文 | 高恒说
3 月 24 日，OpenAI 宣布关停 AI 视频生成产品 Sora，这款上线仅 6 个月、曾登顶 App Store 的现象级应用，将连同 App、API 及原计划接入 ChatGPT 的视频能力一并下线。
这件事的反常之处在于，Sora 并不是一个失败产品：它上线 10 天下载破百万，峰值达到约 333 万，但整个生命周期内收入只有约 210 万美元。
当一款"用户喜欢但赚不到钱"的 AI 产品，被一家刚完成 1100 亿美元融资、准备 IPO 的公司主动放弃，问题就不再是产品本身，而是增长逻辑开始发生变化。
一个更清晰的信号正在出现：AI 行业正在从"能力优先"，转向"变现优先"，不是所有看起来很先进的技术，都值得被继续投入。
01：一款爆火产品，为什么被主动放弃
如果只看产品表现，Sora 很难被归类为"失败案例"。
2025 年 9 月上线后，这款 AI 视频生成工具在极短时间内完成了冷启动：10 天下载量突破 100 万，一度登顶 App Store 免费榜，峰值下载达到约 333 万次。从传播效果看，Sora 几乎是继 ChatGPT 之后，OpenAI 在消费者端最具话题性的产品之一。
它的技术能力也没有明显短板。相比此前的文生视频工具，Sora 在画面连贯性、真实感和叙事能力上都有明显提升，用户可以直接生成接近影视级质感的短视频，这也是它在上线初期迅速出圈的核心原因。OpenAI 甚至一度为其引入内容生态资源，2025 年 12 月与迪士尼达成 10 亿美元投资及角色授权合作，允许用户调用漫威、星球大战等 IP 进行创作，试图把 Sora 推向" AI 内容平台"的位置。
如果按传统互联网产品逻辑，这样的路径是成立的：技术突破→ 用户增长 → 内容生态 → 商业化。但 Sora 的问题恰恰出在最后一步。
这款产品的商业模型几乎没有跑通。移动分析机构 Appfigures 的数据披露 Sora 整个生命周期内的应用内购收入只有约 210 万美元。而其背后的算力消耗却极其惊人，视频生成是当前最消耗计算资源的 AI 任务之一，单次生成成本远高于文本或图片，在用户规模上来之后，每天的算力支出可以达到数百万美元级别。
这意味着一个非常直接的结果：用户越多，亏损越大。
这种"增长反而放大亏损"的结构，使得 Sora 很难像 ChatGPT 那样，通过订阅或增值服务形成稳定现金流。即便它一度具备爆款特征，但商业上更接近一个"高成本的演示产品"，而不是一门可以规模化复制的生意。
更重要的是，用户侧的热度也没有持续。移动分析机构 Appfigures 数据显示，Sora 下载量在 2025 年 11 月达到 333 万次峰值后迅速回落，到 2026 年 2 月已降至约 113 万。同时，为了控制成本和合规风险，平台对生成次数进行限制，并加强对 deepfake 内容的管控，这在一定程度上进一步压制了用户活跃度。
换句话说，Sora 面临的是一个双向收缩：一边是成本无法下降，另一边是使用体验受限，用户增长开始失速。
在这种情况下，OpenAI 的选择就变得可以理解。公司不仅关停了 Sora 的独立应用，还同步取消 API 服务，以及原计划整合进 ChatGPT 的视频能力。这不是一次单点产品调整，而是一次明确的资源回收：把算力和团队，从一个"消耗大、回报慢"的方向，转移到更核心的业务上。
一个细节可以说明这种转向的彻底性。据媒体报道，OpenAI CEO Sam Altman 在内部会议中表示，将把资源聚焦于核心业务，包括 ChatGPT、企业级工具、编程助手 Codex 以及计划中的"超级应用"，而非"分散注意力的副本任务"。原 Sora 研究团队将转向"世界模拟研究"，重点支持机器人和真实世界物理任务，而非消费级视频生成。
