2026年，AI行业进入史无前例的融资与扩张阶段。Anthropic年化收入突破300亿美元反超OpenAI，后者估值逼近8500亿美元。然而，在表面繁荣之下，三个结构性的财务黑洞正在吞噬整个行业：模型训练成本无法向客户转嫁、模型迭代导致前代产品价值瞬间归零，以及竞争驱动的运营扩张形成刚性支出。三大黑洞互相喂养，形成了一个自我强化的资金绞杀结构——训练的钱收不回来，收不回来的钱还在增加，之前花的钱已经变成废纸，而养人和租办公室的钱一旦开始就停不下来。本文从产业经济学视角，系统分析这一致命架构，并将纯AI公司与Google的自给自足模式、DeepSeek的极致低成本模式、以及苹果、英伟达、三星的健康造血模式进行对比，揭示AI行业繁荣背后的深层危机。
第一个黑洞：训练成本无法转嫁
在传统制造业和科技行业中，研发成本最终都会通过产品定价传导到终端客户。苹果将芯片研发费用摊进每台iPhone的售价中，消费者为之买单。英伟达将GPU架构的研发成本嵌入每块显卡的定价中，数据中心客户为之买单。成本转嫁能力是一家公司拥有定价权的核心标志。
AI大模型公司几乎完全不具备这种能力。截至2025年，OpenAI每赚1美元就要花费1.35美元，2025年全年预计烧钱约90亿美元。Anthropic的情况稍好但本质相同——2024年亏损53亿美元，2025年亏损约30亿，毛利率从此前乐观预期的50%下调至40%，仍远低于传统软件公司的70-80%。两家公司的收入都在暴涨，但支出增长得更快——这正是成本无法转嫁的直接后果。
OpenAI每赚$1的实际支出
OpenAI 2025Q4单季亏损
OpenAI 2025年预计烧钱
AI公司典型毛利率（远低于传统软件）
然而，这些天文数字的训练成本无法通过提高API价格来回收。原因是四重的：
第一，价格战摧毁了定价权。OpenAI降价，Anthropic跟进，Google直接提供免费额度。三巨头之间的竞争使得API价格持续走低，客户的心理预期是”AI应该越来越便宜”。一旦涨价，客户切换到竞争对手的成本极低——可能只需要改几行代码。
第二，开源模型在底部施压。Meta的Llama系列、Mistral等开源模型不断逼近闭源模型的能力边界。据Stanford AI Index 2025报告，开源与闭源模型的性能差距已从8%缩小到仅1.7%，为API定价设置了一个几乎贴地的天花板。
第三，训练成本与推理成本结构性分离。客户为推理（inference）付费，但训练（training）是一次性沉没成本。训练一个顶级模型可能花费数亿美元，但这笔费用无法像制造业那样按”单位产品”分摊到每一次API调用中——因为API调用的边际成本由推理算力决定，与训练成本无关。
第四，推理成本下降并不能拯救整体经济模型。据Epoch AI数据，LLM推理单位成本以每年中位数50倍的速度下降，2024年后加速到200倍。这看似利好，但Gartner在2026年3月明确警告：单位token成本的通缩被总token消耗的暴涨所抵消，总推理支出实际在上升。这是经典的杰文斯悖论——效率越高，需求越大，总成本反而更高。推理成本下降不等于AI公司的总支出下降，更不等于训练成本下降。
几十亿美元的训练成本只能自己吞下去，然后用低价API慢慢回收。但还没收回来，新模型又要开训了——这是一个永远填不满的窟窿。
第二个黑洞：迭代归零
传统科技产品的迭代是叠加式的。iPhone 15被淘汰后，苹果的品牌资产、用户生态、App Store开发者网络、iCloud用户数据全部延续到下一代产品。英伟达的旧GPU停产后，CUDA生态、开发者社区、企业客户关系全部沉淀下来。旧产品退役，价值沉淀在生态之中。
AI模型的迭代是替代式的。GPT-4出来，GPT-3价值归零。Claude Opus 4发布，前代模型不再有商业价值。几十亿美元训练出来的模型，有效生命周期可能只有六到十二个月。这不是折旧，这是蒸发。
这种蒸发不仅是内部迭代的结果，更是外部竞争加速驱动的。AI行业是一场没有终点线的军备竞赛：OpenAI不得不淘汰GPT-4，不是因为它”不好用”了，而是因为Anthropic的Claude、Google的Gemini、Meta的Llama都在逼近甚至超越它。任何一家停止迭代，客户会在几个月内流向对手。竞争对手的存在，将模型的有效生命周期从”自然寿命”压缩到了”竞争寿命”——后者往往更短。
