2026年6月，OpenAI同时登上技术新闻与财经新闻的头条。在技术端，其首款自研AI推理加速芯片Jalapeño完成了从设计到流片的壮举，前后仅耗时270天；在商业端，一份经审计的财务文件曝光，揭示出这家AI巨头年亏损高达2600亿元人民币的残酷现实。技术飞跃与财务困局的强烈反差，让OpenAI的IPO之路充满了戏剧性的张力。
6月中旬，OpenAI正式发布了其首款自研AI推理加速芯片Jalapeño。这款与博通联合开发的芯片，从设计启动到成功流片仅用了270天时间，创造了芯片行业历史上从概念到硅片的极限速度纪录。作为对比，传统芯片从设计到流片通常需要18-24个月，OpenAI将这个周期压缩到了不足三分之一。
Jalapeño芯片专门针对AI推理场景进行了深度优化，而非训练场景。这一差异化定位背后有着明确的商业逻辑：随着AI应用的规模化普及，推理端算力需求正在以超越训练端的速度增长。据估算，2026年全球AI推理算力需求已占到总AI算力需求的60%以上，且占比仍在持续攀升。一款专门针对推理优化的芯片，比通用GPU在推理场景中能效比高出数倍。
OpenAI计划于2026年底开始在数据中心初步部署Jalapeño芯片，首先应用于ChatGPT的推理服务。长期目标是通过自研芯片逐步降低对英伟达GPU的依赖，从而在成本结构和供应链安全两个维度同时获得战略主动权。这一计划如果顺利推进，将从根本上改变AI芯片市场的竞争格局——英伟达一家独大的地位将面临来自其最大客户的直接挑战。
然而，Jalapeño芯片的成功并不能掩盖OpenAI面临的严峻财务现实。6月16日，独立记者艾德·齐特隆获取并经《金融时报》核实的OpenAI经审计财务文件首次完整曝光，揭示出这家AI巨头令人震惊的财务状况：2025年度净亏损高达2600亿元人民币，营收增长虽然迅猛，但成本增速远超收入增速。
开源端，OpenAI的大部分收入来自ChatGPT订阅和API服务，2025年度总营收约为1500亿元人民币。但在支出端，仅GPU采购和云服务费用就超过1000亿元，员工薪酬、研发投入和营销成本合计超过2000亿元。这种"越赚钱越亏损"的矛盾现象，根源在于AI行业的"规模不经济"悖论——用户越多，推理算力需求越大，模型每响应一次都需要消耗可观的GPU计算资源，而这部分成本并未随着规模扩大而降低。
OpenAI已秘密向监管机构提交了IPO申请，目标估值超过1万亿美元。但这份财务文件的曝光必然引发监管机构和潜在投资者的深度质询。如何在保持技术领先的同时实现盈利，是OpenAI需要向资本市场讲清楚的核心命题。
在商业变现层面，OpenAI也在积极探索新的收入来源。6月10日，全球支付巨头Visa在旧金山举办的Visa支付论坛上宣布与OpenAI达成战略合作，将GPT模型引入支付风控、客户服务和欺诈检测等核心业务场景。这一合作代表着AI大模型在金融行业从"试验性应用"向"核心业务集成"的重要跃迁。
Visa与OpenAI的合作模式具有示范效应：由Visa提供行业数据和业务场景，OpenAI提供模型能力和技术支撑。Visa预计，引入AI后将使欺诈检测的准确率提升30%以上，同时将人工客服的介入率降低超过50%。这种可量化的商业价值，正是企业客户愿意为AI服务买单的根本原因。
与此同时，OpenAI还宣布收购了AI智能体云端基础设施服务商Ona（前身为Gitpod），将Ona纳入Codex体系以适应Codex规模的持续快速扩张。这一收购标志着OpenAI从"模型提供商"向"完整AI基础设施平台"的战略转型。
综合来看，2026年6月的OpenAI正处在从"实验室明星"到"商业巨头"的转型阵痛期。自研芯片解决了长期成本结构的核心问题，Visa合作展示了企业商业化的可行性，Ona收购补齐了基础设施短板，但2600亿元的亏损和IPO估值的争议，让OpenAI的未来充满了不确定性。
值得注意的是，OpenAI不是唯一面临盈利困境的AI公司。Anthropic、xAI等主要AI厂商同样处于"高投入、高亏损、高估值"的三高状态。整个AI行业正在经历从"技术验证期"到"商业变现期"的惊险一跃，谁能率先跨越盈利门槛，谁就能在下一阶段的竞争中占据主动权。
来源：清科数据、新浪财经、财新网
发布时间：2026-06-25