目录
- IPO与AI竞速 [00:00:00 - 00:10:00]
- 算力短缺与新设备 [00:10:00 - 00:20:00]
- 资本配置与基础设施 [00:20:00 - 00:30:00]
- 广告与变现 [00:30:00 - 00:31:43]
IPO与AI竞速
Jason Calacanis：OpenAI 的 CFO，Sarah Friar。我们得直接切入正题。你们刚刚完成了我认为历史上最成功的一轮融资。你们实际上要融资超过 1200 亿美元。我们认为 AI 是迄今为止见过的最大时代。我们才刚开始理解它会对全球生产率意味着什么，也希望它会带来更多富足，让每个人过得更好。运气就是准备遇上机会，但你得把它抓住。我是老听众，第一次打电话进来。能和这里的各位兄弟一起聊天，真挺激动。你好。我们一开始还不确定怎么开场，不过我觉得最好还是让我们这位前“加密沙皇”先说几句。我今天看到一篇文章，好像是《华尔街日报》，意思是如果你是一家 AI 公司，越早 IPO 越有优势。那现在我们知道 SpaceX 要去了。问题就是，OpenAI 和 Anthropic 什么时候去？我很好奇你怎么想这个问题。你觉得这之间有一点竞速吗？还是说你们还没做决定？
Sarah Friar：IPO 归根结底，我一直跟团队这么说，它只是一个里程碑，不是终点。不要把公司当成是为了 IPO 而存在。它只是另一种融资方式。我们刚刚做的那轮，你在预热视频里也听到了，3 月份融资 1220 亿美元。那是为了给我们最大的灵活性。我觉得，作为 CFO，我的工作就是为这家公司，乃至我们所处的这个时代创造可选性。
Jason Calacanis：抱歉，Sarah，我想确认一下，在 SpaceX IPO 之前，这是不是史上最大的一笔私募或公开融资？是的，按数量级来说都是。到目前为止最大的 IPO 我记得是 Saudi Aramco，大概是 300 亿美元。 [00:01:44]
Sarah Friar：所以，真的很不可思议，你们可能会迎来三家规模都比 2001 年还大的 IPO。那段时间市场上也发生了很多事。不过市场已经变大了。而且顺便说一句，市场上还有另一件事也在发生：如果你看回购、并购之类的动作，其实大量资本一直在回流到股东和现金账户里。所以场外确实有很多钱在观望。但回到你这个问题的精神层面，我想最终你还是会被衡量，对吧？归根结底，市场是一台称重机，不是一台人气机。没人会记得谁先走，Google 还是 Yahoo，Lyft 还是 Uber。我这么说并不是因为我想当第一还是第二，只是因为我觉得，媒体当然爱看戏，但最终我们还是得打造大而可持续、耐久的公司。而融资会是实现这一点的重要组成部分。Sarah，突发消息。天哪，好多人都在冲我来。 [00:02:43]
Jason Calacanis：嗨，Jason。四个采访者同时上阵，确实很难平衡。没事，这就是我的世界，所以我很适应。Jason。Anthropic 刚刚秘密提交了 S1，所以这是不是意味着在申报进度上你们排第三？这现在其实什么都不说明，因为你们还得过 SEC 那一关，谁知道要多久。那他们往前走，对你们有没有好处？我想，Anthropic 之间的竞争是所有人都在关心的。所以，IPO 的事我就不多问了，转到 Anthropic。它原本落后很多，但现在我想业内大多数人都会同意，它在开发者和企业客户上已经超过了 OpenAI，而且收入看起来也是。OpenAI 当时明明有那么大的领先优势，这到底是怎么发生的？Anthropic 怎么就超过你们了？ [00:03:52]