事实已经证明了这一点。截至2025年，GPT-3.5被业界判定为不可用于任何专业场景——引用来源时约40%会编造虚假参考文献，律师资格考试成绩排名倒数10%。OpenAI不断强制废弃旧模型版本，GPT-3系列、GPT-3.5多个变体、GPT-4早期版本均已被弃用或排入弃用时间表，给开发者的迁移通知期越来越短。
更值得警惕的是，投资人Michael Burry——曾成功预测2008年金融危机的”大空头”——在2025年底公开警告：AI时代的利润建立在资产折旧造假之上。他估算大型科技公司将在2026-2028年间通过拉长折旧年限少报约1760亿美元的资产减值。换言之，AI资产的真实贬值速度远超财报所呈现的数字。
叠加式迭代 · ADDITIVE
苹果：iPhone迭代 → 品牌、生态、用户数据全部继承
英伟达：GPU换代 → CUDA生态、客户关系持续沉淀
三星：芯片升级 → 制造工艺经验、产线资产持续增值
价值在时间中积累
替代式迭代 · REPLACEMENT
OpenAI：GPT-4 → GPT-5 = GPT-4训练成本全部沉没
Anthropic：Opus 4 → Opus 5 = 前代投入价值归零
Google：Gemini 1.5 → 2.0 = 旧模型无商业价值
价值在迭代中蒸发
这意味着AI公司的资产负债表在某种程度上是一个幻觉。账面上最”值钱”的资产是模型本身（以及相关的训练数据和知识产权），但这个资产每隔六到十二个月就需要重新花费天价制造一个新的替代品。传统企业投资一条生产线可以运转十年，AI公司投资一个模型的有效周期可能不到一年。资本效率天差地别。
更深层的问题在于：这个特性使得AI公司永远无法停止投入。苹果理论上可以一年不发布新iPhone，靠存量设备和服务收入照样盈利。AI公司一旦停止模型迭代，客户会在几个月内流失——因为竞争对手的新模型必然更强。
AI公司本质上不是在积累资产，而是在不断消耗资产。每一轮训练都是一次性支出，产出一个保质期极短的产品。赚的钱永远要拿去造下一个即将过期的模型。
训练与推理的双重黑洞叠加：死亡螺旋
单独来看，每一个黑洞都已经非常致命。叠加在一起，它们形成了一个自我强化的资金消耗循环：
→
→
→
→
→
这种结构在商业史上几乎没有先例。最接近的类比可能是制药行业——研发成本巨大，大部分候选药物最终失败。但制药公司至少拥有专利保护期，一旦一款新药获批，可以独家销售十到二十年，在此期间充分回收研发投入。AI模型连这种保护都没有——因为竞争对手随时可以训练出同等能力的模型，不存在任何形式的”独占期”。而且竞争本身就在加速螺旋的旋转：你不训练新模型就会被对手超越，但训练了新模型也无法保证领先超过几个月。所有参赛者都被迫不断加注，无人能退出。
这也解释了为什么AI公司的收入增长无法解决根本问题。Anthropic从2024年初的8700万美元年化收入增长到2026年4月的300亿美元，增速令人惊叹。但如果成本增长始终跑在收入前面，利润就永远无法实现。
AI行业的死亡螺旋本质是：训练花出去的钱收不回来（黑洞一），收不回来的钱还在不断增加（黑洞一的加速），之前花的钱已经变成了废纸（黑洞二），而养人和扩张的钱一旦开始就停不下来（黑洞三）。三者形成三角形绞杀结构，构成科技史上最昂贵的消耗战。
第三个黑洞：运营扩张的刚性失控
训练是沉没成本，推理是微利运转，但还有一个更隐蔽的黑洞常被忽视：竞争驱动的运营扩张。这个黑洞不同于前两个——它是刚性的、不可逆的，一旦启动就无法停止。
OpenAI计划在2026年底将员工从约4500人翻倍到8000人，新增3500个岗位。直接触发因素是Anthropic在企业市场的快速追赶——新企业客户选择Anthropic的比例已是OpenAI的三倍。2025年12月，CEO Altman下达了内部”红色警报”指令，暂停非核心项目，全力加速开发。Anthropic同样在扩张，员工从2022年的192人增长到2025年的1097人，2026年初已达约2500人，在旧金山Howard Street一带连续签下500、505、400、300号多栋大楼的租约，形成了事实上的”AI Alley”。
