Anthropic 递交 S-1 冲刺上市，分析师拆解万亿估值背后的 AGI 经济账

今天的《Decoder》节目里，和我一起的是芯片与 AI 研究公司 SemiAnalysis 的分析师 Joey Brookhart，他将帮我深入解读 Anthropic IPO 申请文件——也就是所谓的 S-1 文件——中数字背后的故事。

Anthropic 刚刚提交了 S-1 文件，将在纳斯达克上市，最早可能下个月就开始交易，估值介于 1.5 万亿到 2 万亿美元之间。这将使它一跃成为地球上最有价值的公司之一。

但价格标签真的不是全部的故事。本周早些时候发布的 S-1 文件长达数百页，充满了细节，终于描绘出了一幅前沿 AI 实验室经济状况的图景。可以想象，这幅图景既非常复杂，又建立在一系列非常非常雄心勃勃的关于未来以及 AI 将如何改变未来的假设之上。

所以我想请 Joey 来节目，帮我拆解这份文件告诉我们的内容——既有关于 Anthropic 的财务状况，也有关于更广泛的 AI 经济。Joey 和他在 SemiAnalysis 的同事其实早在七月就从外部构建了一个 Anthropic 的财务模型，所以他和任何人一样急切地等待着这份文件，我也很期待听听他对我们由此了解到的东西，以及重要的是，我们仍然不知道的东西的看法。

好了：SemiAnalysis 的 Joey Brookhart 解读 Anthropic 的 S-1 文件，以及构建前沿 AI 的成本与风险。我们开始吧。

本采访经过轻度编辑，以精简篇幅并提升清晰度。

Joey Brookhart，你是 SemiAnalysis 的分析师。你也是 SemiAnalysis 的 Tokenomics 模型的联合负责人，本期节目会多次提到它。欢迎来到 Decoder。

是的，非常感谢，Nilay。

我非常期待与你对话。我们是在重磅的 Anthropic S-1 文件提交几天后进行这次谈话的。这是我们首次得以窥见领先的前沿模型公司之一的内部财务状况。你的看法是什么？你如何解读它？

这是一份非常出色的 S-1。自投资者日以来的这三周并不好过。有些人对 9 月的[年化经常性收入]数字有些失望，但我们在这里看到的是一家高效扩张到惊人水平的公司，在极短时间内达到了 1 万亿美元以上的估值和 700 亿美元以上的 ARR。

在毛利率、算力利润率和自由现金流方面，一切都很理想。所以我认为这份文件里没什么可挑剔的。这也正是过去两天里大量半导体产业、新兴云服务商和算力概念股再次大幅上涨的原因。

有趣的是，我觉得我无法挑剔 S-1 本身。我想深入一些细节，因为里面有很多值得思考的数字。其实我想先从真正的大局说起。你运营着一个叫 Tokenomics 的东西。我来给大家解释一下什么是 Tokenomics。

我关注 Anthropic 以及它可能走向何方。我看到 Dario Amodei 说他可以看到通往 1 万亿美元收入的道路。这些钱从哪里来？因为这些业务在很大程度上是在吞噬其他所有业务，感觉上必须有别人赚到钱，才能付给 Anthropic 从而产生这些收入。我其实还没看到有人把这一点讲得很清楚。

Verge 的订阅者们，别忘了无论你在哪里收听播客，都可以独家收听无广告的 Decoder 节目。前往这里。还不是订阅者？你可以在此注册。

这非常有意思。如今，即便两家领先实验室合计的 ARR 已达 1200 亿美元的规模，这仍然是一个极其狭窄的市场。最顶尖的 1% 客户是那些为每位员工支出 5 万到 10 万美元的客户。而更广泛的财富 500 强或环球 2000 强企业——它们通常有大量 IT 支出——支出却并不多。

很多支出——尤其是在 Anthropic——都是专门用于编程的。它几乎是一家单一垂直领域的公司。展望 2027 年，你会想到更广泛的普及和白领工作。在这个典型的企业第四季度预算季，我们实际上还没有以任何有意义的方式与这些实验室中的任何一家走过一轮，因为它们的 ARR 直到今年年初才真正开始加速。我们还会想到网络安全等类似的案例：由于我们所见的种种网络安全事件，这些与领先企业签订的合同金额达八位数以上，而且可以非常迅速地扩大规模。此外还有生物科技等其他垂直领域。

要达到 1 万亿美元，我们确实必须转向部分白领工作领域，也就是在有些领域从 AI 增强转向节省人力乃至替代人力。你可以看看诸如微软向员工提出买断方案这样的例子，但目前还没有大量其他垂直领域可供它们进入，从而真正开始产生实质性影响。

这是我心目中最大的疑问，不仅关乎这份 S-1，也关乎整个行业。如果只有一两家领先的实验室，我还能理解。有两家大公司拥有能够自动化大量事务的技术，我们会逐个行业观察这种自动化的成效。但领先的实验室并不只有两家，而是相当多，还有开放权重模型。

