AI News

Anthropic CEO Amodei on IPO: Compute Is the Deepest Business Challenge

WallstreetcnUpdated Nov 16 20:33

English text is being prepared.

AI summary

Anthropic co-founder and CEO Dario Amodei and JPMorgan Chase CEO Jamie Dimon held a conversation in New York on the topic of IPOs. Amodei said compute is the deepest business challenge the company faces, requiring procurement one to two years in advance, and that it currently adopts a conservative strategy of first locking in part of its compute and then supplementing on demand from the spot market. He mentioned that Anthropic has disclosed roughly $900 billion in forward commitments for compute and infrastructure, with about 80% of compute used to train new models and about 20% for inference, and that revenue grew about 10-fold in each of 2024 and 2025. He also said the choice to go public now is to increase cash reserves, support compute buildout, and seize opportunities in fields such as life sciences and robotics, and that the company will additionally allocate 5% of its equity to a public-interest fund.

Why read this

AI score 58

In an IPO conversation, the Anthropic CEO linked compute procurement, model commoditization, and safe deployment into a single business logic, offering a window into the operating trade-offs of frontier model companies.

Topics

Tags

Body

美国当地时间11月13日午间,Anthropic联合创始人兼CEO达里奥·阿莫迪与摩根大通CEO杰米·戴蒙(Jamie Dimon)在纽约举行了一场IPO主题对话。

对于正准备登陆公开市场的Anthropic而言,这场对话不仅是一次上市推介,也是外界观察其商业模式、竞争策略和长期发展规划的窗口。

阿莫迪把Anthropic的竞争优势归结为“人才和文化”。

在他看来,人才和文化决定技术,技术决定产品,产品再决定市场拓展和销售。企业客户对安全和信任的重视,也与Anthropic的经营目标形成了正向激励。他认为,安全不是企业AI商业化的附加条件,而是客户愿意长期合作的基础。

阿莫迪认为,聊天机器人和编程只是当前模型能力打开的市场,生命科学、机器人、材料和网络安全等领域还有更大的潜在空间。即使部分模型应用逐渐商品化,Anthropic也能利用前沿模型的技术积累,训练成本更低、效率更高的小模型。

但模型能力越强,背后的算力投入也越大。

阿莫迪坦言:“算力是Anthropic面临的最深层商业难题。”

算力资源往往需要提前一到两年采购,买得太多会增加财务负担,买得太少又可能影响客户推理需求和下一代模型研发。Anthropic目前采取相对保守的采购策略,先锁定一部分算力,再根据实际需求通过现货市场补充。

IPO则为这场长期投入提供了更多资金空间。

阿莫迪表示,增加现金储备、支持算力建设,以及抓住生命科学和机器人等领域的增长机会,是公司选择此时上市的重要原因。

他还提到,自己在准备IPO时听到过一条建议:“永远不要让公司的估值高出它真正值得的哪怕一美元。”这与Anthropic坚持的“少承诺,多兑现”原则一脉相承:不提前炒作模型能力,而是等技术和产品真正成熟后再向市场展示。

从企业客户到算力采购,从模型商品化到IPO估值,这场对话实际上触及了Anthropic上市后必须面对的几道考题。

以下为戴蒙对话阿莫迪实录精炼版:

人才和文化是Anthropic的护城河

戴蒙:你曾在OpenAI工作,也是AI领域的早期参与者。如今越来越多公司进入这一领域,Anthropic如何与其他竞争者形成差异化?

阿莫迪:我曾在这个行业多家主要公司工作。回顾这些经历,思考为什么有些项目能够成功,有些却以失败告终,我逐渐认识到,决定一家公司的核心因素是人才和文化。

人才和文化决定技术,技术决定产品,产品再决定市场拓展、销售以及公司的其他业务。公司的公众形象和外界评价,同样来自创造技术的人,以及他们做事的出发点。

创立Anthropic时,我和另外六位联合创始人就确定,要从第一天起把人才和文化放在首位。每位新员工都要接受文化面试。即使技术能力非常出色,如果不认同公司的价值观、不善于合作,或者习惯争抢风头,我们也不会录用。

这种招聘标准短期内会让招聘变得困难,但长期来看,能够建立一支真正协同工作的团队。很多公司并不缺少优秀人才,问题在于不同团队之间相互竞争、彼此掣肘,把大量精力消耗在内部争斗上。

在Anthropic,只要确定了一个重要目标,无论是训练新模型、实现安全目标、开发产品,还是推动政策事务,全公司都会围绕目标展开协作。

人员留存情况是一个直接体现。七位联合创始人至今全部留在公司,最早加入的100名员工中,超过四分之三仍在Anthropic工作。我们认为,公司拥有行业内较好的员工留存率。一些离职员工甚至会重新加入。曾有两位重要产品负责人离职,但不到两周就回来了。

