OpenAI 收入 200 億缺口 “炸鍋”：真實威力沒那麼大，一場情緒烏龍！

OpenAI ARR 700 億變 500 億的利空，直接導致全球 AI 概念回調，海豚君來簡單聊一聊這裏面的一些預期差。

1、700 億和 500 億隻是口徑差異，實際缺口沒那麼大

眾所周知，雖然頭部模型廠都會不定期的披露 ARR 指標，但是口徑（毛收入還是淨收入、過去 28 天平均值 *12 還是單拿最近一週 *52）、宣佈時點（是否是剛發了暢銷的旗艦模型、是否剛做了促銷）都很重要，否則無法拿來橫向對比，還會造成極大的預期烏龍。

Anthropic 的 ARR 一直選擇 Gross 毛收入口徑，也就是包括最終需要支付給外部渠道的分銷收入。而 OpenAI 則選擇剔除各種分成之後的 Net 淨收入口徑，等於説不包括$微軟(MSFT.US) 拿走的部分（20% 的整體 ARR）以及$亞馬遜(AMZN.US) Bedrock 拿走的部分（基於 Anthropic 與 Bedrock 的合作協議，渠道拿走毛收入扣掉推理成本之後的 50%）。

此前 OpenAI CRO Denise Dresser 在 4 月發佈給員工的備忘錄中就提及，競對 Anthropic 營收 “誇大”，因為包含了雲渠道的分成。

而 2026 年以來 OpenAI 與微軟的新協議約定，OpenAI 每賺 1 美元，就得支付給微軟 20 美分，一直到 2030 年，同時設了一個累計上限的硬數字（380 億美元）。

關於目前 Bedrock 實際從整體毛收入大約拿走的比例，我們假設推理成本按 35% 算，那麼 O&A 兩家單獨分給 Bedrock 渠道部分的比例大約就是（100%-35%）*50%=32%

不過這個數字，在招股説明書透露的 2025 年信息中，Anthropic 付給 Amazon 和 Google 的綜合分銷費用佔總毛收入大約為 16%（=分銷費用 3.51 億/兩個雲平台的分銷收入 21.6 億），要比我們算的 32% 更低。

這裏面的差距來源於，IPO 材料披露的是所有收入從 AWS 和 Google Cloud 走的部分，包含了 Bedrock 等分銷的部分（TaaS，分成主要在這裏），也有單純 Anthropic 自己直銷 API，但是雲基礎走 AWS 和 Google 的部分，這部分沒有分銷收入，只有走雲託管的成本。

總體來看，OpenAI 對比 Anthropic，渠道分成比例本質是一樣的。所以除了看兩家誰更依賴分銷商（1H26 之前，Anthropic 與雲渠道合作更深，分銷依賴更重），其他主要多出來的，就是微軟對 OpenAI 早期股權享有的 20% 權益對應的分成收入。

再來看 OpenAI 的 700 億和 500 億分別代表的口徑，注意兩個數據的信源都不是 OpenAI 官方。

（1）700 億是毛收入，不是 OpenAI 口徑的淨收入

700 億的説法是上個月傳出的——據路透新聞，“OpenAI 目前 ARR 接近 700 億元，自 Q3 以來增長了 70%。細項中，企業端增長了一倍” 那麼算下來，6 月的 ARR 大約是接近 400 億的水平。

而聯合創始人 Greg Brockman 和 CFO Sarah Friar 對 7 月的內部表態——2025 年底 ARR 超過 200 億，7 月大約是年底的兩倍。這個數和 8 月 Bloomberg 披露的知情人士信息 7 月 400 億也是可以對應的。

既然是公司高管的説法，那麼 7 月 400 億應該是淨收入口徑。如果根據金融時報算出來的 6 月 400 億 ARR 也是淨收入口徑，那麼意味着整個 7 月 OpenAI ARR 環比零增長，這顯然與第三方另類數據的趨勢不一致。

根據 TickerTrends，OpenAI 7 月環比增速是有個 10% 的（TickerTrends 是監測趨勢 + 模型擬合出來的結果，模型擬合過程會引入官方數據，因此預測口徑很可能與淨收入口徑更接近）。真正沒增長的時候是 3-4 月，當時 claude opus 4.6 配合 coding agent 火熱，正在大殺四方。

而隨着 4 月底 GPT 5.5 發佈並設為默認模型，Codex 擴展並進入 ChatGPT 移動端等產品新動作，OpenAI 開始發力，同時疊加降價，對發佈了 fable 但因為昂貴而滲透率一般的 Anthropic，開始有了明顯的搶份額跡象。

因此，6 月底/7 月初的 400 億，以及上個月披露的 700 億，都是毛收入口徑，而 8 月初披露的 7 月 ARR 400 億是淨收入口徑。

這裏面有個 20% 的差額，源於微軟分走的部分。此時雲渠道的分銷還非常低，畢竟 Google、Amazon Bedrock 分別於 4 月、6 月才開始逐步分銷 ChatGPT。

通過估值角度，也可以側面印證 700 億更偏向毛收入口徑：

從 P/ARR 來看，OpenAI 最新一輪融資 1.4 萬億，對應 700 億 ARR，估值 20x；這個和 Anthropic 年底 1000 億 Gross 口徑的 ARR，對應 2 萬億 IPO 估值，是同樣的 20x。

