1.OpenAI财务数据首曝光！ 三年营收暴增10倍、算力缺口成“广告变现”转折点

2.着力提升算力治理效能

3.工业智能体：发展机遇与破局之道

4.鸿蒙HarmonyOS 6推出新春主题功能：新增马年专属水印

1.OpenAI财务数据首曝光！ 三年营收暴增10倍、算力缺口成“广告变现”转折点

在算力与营收三年暴增近十倍的背后，OpenAI也面临投资压力。 随着订阅制难以支撑指数型算力需求，公司开始导入广告与成果分成等新模式，试图让收入紧扣 AI 真正创造的价值，而不只是使用时间。

根据《Business Insider》报道，OpenAI财务长Sarah Friar近日首度公开一组关键运营数据，揭示这家AI龙头近三年的惊人扩张速度。

她指出，OpenAI在2023年投入约0.2吉瓦算力，年营收约20亿美元; 2024年算力提升至0.6吉瓦，收入增长至60亿美元; 到了2025年，算力跃升至1.9吉瓦，年营收更突破200亿美元。

短短三年内，无论算力或收入皆成长近十倍。 Friar形容，这是一个不断自我强化的循环：算力支撑更强大的模型，模型吸引更多用户，用户带来更高收入，收入再回头投入算力。

然而，问题也随之浮现。 要让这个循环持续运转，算力投资的需求呈现指数型成长，仅依赖订阅制收入，已难以追上算力需求的扩张速度。

在此背景下，OpenAI近期宣布，将在美国市场对 ChatGPT免费用户测试广告机制。 不过，OpenAI强调，这并非传统意义上的广告变现。

OpenAI列出多项原则，包括广告仅出现在回答底部、清楚标示、不影响模型输出结果，且不贩售对话数据，用户也可关闭个性化设定。

Friar 直言：“商业化必须融入使用体验，如果不能创造价值，就不该存在。”

这句话道出了OpenAI对AI商业化的核心理解：广告不只是贴在产品上的收入工具，而应成为产品价值的一部分。

广告像功能，而不是干扰

针对为何广告必须“长得不像广告”，Friar进一步举例说明广告应如何“融入场景”。

她指出，当用户向ChatGPT询问周末想前往圣地亚哥旅游时，系统不只提供交通建议与天气资讯，还可能顺势提出住宿选项，甚至进一步协助比较哪些房源更适合亲子同行。

这样的呈现方式，并非刻意推销商品，而是延续原本的需求，帮助用户把事情完成。

与传统跳出式广告或搜索结果中的“赞助标签”不同，这类推荐是在用户做决定的关键时刻出现，目的在于缩短决策时间，而非打断体验。

对用户而言，感受到的是协助，而不是干扰; 看到的也不是广告版位，而是服务流程的一部分。

不过，广告能否融入情境，并不代表它可以影响答案本身。 Friar明确指出，用户永远应该拿到模型判断下的最佳结果，而非因付费而调整的内容。

无论是否显示广告，ChatGPT 的回答排序与建议逻辑都不会被干预，更不允许引导用户做出特定选择。 这项原则，正是OpenAI对用户信任的核心承诺。

在这样的前提下，广告不再只是单纯的营收工具，而成为产品能力的一环。

它让OpenAI能一方面持续服务大量免费用户、推动AI普及，另一方面也建立更稳定的收入来源，让用户不必先付费，才能享有智慧服务。

AI 不卖使用时长，而是卖结果

在谈及 AI 的价值时，Friar特别指出，ChatGPT与Netflix（NFLX-US）等平台最大的不同，在于“不以使用时长计价”，而是提供“结果”。

她分享个人经验，提到女儿因特殊饮食需求，过去在餐厅点餐时常感焦虑，如今只要拍下菜单交给ChatGPT，就能快速判断哪些餐点适合、哪些需避开。

在专业场景中，这种“帮助决策”的价值更加明显。 她提到兄弟在苏格兰一家医院担任加护病房医师，面对症状复杂或罕见疾病的病患，ChatGPT能协助快速列出潜在诊断方向，避免关键线索被忽略。

类似的转变也发生在企业内部。 OpenAI的财务团队过去需投入大量人力逐一审查合约条款，如今透过AI工具，系统可自动辨识异常条款，甚至协助判断是否反映商业模式需要调整，让团队从重复劳动转向高价值决策。

算力不是成本，而是成长引擎

随着用户与使用频率增加，算力需求也水涨船高。 OpenAI首席经济学家的报告显示，重度企业用户的使用量是一般企业的六倍，且仍未达上限。

Friar坦言，目前的限制不是需求不足，而是算力不够。 她指出：“如果现在有更多算力，我们可以推出更多产品、训练更多模型。”

