鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

重组、谋上市,OpenAI更自由了

编程导航
编程导航
2025-11-05 12:30
阅读 177
编程导航
2025-11-05 12:30
阅读 177

文 | 连线Insight,作者 | 窦文雪,编辑/子夜

近几日,AI圈最受瞩目的公司OpenAI,接连释放出令资本兴奋的消息。

据财联社报道,有市场消息称,OpenAI正筹备首次公开募股,此次IPO对该公司的估值或高达1万亿美元。有望缔造史上规模最大的IPO。

报道还援引了业内人士透露的消息,OpenAI正考虑最早于2026年下半年向证券监管机构提交上市申请,初步讨论中的融资规模至少600亿美元。

OpenAI CEO山姆·奥特曼否认了明年上市的消息,他认为上市是公司发展中的自然阶段,但目前并非优先事项。上市没有具体日期,2027年上市或许会更好。

在此之前,OpenAI刚刚宣布完成架构重组,将各投资方的投资转换为普通股,解除了此前在财务回报上限的潜在限制。

同时,OpenAI与微软的关系也发生了变化,双方将从“深度绑定”转向“自由合作”的阶段,双方也可以与其他公司进行合作。

通常情况下,一家技术基本功扎实、倍受资本青睐的科技公司谋求上市,本应是十分顺利的事。

但OpenAI的情况有所不同。其在成立之初就是一家纯粹的非营利机构,强调不以盈利为约束,专注做长期、高成本的基础研究。

因此在OpenAI成立的这十几年中,只要公司尝试商业化动作,就会引发市场担忧。

但作为一家以AGI为目标的公司,OpenAI需要付出的资金数额是庞大的。坚持理想主义重要,但赚钱保持持续的研发投入和对高算力的支撑也是必然选择。

OpenAI重组后,将不再是单纯的非营利组织,而是通过双层架构平衡商业与公益目标。它将继续由非营利组织控制。而现有的营利性业务将转变为一家公共利益公司,非营利组织将控制该公共利益公司。

此外,若OpenAI完成上市,也将会为微软、软银等早期的投资者带来丰厚回报。

不过,一边是非营利组织的使命,一边是日益增加的资金压力,重组的OpenAI能否真正按照市场期待的方向行走,还有待验证。

1、OpenAI完成重组,与微软关系变了

OpenAI早就开始策划这场重组了。

去年年底,OpenAI就曾宣布将在2025年转型为一家营利性公司,新架构将由其营利部门掌控。

然而,或许对于OpenAI而言,从非营利变为全面营利的性质很难,这场重组自宣布计划后就一直悬而未决。直到今年5月6日,OpenAI宣布放弃全面营利性转型,改为公司继续由非营利母公司控制,但将现有的营利部门改造成公共利益公司,也就是说,它选择了PBC模式。

据了解,PBC是一种既能盈利、又能兼顾社会公益的组织架构。OpenAI的发言人Steve Sharpe此前还表示,OpenAI转型为PBC后,将取消利润上限结构,PBC将采用传统的资本结构,允许员工、投资者和非营利组织直接持有股权——重组瞄准了更大的利润空间和上市。

根据微软披露的协议,此次重组完成后,OpenAI的非营利实体已更名为OpenAI基金会,并持有约1300亿美元的营利部门股权。OpenAI的营利部门则改制为一家公益性公司,名为OpenAI Group PBC。

作为OpenAI最大的投资者,微软在此次重组后的持股比例以及与OpenAI未来的合作模式也受到市场关注。

双方的合作始于2019年,彼时微软向OpenAI投资了10亿美元。

根据当时的协议,微软向OpenAI提供包括现金和Azure云计算资源在内的总计10亿美元,用于支持OpenAI的研发和模型训练;OpenAI则要将其服务迁移至微软Azure云平台,微软将成为其独家云提供商。

此外,微软拥有OpenAI技术的独家使用权,并从OpenAI的收入中获得20%的分成,协议有效期至2030年。

但随着时间的推移,颠覆性产品ChatGPT的推出让微软与OpenAI的江湖地位水涨船高,双方在投资与回报、知识产权的独家使用权上逐渐产生分歧,随后进入了一段相互博弈的阶段。

OpenAI想要完成重组,也必须与微软达成共识。

而随着这次重组完成,双方的关系也经历了一次重构。

根据微软公布的合作条款,公司将持有OpenAI营利实体OpenAI Group PBC 27%的股份。

该协议还称,若OpenAI宣布实现AGI,需由独立的专家小组核验,确保结果的客观性与可信度;微软对模型和产品的知识产权使用权从2030年延长至2032年,其中还包含了AGI实现之后的模型。

微软对OpenAI计算服务的优先选择权也被解除了,但前提是,OpenAI将额外购买价值2500亿美元的微软Azure云服务。

摩根大通认为,这份协议是“一套合理的妥协方案”。微软获得了长达7年的技术授权保障和巨额云计算订单,而OpenAI则赢得了与第三方合作的灵活性和向营利性实体转型的空间。

