如果你曾借助Claude处理代码编写或合同修改，大概率对它并不陌生——它堪称近两年最具知名度的AI助手之一。根据Sensor Tower的统计，到2026年5月底为止，Claude凭借10.3%的全球市场份额和2.45亿月活跃用户，位列AI助手前三名，其付费转化率更是全行业最高的13%，甚至被视作OpenAI最强劲的对手。

然而，鲜为人知的是，这位每天为你分担工作的AI工具背后的企业——Anthropic，如今正深陷争议漩涡。

10月，就在Anthropic向纳斯达克发起冲击、目标估值直逼2万亿美元之际，独立研究机构New Constructs泼来一盆冷水：合理估值仅为1500亿美元，差距高达93%，并毫不客气地将其称为“2026年最荒谬的IPO”。

更令人瞩目的是，这家AI公司2025年营收为46亿美元，整体净亏损却达到420亿美元。若想支撑起2万亿美元的盘子，其利润必须达到英伟达过去一年的两倍。

这种“估值对赌”并非首次出现。宇树科技上市首日开盘暴涨629%，但随后50多天里，市值从高点4449亿元骤降至1700亿元。CoreWeave赴美IPO时，投资者并不买账，估值从320亿美元一路砍至230亿美元才勉强完成发行。从AI大模型到人形机器人，再到AI算力，热门赛道的领头企业似乎都在重复同一剧本：先被资本捧上云端，再被市场拽回地面。

问题在于，当Anthropic的收入增速与亏损扩大同步发生，当宇树的出货量上升而市值却缩水，当CoreWeave的算力资产越堆越高却让投资者愈发谨慎……这些企业的估值锚点为何失灵？

传统“量尺”难以衡量科技股？

对于当前科技股的估值困境，上海金融与发展实验室特聘高级研究员杨川用一个精妙的比喻形容：这就像不同投资者正用完全不同的“量尺”衡量同一家企业——有人谈重量、有人看身高、有人说象牙长度，缺乏统一的时间维度和风险度量。当市场交易各方不在同一对话维度，分歧无法收敛，便很可能导致价格脱离基本面，最终以剧烈回调收场。

以Anthropic为例，其2025年营收46亿美元，净亏损420亿美元。若按2万亿美元估值、650亿美元年化收入计算，市销率高达近31倍，超过英伟达的20多倍。New Constructs测算，支撑这一估值需要Anthropic实现英伟达过去一年利润的两倍，而英伟达过去四个季度净利润已超过1900亿美元。

同样，头顶“人形机器人第一股”光环的宇树科技，发行市盈率高达219倍，上市首日市值一度突破4400亿元，但2026年上半年扣非净利润仅为2.44亿元，同比下降19.34%。这些数字放在传统PE/PS框架下，几乎无法解释。

对此，中央财经大学数字经济融合创新发展中心主任陈端表示，以往以PS、PE为代表的估值定价标尺已远远不足以体现AI时代企业的整体价值。技术代差锚、数据壁垒锚、行业生态位锚、政策期权锚等新兴定价锚对企业估值的影响权重正日益增大。这也说明，市场试图为一种“技术期权”定价，但如何估值这个期权本身就是一个难题。

其次，更深层的估值分歧在于“终局假设”。

面对同一组数据，看多者的逻辑往往是“别看现在，看未来”。例如，Anthropic自身预测，2028年收入将达到1900至2000亿美元。按此数字计算，2万亿估值的PS就降至约10倍，这对于一家高增长科技公司而言并不离谱。

而看空者则扎根于当下。基于Anthropic当前的亏损扩大和开源模型竞争加剧，他们认为闭源模式的盈利路径愈发模糊。New Constructs甚至在报告中直言：“自开源模型出现以来，闭源模型将难以盈利这一点已经很清楚。”

可见，即便双方使用同一组数据，但一方着眼于三年后的收入曲线，另一方紧盯当下的成本账单，终局假设截然不同。这种分歧无关对错，而是估值方法论本身正在经历一场“范式转移”。

既然旧框架无法解释当前的分歧，一个自然的反应是回顾历史，看看互联网时代是否有可借鉴的经验。但问题恰恰在于，历史或许能提供一些参照，却很难直接照搬。

例如，Facebook在2012年5月18日上市首日，股价便跌破38美元的发行价。第二个交易日跌幅达11%，至同年9月跌至17.58美元的低位。但得益于“先规模后变现”的路径，此后Facebook股价一度反弹逾40%，其移动广告收入从零增长至占广告总收入四成的高速增长，用户增长几乎不带来边际成本。

然而，AI大模型的单位推理成本远高于互联网边际成本趋近于零的逻辑，具身智能还叠加了硬件供应链的物理约束。这意味着互联网时代的估值经验未必适用于AI和硬件科技领域。

因此，估值锚的“失焦”并非一次简单的定价失误，而是市场正在经历一场底层估值语言的切换。旧尺子无法量出新价值，新尺子尚未被发明出来，这才是分歧的真正根源。

谁在给“未来”定价？

估值的锚点模糊了，定价权也在悄然易手。

当一家公司距离盈利还有数年之遥，估值却在过去半年里翻了一倍之多，那么这个价格很大程度上是上一轮融资决定的。

以Anthropic为例，其估值在过去半年内经历了跨越式增长。2026年2月完成300亿美元G轮融资时，投后估值3800亿美元；仅三个月后，650亿美元H轮融资落地，估值攀升至9650亿美元。而IPO目标估值直奔2万亿，几乎是H轮估值的两倍。

