大约十年前，科技股陷入低迷，随后 OpenAI 的 ChatGPT 横空出世，点燃了投资者热情。人们预计，到 2030 年，AI 将为全球经济带来 13 万亿美元的收益。此后，科技股总市值猛增 10 万亿美元。

然而，有一个事实越发清晰：大语言模型（LLM）似乎并不具备经济可行性，赚钱可能遥遥无期。

数据显示，2024 年 OpenAI 的营收只有 35 亿美元，成本却高达 50 亿美元，且亏损仍在持续扩大。最新预测认为，即使 OpenAI 真的在 2029 年之前实现盈利，累计亏损也会达到 1150 亿美元。

OpenAI 的亏损让亚马逊相形见绌。亚马逊成立第十年实现盈利，在此之前，累计亏损只有 30 亿美元，今年恰好是 OpenAI 成立的第 10 年。

为什么 OpenAI 持续巨亏？主要是核心产品 ChatGPT 定价过低，比成本低很多。

从另一个角度看，OpenAI 的商业模式只对云服务提供商、数据中心建设商有利。分析认为，OpenAI 的定价只有成本的几分之一，这在经济史上尚无前例。即使 OpenAI 现在想提价，也可能会 " 杀鸡取卵 "，摧毁新生市场。

按照普遍的经济规律，随着时间的推移，AI 成本应该逐步下降，但实际并非如此。用户厌倦 " 幻觉 "（指 AI 生成虚假或错误信息的现象），需要更精准的模型和具有推理能力的模型。最终，虽然每 token（AI 领域衡量数据处理量的单位）价格下降，但为了精度的小幅提升，仍然需要消耗更多的 token。

GPT-5 曾经让行业备受期待，但它并未改变 AI 经济困境。用户发现，GPT-5 的精度并没有显著提升，为了降低成本，它将简单问题推给旧模型来解决。如果 OpenAI 想优化财务状况，提高定价似乎成了唯一出路。

还有另一种办法可以缓解经济压力，那就是选择 " 小型语言模型 "（Small Language Models, SLMs）。AI 企业可以将 OpenAI 模型应用于特定的数据集和问题范围，从而构建出一个 " 小型模型 "。

小模型的训练、更新和运行成本更低，DeepSeek 的开发思路基本遵循这一原理，它的核心技术围绕知识蒸馏与数据精炼展开，大幅降低成本，该方法被许多 AI 企业模仿。

尽管如此，小语言模型仍然无法化解 OpenAI 的亏损问题，只能稍微缓解。