[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"content-doc-dcio5a618a17":3},{"user":4,"document":8,"mainDocument":27,"columnUrl":29,"subscription":30,"footer":42,"text":80},{"isAuthenticated":5,"isAdmin":5,"displayName":6,"avatarUrl":6,"nid":6,"groupLevel":7},false,"",-10,{"id":9,"fullTitle":10,"subTitle":6,"url":11,"columnId":12,"columnName":13,"columnUrl":14,"summary":6,"contentHtml":15,"mainContentHtml":6,"posterUrl":16,"createDate":17,"displayDate":18,"displayDateSlash":19,"pageviews":20,"tags":21,"hidden":5,"isSubContent":5,"replyDocOrTargetId":6,"contentType":23,"videoId":6,"liveVideoUrl":6,"useContentVideo":5,"duration":24,"price":24,"priceText":25,"priceBadgeText":25,"priceBadgeClass":26,"freeForMinGroupLevel":24,"redirectUrl":6,"readyToStream":5},"dcio5a618a17","Anthropic路演最惊人的数字：收入增长45倍，算力成本只涨10倍！AI烧钱的逻辑变了？","\u002Fdoc\u002Fdcio5a618a17","col18178739ee","美股资讯","\u002Fcol\u002Fcol18178739ee","\u003Cp>\u003Cspan>\u003Cstrong>当全市场还在担心AI烧钱没有尽头时，Anthropic拿出了一组可能改变整个AI产业估值逻辑的数据。\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>从2025年第一季度到2026年第三季度，Anthropic的季度收入增长了45倍，但同期算力及基础设施费用只增长了约10倍。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>换句话说，Anthropic每花1美元算力费用，能够创造的收入提高了4倍以上。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这组数字，出现在Anthropic正式启动IPO路演之际。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>过去两年，华尔街始终围绕一个问题争论不休：微软、谷歌、亚马逊、Meta每年投入数千亿美元购买GPU、建设数据中心，最终究竟能否赚回来？\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>如今，Anthropic似乎给出了第一个比较有说服力的答案。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但我们仔细研究招股书后发现，事情并没有表面上那么简单。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>因为还有三个容易被忽视的数字：\u003Cstrong>98.63亿美元、50亿美元，以及9009亿美元。\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>它们分别代表Anthropic最新季度的算力费用、昂贵的短期算力采购，以及未来多年需要承担的合同承诺。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>把这几个数字放在一起，才能真正理解AI产业下一阶段的投资机会和风险。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Ch2>\u003Cspan>一、收入45倍，成本10倍：AI终于开始出现规模经济\u003C\u002Fspan>\u003C\u002Fh2>\n\u003Cp>\u003Cspan>首先来看Anthropic向SEC披露的真实财务数据。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>2025年第一季度，Anthropic的收入只有3.76亿美元，当季算力及基础设施费用却达到9.44亿美元。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>到了2026年第三季度，情况发生了巨大变化。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>季度收入达到169.56亿美元，而算力及基础设施费用为98.63亿美元。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Ctable>\n\u003Ctbody>\n\u003Ctr>\u003Cth>\u003Cspan>指标\u003C\u002Fspan>\u003C\u002Fth>\u003Cth>\u003Cspan>2025年Q1\u003C\u002Fspan>\u003C\u002Fth>\u003Cth>\u003Cspan>2026年Q3\u003C\u002Fspan>\u003C\u002Fth>\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cspan>季度收入\u003C\u002Fspan>\u003C\u002Ftd>\n\u003Ctd>\u003Cspan>3.76亿美元\u003C\u002Fspan>\u003C\u002Ftd>\n\u003Ctd>\u003Cspan>169.56亿美元\u003C\u002Fspan>\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cspan>算力及基础设施费用\u003C\u002Fspan>\u003C\u002Ftd>\n\u003Ctd>\u003Cspan>9.44亿美元\u003C\u002Fspan>\u003C\u002Ftd>\n\u003Ctd>\u003Cspan>98.63亿美元\u003C\u002Fspan>\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cspan>收入增长倍数\u003C\u002Fspan>\u003C\u002Ftd>\n\u003Ctd>\u003Cspan>—\u003C\u002Fspan>\u003C\u002Ftd>\n\u003Ctd>\u003Cspan>45.1倍\u003C\u002Fspan>\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cspan>算力费用增长倍数\u003C\u002Fspan>\u003C\u002Ftd>\n\u003Ctd>\u003Cspan>—\u003C\u002Fspan>\u003C\u002Ftd>\n\u003Ctd>\u003Cspan>10.4倍\u003C\u002Fspan>\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cspan>每1美元算力费用对应收入\u003C\u002Fspan>\u003C\u002Ftd>\n\u003Ctd>\u003Cspan>0.40美元\u003C\u002Fspan>\u003C\u002Ftd>\n\u003Ctd>\u003Cspan>1.72美元\u003C\u002Fspan>\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>\u003Cspan>这里最值得注意的，不是收入规模，而是最后一行。