这些人的薪资不是小数目。OpenAI员工中位年薪总包约64万美元，软件工程经理最高可达126.5万美元。2025年，OpenAI的人均股权激励达到150万美元——这是科技创业公司有史以来最高的股权薪酬，比Google上市时高出六倍。Anthropic的中位总包约44.3万美元，软件工程师最高可达75.9万美元。精算一下：仅OpenAI当前4500人的纯薪资成本就接近29亿美元/年，翻倍到8000人后将超过50亿。Anthropic 2500人按中位44万计算，年薪资成本约11亿。两家公司合计，仅人力一项就超过40亿美元/年，而且还在快速膨胀。
OpenAI 2026年底目标人数
OpenAI员工中位年薪总包
OpenAI人均股权激励(2025)
OpenAI旧金山办公面积
办公场地同样在疯狂扩张。OpenAI在旧金山Mission Bay的办公面积已突破100万平方英尺，还签下了Mountain View 43.9万平方英尺的10年期租约，加上纽约和伦敦的办公室。按旧金山年租金约67美元/平方英尺计算，仅旧金山办公室的年租金就接近6700万美元。Anthropic则沿Howard Street一带密集布局，在500、505、400、300 Howard Street连续签下数十万平方英尺的租约。
这个黑洞的致命之处在于它的不可逆性。训练成本理论上可以控制节奏——推迟半年再训下一代。但8000人的工资能推迟发吗？10年期的园区租约能退吗？降薪？顶尖人才立刻被Google、Anthropic、Meta挖走。裁员？核心研发能力瞬间丧失。这些都是刚性支出，不随收入波动调整。
推理Token赚的毛利约20亿美元，但仅OpenAI的人力成本就接近29-50亿，加上办公和运营开支，纯运营端的年支出在40-60亿以上。推理收入连养人都不够，更不用说填训练的窟窿。
三个黑洞由此形成了一个三角形的资金绞杀结构：训练黑洞产出的模型需要更多研究员来开发（运营成本上升），服务更多客户需要更大的推理算力和销售团队（运营成本再上升），运营扩张需要更多收入来支撑（推理压力更大），而推理赚的钱连运营都覆盖不了，更不用说回填训练的沉没成本。三个黑洞互相喂养，没有一个能自行关闭。
健康模式的参照：谁在正确造血？
为了更清晰地理解AI行业的结构性缺陷，有必要对照那些拥有健康造血功能的科技巨头。截至2025-2026财年：
| 指标 | 苹果 Apple | 英伟达 Nvidia | 三星 Samsung | OpenAI |
|---|---|---|---|---|
| 现金储备 | $669亿 | $626亿 | $773亿 | 依赖融资 |
| 造血能力 | 季度自由现金流$286亿 | FY2026返还股东$411亿 | 年自由现金流₩36.5万亿 | 季度亏损$115亿 |
| 成本转嫁 | ✅ 硬件定价权 | ✅ GPU定价权(毛利率70%+) | ✅ 存储芯片定价权 | ❌ API价格战 |
| 资产沉淀 | ✅ 生态累积 | ✅ CUDA生态 | ✅ 制造工艺 | ❌ 模型迭代归零 |
| 与客户关系 | 共赢（App Store） | 共赢（卖铲子） | 共赢（供应链） | 竞争（收编生态） |
这三家公司有一个共同特征：不与客户竞争。英伟达从不做大模型，不做应用，只卖算力——客户越多越好，客户之间越内卷，英伟达的GPU需求就越高。苹果提供平台和分发渠道，开发者靠App Store赚钱，双方利益绑定。三星作为上游芯片和屏幕供应商，是所有终端厂商的合作伙伴。
“不要和客户竞争”——这是商业世界的铁律。台积电不做芯片设计，ARM不做手机，Visa不做银行。活得最久的公司，都是在生态中扮演不可替代但绝不越界的角色。
AI公司正在系统性地违反这条铁律。OpenAI推出ChatGPT直接与基于GPT API的创业公司竞争，推出GPTs与应用层开发者竞争。Anthropic推出Managed Agents与搭建agent框架的公司竞争，更典型的是Claude Code——Anthropic最大客户Cursor将100%的收入支付给Anthropic作为算力费用，而Anthropic转手就拿这笔钱开发Claude Code，一个与Cursor直接竞争的产品。用客户的钱打造客户的对手，这是对”不要和客户竞争”铁律最赤裸的违反。Google把Gemini塞进所有自家产品，与每一个使用Gemini API的开发者竞争。每一步扩张都是在蚕食合作伙伴的生存空间。
