OpenAI、Anthropic员工5年套现140亿美元,AI企业上市前造富引关注

2024大模型落地三大实战场:服务确定性、RAG工程化与中小团队降本路径 大模型已从‘参数竞赛’迈入‘服务可用性’新阶段。理解模型推理稳定性、API容错机制与工具调用可靠性,成为企业AI落地的核心能力;RAG不再依赖向量库选型,而取决于embedding适配性、语义分块精度与重排序有效性;中小团队可通过开源模型+工程优化(如vLLM加速、冷热分离、混合精度)以1/10成本达成头部效果。本文基于17个真实交付项目,聚焦服务确定性、RAG失效根因与低成本高实效技术路径,直击金融、医疗、政务等场景的工程卡点。 阅读详情

OpenAI、Anthropic员工5年套现140亿美元,AI行业IPO竞赛升温巨量资本渴求凸显

智东西6月15日消息,据外媒The Information昨日报道,过去5年间,OpenAI和Anthropic的早期员工及投资者已通过私下股份出售合计套现约140亿美元(约合人民币950亿元)。

就在上周OpenAI向美国证券交易委员会(SEC)提交IPO草案文件的同时,该公司又开始筹备新一轮面向员工的要约收购,即允许员工在特定时间内出售所持公司股份,定价基准为OpenAI 3月融资时7300亿美元(约合人民币4.93万亿元)的投前估值。

这一轮员工造富潮正值AI行业IPO竞赛全面升温。6月12日,SpaceX以1.75万亿美元估值登陆纳斯达克,成为这波超级IPO潮中第一个落地的案例。而在此之前,SpaceX至少已连续5年安排员工减持。

6月9日,OpenAI秘密提交S - 1招股书。更早的6月1日,Anthropic也完成了IPO秘密申请,投后估值高达9650亿美元(约合人民币6.52万亿元)。三家巨头前后脚冲刺公开市场,背后是AI行业对巨量资本的渴求。

对OpenAI和Anthropic而言,140亿美元的员工套现不过是序章。两家公司上市最核心的驱动力是募集数百亿美元用于训练和运行AI模型,它们预计未来数年将在计算服务上投入数千亿美元。这笔账,只有公开市场才能买单。

Anthropic总裁兼联合创始人丹妮拉·阿莫迪(Daniela Amodei)本月初在彭博科技大会上说:“训练AI模型是一项资本密集型业务。随着时间推移,那些持续推动技术前沿发展的核心公司,必然需要获得更广泛的资本支持,而我认为公开市场非常适合承担这一角色。”

OpenAI 5年至少完成8轮员工减持,累计套现超600亿元

OpenAI的员工股份出售规模在两家公司中占据绝对大头。据The Information估算,这家成立已11年的AI实验室在过去5年内至少安排了8轮公司层面的股份出售,为员工创造了超过90亿美元(约合人民币608亿元)的套现总额。

OpenAI最新一轮要约收购紧跟在IPO草案提交之后启动,以3月融资时的7300亿美元投前估值为定价基准。今年3月,OpenAI完成了一轮1220亿美元(约合人民币8249亿元)的融资,投资方包括亚马逊、英伟达和软银,投后估值达到8520亿美元(约合人民币5.76万亿元)。

OpenAI过去曾多次开放员工股份要约收购,但此前每人上限仅为1000万美元(约合人民币6840万元)。随着OpenAI估值翻涨,头部研究员和工程师普遍感到额度太低、无法充分变现,内部怨声不断。

2024年6月,OpenAI还被曝出争议性条款,即前员工须签署永久性保密协议才能保住已归属的股票。此事引发公众强烈批评后,该公司随即撤回了该规定。

在2025年10月的交易中,OpenAI将单个员工股份要约收购上限提升至3000万美元(约合人民币2亿元),称此举是为响应投资者的资产配置需求。

从OpenAI员工的大规模套现不难看出,AI行业正在进入前所未有的超级造富周期。据《华尔街日报》2025年12月30日报道,OpenAI旗下约4000名员工的平均股权激励达到每人150万美元(约合人民币1026万元),是谷歌2003年IPO前披露水平的7倍,是过去25年里18家大型科技公司上市前一年平均水平的34倍。

公司安排的要约收购是员工在IPO前出售股份的主渠道,但并非唯一途径。部分员工还通过个人二级交易完成了减持。去年软银在领投OpenAI一轮估值3300亿美元(约合人民币2.23万亿元)的融资时,还通过单独交易从OpenAI持股方手中收购了至少17亿美元(约合人民币115亿元)的存量股份。