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>2025年初，Anthropic每产生1美元收入，需要对应约2.51美元的算力及基础设施费用。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>到了2026年第三季度，这个数字下降到约0.58美元。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这意味着，收入相对于算力费用的效率改善了约4.3倍。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>过去我们担心，AI模型越先进，训练费用越高，用户越多，推理成本越大。模型公司即使实现高速增长，也可能无法摆脱持续亏损。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但现在，Anthropic正在展示另一种可能性：\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cstrong>随着模型能力提高、算力利用率改善和商业化规模扩大，收入增长可以持续快于算力费用增长。\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>对于一家前沿大模型公司来说，这是比用户数量增长更加重要的财务突破。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>因为用户增长只能证明需求存在，而收入相对于算力费用的效率改善，才开始证明这门生意有可能赚钱。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>当然，这里必须澄清一个重要口径：所谓10倍，指的是财报确认的季度算力及基础设施费用，而不是芯片采购价格只上涨10倍，也不意味着单位Token成本恰好下降了相同比例。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但是，它确实说明Anthropic的商业模式已经出现明显的经营杠杆。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Ch2>\u003Cspan>二、为什么Anthropic突然可以用更少的算力费用赚更多的钱？\u003C\u002Fspan>\u003C\u002Fh2>\n\u003Cp>\u003Cspan>背后至少有三个重要变化。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cstrong>第一个变化，是AI模型本身的计算效率正在提高。\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>早期的大模型发展路线相对简单：增加参数、扩大训练集、采购更多GPU，用更高的计算投入换取模型能力提升。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>今天的竞争已经不再完全依靠堆积硬件。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>模型架构优化、推理批处理、缓存、任务路由以及训练算法改进，都在改变每单位计算资源能够产生的经济价值。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>同样一批计算资源，过去可能只能服务相对简单的聊天任务，现在却能够支持复杂编程、企业工作流和自动化执行。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>从商业角度看，真正重要的不是GPU每秒能够产生多少Token，而是这些Token最终能够创造多少收入。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cstrong>第二个变化，是Anthropic开始摆脱对单一GPU架构的依赖。\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>Anthropic在招股文件中明确介绍，其算力体系覆盖AWS Trainium、Google TPU、NVIDIA GPU以及AMD GPU。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这是一种相当值得关注的战略。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>并非所有AI任务都需要价格最昂贵的通用GPU。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>某些推理任务已经高度标准化，可以使用针对特定工作负载优化的专用芯片，在功耗和成本方面取得优势。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>Anthropic可以根据任务特点，在不同硬件平台之间进行调度。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这意味着大模型公司开始从单纯的算力购买者，逐渐变成能够主动优化整个计算成本结构的技术运营商。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>对英伟达来说，这是一个必须重视的长期竞争变量。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>因为AI算力需求增长，并不等于所有新增需求都必须由NVIDIA GPU满足。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cstrong>第三个变化，也是最重要的变化：企业正在为AI的实际经济价值付费。\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>早期消费级AI产品面临一个问题：用户很喜欢，但不一定愿意支付足够高的费用。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>企业市场却完全不同。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>假设一家软件公司部署AI编程工具后，能够提高工程师的开发效率；一家金融机构通过AI缩短研究和合规流程；一家大型企业通过AI Agent自动处理大量后台工作。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>只要AI创造的价值大于购买和运行成本，企业就有理由扩大采购。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这会形成一个重要的商业特征：\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cstrong>模型的计算成本可以持续下降，但企业愿意支付的价格不一定以相同速度下降。\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>其中的差额，便有可能逐步转化为模型公司的利润。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这才是Anthropic此次路演真正值得重视的地方。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>它不是简单地证明Claude越来越受欢迎，而是在证明前沿AI开始具备形成规模经济的条件。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Ch2>\u003Cspan>三、但真正让我们警惕的是：算力效率在最新季度反而下降了\u003C\u002Fspan>\u003C\u002Fh2>\n\u003Cp>\u003Cspan>如果只看到45倍和10倍，很容易得出一个过于乐观的结论：Anthropic的算力效率将持续直线上升。