Googlenano banana成功後,OpenAI花11億買了一家公司

2025年9月3日,OpenAI宣佈:以約11億美元的全股票交易方式,收購產品實驗平台Statsig。伴隨此次收購,Statsig的創辦人兼執行長Vijaye Raji將加入OpenAI,擔任新設立的「應用部門首席技術長」(CTO of Applications)。

這一舉動在業界引起了廣泛關注,其金額之高、動作之快,都表明這並非一次簡單的商業版圖擴張。雖然這不是OpenAI第一次收購,但是OpenAI為何要在這個時間點投入如此巨大的資源去收購一家主營業務為產品測試與實驗的公司,並且還要為應用部門吸納一名CTO?

01

要理解這項決策的根本動因,首先需要理解OpenAI目前所處的經營環境。自從ChatGPT發佈以來,OpenAI的營收實現了驚人的成長。 2025年6月,奧特曼曾對外公開宣佈,OpenAI已經實現了100億美元的年收入。

其核心獲利模式主要依賴針對個人使用者的ChatGPT Plus月度會員訂閱服務,以及開發者的API介面呼叫費用。這些收入來源證明了其技術具有強大的市場吸引力,也為其持續的研發投入提供了資金支援。

然而,收入成長的背後,卻是更劇烈的成本消耗。大型語言模型的訓練和推理需要龐大的運算資源,這意味著資料中心的伺服器、高效能晶片以及相關的電力和維護費用是一個天文數字。 2025年8月,OpenAI就被爆出年虧損超過50億美元。

同時,為了維持在技術研究領域的領先地位,OpenAI必須持續招攬並留住全球頂尖的人工智慧人才,這部分的人力成本同樣高。該公司執行長奧特曼曾多次公開表達帶領OpenAI進行首次公開募股(IPO)的意願。對於任何一家計畫上市的公司而言,建立一個清晰、穩健且可持續的獲利模型,是獲得資本市場認可的硬性指標。

僅依靠現有的會員和API收費,雖然在短期內能夠維持營運,但其成長潛力和利潤空間相對有限,難以支撐起一個有望成為全球市值最高公司之一的商業故事。

因此,OpenAI迫切需要找到新的、更規模的獲利路徑,而這一切的基礎,就是將手中掌握的先進人工智慧模型,轉化為更多、更好、更具吸引力的具體產品。這種將底層技術能力封裝成面向市場、解決使用者實際問題的成熟應用的過程,就是「產品化」。此次收購Statsig,正是OpenAI為了補強產品化能力,所邁出的關鍵一步。

02

根據OpenAI發佈的官方聲明,此次收購的目標是「加強工程系統、加快迭代速度,並將前沿的AI研究轉化為人們喜愛的直覺、安全和有用的工具」。聲明中提到的每一個詞彙,都直接指向了產品開發與最佳化的核心環節。

為了深入理解這一點,我們需要對收購的標的——Statsig公司及其創辦人Vijaye Raji進行更詳細的分析。 Statsig並非一家普通的新創公司,它在業界被公認為最頂尖的實驗平台之一。其核心價值在於提供一套完整的工具,幫助企業進行高效率的產品開發決策。

這套工具主要包括A/B測試、功能開關(Feature Flagging)和即時決策系統。 A/B測試允許產品團隊向不同使用者群體推送相同功能的細微不同版本,透過資料對比來判斷那個版本表現更優,從而做出有資料支撐的最佳化決策。功能開關讓團隊隨時開啟或關閉某項新功能,既能進行小範圍灰階測試,也能在出現問題時迅速回滾,大大降低了新功能上線的風險。即時決策系統則能根據使用者行為和其他資料,動態調整產品體驗。

總而言之,Statsig提供的是一套「資料驅動產品開發」的科學方法論和配套的工程基礎設施。它能解決的核心問題是:如何在一個複雜的軟體產品中,快速、低風險地驗證新想法,並確保每一次改變都能帶來正面的效果。

而即將擔任OpenAI應用部門CTO的Vijaye Raji,其個人履歷更是與此理念高度契合。在創立Statsig之前,他在Meta(前身為Facebook)工作了十年,領導大規模消費性產品的工程團隊。這段經歷讓Raji累積了豐富的、在億萬級使用者產品上進行快速迭代和系統最佳化的實務經驗。

之後,他作為創辦人和CEO成功打造了Statsig,這又證明了他具備將這種產品開發哲學轉化為成功商業產品的創業能力。因此,OpenAI得到的不僅是一個工具平台,更是一位產品經理。將Statsig平台與Vijaye Raji的經驗結合,OpenAI的核心訴求已經浮出水面:它需要提升自己的產品化能力,而且這個人必須得是靠近C端,知道消費市場真正需要什麼。

03

要完全理解OpenAI做出這項決策的迫切感,就必須將其置於當前激烈的產業競爭格局中進行考慮。就在不久前,其最主要的競爭對手Google,透過「nano banana」項目,向整個行業展示了其強大的產品化執行力。

該專案成功地將Google本身強大的Gemini模型,透過一套敏捷、高效的內部開發流程,在相對較短的時間內轉化為一個獲得了市場積極反饋的產品。根據相關團隊的播客分享和外界分析,「nano banana」的成功,關鍵在於其開發團隊對使用者需求的精準洞察、對底層模型能力的深刻理解,以及將這兩者高效結合的工程實踐能力。