值得注意的是,OpenAI和Anthropic两家公司近几个月都在收紧对未经授权股份出售的管控,打击对象包括通过特殊目的载体(SPV)等渠道进行的非官方交易。

有人套现有人坚守,Anthropic员工押注IPO时刻

相比OpenAI,Anthropic的员工股份出售起步较晚,一定程度上因为该公司成立至今仅5年。2025年5月,Anthropic在投前估值580亿美元(约合人民币3921亿元)的基础上首次安排员工持股回购,这是该公司历史上第一轮由公司层面组织的员工减持。

今年年初,Anthropic完成了一轮投前估值3500亿美元(约合人民币2.37万亿元)的融资后,随即为现任和前任员工安排了又一轮数十亿美元规模的股份出售。

此后事态发展之快超出市场预期。今年年初,随着Anthropic年化营收突破300亿美元(约合人民币2028亿元),一些风投机构猜测Anthropic会在5000亿美元(约合人民币3.38万亿元)估值上再安排一轮减持。

但Anthropic没有这么做。5月28日,Anthropic直接宣布完成650亿美元(约合人民币4394亿元)的H轮融资,投前估值达到9000亿美元(约合人民币6.08万亿元),超越OpenAI成为全球估值最高的AI创业公司。Anthropic同时披露,该公司年化营收已突破470亿美元(约合人民币3177亿元)。

不过,并非所有员工都急于变现。据彭博社此前报道,Anthropic今年早些时候的员工股份出售实际认购金额不及预期,投资者原本准备买入50亿至60亿美元(约合人民币338亿至406亿元)的股份,但最终成交量未达此数。部分员工可能判断,等到IPO时再出售会获得更高的价格。

私下减持潮席卷硅谷,但要约收购只是“释压阀”

员工私下股份出售正在硅谷蔓延。据股权数据平台Carta统计,2025年美国私营公司的现任和前任员工通过要约收购和二级交易合计出售了约17亿美元(约合人民币115亿元)的股份,比2024年和2023年的总和还多出逾2亿美元(约合人民币13.5亿元)。

非公开股份出售已逐渐成为吸引并激励初创企业员工的重要方式,尤其近年来Stripe、Databricks与SpaceX等企业纷纷推迟上市。SpaceX 6月12日上市时,其员工售股计划已持续至少五年。

推动此类售股操作的一个重要因素是税务压力。随着企业保持非上市状态的时间延长,员工此时可能需开始为股票薪酬缴税,有时甚至在尚未兑现持股收益前就要承担税负。

私募市场数据平台Caplight CEO哈维尔·阿瓦洛斯(Javier Avalos)指出,OpenAI的员工很可能已经完全归属并持有了相当长时间,到了这个节点,为员工提供流动性的压力会变得非常大。

但要约收购终究无法替代上市。二级市场交易公司Next Round Capital创始人兼CEO肯·史密斯(Ken Smythe)称,要约收购只是流动性的“释压阀”,不会削弱公司上市的动力。

结语:AI超级独角兽新玩法,公司未上市,员工先暴富

历史上从未有哪一轮科技热潮,能在企业上市前就向如此大范围的员工派发如此巨额的财富。在过去的大多数科技公司中,员工通常要等到公司IPO之后才能卖股,而且往往还有漫长的锁定期。

2000年代的互联网泡沫时期,大量公司涌向资本市场,但许多员工因为泡沫破裂而错失兑现机会。相比之下,OpenAI和Anthropic趁公司估值达到历史高位,在上市前为员工安排了规模庞大的变现机会,这在私营科技公司中尚属头一遭。

印尼稻米收成与粮食安全数据集2026年 本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。 立即下载

相关推荐

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

AI创业者通识日报 | 2026年8月16日

头条投资者预期Anthropic的IPO估值可能超过 2万亿美元 ,有望成为人类历史上最大规模的IPO。该公司预计2026年底年化营收达1000亿至1200亿美元。与此同时,OpenAI的年化营收运行率已突破400亿美元,较2025年底约翻倍,增长来自AI编程软件、订阅销售、新兴广告业务与核心消费者业务。$2万亿Anthropic IPO估值预期$400亿OpenAI年化营收$1200亿Anthropic年化营收预期。