我听到很多 CEO 说，他们对把全部数据交给 OpenAI 或 Anthropic 感到非常不安，他们希望能在本地（on-prem）运行一些东西。现在已经有律师事务所在本地运行 AI 了，这可能是整个历史上最有趣的一次转折。

你觉得这会如何发展？因为这份 S-1 面临的压力很大程度上来自数字本身——这也是我想谈的——但此外还有外部压力，即“你们必须增长，而增长之路并不短暂”。那么你认为这一切会如何展开？

这非常有意思，因为举例来说，当我们审视如今的编程领域时——我认为我们在第三季度看到了这一点，OpenAI 有所追赶——编程中有一些领域的切换成本非常低，我可以直接在这些选择之间迁移。我们从企业那里听到的反馈，也许 OpenAI 方面也是如此——显然我认为他们多少搞砸了 Fable 的发布，而缺乏零数据保留（zero data retention）是我们看到增速放缓的部分原因。这是他们可以通过 Fable 5.5 来修复的问题，并可能借此推动更多企业采用。

在我们与企业交流时，这对它们来说是件大事。我们确实看到，如今有企业在开放权重模型上进行定制训练和后训练，很多 AI 原生公司更是如此，然后基于这些模型运行自己的推理，甚至运行面向内部或外部使用场景的产品。

显然，Google 旗下的 DeepMind 和 [Meta 超级智能实验室] 都是资金雄厚的实验室，训练算力容量也相当接近，而且它们正在大量扩充算力。更不用说 SpaceX 了，正如 Elon 所说，明年将净新增约 10 吉瓦，其中一半是长期内部用例。

今年上半年，Anthropic 一骑绝尘。他们占行业净新增 ARR 的 90%。我们在第三季度看到，OpenAI 可能实际上占了行业净新增 ARR 的大头。开源则从第一季度的约 10 亿美元 token 推理成本（ARR）增长到第三季度的 100 亿美元以上。

所以是的，行业的竞争变得激烈得多，但也出现了这些新用例，其中一些垂直化用例才是我们未来真正的增长所在。因为很明显，仅靠编程不可能让行业规模从现在再增至三倍。

这很有意思。这个概念叫 Tokenomics。你和 SemiAnalysis 的另一位联合主管一起负责这项业务。解释一下它是什么，因为在我看来，这是一种非常聪明的思考方式：“我们投入一些钱，也许能赚回一些钱。”

我把它看作（AI 的）单位经济学，或者更广义的概念——从宏观到微观经济学，涵盖运营 AI 业务的方方面面，甚至包括分析 AI 需求。所以我们覆盖超大规模云厂商，现在还通过一个单独的产品覆盖一些新型云厂商。

但也包括 AI 实验室本身。对于投资者，或者任何对这门生意感兴趣的人来说，两年前 Anthropic 推理业务的毛利率是负 94%。现在是正 85%，但人们并不了解他们是如何分配算力的。我们应该如何看待推理业务的商业模式？

毛利率讨论的一部分是推理业务每兆瓦的收入。为什么所有运营推理业务的公司在推理和计算效率上都获得了巨大提升？所以我们尝试为这些业务建模。显然，在 Anthropic 还是私营公司的时候，我们只能依靠从媒体等渠道获得的信息。

但如今我们有了具体且经过审计的数字，就很容易解释这些单位经济学了，也能说明各家业务的差异。OpenAI 与 Anthropic 是截然不同的业务，无论是在按用量付费与订阅模式上，还是在历史权重与消费者与企业客户上都是如此。（我们）试图从需求层面理解这些业务的经济性。

几年前，我和 Google CEO Sundar Pichai 谈到推理成本时，我问道：“你们到底要怎么赚钱？”他的回答非常明确。他说：“如果说 Google 擅长一件事，那就是把这类东西的成本曲线压下来。”

这是一个非常直截了当的回答。我明白 Google 为什么能做到——他们自己制造芯片。而 Anthropic 运行在别人的云上。S-1 文件的核心部分就是他们承诺要在别人云上花费的巨额资金：SpaceXAI、Google、Amazon。他们的效率从何而来？

关键其实在于 token 吞吐量。他们拥有非常多样化的芯片阵容。在 Trainium、TPU 和 GPU 之间，在所有这些芯片上，我们都看到了大量的 token 效率提升。例如，Trainium 芯片上的 token 吞吐量目前同比提升了 5 到 10 倍。

既要应对硬件层面的效率问题，又要应对软件层面的效率问题——以及模型与硬件的交互方式——token 吞吐量有了大幅提升：如果你原来每秒处理 X 个 token，仅仅一年之后，现在就能达到那个数字的五到十倍。他们会告诉你，他们预计未来计算效率还会持续提升。

在 SemiAnalysis 与我共同领导 Tokenomics 模型的 Max Kan 和我甚至就此发布过一些研究。目前，Anthropic 每推理兆瓦的收入约为 6500 万美元，而去年同期还只有 1500 万美元左右。我们说过，也许是在 [Nvidia] Blackwell 上运行的 Opus 5.5，每兆瓦收入可以达到 1 亿至 1.2 亿美元。

