旧金山——9 月 8 日，OpenAI 首席财务官 Sarah Friar 发表署名文章《The Work Now Within Reach》（触手可及的工作）。在首席科学家谈"减速"、研究团队晒"自动化实习生"的同一周，CFO 出场讲第三件事：钱。
这篇文章没有一行代码、没有一个基准分数，却回答了笼罩在整个 AI 行业头顶的那个问题：当训练一个前沿模型的成本以十亿美元计，这门生意的账到底能不能算平？Friar 给出的答案是一个自我强化的飞轮——更好的模型打开新的工作，更高效的算力让这些工作做得起，增长的收入再喂养下一代研究——以及支撑这个飞轮的三块踏板：消费者与企业的互相导流、全栈算力的成本控制、以及被反复强调的"资本纪律"。
对一家刚刚发布"史上最强模型"、同时又处于史上最大规模 AI 基础设施投入周期中的公司，CFO 的每一次公开表态都是一次路演。这篇也不例外——但它透露的运营数据，比路演话术诚实得多。
[1]
10 亿周活的导流机器
文章给出的头一组数字是规模：**OpenAI 的产品每周触达超过 10 亿活跃用户，企业客户 250 万家。**每一次研究进展都直接改进 ChatGPT、ChatGPT Work、Codex 和 API 生态——"一次模型研究投资，支撑多条产品线及其多元化收入流"。
比规模数字更有信息量的是留存曲线：对个人 ChatGPT 计划用户的研究显示，**注册六个月后的日均消息量比第一个月高约 50%，尝试过的任务类型数量翻倍。**Friar 把这解读为"发现价值 → 增加使用 → 增加付费"的飞轮起点——免费层（广告支持）负责让人发现 AI 能干什么，订阅与按量计费负责把价值变现。
"消费者与企业互相强化"的论证则是典型的 CFO 语言：在家用熟 ChatGPT 的人把它带进办公室，企业部署反过来改变个人对 AI 的期待，开发者生态则把产品延伸到 OpenAI 自己想不到的场景。她甚至预告了一个更远的状态：随着代理产品越来越了解你，个人与工作的传统边界将持续模糊——同一套模型，白天替你上班，晚上替你生活。
[1]案例墙：CFO 选中的五个故事
文章嵌入的五个客户案例，每一个都是精心挑选的叙事弹药：
- 波士顿儿童医院：AI 辅助研究帮专家在此前未解的罕见病病例中找到答案，超过 40 例确诊——"AI 救命"牌；
- Replit：Free Mode 让用户不消耗额度就能探索创意、规划软件——"AI 普惠"牌；
- Cars24：AI 代理每月处理超过 100 万分钟的购车对话，从比车到预约试驾——"AI 替代客服"牌；
- Circles：客服工作流 65% 自主解决率——"AI 降本"牌；
- Balyasny Asset Management：宏观情景分析从两天压缩到约 30 分钟——"AI 提效金融"牌。
医疗、开发者、消费服务、电信客服、对冲基金——五个行业、五种价值主张，构成一份面向企业决策者的采购清单。值得注意的是，五个案例里没有一个是"写诗画画"式的消费场景：CFO 的案例墙只陈列能写进 ROI 计算器的价值。
[1]"辣椒"芯片与成本曲线的下半场
文章技术含量最高的部分在算力章节。Friar 梳理了 OpenAI 全栈算力策略的三个降本抓手：
其一，软件层：GPT-5.6 Sol 曾帮助改进生产环境的推理服务软件，端到端服务成本降低 20%；后续改进又带来超过 15% 的 token 生成效率提升。
其二，硬件层：OpenAI 首款自研推理芯片 Jalapeño（西班牙语"辣椒"）首次公开了测试数据——在 InferenceX 对三个公开模型的测试中，其峰值每瓦 token 吞吐为被测商用系统的 1.5–1.9 倍，端到端延迟低 1.7–3.6 倍；计划年底前开始部署，与 NVIDIA、AMD 等伙伴的加速器并行使用。
