2026年3月，OpenAI 同时做了3件在传统金融逻辑中互相矛盾的事：宣布2026年预计亏损$140亿，完成了$1100亿的史上最大科技融资（Amazon 领投），并将估值推高至$8300亿——超过全球99%上市公司的市值。与此同时，它关停了旗舰视频产品 Sora，将基础设施支出计划从$1.4万亿砍半至$6000亿，在 ChatGPT 免费版中塞入定向广告，并计划将员工规模扩张至8000人。

这不是一家公司的财务报表，这是一个关于信仰的实验——投资者押注的不是 OpenAI 今天能赚多少钱，而是 AI 是否会在2030年前重塑$10万亿级别的全球经济结构。问题在于：这个信仰的价格是否已经高到了即使信仰成真也无法回本的地步？

1. 数字解剖：$140亿亏损的真实构成

先看亏损的结构。OpenAI 2026年预亏$140亿，这个数字需要拆解才有意义。

计算推理成本是最大的单一支出项。根据 SemiAnalysis 此前的估算模型，GPT-4级别模型的单次推理成本在2025年初约为$0.002-$0.01/次（取决于上下文长度），而 ChatGPT 月活用户在2025年底已突破3亿。按每用户日均5次交互计算，仅 ChatGPT 一个产品的年化推理成本就在$10亿-$50亿区间。加上 API 服务、企业客户的批量调用，以及新一代模型（GPT-5/o3系列）更高的计算需求，推理成本占总亏损的40%-50%是合理估计。

训练成本是第2大项。OpenAI 目前同时训练多条模型线——GPT系列的下一代、o系列推理模型、以及多模态模型。单次大规模训练运行的成本已从2023年的$1亿级别攀升至2025-2026年的$5亿-$10亿级别。按每年4-6次主要训练运行计算，年化训练成本在$20亿-$60亿。

人力成本正在急剧膨胀。OpenAI 计划到2026年底扩招至近8000人 (来源: hopempls.org, 2026-03-28)。按硅谷 AI 研究员/工程师的平均总薪酬包$400K-$800K计算（含股权），8000人的年化人力成本在$32亿-$64亿。这还不包括从 Apple、Google、Meta 等公司挖角的溢价——OpenAI 近期从 Apple 挖走多名关键工程师，这类人才的签约奖金通常在$5M-$20M级别。

基础设施资本支出的折旧与摊销构成剩余部分。即使基建计划从$1.4万亿砍半至$6000亿，这些数据中心的建设周期通常在3-5年，意味着2026年已经开始产生折旧费用，但尚未产生对应的收入。

把这些加在一起：推理$50亿 + 训练$40亿 + 人力$45亿 + 折旧/其他$25亿 ≈ $160亿支出。减去预估$20亿-$30亿的收入（订阅+API+广告），净亏损$130亿-$140亿。数字对得上。

更令人不安的是2029年的累计亏损预测：$1150亿。 这意味着 OpenAI 预计在未来4年内，亏损不仅不会收窄，反而会加速扩大——从2026年的$140亿/年，到2027-2029年的平均$250亿+/年。这隐含了一个关键假设：OpenAI 认为未来3年需要持续加大投入（更大的模型、更多的算力、更广的产品线），而收入的增长速度将显著慢于成本的增长速度。

这不是一个”烧钱换增长”的 Uber 式故事。Uber 的亏损曲线是先扩后收——补贴换市场份额，然后提价获利。OpenAI 的亏损曲线是持续发散的——它面对的不是一个可以垄断后提价的市场，而是一个技术迭代速度极快、竞争者不断涌入的赛道。

2. $8300亿估值的隐含假设：必须相信什么才能买入？

$8300亿的估值意味着什么？让我们做一个逆向工程。

假设投资者要求10年内获得3倍回报（对于风险投资的后期轮次而言，这已经是相当温和的预期），那么 OpenAI 在2036年需要价值$2.5万亿。按照科技公司成熟期25倍市盈率计算，这要求2036年的年净利润达到$1000亿。