因此，Sora 的退出，本质上不是一次产品层面的失败，而是一次典型的资源配置决策。
02：OpenAI 为什么必须"收缩"：不是选择，而是被逼的
Sora 被关停本质上是 OpenAI 正在为过去一年的"扩张策略"付出代价。
2025 年，是 OpenAI 产品线扩张最激进的一年。除了视频生成模型 Sora，公司还在推进 AI 浏览器 Atlas、与 Jony Ive 合作的硬件项目、ChatGPT 电商功能等多个方向。Altman 曾把这种打法形容为"在公司内部押注一系列创业项目"，试图在 AI 时代的多个入口同时卡位。
这套逻辑在当时并非没有道理。ChatGPT 拥有 9 亿周活跃用户基础，OpenAI 也具备领先的模型能力，从直觉上看，"多点开花"有助于扩大生态边界。但问题在于，AI 行业的核心资源不是人力，而是算力，而算力在现阶段是高度稀缺且昂贵的。
当多个项目同时推进，资源被不可避免地分散。据媒体报道，多位现任和前任员工反映，过多的并行项目导致战略方向模糊，算力资源在团队之间频繁调拨。组织架构也愈发混乱，比如 Sora 团队被放在研究部门下面，但它实际上在负责公司最受关注的产品之一。
在这种情况下，"什么都做"很容易变成"每件事都做不深"。
真正的转折，来自外部竞争的变化。
过去一年，Anthropic 在企业市场和编程场景的快速崛起，对 OpenAI 形成了直接压力。金融科技公司 Ramp 数据显示，截至 2026 年 2 月，在首次采购 AI 工具的企业中，Anthropic 占据约 73% 的支出份额，而 OpenAI 仅约 27%；在整体企业 AI 订阅市场，OpenAI 虽然仍以 34.4% 领先，但 Anthropic 的增速明显更快，2026 年 2 月其月环比增长为 4.9%，同期 OpenAI 则出现 1.5% 的下滑。
差距最明显的是 Coding 这一高价值赛道。根据 Menlo Ventures 报告，Anthropic 的 Claude Code 已经占据约 54% 的编程市场份额，而 OpenAI 仅约 21%。这款产品在发布六个月后就实现了 10 亿美元年化收入，到 2026 年 2 月已超过 25 亿美元。更关键的是，它不仅服务开发者，还在向非技术人群扩展，形成更广泛的生产力工具。
对比来看，Anthropic 的策略非常单一：不做视频、不做图像、不做硬件，只聚焦文本、代码和企业场景，把有限的算力全部投入到回报率最高的方向。而 OpenAI 在多个方向分散投入，反而削弱了在核心赛道上的优势。
这意味着，竞争的逻辑已经发生变化。AI 行业不再只是"谁的模型更强"，而是"谁能把模型变成稳定收入"。
在这种背景下，OpenAI 内部开始重新定义优先级。2026 年 3 月 16 日，应用业务 CEO Fidji Simo 在全员会议上直言，"我们不能因为被副本任务分心而错过这个时刻，我们必须在生产力方面，特别是企业生产力方面做到极致。"
如果说竞争压力改变了方向，那么资本压力则进一步压缩了选择空间。
2026 年 2 月，OpenAI 完成总计 1100 亿美元的融资，投前估值 7300 亿美元，成为历史上融资规模最大的未上市公司之一。但高估值背后，是同样惊人的亏损。据外媒报道，2025 年公司收入约 131 亿美元，但亏损约 80 亿美元；到 2026 年，预计亏损将扩大至 250 亿美元，预计最早在 2030 年代才能盈利，现金消耗率高达 83.3%。