我自己大约40%至50%的时间用于人才和文化建设。每两周,我都会参加一次面向全体员工的内部活动,叫作“Dario Vision Quest”(DVQ)。我会直接向员工介绍公司的实际情况,不隐瞒问题,也不使用官话,并鼓励其他管理人员这样做。

我希望员工相信管理层是坦诚的,管理层也能信任员工。这种双向信任对公司非常重要。

Claude进入企业,AI开始接管更多工作

戴蒙:摩根大通有25万名员工,每周都在通过不同方式使用Claude。其他财富100强企业主要如何应用这项技术?

阿莫迪:Claude正在进入各行各业。我认为这项技术最重要的特点之一就是通用性。随着模型能力持续提升,越来越多过去无法自动化的工作开始变得可行。

编程是企业最早大规模采用AI的领域。我过去写过大量代码,许多联合创始人也有编程背景。看到现在的模型能够完成如此复杂的编程任务,令人惊叹。财富100强企业几乎都有大量编程需求,因此编程自然成为它们最初采用AI的切入点。

随后,应用范围逐渐扩展到更广泛的知识工作。

在金融服务领域,Claude既可以处理基础文书,也可以协助复杂的策略工作;在保险和法律行业,可以用于合同起草、合同审查和发现潜在漏洞。

生命科学是我特别看好的领域。Claude已经被用于撰写临床研究报告、辅助基础研究、预测蛋白质结合、提高制造效率,以及支持基础生物学发现。

在电子商务领域,一些客户将Claude部署为直接面向消费者的智能体。制造业也是如此,企业开始利用Claude提高运营效率,应用范围涉及半导体制造、实体设施建设等领域。

我此前对制造业了解不多,但通过与制造业CEO交流,看到Claude在这些企业中的实际应用,也让我对这个行业有了新的认识。

智能体走进企业,安全成了第一道门槛

戴蒙:对于受监管企业,在允许智能体接触敏感数据和系统之前,应该做好哪些准备?

阿莫迪:首先是安全。智能体的能力正在快速提升,已经能够处理生命科学研究、复杂软件架构等高难度任务。现在真正限制技术开发、内部部署和客户使用的,不只是能力本身,而是如何安全地部署这些系统。

我们不希望智能体失去控制。这也是Anthropic投入大量资源开展安全研究的原因。安全和对齐必须从模型训练阶段开始,而不是等到产品发布后再补救。公司拥有规模庞大的对齐团队,而且我们对安全问题非常重视,几乎每隔几个月就会重新评估投入,进一步增加安全、安保和对齐方面的资源。

Anthropic从创立之初就有意将企业客户作为业务重心。这不仅是商业选择,也与我们的安全理念相一致。

企业重视信任、长期合作和自身声誉,比普通消费者更关注模型是否会造成严重损害。因此,服务企业客户能够让公司的商业利益与安全目标保持一致。我们希望通过这种方式,为安全地开发AI建立更好的激励机制。

戴蒙:能否真正限制智能体的权限?例如,允许它们进入敏感系统,但只能执行明确授权的A、B、C、D几项操作,不能做其他事情?

阿莫迪:可以参考自动驾驶汽车的发展。

自动驾驶是一项具有巨大价值的技术,最终有望比人类驾驶安全得多。但要实现这一点,必须先建立正确的防护机制,确保系统以安全的方式设计和部署。

我们不可能保证自动驾驶汽车在任何情况下都绝对不会发生事故。同样,也无法保证智能体在任何环境下都不会出错。

真正可行的目标,是让这些系统比人类操作安全得多,达到数倍、数十倍,甚至数百倍的安全水平。这也是我们努力的方向。

9000亿美元算力押注,阿莫迪最头疼的难题

戴蒙:Anthropic披露了约9000亿美元的算力和基础设施远期承诺。外界还注意到,目前约80%的算力用于训练新模型,只有约20%用于推理,而客户实际使用的主要是推理服务。你如何确保未来获得足够算力,同时保持成本效率?

