文 | 高恒说
3月24日，OpenAI宣布终止其AI视频生成产品Sora的运营。这款产品自去年9月上线以来，仅用了短短六个月时间便取得了惊人的下载量，一度在App Store上占据榜首，但最终却因商业回报不足而宣告终结。
虽然Sora在用户群体中颇受欢迎，但它在盈利方面却遭遇了挑战。自推出以来，这款产品在短短10天内就获得了超过100万的下载量，峰值下载量达到约333万次，然而整个生命周期内的总收入仅约为210万美元。
这一现象表明，对于一家刚刚完成1100亿美元融资并准备上市的公司来说，放弃一个看似成功的AI产品，其原因并非在于产品的本身，而是公司的增长战略发生了改变。
一个明显的迹象表明，AI行业正在从“技术优先”转向“商业优先”。并非所有先进的技术都值得继续投入，尤其是在成本与收益不成正比的情况下。
01：为什么一个爆款产品会被主动放弃
从产品表现来看，Sora很难被视为失败案例。
自2025年9月推出以来，这款AI视频生成工具迅速获得了用户的关注，下载量在十天内突破了一百万大关，一度成为App Store的热门应用之一。从传播效果来看，Sora几乎是继ChatGPT之后，OpenAI在消费者端最具话题性的产品之一。
在技术方面，Sora也没有明显的短板。相比之前的文生视频工具，它在画面连贯性、真实感和叙事能力上都有显著提升，用户可以直接生成接近影视级质感的短视频，这也是其在初期迅速走红的核心原因。OpenAI甚至一度为其引入了内容生态系统，例如与迪士尼达成的10亿美元投资及角色授权合作，允许用户使用漫威、星球大战等IP进行创作，力求将Sora打造为“AI内容平台”。
按照传统的互联网产品逻辑，这种路径似乎是合理的：技术突破→ 用户增长 → 内容生态 → 商业化。然而，Sora的问题恰恰出在最后一步。
Sora的商业模式并没有成功实现。根据移动分析机构Appfigures的数据，这款产品的应用内购收入在整个生命周期内只有约210万美元。同时，其背后的计算资源消耗非常惊人，视频生成是目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。在用户基数扩大后，每天的计算资源支出可达到数百万美元。
这意味着，随着用户的增加，亏损也在不断扩大。
这种“增长反而加剧亏损”的结构，使得Sora难以通过订阅或增值服务形成稳定的现金流。尽管它一度具备爆款特征，但在商业上更像一个“高成本的示范产品”，而非一个可以大规模复制的商业模式。
更重要的是，用户对这款产品的热度并没有持续下去。根据移动分析机构Appfigures的数据，Sora的下载量在2025年11月达到约333万次的峰值后便开始回落，到2026年2月已经降至约113万次。同时，为了控制成本和合规风险，平台对生成次数进行了限制，并加强了对deepfake内容的管控，这在一定程度上进一步抑制了用户的活跃度。
换句话说，Sora面临着双向收缩的局面：一方面成本无法降低，另一方面用户体验受限，用户增长也开始放缓。
在这种情况下，OpenAI的决定变得可以理解。公司不仅关闭了Sora的独立应用，还取消了API服务，并且停止了原计划整合到ChatGPT中的视频能力。这不是一次单一产品的调整，而是一次明确的资源回收：将计算资源和团队从一个“消耗大、回报慢”的领域，转移到更为核心的业务上。
一个细节可以说明这种转向的彻底性。据媒体报道，OpenAI首席执行官Sam Altman在内部会议中表示，将把资源集中于核心业务，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“分散注意力的副业”。
因此，Sora的退出，本质上不是产品层面的失败，而是一次典型的资源配置决策。
02：OpenAI为何必须“收缩”：这不仅是选择，更是必要
Sora的关闭实际上是OpenAI为过去一年的“扩张策略”付出的代价。
2025年，是OpenAI产品线扩张最为激进的一年。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曾把这种策略形容为“内部押注一系列创业项目”，试图在AI时代的多个入口同时占据有利位置。
在当时，这种逻辑并非没有道理。ChatGPT拥有9亿周活跃用户基础，OpenAI也具备领先的模型能力，从直观上看，“多点开花”有助于扩大生态边界。然而，这种策略也带来了一系列问题。
随着项目的增多，公司的计算资源被分散到了多个方向，导致某些项目的成本与收益不成比例，尤其是在视频生成等高成本领域。而Sora就是这样一个例子，尽管技术上取得了突破，但商业回报却未能达到预期。
这种情况下，公司不得不重新审视其战略方向，优先支持那些能够快速产生收入、且可以规模化复制的业务。
在这样的背景下，Sora所代表的视频生成方向，因其高成本、低变现能力、复杂的合规性以及短期内难以形成稳定现金流的特点，被视作需要放弃的方向。
因此，关闭Sora并不是一个孤立的决策，而是整个战略收缩的一部分。
03：从Sora到Coding，AI行业进入“算账时代”
如果把Sora的关闭放在更大的时间尺度来看，它真正标志的，是AI行业运行逻辑的一次转变。
在过去两年中，AI行业的核心叙事只有一个：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”几乎成为评价一切的标准。只要技术成立，即便成本高昂、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，它代表的是技术边界，而非商业边界。
但现在，一个更现实的约束开始显现：计算资源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。与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，并非所有用户增长都能转化为利润增长。
当这一点被反复验证后，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，不同方向的分化迅速拉开。
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，但同时也是最“烧钱”的，对计算资源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。它并不是个例，而更像是一个“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“谁能把计算资源变成收入”。
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，是如何在计算资源成本、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。
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。