從2兆美元野心到循環融資陷阱：Anthropic IPO前的市場冷靜審視
2026年秋季，全球資本市場正緊盯一場可能改寫歷史的IPO。Anthropic，這家以Claude模型聞名的AI實驗室，在5月完成650億美元融資、估值9650億美元後，正秘密推進公開募股。市場傳聞其目標估值約2兆美元，籌資規模或達1000億美元，若成行將超越SpaceX 1.77兆美元的紀錄，成為史上最大IPO。與此同時，OpenAI估值徘徊在8500億至8600億美元區間，正討論1.2兆至1.5兆美元的新一輪私募；英偉達市值約5.43兆美元，本益比約28.5倍，處於近十年相對低位。一邊是賣鏟人估值「便宜」，一邊是挖金者估值膨脹，AI行業的定價邏輯正在接受現實檢驗。
高增長公司的估值困境
傳統投行估值主要依賴兩類方法：貼現現金流模型，以及可比公司的銷售或利潤倍數。對Anthropic這類公司，兩者均遇挑戰。可比上市公司稀少，而年化收入從2025年底約90億美元躍升至2026年7月逾650億美元，增長逾七倍，未來現金流預測高度不確定。其內部預測2028年收入或達1900億至2000億美元，但這類數字常被謹慎對待。
利率環境進一步加壓。10年期美債殖利率一度升至5%以上高位，聯準會此前升息，推高資金成本。高利率直接降低遠期利潤現值，同時推升數據中心建設的借貸成本。這解釋了近期部分IPO推遲現象：核電與數據中心相關公司因市場條件調整時間表。自Labor Day以來IPO數量稀少，年內部分大型新股已跌破發行價。利率上升對依賴遠期增長的公司形成雙重打擊。
若以2兆美元定價，Anthropic約相當於其當前年化收入的30倍以上。即便假設零成本、零稅收、零研發、永久將全部收入作為股息發放，並以公債利率貼現，未來全部收入的現值仍顯著低於2兆美元。幾乎全部溢價都建立在持續超高增長假設上。利率越高，所需增長率越極端。
總可尋址市場的膨脹邏輯
當傳統數學難以支撐目標時，總可尋址市場（TAM）成為關鍵敘事工具。該概念在1990年代末因分析師對亞馬遜的樂觀預測而流行，此後在科技融資中反覆使用。近期AI相關TAM數字快速膨脹：從數兆美元的企業應用市場，到生成式AI可觸及的60兆美元規模（約全球年產出一半）。短短數月內TAM數字大幅躍升，增速甚至超過相關公司收入增長，也快於其聲稱要切入的經濟體本身。
歷史經驗顯示，TAM兌現率往往極低。Uber上市時宣稱逾100兆美元市場，如今年收入仍不足600億美元；WeWork曾以3兆美元市場概念融資，最終破產。極端情景中，有研究模型設想AI到2030年為美國GDP貢獻超10兆美元，對應股權價值可達十兆美元量級；更遠期則指向遞歸自我改進——AI設計更優AI，經濟價值爆炸以致貨幣意義淡化。然而，當前研究進展顯示，多數突破仍依賴有明確答案的測試任務；部分自動化研究在生產規模上的改進幅度有限，接近噪聲水平。
現實中，Anthropic此前對2027年收入的預測已被證明偏保守，而市場對估值目標卻在數周內從約1兆美元區間迅速上調至2兆美元討論。預測在樂觀與謹慎之間劇烈搖擺，本身即是風險信號。
數據中心與循環融資結構
AI熱潮不僅推高模型公司估值，也催生了尚未建成設施的基礎設施估值。SoftBank旗下SB Energy計劃以約500億美元估值IPO，卻尚未投運任何數據中心。其招股文件顯示，已承諾項目需約1740億美元資本支出，背負龐大建設義務。Nvidia已承諾總計約30億美元投資（部分以折扣價），並為部分校園提供最高1050億美元擔保；OpenAI則是主要租戶並持有認股權證。項目一旦延遲，客戶在特定情況下可低價收購。