上下夹击：Google的自给自足与DeepSeek的极致低成本
三大黑洞已经足够致命，但纯AI公司还面临一个更残酷的竞争格局：它们被两股力量同时挤压——上方是拥有造血能力的巨头，下方是不需要盈利的搅局者。
上方的碾压者：Google。Alphabet 2026年资本支出预算1750-1850亿美元，是2025年的近两倍。但Google与OpenAI和Anthropic有本质区别：Google Cloud已经盈利，2025年Q4运营利润同比暴增154%至53亿美元，利润率30%。更关键的是，Google自研TPU芯片的总拥有成本比英伟达GPU低30-44%。这意味着当Google服务一个Gemini查询时，它付的是电费和芯片折旧；当OpenAI服务一个ChatGPT查询时，它付的是英伟达的利润 + 微软的利润 + 自己的运营成本。这个结构性差距不会随规模缩小——规模越大，差距越大。Google还通过模型优化在2025年内将Gemini推理单位成本降低了78%。对Google而言，AI是搜索广告帝国（年收入超2000亿美元）的一个投资项目，而非生存依赖。它烧得起，等得起。
下方的搅局者：DeepSeek。这家中国公司声称其V3模型训练成本仅600万美元，而OpenAI的GPT-4花了约1亿美元。DeepSeek的API定价是美国公司的四分之一到六分之一，而且——与亏损的美国竞争对手不同——它声称是盈利的。DeepSeek的母公司是量化对冲基金High-Flyer，不受外部投资者的盈利压力，可以无限期以极低价格搅乱市场。DeepSeek的出现直接引爆了中国AI价格战，迫使百度、阿里巴巴、腾讯、字节跳动全部大幅降价甚至免费开放模型。百度将ERNIE 4.5 Turbo的API价格砍了80%，每百万token仅0.11美元。AI学者李开复的判断是：”DeepSeek最大的启示是开源已经赢了。当竞争对手免费且强大时，闭源模型的定价合理性将被根本性动摇。”
上方碾压 · GOOGLE
自研TPU，成本比英伟达低30-44%
Google Cloud已盈利，利润率30%
搜索广告年收入2000亿+兜底
AI是投资项目，不是生存依赖
下方搅局 · DEEPSEEK
训练成本$600万 vs OpenAI $1亿
API价格是美国公司的1/4到1/6
对冲基金兜底，不需要盈利
以低价摧毁行业定价体系
纯AI公司——OpenAI、Anthropic——被夹在中间：既无法像Google一样靠自研芯片和广告收入自给自足，也无法像DeepSeek一样靠极致效率和零盈利压力打价格战。上方被碾压利润空间，下方被挤压定价权。三大黑洞在这种上下夹击中不仅无法缩小，反而在加速扩大。
上市融资能否打破僵局？
面对持续的资金消耗，上市融资似乎是AI公司的最后一张牌。OpenAI据报正在筹备IPO，Anthropic也在评估最早于2026年10月上市的方案。但上市真的能解决问题吗？
传统科技公司上市，是因为已经证明了盈利模式，IPO是锦上添花。AI公司上市，是因为私募市场的钱快烧完了，IPO是续命。这两者有本质区别。
上市之后，AI公司将面临一个全新的压力维度——二级市场的定价纪律。私募阶段，估值是少数投资人之间协商的结果，亏损可以被”增长故事”消化。上市之后，估值是全球市场每秒钟在重新定价的。一个坏消息、一次业绩不及预期、一场诉讼，股价就可能腰斩。
OpenAI 最新估值
Anthropic 潜在IPO估值
WeWork IPO后市值（破产）
更危险的是退市风险。美股规则下，股价连续30个交易日低于1美元或市值低于一定门槛，交易所将发出退市警告。亏损公司一旦失去市场信心，股价崩塌的速度远超想象。WeWork从470亿估值跌至归零破产，大批SPAC上市公司两三年内退市——这些公司与今天的AI公司有着惊人的相似性：高估值、高亏损、没有造血能力、靠叙事支撑股价。
