Bedrijf & Markt 🇨🇳 01.08.2026 09:01

Voormalig OpenAI-medewerker spoort collega's aan om te cashen vóór de beursgang

OpenAIOpenAI
Een voormalig OpenAI-medewerker die het bedrijf onlangs heeft verlaten, adviseert collega's om hun aandelen nu te verkopen in plaats van te wachten op een beursgang, vanwege pessimisme over de waardering van toonaangevende AI-laboratoria. Hij stelt dat de huidige waarderingen gebaseerd zijn op overdreven optimistische verwachtingen en kunnen halveren als de markt weer rationeel wordt. De medewerker zelf bezit ongeveer 700.000 dollar aan OpenAI-aandelen, maar kon tijdens de laatste tenderoffer geen verkoop doen.
Andrew Ho, die eind 2025 toetrad tot het technische team van OpenAI en na ongeveer acht maanden vertrok, is uitgesproken op sociale media. Hij vertelt voormalige collega's dat ze moeten deelnemen aan eventuele overnameaanbiedingen en onmiddellijk hun aandelen moeten verzilveren in plaats van te wachten op een beursgang. Hij gelooft dat de waarderingslogica fundamenteel verschilt tussen private en publieke markten: private markten laten verhalen vertellen en optimistische verwachtingen toe, terwijl publieke markten kasstroom, winst en echte groei eisen. Hij merkt ook praktische problemen op, zoals lock-up periodes en mogelijke verkoopdruk na het verstrijken van de lock-up. Ho zelf bezit ongeveer $700.000 aan OpenAI-aandelen, maar miste het recente overnameaanbod in oktober, waarbij meer dan 600 werknemers aandelen verkochten in een recorddeal. Desondanks blijft hij negatief over de waardering van toonaangevende AI-laboratoria. Hij stelt dat zij hoge kosten hebben voor het trainen van de volgende generatie modellen, onzekere inkomsten, en vastzitten in een race zonder einde (Red Queen race) waarin ze voortdurend moeten investeren om concurrerend te blijven. Hij berekent dat om een marktkapitalisatie van $1 biljoen te ondersteunen, een laboratorium een jaarlijkse omzet van $100-200 miljard nodig zou hebben, wat hij onrealistisch vindt. Hij suggereert ook dat modelverbeteringen vooral plaatsvinden op verifieerbare taken zoals wiskunde en code, terwijl complexe real-world taken langzaam vooruitgang boeken. Niettemin blijft hij optimistisch over de toekomst van AI, maar gelooft hij dat de volgende bottleneck zal liggen bij hoogwaardige trainingsgegevens, niet alleen rekenkracht. Hij heeft een startup opgericht om versterkend lerende datasets te leveren aan toonaangevende laboratoria.
Bron: QbitAI 量子位 — origineel
Eerdere berichten over dit onderwerp ↓
Vers nieuws