一位账上压着 70 万美元 OpenAI 股权、刚工作 8 个月就离职的员工，连夜发推劝老同事：趁要约收购赶紧落袋为安。他本人对 AI 前沿实验室的估值逻辑给出了一个极其冷静的判断——翻倍不太可能，腰斩倒是有可能。
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。
在他看来，私募市场与二级市场的估值逻辑完全不同。
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。
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。
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。到锁定期结束，大量员工集中卖出，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。
注：70 万美元对于一轮 660 亿的收购来说不算大数字，但一个仅工作 8 个月的研究员就持有如此规模的股权，足以说明当前估值体系下员工股权价值的膨胀程度。
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 干脆算了一笔硬账：
注：以上为 Andrew Ho 的估算模型。现实中 AI 实验室的毛利率受训练成本、推理成本、数据采购等多重因素影响，并非稳定在 80%。
但现实远没有这么理想。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，它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。
今天 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在不断压低整个市场的 API 价格。
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%。
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，投资人为什么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。
但 Andrew Ho 认为，这个假设未必会像市场预期那样顺利兑现。模型能力目前仍然主要提升在那些容易验证结果的任务上（如数学证明、代码运行），而大量现实世界中难以验证的复杂任务，进展依然缓慢。就算这种爆炸式增长真会来，时间线也是几十年起步。
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。
Andrew Ho 不是唯一一个做出这种选择的人。过去一年，多位从顶级 AI 实验室离职的 researchers 选择了数据基础设施、评估工具、Agent 框架等「卖铲子」赛道——这本身就是一种市场信号。
AI 实验室的估值建立在「能力跃迁随时可能发生」的期权之上。但期权有到期日，而烧钱没有暂停键。当市场开始为确定性定价，而不是为梦想定价，整个赛道的估值逻辑可能需要一次彻底的重新校准。
Andrew Ho 的新公司已获得多家前沿实验室的早期合作意向。
他的判断是否准确，时间会给出答案——但至少，他用自己的行动下注了。