Beneath the surface glamour, OpenAI's "Four Dilemmas"

a16z 前合伙人、著名科技分析师 Benedict Evans 近日发表深度分析文章，直指 OpenAI 在表面繁荣背后面临四大根本性战略困境。他认为，尽管 OpenAI 拥有庞大用户基础和充足资本，但缺乏技术护城河、用户粘性不足、竞争对手快速追赶，以及产品战略受制于实验室研发方向等问题，正威胁其长期竞争力。

Evans 指出，OpenAI 当前的商业模式并不具备明确的竞争优势。该公司既没有独特技术，也没有形成网络效应，其 9 亿周活跃用户中仅 5% 付费，且 80% 用户在 2025 年发送的消息少于 1000 条——相当于每天平均不到三次提示。这种 “一英里宽、一英寸深” 的使用模式表明，ChatGPT 尚未成为用户的日常习惯。

与此同时，谷歌和 Meta 等科技巨头已在技术上追平 OpenAI，并正利用其分销优势抢占市场份额。Evans 认为，AI 领域的真正价值将来自尚未被发明的新体验和应用场景，而 OpenAI 无法独自创造所有这些创新。这使得该公司必须在多个战线同时作战，从基础设施到应用层全面布局。

Evans 的分析揭示了一个核心矛盾：OpenAI 试图通过大规模资本投入和全栈平台战略建立竞争壁垒，但在缺乏网络效应和用户锁定机制的情况下，这种策略能否奏效仍存疑问。对于投资者而言，这意味着需要重新评估 OpenAI 的长期价值主张及其在 AI 竞争格局中的真实地位。

技术优势消失：模型同质化加剧

Evans 在分析中指出，当前约有六家机构能够推出具有竞争力的前沿模型，且性能基本相当。各家公司每隔几周就会相互超越，但没有任何一家能够建立其他公司无法匹敌的技术领先地位。这与 Windows、Google 搜索或 Instagram 等平台形成鲜明对比——后者通过网络效应实现了市场份额的自我强化，使得竞争对手无论投入多少资金和精力都难以打破垄断。

这种技术平等化的局面可能因某些突破而改变，最明显的是持续学习能力的实现，但 Evans 认为 OpenAI 目前无法对此进行规划。另一个可能的差异化因素是专有数据的规模效应，包括用户数据或垂直行业数据，但现有平台公司在这方面同样具有优势。

在模型性能趋同的背景下，竞争正在转向品牌和分销渠道。Gemini 和 Meta AI 的市场份额快速增长印证了这一趋势——对于普通用户而言，这些产品看起来大同小异，而谷歌和 Meta 拥有强大的分销能力。相比之下，Anthropic 的 Claude 模型虽然经常在基准测试中名列前茅，但因缺乏消费者战略和产品，其消费者认知度接近零。

Evans 将 ChatGPT 与 Netscape 进行类比，后者曾在浏览器市场占据早期优势，但最终被微软利用分销优势击败。他认为，聊天机器人与浏览器面临同样的差异化难题：它们本质上只是一个输入框和输出框，产品创新空间极为有限。

用户基础脆弱：规模难掩粘性不足

尽管 OpenAI 拥有 8 至 9 亿周活跃用户的明显领先优势，但 Evans 指出这一数据掩盖了严重的用户参与度问题。绝大多数已经了解并知道如何使用 ChatGPT 的用户，并未将其培养成日常习惯。

数据显示，只有 5% 的 ChatGPT 用户付费，即使是美国青少年，每周使用几次或更少的比例也远高于每天多次使用的比例。OpenAI 在"2025 年度总结"活动中披露，80% 的用户在 2025 年发送的消息少于 1000 条，按面值计算相当于平均每天不到三次提示，实际聊天次数更少。

这种浅层使用意味着大多数用户看不到不同模型之间在个性和侧重点上的差异，也无法从"记忆"等旨在建立粘性的功能中受益。Evans 强调，记忆功能只能带来粘性，而非网络效应。同时，来自更大用户基础的使用数据可能是一种优势，但当 80% 的用户每周最多只使用几次时，这种优势有多大值得怀疑。

OpenAI 自己也承认存在问题，提出模型能力与用户实际使用之间存在 “能力差距”。Evans 认为这是在回避产品市场契合度不明确的事实。如果用户在普通日子里想不出用它做什么，就说明它还没有改变他们的生活。

该公司推出广告项目，部分是为了覆盖 90% 以上不付费用户的服务成本，但更具战略意义的是，这使得公司能够向这些用户提供最新、最强大（也最昂贵）的模型，希望借此加深用户参与度。然而 Evans 质疑，如果用户今天或本周想不出用 ChatGPT 做什么，给他们更好的模型是否就能改变这种状况。

平台战略存疑：缺乏真正的飞轮效应

去年，OpenAI 首席执行官 Sam Altman 试图将公司的各项举措整合成一个连贯的战略，展示了一张图表，并引用比尔·盖茨的名言：平台的定义是为合作伙伴创造的价值超过为自身创造的价值。与此同时，首席财务官发布了另一张展示"飞轮效应"的图表。