團隊成員在8月底放出的播客中反覆強調,團隊的出發點不是“我們有強大的模型,能用它做什麼?”,而是“使用者在某個具體場景下遇到了什麼麻煩,我們的模型技術如何能以最輕量級、最直接的方式幫助他們?”。這種以使用者為中心的逆向思維,促使他們放棄了追求大而全的功能,而是專注於打造一個「最小可愛產品」(Minimum Lovable Product),並以極快的速度推向市場進行驗證。

這個案例清楚地向市場傳遞了一個訊號:在當前的人工智慧競爭階段,決定勝負的關鍵,已經不僅僅在於誰的模型參數更多、在基準測試中得分更高,更在於誰能更快地將這些模型能力轉化為使用者真正需要並願意為之付費的產品。

「nano banana」計畫的成功,無疑地為OpenAI帶來了巨大的警示。Google透過這次行動證明,它不僅擁有與GPT系列模型相抗衡的頂尖技術,更重要的是,它擁有一個成熟、龐大且經驗豐富的組織體系,能夠將這些技術快速「變現」為使用者喜愛的產品。

相較之下,OpenAI雖然憑藉ChatGPT的橫空出世取得了先發優勢,但在後續的產品迭代和功能演進上,其節奏和策略相對更為審慎和保守。這種差異背後,反映了兩家公司在組織基因上的不同:Google是一家以產品和工程為核心驅動力的公司,而OpenAI則長期以來更像一個以研究為核心的實驗室。

當市場從最初的驚人和好奇,逐漸轉向對實用價值和穩定體驗的追求時,這種研究導向的基因可能會成為其持續領先的障礙。Google的快速跟進和產品化能力的展示,讓OpenAI意識到,他們真的需要這種產品化的能力,來補強整個團隊。

04

在這樣的背景下,收購Statsig的深層邏輯就變得異常清晰。這不僅是技術或人才的補充,更是對競爭對手策略壓力的正面回應,一次旨在改變自身組織基因的「釜底抽薪」式操作。

Statsig所倡導和實踐的產品開發哲學——透過快速實驗、收集資料、進行驗證、迭代最佳化的循環來打造優秀產品——與Google在「nano banana」計畫中展現出的成功方法論幾乎是完全一致的。

面對競爭對手已經驗證過的成功路徑,OpenAI沒有選擇從零開始、在內部慢慢孵化和培養這種文化與能力,而是選擇了最直接、最高效的方式:直接將這一理念的最佳實踐者收購進來。這是一種典型的「用金錢換時間」的策略,在瞬息萬變的人工智慧戰場上,時間往往是最寶貴的資源。

一個重要的細節是,在被收購之前,OpenAI本身就已經是Statsig的客戶。

這意味著OpenAI的工程和產品團隊在使用Statsig平台的過程中,已經親身體會到了其價值所在。他們深知這套工具對於提升開發效率、降低決策風險、科學評估產品改動效果的重要性。正是基於這種深入的瞭解,OpenAI才做出了從「租用工具」到「擁有DNA」的策略性升級。

他們意識到,僅僅作為一個外部客戶使用平台是遠遠不夠的,必須將這種快速實驗和資料決策的能力徹底融入到自身的血液中,成為每個產品經理和工程師的思維習慣與工作方式。透過收購,OpenAI不僅獲得了平台的所有權,更重要的是,獲得了打造和維護這套平台的整個團隊。

此次收購也標誌著整個人工智慧產業競爭焦點的重要轉變。在過去幾年裡,業界的競爭主要圍繞著模型的「硬實力」展開,各大公司和研究機構競相追逐更大的模型規模、更高的參數量和在各種學術評測榜單上的排名。這可以被稱之為「模型參數競賽」階段。

然而,隨著頭部模型的表現逐漸趨於收斂,單純依靠模型能力的提升所能帶來的邊際效益正在遞減。使用者和市場開始更專注於產品的實際體驗:應用是否穩定可靠?功能是否貼合實際需求?互動是否流暢自然?能否解決特定場景下的具體問題?這些問題的答案,都取決於產品化的能力。

因此,產業的競爭正進入下半場,也就是「產品體驗競賽」階段。在這個新階段,誰能夠建立起更敏捷的開發流程,更頻繁地進行有效的實驗,更快速地收集和響應使用者反饋,更精細地打磨產品細節,誰就更有可能在激烈的市場競爭中脫穎而出,贏得使用者的青睞和忠誠度。

對OpenAI本身而言,這項收購的意義是極為重大的。 OpenAI的管理層已經深刻地認識到了自身的短板所在,並願意為此付出巨大的代價去彌補。可以預見,在整合Statsig之後,OpenAI的核心產品如ChatGPT的更新頻率和功能最佳化速度將有望大幅提升。

過去,像Statsig這樣的實驗平台可能更多地被視為傳統網際網路公司的“標配”,但在人工智慧時代,當產品本身(即模型)具有不確定性和複雜性時,科學的實驗和驗證體系變得更加不可或缺。 OpenAI的這項收購,可能引發其他人工智慧巨頭對自身產品化流程的重新審視,並加大在類似工具、平台或團隊上的投入。未來,圍繞AI應用開發效率和品質的基礎設施,可能會成為一個新的投資和競爭熱點。 (新浪科技)