OpenAI 前研究員潑冷水：我看空前沿 AI 公司估值，千億美元神話可能站不住腳
AI 熱潮持續推升 OpenAI、Anthropic 等前沿 AI（Frontier AI）模型公司的估值，市場普遍相信，隨著 AI Agent、自主工作與通用人工智慧（AGI）逐步實現，這些公司將迎來爆炸性成長。
然而，曾任職於 OpenAI 的研究員 Andrew Ho 卻公開提出截然不同的看法，直言自己「相當看空（fairly bearish）」前沿 AI 實驗室（Frontier Labs）的估值，並認為市場尚未真正建立一套合理的估值模型。
他表示，雖然自己身為前員工，理論上應該替產業說好話，但如果仔細推演商業模式，就很難相信目前的估值能夠成立。
廣告 - 內文未完請往下捲動
問題核心：前沿 AI 公司至今仍難以獲利
Andrew Ho 認為，最大的問題其實很簡單：這些公司目前都高度虧損。
他指出，私人市場估值往往能夠長時間脫離基本面，但一旦公司上市，市場將開始以更加嚴格的標準檢視獲利能力，尤其 IPO 後六個月禁售期（Lock-up）結束，大量早期投資人開始出售股票時，股價可能承受巨大壓力。
目前市場普遍認為 OpenAI、Anthropic 等公司的毛利率相當高，因此高估值合理。
但 Andrew Ho 認為，即使假設 AI 推論（Inference）擁有約 80% 毛利率，一家市值達 1 兆美元的企業，也必須每年創造約 1,000 至 2,000 億美元營收，再搭配約 20 倍本益比，估值才勉強合理。
然而，他認為這種假設忽略了一件最重要的事情：AI 公司最大的成本不是推論，而是不斷訓練下一代模型
Andrew Ho 指出，前沿模型最大的開銷，是持續投入越來越昂貴的新模型訓練。
他舉例，如果 OpenAI 去年停止開發 GPT-5，那麼今天市場上便可以直接改用更便宜的 Qwen 或 Kimi 等模型，而沒有理由繼續支付 GPT-5 的高價 API。
因此，OpenAI、Anthropic 等公司必須不斷投入更多 GPU、更多資料、更多算力來維持技術領先。
他認為，這形成一個相當殘酷的商業循環：
- 新模型帶來更多收入。
- 但下一代模型訓練成本成長得更快。
- 每一代模型都需要投入比目前收入更高的資本。
- 領先者反而承擔最大的資本支出壓力。
Andrew Ho 形容，這是一種「對市場領先者極為不利的動態」。
蒸餾模型也救不了營收
近年不少 AI 公司主張，可以透過模型蒸餾（Distillation），將大型模型能力壓縮到更小模型，在低成本市場持續獲利。
Andrew Ho 並不認同。
他指出，小模型主要服務的是價格敏感市場，而推論本身毛利沒有外界想像得那麼高，因此即使大量部署，也很難創造足以支撐目前估值的收入規模。
換句話說，高階模型負責燒錢，低階模型又賺不到足夠的錢，形成兩面夾擊。
市場真正押注的是 AI Agent 全面接管經濟
Andrew Ho 認為，目前 Frontier Labs 的估值，其實建立在一個極大的前提之上。
市場相信，隨著模型持續擴大，將會突然出現足以全面改變世界的新能力，例如：
- AI Agent 自動成立公司
- 自主管理大量子 Agent
- 自動開發產品
- 自動營運企業
- 大規模取代白領工作
若這些能力真的出現，企業收入確實可能呈現爆炸式成長。
但 Andrew Ho 並不相信事情會如此快速發生。
他曾在先前文章中提出觀點，認為 AI 能力提升將比市場預期更慢、更不連續，也更容易受到高品質資料供給限制，而不是一路平滑向上。
因此，即便最終真的能實現高度自動化經濟，他認為時間尺度更可能是數十年，而非幾年。
問題就在於，OpenAI、Anthropic 是否能承受如此漫長且持續虧損的過程。
他甚至半開玩笑地表示，如果 AI 真如此重要，也許最後會走向某種形式的「國有化」。
AI 技術真正的瓶頸，不只是模型能力
Andrew Ho 也提出一個較少被討論的觀點：技術擴散（Technology Diffusion）本身就需要非常長的時間。
他認為，很多人以為 AI 普及速度慢，只是因為人們學得慢。
但真正原因其實不是如此。
即便擁有革命性技術，人類仍需要很長時間才能摸索出真正有效的產品型態、商業模式以及工作流程，而這些往往無法僅靠推理或演算法直接推導。
他引用經濟學家海耶克（Friedrich Hayek）的觀點，認為市場價格機制能逐步配置資源、探索需求，這種分散式的經濟計算，很難透過中央規劃或 AI 一次完成。
因此，即使今天停止所有模型能力進步，只維持目前 GPT、Claude 的能力，他認為社會仍可能需要二十年以上，才能真正把大型語言模型全面整合進工作與生活。
Coding Agent 可能只是一次幸運的產品發現
Andrew Ho 還提到，目前 AI 公司最大的商業成功案例之一，就是程式設計 Agent。
然而，他認為這未必代表未來可以持續複製成功。
他以 Anthropic 為例指出，Coding Agent 看起來更像一次成功找到產品市場契合（Product-Market Fit）的案例，而不是證明 AI 能快速找到所有高價值應用。
即使公司持續投入大量前端開發工程師（FDE）與產品團隊，也未必能快速發現下一個與 Coding Agent 同等規模的獲利市場。
不是看空 AI，而是看空目前的估值
Andrew Ho 最後強調，他並不是悲觀看待 AI 產業本身。
相反地，他相信未來數十年 AI 仍將帶來巨大的產業革命。
但他認為，市場目前對 OpenAI、Anthropic 等 Frontier Labs 的估值，建立在許多尚未被驗證的假設之上。
如果投資人真的將估值模型完整寫下來，仔細推演收入、成本、訓練支出、競爭與技術擴散速度，最後得到的答案，可能未必足以支撐如今動輒數千億甚至上兆美元的估值。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