阿莫迪:算力是Anthropic面临的最复杂、最重要的商业难题。

这个行业的技术进步非常快,但技术进步究竟能以多快的速度转化为商业收入,存在很大不确定性。2024年和2025年,Anthropic的收入连续两年增长约10倍。每一年,我们都很难准确判断下一年会发生什么,而随着业务规模扩大,这种不确定性带来的影响也越来越大。

另一个问题是,算力必须提前一到两年采购。采购多少,取决于我们对未来需求的判断。买得太多,可能给公司造成难以承受的财务压力;买得太少,则无法满足客户的推理需求。

更重要的是,算力还关系到研发。今天用于训练模型的资源,决定了六个月或一年后能够推出什么样的模型,也就决定了公司未来创造收入的能力。因此,算力采购不能只看眼前的推理需求,还必须为下一代模型保留研发资源。

我们主要依靠两方面降低采购风险。

第一是毛利率。毛利率越高,公司在算力采购过多或不足时的调整空间就越大。简单来说,毛利率反映了我们为算力支付的成本与每单位算力创造的收入之间的差额。招股书披露的毛利率表现相当不错,尤其是与行业其他参与者相比。

第二是现金储备。充足的现金能够帮助公司承受大规模算力投入,并应对未来需求变化。我们目前拥有大量现金,也希望继续增加资金储备。

在具体采购策略上,我们倾向于相对保守地提前锁定算力,以较低成本购买一部分确定性较高的资源。如果实际需求明显超出预期,再通过现货市场追加采购。

现货算力通常更贵,但只有在业务表现特别好的情况下,我们才需要支付这部分额外成本。这有点像购买保险:在一切顺利、不需要额外资源的情况下,你反而会觉得保险成本偏高;但当需求超出预期时,它能让你抓住增长机会。

我们认为,这种策略既能在需求不及预期时控制财务风险,也能在业务增长超出预期时继续投入研发。

戴蒙:随着Token使用量迅速增长,企业已经开始把简单任务交给价格更低的模型,把昂贵模型留给复杂任务。部分AI服务可能逐渐变成标准化商品。这个判断有什么问题?

阿莫迪:首先,前沿模型每一次能力突破,都可能创造新的市场。

传统技术市场往往经历一个过程:早期产品稀缺,客户愿意支付较高价格;随着技术成熟,竞争者增加,产品逐渐商品化。聊天机器人领域确实已经出现了这种趋势。

2022年和2023年,行业主要关注聊天机器人。当时Anthropic判断,编程将成为一个更大的市场,因此把更多资源投入模型的编程能力,而不是围绕聊天机器人争夺市场份额或建立竞争壁垒。

现在编程应用仍处于发展过程中,尤其是在财富500强企业中,还有很大的渗透空间。但未来更大的机会可能来自科学发现、生命科学、物理、材料、机器人和网络安全。这些领域的任务比普通编程更加复杂,潜在市场也可能更大。

其次,即使在不需要最先进模型的应用中,我们也有能力利用前沿模型的技术积累,训练出更高效、更便宜的小模型。这与我们在模型训练中使用的算力倍增技术有关。我们能够提高大模型的计算效率,也能够将这些技术应用于小模型。

例如Haiku 5.5,每百万输入Token的价格为0.10美元,每百万输出Token为0.50美元。它在一些任务上能够以很低的成本提供有竞争力的性能,甚至在部分能力维度上优于其他模型。

因此,前沿模型与低成本模型并不是非此即彼。我们既要继续提升最强模型的能力,也要把模型效率做到足够高,让便宜的模型同样具有竞争力。

阿莫迪:我们已经在数学领域看到模型能力不断提升的过程。

2023年,模型甚至难以完成高中数学题。当时普遍认为,聊天机器人虽然擅长交流,但缺乏数学和逻辑能力。

2024年,模型已经能够较好地完成高中数学任务。到了2025年,它们开始解决此前没有答案的数学问题,最初只是零星的个别案例。有人认为这些问题可能出现在训练数据中,或者只是偶然成功。

但随着模型能力继续提升,情况开始发生变化。我们看到越来越多开放问题得到解决,甚至包括数学领域最困难的一些问题,其中部分成果已经接近数学家争取菲尔兹奖所涉及的研究水平。

我在生物学、机器人等领域也看到了类似变化的早期迹象。生命科学领域的专家,尤其是制药公司的CEO,往往对AI持怀疑态度。他们过去见过许多试图解决药物研发难题的技术,清楚这个行业面临的困难。

但AI的发展有一个特点:在能力曲线的早期阶段,它可能看起来什么都做不好,似乎处处都有障碍。有人认为生命科学的瓶颈是临床试验,有人认为是制造,还有人认为是监管。但随着技术进步,这些障碍可能一个接一个被突破。

Mythos之后,网络安全进入智能体攻防时代

戴蒙:网络安全在Mythos和智能体出现之前,就已经是企业面临的主要风险之一。现在,AI能够大规模发现漏洞,智能体也可能持续攻击企业系统。摩根大通有数千人从事网络安全工作,也可能需要数万人修补Mythos发现的漏洞。企业应该如何为下一阶段做好准备?

