前OpenAI员工为何劝同事别等IPO？高估值背后的再定价风险

导语

一名前OpenAI技术团队前员工Andrew Ho离职后，向仍持有公司股权的同事发出提醒：如果能参与要约收购，最好先把部分账面收益落袋为安，而不是把希望完全押在未来IPO上。这个判断之所以引发关注，并不只是因为他本人账上还有约70万美元OpenAI股权，更因为它触及了当前AI前沿实验室估值的核心矛盾：市场到底是在买现实收入，还是在买一个足够宏大的AGI预期？

核心要点

• 私募与公开市场的估值逻辑不同。 Ho认为，私募投资人更容易接受长期愿景和高亏损状态，愿意为未来可能出现的能力跃迁支付溢价；但一旦公司上市，二级市场会更关注利润、现金流、收入增长和可验证的商业模式。

• IPO并不等于员工马上变现。 即便公司顺利上市，员工股票通常还会受到锁定期限制。等到可交易窗口打开时，大量员工集中卖出也可能带来额外抛压。因此，在他看来，要约收购提供的流动性具有现实价值。

• 高估值需要极高收入支撑。 素材中提到，若一家AI实验室要支撑万亿美元级别估值，即使假设长期毛利率较高、资本市场给予较高市盈率，也需要非常庞大的年度收入规模。问题在于，前沿实验室并不是只提供推理服务的软件公司，它们还必须不断投入资金训练下一代模型。

• “红皇后竞赛”抬高成本。 领先者不能轻易停下，因为竞争对手和开源模型都在追赶。模型能力提升可能带来更多收入，但训练、数据和算力支出也在提前且确定地增加，收入增量却未必同样确定。

• AI前景与实验室估值是两回事。 Ho并非否定AI长期价值。他更关注的是，当前估值是否已经把未来几十年的顺利进展提前计入价格。随着Scaling收益放缓，他认为高质量训练数据可能成为下一阶段更稀缺的资源。

意义与影响

这场讨论反映出AI产业正在从“叙事驱动估值”走向“商业兑现检验”。过去两年，头部大模型公司凭借技术领先、用户增长和AGI想象力获得资本追捧。但随着训练成本持续上升、API价格受到开源模型压力、智能体等新产品的收入确定性仍需验证，投资人和员工都开始重新计算风险收益。

对员工而言，股权不等于现金。账面财富越大，越需要关注流动性、锁定期和估值波动。对投资人而言，问题也不只是“AI会不会改变世界”，而是“哪家公司能以可持续方式把能力转化为利润”。

更大的启示是，AI行业可能进入分化阶段：前沿实验室继续在算力、模型和数据上重投入；围绕数据集、强化学习、评测、部署和垂直应用的基础设施公司，则可能在这场竞赛中获得新的机会。OpenAI的估值争议，本质上是整个大模型商业化周期的一次提前压力测试。

来源：量子位