OpenAI员工劝套现：高估值恐腰斩，上市后估值逻辑生变

一位刚从头部AI实验室离职的员工，连夜在社交平台喊话前同事：能参与要约收购的，赶紧落袋为安，别等公司IPO了。

这位员工名叫Andrew Ho，2025年底加入该实验室的技术团队，仅工作8个月就选择离职创业，目前他账上压着约70万美元的股权暂时无法兑现。

巧的是，他发声的前一天，美股科技股刚经历一轮集体回调：纳斯达克100指数跌入技术性回调区间，Meta单日跌超10%，Google一周累计跌超8%。而Andrew Ho本人对整个AI前沿实验室的估值相当不乐观，他认为当前行业估值完全建立在过度乐观的预期之上，一旦市场回归理性，头部企业的估值大概率会腰斩，想要翻倍基本不可能。

在他看来，上市前后的估值逻辑完全不同。私募市场中，投资人愿意为遥远的通用人工智能（AGI）梦想买单，可以容忍企业常年亏损，全靠乐观预期推高估值；但一旦进入二级市场，投资者只认现金流、利润和真实增长，绝不会为虚无的远期叙事浪费耐心。就算公司顺利完成IPO，员工手里的股票还要经历数月锁定期才能交易，锁定期结束后大量员工集中抛售，还会引发新一轮股价抛压。

去年10月，Andrew Ho所在的实验室完成了一轮约66亿美元的员工要约收购，超过600名员工参与，不少人借此一夜成为千万富翁。虽然70万美元在这场创纪录的收购中不算最亮眼的数字，但也侧面反映出当前估值体系下，普通员工持有的股权价值已经相当可观，这也是整个AI行业高估值的缩影。

不过Andrew Ho强调，这种高估值并不等于高确定性，他真正质疑的是头部大模型赛道的估值逻辑。有人认为大模型业务毛利率极高，万亿市值并非遥不可及，但他算了一笔账：假设一家AI实验室能长期保持80%的毛利率，同时资本市场给予20倍市盈率，那么要支撑1万亿美元市值，公司每年需要创造1000亿到2000亿美元左右的收入。但现实远没有这么简单，AI实验室根本不是单纯的软件服务公司。

为了保持行业领先地位，他们必须持续投入巨资训练下一代模型，而且这笔投入几乎没有暂停键——只要领先者停下脚步，身后的竞争者就会迅速追上来。今天还是这家实验室领跑，明天可能就轮到其他竞品；与此同时，成本越来越低的开源模型也在不断压低整个市场的API服务价格。这就是AI行业逃不开的“红皇后竞赛”：拼尽全力砸算力、堆数据、扩团队迭代模型，不是为了甩开对手，只是勉强守住自己的市场份额。

模型升级确实能拉高收入，但下一代模型的训练成本涨得更快，领跑者反而要承担最重的资金压力。而且没人能确定下一代模型能带来多少新增收入，但GPU采购、数据储备、训练集群搭建这些成本，都是真金白银需要提前砸进去的。收入充满不确定性，支出却刚性上涨，这也是为什么如今很多AI实验室估值越来越高，却依然需要不断融资、持续烧钱。

那么为什么投资人还是愿意给出这么高的估值？他们赌的是随着模型规模不断扩大，未来某一天会出现能力跃迁，AI能够自主完成绝大多数知识工作，甚至自主经营企业、管理智能体团队，从而创造远超当前软件行业的商业价值。

但Andrew Ho认为，这个假设未必能像市场预期的那样顺利兑现。在他看来，当前模型能力的提升主要集中在那些容易验证结果的任务上，比如数学证明是否正确、代码能否正常运行；而大量现实世界中难以验证的复杂任务，进展依然缓慢。就算这种爆发式增长真的到来，时间线也至少需要数十年。而且AI实验室未来未必还能不断碰到像编程Agent这样的爆款赚钱产品。

不过，不看好前沿实验室的估值，并不代表他不看好AI行业本身。恰恰相反，他认为AI仍会持续发展，只是下一阶段的竞争焦点会发生变化。随着通过扩大模型规模带来的收益逐渐放缓，真正稀缺的资源将不再只是算力，而是能够持续提升模型能力的高质量训练数据。未来几年，前沿实验室可能会投入超过1000亿美元采购数据资源。

也正因此，他离开实验室后选择创业，专门为头部AI实验室提供强化学习数据集服务。