上市融来几百亿，烧两三年又没了。然后呢？再融？股价撑不住。二级市场投资者不像VC那么有耐心——他们要看季度财报，要看利润。一旦连续亏损，股价崩盘、融资能力消失，死亡螺旋就开始了。
有人将广告视为破局之道。2026年2月，OpenAI在ChatGPT免费版和Go版中正式上线广告，六周内年化广告收入达到1亿美元，600多家广告主参与测试。这个数字看似亮眼，但放进整体财务结构来看完全不在量级上——同一家公司一个季度亏损115亿美元，广告年化1亿只占亏损额的不到1%。即使广告业务在2026年全年达到预估的不到10亿美元，对于填补三大黑洞也是杯水车薪。
更危险的是，广告模式本身携带了一颗新的信任炸弹。ChatGPT的核心价值建立在用户对其回答客观性的信任上。一旦用户开始怀疑AI的回答是在为广告主服务而非追求准确性，平台的核心竞争力就会迅速瓦解。Anthropic已经明确拒绝广告模式，将”不做广告”作为企业客户信任的差异化定位。OpenAI以0.70美元卖出1美元的商品，现在试图用广告补贴那0.30美元的差价——这不是商业模式创新，这是绝望中的挣扎。
数据信任的隐性炸弹
在三大财务黑洞之外，AI公司还面临一个可能加速崩塌的触发因素：数据信任危机。
用户在平台上的每一次交互——prompt怎么写、workflow怎么设计、agent怎么编排——本质上都是免费的训练数据和产品灵感。创业者以为自己在使用工具，实际上也在喂养工具。这比苹果税更加隐蔽：苹果收的是钱，AI公司收的是智慧。
OpenAI的遭遇已经展示了信任崩塌的链式反应。2026年初，法院裁定OpenAI必须向版权诉讼原告提供2000万条匿名化的ChatGPT对话日志。法官认定用户是”自愿提交”对话内容，因此隐私抗辩不成立。与此同时，Elon Musk的欺诈诉讼即将在4月27日开庭，索赔1340亿美元。微软——OpenAI最大的股东——据报也在考虑对其提起违约诉讼。
创始人、投资人、用户、版权方、监管机构同时施压——这正是”墙倒众人推”的典型场景。历史上有先例：Facebook的Cambridge Analytica事件让它一夜之间从”连接世界”变成”隐私公敌”。AI公司如果处理不好数据信任问题，类似的转折点随时可能到来。
有观点认为，用户数据和RLHF反馈信号构成了AI公司的”数据飞轮”护城河——用户越多，反馈越丰富，模型越强，进而吸引更多用户。但这个逻辑正在被两个趋势瓦解。首先，合成数据正在大规模替代人类反馈数据：在指令微调阶段，合成数据已经基本胜出；在偏好训练阶段，学术研究表明合成偏好数据与人类数据效果相当。其次，正如Andreessen Horowitz的研究所指出的：数据规模效应往往呈现递减回报——获取独特数据的边际成本在上升，而增量数据的边际价值在下降。数据飞轮在通用模型层面并不构成持久的竞争壁垒，它更可能在垂直应用层发挥作用。
这意味着AI公司试图通过收集用户数据建立的”护城河”，既面临伦理和法律风险，又在技术上正被合成数据所绕过。数据不是AI公司的资产，而是正在变成负债。
历史类比：淘金热中谁赚到了钱？
1849年加州淘金热中，绝大多数淘金者血本无归，而卖铲子、卖帐篷、卖牛仔裤（Levi’s）的人赚得盆满钵满。2026年的AI行业正在重演同一个剧本。
| 角色 | 淘金热 (1849) | AI热潮 (2024-2026) |
|---|---|---|
| 淘金者 | 矿工（多数亏损） | AI大模型公司（烧钱竞赛） |
| 卖铲人 | 工具商、Levi’s | 英伟达（GPU）、台积电（代工） |
| 平台方 | 铁路公司、银行 | AWS、Azure、GCP（云平台） |
| 受害者 | 跟风投机者 | AI创业公司、企业客户 |
英伟达的现金储备从ChatGPT发布前（2023年1月）的133亿美元飙升到2026财年的626亿美元，增长了近五倍。2026财年，英伟达向股东返还了411亿美元的回购和分红——这是一家真正在赚钱的公司才做得到的事。不管哪家AI公司赢、哪家输，英伟达都在收钱——AI公司之间越内卷，英伟达的GPU需求越高。AI公司的死循环，恰恰是英伟达的正循环。