这里的关键在于，他们现在平均每兆瓦在 [销货成本] 上的支出仅略高于 1000 万美元，也就是计算成本。这些利润空间可以被拿去再投资于训练。

人们没有意识到的是，实际上只有大约 30% 的算力用于产生推理服务的收入。其余的算力用于实验和研究、训练模型以及对模型进行后训练。因此有大量算力是在构建下一个模型，这更多属于 R&D 范畴，也是你在这个行业真正获得回报和建立壁垒的地方。

其实，我原本以为会在 S-1 中看到这种态势更强烈地上演——即 Anthropic 靠出售现有模型赚到大笔收入，而且未来现有模型还会有更多客户。这将产生大量利润。然后，正因为它是 Anthropic，他们认为自己正在建造一个数字之神，所以会竭尽所能地训练下一代模型。

这是一个非常典型的 Anthropic 式叙事。这家公司在追逐 AGI。那里的员工会很乐意告诉你，S-1 里写着 Claude 可能拥有意识，而这一切都可能走向毁灭。Anthropic 在自我认知上是一家非常独特的公司。但你在 S-1 中其实看不到这种态势上演。他们在推理利润率的约束下对训练成本管理得相当不错。你觉得这个比例会上升，或在任何方面发生变化吗？

我同意。长期来看——我们内部甚至也说过这一点——他们其实想提高训练所占的比例。如果你相信自己正在建造一个数字之神，或者正在迈向 AGI，而且只要有 85% 以上的推理毛利率来支撑，你就可以这么做。

他们的增长速度远超自己的预期，也没想到 non-gap EBITA 利润率能达到 11%。他们其实希望这个数字更接近零，甚至低于零——只要能把这部分算力拿来投入训练，并继续看到这种计算效率的提升。

他们在路演中也向投资者传达了同样的信息。你看看这份 S-1，看看过去几年盈利能力的曲线，以及他们走到今天这一步只烧掉了多少现金，你就可以说：“这是一个不错的商业模式，但我们正在迈向 AGI。不要指望我们现在看到的利润率杠杆会一直维持在这个水平，尽管长期利润率可能会高出不少。”

这里颇有几分亚马逊的影子。杰夫·贝索斯曾对投资者说过一句名言：在能够赚大钱之前，他不打算赚钱。显然，亚马逊和 Anthropic 之间有很多往来。也许它们之间确实有几分家族相似之处。

但我很好奇，模型能力存在某个临界点，一旦达到，你就能进入编码之外的更多垂直领域，对吧？我们现在可能就正处于这个节点。"能力过剩"（capability overhang）的概念是存在的，也就是说我们今天的模型有能力去接管生物研究。它们今天正在接管数学。存在这样一个节点：最明智的商业决定是停止训练，只把你的盈利模型卖给越来越多的公司。Anthropic 作为一家上市公司将会面临这种压力。

你认为他们的组织或架构能否抵御这种压力？

是的，我认为他们的架构设计得很好。他们在这些领域持有一些有投票权的股份，绝对有这个能力。我们在科技行业以前见过这种情况，甚至有公开的例子，比如马克·扎克伯格之前就做出过大力投资的这类决定。

但这并不总是有回报。我只是想指出，它并不总是有回报。

是啊，它确实并不总是有回报。

虽然按照某种定义，严格来说你和我现在就在元宇宙里。

[笑] 对。但我认为这一点值得注意，而且 S-1 文件里有一个有趣的数字：最近三个月的收入中有 80% 来自过去六个月内发布的模型。

所以接下来你会说："好吧，20% 的模型是 Opus 4.5 之类的更早版本。"往前看有一点是：如果你是一家前沿模型公司，你就必须始终处于前沿，而且竞争极其激烈。

等等，我能就此问一个很蠢的问题吗？

当然。

为什么？我此刻对这个行业的好奇心核心在于：如果你掌握了一项能彻底改变整个世界的尖端技术，那么到了某个阶段，最赚钱的做法就是把这项技术在所有不同的垂直领域里铺开，对吧？不是去造下一个模型，而是真正高效地在法律服务、医疗以及 AI 尚未普及的其他领域运行模型。

"你必须始终处于前沿"这种想法——Anthropic 必须始终与 Google、OpenAI 以及其他任何对手竞争——从他们的自我定位来看我理解。但从商业角度看，一家启用 AI 的业务会赚更多的钱，也会在我这个 AI 供应商身上花更多的钱，而这未必与处于前沿有关。

这其中有几个方面。对于新的垂直领域——这一点在网络安全方面尤为明显——如果对手在使用前沿模型，你就需要用前沿模型来进行防御。

有道理。

当我们与一些企业交谈时，情况并不像邮件摘要那样，我可以拿开源模型或 Sonnet 来跑。确实存在某些垂直领域，在那里拥有……[例如，]如果你作为被告卷入一场官司，如果检方——你的律师用的是非前沿模型，你能接受吗？

