Anthropic S-1 显示其未来二十年算力承诺约 8500 亿美元

Anthropic的S-1文件似乎为公司尽可能多地在算力上投入提供了财务上的理由。如果你是那种会琢磨Anthropic是否在竭尽全力打造一台机器之神、同时又说服华尔街相信它做的是销售IT合同的生意的人，那么Anthropic刚刚提供了一个便捷的答案：做一堆看起来像是在打造机器之神的事情，是避免破产的唯一途径。

先暂时忘掉机器之神。至少在我看来，S-1文件似乎表明Anthropic把公司的未来押注在爆发式增长上；它必须如此，才能覆盖其固定成本。你不必是AI怀疑论者，也会对这些数字挑一挑眉毛。但如果你怀疑戏剧性的递归自我改进是否可能——而商业计划似乎正需要这一点——那这看起来就不是一笔好投资。

先从对Anthropic粉丝来说的好消息说起。从2025年上半年到2026年上半年，公司营收增长了十四倍，达到163亿美元。有一笔800亿美元的亏损，但这主要是会计处理问题，与 underlying business 无关。如果剔除这笔亏损以及其他一些费用（包括员工薪酬），我们看到2026年上半年调整后收入为16.2亿美元。我之前曾问过，AI能否赚到足够的钱来养活自己，而Anthropic的S-1给出的答案似乎是：至少对这家公司而言，至少就目前而言，可以。

Anthropic比OpenAI或埃隆·马斯克克制得多，而这似乎正在带来回报。（Anthropic只把OpenAI和谷歌列为竞争对手。下次好运吧，埃隆！）该公司从未发布过AI图像生成器、AI版TikTok克隆或AI老婆。相反，它专注于编程和网络安全等任务，始终紧盯计算机最容易做到的事：更多的计算机。而且它专注于企业市场，这个市场不像消费者市场那样善变。其净收入留存率为900%。相当不错！这些收入也不是来自消费者。2026年上半年约四分之三的客户每年支出至少10万美元。

另一方面，Anthropic面临激烈的竞争压力——既来自其他前沿实验室，也来自开源模型。其他前沿实验室也都在争相冲向最前沿。Claude Opus 5.5目前位居Epoch能力指数榜首，但该排行榜变化频繁。而对于那些不在乎自己的软件落后四个月的人来说，还有开源模型可选。

此外，Anthropic相对于谷歌这样的竞争对手有一个劣势。它没有多条收入路径——而谷歌有。谷歌还可以将其AI嵌入企业已经在使用的其他产品中。还记得微软Teams吞掉Slack的时候吗？那不是因为Teams是更好的产品；微软只是有更好的分发渠道，因为Teams与其他企业已经在付费使用的程序捆绑在一起。拥有最好的模型对网络安全——Anthropic瞄准增长的一个领域——比对即时通讯软件更重要，但在分发上很难竞争。

而且，收入是间歇性到来的，通常是在新模型发布之后。在竞争和每次新模型发布后使用量增长的双重压力下，Anthropic永远不能停止训练，而且它必须以比规模大得多的竞争对手更高的效率来做这件事。

所以一个重要的问题是：Anthropic能否继续交出我们在S-1中看到的那种业绩？

有一些长期承诺凸显了Anthropic面临的扩张压力有多么巨大。当然，第64页的采购承诺和租赁协议处有一个方便的空白，第137页关于其在2030年12月31日之前预计支出的金额处也有一个俏皮的小空白。不过，我们知道这些承诺持续到2045年。

幸运的是，有一个“承诺和或有事项”部分可以帮我们一点忙。不可取消的采购承诺有固定的最低总额，合计2656亿美元，期限在1到20年之间。截至6月30日未经审计的数据，该公司有“主要与算力和基础设施容量相关”的租赁协议尚未开始，金额为3214亿美元。此后，Anthropic又签订了新的算力和基础设施协议，总额约2450亿美元，期限同样在1到20年之间。还有一些尚未最终敲定的其他交易，Anthropic估计其成本在1250亿至1500亿美元之间。还有其他可变的算力承诺。

如果我把所有这些加起来，我看到的是未来20年至少约8500亿美元的承诺；如果按当前估计成本把尚未敲定的交易计入，这一数字将升至约1万亿美元。而这还是假设我没有遗漏任何东西——我很可能遗漏了。

因此，为了履行这些承诺，Anthropic的增长必须继续保持极快的速度。Anthropic没有给出其未来承诺的付款时间表，但PitchBook的分析师Harrison Rolfes估算，从2027年到2030年，每年约为900亿美元，这意味着需要1880亿美元的收入才能维持当前的成本与算力之比稳定。“增长对这家公司来说不是可选项，”他写道，“合同已经假定了这一点。”

今年上半年，与客户相关的算力和基础设施（以及少数其他项目）成本为23亿美元。模型开发（以及少数其他项目）的成本要高得多；Anthropic在这上面花费了97亿美元。但根据Rolfes的说法，Anthropic同时也变得更高效了——每带来一美元收入所花费的算力成本更低了。

这是一个长期趋势吗？很难说。我们手头没有第三季度的数据。“S-1文件定格了一个美好时期：当时他们的初始模型使用量飙升，而算力不足，因此他们能够对现有的算力收取更高的费用，”Futurum Group的分析师Brendan Burke说。

作为企业软件，Anthropic瞄准企业的IT预算是有道理的。方便的是，网络安全恰恰是一个如果你不持续更新就绝对会被打得稀烂的领域——那里的每个人都必须不停奔跑才能留在原地，和Anthropic一模一样。当然，AI也是问题的一部分；黑客可以利用它来暴力破解他们以前做不到的事情。此外，由于合作伙伴在AI智能体相关安全协议上的马虎失误，这些产品本身也在引发麻烦。

前沿实验室需要高利润率的产品，以避免在token定价上陷入逐底竞争，Burke指出。这让我注意到另一件事：Opus 5.5相比Opus 5将客户成本降低了40%。现在，Anthropic表示更低的成本意味着更多的使用量，这使公司得以维持其利润率。如果你假设每次发布新模型都会发生这种成本降低，那么很快你就会发现任务的价格只剩零头。

这未必是一个无法克服的问题，部分原因是效率提升并不总会削减利润率，DA Davidson的分析师Gil Luria说。亚马逊云科技和其他云服务提供商“每年都变得高效得多，每年都降价，同时保持了稳定增长和利润率上升，”他说。

但增长的压力是相当不可否认的。这正是递归自我改进的用武之地——在极少或没有监督的情况下进行。“能力更强的模型帮助我们的研究人员更快地发现这些改进；反过来，更强大的算力倍增器使我们能够训练能力更强的模型，并更高效地部署它们。”根据Anthropic关于末日之类的一般性言论，它预计会实现剧烈的递归自我改进，也许很快。

Claude已经在人类的指导下构建Claude。在其风险因素中，Anthropic警告说它已被锁定在这条路径上。这伴随着明确的权衡，因为用AI开发更多AI“可能导致我们模型的能力进步速度快于我们开发、验证和实施相应安全、对齐和安全措施的能力”。如果我理解得没错，Anthropic是在说，它的业务依赖于用可能并未完全理解的工作如此快速地构建新模型，以至于出于商业原因，它实际上是被迫去做可能对所有人都有风险的事情。这就是为什么风险因素中会出现一堆关于“灾难性”伤害的存在性危险以及“各种形式的感知能力”发展的奇怪内容。

脱离人类监督范围的剧烈递归自我改进可能吗？不知道。但如果不可能，那Anthropic就更难履行其现有的算力承诺并实现盈利。