从如今OpenAI的股权结构来看,OpenAI基金会将持有OpenAI Group PBC 26%的股权,现任及前任员工与投资者合计持有OpenAI Group PBC 47%的股权,微软持有OpenAI Group PBC 27%的股权。

OpenAI基金会虽然只持有OpenAI Group PBC约26%的股权,但独家拥有的特殊投票权和治理权,可以任命OpenAI Group董事会的所有成员,并可以随时更换董事。微软虽然持有OpenAI Group PBC约27%的股权,但只享有分红权,无法参与OpenAI日常决策。

总体上看,OpenAI此次完成重组,是完成了真正意义上的转型,其不仅打开了资本市场的大门,还明确了战略方向、外部合作、内部结构等问题,同时获得了一个更开放的研发空间。

2、谋求上市不意外,OpenAI也在学着赚更多钱

OpenAI会谋求上市,并不让市场感到意外。

在技术的领先性上,OpenAI的优势有目共睹,再加上OpenAI如今高达1万亿美元的估值,如果完成上市,早期的投资者都将获得丰厚回报。

就如英伟达CEO黄仁勋曾说,“我希望早些时候我们能投入更多。如果你告诉我OpenAI将于明年上市,我不会感到惊讶,从很多方面来看,我认为这可能是历史上最成功的公开募股之一。”

但由于成立之初的定位——非营利组织,将OpenAI圈定在了一个难以灵活融资的框架内,而GhatGPT一方面给OpenAI带来了收入的暴涨,另一边需要投入的算力和研发成本也在持续飙涨。

关于OpenAI究竟多赚钱,也是外界极为关注的问题。据财联社报道,根据OpenAI向股东提交的财务报告,它在2025年上半年的营收约为43亿美元,比去年全年营收高出约16%。

同时,上半年该公司的亏损达135亿美元,其中很大一部分原因是用于研发人工智能以及运行ChatGPT的相关费用。

对于今年的展望,这份报告写道,OpenAI有望实现其全年130亿美元的营收目标、以及85亿美元的现金消耗目标。

关于这个营收数据,近期,投资者兼播客主持人布拉德·格斯特纳(Brad Gerstner)询问奥特曼,目前年收入仅有130亿美元的营收水平下,OpenAI 如何能够承担投资1.4万亿美元用于基础设施建设的承诺。而奥特曼回答说,“我们的实际营收远超这个数字”。

OpenAI究竟赚了多少钱,显得依然神秘,但可以确定的是,它的成本很高,大量的研发投入,注定了它要接受可能亏损的境况。

随着公司AI技术的不断进化、研发投入的进一步加大,OpenAI需要的资金越来越多,其早就在想办法获得更多的资金了。

2019年与微软建立合作的契机,实则就是源于OpenAI的资金不足。

彼时,特斯拉创始人马斯克刚刚退出OpenAI,为了获得更多的投资,解决资金不足的问题,OpenAI才创立了一个营利性的子公司——OpenAI LP,隶属于非营利组织之下,用以筹集投资资金并以初创公司的股权吸引人才。

但为了保证不盲目追求利润,OpenAI在彼时还设计了一套“利润上限限制”——第一轮投资者的回报上限为其投资金额的100倍,任何超出这个数额的回报都归原来的非营利组织实体所有。

与2019年的这次变革一样,OpenAI如今的重组也是为了能够更自由,包括谋求上市,获取更多样化的资金来源。

OpenAI也在想办法赚更多钱。

据了解,自2022年推出ChatGPT以来,这款火爆全球的产品都是OpenAI的收入核心,用户订阅费、API许可费、与微软深度合作所产生的商业化收入,构成了OpenAI三大主要收入渠道。

提高定价是最直接的赚钱方式。今年2月,OpenAI发布了被市场称为是最贵GPT——GPT-4.5,API价格为每百万Tokens 75美元,比GPT-4o的2.5美元上涨30倍。

另据新浪科技援引业内媒体的测算,相比DeepSeek的正常价格,GPT-4.5输入价格达到280倍。

此外,OpenAI还曾尝试在人工智能产品中引入广告、开发一个人工智能驱动的搜索引擎等等。

今年1月,OpenAI推出智能体Operator,其拥有推理以及联网自主执行任务的能力,用户只需向其发布任务,就能实现网购买菜以及订酒店等功能。

OpenAI还做起了电商生意。今年4月,其进一步宣布ChatGPT内置购物功能,用户可以跳转至外部链接购买商品。

今年9月,ChatGPT上甚至还可以付款了,其上线了基于Stripe的即时结账功能。用户可以直接在GPT站内完成搜索、挑选商品、下单支付等一系列操作。

据了解,OpenAI在ChatGPT平台已整合了包括信用卡、Apple Pay等在内的多种主流支付方式。

当ChatGPT变成了一个电商支付入口,OpenAI就可以在付款的过程中收取部分费用,这也为其提供了一些商业化的新可能。

因此,在实现AGI之前,OpenAI还需要巨量的资金支撑自己的算力与研发成本,谋求上市与商业化都是迫在眉睫的事。

3、资本市场将如何看待OpenAI?