真正在AI产业链中扮演”收税人”角色的，除了英伟达，还有云平台。AWS、Azure、GCP为AI公司提供运行基础设施，按用量收费，旱涝保收。2026年，五大美国云和AI基础设施提供商的资本支出承诺合计达到6600-6900亿美元。这些钱流向了云平台和芯片公司，而不是AI模型公司。AI公司以为自己在建造未来，实际上它们是在给基础设施提供商交租。模型公司是租户，不是地主。
结论：繁荣背后的倒计时
AI行业当前的表面繁荣——300亿美元的年化收入、8500亿美元的估值、每两周发布一个新产品——掩盖了一个根本性的结构缺陷：这个行业还没有找到可持续的盈利模式。
三大黑洞的存在意味着，无论收入增长多快，只要成本结构不发生根本性变化，AI公司就只是在比谁死得更慢。推理Token赚的微利连运营团队都养不活，训练成本是纯支出零回报的深渊，而竞争驱动的扩张一旦启动就无法刹车。与此同时，上方有Google凭自研芯片和广告收入碾压，下方有DeepSeek以极致低成本和免费模式摧毁定价体系。宏观层面，美国AI资本支出每年超过5000亿美元，而消费者每年在AI服务上的支出仅120亿——投入与回报之间是新加坡GDP与索马里GDP的差距。Anthropic CEO Dario Amodei亲口承认：如果AI进展推迟12个月，他就会破产。OpenAI CEO Sam Altman也公开说：”投资者整体上对AI过度兴奋了吗？我的看法是：是的。”当两家头部公司的CEO都在发出这样的信号时，这不是预警，这是确认。除非以下两个条件中至少有一个被满足：
条件一 · COST BREAKTHROUGH
算力成本出现数量级的下降——不是10%、20%的优化，而是像摩尔定律早期那样的10倍乃至100倍的突破，使得训练成本不再是天文数字。
条件二 · MARGIN BREAKTHROUGH
AI找到一个利润率极高且边际成本趋近于零的杀手级应用场景——类似于苹果的App Store或Google的搜索广告，一旦建成，利润几乎无限扩展。
在这两个条件满足之前，AI公司本质上是在用风险投资和二级市场的资金，进行一场人类科技史上最昂贵的赌博。赌赢了，可能重塑整个经济形态。赌输了，留下的将是数千亿美元的沉没成本和一地鸡毛。
商业史上活得最久的公司都遵守两条朴素的原则：不与客户竞争，合作共赢才能持续；以及钱不是一天赚的。AI行业正在同时违反这两条原则——用短期的扩张牺牲长期的生态，用未来的估值透支今天的信任。
没有造血功能的公司，不管融多少钱，都只是在给自己倒计时。独食者最终会发现桌上只剩自己，而饭已经凉了。
参考来源
[1] SaaStr, “Anthropic Just Passed OpenAI in Revenue,” April 2026
[2] Yahoo Finance, “OpenAI’s 2026 Scorecard: A String of Lawsuits,” March 2026
[3] CNBC, “Elon Musk Seeks Ouster of OpenAI CEO Sam Altman,” April 2026
[4] National Law Review, “OpenAI Loses Privacy Gambit: 20 Million ChatGPT Logs,” January 2026
[5] Anthropic Engineering Blog, “Scaling Managed Agents,” April 2026
[6] Gartner, “Performing Inference on an LLM Will Cost Over 90% Less by 2030,” March 2026
[7] Epoch AI, “LLM Inference Prices Have Fallen Rapidly but Unequally Across Tasks,” March 2025
[8] Stanford HAI, “The 2025 AI Index Report,” April 2025
[9] CNBC, “OpenAI Ads Pilot Tops $100 Million in ARR in Under 2 Months,” March 2026
