前OpenAI研究员手握70万美元股权称估值过高

前OpenAI研究员Andrew Ho在入职八个月后于本周三宣布离职，他在X平台上透露自己将创办一家公司，专门为前沿AI实验室提供高端强化学习数据集。然而真正引发轩然大波的，是他第二天凌晨5点发的一连串“劝退”帖：他强烈建议有资格参与要约收购的同事尽快套现离场，因为前沿AI实验室的估值已经虚高。“我认为估值在IPO后翻倍的可能性不大，但下跌50%的可能性倒是实实在在的。”这条帖子发出时，恰逢纳斯达克100指数因科技股抛售进入回调区间，短短几小时内就吸引了数十万焦虑的目光。 Andrew Ho在接受采访时透露，自己手里握着约70万美元的公司股权，但在IPO和锁定期结束前 legally 无法出售。“所以我就是被困住了。”他坦言，即便自己的言论与个人利益相悖，他依然选择公开表态。与业内多数人一样，他相信推理需求将大幅增长，算力紧缺即将到来，数据中心建设势在必行。但他真正“ paranoid”的是，来自廉价模型的竞争正迫使前沿实验室陷入越来越快的烧钱漩涡，而收入永远追不上投入。他描述的场景被分析师称为“红皇后竞赛”——你必须拼命奔跑才能留在原地。前沿实验室每轮训练的成本越来越高，但换来的优势只是暂时的，像月之暗面Kimi这样更便宜的竞争对手可以通过蒸馏技术以极低成本缩小差距。收入确实会随每代模型增长，但问题是增长多少？考虑到前沿实验室背负的巨额债务，“哪怕计算误差极小，都可能决定一家公司的生死。” Andrew Ho对业内寄予厚望的RSI（递归自我改进）理念并不买账。这一理念认为，AI系统一旦足够擅长AI研究，就能自我改进、自主运行实验并训练下一代，从而让智能曲线呈抛物线式爆发。但Ho指出，研究的瓶颈不在于模型的智能水平，而在于缺乏“研究品味”——模型不擅长提出实验方案，也不擅长判断哪些结果重要。“你无法通过推理直接抵达现象本身。”他观察到，模型在某些领域表现出色，却在相邻领域表现糟糕，这种看似随机的模式其实有迹可循：能力进步最快的地方，都是结果可以被验证的领域，比如数学证明是否正确、程序能否编译数据。数十亿美元投入这些领域确实见效了，但其他难以验证的领域依然停滞不前。 这正是他离职创业的原因：容易摘取的“可验证果实”已被摘完，下一轮增长将来自更杂乱的任务。他的新公司正是为此而生——为模型尚无法胜任的判断密集型工作创建数据集，首批产品将聚焦长周期科学推理和统计分析。这一观点与本周硅谷社交媒体上流传的主流论调形成鲜明对比，著名播客主持人Dwarkesh Patel曾主张算力成本可能上涨10倍，实验室收入也能相应增长10倍。但Andrew Ho显然认为，这场算力军备竞赛的赢家只有英伟达和美光这样的硬件厂商，而非那些在前线烧钱的AI实验室。对于中国跨境电商卖家和AI从业者而言，这场争论的实质是：当算力成本持续攀升、模型能力增长放缓，真正能创造价值的或许不再是追逐参数规模的军备竞赛，而是在细分场景中深耕数据质量和应用落地。