阿莫迪:首先要认识到,发现漏洞只是第一步。

Mythos推出后,我们做了大量漏洞发现工作。客户发现了数十万个漏洞,我们自己也发现了数十万个。随后,真正的瓶颈开始转向漏洞修复:发现漏洞的速度已经很快,但修复漏洞比发现漏洞更加困难。

因此,我们正在扩大Claude在漏洞修复方面的能力,让模型不仅能识别问题,也能帮助企业真正修复问题。

第二步是从源头减少漏洞。随着Claude编程能力增强,我们也在专门训练模型编写更加安全的代码,降低软件开发过程中产生漏洞的概率。

第三步则是建立实时防御体系。这方面还没有大规模普及,但我认为潜力很大。

网络攻击通常在小时、分钟甚至秒级的时间尺度内发生。未来,企业可以部署智能体集群,持续巡视服务器和网络系统,实时识别并抵御攻击。

如果攻击者开始使用智能体集群发起攻击,防御方也需要利用智能体集群进行防御。我预计未来6至12个月,这种防御方式会得到更多应用。

为什么现在上市?阿莫迪给出IPO原则

戴蒙:Anthropic即将上市。为什么选择现在?你个人如何看待上市?它会让公司变得更好,还是增加管理难度?

阿莫迪:现在上市,最重要的原因是为公司未来的发展和算力投入提供更多资金。

生物学、机器人、网络安全以及更广泛的知识工作领域,都存在巨大的经济价值。我们需要投入足够多的资源,才能抓住这些机会。

回到算力采购问题,提前购买更多算力和保持相对保守的采购策略之间存在一个缓冲空间。公司拥有的现金越多,这个缓冲空间就越大,也就越能应对未来需求的不确定性。

至于具体在哪个月、哪一天上市,以及当时的市场环境,我们并没有过度纠结。

在启动上市流程之前,我没有经历过类似的事情,因此向很多人征求了意见。其中最让我印象深刻的一条建议是:永远不要让公司的估值哪怕高出它真正价值一美元。

这与Anthropic一直坚持的原则相似:少承诺,多兑现。

我们不会提前大谈模型将具备什么能力,也不会在模型尚未完成时进行宣传。我们会先把模型做出来,确认它足够好,再正式发布。安全系统也是如此。

我希望上市遵循同样的原则,不为了追求更高估值而过度承诺。

戴蒙:Anthropic宣布将设立公益基金,并将公司5%的股权划入其中。为什么决定这样做?基金未来将重点关注哪些领域?

阿莫迪:公益基金是Anthropic长期社会责任安排的一部分。

除了公司拿出5%的股权,我们的几位联合创始人还承诺捐出个人财富的80%。公司从创立之初也一直设有员工股票捐赠配比计划:员工如果将一定比例的股票捐给慈善机构,或者专门留作公益用途,公司会提供额外股票进行配比。

我们这样做,是因为AI是一项影响巨大的技术,它已经为Anthropic和整个行业创造了巨大的经济价值,未来还可能带来更多变化。

但与此同时,也存在一个值得关注的问题:如果大量新增财富都来自同一项技术,并集中在少数公司手中,社会可能出现经济增长与财富高度集中并存的局面。

我们希望尽可能缓解这种风险,公益基金就是其中一项安排。

基金具体如何运作、重点解决哪些问题,目前仍在研究。可能涉及AI发展带来的劳动力转型,帮助社会平稳适应就业结构变化;也可能涉及生物安全,确保AI推动生物学发展的同时,相关技术不会被滥用。

我们希望先确定真正值得投入的领域,再逐步推进,而不是提前对外承诺一系列尚未明确的目标。

戴蒙:如果15年后回顾今天,你最希望AI实现什么,又最希望避免什么?还有什么是我们没有谈到、但你希望向现场听众强调的?

阿莫迪:最重要的是确保这项技术以正确的方式发展。

AI存在非常高的风险,包括被用于生物攻击和网络攻击、造成经济冲击,以及人类失去对智能体的控制。这些不是宣传话术,而是Anthropic从创立之初就一直认真对待的问题。

我们希望不仅自己负责任地开发AI,也能为整个行业树立榜样。AI公司、客户和供应商都需要认真对待这些风险,共同建立相应的安全标准,确保技术发展过程中的风险得到控制。

我希望有一天,心脏病、阿尔茨海默病和癌症都能像今天的黑死病和天花一样,成为人类历史上的疾病。

这听起来可能不切实际,但我确实相信这是有可能实现的。我无法确定需要5年、10年还是15年,但我们会尽最大努力推动这一目标尽早实现。

来源:腾讯科技风险提示及免责条款

市场有风险,投资需谨慎。本文不构成个人投资建议,也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。

Source

Wallstreetcn