OpenAI Top 100+ 客户名单全解析：谁在用万亿 Token 押注 AI？

发表于 分类于

在最近的开发者大会上，OpenAI 以前所未有的透明度公布了其 Top 100+ 客户名单。其中，超过 30 家公司的 Token 消耗量突破了 1 万亿（1T）大关！

这是一个什么概念？如果按 GPT-4o 的定价粗略估算（假设 4:1 的输入/输出比例），这些头部客户的年消费可能高达：

  • 1T+ Tokens (30家)：总计约 9,000 万美元；
  • 100B-1T Tokens (70家)：总计约 3,150 万美元；
  • 10B-100B Tokens (50+家)：总计约 200-300 万美元；
  • 合计：超过 1.2 亿美元！

这个数字说明：对于这些公司而言，AI 已不再是创新实验室的“玩具”，而是深度融入核心业务的“水电煤”。

我分析了一下这份名单，整理了其中的几点关键洞察。

(注：名单按字母排序，非用量排名，且可能并不完整。)

趋势一：B2B 与开发者工具，AI 商业化的绝对主场

最显著的信号是：100 家公司中，超过 75% 集中在 To B 和开发者服务领域。

  • 企业软件巨头全面拥抱： Salesforce (CRM)、Zendesk (客服)、Shopify (电商)、Asana (项目管理)、Datadog (监控) 等传统巨头悉数在列，将 AI 能力注入其成熟产品线。
  • 新一代企业工具崛起： Glean (企业搜索)、Retool (低代码)、Ramp (支出管理) 等独角兽，正在用 AI 重新定义企业效率。
  • 开发者：第一批被 AI 全面重塑的“超级用户”： 超过 25 家公司专注于服务开发者，AI 正在对软件开发的全生命周期进行系统性重构：
    • 代码编写：JetBrains, Cognition (Devin), Cursor
    • 代码审查：CodeRabbit (两年估值5.5亿美元)
    • 终端优化：Warp.dev
    • 低代码/无代码：Retool, Superblocks
    • ML/AI 工具链：Weights & Biases, HuggingFace
    • 数据与监控：Datadog, Databricks, Databook
    • 模型路由：OpenRouter

相比之下，纯粹的 To C 产品不超过 15 家，主要集中在 Duolingo、Perplexity 等少数明星公司。这表明，目前 AI 最清晰的付费场景和商业模式，建立在为企业“降本增效”的核心价值之上。

趋势二：“二级放大效应”，企业基础设施的惊人杠杆

榜单中有一类特殊角色：它们不直接服务大众，而是为成千上万的企业提供基础设施。

  • Glean：企业 AI 搜索平台，连接上百个企业应用。其年收入已超 1 亿美元，估值 72 亿美元。
  • Retool：低代码平台，服务超 10,000 家企业快速构建内部工具。
  • Fathom：AI 会议助手，为海量会议提供免费转录和总结。

这些公司的特点是，它们的每一次 API 调用都服务于背后庞大的企业客户网络。当一个拥有 1000 名员工的企业使用 Glean 进行搜索时，背后可能触发数千次 AI 调用。这种 “二级放大效应” 使得它们的 Token 消耗量呈指数级增长，成为 OpenAI 的超级客户。

趋势三：垂直行业深度渗透，从“锦上添花”到“核心业务”

在 100B-1T Token 消耗档位，垂直行业的深度应用开始规模化，AI 正在解决高度专业化、强监管领域的核心痛点。

  • 医疗健康：Suki AI (融资9500万美元) 的 AI 助手让医生文档记录时间减少 72%；Abridge 和 Doximity 也在用 AI 变革临床文档和医患沟通。
  • 保险行业：Powerbroker AI 成立仅两年，就通过 AI 帮助保险经纪人自动化保单审查、报价比较等繁琐工作，实现业务规模化。
  • 法律行业：Harvey (红杉领投) 为律师提供 AI 副驾驶，高效处理案例研究和文件起草。

这些领域的共同点是高价值、高复杂度、ROI 清晰。AI 在此不再是边缘辅助，而是直接切入核心工作流，创造巨大商业价值。

趋势四：AI 原生 vs. 传统巨头，两种模式并行

榜单清晰地展示了两种截然不同的 AI 采用模式：

  1. AI 原生公司 (AI-Native)：如 Cognition、Perplexity、Harvey，它们将 OpenAI 模型作为产品的核心引擎。没有 AI，产品便不复存在。它们的 Token 消耗与用户增长直接挂钩，往往是融资充足的独角兽。
  2. 传统企业 (AI-Integrated)：如 Salesforce、Notion、Shopify，它们将 AI 作为增强功能融入现有产品。AI 是为了提升效率和用户体验，而非业务本身。它们的 Token 消耗相对可控，决策也更为战略性，通常由高层领导直接推动。

