[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-openai-funding-180b-13-rounds-zh":3,"article-related-openai-funding-180b-13-rounds-zh":32,"series-model-release-e0b62428-4420-48c3-8d2d-445a11915db0":83},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":24,"views":28,"created_at":29,"published_at":30,"topic_cluster_id":31},"e0b62428-4420-48c3-8d2d-445a11915db0","openai-funding-180b-13-rounds-zh","OpenAI 融資累計達 1800 億美元","\u003Cp data-speakable=\"summary\">\u003Ca href=\"https:\u002F\u002Fopenai.com\" target=\"_blank\" rel=\"noopener\">OpenAI\u003C\u002Fa> 13 輪融資累計達 1800 億\u003Ca href=\"\u002Fnews\u002F73m-ai-agent-crypto-settlements-keyrock-finds-zh\">美元\u003C\u002Fa>，最新一輪是 2026 年 4 月 22 日的 7500 萬美元 Series G。\u003C\u002Fp>\u003Cp>說真的，這個數字很誇張。\u003Ca href=\"https:\u002F\u002Ftracxn.com\" target=\"_blank\" rel=\"noopener\">Tracxn\u003C\u002Fa> 這筆資料寫得很直白：\u003Cstrong>$180B\u003C\u002Fstrong>、\u003Cstrong>13 rounds\u003C\u002Fstrong>、第一次公開輪次在 \u003Cstrong>2015 年 12 月\u003C\u002Fstrong>。最新一輪只拿到 \u003Cstrong>$75M\u003C\u002Fstrong>，而且只有 \u003Cstrong>1 位投資人\u003C\u002Fstrong>。\u003C\u002Fp>\u003Cp>你可能會想問，\u003Ca href=\"\u002Ftag\u002Fopenai\">OpenAI\u003C\u002Fa> 都這樣了，還需要融資？答案很簡單。人工智慧不是燒錢小生意。算力、伺服器、人才、資料中心，哪一項都不便宜。尤其是 LLM 競爭，錢燒得比很多軟體公司快太多。\u003C\u002Fp>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>指標\u003C\u002Fth>\u003Cth>數值\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>累計融資\u003C\u002Ftd>\u003Ctd>$180B\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>融資輪數\u003C\u002Ftd>\u003Ctd>13\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>第一次公開輪次\u003C\u002Ftd>\u003Ctd>2015 年 12 月\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>最新輪次\u003C\u002Ftd>\u003Ctd>Series G，2026 年 4 月 22 日\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>最新輪次金額\u003C\u002Ftd>\u003Ctd>$75M\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>最新輪次投資人\u003C\u002Ftd>\u003Ctd>1 位\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>這組融資數字代表什麼\u003C\u002Fh2>\u003Cp>先講白的。\u003Cstrong>$180B\u003C\u002Fstrong> 不是一般新創會碰到的等級。這種\u003Ca href=\"\u002Fnews\u002Fmobilegym-verifiable-parallel-mobile-gui-sim-zh\">規模\u003C\u002Fa>更像大型科技公司在做長期資本配置。它反映的不是單一產品熱度，而是整個 \u003Ca href=\"\u002Ftag\u002Fai-\">AI 基礎設施\u003C\u002Fa>的成本結構。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779777361847-zcfa.png\" alt=\"OpenAI 融資累計達 1800 億美元\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>對開發者來說，這很實際。融資越多，代表公司越有本錢買 GPU、擴 API 容量、訓練更大的模型，也更有空間做安全與對齊工作。這些東西最後都會回到你用的 \u003Ca href=\"\u002Ftag\u002Ftoken\">Token\u003C\u002Fa> 價格、延遲、穩定性。\u003C\u002Fp>\u003Cp>我覺得這也說明一件事。OpenAI 已經不是只靠 \u003Ca href=\"\u002Ftag\u002Fchatgpt\">ChatGPT\u003C\u002Fa> 吸流量。它在賭的是平台層收入。API、企業方案、工具鏈，才是它要長期守住的地方。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>$180B\u003C\u002Fstrong> 代表資本密度極高。