对于嗅觉敏锐的资本市场而言,OpenAI过去的成绩就足够亮眼。

其开发出现象级产品ChatGPT,几乎是全球用户接触和理解AI大模型的第一入口,说它是掀起全球大模型之战的主要推手也不为过。

时至今日,ChatGPT仍然在后续的迭代中,在模型迭代速度、自然语言处理、内容生成等方面持续坐稳行业标杆的位置。

例如不久前的8月,OpenAI刚刚发布了GPT-5,新版本上线后,在大模型竞技场实时排行榜LMArena榜单中的所有细分类目中,都排到了第一的位置。

OpenAI的另一款产品Sora成了继ChatGPT后又一颠覆之作。这款AI视频生成应用在发布首周的iOS下载量就达到了62.7万次,超越ChatGPT首周60.6万次的下载量。

Sora的出现,展现出的是AI理解物理世界和生成连贯、高质量视频的潜力,预示着人工智能将对影视、广告、游戏、教育等众多行业产生颠覆性的影响。

Sora 2也在不久前完成了一次更新。从10月16日开始,Sora的Pro版用户可以在网页端使用“故事板”;所有用户均可在App、网页生成最长15秒的视频,Pro用户则可在网页端生成最长25秒的视频,相比此前没有更新的版本,标准版生成时长增加了5秒,Pro版增加了10秒。

此外,Sora 2在拟真视频效果上也比Sora拥有了明显提升,还新增了音频生成能力。用户可以通过一次性录制自己的视频和语音来完成身份验证,然后在生成的视频中“客串”自己或他人。

创造力是资本选择押注科技类公司的关键因素,更何况是一家屡次开发出划时代产品的公司。

在技术的支撑之下,市场中大多是对OpenAI商业化潜力的认可。

理论上,从AI大模型衍生出来的商业化机遇可以服务各行各业。例如在企业办公与生产力方面,ChatGPT可以应用于文档生成、代码补全、会议纪要、智能客服等方面;在金融服务中可以完成风险评估、报告撰写等工作。

在健康医疗、游戏娱乐,以及日益火爆的智能硬件行业,OpenAI开发的产品都将有机会与这些领域的企业建立合作关系,实现商业化落地,甚至形成技术壁垒。

此外,2025年还被称为是AI Agent元年,OpenAI也发布了Agent产品——ChatGPT Agent。

OpenAI计划将AI Agent作为未来的核心增长引擎,预计到2029年Agent业务收入将达290亿美元,占总收入近四分之一。

在放出重组消息后的直播中,山姆·奥特曼曾计划,OpenAI将在2026年实现“AI研究实习生”,在2028年实现全自动AI研究员。

也就是说,未来OpenAI的技术很可能让AI拥有独立学习和研究的能力。

OpenAI CEO 山姆·奥特曼,图源OpenAI官网

基于OpenAI的发展潜力和技术能力,市场中的多数声音对于重组后OpneAI的发展持积极看法。

例如纽约 B Riley Wealth 公司首席市场策略师阿特・霍根表示,OpenAI与微软的这份协议“显然是当下的潮流之举。”他还称,在过去的几周中,很多与OpenAI的相关方都纷纷表态,说明自己将如何与OpenAI展开合作。这种趋势往会产生自我实现的效应。

只不过,OpenAI身上的商业化潜力吸引着大量投资的注入,也增加了人们对AI的一些担忧。

伯恩斯坦公司(Bernstein)的分析师Stacy Rasgon在10月6日的报告中写道:“(OpenAI首席执行官萨姆·奥尔特曼)有能力让全球经济崩溃10年,也有能力把我们带到应许之地,目前我们还不知道哪种情况会发生。”

也有业内人士为重组后OpenAI内部的话语权体系感到担忧。

非营利组织Latino Prosperity首席执行官奥森·阿吉拉尔表示:“目前(OpenAI)的安排仍无法确保真正的独立性或对公众负责。”据了解,该非营利组织是EyesOnOpenAI联盟的成员之一,该联盟一直致力于反对OpenAI的这次重组。

除此之外,大众对于OpenAI产品的意见也不小,这一点从OpenAI官宣重组后的直播中就可以看出。

彼时就有用户提出了“OpenAI一边警告技术会让人上瘾,一边又让Sora模仿TikTok,ChatGPT还可能加广告”、“你们的安全理念,就是骗用户?实际用的什么模型根本不知道”等比较尖锐的问题。

在争议中前行,是OpenAI长期要面临的境况。未来,OpenAI要如何守住初心、突破技术瓶颈?它要在市场的检验中,不断寻找答案。

原文链接: 重组、谋上市,OpenAI更自由了
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手