$1000亿的年净利润是什么概念？2025年，Apple 的年净利润约$950亿，是全球最赚钱的公司之一。Microsoft 约$800亿，Google 约$750亿。OpenAI 需要在10年内从净亏损$140亿翻转到净利润$1000亿——一个$1140亿的利润摆幅。

要实现这个目标，假设成熟期净利润率为30%（与 Google 相当），OpenAI 的年收入需要达到$3300亿。2026年 OpenAI 的收入预估在$120亿-$150亿区间（基于订阅用户增长和 API 收入），这意味着收入需要在10年内增长22倍。

这不是不可能，但它隐含了以下每一条假设都必须成立：

假设1：AI 将创造一个$10万亿+的新市场，而非仅仅替代现有软件市场。 全球软件市场在2025年约$7000亿。如果 AI 只是让现有软件更好用，那么即使 OpenAI 拿下30%的份额，收入也只有$2100亿，且利润率会因竞争而被压缩。只有 AI 创造出全新的价值层——自主 Agent 经济、AI 驱动的科学发现、AI 即服务的全新商业模式——$3300亿的收入才有可能。

假设2：OpenAI 能维持技术领先优势至少5年。 这是最脆弱的假设。2026年3月的竞争格局已经发生了根本性变化：Anthropic 的 Claude Code 在编码任务上已经与 OpenAI 的 Codex 并驾齐驱甚至超越 (来源: TNW, 2026-03-28，xAI 联合创始人离职报道中 Musk 的承认)；Google DeepMind 的 Gemini 2.0 在多模态能力上持续追赶；Meta 的 Llama 4 以开源模式侵蚀 OpenAI 的 API 定价权。更重要的是，推理模型（o系列）的技术壁垒正在被快速复制——DeepSeek 等中国团队已经展示了以极低成本复现类似能力的路径。

假设3：基础设施成本将按摩尔定律式的曲线下降。 这是最有可能成立的假设，但下降速度存在巨大不确定性。Arm 刚刚发布了面向 Agentic AI 工作负载的 AGI CPU，目标是每机架8160核、36kW风冷 (来源: cdcra.com, 2026-03-28)，合作伙伴包括 Meta、OpenAI、Cerebras 等。Kandou AI（前 Kandou Bus）获得$2.25亿 A 轮融资，专注 AI 基础设施的芯片间铜互连技术 (来源: TNW, 2026-03-28)。这些都指向算力成本的结构性下降，但时间表是3年还是7年，决定了 OpenAI 能否在烧完融资前实现盈亏平衡。

假设4：监管环境不会根本性地限制 AI 的商业化。 OpenAI 与五角大楼的合同争议 (来源: bayandegilkadin.com, 2026-03-28) 以及前研究员关于”5年内70%人类灭绝概率”的警告 (来源: Search B, 2026-03-28)，都在加剧监管压力。欧盟 AI Act 已经生效，美国的联邦立法正在加速推进。任何对 AI 训练数据、部署场景或自主决策能力的实质性限制，都会直接压缩 OpenAI 的可寻址市场。

我的判断：4个假设中，假设1有50%概率成立，假设2有30%概率成立，假设3有70%概率成立，假设4有60%概率成立。联合概率约6.3%。 换句话说，$8300亿的估值隐含了一个只有约6%概率实现的未来。这不是投资，这是买彩票——只不过彩票的面额是$1100亿。