面对外界质疑高额投资是否形成泡沫，她反驳，泡沫是需求还没起来就抢先投资，最后钱打了水漂，不过，OpenAI是跟着需求在投，甚至现在的投资还跟不上需求成长，也因此公司需要投入广告。

根据麦肯锡研究，AI应用成熟的企业，生产力可提升27%至33%，这并非概念，而是实际成果。

从广告到分成收入模式持续扩张

为了承担持续扩大的算力投资，OpenAI势必要建立更具弹性的营收结构。 虽然广告能在短期内带来现金流，但显然不足以支撑长期发展。

Friar在访谈中特别强调，OpenAI正积极布局更耐久、也更贴近价值创造的获利模式。

她以药物研发为例说明。 若一家药厂运用OpenAI的模型成功开发新药，等产品上市并取得商业成功后，OpenAI才从实际销售成果中分润，而非依模型使用次数或运算量计费。 这种做法被她称为“授权分成”。

相较于传统软件采取固定月费、不论成效如何都照收费的模式，授权分成更像是共同承担风险、共享成果的合作关系。

客户做得越好，OpenAI的回报也越高，双方利益自然绑在一起，关系不再只是供应商与买家，而更接近伙伴。

这种模式也替AI打开了过去难以切入的产业大门。 像医疗、金融、能源等领域，项目周期长、投入成本高，企业往往不愿为不确定的成果提前支付订阅费。

但在分成机制下，风险由双方分担，企业反而更有意愿投入长期应用。

不过，授权分成只是其中一环。 整体来看，OpenAI的营收来源正快速多样化。 Sarah Friar形容，OpenAI 的商业模式就像一颗不断变化的魔方。

创立初期，OpenAI只有一项核心产品 ChatGPT、一种定价方式（订阅制）、单一主要合作伙伴，以及有限的芯片选项。

如今，产品线已扩展至ChatGPT、Sora与各类API，收费方式也涵盖订阅、按量计费、点数制与授权分成，同时拥有多家合作伙伴与芯片供应来源。

这颗魔方能按不同条件重新组合，产生各式各样的商业模式：

• 高效芯片结合程序开发能力，可形成高端订阅服务;

• 生成式影像搭配免费用户规模，则能发展为广告平台。

• 只要场景不同，组合就不同，获利方式也随之改变。

在所有收入来源中，企业市场被视为最具潜力的一块。 OpenAI仅用一年半时间，就吸引超过100万家企业客户，创下前所未有的增长速度。

然而，调查显示，目前真正将AI助手纳入日常工作的企业仅约14%，但高达9成的企业表示，已在使用或计划于一年内导入OpenAI相关工具。

这也意味着，外界目前看到的各种变现模式，仍只是开端。

Friar最后总结指出：“让收入随着 AI 所创造的实际价值一同成长，才是可长可久的策略。”这句话看似简单，却精准点出了 整体商业布局的核心思维。（钜亨网）

2.着力提升算力治理效能

当前，新一轮科技革命和产业变革深入发展，人工智能、大模型等颠覆性技术加速演进，算力作为支撑数字时代创新的核心引擎，已由传统信息基础设施跃升为驱动新质生产力发展的关键生产要素，成为大国科技竞争的战略制高点。习近平总书记强调，“统筹推进算力基础设施建设”。《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》提出，“适度超前建设新型基础设施，推进信息通信网络、全国一体化算力网、重大科技基础设施等建设和集约高效利用”。落实这一战略部署，不仅在于算力基础设施的规模扩张和物理覆盖，更在于提升算力资源的利用效率、配置水平与价值实现能力。着力提升算力治理效能，已不再是单一技术领域的问题，而是直接关系人工智能发展主动权、新质生产力培育、产业链安全和国家数字竞争力的战略必需。

在算力规模持续扩大、应用需求快速增长的背景下，算力治理滞后所带来的结构性矛盾日益显现。为破解算力治理难题，必须立足高质量发展和数字中国建设全局，充分发挥市场在资源配置中的决定性作用，更好发挥政府作用，强化基础制度先行，系统嵌入绿色理念，推动算力发展由规模扩张向价值释放转变，为加快发展新质生产力提供坚实支撑。

算力要素的市场化配置、技术主权与产业链安全保障、外部性的系统治理，并非彼此割裂，而是相互嵌套、相互制约的。因此，必须摒弃碎片化、单点式的应对思路，加快构建以制度奠基为前提、以技术赋能为支撑、以市场驱动为导向的协同治理框架。这既是建设全国统一大市场、畅通数据—算力—应用循环的重要支撑，也是推动数字经济高质量发展的核心引擎，更是我国在全球数字规则博弈中争取制度性话语权、塑造战略主动权的重要支点。

