पूर्व OpenAI कर्मचारी ने सहकर्मियों से IPO से पहले नकद निकालने का आग्रह किया
OpenAI
हाल ही में कंपनी छोड़ने वाले एक पूर्व OpenAI कर्मचारी सहकर्मियों को सलाह दे रहे हैं कि वे IPO का इंतज़ार करने के बजाय अभी अपने शेयर बेच दें, क्योंकि वे फ्रंटियर AI लैब्स के मूल्यांकन को लेकर निराशावादी हैं। उनका तर्क है कि वर्तमान मूल्यांकन अत्यधिक आशावादी उम्मीदों पर आधारित हैं और यदि बाजार तर्कसंगतता की ओर लौटता है तो ये आधे हो सकते हैं। कर्मचारी के पास स्वयं OpenAI में लगभग 700,000 डॉलर की इक्विटी है, लेकिन पिछले टेंडर ऑफर के दौरान वे अपने शेयर बेच नहीं पाए थे।
एंड्रयू हो, जिन्होंने 2025 के अंत में OpenAI की तकनीकी टीम में शामिल हुए और लगभग आठ महीने बाद छोड़ दिया, सोशल मीडिया पर मुखर रहे हैं, उन्होंने पूर्व सहयोगियों से कहा है कि वे किसी भी टेंडर ऑफर में भाग लें और IPO की प्रतीक्षा करने के बजाय तुरंत नकद निकाल लें। उनका मानना है कि निजी और सार्वजनिक बाजारों के बीच मूल्यांकन तर्क मौलिक रूप से भिन्न होता है: निजी बाजार कहानी कहने और आशावादी उम्मीदों की अनुमति देते हैं, जबकि सार्वजनिक बाजार नकदी प्रवाह, लाभ और वास्तविक वृद्धि की मांग करते हैं। वे लॉक-अप अवधि और लॉक-अप समाप्त होने के बाद संभावित बिक्री दबाव जैसे व्यावहारिक मुद्दों पर भी ध्यान देते हैं। हो के पास स्वयं OpenAI में लगभग $700,000 की इक्विटी है, लेकिन वे अक्टूबर में हालिया टेंडर ऑफर से चूक गए, जब 600 से अधिक कर्मचारियों ने एक रिकॉर्ड सौदे में शेयर बेचे। इसके बावजूद, वे फ्रंटियर AI प्रयोगशालाओं के मूल्यांकन पर प्रतिकूल दृष्टिकोण रखते हैं, उनका तर्क है कि उनके पास अगली पीढ़ी के मॉडलों के प्रशिक्षण के लिए उच्च लागत, अनिश्चित राजस्व है, और वे एक रेड क्वीन दौड़ में फंसे हैं जहाँ उन्हें प्रतिस्पर्धी बने रहने के लिए लगातार निवेश करना होगा। वे गणना करते हैं कि $1 ट्रिलियन बाजार पूंजीकरण का समर्थन करने के लिए, एक प्रयोगशाला को $100-200 बिलियन का वार्षिक राजस्व चाहिए होगा, जिसे वे अवास्तविक मानते हैं। वे यह भी सुझाव देते हैं कि मॉडल सुधार ज्यादातर गणित और कोड जैसे सत्यापन योग्य कार्यों में हैं, जबकि जटिल वास्तविक दुनिया के कार्य धीरे-धीरे आगे बढ़ते हैं। फिर भी, वे AI के भविष्य के बारे में आशावादी बने हुए हैं, लेकिन उनका मानना है कि अगली बाधा केवल कम्प्यूटेशनल शक्ति नहीं, बल्कि उच्च गुणवत्ता वाला प्रशिक्षण डेटा होगा, और उन्होंने फ्रंटियर प्रयोगशालाओं को सुदृढीकरण सीखने वाले डेटासेट प्रदान करने के लिए एक स्टार्टअप शुरू किया है।
स्रोत: QbitAI 量子位 —
मूल
