作为人工智能领域最具知名度的企业之一,OpenAI于本周一悄然向美国证券交易委员会提交了首次公开募股(IPO)的保密申请。尽管目前尚未确定正式上市时间,这一备受期待的举动已在市场引发广泛关注。据《纽约时报》报道,OpenAI的IPO"可能成为华尔街规模最大的上市事件之一"。
OpenAI在周一下午发布于X平台的声明中表示:"我们近期已提交保密版S-1文件。由于预计消息会提前泄露,我们选择主动公告。目前尚未确定上市时间,可能还需要一段时间,因为有些事情作为私营企业来推进更为便利。但这其中存在复杂的权衡取舍,提前递交申请也为我们保留了在合适时机尽早上市的选择空间。"
所谓保密申请,是指OpenAI虽已启动IPO流程并向证券交易委员会提交相关文件,但具体内容暂不对外公开。这与公开申请有所不同——后者的招股说明书及财务信息可供投资者公开查阅。
OpenAI的相关发言人暂未对置评请求作出回应。
(信息披露:CNET母公司Ziff Davis已于2025年对OpenAI提起诉讼,指控其在训练和运营AI系统的过程中侵犯了Ziff Davis的版权。)
OpenAI由埃隆·马斯克与现任CEO山姆·奥特曼于2015年联合创立。马斯克于2018年离开公司董事会,并于此后对奥特曼提起诉讼,但该案在上月以奥特曼胜诉告终。2022年,OpenAI推出了基于大语言模型技术打造的生成式AI聊天机器人ChatGPT。这款应用的增长速度堪称罕见,在创纪录的时间内积累了数亿用户,对于许多人而言,它已成为AI聊天机器人的代名词。
此次IPO将受到市场的高度关注,投资者正密切评估奥特曼本人此前关于AI泡沫的警示是否会成真。
一旦OpenAI成功上市,它将加入今年备受瞩目的IPO阵营,包括马斯克旗下的SpaceX,以及OpenAI在人工智能领域的主要竞争对手Anthropic。
这一波IPO热潮在一定程度上折射出投资者将巨额AI押注转化为实际收益的迫切心态,而各大企业也亟需通过融资来维持高速运转。AI本质上是一门资本密集型生意,大语言模型的训练所需的算力,以及支撑其运行的数据中心、芯片和电力基础设施,都带来了高昂成本。
上市风险不容忽视
OpenAI的IPO将是一个意义深远且风险极高的关键节点。迄今为止,AI行业的发展很大程度上依赖于市场预期的驱动,公司估值更多建立在未来潜力而非当期盈利之上。一个追踪前沿AI企业营收与亏损的在线平台显示,AI研发的成本已超过其产生收入的两倍,意味着行业整体背负着数十亿美元的债务压力。
由于OpenAI目前仍是私营企业,其确切债务规模难以精确核实。有报道指出,其合作伙伴和基础设施支持方已累计承担约960亿美元的债务以支持AI基础建设;另有估算显示,OpenAI在长期算力和能源方面的承诺金额约达1.4万亿美元。
尽管OpenAI的强大品牌影响力和成熟产品线有望吸引可观的投资者需求并支撑较高的股票发行价,但上市同时也意味着公司将面临外界对其高昂运营成本和持续亏损状况的深度审视。
更高程度的财务透明度还将使OpenAI面临更严格的监管,可能引发涉及法律、隐私或版权方面的潜在挑战。
部分批评者指出,AI增长的乐观预测与当前经济现实之间存在明显落差。OpenAI的IPO或将要求投资者在充满不确定性的背景下,对未来大规模扩张进行定价。从更宏观的视角来看,这场IPO竞赛将成为一次关键的压力测试,检验AI行业是否真正建立在可持续的商业模式之上。
Q&A
Q1:OpenAI的保密IPO申请和公开申请有什么区别?
A:保密申请是指OpenAI已向美国证券交易委员会提交IPO相关文件,但具体内容暂不对外公开;而公开申请则意味着招股说明书和财务数据可供投资者自由查阅。保密申请的好处在于,企业可以在正式上市前保留更多的战略灵活性,同时也不必过早将敏感财务信息暴露于公众视野之中。
Q2:OpenAI目前的财务状况怎么样?
A:OpenAI目前尚未盈利,运营成本极为高昂。据报道,其合作伙伴和基础设施支持方已累计承担约960亿美元债务,而其在长期算力和能源方面的承诺金额估计高达1.4万亿美元。此外,行业数据显示,前沿AI企业的研发成本已超过其所产生收入的两倍,整体处于大幅亏损状态。
Q3:OpenAI上市之后面临哪些主要风险?
A:OpenAI上市后将面临多方面风险:一是市场对其高昂运营成本和持续亏损状况的审视加剧;二是财务透明度提升将带来更严格的监管压力,可能引发法律、隐私或版权方面的挑战;三是AI行业估值普遍建立在未来预期而非当期盈利上,一旦增长不及预期,股价将面临较大下行风险。
好文章,需要你的鼓励
近期数据显示,2026年5月前企业已宣布约9万个与AI相关的裁员岗位,部分预测称未来五年美国15%的工作将被AI取代。然而,Ramp与Revelio Labs追踪近2.2万家企业的最新报告显示:重度投入AI的企业反而实现了更快的人员增长,包括初级岗位在内的各职能人数均有上升。但这一数据主要来自技术型企业,能否普遍适用仍存疑。报告同时指出,资源匮乏的企业可能在AI浪潮中持续落后。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
AI数据中心开发商向多家电力公司同时提交大负荷接入申请以确定选址,导致区域需求预测虚高、电网投资失衡。美国联邦能源监管委员会(FERC)及ERCOT、PJM、SPP等机构正推动"承诺优先"规划机制,要求项目具备实质性商业承诺方可纳入长期传输规划。谷歌、亚马逊、微软、OpenAI等科技巨头支持建立标准化的项目成熟度评估体系,但各方在具体机制上仍存分歧。发电建设问题尚未被纳入联邦传输改革议程。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。