主攻芯片设计、生命科学和金融服务

Friar 表示，OpenAI 目前重点布局芯片设计、生命科学和金融服务三个领域。随着企业越来越希望 AI 系统能够针对特定任务进行优化，公司也在探索更加行业化的解决方案。

与此同时，OpenAI 正在尝试按企业最终获得的业务成果，而不是模型的实际使用量来制定价格。企业客户对 AI 投资回报的要求越来越明确，这种模式成为 OpenAI 正在探索的方向。

这一转变背后是日益激烈的竞争：一方面，中国的开放权重模型持续发展；另一方面，Anthropic 等竞争对手也在争夺企业客户。AI 厂商需要证明产品能够带来可量化的商业价值。

9 个月完成自研芯片流片

Friar 透露，OpenAI 自身在使用 AI 开发芯片方面已经获得了积极经验。公司利用自研模型参与 Jalapeno 芯片的开发，并在 9 个月内完成了”流片”（tape out）。流片意味着芯片设计已经最终确定，并被送往晶圆厂进行实际生产。

这一案例也成为 OpenAI 向芯片设计行业推销 AI 能力的主要依据。

Luna 降价 80%，用量涨约 10 倍

开源和开放权重模型一直被广泛视为前沿模型的低成本替代方案。不过 Friar 表示，OpenAI 近期将旗下低成本 Luna 模型的价格下调了 80%，推动该模型的使用量增长了约 10 倍。

她还指出，对企业而言，直接部署 OpenAI 的低成本模型，有可能比通过云服务商运行中国开源模型更加便宜。她的原话是：”如果你部署 Luna，并将其与智谱（Z.ai）的 GLM 5.3 在云端环境中的成本进行比较，我们的价格更低。”

Codex 用户 2500 万，企业收入增速跑赢大盘

在开发者侧，OpenAI 的编程工具 Codex 目前拥有 2500 万用户。

企业业务的增长更为明显。Friar 透露，今年 6 月至 7 月期间，OpenAI 企业业务收入增长了 32%，同期整体年化收入的增幅为 20%。到今年年中，企业业务和消费者业务收入已经大致达到各占一半的水平，比公司原本计划在年底实现这一目标提前了半年。

成果定价能走多远仍是未知数

按业务成果收费的模式在企业软件领域并非首次出现，成败关键在于如何公平地定义和衡量”成果”。OpenAI 目前尚未披露该模式的具体指标与价格档位。

对缺少深度 AI 工程团队的企业来说，把基础设施、维护等成本打包进可预测的单价确实有吸引力；但受数据合规与供应商锁定考量影响的金融、医疗等行业，可能仍倾向于把模型部署在自己的基础设施上。价格战已经打响，最终比拼的仍是单位成本之下能否交付可量化的业务结果。