OpenAI 的混合架構與 Microsoft 合作

2019 年，OpenAI 改了公司架構。它從純 nonprofit，轉成 nonprofit 加 capped-profit 的混合模式。這一步很現實。因為訓練大模型，真的很燒錢。

後來它和 Microsoft 綁得更深。這讓 ChatGPT 不只是聊天機器人。它變成一個有雲端、算力、企業通路撐著的產品。

講白了，AI 公司不是只有演算法。還有伺服器、GPU、資料中心、人才，全部都要錢。誰能先把這些東西買齊，誰就能先跑起來。

為什麼 OpenAI 要改架構

OpenAI 2015 年成立時，是個研究型 nonprofit。那時候的想法很單純。先做 AI 研究，再談商業化。但到了 2019 年，事情變了。模型越做越大，成本也越來越高。

純 nonprofit 的資金結構，扛不住這種燒法。於是它做了 OpenAI LP。這是 capped-profit 架構。投資人可以賺錢，但回報有上限。

這種設計很怪，但很合理。因為一個 frontier model 的訓練成本，常常是數百萬美元起跳。還不算重訓、評估、安全測試和推論成本。沒有外部資金，很多事根本做不動。

• OpenAI 2015 年先以 nonprofit 形式成立。
• 2019 年加入 capped-profit 架構。
• 目的很直接：吸引外部資金。
• nonprofit 仍保有使命控制權。

我覺得這件事很有意思。它不是理想主義打敗現實。它是理想主義去適應現實。AI 研究想走遠，先得有錢燒。

這也解釋了為什麼 AI 公司都很在意資本結構。你沒辦法只靠熱情訓練 LLM。你得先買 GPU，再談願景。

Microsoft 為什麼願意下重注

Microsoft News 不是只給 OpenAI 錢而已。它還給了雲端算力。OpenAI 很多訓練和部署，都靠 Azure。這種合作，對新創來說超重要。

因為 AI 模型不是做完就結束。它要一直跑。要服務使用者，就要一直吃算力。沒有雲端後盾，產品很容易卡死在 demo 階段。

Microsoft 也不是做慈善。它想在 AI 市場搶位置。OpenAI 的模型，剛好能塞進 Office、搜尋、開發工具和企業軟體。雙方各取所需，但也會卡在治理和依賴問題。

“We have to be building AI that people really trust.” — Sam Altman，OpenAI 執行長，2023 年 DevDay

這句話很直白。OpenAI 要做大，就得讓人敢用。可是 AI 越強，外界對它的要求也越高。這種壓力，後面只會更大。

Microsoft 的角色，還有一個效果。它把 OpenAI 從研究圈，推進到產品圈。當模型開始進入企業流程，它就不再只是技術新聞，而是商業基礎設施的一部分。

• Azure 成了 OpenAI 重要的雲端基礎。
• Microsoft 把模型塞進 Copilot。
• OpenAI 拿到企業級通路。
• 雙方的合作也帶來控制權問題。

這種合作很強，但不乾淨。算力在一邊，模型在另一邊，產品又要一起推。每一次決策，都會變得很政治。

而且說真的，這就是現在 AI 產業的常態。不是誰模型最帥就贏。是誰能把雲端、產品和銷售一起串起來，誰才有機會活得久。

ChatGPT 讓 OpenAI 變成產品公司

在 ChatGPT 出來之前，OpenAI 比較像研究機構。懂的人知道它，很多一般使用者根本沒聽過。到了 2022 年底，情況整個變了。ChatGPT 一上線，就開始爆紅。

OpenAI 公布過一個數字。ChatGPT 在 2023 年 11 月，週活躍用戶突破 1 億。這速度很誇張。很多軟體公司做十年，都碰不到這種量。

這也改變了 OpenAI 的收入結構。它不再只靠 API 和企業合作。它還有 ChatGPT Plus 這種訂閱服務。它開始像一間平台公司，也像一間消費軟體公司。

• ChatGPT 在 2023 年 11 月達到 1 億週活躍用戶。
• OpenAI 推出 ChatGPT Plus 訂閱。
• API 和企業方案變成收入來源之一。
• 它開始和 Anthropic、Google Gemini 競爭。

這裡的差別很大。以前 OpenAI 比較像實驗室。現在它要同時管產品、營收、服務品質和安全。每一條線都不能掉。

你可能會想問，這樣到底好不好？我的看法是，這讓 OpenAI 更有商業重量，但也更難做決策。因為每次更新模型，都不只是技術選擇，還會影響價格、流量和合作關係。

這套模式跟其他 AI 公司差在哪

OpenAI 的做法，不是唯一答案。只是它很有代表性。現在很多 AI 公司，都在想同一件事：怎麼養得起模型。因為訓練和推論的成本，真的不是小數字。

有些公司走大募資路線。像 Anthropic，靠大額融資撐住研發和產品化。它也很強調安全和企業市場。這條路和 OpenAI 類似，但資金來源更偏 VC 與戰略投資。

有些公司則靠大平台撐。像 Google DeepMind，背後就是 Google。它有搜尋、雲端、廣告和資料基礎。這種模式很猛，但也比較像大企業內部戰線。

• Anthropic：大額融資，主打安全與企業。
• Google DeepMind：靠 Google 的資源和通路。
• Meta AI：用廣告現金流支撐模型與開源。
• OpenAI：靠混合架構和 Microsoft 合作。

這幾種模式，沒有誰絕對最優。差別在於，誰能把算力成本壓下來，誰能把模型放進真實工作流程。AI 不是只比 benchmark。還要比部署速度、開發者生態和商業回收。

我自己會把 OpenAI 看成一個很典型的案例。它證明一件事。現在的 AI 產業，光有研究不夠。你還得有財務結構，還得有雲端夥伴。

這件事其實是在講 AI 經濟

OpenAI 的故事，表面上是公司架構。實際上，是 AI 經濟怎麼運作。模型越大，成本越高。成本越高，就越需要外部資金和基礎設施。

這也是為什麼很多 AI 公司會跟雲端廠商綁很深。因為訓練和推論都要算力。算力不是抽象概念。它就是 GPU、機房、電費和維運人力。

而且這個市場很現實。誰能拿到更多資源，誰就能更快迭代。誰能更快迭代，誰就更容易吸引用戶。這是一個很直接的循環。

所以 OpenAI 的混合架構，不只是財務設計。它其實是在回答一個問題：當 AI 成本一路往上，你要怎麼維持研究目標，又不把公司餓死。

如果你看產業脈絡，這種問題只會越來越常見。模型會更大，推論會更貴，企業客戶也會更在意成本。接下來，AI 公司比的不只是模型能力，還有供應鏈和資本效率。

接下來看什麼

我覺得 OpenAI 下一個重點，不是流量，而是控制權。誰管算力，誰管產品，誰管商業化速度，這些問題都會越來越尖銳。

你如果在看 AI 產業，先盯兩個數字就好。第一是 compute spend。第二是留存率。這兩個數字，比一場發表會更能看出一家公司的真實狀態。

如果 OpenAI 之後再調整架構，或和 Microsoft 綁得更深，那就不是小事。那會直接告訴大家，AI 公司到底要怎麼長大，才不會先被成本壓垮。