Sarah Friar：那我们先聊一聊战略。我们的战略不一样，对吧？我们在构建的是 AI 层，也就是基础设施。非常重要的一点是，要有一个统一的底座，但要向外延伸出很多不同的接口。对消费者来说，ChatGPT 就是其中一个入口。每周有超过 9 亿人使用 ChatGPT，而且它已经变成了一个名词和一个动词。它是大多数人第一次接触 AI 的方式。一个很有意思的小事实：我们经济研究团队刚告诉我，现在增长最快的大洲是非洲。考虑到它的基数很小，这其实也不算太意外。增长最快的语言是阿塞拜疆语和哈萨克语。其实应该说是哈萨克语。能聊到它的走向，真的很不可思议。所以我们有多个接口，当然包括 ChatGPT。还有 Codex，上周末刚刚突破 500 万。我们对此非常自豪。1 月份的时候它几乎还是零。Codex 加油。也帮我为上面这点小特别环节做准备。当然还有 Frontier，我们的企业产品，以及我们能触达各种规模企业的其他所有方式。这是一套非常不同的战略。我们认为，因为所有东西都建立在一个模型上，所以会有一种复利式的优势。用户越多，数据越多，个性化能力也越强。ChatGPT 像一个前门。模型越大，效率越高，就应该把给你提供一个 token 的整体成本压下来。这会复利到更高的毛利率，最终也会带来更多支付算力的方式。而获得算力，本身就是当前最重要的竞争优势之一。所以我们都得跑好自己的赛道，但也得承认我们处在同一个生态里，这个生态也需要把大家一起带上来。
Jason Calacanis：你们是不是有点摊得太开了？大家都在谈那个新玩意儿 Sora，也许对企业业务的关注还不够。去年如果说有一个失误，是不是这个？ [00:05:48]
Sarah Friar：不，我觉得世界总爱把事情简化成非黑即白。比如，你是消费者公司吗，Sarah？你是企业公司吗？现实是我们两者都是。不是非此即彼。现在我们的收入已经相当平衡了，大概是 50 对 50。我们对企业端非常专注。我在这方面花了太多时间了——我可以告诉你，上周我刚去波士顿见了 Thermo Fisher，又在纽约见了一些银行，周五还和 Travelers 通了电话，今天早上又和一家科技公司通了电话。行业不重要，大家现在都在积极采用 AI。我们新的营收负责人 Denise Dresser 自去年 12 月上任以来就是一台机器。所以总体来说，企业端确实全速运转。但我们也不会把消费者丢在一边。记住，我们在 OpenAI 的使命是“让 通用人工智能 造福全人类”。不是只造福能付钱的人，也不是只造福企业里的人，而是非常广泛的人群。这就是为什么我们提供了大量免费额度，因为我们希望人们先尝到一点甜头。一旦他们尝到智能的味道，继续往上走的意愿曲线就会非常惊人。我们的免费用户每天大概会进行 7 轮、7 个问题。我们的首个付费档位，大概是两倍，也就是 15 个左右。我们的真正付费档位 Plus，20 美元，希望你们都在用，或者更高，差不多是免费用户的 3 倍。而 Pro，大约是免费用户的 11 倍。所以回想一下你拿到第一部翻盖手机的时候，你可能会说，嗯，我也不知道，它就能打打电话而已。 [00:07:12]
Jason Calacanis：而现在，看看那部手机还能帮你做多少事。我们现在在智能领域走的就是这条路。抱歉，Jason。你刚才说了一句非常有影响力的话。大概在 18 个月前，它对我们行业里很多人影响都很大，你把一个非常简单的经济权衡概括成了“吉瓦换现金”。你说一吉瓦大约等于 OpenAI 每年 100 亿美元的收入。我想，第一点就是说，这 1 吉瓦对你来说，相当于每年 100 亿美元收入。但这不只是你，因为你大概也可以把它外推到 Anthropic、Gemini 以及其他公司。不过你们确实站在了获取电力、数据中心和有电力供应的土地的前沿。那时候这听起来有点疯狂。但现在看起来，等等，供给出现了巨大的缺口。你能不能把这些都解释一下，讲讲我们现在处在什么区间，以及那些具体的经济学假设有没有变化？首先，是的，算力现在是一种极其稀缺的资源。 [00:08:22]