3. $1100亿融资的真实逻辑：不是投资回报，是战略卡位

如果估值的财务逻辑如此脆弱，为什么 Amazon 还要领投$1100亿？

答案不在财务回报，而在战略恐惧。

对 Amazon 而言，这是一笔防御性投资。 Amazon 的 AWS 是全球最大的云计算平台，2025年收入约$1100亿。但 AI 正在改变云计算的竞争格局：如果 AI 推理成为云计算的核心工作负载（而非传统的存储和计算），那么谁控制了最好的模型，谁就控制了云计算的未来。Microsoft 已经通过与 OpenAI 的早期合作，将 Azure 的 AI 工作负载份额从2023年的20%提升到2025年的35%。Amazon 投资 OpenAI，本质上是在对冲 Anthropic（Amazon 此前已投资$40亿+）不够用的风险。

这也解释了为什么 Amazon 一边投资 OpenAI，一边在自家平台上大力推广 Bedrock——AWS 的 AI Agent 平台。Blue Origin 已经在 Bedrock AgentCore 上运行2700+ AI Agent (来源: aws.amazon.com, 2026-03-28)，DraftKings 基于 Bedrock + Claude Code 构建了内部编码引擎 DraftCode，2025年为工程师节省了33400小时 (来源: LinkedIn/Gary Stafford, 2026-03-28)，Tactical Edge AI 与 AWS 签署了战略合作协议 (来源: tacticaledgeai.com, 2026-03-28)。Amazon 的策略很清楚：投资所有可能赢的模型公司，但确保它们都运行在 AWS 上。

对 SoftBank 而言，这是孙正义的”AI 时代愿景基金”。 SoftBank 在2019年的 WeWork 灾难后一度被视为冒进投资的反面教材。但 AI 浪潮给了孙正义一个翻盘的叙事：如果 AI 真的是比互联网更大的平台转移，那么在最大的 AI 公司上下最大的赌注，就是唯一正确的策略。SoftBank 的投资逻辑不是”OpenAI 能否盈利”，而是”如果 AGI 实现，OpenAI 是否会成为最重要的公司之一”。

对其他跟投者而言，这是 FOMO（错失恐惧症）的经典案例。 当 Amazon 和 SoftBank 都在桌上时，不参与意味着在未来的 AI 基础设施谈判中失去筹码。这就是为什么$1100亿的融资能够完成——不是因为财务模型说得通，而是因为不参与的战略代价可能更高。

但这里有一个大多数人没看到的问题：$1100亿的融资本身正在改变 OpenAI 的激励结构。

当一家公司拿到$1100亿现金时，它的行为模式会发生根本性变化。它不再需要证明商业模式的可行性来获取下一轮融资——它已经有了足够烧5-7年的资金。这意味着 OpenAI 的管理层可以推迟所有艰难的商业化决策，转而追求更宏大的技术目标（AGI）。这对投资者来说是一把双刃剑：一方面，它给了 OpenAI 足够的时间来实现技术突破；另一方面，它消除了市场纪律对资源配置效率的约束。

历史上，每一家拿到”无限资金”的公司最终都面临了同样的问题：当没有外部压力迫使你做取舍时，你会同时做太多事情，而每一件都做不够好。2000年的 AOL-Time Warner 如此，2015年的 Uber 如此，2021年的 Meta（元宇宙豪赌）如此。OpenAI 正在走上同样的道路——同时推进 GPT系列、o系列推理模型、多模态、Agent 平台、硬件合作、政府合同、消费者产品、企业产品、广告业务……这是一个8000人的公司能同时做好的事情吗？

4. 基建砍半的信号：从$1.4万亿到$6000亿意味着什么？

OpenAI 将基础设施支出计划从$1.4万亿砍半至$6000亿，这个决定的信号价值远大于数字本身。

$1.4万亿的原始计划本身就是一个”宣示性数字”——它更多是为了向市场传递”我们有能力建设 AGI 所需的算力”的信号，而非一个经过严格财务论证的资本支出计划。没有任何单一公司能在5年内独立部署$1.4万亿的基础设施——这相当于美国2025年联邦预算的约20%。