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但招股书披露的数据告诉我们，事实并非如此。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>2026年第二季度，Anthropic的季度收入为115.55亿美元，算力及基础设施费用为55.58亿美元。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>也就是说，每1美元算力费用对应2.08美元收入。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这是一个非常漂亮的数字。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>然而到了第三季度，这个指标却下降到了1.72美元。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>为什么？\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>因为第三季度收入环比增长约46.7%，但算力及基础设施费用环比增加约77.5%。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cstrong>新增算力费用的增长速度，再一次超过了收入增长速度。\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>Anthropic解释称，第三季度新增算力中，约50亿美元属于短期承诺下的算力。这部分算力目前的价格明显高于长期采购合同下的可比算力。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>换句话说，为了满足快速增长的客户需求，Anthropic不得不采购成本更高的计算资源。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这暴露出AI产业一个非常重要的特点：\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>算力效率提高，与公司每个季度实际支付的计算费用，并不一定同步。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>原因是算力建设存在交付周期。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>一家公司可能提前几年签订合同，数据中心陆续建成，芯片分批投入使用。某个季度突然交付大量新算力，就会导致成本先大幅上升。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但这些新增算力能否迅速转化为收入，仍然取决于客户需求和实际利用率。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>因此，AI模型公司的利润率，很可能并不是平滑上升，而是在新增产能交付时阶段性承压，随后随着利用率提高再次改善。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这与传统软件公司最大的区别就在这里。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>传统软件企业服务更多客户，往往可以在已有系统上增加收入。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>而前沿AI企业要服务更多复杂任务，仍然需要持续投入真实的计算资源。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cstrong>AI商业模式可能具有软件行业的高增长特征，但也保留了基础设施行业的资本密集特征。\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这两种属性同时存在，决定了它的估值不能简单照搬传统SaaS公司。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Ch2>\u003Cspan>四、85%的毛利率背后，藏着AI行业最大的会计问题\u003C\u002Fspan>\u003C\u002Fh2>\n\u003Cp>\u003Cspan>Anthropic还有一个令投资者兴奋的数字。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>2026年前九个月，公司的毛利率已经超过85%。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>对于一家需要大量GPU和数据中心资源的AI公司来说，这看起来几乎是传统高利润软件公司的财务结构。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但问题是：既然毛利率如此之高，为什么Anthropic仍然出现营业亏损？\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>2026年第二季度，Anthropic实现了9.74亿美元的GAAP营业利润。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>到了第三季度，却重新出现5.67亿美元的营业亏损。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>同期调整后营业利润虽然仍然为正，但调整后营业利润率已经从第二季度的19%下降到15%。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>原因在于，AI模型公司的算力费用，并不全部计入营业成本。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>用于向客户提供服务的算力，与用于训练新模型、开展研发的算力，在会计上可能被归入不同科目。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>因此，高毛利率并不意味着模型训练费用已经消失，更不代表公司全部计算投入都能够产生相同的商业回报。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>投资者真正应该观察的，是全部算力和基础设施费用、研发投入、经营利润，以及最终现金流之间的关系。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这也是为什么我们更重视Anthropic公布的收入与算力费用之比，而不是单独看85%的毛利率。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>因为前者更直接地反映了公司整体计算资源与收入之间的经济关系。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Ch2>\u003Cspan>五、9009亿美元：AI烧钱没有结束，只是烧钱方式发生了变化\u003C\u002Fspan>\u003C\u002Fh2>\n\u003Cp>\u003Cspan>接下来这个数字，可能比前面所有数据都重要。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>根据Anthropic最新IPO招股文件，截至2026年9月30日及此后，公司已经签署的采购承诺、租赁协议以及其他相关合同，合计承诺支出约9009亿美元。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>其中，约4516亿美元预计在2030年底之前发生。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>从2026年9月30日起的未来12个月内，约707亿美元的合同承诺到期。