Sarah Friar：我们在业务里看到的是，现在需求正沿着一堵垂直上升的墙往上走，而 token 根本不够。能和 Greg、Sam 一起做这件事，我非常感激。我觉得我们对此非常有先见之明。去年我们确实因为“为什么要去买这么多算力”而挨了不少暗箭。但我想，天哪，幸好我们买了，因为到了 2026 年，我们还是不够算力。那我们现在站在算力曲线的什么位置？到处都是瓶颈。而且我觉得这些瓶颈会不断来回移动。你们都在谈这件事，也和这里任何人一样了解：首先是能源，然后是土地和电力，以及我们如何建立足够快的监管环境，让我们能够迅速开工。等你进入机架和芯片本身，供应链里显然够不够？现在记忆体也在涨价。还有优秀人才的获取。我们的教育体系能否持续输送足够的人？我现在对此非常担心。我是斯坦福的理事，我确实看得到这一点，我们必须继续重视教育和科学。然后还有信任。我甚至把它也算进了供应链里。Sam 现在在密歇根州的 Saline。他大概两个小时后就要去剪彩了，所以你们这是抢先预览，不过他们说我可以在房间里这么讲。那里将会开始动土。 [00:09:20]
算力短缺与新设备
Sarah Friar：那里会开始在一个一吉瓦的数据中心动土，它是我们 Oracle 组合的一部分。在信任这一侧，确保我们没有让社区被抛下，非常重要。我有七年时间在 Nextdoor 工作，做的是关于“什么叫本地”的艰难工作。你不能居高临下地告诉人们他们需要什么，因为他们只会回你一句“谢谢，但不用了”。我会告诉你我需要什么。所以在这样的数据中心里，我们其实会花很多时间和社区沟通：第一，我们不会提高你们的电费。我们的基础设施和电力由我们自己买单，不会让电价缴费人来承担。第二，我们会带来工作岗位，2500 个工会工作岗位，像电工、暖通空调之类的好工作。我们还会纳税，光这个数据中心就要向密歇根缴纳 10 亿美元税款。除此之外，我们还会投入 4500 万美元用于教育，提供 Codex 相关的教育积分，去做你们这个周末讨论的那种事，也就是让任何不是已经熟练上手的新员工也能尽快跟上。我家青少年也在用 Codex。就像我绝不会雇一个不会用 Excel 的财务人员一样。我现在几乎也不会雇一个不会用像 Codex 这样的工具的财务人员。所以当我思考投资时，我们必须提前于需求进行投入。这意味着我们既要找到所有算力和相关部件，还要为它们付钱。所以这又回到了你关于 IPO 的资本问题。而在另一边，经济学层面看，情况确实在持续改善，而且多个维度都在改善。我觉得我们越来越能更好地向客户展示真实价值。你会逐渐超越那种成本加成式定价，进入更接近于价值创造本身的定价方式。 [00:11:27]
Jason Calacanis： token 稀缺会帮助，因为这会让成本出现一点压缩。好，谈谈这个。先不说具体公司名，你怎么看当前整个市场格局，所有可用电力、所有需求，大家的状况都是什么样？对。接下来一年，按现在可获得的一切、数据中心可获得的一切、token 可获得的一切、基础设施可获得的一切，市场会发生什么？因为我上周讲过一个故事，我还是拿 Anthropic 举例。最让人沮丧的一点就是，有时候系统会直接说“10 点 30 分”，也就是“好，Chamath，我们 2 点 30 再见”。这种体验根本不可用。 [00:12:07]
Sarah Friar：公平地说，ChatGPT 其实从来没这么干过。是的，我们在 token 上给得相当慷慨。而且这也是有意为之，我们想推动访问，让人们理解它，因为如果你在免费档里，拿到的并不是最新模型，但我们还是尽量把它放到你手里，让你先有一个感受。顺便说一句，因为如果你是个做作业的孩子，我会想起我小时候，英国百科全书会送到北爱尔兰一个中部、很小的社区的家门口，那感觉就像乌云散开了一样。所以我们想确保人们也能有那种感觉。顺便说一句，但现在这个局面，到了 2026 年，如果你想再买更多算力，祝你好运。真的，告诉我，因为我也不知道还能去哪里找。你知道的，Elon 手里有一些。嗯，我原本想说，讽刺的是，Elon 最后某种程度上反而成了那个算力太多的人。不过他能把它卖掉，干得不错。到了 2027 年，情况也还是相当有限。