# OpenAI CFO 莎拉·弗里亚尔：IPO、AI 竞争、新设备与千亿美元算力支出

> Sarah Friar 谈 OpenAI 的 IPO 时间表、与 Anthropic 和谷歌的 AI 军备竞赛、算力瓶颈与新设备、公司经济模型，以及芯片、云和广告业务战略。

- 原标题：OpenAI CFO Sarah Friar: IPO, AI Rivalries, New Device, and Spending $100B+ on Compute
- 类型：嘉宾访谈
- 发布日期：2026-06-02
- 话题：Sarah Friar：OpenAI 的 IPO 与算力豪赌
- 出场：杰森、查马斯、萨克斯、弗里德伯格；嘉宾：Sarah Friar
- 网页版：https://allin.qiaomu.ai/ep/openai-cfo-sarah-friar-ipo-ai-rivalries/
- 视频：https://www.youtube.com/watch?v=TjrShuj_Zsg
- 精读字数：约 5355 字（阅读约 12 分钟）

> 本文为 allin.qiaomu.ai 基于原始节目的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。

Anthropic 刚刚秘密递交 S-1，OpenAI 的 CFO 萨拉·弗莱尔（Sarah Friar）就坐进了 All-In 的录音室。杰森·卡拉卡尼斯（Jason Calacanis）的第一个问题直冲这件事：Anthropic 抢先递交，是不是意味着 OpenAI 在 IPO 这件事上排到了第三？

她没接这个框架。

## 「IPO 是里程碑，不是目的地」

弗莱尔的回答是，现在什么都说明不了，因为接下来还要过 SEC 那一关，谁也不知道要多久。她对这件事的真实态度是这样的：

> 「归根结底，IPO 是个里程碑，不是目的地。我经常跟团队说，别把公司当成在跑向某个终点。它只是另一种融资方式。」（萨拉·弗莱尔）

今年 3 月，OpenAI 完成了 1220 亿美元的融资。她说这笔钱只有一个目的，把选择权最大化。「CFO 的职责是创造可选性，不只是为这家公司，是为我们正在经历的这个时代。」

萨克斯（David Sacks）追问这是不是史上最大的私募融资，她确认了，而且大出好几个数量级。参照物是人类历史上最大的一次 IPO，沙特阿美，约 300 亿美元。

关于「谁先上市」，她给了个很干脆的说法：

> 「到最后，市场是一台称重机，不是一台人气机。没人记得是 Google 还是 Yahoo 先上市，是 Lyft 还是 Uber 先上市。媒体喜欢戏剧性，但最后我们要建的是大的、可持续的、能扛住时间的公司。」（萨拉·弗莱尔）

杰森问，AI 公司早上市是不是有优势。她提到一个结构性事实：市场上的钱不缺，回购和并购一直在把现金还给股东，大量资金在观望。缺的是能把钱变成长期价值的东西。

## 「我们的策略跟他们不一样」

杰森问得更直接：Anthropic 原本落后，现在在开发者和企业市场上已经超过 OpenAI，这是怎么发生的？

弗莱尔换了框架。她说 OpenAI 建的是「AI 层」，一层基础设施，上面开很多个口子通向世界。ChatGPT 通向消费者，Codex 通向开发者，Frontier 通向企业。

她给了一组数字：ChatGPT 周活超过 9 亿，已经成为名词也是动词，大多数人第一次接触 AI 就是通过它。Codex 周末刚过 500 万用户，而今年 1 月这个数字几乎是从零开始。经济研究团队告诉她，增长最快的大洲是非洲，增长最快的语言是阿塞拜疆语和哈萨克语。

这套打法的复利在哪？同一个模型服务所有入口，用户越多、数据越多、个性化能力越强；模型越大，单位 token 成本越低，毛利率越高，能负担的算力越多，而算力在当下是真正的竞争优势。