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>需要特别说明，这9009亿美元并不等于已经支付的现金，也不是一年之内必须完成的资本开支。它覆盖多个未来年度，部分承诺延伸至2045年。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但这个数字仍然揭示了一个重要事实。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cstrong>即使Anthropic的算力效率已经提高4倍以上，它依然在为未来锁定规模极其庞大的算力资源。\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>为什么会这样？\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>因为计算效率提高，可能进一步刺激需求。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>举一个简单的例子。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>假设某种AI任务原本需要花费10美元，企业只能将它用于少数高价值场景。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>随着技术进步，同样的任务成本下降到2美元。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>那么原本不具经济价值的客户服务、内部运营、销售、研发和自动化应用，可能突然变得值得部署。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>如果单位任务成本下降80%，但实际使用量增长10倍，那么总支出反而可能增加一倍。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这就是经济学中的杰文斯悖论。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>技术效率提高，不一定减少资源总消费，反而可能扩大市场需求。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>当然，这并非必然规律。新增需求能否足够大，取决于产品价值、企业采用率和价格弹性。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但至少在当前阶段，Anthropic的行为说明，它并没有因为计算效率提高而停止采购算力。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>恰恰相反，它正在利用更好的单位经济效益，为下一轮更大规模的需求扩张做准备。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>因此，AI产业可能正在从过去的“低效率扩张”，逐步转向“效率改善驱动更大规模扩张”。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这两者对资本市场的意义完全不同。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>前者依赖持续融资，后者则有机会逐步获得真实商业收入的支持。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但同样不能忽略风险。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>如果未来AI应用需求增长不及预期，而此前签署的巨额算力合同仍然需要支付，模型公司就可能面临严重的现金流和固定成本压力。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>到那时，即使每单位算力的成本已经下降，整个公司仍然可能承受巨大的财务负担。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Ch2>\u003Cspan>六、对英伟达、亚马逊、谷歌意味着什么？\u003C\u002Fspan>\u003C\u002Fh2>\n\u003Cp>\u003Cspan>Anthropic的算力效率改善，不只是模型公司的故事，它正在改变整个AI半导体产业链的利益分配。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>首先看亚马逊。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>Anthropic正在使用AWS Trainium，这是亚马逊自主开发的AI加速芯片。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>对于亚马逊而言，价值不仅来自为Anthropic提供云计算资源，更在于证明自研AI芯片能够服务全球领先的前沿模型。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>如果Trainium能够在更多任务中提供有竞争力的计算成本，AWS就有机会在扩大算力业务收入的同时，提高其硬件供应链的控制能力。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>其次看谷歌。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>谷歌拥有长期投入的TPU体系，同时通过Google Cloud对外提供算力。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>Anthropic采用TPU，说明专用AI芯片的商业应用已经不再局限于谷歌自己的模型。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这对于Google Cloud和TPU生态具有重要意义。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>再来看博通。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>专用AI加速器与大规模数据中心网络，离不开先进芯片设计、互联和系统架构。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>如果更多模型公司为了改善推理成本，选择定制化计算平台，那么AVGO有机会受益于这一长期趋势。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但是，对英伟达的影响就更复杂。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>一方面，AI使用量持续扩大，意味着整个算力市场仍然具备增长空间。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>即使专用ASIC的市场份额提高，只要总算力需求扩张足够快，NVIDIA GPU的绝对需求仍然可能增长。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>另一方面，随着更多工作负载转移到TPU、Trainium等平台，英伟达对部分AI计算市场的定价能力和份额可能受到挑战。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>因此，未来英伟达的估值不能只看AI算力市场增长多少，还必须关注：\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cstrong>整个算力市场增长速度，与NVIDIA在其中的市场份额和利润率变化，究竟谁更快。\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>对于美光MU、Marvell MRVL、Coherent COHR和Lumentum LITE等产业链公司，分析逻辑则有所不同。