现在有几个东西正在变化。谈到算力，训练这件事大体还是会在美国这里完成，出于美国政府方面的原因，也为了确保这个实际上很像国家资产的东西是在美国本土进行的。对于推理，我们希望它是全球化的。我觉得尤其是在智能体时代，你会希望有更多实时性，哪怕是像 Sora 和视频这样的东西。顺便说一句，我们确实有视频；我们不得不做出一个非常艰难的决定，因为算力不够。我们说，现在视频可以做，但视频不会到此为止。尤其当你开始想 AI 会把我们带向更强的多模态时。记住，我们这一代技术教育我们的是用拇指打字。那是个病。你走在路上，所有人都低着头。他们再也不抬头了。晚上，青少年坐在我沙发上，彼此用拇指聊天。我就说，你们在跟谁说话？我儿子会说“他”。我说，好吧，那就说吧。多模态已经来了。希望你们这个周末也都谈到这个了。你现在是在和你的工具对话。我每天都和 Codex 对话。所以这件事变化得非常快，但这会需要更多实时算力，因为这种体验很奇怪。 [00:14:54]
Jason Calacanis：如果我在和 Chamath 说话。你们还在和 Johnny I 一起做那个带 puck 和耳机的小项目，所以也给我们说说那个项目吧。你已经承认了。如果我告诉你那是个耳机，Johnny 会来把我儿子抢走。也许我会把他送给你，送给他。
Sarah Friar：不，但你确实相信应该有某种……我们正在转向一种消费级底层介质，我现在不能告诉你它到底是什么，但今年年底之前我们会发布。明年初你就能买到。我已经看过了，也试过了。
Jason Calacanis：我是个爱比划手势的人。现在我正压着自己的手坐着。它是范式级别的变化吗？对吧，你用的时候，是不是就像第一次用 iPhone 那样？ Johnny 和团队特别擅长的是
Sarah Friar：把人性带回设备里。我也不知道该怎么很好地解释，但当你看到它，你就会感受到它。它在某种意义上很自然吗？非常自然，而且非常讨喜。真的？
Jason Calacanis：而且我也很难解释那种感觉是什么。它在某种程度上是亲密的，因为你不用把手机拿出来。而且它无缝衔接，这是我从玩过的人那里听来的。技术往往非常机械化。
Sarah Friar：但我们都知道，好的设计就是让一切消失。所谓简单，其实最难。对。但我觉得这是一种非常……完成度很高的工作。回到刚才的问题， [00:15:47]
Jason Calacanis：那从 CFO 的角度看，帮我们理解一下你们的资本配置模型。因为过去十年、二十年里很多高回报业务，都找到了一种独特方式，以高于任何人的 ROC 部署资本。然后你会把所有资本都投入那个更高 ROC 的桶里。你们这边是什么情况？你们怎么考虑那种组合式方法，让这些大回报项目更多一些？你们有一个会随着时间变得更好的引擎吗？ [00:16:24]
Sarah Friar：必须得有，因为归根结底，在这个时代诞生的那些耐久、高价值公司，我觉得它们不会显得魔法般神奇。它们会像前几个时代的伟大公司一样。它们会创造客户价值。它是从客户出发，真正帮助客户做一些不同的、更好的、更多收入或更高效率的事。对吧？Thermo Fisher 希望更快完成病人筛查，这样他们就能更快拿到 FDA 批准。这非常重要。比如如果你得的是那种只剩几周寿命的癌症，四周和两周之间的突破差别，真的可能就是生与死。他们还有，我可能会说错，但大概是 3 万到 3.8 万人在外面销售这些很棒的设备。如果你走进全国任何一家实验室，你都会看到 Thermo Fisher 的标识贴满每一台设备。那些人希望工作时更高效。OpenAI 里 Codex 采用最快的，其实是我们的 GTM 团队。我们的开发者也在那里，但如果你看增长速度，按月看，增长全在 GTM。大家都想让自己的 GTM 团队更有生产力。当然，他们也在财务这些领域做事，这让我特别兴奋。所以先从客户价值出发。然后，你就要把它变成漂亮的毛利。怎么做出漂亮的毛利？你看的是收入成本，而主要输入就是算力。