砍半至$6000亿仍然是一个天文数字，但它反映了几个现实：

第1，算力需求的增长曲线可能正在放缓。 Scaling Law（规模定律）——即”更多数据+更多计算=更好的模型”——在2024-2025年遇到了边际收益递减的迹象。GPT-5相对于GPT-4的能力提升，并没有GPT-4相对于GPT-3.5那么显著。这不意味着 Scaling Law 失效了，但它意味着单纯堆算力的策略正在变得低效。OpenAI 内部的研究方向正在从”更大的模型”转向”更聪明的推理”（o系列）和”更高效的架构”。

第2，数据中心建设遇到了物理瓶颈。 电力供应是最大的约束。一个大型 AI 数据中心的功耗在100MW-1GW级别，而美国的电网基础设施在许多地区已经接近饱和。OpenAI 此前计划在德克萨斯州和中东地区建设超大规模数据中心，但电力审批、变电站建设、输电线路升级等环节的时间线远超预期。Arm 新发布的 AGI CPU 强调36kW风冷 (来源: cdcra.com, 2026-03-28)，这本身就说明能效比已经成为数据中心设计的核心约束。

第3，竞争格局的变化降低了”军备竞赛”的紧迫性。 当 xAI 的11位联合创始人全部离职、Musk 承认”一开始就没建好” (来源: TNW, 2026-03-28) 时，OpenAI 在消费级 AI 领域的一个主要竞争对手实质上退出了赛道。xAI 已于2026年2月被 SpaceX 以$2500亿估值收购，但这更像是 Musk 的资产整合而非 AI 业务的延续。竞争压力的局部缓解，给了 OpenAI 削减资本支出的空间。

但砍半也暴露了一个深层矛盾：如果 AGI 真的需要$1.4万亿的算力，那么$6000亿够吗？如果$6000亿就够了，那么之前的$1.4万亿是不是在忽悠投资者？

我的判断是后者的可能性更大。$1.4万亿从来就不是一个严肃的数字，它是 Sam Altman 在2025年初为了在融资谈判中建立锚定效应而抛出的。当你先说”我需要$1.4万亿”，然后”让步”到$6000亿时，投资者会觉得你很理性、很务实。这是经典的谈判策略，而非工程规划。

5. Sora 关停与广告上线：商业化困境的两个缩影

Sora 的关停是 OpenAI 商业化困境的最佳注脚。

Sora 在2024年2月首次亮相时，被视为 AI 视频生成的”iPhone 时刻”。但从演示到产品化的过程中，OpenAI 遇到了3个无法回避的问题：

成本问题。 视频生成的计算成本比文本生成高2-3个数量级。一段60秒的高质量视频生成可能消耗相当于数千次 ChatGPT 对话的算力。在 OpenAI 已经因推理成本而大幅亏损的情况下，Sora 的每一次使用都在加速烧钱。

质量问题。 尽管 Sora 的演示视频令人印象深刻，但实际产品中的一致性、可控性和物理真实性仍然远未达到专业创作者的要求。好莱坞工作室和广告公司在试用后的反馈是：作为创意灵感工具有趣，但无法替代现有的制作流程。

法律问题。 视频生成模型的训练数据来源引发了比文本模型更严重的版权争议。多家影视公司和内容创作者已经对 AI 视频生成提起诉讼。在法律环境明朗化之前，Sora 的商业化风险过高。

关停 Sora 是正确的决策，但它暴露了 OpenAI 的一个系统性问题：技术能力与商业可行性之间的鸿沟。 OpenAI 擅长做令人惊叹的技术演示，但在将技术转化为可持续收入的过程中屡屡受挫。

与此形成对比的是 ChatGPT 中定向广告的上线 (来源: Search B, 2026-03-28)。这是一个信号——OpenAI 正在被迫采用它曾经鄙视的商业模式。Sam Altman 在2023年曾多次公开表示 OpenAI 不会走广告路线，因为广告模式会扭曲 AI 的行为激励。但当你每年亏损$140亿时，你需要每一分钱的收入。