（2）500 億大概率是淨收入口徑

再來看 500 億 ARR 的信源——來自金融時報，據稱 OpenAI 給其投資者透露的 ARR 接近 500 億美金。

這基本屬於官方披露，所以信源可靠性較高，但 OpenAI 官方一般就是上述剔除微軟以及雲平台分銷分成的淨收入口徑。

不過 9 月 OpenAI 雲平台分銷應該仍然不算很高，從 Bedrock 等雲渠道分銷獲得的毛收入，佔總流水比重應該不會超過 10%（據 SemiAnalysis，Anthropic 從 Bedrock 走的流水佔比也就 15%）。

那麼 500 億的淨收入口徑 ARR，先加回微軟拿走的 20%，還原後是 625 億。再假設 Vertex 和 Bedrock 等其他外部平台分銷一共佔比 10%，按照上文我們算的 25% 渠道分成假設，也就是 10%*25%=2.5% 的渠道分成部分可以加回，也就是 625/（100%-2.5%）約 640 億。

這個數值雖然距離 700 億還有 10%、60 億的差距，但相比金融時報的驚悚標題——“比之前披露少了 200 億！”，在體感上要好受得多。

雖然絕對值差異會影響短期產業鏈公司的業績預期，但從長期視角看，海豚君還是更傾向於看增速趨勢——OpenAI 近期勢頭健康（Q3 月環比平均增速 10%），但 Anthropic 存在一些小麻煩（Q3 月環比平均增速 3%），全行業繼續增長。

綜上，海豚君大概還原出不同口徑下，OpenAI 近幾個月的數值，僅供參考。

2、AI 實際滲透率還很低，短期降温不妨礙長期美好

Coding 場景滲透過半之後，行業正在探尋第二個可以承接的場景來繼續推進 AI 的變現，以及背後產業鏈的增長敍事。

由 Coding 場景自研延伸的 Co-Working 場景，在 6 月之後被重點抬上了桌。但海豚君要先潑一碗冷水，Co-Working 的市場空間雖然更大，但預計推進過程沒有 Coding 那麼順暢。

AI Coding 之所以絲滑，主要是因為 AI 在編程場景下的有效性非常容易驗證和量化——代碼是否走得通、應用開發是否能實現，AI 自己都可以自動驗證；

而量化 AI 的經濟性上，可以直接對標 IT 開發人工成本，而過去 20 年互聯網蓬勃發展下，IT 人員時薪普遍較高。對企業來説，AI 替代的經濟賬是可以算得過來的。

Co-Working 場景，TAM 明顯更大，Gartner 預計到 2030 年，Agent 可能影響約 2,340 億美元的企業應用軟件支出，約佔 SaaS 支出的 20%。但海豚君認為，Co-Working 的發展過程相對 Coding 要更復雜。

不僅體現在如何驗證 AI 有效性上，同時也需要企業將更多的內部數據資產留存到 Agent 平台上，這裏又涉及到更難有定論的企業安全問題。安全風險 vs 成本經濟，如何選擇和平衡，是企業客户做決策時需要時間去考慮的。

短期目前還是以提高人效的角度去計算經濟性，但 AI 更大的價值應該是如何幫助企業提高頂端收入的空間，而不僅僅是壓縮成本。近期海豚君將深入探討 AI 辦公場景的分析，感興趣可以持續關注。

不過，放在整個 AI 發展進程中，這是短中期的問題。長期視角，AI 的發展空間仍然很大。前兩天 A16Z 最新發布的 AI 市場發展情況報告顯示：

美國用户裏面，如果看 AI 的泛滲透率（使用過至少一次 AI）達到了一半，但每天真正在用的人，其實只有 1/4，而付費率更是低至 3% 以下（不同統計源的付費率均在 2-4% 區間）。

也就是説，儘管 AI 技術端已經頻繁迭代，各種前沿科學難題 AI 都可以協助研究了，但在大部分普通人的生活中，AI 的粘性（次數和時長）還非常低。從長遠視角來看，這也代表着大量的應用價值還沒挖掘出來。

總結：説到底，糾結數字本身代表了市場風偏降低

金融時報這個 200 億缺口的 AI 利空炸彈，真實威力沒那麼大，但昨晚的美股和今天的港 A 開盤依舊腥風血雨（韓、台今日休市，中國市場也有美國對產業鏈材料禁用限制的擔憂），隨後亞洲資金情緒才有所回暖。

但市場本身對 O&A 以及頭部大模型廠商 ARR 數字的敏感、一驚一乍，代表了當下預期分歧較大、多數資金風險偏好下降的謹慎情緒。

海豚君對 AI 的長期願景仍然看好，但馬上三季度財報季窗口期來臨、Anthropic 上市披露招股説明書，直接帶來對 AI 真實需求和商業模式的檢驗。這放在現在的高利率環境下，預期分歧帶來的波動也會更大。因此可以適當對倉位做一些分散，淡化倉位集中帶來的波動風險。

<此處結束>

本文的風險披露與聲明：海豚研究免責聲明及一般披露