[笑] 关于现在法律市场上正在发生的事情，我有个坏消息要告诉你。

竞争格局确实决定了这一点。我认为从长远来看，我们也见过开源模型一度追上来的情况，但需求会一直存在。[SemiAnalysis CEO] Dylan [Patel] 经常这么说。对前沿智能的需求永远会存在，尤其是在竞争激烈的行业。而且当你越来越偏向劳动力替代而非劳动力增强时，某些任务也是如此。

与此同时，它们正变得更加垂直化。如果你去看看招聘信息或它们在招什么职位，就会发现它们正在推出更多这类 SKU 和业务领域，而且有大量 Beta 测试正在进行，比如面向金融服务的 Claude、面向法律领域的 Claude，还有它们的网络安全计划。它们为参与网络安全计划的人每月赠送 25,000 的额度。

到 2027 年，这将成为它们的一个巨大 SKU。这些垂直化领域，以及那些你必须专门投入的领域……应该说，更具对抗性，或者说是竞争性，才是主要原因。但我们都可以认同，像邮件摘要这类工作，以及那些完全不需要［在最前沿模型上］完成的工作，确实存在。

我就做个愚蠢的 iPhone 类比吧。现在正值 iPhone 季。我刚评测了 iPhone Duo。苹果这几年来一直让 iPhone 的外观保持不变。他们为新 iPhone 打造了全套工具，然后在两三个或四个机型上重复使用，先把这笔投资的价值全部赚回来，再去搞下一个东西。苹果推出新 iPhone 的同时，还会继续销售旧 iPhone 一段时间，以便从这笔投资和开发计划中获取更多价值。

AI 行业似乎并没有这么做。它们所有的重点都放在开发下一个新东西上，很快淘汰旧东西，把你迁移到新的昂贵产品上，与此同时它们又在打造下一个新的昂贵产品。

到某个时候，这种情况似乎会趋于理性化，会出现一些只管从中收取利润、同时它们去投资新东西的产品。我只是搞不清楚 Anthropic 在这个周期中处于什么位置。

我是说，我们确实看到了这种情况。开源模型的 Token 用量正在上升，而且在很多领域，开源模型确实已经变得足够好了。我认为从长远来看，你会想：“好吧，那是因为蒸馏吗？”这样前沿实验室在未来的发展中也确实具备一定的防御性。我认为当我们与客户交流时，这也涉及我们究竟如何看待前沿模型与开源模型的对比。比如 Sonnet 这类模型，如果你想用 iPhone 18 对比 SE 这种类比的话。

我们确实看到了这种动态，而且显然对于开源来说，问题是它能承接多少。第二，因为这些垂直领域还处于非常早期的阶段，我们不知道什么会成为完全自主的智能体。在没有人工参与的环节中，harness 这种框架实际上拥有，应该说，一定的价值和防御性。

我在这里关注的一大领域，尤其是我们如今与企业交流时发现，是很多企业只允许程序员使用前沿模型。如果你不是程序员，其中一些公司会把你限制在 Sonnet 上——如果你是 Anthropic 的客户的话。这反映了管理层如何看待并希望为这件事做预算，即前沿智能在某些领域对他们来说究竟值多少钱。

以我这颗金融分析师的脑子来看，六个月前 Claude 还无法构建出一个像样的财务模型。如果把它连接到合适的领域，它正在变得更好，但我们已经从“六个月前我需要一名初级分析师”，变成了“也许我不那么需要了”，再到“如果我拥有无限的 Token 预算，我是不是很快就能随时拥有一名甚至多名全职初级分析师？”我们只是把这个问题放到每一个垂直领域和主要职业类别中去审视。

这几个类别中每一个的时间跨度都会不同。这只是我心中较大的疑问之一：他们要多快才能到达自己认为能达到的高度？

我想深入聊聊这里的一些数字。昨天，在所有论坛和我们所有文章的评论区里，最引人注目的一个数字是800亿美元。Anthropic [在2026年上半年]亏损了800亿美元。这与一项技术性费用有关。你能解释一下这800亿美元吗？因为这似乎与他们谈论的营收和利润没有太大关系。

是的，这是一项非现金费用，因为他们的估值涨了太多，而且他们发行了认股权证或可转换票据。你必须在资产负债表中对此进行核算。这只是一项非现金费用，因为自他们发行这些权证和票据以来，估值已经涨了太多。

这种费用你总是要剔除的。股权激励之类的东西还可以争论：我们是否真的应该按非GAAP的现金口径来看待它？因为它是非现金的——如果我只是给员工股票，我必须在利润表上核算它，但实际上我并没有从银行余额里掏出真金白银给他们。所以这和那种情况不一样。这涉及会计问题，从宏观层面看，如果你不懂会计，这看起来很糟，但原因其实在于他们增长太快、估值涨得太高。

关于这项费用的部分争论在于，交易的另一方是亚马逊。显然亚马逊很高兴，因为Anthropic正在大量购买AWS，当然他们对估值上涨也很高兴，但长此以往，亚马逊的股份会因此被稀释。这是其中动态的一部分。

