美国AI公司Anthropic在IPO前夕提交的S-1注册文件,首次将这家前沿模型公司的收入、成本与资本承诺大规模呈现在公众面前。芯片与人工智能研究机构SemiAnalysis分析师乔伊·布鲁克哈特(Joey Brookhart)在科技媒体《The Verge》总编辑尼莱·帕特尔(Nilay Patel)主持的播客《Decoder》中,对这份文件做了深度拆解。据其解读,Anthropic在很短时间内已扩张至估值超过1万亿美元、ARR超过700亿美元的规模,毛利率、计算业务利润率与自由现金流等指标基本符合投资者预期。

这份文件之所以受到关注,与市场此前的情绪波动有关。布鲁克哈特提到,自投资者日以来过去三周并不轻松,部分人对9月公布的ARR数据感到失望;而S-1披露的扩张速度与盈利指标,重新提振了半导体产业链、新型云计算公司(neoclouds)以及计算基础设施相关股票的表现。

收入从哪里来,是对话的核心问题之一。布鲁克哈特认为,当前AI市场仍然相当狭窄:排名前1%的企业客户,每名员工每年在AI上的支出高达5万至10万美元,而更广泛的《财富》500强或全球2000强企业,在AI上的投入仍然不多。Anthropic的支出很大一部分集中在编程领域,某种意义上几乎是一家专注单一垂直领域的公司。若要向CEO达利欧·阿莫代伊(Dario Amodei)所设想的1万亿美元收入迈进,就必须进入更广泛的白领工作场景,让AI从辅助劳动转向节省人力成本,甚至替代部分人力,同时拓展网络安全、生物科技等垂直行业。

竞争格局也在快速变化。布鲁克哈特指出,今年上半年Anthropic几乎一骑绝尘,占整个行业新增ARR的90%;但到第三季度,OpenAI可能占据了行业新增ARR的大多数。开放权重模型的Token推理成本规模,从第一季度约10亿美元的ARR增长到第三季度超过100亿美元。与此同时,Google DeepMind和Meta Superintelligence Labs等资金雄厚的实验室拥有接近的训练算力,SpaceX也在持续加码——马斯克曾表示明年将新增约10吉瓦算力,其中一半用于长期内部业务需求。

推理效率为何能大幅提升,是另一个关键。布鲁克哈特将原因归结为Token吞吐量:Anthropic拥有多元化的芯片集群,Trainium、TPU与GPU并用,目前Trainium芯片的Token吞吐量相比去年同期提高了5到10倍,这既来自硬件效率,也来自软件优化与模型和硬件的交互方式。据其测算,Anthropic每兆瓦推理算力创造的收入约为6500万美元,去年同期还只有一千多万美元;若未来运行类似Opus 5.5的模型并采用NVIDIA Blackwell芯片,每兆瓦收入可能达到1亿至1.2亿美元,而平均每兆瓦的计算成本(COGS)仅略高于1000万美元。

这些利润空间并未全部沉淀为利润。布鲁克哈特强调,只有约30%的计算资源真正用于创造推理服务收入,其余用于实验研究、模型训练与后训练——这是研发投入,也是建立竞争壁垒的地方。Anthropic原本没有预料到非GAAP EBITA利润率会达到11%;如果获得更多算力并分配给训练,同时继续提升效率,公司甚至希望利润率接近零或低于零,并已向投资者传达类似信息。

对话还触及一个治理层面的张力:作为上市公司,Anthropic必然面临“停止训练新模型、把已盈利模型卖给更多企业”的压力。布鲁克哈特认为,公司在投票权安排等结构上具备抵御这种压力的能力,类似扎克伯格曾公开选择大规模投入的做法,尽管这类投入并不总是获得回报。他特别提到S-1中一个值得关注的数据:最近三个月收入中有80%来自过去六个月内发布的模型,只有20%来自Opus 4.5及更早版本——对前沿模型公司而言,始终保持在技术前沿几乎是生存前提。

在垂直行业的拓展逻辑上,布鲁克哈特以网络安全为例:如果攻击方使用前沿模型,防御方也必须使用前沿模型。这在一定程度上解释了为何AI公司难以仅靠现有模型“吃老本”,而必须持续投入下一代模型的研发。整场对话呈现的,是一家前沿AI公司在惊人增长、算力豪赌与AGI野心之间的经济账。