求知若渴、虚心若愚 576

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

【大模型学习】AI大事件,每日更新

AI相关新闻每日汇总

weixin_44463519的博客 424

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

年薪百万、需求暴涨42倍:2026年中美大厂FDE人才薪资对比

【摘要】前沿部署工程师(FDE)成为2026年AI领域热门岗位,负责将AI模型嵌入企业生产系统。美国OpenAI、Anthropic等巨头成立专门部署子公司,FDE岗位增长729%,资深年薪达$78.5万。中国字节、腾讯等大厂FDE年包70-109万成常态。行业瓶颈从模型性能转向落地应用,FDE需兼具技术、业务和沟通能力,适合资深开发者转型。尽管高薪诱人,但Gartner预测70%企业可能因成本放弃FDE方案。AI商业化正从"卖工具"转向"卖结果",FDE的核心价值在

2601_94865727的博客 875

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

巴比特 | 元宇宙每日必读:迎战OpenAI,Midjourney 首席执行官称将在今年发布V6升级,并承诺会带来更好的文本理解...

摘要:距离 Midjourney v5 发布已经过去了半年时间,下一个重大版本 v6 什么时候发布?答案是:今年晚些时候。Midjourney 首席执行官 David Holz 在近日的活动中表示,Midjourney v5 到 v6 的飞跃将大于 v4 到 v5 的飞跃。不过,Holz 没有给出确切的发布日期,但表示很快就会发布,总之肯定是今年。图片来源:由无界AI生成热点资讯两高一部:利用“深...

weixin_44383880的博客 167

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

英辰朗迪AI获客每日AI精选(2026.09.04)

英辰朗迪AI获客每日AI精选(2026.09.04)

299

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

51c大模型~合集111

OpenAI 的某发言人表示:「为了提高清晰度和安全性,我们增加了一个额外的后处理步骤,其中模型会审查原始的思维链,删除任何不安全的内容,然后简化某些复杂的思维。可以看到,虽然 ChatGPT 确实完成了任务并展示了总结版的思维链,但似乎并未如 OpenAI 发言人说的那样给出与提示词语言同样语言的总结版。北大-灵初联合实验室表示,Align-DS-V的多模态强推理能力是VLA模型大脑端的核心,接下来的研究训练计划,是利用多模态推理模型的跨模态穿透能力,实现action穿透,最终实现真正高效的VLA模型。

whaosoft~aiotの开发板商城 2320

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

【CEEMDAN-VMD-GRU】完备集合经验模态分解-变分模态分解-门控循环单元预测研究(Python代码实现)

内容概要:本文提出了一种融合完备集合经验模态分解(CEEMDAN)、变分模态分解(VMD)与门控循环单元(GRU)的复合预测模型,旨在提升对复杂非平稳时间序列的预测精度。首先利用CEEMDAN对原始信号进行自适应分解,有效缓解模态混叠问题,获得一组本征模态函数(IMFs);随后引入VMD对关键模态分量作进一步优化分解,增强特征分离能力,降低噪声干扰;最后将处理后的平滑分量分别输入GRU神经网络进行独立训练与预测,并通过加权集成策略融合各分量输出,得到最终高精度预测结果。该方法结合了多尺度信号分解与深度学习的优势,显著提升了模型在处理强噪声、非线性、非平稳序列(如电力负荷、风速、光伏发电功率等)时的泛化能力和预测稳定性,文中提供了完整的Python代码实现,便于复现与应用。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事科研或工程应用的硕士、博士研究生及科研人员,尤其适用于能源系统预测、智能电网调度、可再生能源管理、信号处理与时间序列分析等相关领域的研究人员和技术开发者。; 使用场景及目标:①解决传统单一预测模型在面对复杂非平稳时间序列时存在的过拟合、收敛慢、精度低等问题;②通过多阶段信号分解降低原始序列的复杂度与不确定性,提升GRU模型的训练效率与预测鲁棒性;③为电力系统负荷预测、新能源出力预报、设备运行状态预警及市场交易策略制定等关键任务提供高精度数据支撑。; 阅读建议:建议读者结合提供的Python代码逐模块理解算法实现流程,重点关注CEEMDAN与VMD的参数配置对信号分解效果的影响,尝试在不同数据集上进行实验对比,并通过可视化手段分析各模态分量的物理意义,进一步掌握模型调优与性能评估的方法。

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

上一篇: Anthropic 模型停服,智谱 GLM - 5.2 开源,AI 竞争转向「谁更可获得」
下一篇: 世界模型在具身智能赛道受期待,但落地仍需时日,多位研究者给出审慎判断
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值