晶片折舊遠快於建築：GPU可能一兩年即過時，而融資常按長期基礎設施邏輯定價，類似為智慧型手機辦理30年按揭。電網接入在部分州可能耗時數年，地方反對聲浪顯著。未建成數據中心在會計上不計提折舊，短期呈現高利潤假象，但最終必須面對建設超支、延期與折舊啟動的現實。
資金鍊條高度循環：SoftBank以高殖利率債券融資支持OpenAI；OpenAI租賃SB Energy設施並投資其中；Nvidia保障債務並鎖定硬體供應。類似模式在行業蔓延——雲巨頭持有AI實驗室股權，股權未實現收益可顯著貢獻其利潤；實驗室互租算力。估值一家公司往往需先評估其對手與供應商。這種相互持股、相互擔保、相互推高估值的結構，在私人市場中缺乏空頭制衡，樂觀者主導定價。
英偉達為何相對「便宜」
英偉達作為實際賣鏟人，業務強勁：銷售從數年前約270億美元增長至當前預期數百億美元量級，凈利潤大幅擴張。然而，其前瞻本益比已降至約18-25倍區間，整體估值處於多年相對低位，投資者為每美元利潤支付的價格較此前明顯下降。公司CEO曾公開將其定位為「成長型價值股」，稱市場存在誤解。
合理解釋包括：市場將其視為周期頂部公司，毛利率或因內存成本上升及客戶自研晶片而承壓；其收入高度依賴燒錢實驗室的支出，一旦支出放緩（無論技術巨頭收縮還是監管介入），倍數難維持；不確定性本身對年輕公司可能抬高估值，而彩票式回報偏好也推高部分標的；最關鍵的是定價機制差異——英偉達每秒由數百萬投資者（含空頭）定價，而AI實驗室估值在私人輪次中由雲巨頭等利益相關方設定，悲觀者無法做空。
價格戰與盈利模式考驗
模型成本正快速下降。研究顯示，達到給定性能水平的成本自2023年以來年降幅可達13倍，速度或超電力、計算與基因測序等歷史變革技術。新頂尖模型推出後價格下跌最快，溢價窗口短暫。開源與中國廠商模型性能逼近前沿，市場市佔率上升；Anthropic與OpenAI幾乎同步推出降價幅度達40%-50%的新模型。價格戰有利於客戶，卻在IPO前夕尤為尷尬。
客戶側已出現智能路由：企業將不同任務分配至不同模型，顯著削減賬單。部分觀察者提出「智能飽和」概念——並非所有任務都需最貴模型。開源軟體曾被比作「免費的小狗」，前期無成本但後期維護沉重；歷史上廉價軟體與硬體最終重塑了整個行業格局。
積極一面在於使用量持續攀升，部分平台周使用量自去年初以來增長數萬倍；用戶留存率數據中，Anthropic表現相對突出；若實驗室能同時掌控模型與周邊軟體工具，或可實現一定鎖定。然而，路由工具的出現顯示客戶正積極避免鎖定。最終可能形成高利潤商業模式，但當前階段更像在出售未來承諾。
IPO節點與系統性風險
IPO是早期投資者兌現時機，也是循環鏈條首次面對公開市場定價的時刻。對SoftBank而言，其資產負債表高度依賴OpenAI等私人估值；若公開價格顯著低於私人標價，抵押品與賬面價值將承壓。Anthropic若成功上市，將為純AI實驗室提供首個公開標尺，並直接影響持有其股權的雲巨頭利潤確認。
歷史研究顯示，大量新股發行後公司常長期跑輸，整體市場在發行高峰後數年表現亦往往偏弱。內部人擇時能力通常較強。實驗室高管呼籲謹慎發展的同時，市場卻以利潤動機全速推進。若以無法通過基礎財務測試的價格買入，事後回望時，人們可能再次追問：當初在想什麼？
AI技術本身並非泡沫。網路改變了世界，卻也留下雅虎、Lycos等早期失敗者。AI最終可能更接近電子郵件——日常必需卻難以單獨產生超額利潤。那對客戶是福音，對以2兆美元買入賣方的投資者則不然。當前迷局的核心，不在技術是否有用，而在支付的價格是否合理。公開市場將很快給出答案。
來源：金色財經
發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。