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>只要AI数据中心仍然持续扩张，高性能内存、网络芯片、光通信和高速互联就仍然有望受益。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但模型公司计算效率改善，并不意味着这些公司的订单会同步增长。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>如果硬件效率进步导致采购结构改变，或者数据中心建设速度放缓，相关供应商的收入兑现节奏也可能发生变化。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>未来AI硬件投资最重要的研究问题，将不只是需求增长，而是新增计算需求最终会落到哪一种芯片架构，以及哪一段供应链。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Ch2>\u003Cspan>七、Anthropic的IPO，可能成为整个AI板块的估值试金石\u003C\u002Fspan>\u003C\u002Fh2>\n\u003Cp>\u003Cspan>目前，Anthropic拟议IPO的完全摊薄估值区间约为1.26万亿至1.41万亿美元。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>公司披露，截至2026年10月底的年化收入运行规模约810亿美元。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>如果按照估值区间高端计算，相当于约17倍当前年化收入运行规模。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这里的810亿美元并不是已经实现的全年营收，而是根据近期业务规模推算的年化指标。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>对于一家收入仍在高速增长的公司，这样的估值并非完全没有支撑逻辑。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但市场要接受这一估值，实际上需要相信三个前提。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>第一，企业AI市场仍然处于高速渗透阶段，未来几年收入增长能够持续兑现。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>第二，算法和芯片效率提升，能够让算力费用长期慢于收入增长。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>第三，模型竞争不会快速演变成价格战，导致AI服务利润率被持续压缩。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>只要其中一个假设出现问题，估值就可能受到明显冲击。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这也是为什么Anthropic IPO如此重要。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>它不仅是Claude背后公司的上市，也是华尔街第一次有机会用更完整的公开财务数据，对前沿大模型商业模式进行大规模估值。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>更关键的是，它将直接影响投资者如何评估OpenAI、云计算平台、GPU厂商以及数据中心运营商。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>因为过去市场对AI基础设施的大规模投资，很大程度上建立在一个共同前提之上：\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>最终，必须有人愿意为AI计算结果支付足够多的钱。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>如果模型公司能够创造持续增长的收入和现金流，那么整个AI供应链的需求基础就会更加牢固。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>反之，如果模型公司的收入增长最终无法覆盖长期计算承诺，那么此前依赖其扩张预期建立的部分估值，就需要重新审视。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Ch2>\u003Cspan>八、真正的投资拐点，不是AI不再烧钱，而是AI开始证明烧钱能够创造回报\u003C\u002Fspan>\u003C\u002Fh2>\n\u003Cp>\u003Cspan>回过头来看，Anthropic这份IPO路演最值得研究的，确实是那组45倍与10倍的数据。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但它所揭示的结论，并不是AI已经不需要大量资本投入。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>而是AI产业的经济关系可能开始发生变化。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>过去，投资者看到的是模型公司不断向芯片厂商和云厂商购买算力，却很难判断这些投入何时能够形成足够大的商业收入。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>现在，Anthropic开始提供更清晰的财务证据，表明收入可以远快于计算费用增长。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这对于整个AI产业是积极信号。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>但是，最近一个季度算力效率从2.08倍下降至1.72倍，营业利润重新转负，以及未来9009亿美元的合同承诺，也同时提醒我们：\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>AI商业化仍然处于高度资本密集、技术快速变化和竞争激烈的阶段。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>未来真正值得持续追踪的，不是Anthropic能不能把收入增长45倍变成60倍，而是三个更有意义的问题：\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cstrong>第一，每1美元算力费用创造的收入，能否重新突破2美元，并保持长期上升？\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cstrong>第二，随着新一轮算力设施集中交付，新增收入能否持续覆盖新增费用，带来稳定的经营利润和现金流？\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cstrong>第三，当更多模型公司转向专用AI芯片时，英伟达、AMD、博通、亚马逊和谷歌之间的产业利润将如何重新分配？\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这三个问题，或许比Anthropic上市首日上涨多少更重要。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>因为它们将决定未来几年，全球AI产业究竟能够形成多大的经济价值，以及这些价值最终归谁所有。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cstrong>AI烧钱的时代并没有结束。真正可能结束的，是不计成本、不问回报，只凭算力扩张故事就能获得高估值的时代。