关于算力的好消息是，成本有一条巨大的通缩曲线。从 ChatGPT 5 到 5.4，我觉得折旧成本大概下降了 97%。这是一条很惊人的曲线。实际上，我说得有点乱。从 4 到 5.4，下降也是 97%。但这只用了大概两年。挺震撼的，对吧？太不可思议了。哪怕是我们最新的模型，如果你看刚刚发布的 5.5，我们现在也在努力把这部分成本回传给客户。所以我们实际上把 5.5 的价格提高到了 X。不过如果你看客户的实际成本，他们大概仍然能享受到每个 token 20% 到 30% 的成本下降，因为它每个 token 的效率就是更高。所以这个空间里有很多事可以做。而资本配置决策的一部分，就是如果你按照今天的成本画像来做决策，你实际上可能会把结果定错价。你必须在成本画像上稍微向前倾一点。然后当我们考虑建设时，是的，你今天真正关心的是：我 28 年以后能买到什么算力？比如密歇根 Saline 那个数据中心，我觉得我们大概要到 27 年底、28 年初才能从那里拿到算力。所以你是从那个时间点开始下注的。事实上，我现在最短缺的算力，是在看 30、31、32 年的需求。所以你得开始搭建一个商业模型。不过好消息是，每过一年，我们对建设的信心都会更足。
Jason Calacanis：我们看到它大幅跑赢。所以这让我们越来越有信心。而且市场也越来越向我们靠近。那你们是怎么做多年后的算力需求预测的？要考虑所有架构和模型的进步，比如单位功率对应的价值或者效用在上升，帮我们理解一下你们是如何估算的，因为技术发展有很多，而且变动很大。
资本配置与基础设施
Jason Calacanis：怎么估算的，因为技术发展有很多，而且变动很大，是啊，是啊，所以我们确实必须对很多假设做判断，既要看算力本身，
Sarah Friar：我们目前假设，算力按每吉瓦来看实际上会变得更贵，因为电力变贵了，内存变贵了，等等。然而，另一方面我们拿到的智能收益，因为芯片侧的折旧，正在把这些成本更多地抵消掉。所以按卖给客户的单位来看，它实际上应该会便宜很多。这里没有模型改进带来的额外变量。那只是芯片。只是芯片本身。我们不会在模型侧过度乐观，因为有时候，比如 5.5 是一个效率极高的模型。但如果你看前一个模型 5.4，那是一个很大的预训练模型，成本非常高，服务起来也很难。有时候我们就是想做一次很大的预训练时刻，然后我们再通过多个模型轮次，把成本往下压。近一点看，比如 26 年和 27 年，我当然会做一个自下而上的模型。所以我知道自己的产品是什么，也大致知道定价会怎样。你知道，消费端就是 P 乘 Q。我有多少“惊艳时刻”？我能看到曲线长什么样。有多少人会订阅？广告收入也仍然和周活跃、日活跃、消息数这些指标相关。所以在 26 年和 27 年，你其实能把模型做得相当不错。话虽如此，曲线的走势总会让我们惊喜，而且还是往上惊喜。等你到了更远的年份，你其实更多是在看你已经买下了多少算力，然后几乎是反过来做一个算法，意思就是：这部分算力大概应该对应多少收入。我不能百分之百确定它到底都会从哪里来。比如一年前，我给投资人做过一个模型，展示的是智能体收入。故事是，我们会进入智能体时代，我们会把它交给开发者，让他们用自然语言去构建，我们认为他们愿意为此每月支付可能 2000 美元左右。现在回头看这简直有点可笑，但当时没人信。他们说：“我都不知道她在说什么，这不可能发生。” 而且每月 2000 美元，记得当年大家还在为 ChatGPT Pro 200 美元而抓狂吗？“天哪，没人会为这个付钱。” 是啊。所以为什么是 1220 亿美元？ [00:22:27]
Jason Calacanis：这会把你带到 2031、2032 年吗？你怎么在做这个模型时算资本需求的账？再具体一点。我看到的估算是，建起一吉瓦的 AI 算力大概需要 500 亿美元资本支出。土地、电力、壳体、芯片，什么都算上，总共大概 500 亿美元。你在建新数据中心的时候，是不是必须提前把这些钱都准备好？还是你只需要出一部分？有多少可以借债？1000 亿美元的融资，只够你做两个吉瓦，还是五个？ [00:23:00]
