金融時報／衛報：OpenAI 年化營收較早前示意低約二百億美元——現指約五百億；與 Anthropic 計法不同，納指 AI 股應聲回調

Key takeaway

金融時報向投資者文件的報道指，OpenAI 目前向投資者說明的年化營收約為五百億美元，較早前市場流傳、據稱由投資者為對照 Anthropic 而推算的約七百億美元示意數字，相差約二百億美元；衛報與 TechCrunch 均轉述並核對同一口徑差異。來源真實性已驗證：以金融時報投資者文件報道為主軸，並交叉核對衛報、TechCrunch，以及彭博對兩家模型商營收計算方式分歧的報道。納斯達克周四應聲回調約百分之一點四，輝達、甲骨文與美光等 AI 相關股份亦見跌幅，顯示市場對「年化營收」這類非公認會計口徑極為敏感。

金融時報／衛報：OpenAI 年化營收較早前示意低約二百億美元——現指約五百億；與 Anthropic 計法不同，納指 AI 股應聲回調

金融時報向投資者文件的報道指，OpenAI 目前向投資者說明的年化營收約為五百億美元，較早前市場流傳、據稱由投資者為對照 Anthropic 而推算的約七百億美元示意數字，相差約二百億美元；衛報與 TechCrunch 均轉述並核對同一口徑差異。來源真實性已驗證：以金融時報投資者文件報道為主軸，並交叉核對衛報、TechCrunch，以及彭博對兩家模型商營收計算方式分歧的報道。納斯達克周四應聲回調約百分之一點四，輝達、甲骨文與美光等 AI 相關股份亦見跌幅，顯示市場對「年化營收」這類非公認會計口徑極為敏感。

對香港企業決策者而言，重點不在單一估值口號，而在：雲端轉售、合作夥伴渠道與自營 API 如何被計入「營收」、以及私有部署與可控成本模型在採購談判中的位置。本文整理事件機制、口徑差異、市場反應，以及本地企業在採購與私有化路徑上可立即檢視的要點。

金融時報／衛報：OpenAI 年化營收較早前示意低約二百億美元——現指約五百億；與 Anthropic 計法不同，納指 AI 股應聲回調

一、核心事件：五百億對上七百億的「年化營收」落差

金融時報報道，OpenAI 已向投資者表示，按截至九月底的銷售推算，其年化營收正「接近五百億美元」。這與約一星期前市場廣泛引用、指該公司年化營收逼近七百億美元的說法相差約二百億美元。TechCrunch 指出，七百億美元的數字，源於 OpenAI 部分投資者試圖把該公司表現，直接對照 Anthropic 所公布的年化營收所作的推算，而非 OpenAI 以同一口徑對外確認的官方會計報表。

衛報補充，年化營收看似「快照」，卻被市場當作衡量整體 AI 需求的領先指標；因此口徑一變，即足以牽動風險資產定價。報道亦提到，OpenAI 正處於早期商談、擬再籌約三百億美元、估值約一點四萬億美元的融資討論；其三月一輪已完成約一千二百二十億美元融資、估值約八千五百二十億美元。相對地，Anthropic 其後公布約六百五十億美元融資、估值約九千六百五十億美元，並據報曾以七月底為節點展示約六百五十億美元的年化營收預測。

技術與財務細節：差在「雲端夥伴銷售算不算」

多方報道一致指出：Anthropic 會把經雲端合作夥伴（例如亞馬遜 AWS、Google Cloud）達成的銷售計入其年化營收；OpenAI 則不把同類渠道銷售以相同方式計入。換言之，二百億美元落差很大程度是「定義問題」與「可比性問題」，未必等同業務突然萎縮兩成；但對依賴單一報道數字做資本開支與供應鏈預測的市場而言，資訊不對稱本身就是風險。

衛報引述周四美股反應：科技股為主的納斯達克收市下跌約百分之一點四；輝達下跌約百分之二點九、甲骨文約百分之五點五、美光約百分之四點八。這說明即便故事核心是口徑，資產價格仍會即時重估「AI 需求斜率」。