杰森又问，去年是不是摊子铺得太开，一边做 Sora 一边做新硬件，企业业务反而被耽误了。

> 「这个世界喜欢二元对立：你是消费者公司，还是企业公司？事实是我们两边都是，现在收入大概五十对五十。企业这块我跑得很凶，上周去了波士顿的 Thermo Fisher，见了纽约一堆银行，周五跟 Travelers 通电话，今天早上还在跟一家科技公司开会。不分行业，人们现在是真的在动 AI。」（萨拉·弗莱尔）

她顺带提到新来的收入负责人 Denise Dresser，去年 12 月到岗，用她的原话是「一股自然之力」。

她还给了一条用量阶梯，解释为什么要坚持提供大量免费服务：免费用户每天大约问 7 个问题，第一个付费层级大约翻倍到 15 个，Plus（20 美元档）大约是免费用户的 3 倍，Pro 大约是 11 倍。

> 「记得你刚拿到翻盖手机的时候吗？你说，嗯，也就打个电话吧。现在同一部手机，你想想它替你做了多少事。智能这件事，现在就在走同一条路。」（萨拉·弗莱尔）

## 一吉瓦等于 100 亿美元年收入

萨克斯提醒她，大约 18 个月前她提过一个影响了很多人的框架：吉瓦换现金。一吉瓦的算力，大约对应 OpenAI 每年 100 亿美元的收入，这个比例可以外推到 Anthropic、Gemini。

她先确认了稀缺这件事。「我们的业务正在爬一堵垂直的需求之墙，token 就是不够用。」

> 「去年我们因为在外头买那么多算力，背后没少挨箭。现在只能说谢天谢地当时买了。因为到 2026 年，我们的算力还是不够。」（萨拉·弗莱尔）

她列了一串瓶颈，并且说这些瓶颈会来回移动：能源、土地和电力、能让项目快速开工的监管环境、机架和芯片本身（内存价格正在飙升）、人才（她在斯坦福做理事，公开表达了对教育系统输出不足的担心），最后是信任。

信任被她放进了「供应链」里，这点值得单独说。她说那天萨姆·奥尔特曼正在密歇根州萨林（Saline），两个小时后要给一座 1 吉瓦的数据中心剪彩，这是 OpenAI 与 Oracle 综合体的一部分，节目里算是提前剧透。

## 密歇根那块地，和「谢谢，但不用了」

弗莱尔在 Nextdoor 工作过 7 年，她说那段经历教会她一件事：你不能自上而下告诉一个社区它需要什么，因为它会告诉你「谢谢，但不用了，我自己知道我要什么」。

所以在这类项目上，OpenAI 给社区开了三个条件：

- 不抬高居民电价。基础设施和电力的成本由公司自己承担，不会转嫁给电费缴纳者
- 带来 2500 个工会岗位，电工、暖通这类实打实的工作
- 缴税。仅这一座数据中心就要向密歇根州缴纳 10 亿美元

另外还有 4500 万美元投进教育，用于发放 Codex 额度。

> 「我绝不会雇一个不会用 Excel 的财务人员。今天我大概也不会雇一个不会用 Codex 这类工具的财务人员。」（萨拉·弗莱尔）

## 每 token 成本两年降 97%，但算力本身在涨价

有人问资本配置模型：过去二十年那些超额回报的公司，都找到了一个回报率远高于同行的资本投放口，然后把所有钱砸进去。对 OpenAI 来说那个口子是什么？

她从客户价值讲起。Thermo Fisher 想更快完成患者筛查、更快拿到 FDA 批准。某些癌症从确诊到生命终点只有几周，一个突破从四周缩到两周，可能就是生与死的差别。这家公司还有大约 3.8 万名现场销售，走进美国任何一间实验室，设备上都是 Thermo Fisher 的标。他们想让自己的销售团队更高效，所以现在 OpenAI 内部 Codex 增长最快的部门不是研发，是 go-to-market。

