OpenAI 估值上看 7,500 億美元，但公開市場為什麼不買單？

本文整理自 TBPN 2025 年 12 月 18 日播出的單集。

七千五百億美元。這個數字比 NVIDIA 2023 年初的市值還高，比整個台灣股市總市值的三分之一還多。Bloomberg 記者 Katie Roof 在 12 月中旬爆出獨家新聞：OpenAI 正在進行「早期洽談」，計畫募集數百億甚至上看一千億美元的新一輪融資，估值可能達到 7,500 億美元。這距離他們上一輪以 1,570 億美元估值完成的融資，才過了不到三個月。

獨家報導背後的「早期洽談」

Katie Roof 被 TBPN 主持人稱為「當代最偉大的獨家新聞運動員之一」，而她最近顯然在 OpenAI 內部有了一個願意持續透露消息的來源。這則報導的關鍵詞是「早期洽談」——這意味著什麼還很難說，但至少透露了幾件事。

首先，OpenAI 的資金需求似乎永無止境。Greg Brockman 在同一週發布的一支影片中坦言，公司「在運算資源的需求上已經爆滿」。每一次產品發布，最大的阻礙往往是「運算資源從哪裡來」。當三月份的圖像生成功能爆紅時，他們不得不從研究團隊那裡「借走」運算資源來支撐產品需求——這是「犧牲未來換取現在」的痛苦抉擇。

其次，如果這輪融資的規模真的達到數百億美元，投資人很可能不會是傳統的創投機構。TBPN 主持人分析，這種規模的資金只可能來自主權財富基金，或者是那些沒有拿下 Warner Bros. 交易的科技巨頭——他們的沙發墊縫裡隨便翻翻，可能就有一百億美元的閒錢可以投進 OpenAI。

私募與公開市場的矛盾信號

這則新聞引發的最有趣討論，來自創投人 Tae Kim 的一則推文：「公開市場正在打壓所有與 OpenAI 相關的概念股，但能夠看到 OpenAI 內部數據和指標的私募投資人卻爭相湧入。這兩件事不可能同時為真。」

這個觀察點出了 AI 投資領域目前最核心的矛盾。一方面，公開市場上許多 AI 概念股在 2024 年底經歷了顯著回調，投資人對於「AI 到底能賺多少錢」的質疑聲浪不斷升高。另一方面，私募市場的估值卻持續創新高，似乎完全不受這些質疑影響。

TBPN 主持人 David 認為，OpenAI 正在經歷某種敘事轉折。幾個月前，網路上充斥著「OpenAI 就是安隆」「這間公司會歸零」「整個模式根本行不通」的聲音。但現在，這種極端負面的情緒似乎已經「穿透市場」，開始觸底反彈。用 Gartner 技術成熟度曲線的術語來說，OpenAI 可能正在從「幻滅低谷」走向「生產力高原」。

不過，另一位主持人 Ben 對此持保留態度。他觀察到，仍然有很多人在批評 OpenAI 最新發布的 5.2 版本，說「還沒看到多少人說他們愛用」。但他也承認，如果你走出科技圈的同溫層，問一般人在用什麼 AI 應用，答案幾乎都是 ChatGPT。這種「科技圈內外的認知落差」本身就是一個值得關注的現象。

2025 年底的模型軍備競賽

要理解 OpenAI 的估值邏輯，必須把它放在 2025 年底這場瘋狂的 AI 模型軍備競賽脈絡中來看。光是從 8 月到 12 月，各大 AI 實驗室就密集發布了超過十個重要模型：

8 月 7 日，OpenAI 發布 GPT-5。9 月 29 日，Anthropic 發布 Claude Sonnet 4.5。隔天，OpenAI 發布 Sora 2。11 月 12 日，GPT-5.1 登場。11 月 17 日，xAI 發布 Grok 4.1。11 月 18 日，Google 發布 Gemini 3——這個發布在當時引發了巨大迴響，距今其實才一個月。11 月 24 日，Anthropic 發布 Claude Opus 4.5。12 月 1 日，DeepSeek 發布 3.2 版。12 月 11 日，OpenAI 反擊推出 GPT-5.2。12 月 17 日，Google 發布 Gemini 3 Flash。而就在節目錄製當天，OpenAI 又發布了 5.2 Codex 編程版。

這種發布節奏之所以如此瘋狂，TBPN 主持人認為，是因為「坐在基準測試榜首」的壓力實在太大。在其他軟體產品領域，很少有這麼清晰的「誰比誰好」的客觀評判標準。但在 AI 模型領域，你的模型是不是最好，每天都有排行榜在告訴全世界。

有趣的是，節目中有人提出：「基準測試現在就像用過的衛生紙一樣沒用。」這句話聽起來很刺耳，但背後的邏輯其實是樂觀的——基準測試之所以變得沒用，是因為模型已經太強了，把這些測試都做到飽和了。換句話說，如果 AI 真的在停滯，基準測試應該還很有用才對。

「AI 冬天」論戰

這場模型軍備競賽的背後，是一場更深層的敘事之爭。一派人認為 AI 正在進入「停滯期」，另一派人則堅持進步從未放緩。

TBPN 的一位成員直言：「很多人非常希望 AI 停滯。」這些人可能是錯過了 NVIDIA 漲幅的投資人，可能是對 AI 威脅論抱持警戒的學者，也可能純粹是對過度炒作感到厭煩的觀察者。但他認為，只要你實際使用這些編程模型，就會發現它們「真的好用很多」。

另一方面，David 則提出了一個更細緻的觀點。他用計算器的比喻來說明：現在的計算器可以在幾分之一秒內完美計算任何數學問題，但沒有人會說計算器是「通用人工智慧」。AI 模型的進步，可能也是類似的情況——我們創造了越來越多領域的「專精智慧」，每一個領域的「尖刺」都在變長，但這些尖刺之間的鴻溝並沒有被填平。用他的話說：「當你給我看一張新模型的能力卡，我只會想：『好，又尖了。尖刺更尖了。很好。』但我從來沒有看過一張卡讓我覺得：『噢，它不再尖刺了。』」

從 Scaling Laws 到籌資邏輯

回到 OpenAI 的 7,500 億美元估值問題。Greg Brockman 在那支引發討論的影片中說了一句話：「OpenAI 一開始並不是帶著『運算就是進步之路』的理論出發的。我們嘗試了所有其他方法，最後發現有效的就是運算、就是規模。」

這句話的潛台詞是：只要規模定律（Scaling Laws）繼續成立，只要更多的運算資源能帶來更好的模型，那麼 OpenAI 目前的估值邏輯就站得住腳。這也是為什麼每一次新模型發布、每一次基準測試的驗證，對這間公司來說都如此重要。

Brockman 的影片被一些人解讀為「負面信號」——一個人說公司有個他認為永遠無法解決的問題，這聽起來不太妙。但另一種解讀方式是：這是一種「任務永不完成」的敘事重構，就像 SpaceX 不會說「我們登上火星就結束了」，而是說「我們要殖民火星、殖民太陽系、最終要到達半人馬座阿爾法星」。

在這個框架下，對運算資源的無止境需求不是問題，而是使命的一部分。而 7,500 億美元的估值，就是市場對這個使命的定價。

至於這個定價是否合理？正如 TBPN 主持人所說：籌資對 OpenAI 來說「就像給你看我們的辦公室租約一樣」——是必須完成的事，但不是最重要的事。最重要的是模型能不能繼續進步、產品能不能持續改善。在這一點上，公開市場和私募市場的分歧，或許正反映了對於「進步會持續多久」這個根本問題的不同判斷。