广告业务的问题在于它的天花板太低。Google 2025年的广告收入约$3000亿，占全球数字广告市场的约30%。ChatGPT 的月活用户虽然已达3亿+，但用户的使用模式（目的性搜索/对话）与社交媒体（无目的性浏览）截然不同，广告的展示机会和点击率都会显著低于传统平台。乐观估计，ChatGPT 的广告年化收入在$20亿-$50亿区间——对于$140亿的亏损来说，杯水车薪。

真正有意义的商业化路径是企业 AI Agent。 DraftKings 的 DraftCode 案例 (来源: LinkedIn/Gary Stafford, 2026-03-28) 展示了这个方向的潜力：103K+ PR 评审、407K 自动化评论、33400小时的工程师时间节省。如果每家财富500强公司都部署类似的 AI Agent 系统，且每家每年支付$500万-$5000万的许可费，这就是一个$25亿-$250亿的市场。

但这个市场的问题在于 OpenAI 并不是唯一的供应商。AWS Bedrock、Google Cloud Vertex AI、Anthropic 的 Claude 企业版都在争夺同一批客户。Palantir 已经在英国金融监管领域获得了合同，使用 AI 检测洗钱和欺诈，其在英国的合同总额超5亿英镑 (来源: giteslacolline.com, 2026-03-28)。企业 AI 市场正在变成一个多供应商格局，而非赢家通吃。

6. 越亏越值钱的底层逻辑：AI 的”宗教估值”

回到核心问题：为什么 OpenAI 越亏越值钱？

传统金融学无法解释这个现象。在 DCF（现金流折现）模型中，一家预计在未来4年累计亏损$1150亿的公司，其净现值应该是负数。但 OpenAI 的估值不是用 DCF 算出来的，它是用”叙事折现”算出来的。

“叙事折现”的逻辑是这样的： 如果 AGI（通用人工智能）在2030年前实现，它将创造一个比互联网更大的经济变革。互联网在20年内创造了约$15万亿的市值（FAANG + 中国互联网巨头）。AGI 的潜在市值创造可能是$50万亿-$100万亿。在这个市场中，OpenAI 作为”最有可能率先实现 AGI 的公司”，即使只获得5%-10%的份额，也值$2.5万亿-$10万亿。

这个逻辑的问题不在于它的结论，而在于它的前提。

前提1：”AGI 将在2030年前实现”——这是一个无法证伪的信仰。 没有人能给出 AGI 的精确定义，更不用说预测它的实现时间。当前的 LLM（大语言模型）在某些维度上已经超越人类（信息检索、代码生成），但在其他维度上仍然远远落后（因果推理、物理世界理解、长期规划）。从”能写代码”到”能独立运营一家公司”之间的距离，可能是5年，也可能是50年。

前提2：”OpenAI 是最有可能率先实现 AGI 的公司”——这个假设正在被侵蚀。 Google DeepMind 拥有更深的基础研究积累（AlphaFold、AlphaGo 的团队）和更大的计算资源（TPU集群）。Anthropic 在 AI 安全和可解释性方面的领先可能在监管趋严的环境中转化为商业优势。Meta 的开源策略正在建立一个庞大的开发者生态系统。甚至 Physical Intelligence 这样的机器人初创公司也在以$110亿+的估值融资$10亿 (来源: newsbytesapp.com, 2026-03-28)，试图从物理世界的方向逼近 AGI。

前提3：”实现 AGI 的公司将获得垄断性利润”——这忽略了技术扩散的速度。 历史上，没有任何一项通用技术被单一公司垄断超过10年。电力、汽车、互联网、智能手机——每一次技术革命最终都走向了多供应商竞争格局。AI 的技术扩散速度可能更快，因为核心算法是公开的（Transformer 架构来自 Google 2017年的论文），训练数据是共享的（互联网），硬件是标准化的（英伟达 GPU）。

