目前，前沿 AI 實驗室的估值似乎過高。 Andrew Ho 的貼文一針見血地指出了核心問題：這些公司被困在一個嚴酷的跑步機上。它們必須不斷投入越來越多的資金來訓練下一個模型，僅為保持對開源和二線競爭對手的領先優勢。收入雖在增長，但所需的訓練開支增長得更快。僅靠推理的高毛利無法拯救你，因為大部分資本仍流向了下一次訓練。 市場正在預期高度自主的代理將在近期迅速出現，並能自主創立與運營公司。這種結果最終或許可能實現，但截至目前的證據顯示，進展更為緩慢且波動，受限於數據、可靠性以及經濟計算這一難題。即使將當前的模型能力普及至實際工作流程，也需要數年而非數月的時間。若將模型品質凍結在當前水平，仍需十餘年的產品與流程創新，才能實現全部經濟價值。 估值達 1000 億至 1 兆美元的私人市場，假設了相反的情況：實驗室可以在長時間內保持虧損，而世界以高速圍繞它們重新調整。一旦鎖定期結束，現金消耗數字成為持續報告義務時，公開市場歷來較不寬容。 AI 將成為一個龐大的產業。但以目前的價格來看，這些實驗室本身似乎定價的是最樂觀的路徑，而非中位數路徑。