二、技術原理深度解析：為何「年化營收」在 AI 產業特別易誤讀

傳統上市公司多用一般公認會計原則（GAAP）或國際財務報導準則披露收入，並區分總額法與淨額法、主理人與代理人、遞延收入與履約義務。AI 模型商多數仍屬私人公司，對外溝通常採用：

  1. 年化營收（annualized revenue / run-rate）：把最近一段時期（例如一個月或一季）的銷售外推至十二個月，對高速成長業務極敏感——任何大客戶、預付或渠道切換都會放大波動。
  2. 渠道口徑：經雲端市集、經銷或「模型即服務」轉售時，計入的是最終客戶支付全額，還是模型商實收淨額，會造成數十億級差異。
  3. 產品組合：ChatGPT 消費訂閱、API、企業合約、與雲端綁定的承諾用量，現金流與確認時點並不相同。
  4. 對照偏差：投資者若把甲公司「含渠道」數字，直接對乙公司「不含渠道」數字，會製造虛假的領先／落後敘事。

對工程與採購團隊，這意味著：評估供應商「規模」時，必須追問合同結構（預付、最低用量、渠道分成）、資料駐留與退出成本，而不是只看媒體標題上的年化數字。

三、日常應用場景

1. 開發者與技術團隊

若產品依賴單一前沿模型 API，供應商融資與市場敘事波動，可能間接影響配額、區域供應與價格實驗節奏。實務上應維持多模型抽象層、可切換的評測基準，以及對關鍵工作負載的成本上限告警。

2. 企業與隱私敏感行業

金融、法律、醫療與政府供應鏈更應關注：推理是否必須出境外、日誌與提示是否可被渠道方二次使用、以及報價是否綁定美元雲端用量。當公開市場用「年化營收」定調產業熱度時，內部 ROI 模型更要用可審計的單位經濟學（每千 tokens、每案件、每工單）對沖敘事噪音。

3. 一般用戶

消費級 ChatGPT 訂閱價格與功能節奏，未必與上述投資者口徑一一對應；用戶較宜關注產品安全、青少年與代理行為相關政策，而非估值頭條。

4. 香港與亞洲市場視角

香港企業同時面對美元雲端帳單、本地數據主權期望，以及大灣區供應鏈伙伴的不同雲策略。OpenAI／Anthropic 的口徑之爭，提醒本地董事會：對外「AI 預算」簡報若只引用外媒年化數字，審計與風險委員會很難驗證；較穩妥的做法是以工作負載分類（對外創新／對內敏感）拆分公有 API 與私有部署，並要求供應商披露渠道是否另計。

四、專業評價與潛在考量

優勢

  • 多同源交叉（金融時報、衛報、TechCrunch）使「約五百億 vs 約七百億、差約二百億、主因渠道口徑」這一核心事實鏈相對清晰。
  • 市場即日價格反應，證明資訊對資本開支與半導體／雲端供應鏈預期有傳導。
  • 對企業採購具教育意義：迫使團隊把「營收定義」寫進供應商盡職調查清單。

需要留意的地方

  • 金融時報原文多為付費牆；公開轉述仍屬二手，細節（例如精確截止日期、是否含稅／含承諾用量）可能随後修正。
  • 年化營收不是經審計的全年收入；不宜直接外推為 IPO 前獲利能力。
  • 融資估值（約一點四萬億美元討論、三月八千五百二十億美元等）同屬報道數字，且會隨輪次條款變化。
  • 勿把口徑差異簡化成「需求崩盤」或「造假」——目前公開材料指向可比性問題為主。

結語

OpenAI 年化營收「少了約二百億美元」的頭條，本質上是 AI 私人市場在高速融資週期中，用非標準指標溝通成長所累積的信任稅。對香港技術與企業讀者，可把握的行動是：把模型支出從「跟風預算」改為「可計量工作負載＋可退出架構」；對敏感資料路徑，優先評估境內或專屬環境的私有模型託管，以鎖定單位成本與合規邊界。如需在香港部署企業私有 LLM 全託管（Dataset → QLoRA／LoRA → 私有 API，年費 HK$88,000 起，數據不出境），可參考 YSK Limited 方案：https://ysk.hk/services/ai-automation

參考來源

Related services & products

Related posts