Sarah Friar：它能给你带来什么？这是个好问题。看我们的算力战略，世界变化得真是太快了。就在两年前，我们实际上还是“一”——我们只和一家 CSP 合作，也就是 Microsoft Azure。我们只依赖一颗芯片，NVIDIA。我们只有一个产品，ChatGPT，一个价格点，每月 20 美元。所以我经常用魔方来打比方。那时候我们就像底部的一块小方块。今天如果你看我们的战略，首先就是多家 CSP。因为 CSP 对我们起到的作用，本质上是把 CapEx 转成 OpEx。也就是说，你按收入实现节奏付费，也就是在真正使用这些数据中心时付钱。所以实际上，我们在某种程度上依赖的是他们建设和融资 CapEx 的能力。今天我们已经覆盖了几乎所有 CSP：Oracle、CoreWeave、Microsoft、GCP、AWS，还有一堆小型 neocloud。芯片侧，我们也采用了多芯片策略，因为我们想确保自己永远站在前沿。我觉得如果你只押一颗芯片，你总会有那么一个时刻无法站在前沿，因为总会有人完成跃迁。今天，NVIDIA 仍然是我们绝对优先的合作伙伴。他们有 Frontier 芯片。我们下一次大规模训练会在今年秋天使用 Vera Rubin，我们对此非常兴奋。我们现在也在布局接下来的 Feynman 系列。与此同时，我们还有来自 AMD 的芯片在管线中。Cerebras 已经上线了。它是一个非常出色的低延迟芯片，对那些想做实时编码的开发者特别有帮助。我们还有我们自己在和 Broadcom 合作开发的芯片。再往外看，我们也做了其他多元化布局。现在想象一下这个魔方，它已经变得多维得多，这让我们能够有效利用投资级 CSP，把投入更快地转回 OpEx，而不是 CapEx。现在我们开始把方向转向更像 build-to-suit 的模式。我们已经宣布会在德州和 SoftBank Energy 一起建一个数据中心。那是一个超越 CSP 的开始。那就会需要更多一点 CapEx。最后我觉得，随着世界继续前进，要记住我们这一切只用了两年就做到。我喜欢用魔方来打比方，是因为——再说一次，去问一下 ChatGPT——我觉得一个魔方大概有一种可以产生数十亿亿种不同形态的能力。所以它给了我们极大的可选性。记住我刚才说的，我的工作就是最大化可选性。而在一个我还不是 investment grade、还不能靠更低成本债务融资的时点，能和合作伙伴一起做这件事非常重要。
Jason Calacanis：你觉得五年后，这整个栈会不会合并到一起？我的意思是，在传统或者历史市场里，NVIDIA 只卖芯片，他们就只做这个。微软只跑云，他们就只做云。然后你会有一个消费应用，也只做应用。但现在我们看到大家都在做一切。你们自己在做芯片，也在做模型。你们以后也许会决定自己需要某种 neocloud。如果看 NVIDIA，他们有很强的芯片，但他们也有自己的开源模型，他们越来越像一个采购方。Google 先是云公司，但现在也有芯片，也有模型。所以一切都在融合。如果这种趋势继续下去，竞争格局会不会更简单，或者更容易？我的意思是，我觉得大家都想待在一个地方：离客户最近的那一层，因为通常那一层拿走的是整个生态里利润最多的部分，对吧？没人想被抽象掉。
