AI估值迷局

从2万亿美元野心到循环融资陷阱：Anthropic IPO前的市场冷静审视

2026年秋季，全球资本市场正紧盯一场可能改写历史的IPO。Anthropic，这家以Claude模型闻名的AI实验室，在5月完成650亿美元融资、估值9650亿美元后，正秘密推进公开募股。市场传闻其目标估值约2万亿美元，筹资规模或达1000亿美元，若成行将超越SpaceX 1.77万亿美元的纪录，成为史上最大IPO。与此同时，OpenAI估值徘徊在8500亿至8600亿美元区间，正讨论1.2万亿至1.5万亿美元的新一轮私募；英伟达市值约5.43万亿美元，市盈率约28.5倍，处于近十年相对低位。一边是卖铲人估值“便宜”，一边是挖金者估值膨胀，AI行业的定价逻辑正在接受现实检验。

高增长公司的估值困境

传统投行估值主要依赖两类方法：贴现现金流模型，以及可比公司的销售或利润倍数。对Anthropic这类公司，两者均遇挑战。可比上市公司稀少，而年化收入从2025年底约90亿美元跃升至2026年7月逾650亿美元，增长逾七倍，未来现金流预测高度不确定。其内部预测2028年收入或达1900亿至2000亿美元，但这类数字常被谨慎对待。

利率环境进一步加压。10年期美债收益率一度升至5%以上高位，美联储此前加息，推高资金成本。高利率直接降低远期利润现值，同时推升数据中心建设的借贷成本。这解释了近期部分IPO推迟现象：核电与数据中心相关公司因市场条件调整时间表。自Labor Day以来IPO数量稀少，年内部分大型新股已跌破发行价。利率上升对依赖远期增长的公司形成双重打击。

若以2万亿美元定价，Anthropic约相当于其当前年化收入的30倍以上。即便假设零成本、零税收、零研发、永久将全部收入作为股息发放，并以国债利率贴现，未来全部收入的现值仍显著低于2万亿美元。几乎全部溢价都建立在持续超高增长假设上。利率越高，所需增长率越极端。

总可寻址市场的膨胀逻辑

当传统数学难以支撑目标时，总可寻址市场（TAM）成为关键叙事工具。该概念在1990年代末因分析师对亚马逊的乐观预测而流行，此后在科技融资中反复使用。近期AI相关TAM数字快速膨胀：从数万亿美元的企业应用市场，到生成式AI可触及的60万亿美元规模（约全球年产出一半）。短短数月内TAM数字大幅跃升，增速甚至超过相关公司收入增长，也快于其声称要切入的经济体本身。

历史经验显示，TAM兑现率往往极低。Uber上市时宣称逾100万亿美元市场，如今年收入仍不足600亿美元；WeWork曾以3万亿美元市场概念融资，最终破产。极端情景中，有研究模型设想AI到2030年为美国GDP贡献超10万亿美元，对应股权价值可达十万亿美元量级；更远期则指向递归自我改进——AI设计更优AI，经济价值爆炸以致货币意义淡化。然而，当前研究进展显示，多数突破仍依赖有明确答案的测试任务；部分自动化研究在生产规模上的改进幅度有限，接近噪声水平。

现实中，Anthropic此前对2027年收入的预测已被证明偏保守，而市场对估值目标却在数周内从约1万亿美元区间迅速上调至2万亿美元讨论。预测在乐观与谨慎之间剧烈摇摆，本身即是风险信号。

数据中心与循环融资结构

AI热潮不仅推高模型公司估值，也催生了尚未建成设施的基础设施估值。SoftBank旗下SB Energy计划以约500亿美元估值IPO，却尚未投运任何数据中心。其招股文件显示，已承诺项目需约1740亿美元资本支出，背负庞大建设义务。Nvidia已承诺总计约30亿美元投资（部分以折扣价），并为部分校园提供最高1050亿美元担保；OpenAI则是主要租户并持有认股权证。项目一旦延迟，客户在特定情况下可低价收购。