夯实制度根基，健全算力要素市场化配置机制

推动算力高效流动，首要任务是夯实制度根基，破除要素市场化配置的体制机制障碍。

加快算力确权与规则体系建设。应尽快在国家层面明确算力的法律属性，界定投资方、运营方、使用方的权责边界，确立“谁投资、谁拥有、谁受益”的基本产权原则。同步制定覆盖算力基础设施规划、建设、调度、安全与能效的统一技术标准，破除地方保护和封闭生态壁垒，促进跨平台互认互通。同时，强化安全制度供给，加快制定覆盖采集、传输、存储、处理、共享、销毁全生命周期的数据安全管理规范，推广隐私计算、可信执行环境等技术，提升跨域算力调度的安全性与效率，筑牢可信流通的制度底座。

加快建设全国一体化算力交易平台。支持有条件地区探索建设算力交易平台，推动算力资源标准化建设。创新服务模式，通过财政补贴、信用赋能等方式，降低中小企业获取和使用算力的门槛。同步建立基于能耗、性能、时延与服务质量等多维指标的算力评价体系，形成反映真实供需关系的市场化定价机制，为算力资产质押融资、证券化等提供制度支撑。

强化绿色治理与算电协同相衔接。将能耗强度、绿电使用比例、单位算力碳排放等指标系统纳入数据中心规划审批、能效评级和监管体系，有序推动相关要求与全国碳市场衔接。进一步推动算力与电力协同发展，更好发挥算力在促进新能源消纳和增强电力系统调节能力中的作用。围绕这一目标，健全基于实时电价、调峰需求和新能源出力预测的弹性调度机制，推动形成标准化的电网响应接口；完善“隔墙售电”机制，扩大绿电直连适用范围，提升新能源就近就地消纳水平；探索将绿电消纳和调峰响应纳入绿色算力认证及碳抵消机制，推动环境价值可计量、可交易、可激励，促进算力发展与“双碳”工作协同共进。

强化技术赋能，构建自主可控的算力产业生态

没有自主可控的技术底座，算力治理便是无源之水、无本之木。必须坚持软硬协同、生态共建，加快突破关键核心技术，构建开放兼容、可持续演进的国产算力技术体系。

系统性突破“卡脖子”关键环节。建议设立国家级算力基础软硬件重大专项，聚焦核心技术瓶颈，推动实现从设计、制造到工具、应用的全链条自主。避免重硬件、轻软件的投入惯性，加大对底层软件的支持力度，筑牢技术根基，形成涵盖芯片、算法、框架、平台的完整技术栈，提升产业链整体安全水平。

打造开放兼容的国产算力生态。鼓励龙头企业牵头建设开源算子库、模型迁移工具和兼容主流开发环境的编程接口，大幅降低开发者适配国产平台的成本。支持高校和科研机构将国产算力平台纳入教学与科研体系，培育本土开发者社区，逐步形成“应用—反馈—迭代”的良性循环，增强生态黏性与活力。通过构建开放标准和技术接口，促进国内外开发者广泛参与，形成多方共赢的技术生态系统。

积极参与全球算力治理规则制定与技术标准提案。一方面，倡导开放包容、公平合理的算力治理原则，反对技术“阵营化”与数字保护主义。另一方面，推动我国在算力网络调度等优势领域形成国际标准提案；支持国内领先企业深度参与国际开源社区，在底层规则制定中嵌入中国方案，争取制度性话语权，提升我国在全球算力治理中的影响力和主导权。

激发市场活力，推动实现跨区域协同与多元参与

制度设计与技术供给必须配套有效的市场激励机制，通过建立合理的利益分配机制，充分激发各类市场主体的积极性，推动形成多元协同、良性互动的算力治理格局。

健全东西部利益共享机制。可探索绿色溢价补偿机制，由东部高价值算力用户为使用西部绿电算力支付额外费用，将环境正外部性转化为可计量、可分配的经济收益；推行跨区域税收分成制度，将算力服务产生的部分增值税、所得税按约定比例返还西部承载地。通过制度性安排，让西部真正从算力输出中获得可持续收益，吸引人才、资本与产业回流。