我的判断：OpenAI 的$8300亿估值中，大约$5000亿是”AGI 期权价值”——即市场为”万一 AGI 真的实现了”支付的溢价。剩下的$3300亿对应其当前业务（ChatGPT 订阅 + API + 企业合同）的合理估值上限。 如果 AGI 的时间表推迟到2035年以后，或者 AGI 的实现路径不经过 LLM（例如通过神经形态计算或混合架构），那么这$5000亿的期权价值将归零。

7. 人才战争与组织风险：8000人的 OpenAI 能保持创新吗？

OpenAI 从 Apple 挖角的举动值得深入分析。

在 AI 行业，人才是比资金更稀缺的资源。全球顶级的 AI 研究员（能够推动架构创新和训练突破的人）可能不超过500人。OpenAI 在2023-2024年经历了严重的人才流失——联合创始人 Ilya Sutskever 离职创办 SSI、安全团队负责人 Jan Leike 加入 Anthropic、多名核心研究员被 Google DeepMind 和 Meta 挖走。

扩招至8000人的计划 (来源: hopempls.org, 2026-03-28) 是为了弥补这些损失并扩大产品化能力。但快速扩张带来了组织效率的风险。OpenAI 在2022年只有375名员工时发布了 ChatGPT——这是人类历史上增长最快的消费产品。8000人的 OpenAI 能否保持同样的创新速度？

Amazon 的案例提供了一个警示。Amazon 正在通过 AI 驱动的”效率矩阵”裁员14000人，Alexa 部门从800+工程师缩减至23人 (来源: opentools.ai, 2026-03-28)。这说明即使是最优秀的科技公司，也会在快速扩张后发现大量冗余。OpenAI 从375人到8000人的扩张速度（3年21倍）远超 Amazon 的历史扩张速度，组织效率下降的风险极高。

与此同时，xAI 的案例展示了另一个极端。xAI 的11位联合创始人全部离职 (来源: TNW, 2026-03-28)，Musk 承认公司”一开始就没建好”。xAI 的失败不是因为缺钱（Musk 有的是钱），而是因为文化和管理问题——Musk 的”硬核”管理风格与 AI 研究所需的开放、协作文化格格不入。

OpenAI 面临的组织风险介于这两个极端之间： 它既需要 Amazon 式的产品化执行力（将研究成果转化为稳定的商业产品），又需要保持小团队的研究创新能力。这两种能力需要截然不同的组织文化和管理方式。Sam Altman 能否同时驾驭这两种模式，是 OpenAI 未来5年最大的不确定性之一。

Sam Altman 本人的角色也在变得越来越复杂。泄露的 Slack 消息显示他在确保五角大楼合同的同时将自己定位为”和平缔造者”，Anthropic CEO Dario Amodei 称 Altman 的说法是”赤裸裸的谎言” (来源: bayandegilkadin.com, 2026-03-28)。无论这些指控的真实性如何，它们都在消耗 Altman 的注意力和公信力——而这两者对于一家需要同时管理技术研发、商业化、政府关系和公众信任的公司来说，都是不可或缺的资源。

8. 不可能三角的解法：3种可能的结局

综合以上分析，OpenAI 的”不可能三角”——巨额亏损、天价估值、超级融资——只有3种可能的解法：

结局1（概率25%）：AGI 突破，一切合理化。 如果 OpenAI 在2028-2030年实现了某种形式的 AGI 或”准AGI”（例如能够自主完成复杂研究任务的 AI 系统），那么$8300亿的估值将被证明是便宜的。在这个场景中，$1150亿的累计亏损将被视为”人类历史上最好的投资”——就像 Amazon 在2001年的亏损最终被证明是建设电商基础设施的必要成本。但即使在这个乐观场景中，OpenAI 是否能独占 AGI 的商业价值，仍然是一个巨大的问号。