其三，组合哲学：训练前沿模型与运行快速交互代理对基础设施的要求不同，"自建能改善性能或成本的环节，合作采用别人的最优解"。
把这三条与 GPT-6 Astra 发布时的成本叙事（几乎每项基准对比都附"成本低 X%"）连起来看，OpenAI 正在讲一个完整的故事：**模型层、软件层、芯片层的成本优化会层层相乘，最终在"每任务成本"这个指标上与对手拉开身位。**当智能的价格持续下降，"哪些工作值得做"的答案会持续改写——这是标题"The Work Now Within Reach"的真正含义：不是工作变多了，是做得起的工作变多了。
[1]资本纪律：一篇写给质疑者的防守文章
值得玩味的是文章结尾部分的语气变化。在描绘完飞轮之后，Friar 用了一整段讲"资本纪律"（capital discipline）：每项投资按"能服务多少需求、多快变成产能、回报能否覆盖投入"来评判。
这段话的听众显然不是普通读者。在 AI 基础设施军备竞赛里，OpenAI 是那个把筹码推得最凶的玩家——数据中心、芯片、长期算力合约，每一项都是十年计的巨额承诺。市场对这类投入的质疑从未停止：万一需求增长不及预期，这些产能就是财报上的黑洞。Friar 的回答是：我们有 10 亿周活的需求底座，有 50% 的半年使用增长，有消费者到企业的双边导流，有自研芯片的成本对冲——飞轮的每一环都有数据，这不是信仰，是流水线。
作为分析，需要补一句冷静的话：文章里所有的增长数据都是"使用率"指标（消息量、任务类型数），而不是直接的盈利指标；广告支持的免费层如何在不伤害体验的前提下变现，文章只字未提；Jalapeño 的对比基线是"被测商用系统"而非最新旗舰加速卡。CFO 的文章天然是向着投资人说话的文体——但这并不妨碍它是理解 OpenAI 战略最有信息量的一类文本：一家公司怎么花钱，比它怎么说梦，更接近真相。
[1]分析：三个判断
**第一，AI 公司的 CFO 正在成为仅次于 CEO 的叙事者。**当单次训练以亿美元计、数据中心以吉瓦计，"故事"就必须配上"账本"。从 Friar 的系列文章（全栈算力、AI 原生财务、AI 记分卡）到这篇，OpenAI 在系统性地把技术优势翻译成资本语言——这是在为某个更大的资本市场事件铺路，IPO 与否，话术先行。
**第二，"自研芯片"从成本优化变成了身份声明。**Jalapeño 的 1.5–1.9 倍每瓦吞吐不是颠覆性数字（对比基线未必是最新旗舰），但它的战略含义在于：OpenAI 不再满足于做"英伟达生态里最大的客户"，而要成为"有能力给自己造备胎的客户"。对供应商的议价权，比那点能耗优势值钱得多。
**第三，消费与企业的边界消融，是 AI 商业模式里最被低估的变量。**10 亿个人用户是 250 万企业客户的采购员——当员工在家用熟了某个 AI，企业的软件采购就不再是 CIO 的单方决策。这个"自下而上"的渗透路径，正是当年 Slack 和 Zoom 验证过的企业软件闪电战，只不过这次的用户基数大了两个数量级。
首席科学家在同一周提醒世界：我们可能看不住正在造的东西。CFO 在同一周告诉世界：这门生意的账，算得平。两句话放在一起，才是 OpenAI 2026 年秋天完整的样子——技术上看不见终点，财务上看不见刹车，而方向盘上坐着同一批人。
[1]附：短帖版（微博 / X 可直接发）
OpenAI CFO Sarah Friar 署名文章晒账本：产品周活超 10 亿、企业客户 250 万；个人用户半年留存日均消息量 +50%；客服案例 65% 自主解决、对冲基金宏观分析两天压到 30 分钟；自研推理芯片 Jalapeño（辣椒）首测：每瓦 token 吞吐 1.5–1.9 倍、延迟低 1.7–3.6 倍，年底前部署。全文落点在四个字：资本纪律——飞轮的每一环都有数据，这不是信仰，是流水线。#OpenAI #Jalapeño #AI商业模式
[1]