Liiketoiminta ja markkinat 🇨🇳 01.08.2026 09:01

Entinen OpenAI:n työntekijä kehottaa kollegoitaan myymään osakkeensa ennen listautumista

OpenAIOpenAI
Äskettäin OpenAI:lta lähtenyt entinen työntekijä neuvoo kollegoitaan myymään osakkeensa nyt sen sijaan, että he odottaisivat listautumista. Hän perustelee neuvoaan pessimismillä huipputason tekoälylaboratorioiden arvostuksista. Hänen mukaansa nykyiset arvostukset perustuvat liian optimistisiin odotuksiin ja voisivat puolittua, jos markkinat palaavat järkevyyteen. Työntekijällä itsellään on noin 700 000 dollarin arvosta OpenAI:n osakkeita, mutta hän ei pystynyt myymään niitä viimeisimmän osakeannin yhteydessä.
Andrew Ho, joka liittyi OpenAI:n tekniseen tiimiin vuoden 2025 lopulla ja lähti noin kahdeksan kuukauden jälkeen, on ollut äänekäs sosiaalisessa mediassa ja kehottanut entisiä kollegoitaan osallistumaan osakkeiden ostotarjouksiin ja lunastamaan osakkeensa heti, sen sijaan että odottaisivat listautumista. Hän uskoo, että arvostuslogiikka eroaa perustavanlaatuisesti yksityisten ja julkisten markkinoiden välillä: yksityiset markkinat sallivat tarinankerronnan ja optimistiset odotukset, kun taas julkiset markkinat vaativat kassavirtaa, voittoja ja todellista kasvua. Hän huomauttaa myös käytännön ongelmista, kuten myyntirajoituksista ja mahdollisesta myyntipaineesta rajoituksen päätyttyä. Ho omistaa itse noin 700 000 dollarin arvosta OpenAI:n osakkeita, mutta myöhästyi viimeisimmästä ostotarjouksesta lokakuussa, jolloin yli 600 työntekijää myi osakkeitaan ennätyksellisessä kaupassa. Tästä huolimatta hän suhtautuu pessimistisesti huipputason tekoälylaboratorioiden arvostukseen ja perustelee tätä sillä, että niillä on korkeat kustannukset seuraavan sukupolven mallien kouluttamiseen, epävarmat tulot ja ne ovat lukittuina Red Queen -kilpailuun, jossa niiden on jatkuvasti investoitava pysyäkseen kilpailukykyisinä. Hän laskee, että 1 biljoonan dollarin markkina-arvon tukemiseksi laboratorion vuotuisen liikevaihdon tulisi olla 100-200 miljardia dollaria, mitä hän pitää epärealistisena. Hän ehdottaa myös, että mallien parannukset liittyvät enimmäkseen todennettaviin tehtäviin, kuten matematiikkaan ja koodaukseen, kun taas monimutkaiset reaalimaailman tehtävät etenevät hitaasti. Siitä huolimatta hän on edelleen optimistinen tekoälyn tulevaisuuden suhteen, mutta uskoo seuraavan pullonkaulan olevan laadukas harjoitusdata, ei pelkästään laskentateho, ja hän on perustanut startupin tarjoamaan vahvistusoppimisen datasettejä huippulaboratorioille.
Lähde: QbitAI 量子位 — Alkuperäinen
Aiemmat aiheeseen liittyvät kirjoituksemme ↓
Tuoreet uutiset