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。

　　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。