OpenAI 递交 IPO 草案,上市与否仍待定
OpenAI递交IPO,奥特曼称上市不急,AI自我改进或成更大变量
2025年6月8日,OpenAI正式向美国证券交易委员会(SEC)提交了S-1草案,启动IPO进程。与此同时,其竞争对手Anthropic已于6月1日秘密递交S-1草案。两家公司估值均接近万亿美元,但OpenAI CEO Sam Altman在内部表态称,若AI递归自我改进(RSI)加速,推迟上市可能更有利。
背景:从非营利到IPO的转型
OpenAI成立于2015年,最初为非营利组织,使命是“确保通用人工智能造福全人类”。2019年,因训练大模型成本高昂,OpenAI设立利润上限的子公司结构,开始接受投资,微软首笔10亿美元注资。2022年底ChatGPT发布后,公司商业价值激增。2023年底,董事会短暂罢免Altman,后在投资人和员工压力下恢复其职务。2024至2025年,OpenAI完成重组:营利部分转为公共利益公司(PBC),非营利母体更名为OpenAI基金会,持股约26%,微软持股约27%,员工和投资人合计约47%。此次S-1提交是重组的必然结果。
关键细节:IPO与AI模型进展
- IPO进程:OpenAI提交S-1草案后,预期可能泄露,故提前公开。公司表示,非上市公司身份更利于战略推进,但权衡后仍提交IPO,后续是否上市需再考虑。Anthropic的S-1草案则处于SEC审核阶段,股份数和发行价未定。
- 模型迭代加速:OpenAI首席科学家Jakub Pachocki确认,代号5.6的新模型将于本月发布,性能“大幅超越”前代。此前,GPT-5.4于3月5日发布,GPT-5.5于4月23日发布,间隔约6-7周,代际能力提升未放缓。社区泄露显示,GPT-5.6内部代号iris-alpha,后续版本包括ember-alpha、beacon-alpha、kepler和kindle,kindle-alpha为当前发布候选版本。
- 产品改版:6月10日,ChatGPT模型选择器改版,从模型名称(如Thinking-Light、Thinking-Standard)改为智力分级(Instant、Medium、High、Extra High、Pro Standard、Pro Extended),旨在简化用户选择。
- 价格战信号:据《华尔街日报》报道,OpenAI正酝酿大幅调低API定价,与Anthropic竞争。目前GPT-5.5 API定价为每百万输入token 5美元、输出30美元,而Anthropic的Fable 5和Mythos 5定价为输入10美元、输出50美元。
各方反应与数据
- Altman内部表态:在OpenAI内部Slack中,Altman提出,若AI递归自我改进速度足够快,推迟上市的好处更大,因为技术和世界可能以意想不到的方式变化,私有公司更具灵活性。
- Anthropic数据:内部报告显示,AI任务完成时间跨度每4个月翻一倍,工程师季度代码产出量飙升至之前的8倍。
- 估值对比:截至5月底,Anthropic以9650亿美元估值反超OpenAI的8520亿美元,成为全球最值钱AI创业公司。两家公司上市后市值预计均超1万亿美元。
- 财务数据:OpenAI CFO确认年化收入已超200亿美元,但亏损严重,2026年预计亏损在140亿(非公认会计准则)到250亿美元(公认会计准则)之间。
影响与展望
OpenAI与Anthropic同时冲刺IPO,合计估值约3.6万亿美元,相当于法国全年GDP。投行认为先上市者将定义AI赛道估值框架。然而,Altman的RSI言论暗示,技术突破可能改变商业规则:若AI实现自我改进,领先优势将指数级扩大,IPO的优先级可能降低。当前,三家旗舰模型(GPT-5.6、Claude Fable 5、Gemini 3.5 Pro)将于6月正面竞争,聚焦推理、编码、Agent和前端生成能力。真正的竞赛或在RSI层面,而非IPO时间点。
相关资讯
4月20日 · AI Research Tracker
5月25日 · OpenAI Blog
5月22日 · OpenAI Blog
6月13日 · 综合整理
6月13日 · 综合整理
6月13日 · 综合整理
延伸阅读 · 相关教程
A developer honest comparison for production applications
When and how to fine-tune LLMs for domain-specific tasks
Early access creators share innovative projects made with Sora text-to-video AI
From customer support bots to internal knowledge bases — how to build GPTs your team actually uses