打通绿色算力价值变现通道。支持符合条件的数据中心参与电力辅助服务市场，对主动响应电网调峰、提升绿电就地消纳能力的算力负荷给予经济奖励。推动算力供给主体纳入绿电直供适用范围，并在地方实施细则中予以确认，配套完善绿电消费的精准计量、独立结算与第三方认证规则，使绿色用能成为可交易、可融资、可国际互认的标准化资产。

创新多元化金融支持工具。针对算力项目投资规模大、回收周期长、技术迭代快等特点，鼓励金融机构开发专属金融产品，如基于长期算力服务合同的应收账款质押、算力未来收益权证券化、绿色算力专项债券等，推动算力资源向可评估、可融资、可交易的资产形态转化。同时，设立算力产业引导基金，重点支持具备市场化运营能力、技术自主性强、绿色绩效突出的平台型企业，发挥财政资金杠杆效应，形成可持续的投融资生态。

培育多元协同的治理主体。鼓励数据中心创新算力服务模式，运用智能调度技术整合社会算力资源，实现跨主体、跨地域的高效复用与供需匹配，缓解中小企业在获取和使用高性能算力时面临的成本高、能力弱等现实困境。支持地方结合产业特色建设场景化算力服务平台，推动算力服务从通用化供给向深度嵌入智能制造、智慧医疗、自动驾驶等垂直领域转型，提升算力在实体经济中的价值转化效率。

（作者：阮傲、彭璧玉，分别系华南师范大学国际商学院讲师、经济与管理学院教授）

3.工业智能体：发展机遇与破局之道

当前，新一轮科技革命和产业变革加速演进，人工智能正从“感知理解”向“生成创造”与“决策执行”迈进。作为数字技术与实体经济深度融合的典型代表，工业智能体正在重塑工业生产的组织形态与价值创造模式。为贯彻党中央、国务院关于推进新型工业化的决策部署，工业和信息化部于2026年1月6日印发《工业互联网和人工智能融合赋能行动方案》。站在2026年的新起点上，工业智能体已跨越概念验证阶段，步入场景化落地的攻坚期。鉴于工业场景对实时性、可靠性与互联互通的严苛要求，亟须厘清技术演进脉络，突破规模化应用瓶颈，构建适应新质生产力发展的工业智能体产业生态。

什么是工业智能体

形象的理解，如果说传统工业软件是被动执行的工具，通过点击执行既定命令，那么工业智能体就是一位经验丰富的“数字工匠”。它不仅听得懂模糊的自然语言指令，还能想得透如何拆解复杂任务，并能调得动各种工具和设备执行作业，甚至在遇到突发状况时懂得自我调整。

严谨的定义，工业智能体是指以大模型为核心认知与推理引擎，深度融合工业知识图谱、机理模型与领域数据，具备环境感知、逻辑推理、任务规划、工具调用及多体协同能力的自主智能系统。

深刻理解工业智能体的三维进化

工业智能体是人工智能技术与工业互联网深度融合的高级形态，它标志着工业AI从识别与预测的旁路辅助，正式进入决策与执行的主路控制。相较于工业互联网的已有探索，工业智能体在三个维度实现了本质进化：

一是交互能力由数据互联迈向语义互通。工业互联网初步解决了哑设备说话的问题，但设备间仍是各说各话，通信协议和数据格式的互操作是工业界多年来的难题。工业智能体具备了语义理解能力，打破了异构设备间的认知壁垒。它们不再仅仅传输数据包，而是交换意图与知识，实现了从物理连接到认知协同的跨越。

二是决策模式由规则驱动迈向目标驱动。工业自动化系统严格遵循“If-Then”的既定逻辑，一旦遭遇规则之外的异常，系统往往报错或停机。工业智能体以能耗最低、良率最高等最终目标为导向。面对不确定环境，它能像行业专家一样，基于机理模型动态生成新策略，实现从自动化到自主化的质变。

三是组织形态由单点赋能迈向群体智能。传统的工业AI通常作为质检相机、预测算法等单点工具存在，彼此孤立。工业智能体如同封装了特定技能的数字员工，涵盖设计智能体、调度智能体等角色。它们能够通过自组织网络进行分工协作，通过多智能体协作模式解决单一模型无法处理的复杂系统性问题。

从单点优化到多体协同的范式

一是从结构化指令到自然语言编程的模糊性应对。传统工业自动化开发依赖专业工程师编写严谨的结构化代码。工业智能体利用生成式AI强大的语义理解与泛化能力，通过深度解析用户模糊的、非标准化的意图，自动匹配工业领域的标准库与API接口，将其精准转化为控制代码或运行参数，从而降低工程开发的复杂度。

