9 月 9 日，OpenAI 首席财务官 Sarah Friar 在旧金山高盛 Communacopia + Technology 会议上，描绘了一条与「通用助手」叙事不同的增长路线：把模型能力下沉到芯片设计、生命科学、金融服务等强专业、强流程的垂直行业，并用更激进的定价回应企业对「可衡量回报」的诉求。这番表态出现在企业收入加速、低价模型 Luna 大幅降价之后，被视为 OpenAI 在开源权重模型与 Anthropic 双重夹击下的正面迎战。
一、从「通用」到「垂直」：芯片设计成了样板间
Friar 把芯片设计列为垂直化排头兵，并非空谈。她透露 OpenAI 在自研芯片 Jalapeno 上全程使用自家模型，从设计到「tape-out（流片，即设计定稿送厂）」仅用九个月——这个周期在芯片行业相当紧凑。把这套内部实践包装成对外能力，意味着 OpenAI 想把「AI 辅助 EDA/芯片设计」做成像 Codex 那样的可售卖工作流。生命科学、金融服务同理：前者看重文献/实验数据的高吞吐处理，后者看重合规与风险可控下的自动化决策。企业不再满足于「会聊天的通用模型」，而是要求「为我这道工序量身定制的系统」。
二、价格战打到「按成果付费」
更值得关注的是定价实验。Friar 明确表示，OpenAI 正在尝试「基于业务成果（outcome-based）而非使用量」的收费模式——企业越来越希望 AI 支出能直接对应可核算的回报，而不是按 token 或席位堆账单。配合这一动作的，是 Luna 低价模型近期降价 80%、带动使用量约 10 倍增长；她同时抛出一句火药味十足的对比：在云层部署 Luna，比运行智谱（Z.ai）GLM 5.3 这类中国开源替代更便宜。这等于把「闭源前沿 vs 开源平替」的老叙事，改写成「我的低价档也能比你的开源档更划算」。
三、企业业务已逼近半壁江山
数据层面，Friar 给出的信号偏暖：企业收入 6 月至 7 月环比增长 32%，快于整体年化收入 20% 的增速；到年中，企业端与消费端收入已大致持平，比原定年底实现平衡的节点提前了大半年。编程工具 Codex 用户数达 2500 万。当增长重心从消费侧转向企业侧，「卖结果」比「卖能力」更贴近采购逻辑——这也解释了为何 OpenAI 愿意把定价从「用多少付多少」推向「产出多少付多少」。成败的关键，将不再是模型跑分，而是能否在垂直行业里把 ROI 说清楚、算明白。