Anthropic显然会进行IPO。他们会向市场投放大量股票。很明显，随着时间的推移，他们会发行更多股票来筹集更多资金。看起来他们在短期内并不会停止融资的意愿。

对于投资Anthropic这样的公司，你是怎么考虑的？估值可能在上升，但你实际持有的股份可能会随时间被稀释？

这些交易在结构设计上一直都非常有创意。  数字是，他们实际上只烧掉了100亿美元现金。如今他们的资产负债表上拥有超过1200亿美元的现金和有价证券，IPO之后，可能还会再有1000亿美元。

这对双方都是一笔好交易。他们实际上只是租用算力，并没有巨额的资本支出，甚至也不是以租代购。你可以就某些会计处理提出一些争论——这些巨额的算力承诺义务在技术上属于未来债务，或者说基本上处于某种表外状态。但从稀释的角度来看，所有科技公司都会稀释。他们是否会在某个时候需要再筹集1000亿美元的债务或股权？有可能。他们能否继续以有创意的方式为未来的算力建设进行结构设计和融资？很可能也能。

我知道过去几周人们对算力融资和数据中心融资的未来有很多焦虑。但如果你是Anthropic，如果你是一个大型实验室、一家超大规模云厂商，或是为这些交易提供兜底的Broadcom或Nvidia，这种情况短期内可能不会改变。所以我并不特别担心。

作为股权投资者，我会担心股权被大幅稀释吗？我不这么认为。如果你相信这种长期的 AGI 看涨逻辑，并且相信 Anthropic 将成为这一领域的领导者，那这大概不应该让你担心。你面对的可能是一家 10 万亿美元以上的企业。到那时，它们完全可以跑赢稀释。

我们来谈谈算力承诺。我至少看到一份分析称，未来 10 年，它们向各大超大规模云厂商和新兴云服务商承诺的金额超过 8000 亿美元。这是很大一笔钱。你是说它们没有那么多钱。它们甚至还没花过那么多钱。你认为它们能产生足够的收入来偿还这些承诺吗？

是的。我认为，当人们看到那些引人注目的承诺总额——姑且说是 7 到 10 年内 5000 亿到 6000 亿美元——它们今天为算力支付的费用实际上并没有那么多吉瓦。如果你想想它们目前的支出，平均每兆瓦的支出接近 1100 万美元，也就是每吉瓦 110 亿美元。

如果你把它折回到年度层面，说“好吧，比如 5200 亿美元这个数字摊到 70 年里，那真的没有多少吉瓦，而且它们将远远超过……”当它们达到 20 吉瓦左右的规模时，它们实际背负的未来算力承诺基本上将达到数万亿美元。

所以是的，它们会有相应的收入来做到这一点。更关键的问题是，相对于算力规模，它们的收入会有多少。其次，是算力效率的等式。如果它们从每一兆瓦推理算力中获得越来越多的收入，那你真的愿意在训练上投入多少，把租赁业务的利润率压到零吗？因为在这种利润率下，你甚至可以让它们机群中的 80% 到 85% 都用于训练和研究。

收入将会相当顺利地扩大。它们在这方面并不处于任何困境。除非我们看到所有这些收入都消失，或者用户大量流失。它们并不需要极其、极其迅速地做到 1 万亿美元收入才能实现这一切并为这一切买单。

除非你是在试图打造数字上帝，除非它不会像所有人期望的那样迅速渗透到整个经济中。这些都是赌注，对吧？

它们是巨大的赌注。如果你真的看好这种向数字经济的爬升，你应该看的数字是：Anthropic 表示，在财富 500 强客户中，它们拥有 50% 的财富 500 强企业，而这仅占其客户总运营支出的 0.1%。如果按每个用户来算，假设你相信 OpEx 不包含销货成本，那大约是每月 8 美元。如果你认为其中包含销货成本，那每月也不到 50 美元。

它们也说了同样的事情。在 Claude Code 用户中，排名前 5% 的用户平均每年花费 18000 美元。而非 Claude Code 用户每月的支出低于 75 美元，远低于 75 美元。这里存在巨大的机会，尤其是当我们与企业以及这些传统 IT 软件买家交谈时。

在传统白领工作中的渗透率极低。这也是一个重点：无论是席位采用还是使用量，这里都存在一个很长的爬坡期。你可以争论谁会在这场竞争中胜出，但很明显，前沿实验室将获得其中的一部分，而且这对明年的净新增 ARR 来说将是相当可观的。

关于这一点，非常有意思的一点是：我们总在谈论前沿实验室，谈论超大规模云厂商——而 Anthropic 在这份 S-1 中列出了许多相当离谱的风险因素，其中包括 Claude 可能会产生意识并毁灭我们所有人。

但其中最直接、也许最容易理解的一条是：AWS、Azure 和 Google Cloud 在某种实际意义上既是供应商又是竞争对手，尤其是 Google。他们说：“这些关系可能会发生转变。”他们与 SpaceXAI 有着重要的合作关系。Elon Musk 要训练 Grok，他们迟早会与 SpaceXAI 竞争，这种关系可能会变得岌岌可危。