与此同时，这轮融资附带大量条件，例如 Amazon 的 350 亿美元资金需要在实现 AGI 或完成 IPO 后才能到账。这使得 OpenAI 必须在短期内证明自身的盈利路径。
在这样的约束下，资源配置的逻辑变得非常直接：优先支持能够快速产生收入、且可以规模化复制的业务。
对比之下，Sora 所在的视频生成方向，恰恰处于另一端：成本高、变现弱、合规复杂、且短期难以形成稳定现金流。
因此，关停 Sora 并不是一个孤立决策，而是整个战略收缩的一部分。
03：从 Sora 到 Coding，AI 行业开始进入"算账时代"
如果把 Sora 的关停放在更大的时间尺度里看，它真正标志的，不是一款产品的结束，而是 AI 行业运行逻辑的一次切换。
过去两年，AI 行业的核心叙事只有一件事：能力不断突破。
从文本到图像，再到视频，多模态模型不断刷新上限，"能不能做出来"几乎是评价一切的标准。只要技术成立，哪怕成本高、路径不清晰，也会被视为值得投入的方向。Sora 正是这种阶段的典型产物，它代表的是能力边界，而不是商业边界。
但现在，一个更现实的约束开始显现：算力不再是可以无限投入的资源。
无论是模型训练还是推理调用，AI 系统的每一次输出，本质上都在消耗真实成本。和传统互联网产品不同，AI 并不存在"边际成本趋近于零"的规模效应，相反，在高复杂度任务（如视频生成）中，边际成本反而显著上升。这意味着，不是所有用户增长，都能转化为利润增长。
当这一点被反复验证之后，行业的评价体系开始发生变化：从"这个能力有多强"，转向"这项能力的单位成本能否被收入覆盖"。
在这个新标准下，不同方向的分化开始迅速拉开。
知名科技产业时评人彭德宇对我们分析到，一类是以视频生成、多模态内容为代表的方向，它们在技术展示上最具冲击力，但同时也最"烧钱"，对算力和带宽的消耗远高于文本类任务，且用户付费意愿相对有限。这类产品更容易成为爆款，却很难成为稳定业务。另一类是以编程、文档处理、企业自动化为代表的生产力场景，它们的技术形态看起来并不"惊艳"，但具有两个更关键的特征：一是使用频率高，二是可以直接嵌入企业流程，替代真实人力成本。这使得它们更容易形成清晰的付费逻辑，并在短时间内建立收入规模。
这也是为什么，过去一年 AI 行业的重心，正在从"内容生成"转向"生产力工具"。前者解决的是"用户觉得有趣"，后者解决的是"企业愿意付钱"。
当行业开始用同一套标准去衡量不同方向时，结果就会变得非常明确：不是最先进的能力获得最多资源，而是最先跑通商业模型的能力获得最多资源。
这种变化，本质上意味着 AI 正在从"技术周期"进入"商业周期"。
在技术周期中，核心问题是突破边界，允许试错，甚至鼓励冗余投入；而在商业周期中，核心问题变成效率，需要收敛，需要排序，也需要放弃。
Sora 的意义正在于此。它并不是一个个例，而更像是一种"被验证过但暂时不成立"的路径：技术上可行，需求上存在，但在当前成本结构下，不具备规模化盈利的条件。
因此，它被放弃，并不意味着这个方向永远不重要，而是意味着，在当前阶段，它还不值得成为主线。
如果把这一逻辑再往前推一步，可以看到一个更清晰的趋势：AI 公司的竞争，正在从"谁的模型更强"，转向"谁能把算力变成收入"。
在这个过程中，模型能力仍然重要，但它不再是唯一变量。真正决定胜负的，是如何在算力成本、产品形态和商业模式之间建立稳定关系。
从这个角度看，Sora 的结束，标志着一个更具体的变化：AI 不再是一个只讲"可能性"的行业，而开始变成一个必须讲"账算不算得过来"的行业。
而一旦进入这个阶段，类似的取舍不会只发生一次。
查查配提示：文章来自网络，不代表本站观点。