Sarah Friar：完全正确。所以今天我之所以认为我们的定位很重要，回到我一开始说的，我们为什么想做那个 AI 智能层，原因就在于：一年前，人们还在谈 LLM 会被商品化。坦白说，事情恰恰相反，因为当你开始构建智能体层的时候——我们也都开始用“harness”这个词了——但这个 harness 带来的是上下文和记忆。在我的 Codex 里，我有一个巨大的记忆文件，它知道我就是我。它知道我是 OpenAI 的 CFO。它知道我喜欢怎么写东西、怎么说话，知道我感兴趣什么。它其实也知道我是个妈妈，知道我有十几岁的孩子。它就把这些记忆都带着。这会让模型对我来说更强大。现在想想，当这种记忆和上下文被带进一个真实的企业环境时会发生什么。那就不只是关于那里存着的数据了，我总会想到我在华尔街工作时的那种直觉，对吧？世界上有很多数据能告诉你一家公司在财报电话会后股价应该怎么走。可是，给我一分钟，然后你去问你的交易员，他会说，嗯，Sarah，股价不会涨。我就会说，你在说什么？所有数字都显示它会那样、那样、那样。他会说，是啊，但我知道这只基金现在压力很大，他们得减仓，他们会在未来一周把股价砸下去，对吧？这就是企业的直觉。那是我总会想到的最佳例子，因为我出身于金融行业。但这种直觉存在于生活的每一个领域。这也是为什么我觉得，现在这些模型正越来越紧密地结合公司的记忆、上下文和直觉。而这正是让 CEO 和高管团队特别兴奋的地方。因为他们会说，好，现在我真的看明白了它会怎么帮我创造价值，推动我的收入线、我的 top line。但你知道，我也可以把它当成一个效率提升工具。所以回到你的问题上，我觉得大家想确保的是——
Jason Calacanis：他们能尽可能贴近那部分价值。并且在需要的时候，灵活转向。需要的时候，要能转。你们得收尾了。
Sarah Friar：对。抱歉，Jason。
Jason Calacanis：没关系。你今天真是太棒了，而且细节讲得特别好。最后一个细节问题，快问快答。我们这一生里最伟大的三个消费级业务：iPhone、Meta 广告网络、Google 广告网络。三者里有两个是广告驱动的，连 Apple 也带一点广告。我还没怎么听你谈过广告。有人告诉我，他们在免费版的实验里看到了一些广告。你们对广告版的承诺是什么？你们在超级碗期间还被 Anthropic 挖了一把——“哦，你们会有广告”。但广告是不是让全球免费使用的解决方案？是的。
Sarah Friar：首先，在广告这件事上，我们要坚持自己的原则。我们要确保你知道，你拿到的永远是基于模型的最佳结果，而不是因为它被赞助了。这一点必须成立。第二点是，我们永远会为那些根本不想看广告的人，提供一个免费、抱歉，我是说，一个无广告的档位。
广告与变现
Sarah Friar：而且我想说的第二点是，我们永远会为那些根本不想看广告的人提供一个免费、抱歉，我是说，一个无广告的档位。但话说回来，如果你听 Fidji 说得特别好，她会说，如果 Google 和 Meta 生了个孩子，那就是 ChatGPT。因为在 Google 搜索里，我们知道自己至少拿到了 11% 的搜索市场。实际上远不止，因为你在 Google 里做一次搜索，只算一次页面刷新。但在 ChatGPT 里，你可能会展开一整段对话，问 50 个问题，它也只算一次。所以实际上，我们所占的份额高得多。而且这些请求的意图非常强。这对广告主来说非常好，因为我实际上是在告诉你我正在做什么，对吧？我想要一双很酷的鞋去穿上台，我是在告诉你我想买什么。在 Meta 的情况下，他们用的是“跟你相似的人”这种意图，所以他们掌握的是人口统计信息。我们比那更多，因为我们有记忆，对吧？我刚才告诉你，它知道我是谁。所以想象一下，把记忆和上下文放在意图旁边。你应该会得到一个非常强大的广告平台，这会让你有能力向全世界提供巨大的可达性，因为现在你可以为此付费。而且我回到你之前问 Freeberg 的那个问题：如果只看今天的收入/每个 token，我会把每一个 token 都给 API。每一个 token 都给 API。数量级上远远多于给消费者端。不过我告诉过你，我们是在按自己的方式玩。我们有一套战略，我们相信存在一个 AI 基础设施层，
Jason Calacanis：一种像电力一样的公用事业，而在未来的状态下，你会希望能够服务全世界。消费者、小企业、大企业、政府。这就是我们的战略。各位，OpenAI 的首席财务官 Sarah Friar。太棒了。精彩极了。