正如你所说，他们只是在租用算力。到了某个时候，市场可能会迫使他们拥有更多自己的算力，因为他们自己的竞争对手并不愿意把自己的产能租给行业龙头。你认为这会如何发展？

我们确实看到 OpenAI 和 Anthropic 都在走向更直接的模式：不是完全拥有算力，而是更多采用“先租后买”，或者像一些金融投资方那样通过 SPV 来运作，从而以更直接而非租用的方式获得算力。

关于这一点，有两个要点。从某个角度看，Google 也在向外部客户出售自家的芯片，并表示：“我们不介意在 Google Cloud 内部变现这部分，甚至不介意分配这些份额……如果你认为我们的芯片供应非常紧张，我们甚至不在乎这些芯片是流向 DeepMind 还是我们内部的 GCP 算力来变现。我们就是愿意成为一家芯片销售商。”

Anthropic 非常喜欢 TPU，在 Anthropic 直接购买这些芯片然后再租用这方面，订单已有 3.5 到 4 吉瓦以上，而且后续可能还有更多。所以没错，市场行情很好。

等等，那不是直接买来租用。所以他们是把芯片买进一家新型云厂商？

是的，他们通过一个 SPV 来购买，或者说由 SPV 购买这些芯片，然后他们再从 SPV 租用。

明白了，好的。

即便在 Google Cloud、AWS 或 Foundry 中，Anthropic 的体量也极为庞大——他们 48% 的业务来自 Bedrock Foundry 和 Vertex，用户通过现有的云服务关系付费即可访问这些模型，甚至不用和 Anthropic 打交道，也不必与 Anthropic 的销售团队互动。

你之前提到过这一点。就是 Anthropic 能拿到收入分成的那种营销渠道。

没错。假设你是 AWS，你会说：“我运行 Anthropic 的算力，比方说每兆瓦花费 1000 万美元，但现在我还能拿到每兆瓦 650 亿美元的 16%，外加算力成本。”所以现在所有云厂商的利润率都在上升。部分原因是编码任务推高了 CPU 利用率，再加上 [强化学习] 方面的一些因素，而我们所说的这些“token 即服务”业务——也就是 AWS Bedrock、Microsoft Foundry，以及前身为 Vertex 的 Google Gemini Agent Enterprise 平台——实际上正在大幅提升这些云厂商 AI 业务的利润率。

股东们最近也因此对他们给予肯定，他们同样从中受益。在 Q2，Azure 和 AWS 都交出了极其强劲的季度业绩，尤其是 AWS，背后正是 Anthropic 在 Bedrock 上的增长。

你觉得这会让亚马逊从此就不想训练自己的前沿模型了吗？他们在让 AWS 成为所有人的基础设施方面做得很好，但他们是少数几家还没有因为没有自己的模型而感到不安的大型科技公司之一。

是的，这很有意思。亚马逊非常乐于服务各种各样的客户，而他们几乎没有[前沿能力]。从我们对训练算力的估算来看，他们在所有超大规模云服务商中算力最少，可能除了甲骨文。看起来他们在这块并没有太多战略。

我知道微软在过去两个季度里谈论这件事多了一些。AWS 在电话会议上也多谈了一些，但规模并不大。他们没有像 Meta 那样大举投入，也没有试图在这个领域竞争，甚至比不上携 Gemini 的谷歌。特别是像 Dylan 这样的人会告诉你，如果你不打算在前沿竞争，那就真的没有你的位置，尤其是如果你只在内部投入几百兆瓦的话。一是内部用例，比如服务亚马逊零售业务，二是训练。要在这方面做到出色，需要做出很多承诺。

这个话题改天再聊，但我看到这些 微软裁员 时，把它视为一丝证据，表明他们未来会尝试参与竞争。他们显然被 OpenAI 狠狠坑过。

是的。在他们签署的新协议中，他们有权将 OpenAI 模型变现，而在此协议内实际上无需向 OpenAI 支付任何费用。接下来会有一些有意思的事情，比如他们将 OpenAI 模型变现，或者通过 Microsoft 365 Cowork 和 Copilot 应用——在这些应用中，他们为一个前沿模型不必向 OpenAI 支付任何费用。

这里的另一个动态，你之前也提到过，就是在过去几周里，围绕新云服务商的压力一直很大——它们会成功还是会失败。我想埃隆·马斯克说过会出现一场 像孔雀鱼一样的灭绝事件，用这样一个残酷的比喻来形容一堆数据中心。

但这其中充满了循环融资，Nvidia 扶持起了其中许多家，也许超大规模云服务商最终会将这一切收入囊中。也许还有 Anthropic 的需求——因为他们可能想要拥有更多自己的算力，因为租用算力在这些方面都充满不确定性。

你怎么看这些新云服务商？随着这些公司上市、市场真正优胜劣汰，你觉得它们能活下来吗？

埃隆显然有动机说新云服务商将会灭绝。ClusterMAX 说了不同的看法，而且对新云服务商的评级非常出色。有很多新云服务商的前身是加密货币矿场，它们不是好的生意，也不擅长运营集群。

