OpenAI前员工刚跑路就喊话：要套现就赶紧套，别等IPO

实际上，他本人对AI前沿实验室的估值相当悲观。

在他看来，如今AI前沿实验室的估值已经建立在一个极其乐观的预期之上，如果市场开始重新定价，那么：

翻倍不太可能，可一旦市场回归理性，腰斩倒是很有可能。

巧的是，就在他发推的前一天，美股科技股刚经历了一轮集体回调。

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%……

别等IPO了

Andrew Ho在2025年底加入OpenAI技术团队，工作约8个月后选择离职创业。

刚离开他就连夜喊话老同事：

能参加要约收购的，赶紧把钱拿到手，别等IPO了。

在Andrew Ho看来，真正的区别就在于上市前后的估值逻辑完全不同。

私募市场讲故事，投资人愿意为遥远的AGI梦想买单，能够容忍企业常年亏损，全靠乐观预期推高估值；

可一旦上市，二级市场只认现金流、利润和真实增长，没有多余耐心为虚无的远期叙事买单。

从更现实的角度来看，即使公司顺利IPO，员工手里的股票通常还要经历几个月锁定期才能交易。

而且到锁定期结束，大量员工集中卖出股票，市场往往还会面临一轮新的抛压。

而Andrew Ho自己，就是那个手握约70万美元股权却暂时无法兑现的人。

去年10月，OpenAI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，不少人一夜之间成为千万富翁。

放在那场创下纪录的员工要约收购中，这70万美元并不是最亮眼的数字。

但换个角度看，一个只在OpenAI工作了8个月的研究员，账面股权价值就达到约70万美元，也能从侧面反映出，在如今的估值体系下，OpenAI员工持有的股权价值已经相当可观。

而这种高额股权，本身也是如今AI行业高估值的缩影。

可是，在Andrew Ho看来，这种高估值并不等于高确定性。

对前沿实验室估值悲观

劝人套现只是表面，Andrew Ho真正看衰的是整个头部大模型赛道的估值逻辑。

有人认为，大模型业务毛利率很高，所以一万亿美元估值并非没有可能。

Andrew Ho干脆算了一笔账：

假设一家AI实验室未来能够长期保持80%的毛利率，同时资本市场愿意给予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。

但现实显然不是这样，AI实验室根本不是一家只负责提供推理服务的软件公司。

为了保持领先，他们必须不停砸钱训练下一代模型。

而且这笔投入几乎没有暂停键，因为只要领先者停下来，后面的竞争者就会迅速追上来。

今天是OpenAI领先，明天可能就是Anthropic；

而在另一侧，成本越来越低的开源模型也不断压低整个市场的API价格。

这就是AI圈逃不掉的红皇后竞赛。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。

模型变强确实能拉高收入，但下一代模型的训练成本涨得更快，领跑者反而要扛最重的资金压力。

甚至没有人知道下一代模型究竟还能带来多少新增收入，但GPU、数据、训练集群这些成本，却是真金白银必须提前投入的。

收入存在不确定性，支出却越来越确定，这也是为什么今天很多AI实验室估值越来越高，却依然需要不断融资、不断烧钱。

那么，为什么投资人还愿意给出如此高的估值？

他们赌的是随着模型规模不断扩大，未来某一天可能会出现能力跃迁，AI能够自主完成绝大多数知识工作，甚至自己经营企业、管理智能体团队，从而创造远超今天软件行业的商业价值。

Andrew Ho认为，这个假设未必会像市场预期那样顺利兑现。

在他看来，模型能力仍然主要提升在那些容易验证结果的任务上。

例如数学证明对不对、代码跑不跑得通；而大量现实世界中难以验证的复杂任务，进展依然缓慢。

就算这种爆炸式增长真会来，时间线也是几十年起步。

AI实验室未来未必还能不断碰到像编程Agent这样足够赚钱的新产品。

不过，不看好前沿实验室的估值并不意味着他不看好AI。

恰恰相反，他认为AI仍会继续发展，只是下一阶段竞争的焦点会发生变化。

随着Scaling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OpenAI后选择创业，专门为前沿实验室提供强化学习数据集。