海豚研究(作者海豚君)在最新評論中,把 Anthropic 的估值問題拆成兩個更根本的追問:在 token 價格持續下行、開源模型緊追的環境下,這家公司憑什麼守住「智慧溢價」;以及它的收入天花板究竟在哪。文章承接上篇的測算——近 1 萬億美元的算力合同壓上資產負債表,收入要再漲 4-5 倍才扛得住——並圍繞一級市場 5 月給出的 9650 億美元估值、以及一度喊到 1.5 萬億美元的 IPO 預期展開討論。

文章首先梳理市場對 Anthropic 價值測算的爭議。作者稱,1.26–1.41 萬億美元是 Anthropic IPO 區間對應的完全稀釋估值,約為 10 月 ARR(810 億)的 16–17 倍;若按 Barclays 小會資訊、以 Q4 季度收入年化後的 770 億計算,倍數甚至達到 18 倍。疊加月環比下滑趨勢,作者認為這一倍數談不上便宜,而公司將下滑歸因於假期季節性波動,對一家號稱有上萬億收入增長空間的 AI 實驗室龍頭來說,此時講季節波動「實屬詭異」。不過上市前路演認購額超過融資需求的 6 倍,多空分歧由此可見。

作者認為,樂觀與悲觀兩派的核心分歧在於對 TAM(可觸達市場)的定義。樂觀派如 Gavin Baker、Brad Gerstner 將全球知識工作者的 40 萬億美元薪資視為可滲透空間,與 Anthropic 招股書口徑類似;悲觀派則把目標市場錨定在企業 IT 預算,按五年後只拿到 IT 總預算 3%、即 1800 億美元收入來估算。作者指出,遠期錨定「一人一個」等於沒有,多數人實際是用短中期收入規模與並不高的估值倍數,給出 1–1.5 萬億美元的中性區間,而最新 IPO 定價已來到區間上沿。

在 TAM 討論中,作者提出「腦力通縮」這一關鍵變數。其判斷是,晶片每代效能翻倍、模型演算法持續提效,供需兩端共同推動前沿模型 token 價格每年下降 45–55%(隱含季度環比降幅 10–15%)。過去一年 Opus 輸入價從每百萬 token 15 美元降至 5 美元、再降至 4 美元,降幅約 73%;第三方成交價指數顯示實際成交價一個月內從 1.70 美元腰斬到 0.83 美元。作者提醒,最新算力限令可能在強執行期內放緩降價幅度,例如把季度均環比降幅壓縮到 10% 以內。

降價能否換來收入增長,取決於需求彈性。作者把使用場景分為三類:擴張型(彈性大於 1,如 Coding、前沿科學、金融投資,越便宜用得越多、總支出反而變大)、對抗型(彈性約等於 1,如訴訟、網路安全、營銷,預算跟著對手和行業走)、通縮型(彈性小於 1,如審計、報稅、合規、薪酬核算,需求量固定,降價只讓客戶少花錢)。作者據此提出兩個質疑成長性的問題:其一,在 40 萬億美元知識工作者市場中,真正屬於擴張型場景的並非主體——以美國為例,約 64%的員工規模和 56%的薪資規模來自非 IT、前沿科學等擴張型領域;其二,AI 對腦力的碾壓會讓短中期擴張型場景更快轉為通縮型。作者粗算,一個 IT 開發人員薪資可抵 113 個 Claude Team 高階席位套餐,而公開程式碼庫中每 五個新合併請求就有一個出自 Claude Code,據此估算一個 AI 可替代約 22.6 個真人、為企業省下近 20 倍 IT 薪資成本。因此所謂 40 萬億腦力市場,不等滲透率走完,規模自身就會萎縮。

在競爭壁壘部分,作者用電信運營商「提速降費」作類比:十餘年裡手機流量單價降了九成以上、人均用量漲了幾十倍,但運營商移動業務收入基本持平,省下的錢流向了 Google、Meta 這類建在流量之上的應用層。作者追問,AI 時代大模型 API 服務是否會重演這一演進,Anthropic 最終是成為「AI 版谷歌」還是「AI 版 AT&T」。

作者認為 Anthropic 目前的技術領先主要體現在長任務完成率,而這與上下文能力和高質量資料有關。在 100 萬 token 裡找回 8 條資訊的測試中,Claude 今年初曾以 76% 對 30% 左右大幅領先 GPT 和 Gemini,但到下半年對手已追到 70–98%。Claude 的優勢更多來自 Claude Code 積累的海量真實任務軌跡與可驗證獎勵訊號,護城河邊界也在這裡。作者估計這道壁壘有效期約 1–2 代:開源模型落後閉源約 4–7 個月,正好是閉源 1–2 次大版本間隔;下半年 Anthropic 與 OpenAI 加碼「反蒸餾」,10 月 Anthropic 宣稱被套取的資料少了 九成以上,開源每月能力提升從 1.8 分降到 0.8 分,閉源則從 1.7 分加速到 2.7 分,差距從 5.6 分拉大到 12.8 分。但公開基準和短任務上開源仍有閉源 97–98% 的水平,真正拉開的是長週期任務——開源在長任務測試上只有閉源的 11%。

作者由此分情況判斷:不追求前沿的通用模型大機率走向運營商式「基礎設施」,按量收費、價格逐年走低;前沿模型不會那麼快變成大宗商品,但溢價要靠每年數百億美元訓練投入維持(Anthropic 預計 2027 年訓練投入超 900 億美元),一旦某代模型掉隊,就會滑落到死拼價格的通用檔。文章最後強調,持續領先依賴內部高頻使用與自我迭代的閉環,而前提是充足算力——Anthropic 在 2025–2026 年區間近乎瘋狂地預採算力,明面聲量不如 OpenAI 的「星際之門」,私下采購動作同樣不少。

整體來看,這篇評論並未給出買賣結論,而是把 Anthropic 的估值問題還原為對 TAM 定義、需求彈性與技術壁壘持續性的判斷,提醒讀者:高估值背後押注的是 AI 對知識工作的滲透速度,以及這種滲透會不會反過來壓縮被滲透市場本身的價值。