我只想指出，CoreWeave 本身就是一家前加密货币挖矿公司，对吧？

是的。我不是指 CoreWeave，而是名单上更靠后的其他公司。CoreWeave、Nebius，以及任何有大型实验室、超大规模云服务商、Nvidia 或 Broadcom 之一提供支持或担保的公司，都会没事的。

关键在于那条更长的尾部。超大规模云厂商一直占 CapEx 和新增上线算力的 65%。市场上还有 35% 的参与者并没有超大规模云厂商那样的资产负债表。Google 和 Meta 最近都已完成融资或宣布将要融资。当我们看四大超大规模云厂商时，它们其实在未来两年并不需要筹集那么多资金，尽管 CapEx 正在相当快地从 1.2 万亿美元增长到 2 万亿美元。

但对其他许多新云（neocloud）来说，如果你没有那样的后盾，我认为即使现在也非常困难，而如果你没有这些玩家的支持或兜底保障来继续建设算力，情况会变得极其艰难。这是一个非常、非常艰难的融资市场。

我觉得特别有意思的一点是，Elon 在大谈新云即将消亡、同时明显在为自己数据中心业务造势的时候，他正试图把它们送上太空，以避开美国国内围绕数据中心的强烈反弹。

我们对美国数据中心遭遇的反对做了大量报道，这正在拖慢许多项目。但照目前这个速度发展下去，如果你认为新云根基不稳，最终结果可能是放弃一批 GPU 和半成品数据中心，或者让它们被融资协议束缚而无法点亮启用。

你怎么看这件事？你认为我们真的只能去太空吗？还是你认为市场会趋于理性，真正利用起那些目前已分配但尚未被使用的算力？

市场会更趋于理性。这个市场非常擅长在地上为芯片找到落脚之处。政治层面，下周的中期选举及其后续影响会告诉我们答案。显然，仍有一些规模非常大的站点面临严峻的许可审批问题。展望明年，还有整个电力供应的问题。

数据中心会建起来的。总会有一些建成它们的办法。最重要的一点——超大规模云厂商的 CFO 们也说过——从过度建设的角度看，相对而言建设数据中心外壳是相当便宜的。如果建设过度，他们可以说：“我们就是不接收芯片了。我们不买芯片。我们不会把它们装满。”这些数据中心就只会空着、没有芯片。但大部分支出都在芯片这一侧。

所以如果我们最终真的在数据中心层面出现供应过剩，我知道这有点不一样，和刚才问题的前提正好相反。他们是从 ROI 的角度说的。这又回到了那个更大的问题：我们是否仍将处于严重的供应受限状态。现在有很多人，尤其是最近三周，都在讨论：“展望 2028 年，我们是否真的会陷入算力严重过剩的局面？”

因为我们之前谈到过，Anthropic 的利润率从负 94% 提升到正 85%，而算力效率的提升意味着，当你上线更多推理兆瓦、每兆瓦创造多得多的收入时，在其他条件不变的情况下，你需要的算力就更少。所以问题就在于，到 2028 年我们是否会有足够的收入，来证明 2 万亿美元以上 CapEx 的 ROI 是合理的。

这就是我花了这么多时间询问能力冗余（capability overhang）以及如今的模型到底有多强的原因，因为你可以看到某些对 AGI 不那么理想主义的竞争对手会说：“实际上，我们打算派出大批前沿部署工程师进驻这些尚未利用 AI 的垂直行业，向他们出售高利润率的推理服务，因为我们会把其业务的很大一部分自动化，他们也将看到回报。”目前，相当多的财富 500 强企业 尚未看到 AI 支出的回报。

所以，如果你真的只是在客户服务、部署和模型产品化方面做得更好，你可能会远远领先于 Anthropic 需要达到的位置，因为他们仍然每一天的每一分钟都在思考 AGI。我看着 Dario 在 Dreamforce 上站在 Marc Benioff 旁边，那家伙现在根本不想待在那里。他想思考的是机器之神。

这里面有值得注意的地方：你可以看到竞争对手拿出一个开源模型并说：“我们真的要把它产品化，我们真的会夺走其他所有人都赖以生存的收入。”

是的，这非常非常有趣。在过渡期，这正是它变得更垂直化的原因，因为你需要某种东西来桥接完全能胜任工作的 AGI，你需要某种东西来桥接今天的实际模型。

[笑] 是啊。我们就把这当作理所当然吧。

要走到那一步，你需要在某个时刻有一些桥梁，让它与实际的终端用户对接。一切最终都会归结为这一点：是否会出现某种时机或采用上的错位，导致我们在某个时间点拿不到足够的收入，来证明“以训练和算力追逐 AGI”是合理的？这是一个风险。

我们关注的另一个风险是，前沿乃至开源领域是否会出现更多在编程方面同样具有竞争力的模型，从而使前沿模型的 token 定价不得不下调，因为正如我之前提到的，切换成本更低。就连在 SemiAnalysis，我们第二季度末 95% 或 90% 以上的用量都在 Anthropic 的模型上，而在 OpenAI 的 ChatGPT 5.6 和 Astra 发布后降到了 70%。然后在 Opus 5.5 之后，又大致回到了 90% 以上。

