Anthropic 的商业计划：押注算力与递归自我改进

Anthropic 的 S-1 文件似乎为公司尽可能多地在算力上花钱提供了财务上的理由。如果你是那种会想“Anthropic 是不是一边竭尽全力打造机器之神，一边又让华尔街相信它做的是卖 IT 合同的生意”的人，那么 Anthropic 刚刚给出了一个方便的答案：做一堆看起来像在打造机器之神的事情，是避免破产的唯一办法。

先暂时忘掉机器之神。至少在我看来，这份 S-1 文件显示，Anthropic 似乎把公司的未来押在了爆发式增长上；为了覆盖固定成本，它不得不这么做。你不必是 AI 怀疑论者，也会对这些数字挑一挑眉毛。但如果你怀疑那种戏剧性的递归自我改进是否可能——而这份商业计划似乎正需要这种改进——那这看起来就不像是一笔好投资。

先说对 Anthropic 粉丝来说的好消息。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 800 亿美元的亏损，但这在很大程度上是会计处理问题，与底层业务无关。如果去掉这部分，再剔除包括员工薪酬在内的一些其他费用，2026 年上半年的调整后利润为 16.2 亿美元。我之前问过，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 只把 OpenAI 和 Google 列为竞争对手

Anthropic 比 OpenAI 或 Elon Musk 克制得多，而这似乎正在带来回报。（Anthropic 只把 OpenAI 和 Google 列为竞争对手。Elon，下次好运！）这家公司从未发布过 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。而且它聚焦于企业市场，这个市场不像消费者那样善变。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 面临着激烈的竞争压力——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，但这个排行榜经常变化。而对于那些不在乎自家软件落后四个月的人来说，还有开源模型可选。

此外，Anthropic 面对像 Google 这样的对手时处于劣势。它没有多条收入路径——而 Google 有。Google 还可以把它的 AI 嵌入企业已经在使用的其他产品中。还记得Microsoft Teams 吞掉 Slack 的事吗？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 被打包进了企业已经在付费使用的其他程序里。拥有最好的模型对网络安全——Anthropic 瞄准的增长领域之一——比对即时通讯软件更重要，但在分发渠道上很难竞争。

还有一些长期承诺，凸显了 Anthropic 面临的扩张压力有多大

此外，收入是间歇性涌入的，通常是在新模型发布之后。在竞争以及每款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，而且必须比规模大得多的竞争对手更高效地训练。

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

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 页的购买承诺和租赁协议处有一个方便留白的空栏，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栏。不过，我们知道这些承诺一直延续到 2045 年。

幸运的是，有一个“承诺与或有事项”部分可以帮我们一点忙。不可取消的购买承诺有固定的最低总额，为 2656 亿美元，期限在 1 到 20 年之间。截至 6 月 30 日的未经审计数据，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 又签订了总额约 2450 亿美元的新算力和基础设施协议，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。此外还有其他可变的算力承诺。

“S-1 定格了一个美好时期：当时他们的初代模型使用量飙升。”

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

因此，为了履行这些承诺，Anthropic 的增长必须以极快的速度持续下去。Anthropic 没有给出未来承诺的付款时间表，但 PitchBook 的分析师 Harrison Rolfes 建模估算，2027 年至 2030 年每年约为 900 亿美元，这意味着需要 1880 亿美元的收入才能保持当前的成本与算力比率稳定。“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（以及其他一些项目）成本为 23 亿美元。模型开发（以及其他一些项目）的成本要高得多；Anthropic 在这上面花了 97 亿美元。但根据 Rolfes 的说法，Anthropic 同时变得更高效了——每带来一美元收入所花的算力费用更少了。

网络安全行业的每个人都必须不停奔跑才能留在原地，Anthropic 正是如此

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 定格了一个美好时期：当时他们的初代模型使用量飙升，而算力不足，因此他们能够对已有的算力收取更高费用，”Futurum Group 的分析师 Brendan Burke 说。

作为企业软件，Anthropic 瞄准公司的 IT 预算合情合理。方便的是，网络安全恰恰是一个如果你不持续跟进就会被彻底搞垮的领域——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；黑客可以用它来暴力破解以前做不到的事情。此外，由于合作伙伴在 AI 智能体相关的安全协议上搞出了马虎的烂摊子，这些产品本身也在引发头疼问题。

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

Claude 已经在人类指导下构建 Claude

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

但增长的压力是无可否认的。这正是递归自我改进的用武之地——只需极少或无需监督。“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 已经在人类指导下构建 Claude。在其风险因素中，Anthropic 警告说它已锁定于这一路径。这伴随着明确的权衡，因为用 AI 开发更多 AI“可能导致我们模型能力的进步速度超过我们开发、验证和实施相应安全、对齐和安全措施的能力”。如果我理解正确，Anthropic 是在说，它的业务依赖于如此快速地构建新模型——使用它可能并未完全理解的工作——以至于出于商业原因，它实际上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，Anthropic 就更难履行其现有的算力承诺并实现盈利。

关注本报道中的主题和作者，在个性化首页信息流中看到更多类似内容，并接收邮件更新。

• Elizabeth Lopatto