然后才轮到毛利率。成本项里最大的输入是算力，而算力这边有一条凶猛的通缩曲线：

> 「从四代模型到 5.4，单位推理成本大概降了 97%。这发生在两年内。」（萨拉·弗莱尔）

最新发布的 5.5，OpenAI 把价格上调了一倍，但按每个 token 的实际花费算，客户仍然拿到 20% 到 30% 的下降，因为新模型每个 token 的效率高得多。

她提醒了一个容易犯的错误：如果按今天的成本结构做资本配置决策，很可能会给未来的结果定价错误，必须往成本曲线的前方多探一点。

另一个数字更直观：建一座 1 吉瓦的 AI 算力，从土地、电力、外壳到芯片全算进去，大约要 500 亿美元。密歇根萨林那座，要到 2027 年底或 2028 年初才可能产出算力。也就是说她现在花的钱，买的是 2028 年以后的算力，而她最缺算力的时间点是 2030、2031、2032 年。

关于怎么预测多年后的算力需求，她给了一个反常识的假设：单看吉瓦，算力本身正在变贵，因为电力在涨、内存在涨。但从客户那一端看，每个 token 的售价会便宜得多。原因整个落在芯片侧的通缩上，她不指望模型侧的效率提升来兜底。像 5.4 那种巨大的预训练模型，又贵又难服务，但有时候公司就是要做那么一次大预训练，然后再用多轮模型迭代把成本压下来。

## 魔方：从一朵云一颗芯，到多朵云多颗芯

弗莱尔用魔方打比方。两年前的 OpenAI 是魔方最底下那一格：一家云服务商（微软 Azure）、一颗芯片（英伟达）、一个产品（ChatGPT）、一个价格（每月 20 美元）。

今天的魔方是多维的。云这边，Oracle、CoreWeave、微软、GCP、AWS，外加一批小型 neoscaler。芯片这边，英伟达仍是最优先级的伙伴，秋季的下一轮大训练会跑在 Vera Rubin 上，再往后是 Simon 系列；同时有 AMD 的芯片在管道里，Cerebras 已经上线，低延迟，适合需要实时写代码的开发者，还有一颗与博通合作的自研芯片。

她解释了为什么非得多云：云服务商在效果上把 CapEx 转成了 OpEx，你用多少付多少，等于在一定程度上借用了它们建设和融资的能力。

再往前走是 built to suit。OpenAI 与 SoftBank Energy 在德州合建的数据中心已经宣布，这部分自掏的资本开支会更多。她承认 OpenAI 目前还不是投资级主体，拿不到低成本债务，所以跟伙伴合作这件事很关键。

萨克斯问了个更结构性的问题：五年后这个栈会不会彻底融在一起？传统市场里，英伟达只卖芯片，微软只做云，应用公司只做应用。现在每家都在做所有事：OpenAI 在流片，英伟达在做开源模型还成了算力的买方，Google 是云公司却有芯片也有模型。

> 「大家都在往离客户最近的那一层站，因为通常那一层拿走生态里最大的一块利润。没人想被抽象掉。」（萨拉·弗莱尔）

她说一年前业内还在讨论大模型的商品化，结果恰恰相反，因为 agent 那一层起来了。她提到「harness」这个词，harness 带来的是上下文和记忆。

她的 Codex 里有一个巨大的记忆文件，它知道她是 OpenAI 的 CFO，知道她喜欢怎么写东西、怎么说话，知道她关心什么，也知道她是两个青少年的妈妈。这些记忆让模型对她更强大。而把这些带进企业环境，才是真正有意思的地方。

她讲了一个华尔街的类比：所有数据都告诉你，财报电话会之后这只股票该怎么走。你打电话给交易员，交易员说，不，这只股票不会涨。你问为什么，数字明明是这样的。交易员说，我知道有家基金压力很大，需要减仓，这会在接下来一周把股价打下去。

