ChatGPT 通过 API 获得的收入已经超过了其网页端产品。理解 AI 的真正路径应该是: { 大规模超算训练 } → { API } → { 商业应用场景 } 未来的巨大价值,将同时诞生于两端: * 更强、更通用的 API 本身 * 以及将这些 API 更好地集成进具体产品中的能力 ChatGPT is making more money from its API than from its web product. The real way to think about AI is { massive hyperscaling training } --> {APIs} --> Business Use Cases. A lot of value will be created in BOTH better APIs and in the better integration of those APIs in products.
目录
观点原文
ChatGPT 通过 API 获得的收入已经超过了其网页端产品。理解 AI 的真正路径应该是:
{ 大规模超算训练 } → { API } → { 商业应用场景 }
未来的巨大价值,将同时诞生于两端:
- 更强、更通用的 API 本身
- 以及将这些 API 更好地集成进具体产品中的能力
ChatGPT is making more money from its API than from its web product.
The real way to think about AI is
{ massive hyperscaling training } --> {APIs} --> Business Use Cases.
A lot of value will be created in BOTH better APIs and in the better integration of those APIs in products.
ABAB AI 解读
1)先核对一句:“ChatGPT API 比网页端更赚钱”这句大概率不准确
公开报道里更常见的说法是:OpenAI 目前大头收入来自消费者侧的 ChatGPT 订阅(Plus/Pro 等),而不是 API。路透的一篇评论明确写到:OpenAI 约 70% 收入来自消费者为 ChatGPT 订阅付费。
同期另一条路透也提到:OpenAI 到 2025 年底的年化收入可能接近 200 亿美元,但并没有说“API 超过网页端”,并强调付费订阅用户规模在扩大。
结论:这句话更像是“观点/推断/夸张表达”,不是稳固事实。最好把它改成:
“API 是 OpenAI 的重要收入来源,并且企业侧用量增长很快”,而不是“API 已经超过网页端”。
2)这段话真正有价值的部分:它讲的是 AI 的“产业链条”
原句:{ massive hyperscaling training } → { APIs } → Business Use Cases
这句话把 AI 的商业化拆成三层,每层都对应不同的“垄断点”和“利润池”。
A. 超大规模训练(Hyperscaling training)= “资本密集型上游”
这是芯片、算力、数据、工程组织能力的集合体。
上游的核心逻辑是:规模越大,边际性能提升越难,但护城河越深。
这一层的经济学更像“能源/军工/半导体”:门槛极高、玩家极少、融资能力决定生死。
B. APIs = “工业品化的中游分发层”
API 把上游的能力标准化、可计量、可计费(token、吞吐、延迟、上下文、工具调用)。
API 的本质不是“接口”,而是:
定价权(每 1k token、每次调用、每条推理链)
生态绑定(SDK、工具协议、鉴权、日志、合规)
迁移成本(换模型=重做提示词/评测/安全/工具链)
OpenAI 自己也在强调企业里 API 推理用量在快速增长(例如“API 推理 token 消耗显著提升”这类指标),说明“中游分发”确实越来越重。
C. Business Use Cases = “下游利润中心(真正赚钱的地方)”
真正大钱通常不在模型本身,而在“业务流程里省下/赚到的钱”。
典型高价值用例不是“写文案”,而是:
- 客服自动化(降低人力 + 提升响应)
- 销售/投标/法务文档工作流(缩短周期)
- 数据分析与决策辅助(减少错误决策成本)
- 研发提效(代码生成、测试、审查、运维)
所以这句话想传达的是:训练是源头,但商业化的落点必然是场景。
3)“价值会在更好的 API + 更好的集成里同时出现”——这句非常关键
它其实是在说:AI 的赢家会分成两种公司,两种都能赚大钱。
① 更好的 API(平台型赢家)
“更好”不是“更聪明”这么简单,而是综合指标:
- 更稳定的质量(可预测)
- 更低的延迟/成本
- 更强的工具调用与多模态
- 更可控的安全与合规(审计、数据边界、权限)
这一层一旦形成标准,会出现类似云计算的格局:
- 大平台提供“通用能力 + 价格曲线”
- 生态围绕它做二次开发
② 更好的集成(产品型赢家)
集成的本质是“把 AI 变成流程的一部分”,不是“加个按钮”。
真正难的是:
- 拿到业务数据(权限、质量、结构)
- 嵌入关键路径(审批、工单、CRM、ERP)
- 可控输出(可回滚、可解释、可审计)
- ROI 可量化(省了多少时间/降低多少错误)
所以,很多真正的赢家会是:不是做模型的,也不是卖 token 的,而是把 API 吃透并封装成行业解决方案的人
4)把这段话放到美国金融视角:它在讲“利润从哪里来、壁垒在哪里”
上游(训练)像资本开支巨兽:需要持续融资、资产负债表压力大。
中游(API)像云服务计费系统:可规模化、可订阅化、可控毛利曲线。
下游(场景)像SaaS + 咨询 + 行业软件:利润更厚,但要懂行业与交付。
从资本市场看,大家愿意给高估值,往往是因为看到了:
“平台层可以吃全行业的调用”
“场景层可以吃全行业的利润”
5)一句话总结(高密度版)
“API 比网页端更赚钱”这句需要谨慎,现有公开报道更倾向于ChatGPT 订阅仍是收入大头。
但这段话的结构判断是对的:
训练 → API → 场景 是 AI 商业化的主路径
价值会在“API 平台化”和“场景产品化”两端同时爆发
相关观点
- 2026 年将成为 AI 助手之年。AI 会记住每一个生日、你产生过的每一个想法、以及你这周需要完成的每一项任务。 它会帮你研究潜在客户或候选人,在你意识到问题之前就提前提示风险,并将你的生产力翻倍。 它会成为你的第二大脑。 我们今天已经展示了一些示例,这周我还会展示更多 2026 will be the year of the AI assistant. AI will remember every birthday. Every idea you had. Every task you need to do this week. It will do research on potential clients or hires. Surface red flags before you become aware of problems. Double your productivity. It will become your second brain. We showed some examples today. I will show more this week.Fred Krueger · 2026/02/03
- 再过 104 天,Warsh 将出任美联储主席。美联储与财政部将实现立场一致。双方都认为,未来属于数字资产。 104 days from now Warsh will be Fed Chair The Fed and Treasury will be aligned. Both believe the future is digital assets.Fred Krueger · 2026/02/01
- 几乎所有金融市场理论本质上都是毫无价值的: 夏普比率(Sharpe ratios) 有效前沿(Efficient frontiers) 60/40 资产配置 传统资产配置理论 有 70 多万人在兜售和推广这些东西。实际业绩却糟糕透顶。 它们完全错过了比特币,而且直到现在,仍然在错过。 Almost all of Financial Markets theory is essentially worthless: - sharpe ratios - efficient frontiers - 60/40 diversification - asset allocation 700K+ people pushing this stuff. The track record is terrible. Completely missed and continues to miss Bitcoin.Fred Krueger · 2026/01/17
- “能源最大的需求来自人工智能,而不是制造实体产品。”(未来真正吞噬能源的不是工厂,而是 AI)—— 埃隆·马斯克(Elon Musk) "The main need for energy is AI, not manufacturing things" -- ElonFred Krueger · 2026/01/12