这标志着 AI 应用已从“尖刀突破”发展到“全面渗透”。一个有趣的现象是，1T+ Token 档位中 AI 原生公司占比更高，而传统企业则更多在 100B-1T 档位进行规模化集成。

趋势五：“卖铲子”的生态位，AI 基础设施的多层嵌套

榜单中大量公司本身就是“帮助别人使用 AI 的工具”，形成了一个有趣的嵌套生态。

  • 模型与工具链：HuggingFace, Weights & Biases
  • API 基础设施：OpenRouter
  • AI 硬件制造商：Cerebras, Tenstorrent, 甚至 NVIDIA。

最值得玩味的是 Cerebras 和 NVIDIA——这些制造 AI 芯片的公司，自己也是 OpenAI 的大客户。这揭示了一个深刻的现实：OpenAI 构建的不仅是一个产品，而是整个 AI 生态都依赖的基础设施层。即使是生态最底层的硬件制造商，也无法脱离其 API 进行产品演示、性能测试和客户支持。

趋势六：YC 生态集体爆发，验证“AI 即基础设施”

YC 孵化的公司在榜单中占据了惊人比例，包括 Fathom、Retool、Cognition 等。YC 擅长培养解决真实痛点的 B2B 公司。在 AI 时代，创业公司不再需要从零构建模型，而是可以站在 OpenAI 的肩膀上，专注于应用创新。

这种 “基础设施即服务” 的模式极大地降低了 AI 创业门槛，解释了为何众多年轻公司能迅速成长为 OpenAI 的大客户，也印证了 YC 对 AI 趋势的精准判断。

“缺席者”的信号：AI 渗透的边界在哪里？

有时，谁不在场比谁在场更能说明问题。榜单中一些行业的明显缺席，揭示了当前大模型商业化的边界：

  • 传统工业、能源、汽车：由于数据安全、合规要求和决策周期长，这些重资产行业仍在观望？
  • 大型金融机构：除少数 FinTech 公司外，传统银行、保险巨头因严格的金融监管和数据风险控制而持谨慎态度，更倾向于私有化部署？
  • 大型旅游、电商平台：可能因使用其他渠道（如Azure）、自研系统或选择不公开而缺席。

这些缺席表明，当前大模型的商业化主要由科技和信息产业驱动，向传统行业的全面渗透仍需时间。

有趣的“离群点”：榜单中的惊喜与特例

除了主流趋势，榜单中还出现了一些意料之外的“玩家”，它们的存在本身就是一个强烈的信号：

  • 学术与政府机构的前沿探索：
    • 哈佛大学的出现，说明顶级学术机构已在规模化部署AI，可能用于科研数据分析、教学辅助甚至行政管理。今天的学术实验，往往是明天的商业应用。
    • 新加坡政府科技局 (GovTech) 是榜单上唯一的政府机构，展示了其在数字政府和公共服务AI化方面的全球领先地位。
  • 会议助手成为高频刚需场景：
    • Fathom 和 Read AI 两家会议记录工具同时上榜，印证了这是一个跨行业、高频次的通用痛点。全球每天数百万场会议的转录和总结需求，足以撑起一个巨大的Token消耗市场。
  • 个人与小型团队的惊人能量：
    • Every，一个小型媒体和newsletter平台，消耗量竟也超过100亿Tokens，表明他们可能深度整合了AI写作助手。
    • Vineet Rao 和 Will Cohen 作为个人开发者上榜，证明了“一人公司”或小型独立项目同样有机会构建出产生巨大AI调用量的成功产品。这在过去是难以想象的。

总结：一张 AI 重构产业的热力图

这份 Top 100+名单描绘了一个正在快速成形的 AI 应用生态：

最明确的趋势：

  1. B2B 与开发者工具是主战场，占据了绝对主导地位；
  2. “二级放大效应” 驱动企业基础设施消耗惊人 Token；
  3. 开发者工作流正在被 AI 全方位重构；
  4. 垂直行业应用（医疗、法律、保险）已进入规模化阶段；
  5. AI 原生公司与传统巨头并行，共同推动 AI 落地；

隐藏的门槛与未来的机会：

  1. 规模化有资本门槛：万亿级 Token 消耗背后需要数千万美元级别的融资或营收支撑；
  2. 传统行业的渗透是下个蓝海：工业、金融、政府等领域的缺席，既是挑战，也预示着巨大的市场空白；

使用量本身就是一种战略宣言。它反映了一家公司对 AI 的投入决心、创新能力和未来赌注。这份名单，就是一张 AI 重构产业的实时热力图。榜上有名者，已用真金白银投票；而榜上无名者，则需要思考，如何在这场变革中找到自己的位置。