> 「那种直觉，在每一行里都存在。模型现在正在和一家公司的记忆、上下文、直觉接上。这才是让 CEO 和 C 层真正兴奋的地方。」（萨拉·弗莱尔）

## 今年年底会有一款新设备

杰森把话题引到硬件。弗莱尔透露得不多，但确认了三件事：设备在今年年底揭晓，她见过也试过，是乔纳森·艾维（Jony Ive）的团队在做。

> 「Jony 和他的团队真正擅长的是把人性带进设备。我不太会解释这件事，但你看到它的时候，你会有感觉。它很自然，而且很讨人喜欢。」（萨拉·弗莱尔）

杰森问是不是像第一次拿到 iPhone 那样的范式转移，她说感觉非常自然，而且「很可爱」。她说技术本身可以是机械的，但好的设计会让一切消失，简单是最难的。

她还讲了一句更宏观的观察：上一代技术教会我们用拇指说话，这是一种病，大家走路都低着头。现在方向是多模态，你对着工具说话，她每天都跟 Codex 说话。而这需要多得多的实时算力。

她顺带承认了一个取舍：因为算力不够，OpenAI 在视频上做过很艰难的选择。Sora 还在做，但视频这条线没有结束。

## 广告：把 Google 和 Meta 生个孩子

杰森抛出最后一个大问题：我们这辈人最伟大的三个消费者业务是 iPhone、Meta 的广告网络、Google 的广告网络，其中两个是广告生意，连苹果都在往广告里伸手。Anthropic 在超级碗上还拿这事嘲讽过 OpenAI。广告到底是不是让全世界免费用上智能的答案？

她的两条原则：结果永远基于模型本身，不能因为某个东西是赞助的就往前排；同时永远保留一个无广告层级，给不想要广告的人。

为什么这个模式可能成立，她引用了弗里德伯格（David Friedberg）的比喻：

> 「如果 Google 和 Meta 生个孩子，那就是 ChatGPT。我们至少占搜索市场 11%，实际份额要高得多，因为 Google 那边页面刷新算一次，ChatGPT 里一整段对话可能问了 50 个问题，也只算一次。」（萨拉·弗莱尔）

她的判断是，ChatGPT 手里同时握着意图和记忆。搜索给你意图，你告诉它你要买什么；Meta 给你人群画像，靠相似性去推。而 ChatGPT 知道你正在做什么，也知道你是谁。把记忆和上下文放在意图旁边，广告平台的威力会很不一样。有了这个，才有可能付得起让全世界免费用上智能这件事。

不过她说得很清楚：如果只优化今天，她会让每一个 token 都流向 API，因为 API 的每 token 收入是消费者端的一个数量级。但 OpenAI 下的是一盘更大的棋，把 AI 当成像电一样的基础设施层，最终服务全世界，包括消费者、小企业、大企业和政府。

节目最后，萨克斯请她收尾，她用了一句自称「长期听众、第一次打进电话」的开场白完成了整场。

- 盯住「每吉瓦对应多少收入」这个换算率。它比任何单季财报都更能反映一家 AI 公司的真实规模，也能帮你判断电力、土地、芯片这些上游环节的定价是否合理。
- 企业软件和服务的投资逻辑正在变。弗莱尔讲的那段「交易员的直觉」，本质是说模型的价值不在数据本身，在于把一家公司没写下来的经验接进上下文。做企业 AI 创业的话，护城河建在记忆和上下文层，不建在模型调用层。
- 算力的采购窗口比想象中靠前。2026 和 2027 年的算力基本已经被锁定，2030 年之后的算力才是现在下注的对象。任何跟算力、电力、数据中心相关的决策，时间尺度要拉到五年以上，短周期的产能新闻参考价值有限。
- 如果你在评估 OpenAI、Anthropic、SpaceX 这几家潜在的超大 IPO，记住弗莱尔那句「市场是称重机」，先用三年以上的收入结构去估值，别被谁先递交 S-1 这类消息驱动交易。
- 对个人来说，最实在的一条是她那句用人标准：不会用 Excel 的财务人员她不要，今天不会用 Codex 这类工具的财务人员她也不要。找一个你所在行业里对应的工具，把它用成肌肉记忆。