[10] Fortune, “What Happens to Old AI Chips? Michael Burry Depreciation Warning,” December 2025
[11] AI Automation Global, “OpenAI Lost $5B on $3.7B Revenue: The AI Inference Cost Crisis,” March 2026
[12] Andreessen Horowitz, “The Empty Promise of Data Moats,” April 2024
[13] MacroTrends / CompaniesMarketCap, financial data for Apple (AAPL), Nvidia (NVDA), Samsung (005930.KS)
[14] SEC Filings: Apple 8-K (FY2025), Nvidia 8-K (FY2026), Samsung annual reports
[15] OpenAI, “Our Approach to Advertising and Expanding Access to ChatGPT,” January 2026
[16] TradingKey, “Anthropic Revenue Surpasses OpenAI for First Time,” April 2026
[17] Futurum, “AI Capex 2026: The $690B Infrastructure Sprint,” February 2026
[18] Nathan Lambert, “Synthetic Data & CAI,” RLHF Book, 2025-2026
[19] Fortune, “OpenAI Plans to Almost Double Headcount This Year,” March 2026
[20] Levels.fyi, OpenAI / Anthropic salary data, updated April 2026
[21] Fortune, “OpenAI Is Paying Workers $1.5 Million in Stock-Based Compensation on Average,” February 2026
[22] SF Chronicle / The Real Deal, OpenAI office expansion data, January-March 2026
[23] SF Standard, “The AI Leaderboard: Where the Biggest Companies Are in SF,” April 2026
[24] CNBC, “Google Parent Beats on Revenue, Projects Significant AI Spending Increase,” February 2026
[25] SemiAnalysis, “Google TPU vs Nvidia GPU Total Cost of Ownership Analysis,” November 2025
[26] Wikipedia / Britannica Money, “DeepSeek,” updated April 2026
[27] CNBC, “China’s Open-Source Embrace Upends Conventional Wisdom Around AI,” March 2025
[28] Digitimes, “Baidu Cuts AI Costs, Takes Swipe at DeepSeek,” April 2025
[29] Epoch AI, “Can AI Companies Become Profitable?” January 2026 (updated March 2026)
[30] RAND Corporation, US-China AI Competition Report, 2026