其中的问题在于，当私募市场已将价格推至近1万亿美元，IPO定价很难低于最后一轮融资。否则早期投资者账面亏损，承销商也无法向老股东交代。

宇树科技的情况更为直观。申报前最近一次增资对应的投前估值为120亿元，而一周前的股权转让估值仅为58亿元，七日之内估值暴涨超107%，上交所不得不发函问询，要求公司说明定价依据和估值公允性。

一旦一级市场的价格锚定，二级市场就很难“砍价”。而这恰恰引出了第二个变化：IPO的功能正在被重新定义。

在共享办公公司WeWork计划上市之前，New Constructs曾将其称为“2019年最荒谬的IPO”。其在私募市场的估值曾达到470亿美元，但在New Constructs发布报告仅六周后，由于需求疲软以及对其财务状况的强烈批评，该公司取消了IPO，并于2023年申请破产。

而对于这次Anthropic的IPO，New Constructs在报告中直言：“与其说是为公开市场投资者创造回报，不如说更像是在为既有私募股权公司和华尔街内部人士提供退出流动性。”该机构负责人Travis Trainer甚至将Anthropic的IPO与WeWork相类比，认为其风险远高于当年的WeWork上市案例。

虽然这种判断的准确性仍有待商榷，但它揭示了一个无法回避的事实：当私募估值已高企，IPO就可能从“融资入口”变成“退出出口”。

不过，市场并非没有纠偏能力，关键在于纠偏方式因市场而异。

AI基础设施明星企业CoreWeave就提供了一个“事前修正”的样本。其IPO路演阶段投资者反应冷淡，发行价从47至55美元的区间下调至40美元，发行股数从4900万股缩减至3750万股，估值从最高320亿美元降至约230亿美元。虽然缩水严重，但风险在定价环节就被消化了。

而宇树科技和MiniMax则更偏向二级市场的“事后纠偏”。宇树科技开盘暴涨629%后50多天，市值从4449亿元回落至1700亿元；MiniMax的市值在3月冲上4100亿港元高点，7月首轮解禁当日跌近18%，市值较峰值蒸发近3400亿港元。

两种路径的区别在于：CoreWeave的投资者在上市前就知道了“真实价格”，而宇树和MiniMax的二级市场参与者，为一级市场的乐观情绪买了单。

当IPO越来越像一场“流动性交接”，谁在为“未来”定价这个问题，就有了一个不太令人安心的答案。

叙事与现实之间的“剪刀差”

回到技术本身，估值分歧的根源往往藏在那些容易被宏大叙事掩盖的细节里。

大模型的“闭源溢价”正被开源模型快速侵蚀，这是估值裂缝的第一个来源。

花旗银行数据显示，开源模型每项任务成本已按周下跌35%至0.8美元，相对封闭模型的折让从40%扩大至60%。

以9月小米和SpaceX同日发布的新模型MiMo-V2.6系列和Grok 4.7这一具体案例来看，两款模型拿到了相同的智能指数跑分，但MiMo-V2.6-Pro每项任务成本仅为0.13美元，而以闭源形式提供服务的Grok 4.7则高达3.74美元，差距近29倍。当“最贵”不再等同于“最强”，闭源模型的技术壁垒就可能从定价权变为成本负担。

比技术溢价流失更隐蔽的，是债务杠杆不仅放大了估值的脆弱性，还串联起了整个AI食物链。

以甲骨文为例，2026财年营收674亿美元，净利润170亿，但建设数据中心的资本开支高达557亿，全年自由现金流被拖至负237亿美元。为填补资金缺口，2026财年债务融资430亿美元，股权融资50亿美元。2027财年计划再筹集400亿美元，含200亿美元股权融资。

可见，AI基础设施的扩张正从“花自己赚的钱”转向“借别人的钱”，所谓的AI收入增长，更像是在用债务杠杆透支未来。

摩根士丹利预计，2026年全球AI相关债务发行规模可能接近5700亿美元，较2025年增长逾一倍。对此，中信建投研报称，无论是公司债、项目融资还是表外合作，本质都是以母公司信用、项目资产和长期合同为支撑，将尚未兑现的AI收入提前资本化。这套结构的脆弱性在于它高度依赖“AI需求持续高增长”这一单一假设。

而在具身智能赛道，硬件成熟度与软件成熟度之间的“剪刀差”更为明显。

罗兰贝格报告指出，人形机器人整机硬件已趋于商业化成熟，预计运营成本可降至每小时两美元，但“软件能力、数据体系以及供应链生态整体仍落后约三到五年”。更麻烦的是，操作8小时不代表得到8小时有效数据，专业遥操员一天工作8小时，最终真正可用的数据可能只有两三个小时。

硬件成熟度和软件成熟度之间的“剪刀差”，正是宇树科技等企业估值剧烈波动的技术根源。市场愿意为“小脑”层面的运动控制能力买单，但“大脑”层面的通用智能能力仍需时间验证。

当开源模型压缩利润空间、债务杠杆放大经营风险、工程化瓶颈制约落地节奏，估值的剧烈波动或许正是市场在为这些断层重新定价。

而“Anthropic们”究竟是AI时代的定价锚，还是泡沫破裂前的“金丝雀”，或许得看市场能否在狂热与恐惧之间，重新找到那把丈量未来的尺子。

• 图片来源于网络，侵权请联系删除

本文来自微信公众号 “深眸财经”（ID：chutou0325），作者：关注AI的，36氪经授权发布。