OpenAI前员工劝同事套现：AI巨头高估值背后的红皇后竞赛真相
离职前的清醒喊话：当乐观预期遭遇现实冷流
2025年底，Andrew Ho加入了OpenAI的技术团队，满怀对通用人工智能（AGI）的憧憬开始了他的工作生涯。然而，仅仅8个月后，他便选择离职创业。就在离开后的第一时间，他在社交媒体上发出了一条耐人寻味的消息：对于手中有OpenAI股权的同事，能参加要约收购的就赶紧落袋为安，不要盲目等待即将到来的IPO。
这一举动迅速在科技圈引发热议。要知道，就在去年10月，OpenAI完成了一轮创纪录的员工要约收购，约66亿美元的资金涌入，超过600名员工因此受益，不少人账面财富瞬间达到千万美元级别。Andrew Ho手中持有的股权价值也高达约70万美元。对于一个工作不到一年的研究员而言，这一数字足以证明当前AI行业估值体系的高昂程度。
然而，Andrew Ho的建议并非出于个人财务焦虑，而是基于对AI前沿实验室估值逻辑的深刻悲观。他认为，当前的估值建立在极其乐观的市场预期之上。如果市场回归理性，重新进行定价，翻倍或许遥不可及，但腰斩却是极有可能发生的情景。这种担忧并非空穴来风，就在Andrew Ho发推的前一天，美股科技板块经历了一轮剧烈回调，纳斯达克100指数跌入技术性调整区间，Meta单日跌幅超过10%，Google一周累计跌幅也超过8%。市场情绪的微妙变化，似乎印证了他对泡沫破裂的预判。
一级市场的童话与二级市场的冷酷
Andrew Ho之所以劝退同事，核心在于他洞察到一级市场与二级市场在估值逻辑上的根本差异。在私募市场，投资人往往愿意为遥远的AGI梦想买单。在这种语境下，企业常年亏损被视为投入未来的必要成本，估值往往由叙事驱动，而非由财务报表驱动。投资者相信，只要模型足够强大，未来的商业价值将呈指数级增长。
然而，一旦企业进入IPO阶段，游戏规则将彻底改变。二级市场的投资者更加务实，他们只认现金流、利润和真实的增长数据。对于虚无的远期叙事，二级市场没有多余的热情去容忍。这意味着，即使OpenAI成功上市，员工手中的股票通常还要经历几个月的锁定期才能交易。
锁定期结束后的抛压往往更加猛烈。大量员工在解禁后集中卖出股票，以满足财务需求或套现利润，这将对股价构成巨大的下行压力。Andrew Ho本人就是这一逻辑的受害者之一，他手握70万美元的股权，却因刚离职而无法立即通过公开市场变现，只能通过私下的要约收购或等待极长期的变现路径。这种流动性限制与估值虚高之间的矛盾，使得“尽早套现”成为了一种理性的防御性策略。
红皇后竞赛：停不下的烧钱机器
Andrew Ho看衰的不仅是OpenAI的估值，更是整个头部大模型赛道的商业模式。有一种主流观点认为，大模型业务的毛利率极高，因此支撑一万亿美元的估值并非没有可能。Andrew Ho通过简单的财务模型拆解了这一假设。
假设一家AI实验室能长期保持80%的毛利率，且资本市场给予20倍的市盈率，那么要支撑1万亿美元的市值，公司每年需要创造1000亿到2000亿美元的收入。这听起来是一个巨大的数字，但现实情况是，AI实验室绝不仅仅是一家提供推理服务的软件公司。为了保持技术领先地位，它们必须不断投入巨资训练下一代模型。
这就陷入了所谓的“红皇后竞赛”。在《爱丽丝镜中奇遇记》中，红皇后告诉爱丽丝：“在这个国度，你必须不停地奔跑，才能保持在原地。”在AI行业，亦然。今天OpenAI领先，明天可能Anthropic就追了上来；而在开源领域，成本越来越低的模型不断压低API价格，挤压商业模型的利润空间。
领跑者必须不断砸钱购买GPU、扩充数据集群、雇佣顶尖人才，这不是为了甩开对手，而是为了防止被对手甩开。这种投入几乎没有暂停键。一旦停止迭代，市场份额会被迅速蚕食。然而，这种投入带来的边际收益却在递减。下一代模型的训练成本呈指数级上升，但新增收入却存在极大的不确定性。没有人知道下一个像编程Agent那样赚钱的产品何时会出现，但GPU和数据的成本却是真金白银的刚性支出。
估值泡沫与能力跃迁的时间错配
那么，为什么投资人依然愿意给出如此高的估值？答案在于赌注。投资人赌的是，随着模型规模的扩大，未来某一天会出现能力的质的跃迁。他们相信，AI将能够自主完成绝大多数知识工作，甚至自我管理智能体团队，从而创造出远超当前软件行业的商业价值。
Andrew Ho认为，这一假设面临巨大的时间错位风险。目前，模型能力的提升主要集中在那些容易验证结果的任务上，如数学证明、代码生成等。而在大量现实世界中难以验证的复杂任务中，进展依然缓慢且充满不确定性。即便爆炸式的能力跃迁最终会发生，时间线也可能在几十年起步。
在漫长的等待期内，AI实验室需要持续不断地融资和烧钱。这种“收入不确定性”与“支出确定性”的剪刀差，使得高估值背后隐藏着巨大的财务风险。Andrew Ho指出，AI实验室未来未必能不断碰到足够赚钱的新产品来覆盖高昂的研发成本。如果市场不再为“预期”买单，而是要求看到实际的盈利路径，那么当前的估值体系将面临严峻挑战。
未来竞争焦点：从算力崇拜到数据资产
尽管对前沿实验室的估值持悲观态度，但Andrew Ho并未否定AI技术的发展前景。相反，他认为AI仍将继续进化，只是竞争的焦点将发生转移。随着Scaling Law（缩放定律）带来的收益逐渐放缓，单纯增加算力和参数的边际效应正在递减。
未来几年，真正稀缺的资源将不再是算力，而是能够持续提升模型能力的高质量训练数据。Andrew Ho预测，前沿实验室可能会投入超过1000亿美元用于采购数据资源。数据将成为比算力更核心的竞争壁垒，因为清洗、标注和合成高质量数据需要巨大的工程投入和专业领域的知识沉淀。
这也正是Andrew Ho离职后选择创业的方向：专门为前沿实验室提供强化学习数据集。他敏锐地捕捉到了行业从“算力驱动”向“数据驱动”转型的趋势。在这一新赛道中，掌握高质量数据资源的公司将拥有更强的议价能力和更确定的商业模式，这可能比单纯做大模型基座更具投资价值。
结语：理性回归前的投资警示
Andrew Ho的离职与喊话，不仅是个人职业选择的体现，更是AI行业进入深水区的一个信号。在经历了早期的狂热增长后，市场开始从“讲故事”转向“算细账”。对于投资者和从业者而言，理解一级市场叙事与二级市场现实之间的鸿沟至关重要。
高估值并不意味着高确定性，尤其是在技术迭代加速、竞争格局瞬息万变的AI行业。红皇后竞赛要求参与者不断奔跑，但对于外部观察者而言，看清赛道上的陷阱与机遇，或许比盲目跟随更为重要。随着行业逐渐成熟，能够解决数据稀缺性问题、实现商业闭环的企业，或将在这场漫长的竞赛中最终胜出。而对于目前沉浸在估值狂欢中的参与者来说，保持一份清醒，适时落袋为安，或许是在不确定性中寻找确定性的最佳策略。