结局2（概率50%）：渐进式商业化，估值回调。 这是最可能的结局。OpenAI 的技术持续进步但没有实现 AGI 级别的突破；ChatGPT 和 API 业务稳步增长但增速放缓；企业 AI Agent 市场成为主要收入来源但竞争激烈。在这个场景中，OpenAI 到2030年的年收入可能达到$500亿-$800亿，但净利润仍然微薄（$50亿-$100亿）。估值将从$8300亿回调至$3000亿-$5000亿——对于最新一轮投资者来说，这意味着亏损。

结局3（概率25%）：技术停滞或竞争失利，估值崩塌。 如果 Scaling Law 在2027年前显著放缓，或者开源模型（Llama、DeepSeek）在性能上追平闭源模型，或者监管环境发生根本性收紧，OpenAI 的技术护城河将被迅速侵蚀。在这个场景中，OpenAI 可能被迫与 Microsoft 或 Amazon 合并，估值缩水至$1000亿以下。$1100亿的融资将成为科技史上最大的价值毁灭事件之一。

So What：对读者意味着什么？

对投资者： OpenAI 的$8300亿估值是一张面向2030年的彩票，而非一个基于当前基本面的投资。如果你的投资论点是”AGI 将在5年内实现”，那么这个价格可能是合理的。如果你的投资论点是”AI 是一个好生意”，那么 Anthropic、Palantir、甚至 AWS 本身可能是更好的标的。

对从业者： AI 行业正在从”技术驱动”阶段过渡到”商业化驱动”阶段。能够将 AI 能力转化为可衡量的商业价值（如 DraftKings 的33400小时节省）的人才，将比纯研究型人才更受市场青睐。

对企业决策者： 不要把赌注押在任何单一的 AI 供应商上。AWS Bedrock 的多模型策略（同时支持 Claude、Llama、OpenAI 模型）是正确的方向。企业应该建设自己的 AI Agent 基础设施，而非依赖任何一家公司的封闭生态。

对整个行业： OpenAI 的融资规模正在扭曲整个 AI 生态系统的资源配置。当一家公司拿走了$1100亿时，其他所有 AI 创业公司的融资环境都会变得更加艰难——投资者的资金是有限的。这可能导致 AI 行业的创新集中度过高，而历史反复证明，创新通常来自边缘而非中心。

OpenAI 的”不可能三角”不仅仅是一家公司的财务问题，它是整个 AI 行业是否处于泡沫中的试金石。当一家年亏$140亿的公司能以$8300亿的估值融到$1100亿时，要么我们正处于人类历史上最大的技术革命的前夜，要么我们正处于人类历史上最大的投机泡沫的中场。

也许两者同时为真。

参考资料

  1. OpenAI’s Massive Hiring Plan: 8,000 Employees by 2026 — hopempls.org, 2026-03-28
  2. xAI: All Co-founders Have Now Departed as Musk Admits SpaceX Rebuild Needed — TNW, 2026-03-28
  3. Arm AGI CPU Explained: The New Silicon Foundation for Agentic AI at Global Scale — cdcra.com, 2026-03-28
  4. Amazon’s AI-Fueled Layoff Surge: Another 14,000 Jobs on the Chopping Block — opentools.ai, 2026-03-28
  5. AWS AI Implementation: Blue Origin, Pinterest, Condé Nast Case Studies — AWS, 2026-03-28
  6. Palantir’s UK Surge: AI in Finance, NHS, and Military — giteslacolline.com, 2026-03-28
  7. The Pentagon AI Deal: Sam Altman’s Role in Saving Anthropic — bayandegilkadin.com, 2026-03-28
  8. Tactical Edge AI & AWS Strategic Collaboration Agreement — Tactical Edge AI, 2026-03-28
  9. DraftKings DraftCode: Agentic Coding Engine on AWS Bedrock — Gary Stafford/LinkedIn, 2026-03-28

主题分类：ai-org-structure