\u003C\u002Fli>\u003Cli>\u003Cstrong>13 輪\u003C\u002Fstrong> 顯示它長期都在補資金。\u003C\u002Fli>\u003Cli>\u003Cstrong>2015 年 12 月\u003C\u002Fstrong> 是最早公開輪次。\u003C\u002Fli>\u003Cli>\u003Cstrong>$75M\u003C\u002Fstrong> 最新輪次很小，但很有指向性。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>最新一輪為什麼特別怪\u003C\u002Fh2>\u003Cp>這裡最有趣的地方，是最新一輪只有 \u003Cstrong>$75M\u003C\u002Fstrong>。對一家公司總融資已經到 \u003Cstrong>$180B\u003C\u002Fstrong> 來說，這筆錢真的不大。它不像那種大張旗鼓的募資，比較像定向補血，或是針對某個專案的資本安排。\u003C\u002Fp>\u003Cp>只有 \u003Cstrong>1 位投資人\u003C\u002Fstrong> 也很有意思。這通常代表交易結構比較窄，不是市場上大家一起湊一團。這種做法常見於特定策略合作，或公司內部的資本調度。\u003C\u002Fp>\u003Cp>從產品角度看，這種小額輪次可能比大額輪次更值得盯。因為它常常對應到某個明確方向。可能是模型訓練，可能是推理成本，可能是某條企業產品線。外界看不到細節，但錢的流向通常不會亂來。\u003C\u002Fp>\u003Cblockquote>“The first thing we need to do is make sure that the systems are safe, and then we can talk about how to make them useful.” — Sam Altman\u003C\u002Fblockquote>\u003Cp>這句話出自 \u003Ca href=\"https:\u002F\u002Fopenai.com\u002Fabout\" target=\"_blank\" rel=\"noopener\">Sam Altman\u003C\u002Fa>。講得很直白。先安全，再談好不好用。這也很符合 OpenAI 的路線。它不是只在拼模型分數，還在拼產品可用性、風險控管和擴張速度。\u003C\u002Fp>\u003Cp>如果你是做軟體的人，這句話其實很好懂。模型不是只有訓練完成就結束。後面還有部署、監控、回應速度、成本控制。每一項都要錢。\u003C\u002Fp>\u003Ch2>跟一般 AI 公司比差在哪\u003C\u002Fh2>\u003Cp>一般 AI 新創，募到幾千萬美元就算很能打。能到幾億美元，已經是市場焦點。OpenAI 的 \u003Cstrong>$180B\u003C\u002Fstrong> 直接跳到另一個層級。這不是同一場比賽。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779777357333-ool9.png\" alt=\"OpenAI 融資累計達 1800 億美元\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>你可以把它理解成三個層次。第一層是做模型。第二層是做平台。第三層是做基礎設施。OpenAI 現在比較像第三層。因為真正吃錢的，不只是訓練，還有推理和全球服務。\u003C\u002Fp>\u003Cp>競爭對手也不是省油的燈。\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\" target=\"_blank\" rel=\"noopener\">Anthropic\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fdeepmind.google\u002F\" target=\"_blank\" rel=\"noopener\">Google DeepMind\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fai.meta.com\" target=\"_blank\" rel=\"noopener\">Meta AI\u003C\u002Fa> 都在拉高標準。市場不是看誰會發新聞稿，是看誰能把模型做穩、做快、做便宜。\u003C\u002Fp>\u003Cul>\u003Cli>OpenAI 的總融資是最新輪次的 \u003Cstrong>2400 倍\u003C\u002Fstrong> 以上。\u003C\u002Fli>\u003Cli>最新輪次只占總額約 \u003Cstrong>0.04%\u003C\u002Fstrong>。\u003C\u002Fli>\u003Cli>從 \u003Cstrong>2015\u003C\u002Fstrong> 到 \u003Cstrong>2026\u003C\u002Fstrong>，資本支持拉了超過 10 年。\u003C\u002Fli>\u003Cli>只有 \u003Cstrong>1 位投資人\u003C\u002Fstrong>，代表交易很集中。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>講白了，這種數字會影響整個 AI 供應鏈。GPU 廠、雲端平台、資料中心、API 服務商，都會跟著這種巨型資本流動一起動。開發者最後感受到的，通常是價格、延遲，還有新功能推出的速度。\u003C\u002Fp>\u003Ch2>這跟台灣開發者有什麼關係\u003C\u002Fh2>\u003Cp>很多人看到這種新聞，只會覺得「喔，好大一筆錢」。但對\u003Ca href=\"\u002Ftag\u002F台灣開發者\">台灣開發者\u003C\u002Fa>來說，重點是平台策略。OpenAI 的資本越厚，它越有能力壓低某些服務門檻，或是在企業市場給出更完整的工具。\u003C\u002Fp>\u003Cp>這會直接影響你做產品的選擇。你要不要用 \u003Ca href=\"https:\u002F\u002Fplatform.openai.com\" target=\"_blank\" rel=\"noopener\">OpenAI API\u003C\u002Fa>？