海豚研究(作者海豚君)在最新评论中,把 Anthropic 的估值问题拆成两个更根本的追问:在 token 价格持续下行、开源模型紧追的环境下,这家公司凭什么守住「智能溢价」;以及它的收入天花板究竟在哪。文章承接上篇的测算——近 1 万亿美元的算力合同压上资产负债表,收入要再涨 4-5 倍才扛得住——并围绕一级市场 5 月给出的 9650 亿美元估值、以及一度喊到 1.5 万亿美元的 IPO 预期展开讨论。

文章首先梳理市场对 Anthropic 价值测算的争议。作者称,1.26–1.41 万亿美元是 Anthropic IPO 区间对应的完全稀释估值,约为 10 月 ARR(810 亿)的 16–17 倍;若按 Barclays 小会信息、以 Q4 季度收入年化后的 770 亿计算,倍数甚至达到 18 倍。叠加月环比下滑趋势,作者认为这一倍数谈不上便宜,而公司将下滑归因于假期季节性波动,对一家号称有上万亿收入增长空间的 AI 实验室龙头来说,此时讲季节波动「实属诡异」。不过上市前路演认购额超过融资需求的 6 倍,多空分歧由此可见。

作者认为,乐观与悲观两派的核心分歧在于对 TAM(可触达市场)的定义。乐观派如 Gavin Baker、Brad Gerstner 将全球知识工作者的 40 万亿美元薪资视为可渗透空间,与 Anthropic 招股书口径类似;悲观派则把目标市场锚定在企业 IT 预算,按五年后只拿到 IT 总预算 3%、即 1800 亿美元收入来估算。作者指出,远期锚定「一人一个」等于没有,多数人实际是用短中期收入规模与并不高的估值倍数,给出 1–1.5 万亿美元的中性区间,而最新 IPO 定价已来到区间上沿。

在 TAM 讨论中,作者提出「脑力通缩」这一关键变量。其判断是,芯片每代性能翻倍、模型算法持续提效,供需两端共同推动前沿模型 token 价格每年下降 45–55%(隐含季度环比降幅 10–15%)。过去一年 Opus 输入价从每百万 token 15 美元降至 5 美元、再降至 4 美元,降幅约 73%;第三方成交价指数显示实际成交价一个月内从 1.70 美元腰斩到 0.83 美元。作者提醒,最新算力限令可能在强执行期内放缓降价幅度,例如把季度均环比降幅压缩到 10% 以内。

降价能否换来收入增长,取决于需求弹性。作者把使用场景分为三类:扩张型(弹性大于 1,如 Coding、前沿科学、金融投资,越便宜用得越多、总支出反而变大)、对抗型(弹性约等于 1,如诉讼、网络安全、营销,预算跟着对手和行业走)、通缩型(弹性小于 1,如审计、报税、合规、薪酬核算,需求量固定,降价只让客户少花钱)。作者据此提出两个质疑成长性的问题:其一,在 40 万亿美元知识工作者市场中,真正属于扩张型场景的并非主体——以美国为例,约 64%的员工规模和 56%的薪资规模来自非 IT、前沿科学等扩张型领域;其二,AI 对脑力的碾压会让短中期扩张型场景更快转为通缩型。作者粗算,一个 IT 开发人员薪资可抵 113 个 Claude Team 高级席位套餐,而公开代码库中每 五个新合并请求就有一个出自 Claude Code,据此估算一个 AI 可替代约 22.6 个真人、为企业省下近 20 倍 IT 薪资成本。因此所谓 40 万亿脑力市场,不等渗透率走完,规模自身就会萎缩。

在竞争壁垒部分,作者用电信运营商「提速降费」作类比:十余年里手机流量单价降了九成以上、人均用量涨了几十倍,但运营商移动业务收入基本持平,省下的钱流向了 Google、Meta 这类建在流量之上的应用层。作者追问,AI 时代大模型 API 服务是否会重演这一演进,Anthropic 最终是成为「AI 版谷歌」还是「AI 版 AT&T」。

作者认为 Anthropic 目前的技术领先主要体现在长任务完成率,而这与上下文能力和高质量数据有关。在 100 万 token 里找回 8 条信息的测试中,Claude 今年初曾以 76% 对 30% 左右大幅领先 GPT 和 Gemini,但到下半年对手已追到 70–98%。Claude 的优势更多来自 Claude Code 积累的海量真实任务轨迹与可验证奖励信号,护城河边界也在这里。作者估计这道壁垒有效期约 1–2 代:开源模型落后闭源约 4–7 个月,正好是闭源 1–2 次大版本间隔;下半年 Anthropic 与 OpenAI 加码「反蒸馏」,10 月 Anthropic 宣称被套取的数据少了 九成以上,开源每月能力提升从 1.8 分降到 0.8 分,闭源则从 1.7 分加速到 2.7 分,差距从 5.6 分拉大到 12.8 分。但公开基准和短任务上开源仍有闭源 97–98% 的水平,真正拉开的是长周期任务——开源在长任务测试上只有闭源的 11%。

作者由此分情况判断:不追求前沿的通用模型大概率走向运营商式「基础设施」,按量收费、价格逐年走低;前沿模型不会那么快变成大宗商品,但溢价要靠每年数百亿美元训练投入维持(Anthropic 预计 2027 年训练投入超 900 亿美元),一旦某代模型掉队,就会滑落到死拼价格的通用档。文章最后强调,持续领先依赖内部高频使用与自我迭代的闭环,而前提是充足算力——Anthropic 在 2025–2026 年区间近乎疯狂地预采算力,明面声量不如 OpenAI 的「星际之门」,私下采购动作同样不少。

整体来看,这篇评论并未给出买卖结论,而是把 Anthropic 的估值问题还原为对 TAM 定义、需求弹性与技术壁垒持续性的判断,提醒读者:高估值背后押注的是 AI 对知识工作的渗透速度,以及这种渗透会不会反过来压缩被渗透市场本身的价值。