\u003C\u002Fstrong>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>下一阶段，华尔街关注的核心将从谁买了最多GPU，逐渐转向谁能用这些GPU和AI芯片创造最多的利润。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>这可能才是Anthropic此次路演带给整个美股科技板块最重要的信号。\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cdiv>\u003Chr>\u003C\u002Fdiv>\n\u003Cp>\u003Cspan>\u003Cem>美股大数据 StockWe 研究分析\u003C\u002Fem>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan>\u003Cem>数据来源：Anthropic IPO路演资料、Anthropic于2026年11月10日更新的SEC Form S-1\u002FA招股文件。文中同比、环比和效率倍数根据公开财务数据计算。本文仅供市场研究，不构成投资建议。\u003C\u002Fem>\u003C\u002Fspan>\u003C\u002Fp>\n\u003Cp>\u003Cspan> \u003C\u002Fspan>\u003C\u002Fp>","https:\u002F\u002Fwww.tradesmax.com\u002Fimages\u002Fa_Stock\u002FA\u002FANT\u002FANT.jpg","2026-11-11T16:45:41","2026.11.11","2026\u002F11\u002F11",40600,[22],"ANT","Article",0,"免费","success",{"id":9,"fullTitle":10,"subTitle":6,"url":11,"columnId":12,"columnName":13,"columnUrl":14,"summary":6,"contentHtml":15,"mainContentHtml":6,"posterUrl":16,"createDate":17,"displayDate":18,"displayDateSlash":19,"pageviews":20,"tags":28,"hidden":5,"isSubContent":5,"replyDocOrTargetId":6,"contentType":23,"videoId":6,"liveVideoUrl":6,"useContentVideo":5,"duration":24,"price":24,"priceText":25,"priceBadgeText":25,"priceBadgeClass":26,"freeForMinGroupLevel":24,"redirectUrl":6,"readyToStream":5},[22],"\u002Fcol\u002Fstocknews",{"visible":5,"marketingHtml":31,"services":32,"recentDocuments":41},"\u003Cfigure class=\"image\">\u003Ca href=\"https:\u002F\u002Fstockwe.com\u002Fdoc\u002Fdcio537efad5\" rel=\"noopener noreferrer\">\u003Cimg src=\"\u002Fimg\u002Fstockwewebfiles\u002Fweb-202408-stk\u002F1586109431mceclip0.jpg\">\u003C\u002Fa>\u003C\u002Ffigure>\u003Cdiv class=\"text-center\">\u003Ch2 class=\"card-title mx-auto\">\u003Cbr>\u003Ca rel=\"noopener noreferrer\" href=\"https:\u002F\u002Fstockwe.com\u002Fdoc\u002Fdcio537efad5\">案例介绍：英伟达深度研究报告\u003C\u002Fa>\u003C\u002Fh2>\u003C\u002Fdiv>",[33,37],{"productId":34,"serviceName":35,"priceText":36},"prod_PPxdDdK87QaiLv","月付","$12.95美元",{"productId":38,"serviceName":39,"priceText":40},"prod_PPxeMs3bix1da5","年付","$149.00美元",[],{"links":43,"images":71,"summaryHtml":76,"aboutTitle":77,"aboutHtml":78,"copyrightHtml":79},[44,47,50,53,56,59,62,65,68],{"label":45,"url":46},"深度报告","\u002Fcol\u002FdepthReport",{"label":48,"url":49},"VIP会员","\u002Fvip",{"label":51,"url":52},"期权推荐","\u002FOption",{"label":54,"url":55},"低价暴涨股","\u002FPenny",{"label":57,"url":58},"AI智能体","\u002FAiAgent",{"label":60,"url":61},"常见问题","https:\u002F\u002Fstockwe.com\u002FFAQ",{"label":63,"url":64},"美股课程","\u002Fcol\u002Fvideos",{"label":66,"url":67},"免责声明","\u002Fdisclaimer",{"label":69,"url":70},"联系我们","\u002FContactUs",[72,73,74,75],"\u002Fimages\u002Ffooter\u002Ffooter-1-wechat.gif?v=20260930c","\u002Fimages\u002Ffooter\u002Ffooter-2-telegram.png?v=20260930c","\u002Fimages\u002Ffooter\u002Ffooter-3-whatsapp.png?v=20260930c","\u002Fimages\u002Ffooter\u002Ffooter-4-line.png?v=20260930c","邮箱: buy@TradesMax.com 美国电话 626-378-3637","公司介绍","\u003Cp class=\"MsoNormal\">美股大数据 \u003Ca href=\"https:\u002F\u002Fstockwe.com\" rel=\"noopener\">StockWe.com\u003C\u002Fa> 是一个美国领先的金融和美股信息大数据提供商，紧盯华尔街金融市场和行情，2008年成立于美国硅谷，创始人是前纽约证券交易所资深分析师Ken，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化交易模型，每天处理海量股票数据：挖掘潜力大牛股，捕捉期权异动大单，实时主力资金流向、机构持仓变化、川普突发新闻，美股买卖信号第一时间发到您手机APP。\u003C\u002Fp>","专业美股投资者都在这里",{"loading":81,"search":82,"searchPlaceholder":82,"hotContent":83,"draft":84,"noData":85,"searchNoData":86,"courseContent":87,"more":88,"buyNow":89,"subscribeNow":90,"encoding":91,"paidContent":92},"Loading...","搜索","热门内容","草稿","目前没有任何内容公布","当前检索内容没有数据","课程内容","更多","立即购买后观看","- 立即订阅 -","视频编码中...","付费内容"]