二是从PID控制到强化学习决策的不确定性处理。传统PID控制依赖人工设定的固定参数，擅长处理线性的、稳定的工况。工业智能体可以通过数百万次的试错训练，利用多目标奖励函数探索出人类经验之外的最优控制策略。再结合机理模型的物理约束，工业智能体就能在极度不确定的动态环境中始终维持生产的最优工况。

三是从局部优化到多智能体协作的全局优化实践。传统工业软件往往是孤立的烟囱式架构，寻求单点最优可能导致全局次优。而工业智能体通过引入虚拟市场机制或博弈论算法，能够在没有中央控制器的指令下，通过不同智能体之间的交互自动涌现出全局总成本最低、效率最高的调度方案。

制约规模化发展的四重困难

一是概率性生成与确定性控制的矛盾。生成式AI本质是基于概率预测的，这导致了内生的幻觉风险。在聊天机器人中，1％的错误只是一个无伤大雅的插曲；但在化工厂，0.1％的控制偏差可能导致爆炸或百万级的损失。如何通过引入物理机理约束，确保智能体决策严格遵循工艺规范与安全法则，是实现工业级可靠应用的前提。

二是语义理解差异与统一认知对齐的阻隔。面对工业现场复杂的协议体系与高度异构的设备环境，数据层面的互通难以直接转化为语义层面的理解。由于缺乏统一的工业本体模型与领域知识图谱，智能体之间难以实现标准化意图对齐，导致其认知能力局限于局部，制约了全局优化水平的提升。

三是可解释性缺失与权责认定的模糊。传统工业软件逻辑清晰透明，而深度学习模型像一个黑盒。当智能体做出一个反直觉的决策时，一线工人不敢执行，管理层不敢担责。一旦发生事故，究竟是算法的错误，还是数据的偏差？这种权责界定的空白，直接制约了企业大规模部署的决心。

四是高昂推理成本与微薄工业利润的冲突。工业领域对成本极度敏感。当前大模型的高频调用需要昂贵的算力资源支持。如果识别一颗螺丝钉的缺陷需要消耗1元的云端推理算力，这甚至超过了螺丝钉本身的利润。如何实现模型的小型化、边缘化，实现高智商与低能耗的平衡，是商业化落地的最大掣肘。

构建可信互通融合的生态

一是技术攻关，由云端大模型向边缘小模型下沉。建议重点研发面向工业场景的轻量化、垂直类模型。推动构建“云边协同”架构，将复杂的训练放在云端，将实时的推理与控制下沉到边缘侧，以解决时延与带宽成本问题。建议加强可解释性AI等前沿技术研发，构建覆盖全生命周期的安全评测与验证体系，着力解决应用安全性与可信度难题。

二是标准先行，由接口性规范向互操作体系升级。建议依托中国通信标准化协会、国家工业互联网标准总体组等，加快研制涵盖工业智能体接口规范、通信协议、语义交互、安全认证的综合性标准体系。建议依托工业互联网标识解析服务网络、工业互联网平台、“星火·链网”区块链等基础设施，打造工业领域的通用本体模型，推动跨厂商、跨平台的工业智能体互操作机制与生态系统构建。

三是场景遴选，由全景图铺开向高价值切口聚焦。建议避免大而全的投入模式，优先遴选容错率相对高、人工替代价值大的场景开展试点。遵循从辅助助手到自主代理，最后迈向自主系统的渐进式路径，以点带面，确保每一个落地场景都能形成闭环的商业价值。

四是生态保障，由技术化验证向制度性护航进阶。技术落地，制度先行。建议构建适应“人机共生”的新型生产关系。一方面，建立工业AI复合型人才培养机制，培训一线工人学会使用和管理工业智能体。另一方面，建立国家级工业智能体测试评估中心，对工业智能体的决策边界、伦理规范与安全性进行极限测试并进行认证，从制度层面消除企业不敢用、不敢管的后顾之忧。（新华网）

4.鸿蒙HarmonyOS 6推出新春主题功能：新增马年专属水印

1月27日，HarmonyOS 6推出一系列新春主题功能更新。新功能包括“鸿运签名堂”，提供艺术签名设计及马年限定签名样式；相机应用新增马年专属水印；以及“贺岁视频一键成片”，可将静态照片自动生成动态视频。

此外，系统加入了“AI沾色”功能，可根据照片智能推荐或复刻新春色调。在跨设备交互方面，“传福守护站”支持手机间碰一碰快速分享图片、视频、文件及第三方应用内容，并限时上线碰一碰触发烟花特效的互动玩法。

用户需将设备系统升级至HarmonyOS 6.0.0.130或以上版本方可使用上述功能。具体升级时间以官方推送为准。（凤凰网）