理上的“左💯右互搏”，导致了高层的频繁动荡：前总裁休假、CRO跳槽、顶尖😜人才出走。或许，战略混乱只是表象，组织和治理的失衡才是根源。🤔 更危险的是，CEO奥特曼公开表示：“盈利不在我最关心🤩的前十个问题之列”。在资本开始收紧的2025年，这种缺乏成本🥳纪律的态度，是极其危险的信号。OpenAI正在用一个“AI应🥳用将指数级增长”的假设来支撑其5000亿美元的估值。一旦用户🤔和营收增长放缓，这个建立在未来叙事上的资本链条将面临断裂的风🔥险。 六、战略纪律的价值重估 OpenAI的战略⭐问题，不是“选错赛道”，而是“同时想赢所有赛道”。它正在重复🙌科技史上最常见的错误：用技术红利掩盖战略懒惰。 技术领🔥先赋予了它战略上的奢侈的特权，让它有底气去尝试所有可能，但战😘略纪律的缺失，正在将这个奢侈特权变成战略负债。 你想想😉看，一家拥有全球最先进技术，却找不到盈利路径、没有成本纪律、🙌组织频繁内耗的企业，它的未来，很难能像它的估值那样光芒万丈！🙌 OpenAI最大的风险，不在于它能否开发出更惊艳的G😎PT-6或GPT-7，而在于它能否在技术优势消失殆尽之前，完😢成从“研究实验室”向“战略清晰、治理健全、商业聚焦”的科技巨😀头转换。 这场考验，关乎的不是技术，而是企业家的取舍与🌟心性。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多