芯片折旧远快于建筑：GPU可能一两年即过时，而融资常按长期基础设施逻辑定价，类似为智能手机办理30年按揭。电网接入在部分州可能耗时数年，地方反对声浪显著。未建成数据中心在会计上不计提折旧，短期呈现高利润假象，但最终必须面对建设超支、延期与折旧启动的现实。

资金链条高度循环：SoftBank以高收益率债券融资支持OpenAI；OpenAI租赁SB Energy设施并投资其中；Nvidia保障债务并锁定硬件供应。类似模式在行业蔓延——云巨头持有AI实验室股权，股权未实现收益可显著贡献其利润；实验室互租算力。估值一家公司往往需先评估其对手与供应商。这种相互持股、相互担保、相互推高估值的结构，在私人市场中缺乏空头制衡，乐观者主导定价。

英伟达为何相对“便宜”

英伟达作为实际卖铲人，业务强劲：销售从数年前约270亿美元增长至当前预期数百亿美元量级，净利润大幅扩张。然而，其前瞻市盈率已降至约18-25倍区间，整体估值处于多年相对低位，投资者为每美元利润支付的价格较此前明显下降。公司CEO曾公开将其定位为“成长型价值股”，称市场存在误解。

合理解释包括：市场将其视为周期顶部公司，毛利率或因内存成本上升及客户自研芯片而承压；其收入高度依赖烧钱实验室的支出，一旦支出放缓（无论技术巨头收缩还是监管介入），倍数难维持；不确定性本身对年轻公司可能抬高估值，而彩票式回报偏好也推高部分标的；最关键的是定价机制差异——英伟达每秒由数百万投资者（含空头）定价，而AI实验室估值在私人轮次中由云巨头等利益相关方设定，悲观者无法做空。

价格战与盈利模式考验

模型成本正快速下降。研究显示，达到给定性能水平的成本自2023年以来年降幅可达13倍，速度或超电力、计算与基因测序等历史变革技术。新顶尖模型推出后价格下跌最快，溢价窗口短暂。开源与中国厂商模型性能逼近前沿，市场份额上升；Anthropic与OpenAI几乎同步推出降价幅度达40%-50%的新模型。价格战有利于客户，却在IPO前夕尤为尴尬。

客户侧已出现智能路由：企业将不同任务分配至不同模型，显著削减账单。部分观察者提出“智能饱和”概念——并非所有任务都需最贵模型。开源软件曾被比作“免费的小狗”，前期无成本但后期维护沉重；历史上廉价软件与硬件最终重塑了整个行业格局。

积极一面在于使用量持续攀升，部分平台周使用量自去年初以来增长数万倍；用户留存率数据中，Anthropic表现相对突出；若实验室能同时掌控模型与周边软件工具，或可实现一定锁定。然而，路由工具的出现显示客户正积极避免锁定。最终可能形成高利润商业模式，但当前阶段更像在出售未来承诺。

IPO节点与系统性风险

IPO是早期投资者兑现时机，也是循环链条首次面对公开市场定价的时刻。对SoftBank而言，其资产负债表高度依赖OpenAI等私人估值；若公开价格显著低于私人标价，抵押品与账面价值将承压。Anthropic若成功上市，将为纯AI实验室提供首个公开标尺，并直接影响持有其股权的云巨头利润确认。

历史研究显示，大量新股发行后公司常长期跑输，整体市场在发行高峰后数年表现亦往往偏弱。内部人择时能力通常较强。实验室高管呼吁谨慎发展的同时，市场却以利润动机全速推进。若以无法通过基础财务测试的价格买入，事后回望时，人们可能再次追问：当初在想什么？

AI技术本身并非泡沫。互联网改变了世界，却也留下雅虎、Lycos等早期失败者。AI最终可能更接近电子邮件——日常必需却难以单独产生超额利润。那对客户是福音，对以2万亿美元买入卖方的投资者则不然。当前迷局的核心，不在技术是否有用，而在支付的价格是否合理。公开市场将很快给出答案。