要不要改接 \u003Ca href=\"https:\u002F\u002Fdocs.anthropic.com\" target=\"_blank\" rel=\"noopener\">Claude API\u003C\u002Fa>？要不要混用 \u003Ca href=\"https:\u002F\u002Fai.google.dev\" target=\"_blank\" rel=\"noopener\">Gemini API\u003C\u002Fa>？這些決策最後都會回到成本和穩定性。\u003C\u002Fp>\u003Cp>我自己的判斷是，接下來 1 到 2 年，大家會更在意每 1000 Token 的成本，以及模型切換的彈性。品牌聲量很重要，但產品毛利更重要。這點對新創尤其明顯。\u003C\u002Fp>\u003Ch2>接下來該看什麼\u003C\u002Fh2>\u003Cp>接下來最值得觀察的，不是 OpenAI 還能不能再融多少錢，而是它怎麼把這些錢變\u003Ca href=\"\u002Fnews\u002Fmllms-subject-driven-image-generation-zh\">成更\u003C\u002Fa>穩的產品。你可以盯三件事：API 定價、模型發布頻率、企業市場滲透率。\u003C\u002Fp>\u003Cp>如果它持續加碼推理效率，開發者會先感受到延遲下降。若它把企業方案做得更完整，市場會看到更多內部導入案例。反過來說，如果成本壓不下來，再多融資也只是延後壓力。\u003C\u002Fp>\u003Cp>所以我的結論很簡單。這筆 \u003Cstrong>$180B\u003C\u002Fstrong> 的融資資料，不是拿來驚訝而已。它是在提醒你，AI 產品競爭已經進入資本、算力、平台三線一起打的階段。你如果在做 AI 產品，現在就該重新算一次成本表。\u003C\u002Fp>","OpenAI 13 輪融資累計達 180B 美元。最新一輪是 2026\u002F4\u002F22 的 7,500 萬美元 Series G，顯示這家公司仍在用資本換算力、產品和 API 擴張。","tracxn.com","https:\u002F\u002Ftracxn.com\u002Fd\u002Fcompanies\u002Fopenai\u002F__kElhSG7uVGeFk1i71Co9-nwFtmtyMVT7f-YHMn4TFBg",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779777361847-zcfa.png","model-release","zh","c48fad68-a0bb-41a5-987a-043850937eeb",[17,18,19,20,21,22,23],"OpenAI","融資","人工智慧","LLM","API","算力","新創",[25,26,27],"OpenAI 累計融資達 180B 美元，13 輪資金顯示它長期依賴資本支撐擴張。","最新一輪只有 75M 美元，且只有 1 位投資人，較像定向交易，不像大型市場募資。","對開發者來說，這種資本規模會影響 API 價格、容量、延遲與產品發布速度。",5,"2026-05-26T06:35:31.79689+00:00","2026-05-26T06:35:31.786+00:00","0ccb5d2e-69f1-4354-a3e0-cb370221cd95",{"tags":33,"relatedLang":42,"relatedPosts":46},[34,36,37,39,40],{"name":17,"slug":35},"openai",{"name":19,"slug":19},{"name":20,"slug":38},"llm",{"name":18,"slug":18},{"name":21,"slug":41},"api",{"id":15,"slug":43,"title":44,"language":45},"openai-funding-180b-13-rounds-en","OpenAI’s funding hits $180B across 13 rounds","en",[47,53,59,65,71,77],{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"466021f3-b8a4-4ecb-ad64-8070beaf9cbc","gemini-1-5-pro-002-flash-002-2-0-flash-update-zh","Gemini 1.5 與 2.0 Flash 更新上線","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780999389960-97qh.png","2026-06-09T10:02:27.849751+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"66ce4542-3c93-4a0c-ab52-5e6f90a36212","minimax-m3-kai-fang-quan-zhong-xie-cheng-shi-reng-neng-ying-zh","MiniMax M3 證明開放權重在寫程式上仍能贏","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780968786191-lele.png","2026-06-09T01:32:30.829528+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"948a7dc4-b172-42f9-9bef-abcbbffaca18","gemini-35-flash-pricing-benchmarks-zh","Gemini 3.5 Flash 價格與長上下文解析","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780840978961-6b9n.png","2026-06-07T14:02:29.835438+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"5507f140-5223-4f68-ade6-30d9e5457638","gemma-4-12b-specs-benchmarks-run-locally-zh","怎麼做 