它确实会回来。即使是今天的收入基本盘——他们说我们的净收入留存率是 900%，所以他们看到了这种巨大的、巨大的增长。这不是像 ServiceNow 或 Workday 那样的传统软件业务，在那种业务里，你的客户留存率或总留存率高达 95% 到 98%，客户签下漂亮的三年的合同，从不流失，增加一些席位，或许还会采用另一个被追加销售的产品。这完全是消耗型业务。

另一部分是今年最后两周与去年前两周相比 token 支出下降了 20%，原因是假期季节。假期里你不会做工作上的代码工作，不会为工作写代码。这是极其极其纯粹的消耗型业务，甚至不同于我们今天在公开市场上看待 Snowflake 或 Datadog 的方式。

显然，Anthropic 并不是唯一即将 IPO 的公司。OpenAI 就紧随其后，不过他们推迟了自己的 IPO。你之前提到 Anthropic 更专注于企业市场。我认为 OpenAI 在很长一段时间里以为 Google 不会对他们做出反应，以为他们可以直接把搜索业务抢走，一切都会相安无事。Google 显然做出了反应，不管是好是坏。如今搜索变成了 AI Overviews。

看了 Anthropic 的 S-1 之后，你对 OpenAI 有什么期待？因为他们是一家更面向消费者的公司。

OpenAI 在第一季度末是 60-40 的消费者占比，也就是 60% 消费者、40% 企业。直到一月或八月，这一比例才首次翻转，变成以企业为主。他们会告诉你，企业业务——因为它此前太偏重消费者和订阅，而这种消费业务占 Anthropic 收入的 80%——直到 5.6 发布、随后又借助 Astra，才真正起飞。

这些是非常优秀的模型。OpenAI 在第三季度拿走了实际净新增 ARR 的大头，但这还需要一些时间，因为正如《华尔街日报》报道的那样，他们像是有负 100% 的 EBITA 利润率，而我们在这里看到的是正 11%。

他们的商业模式存在一些差异，甚至相当大的差异——他们的变现速度就是达不到 Anthropic 的水平。这部分是因为业务构成——垂直领域、消费者与企业之间的比例——而这一点正在发生变化。

他们会告诉你，他们预计第四季度会非常亮眼，而且他们的企业销售团队比 Anthropic 强得多。我预计他们的数字会回升，但即便他们在 2027 年初提交 S-1，我也不认为他们的财务数据会像这份一样好看。

你觉得这就是他们推迟 IPO 的原因吗？为了让财务数据更好看？

是的，我认为 OpenAI 的第三季度非常强劲。企业业务环比增长了 100%，而整个业务的增速是 77%。这里企业业务又将迎来一个强劲的季度。如果 Opus 5.5 没有抢走大量市场份额，那会让 OpenAI 处于更有利的位置来讲好这个故事。

从现在到 Anthropic 真正上市之间还有一些其他环节。他们要进行路演，还会有一系列定价事件。你想从 Anthropic 身上看到什么？

两三周前他们举办了一场投资者日活动，透露了更多细节。我认为他们会解释为什么第三季度如此疲软。Meta 是一个非常非常大的客户，占比可能超过 10%。公开报道的信息是，他们的 Claude Code 席位从 60,000 降到了 30,000。这些 token 用量并没有消失，只是转移到了 Meta 的内部模型中。

Anthropic 开始严格执行反蒸馏限制，此前这部分占收入的 5%。我记得他们在 S-1 中说的是收入的 5% 到 7%，这些行为违反了他们的服务条款。所以在路演上会大量提到 Opus 5.5 之后 10 月的加速增长。我们相信他们已经重回正轨。

如果他们第二季度每月净新增 ARR 达到 100 亿美元，第三季度降至 40 亿美元，那么第四季度他们正在回到每月 80 亿至 100 亿美元的节奏。人们想听到这些新垂直领域的情况，尤其是网络安全。在完整的网络安全 SKU 推出之前，他们正在进行一些补救，但如今他们确实已经通过漏洞代码扫描在网络安全业务上实现变现。我应该说，这些与现有客户签订的可都不是小合同。

我认为他们会开始传达 2027 年 ARR 增长路径的前景。另外还有预期管理，把数字保持在足够低的水平，少谈 AGI。

（笑） 当你的风险因素写着“我们可能对全人类构成生存威胁”时，预期管理可就难了。

（笑）没错。一边宣称你会做到这些——你终将实现 AGI，你将取代所有人的工作——一边又试图把第四季度的数字压得足够低，在上市后的第一个季度实现大幅超预期，并为 2027 年给出一个还算像样的指引，这将是长期愿景与短期预期管理之间来回拉锯的绝妙组合。

有很多值得聊的。Joey，这期节目非常精彩。随着这些公司加速迈向真正上市、它们的财务状况变得更加透明，我们得再请你回来。非常感谢你参加 Decoder。

非常感谢。我很感激。

_{有问题或意见？发邮件到 decoder@theverge.com 联系我们。我们真的会读每一封邮件！}