OpenAI
財務戰

主持人說 Anthropic 追上來了，
Friar 說 OpenAI 跑的是不同賽道

真正尖銳的分歧出現在 Anthropic。主持人直接問：OpenAI 曾經領先那麼多，為什麼 Anthropic 在開發者、企業與營收看起來追上甚至超前？這不是客套問題，而是把 OpenAI 過去一年的焦慮放到檯面上。

Friar 沒有接「誰第一」的框架。她把 OpenAI 定位成 AI layer，也就是同一個基礎模型能力，透過多個介面進入消費者、開發者、企業與政府。ChatGPT 是消費者入口，週活躍使用者超過 9 億；Codex 從一月接近零成長到週末突破 500 萬使用者；企業端還有 Frontier 與其他導入方式。

這段對台灣讀者有用，因為它把 AI 公司競爭從「模型榜單」改成「誰掌握使用者入口」。Friar 的邏輯是：更多使用者帶來更多情境、記憶與個人化能力，模型服務成本下降後，毛利率與運算資源投資能力會再往上推。

所有話題最後都回到一件事：
OpenAI 不夠用

主持人引用 Friar 過去的說法：1 gigawatt 運算資源大約可以對應 OpenAI 每年 100 億美元營收。這個數字讓討論從產品競爭變成能源、土地、晶片、記憶體、法規與資本支出的組合題。

Friar 的回答是，運算資源仍然非常稀缺。2026 年不夠，2027 年也有限。她把瓶頸列成一整條供應鏈：能源、土地、電力、能否快速興建的監管環境、機櫃、晶片、記憶體、人才，以及地方社群是否信任這些資料中心。

她也提到一個資料中心案例：OpenAI 與 Oracle 相關的密西根州一座 1 gigawatt 資料中心。她強調對地方社群的承諾，包括不讓一般用電戶承擔電力基礎設施成本、帶來 2,500 個工會工作、繳納約 10 億美元稅收，並投入 4,500 萬美元教育資源與 Codex credits。

這裡出現政治經濟問題。AI 資料中心不是只要有錢就能蓋。它會碰到地方電價、就業、稅收、教育與信任。運算資源越像公共基礎設施，AI 公司越需要像大型能源或電信公司一樣處理地方關係。

AI 公司都想靠近使用者，
所以整個堆疊正在互相入侵

主持人問了一個創投很在意的問題：五年後，晶片、雲端、模型、app 與裝置會不會合在一起？Nvidia 做模型，Google 有雲端也有晶片，OpenAI 做模型、產品、晶片合作，甚至可能往新硬體介面前進。

Friar 的回答是，大家都想待在最靠近客戶價值的位置。她認為 LLM 並沒有快速商品化，反而因為 agent、memory、context 與企業知識變得更貼近使用者。模型知道你怎麼寫、你在乎什麼、公司內部有哪些判斷與情境，它的價值就不只是回答問題。

新裝置的段落很短，但訊號很明確。Friar 說年底會揭露、明年初推出，她已經試用過，但不能說它是耳機、puck 或其他形態。她用的形容是 natural 與 lovable。這不是規格說明，而是 OpenAI 想把 AI 從打字介面帶到更即時、更多模態的日常互動。

這也回到運算資源。Sora 這類影片產品非常消耗運算資源；語音、影像與代理人互動也需要更即時的推論能力。當介面從文字走向多模態，OpenAI 的產品願景會繼續推高資料中心需求。