Gemma 4 12B 本地部署","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780777971165-4bit.png","2026-06-06T20:32:24.857611+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"ef42a437-8b06-4ff5-a135-ece7662c01f4","best-kimi-models-2026-k2-5-vs-k2-thinking-zh","2026 最佳 Kimi 模型：K2.5 對 K2 Thinking","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780770790333-x3lk.png","2026-06-06T18:32:39.410186+00:00",{"id":78,"slug":79,"title":80,"cover_image":81,"image_url":81,"created_at":82,"category":13},"fd2ad557-5c09-4758-964d-cda1c3c87a4c","kimi-k2-6-open-source-coding-agent-swarm-zh","Kimi K2.6 開源加上 Agent Swarm","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780761795960-0zg9.png","2026-06-06T16:02:21.702099+00:00",[84,89,94,99,104,109,114,119,124,129],{"id":85,"slug":86,"title":87,"created_at":88},"58b64033-7eb6-49b9-9aab-01cf8ae1b2f2","nvidia-rubin-six-chips-one-ai-supercomputer-zh","NVIDIA Rubin 把六顆晶片塞進 AI 機櫃","2026-03-26T07:18:45.861277+00:00",{"id":90,"slug":91,"title":92,"created_at":93},"0dcc2c61-c2a6-480d-adb8-dd225fc68914","march-2026-ai-model-news-what-mattered-zh","2026 年 3 月 AI 模型新聞重點","2026-03-26T07:32:08.386348+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"214ab08b-5ce5-4b5c-8b72-47619d8675dd","why-small-models-are-winning-on-device-ai-zh","小模型為何吃下裝置端 AI","2026-03-26T07:36:30.488966+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"785624b2-0355-4b82-adc3-de5e45eecd88","midjourney-v8-faster-images-higher-costs-zh","Midjourney V8 變快了，也變貴了","2026-03-26T07:52:03.562971+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"cda76b92-d209-4134-86c1-a60f5bc7b128","xiaomi-mimo-trio-agents-robots-voice-zh","小米 MiMo 三模型瞄準代理、機器人與語音","2026-03-28T03:05:08.779489+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"9e1044b4-946d-47fe-9e2a-c2ee032e1164","xiaomi-mimo-v2-pro-1t-moe-agents-zh","小米 MiMo-V2-Pro 登場：1T MoE 模型","2026-03-28T03:06:19.002353+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"c4b6186f-bd84-4598-997e-c6e31d543c0d","cursor-composer-2-agentic-coding-model-zh","Cursor Composer 2 走向代理式寫碼","2026-03-28T03:13:06.422716+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"e112e76f-ec3b-408f-810e-e93ae21a888a","apple-siri-gemini-distilled-models-zh","Apple Siri 牽手 Gemini 的真相","2026-03-29T04:52:57.886544+00:00",{"id":125,"slug":126,"title":127,"created_at":128},"c679b51f-194a-463b-87fc-7695256ff752","mimo-v2-pro-vs-omni-vs-flash-2026-zh","MiMo V2 Pro、Omni、Flash 怎麼選","2026-04-02T01:18:43.576128+00:00",{"id":130,"slug":131,"title":132,"created_at":133},"3b988fd7-6749-4f01-ba25-c0ad7486dc31","z-ai-glm-5v-turbo-design2code-claude-zh","GLM-5V-Turbo 在 Design2Code 贏了…","2026-04-02T04:03:36.31741+00:00"]