Evans 认为飞轮效应是一个精巧、连贯的战略：资本支出本身形成良性循环，并成为在其上构建全栈平台公司的基础。从芯片和基础设施开始，向上构建每一层技术栈，越往上走，就越能帮助其他人使用你的工具创造自己的产品。每个人都使用你的云、芯片和模型，然后在更高层，技术栈的各层相互强化，形成网络效应和生态系统。

然而 Evans 直言，他认为这不是正确的类比，OpenAI 并不具备微软或苹果曾经拥有的那种平台和生态系统动态，那张飞轮图实际上并未展示真正的飞轮效应。

在资本支出方面，四大云计算公司去年在基础设施上投入约 4000 亿美元，并宣布今年至少投入 6500 亿美元。OpenAI 几个月前声称未来拥有 1.4 万亿美元和 30 吉瓦的算力承诺（未明确时间表），而 2025 年底实际使用量为 1.9 吉瓦。由于缺乏现有业务的大规模现金流，该公司通过融资和使用他人资产负债表（部分涉及"循环收入"）来实现这些目标。

Evans 认为，大规模资本投入可能只是获得一个席位，而非竞争优势。他将 AI 基础设施成本与飞机制造或半导体行业进行类比：没有网络效应，但每一代产品的工艺都变得更困难、更昂贵，最终只有少数公司能够维持在前沿所需的投资。然而，台积电虽然在尖端芯片领域拥有事实上的垄断地位，但这并未给它在上游技术栈中带来杠杆作用或价值获取能力。

Evans 指出，开发者必须为 Windows 构建应用是因为它拥有几乎所有用户，而用户必须购买 Windows PC 是因为它拥有几乎所有开发者——这是网络效应。但如果你使用生成式 AI 发明了一个出色的新应用或产品，你只需通过 API 调用云端运行的基础模型，用户并不知道或关心你使用了什么模型。

产品主导权缺失：战略受制于实验室

Evans 在文章开头引用了 OpenAI 产品负责人 Fidji Simo 在 2026 年的一段话："Jakub 和 Mark 设定长期研究方向。经过数月工作后，令人惊叹的成果出现了，然后研究人员会联系我说：'我有一些很酷的东西。你打算如何在聊天中使用它？如何用于我们的企业产品？'"

这段话与史蒂夫·乔布斯 1997 年的名言形成鲜明对比："你必须从客户体验开始，然后反向推导到技术。你不能从技术开始，然后试图找出要把它卖到哪里。"

Evans 认为，当你是 AI 实验室的产品负责人时，你无法控制自己的路线图，设定产品战略的能力非常有限。你早上打开邮件，发现实验室研究出了什么成果，而你的工作就是把它变成一个按钮。战略发生在别处，但在哪里？

这一问题凸显了 OpenAI 面临的根本性挑战：与 2000 年代的谷歌或 2010 年代的苹果不同，OpenAI 的聪明而雄心勃勃的员工并没有一个真正有效且其他人无法做到的产品。Evans 认为，过去 12 个月 OpenAI 活动的一种解读方式是，Sam Altman 深刻意识到这一点，并试图在音乐停止之前，将公司的估值转化为更持久的战略地位。

去年大部分时间里，OpenAI 的答案似乎是"所有事情，同时进行，立即执行"。应用平台、浏览器、社交视频应用、与 Jony Ive 合作、医学研究、广告等等。Evans 认为，其中一些看起来像是"全面出击"，或者只是快速招聘大量积极进取的人的结果。有时还给人一种感觉，即人们在复制以前成功平台的形式，却没有完全理解其目的或动态机制。

Evans 反复使用平台、生态系统、杠杆和网络效应等术语，但他承认这些术语在科技行业被广泛使用，含义却相当模糊。他引用大学时代中世纪历史教授 Roger Lovatt 的话：权力是让人们做他们不想做的事情的能力。这才是真正的问题所在：OpenAI 是否有能力让消费者、开发者和企业更多地使用其系统，而不管系统本身实际做什么？微软、苹果和 Facebook 曾经拥有这种能力，亚马逊也是如此。

Evans 认为，解读比尔·盖茨那句话的一个好方法是，平台真正实现的是利用整个科技行业的创造力，这样你就不必自己发明一切，可以大规模构建更多东西，但所有这些都是在你的系统上完成的，由你掌控。基础模型确实是倍增器，大量新东西将用它们构建。但你是否有理由让每个人都必须使用你的产品，即使竞争对手已经构建了同样的东西？是否有理由让你的产品始终优于竞争对手，无论他们投入多少资金和精力？

Evans 总结道，如果没有这些优势，那么你唯一拥有的就是每天的执行力。执行得比其他人都好当然是一种愿望，一些公司在较长时期内做到了这一点，甚至说服自己已经将其制度化，但这不是一种战略。