Anthropic 招股书未披露的隐藏风险：规模不经济

作为可能是史上规模最大的IPO，Anthropic PBC正在开辟新天地。其招股书列出了88项风险因素，仅这部分就长达93页。从人工智能对人类构成生存威胁，到AI可能敲诈勒索人类，该公司列出了一连串风险，足以让任何潜在的Anthropic投资者心生警惕。

然而，有一项可能令公司沉没的风险因素并未明确出现在招股书中：规模不经济。

规模不经济是指随着公司规模扩大，其生产每单位产出的平均成本反而上升。

你或许会以为，既然Anthropic投入了时间和精力来确保其风险因素清单完整无缺，他们本应把这一项也列进去。然而，尽管规模不经济是显而易见却被回避的问题，他们之所以遗漏它，是有原因的。

我们在云计算领域已经走过这条路。超大规模云厂商的根本经济驱动力是规模经济：规模越大，每单位产出的成本越低，从而随着时间推移带来巨大的增长和盈利能力。

既然AI热潮与云计算一样需要大规模建设数据中心，人们或许有理由认为，AI将享受到云计算所享有的那种大规模增长带来的同样经济效益。

然而，这一假设很可能是错误的。要理解其中原因，我们必须审视软件和云业务是如何实现规模化的——以及AI为何如此不同。

软件规模化的经济学

纵观企业计算的发展史，软件一直受益于其微不足道的边际成本。

对于从汽车到鸡块的实体商品而言，每一件产品都有原材料和生产成本。你生产的小物件越多，这些成本就累加得越多。

软件则根本不同。一旦供应商花钱开发出一款应用，它就可以把这款应用卖给尽可能多的客户，而交付该应用额外副本的成本与最初的开发成本相比微不足道。

这种微不足道的边际成本使软件供应商能够随着业务规模化而变得极其盈利。

云规模化的经济学

相比之下，计算机硬件不过是更多的小物件——你部署得越多，你的材料和生产成本就越高。

云计算在其产品中同时结合了软件和硬件。软件或许具有微不足道的边际成本，但每家云提供商都必须为每一台物理服务器掏钱。

为应对这一成本挑战，云提供商利用了规模经济。

超大规模云厂商通过部署大量商品化服务器来构建其云。随着每家公司扩展业务，每单位产出的成本——比如提供一个服务器实例或一个单位云存储的成本——随之下降。

结果，服务器的成本随着规模化而下降，云计算公司在成长过程中盈利能力不断增强，尽管它们的商业模式同时依赖硬件和软件。

AI的经济学与软件和云有何不同

回到Anthropic和其他前沿大语言模型提供商：表面上看，AI只是一种软件，而Anthropic是在本质上属于云的超大规模数据中心里运行其软件。这一基本假设隐含在该公司的招股书中。

然而，这一假设是有缺陷的。前沿模型厂商从第一天起就需要图形处理器和其他高端、昂贵的硬件——而且随着它们快速创新其软件，其对专用处理器的需求还在持续加速。

这种不断升级的专用处理器需求并未影响云的崛起。诚然，每家云提供商最终都随着成长而增加了各种专用硬件实例类型，但这些实例并未改变云业务的基本经济学。

相比之下，Anthropic没有部署商品化硬件来实现规模经济的奢侈。相反，它必须建设昂贵的服务器，而随着大语言模型的处理器需求持续提升，这些服务器只会越来越贵。

把人也纳入经济论证

AI热潮在人力层面也存在规模不经济，这与云的增长形成对比。

超大规模云厂商当然需要一支经验丰富、拥有深厚专业知识的劳动力队伍来部署其云并维持其运行。但随着它们成长，它们能够更高效地利用这些人员。随着底层云平台日趋成熟，一名管理一千台物理服务器的管理员可以轻松管理一万台甚至一百万台。

然而，与云提供商不同，Anthropic和其他前沿模型厂商必须持续提升其团队的专业能力。新的大语言模型并非旧模型的简单横向扩展版本。每一个都需要来自专家人类的新专业知识。

Anthropic正与竞争对手展开激烈角逐，力求快速创新，并在前所未有的时间框架内推出越来越强大的模型。因此，前沿LLM供应商团队会遭遇超大规模云厂商从未面临过的规模不经济。

软件、硬件还有人，天哪！

Anthropic以及其他前沿LLM供应商正面临一种全新的经济现实，因为它们必须持续提升硬件能力，同时提升员工技能，以便在软件上实现有竞争力的创新。

它们不能简单地在商品化硬件上运行越来越强大的模型——甚至不能在与上一代模型相同的硬件上运行。它们必须以跟上软件创新步伐的速度增加硬件投资。

最终结果是科技行业前所未见的规模不经济。我们太习惯于软件可忽略的边际成本和云计算的巨大规模经济，以至于对Anthropic这类前沿LLM供应商必须应对的规模不经济毫无准备。

Intellyx的观点

尽管前沿模型市场仍相当新，但随着token成本成为AI消费者日益显著的支出，我们已经看到其固有规模不经济的影响。

随着LLM变得更强大，其所需硬件成为日益昂贵的瓶颈，token成本对一系列基于AI的应用变得高得令人望而却步只是时间问题。

Anthropic和其他LLM模型供应商可以尝试通过提高其更强大LLM的效率，或推出能力较弱因而更便宜的模型来应对——前提是客户接受这些举措。

我们最终也可能达到一个平台期：模型足够强大，硬件性能足够高，从而使更熟悉的规模经济发挥作用。然而，这样的平台期还看不到踪影。

因此，潜在的Anthropic投资者必须问的问题是：该公司在LLM市场的领导地位究竟是优势还是劣势？在 offerings 变得过于昂贵之前，它还能创新和增长多远？到那时它又该怎么办？

Jason Bloomberg是Intellyx的创始人兼董事总经理，该公司为商业领袖和技术供应商提供数字化转型战略咨询。他为SiliconANGLE撰写了这篇文章。Intellyx的所有内容均为100%人类生成，包括本文。Anthropic不是Intellyx的客户。

图片：Craiyon