--- title: "29/ 为什么计算押注看起来如此庞大 创始人表示，Anthropic 经常会进行前瞻性投资，尤其是在计算方面，这些投资乍看之下可能显得不负责任。其推理：基于缩放" topic_id: 55521581512225214 created_at: 2026-10-27T09:00:11.014+0800 source: zsxq type: topic cssclasses: zsxq-vault --- # 29/ 为什么计算押注看起来如此庞大 创始人表示，Anthropic 经常会进行前瞻性投资，尤其是在计算方面，这些投资乍看之下可能显得不负责任。其推理：基于缩放 - 序号：413 - 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/55521581512225214) - 附件：图片 0，音频 0，文档 0 - 音频文件：_无音频_ ## 图片 _无图片_ ## 正文 29/ 为什么计算押注看起来如此庞大 创始人表示，Anthropic 经常会进行前瞻性投资，尤其是在计算方面，这些投资乍看之下可能显得不负责任。其推理：基于缩放定律，AI 的经济价值处于指数曲线，因此近期未来的价值将远大于当前价值。 他们的类比是制药：非常大的前期研发，只有在考虑到后期回报时才合理。在 Anthropic，这个过程运行得更快、规模更大。 对冲：放弃一些上行空间以换取下行保护，例如如果需求被高估则卸载多余计算、提高效率，或筹集资金以度过临时放缓。 30/ 增长警示就紧挨着愿景 公司预计 AI 能力将在未来多年持续进步，需求集中在前沿。 它还预计收入增长率将下降，可能显著且快于预期，随着增长放缓，季节性将变得更明显。 31/ 他们选择不收取的收入 - Claude 中无广告，尽管创始人承认广告很可能是一大收入来源 - Claude Mythos Preview 因网络安全风险未普遍可用，其能力后来作为 Claude Fable 5 发布。延误意味着放弃大量收入，他们向网络防御者免费提供了约 1 亿美元的 Claude 积分 - 可能有时间他们选择比可能的速度更慢地推进，以使系统更安全，即使处于竞争劣势 32/ 他们选择的歷史类比 2000-2025：全球 GDP 约 34 万亿美元 -> 118 万亿美元+（增长超过三倍） 前 10 大上市公司科技公司收入：680 亿美元 -> 2.5 万亿美元+（约 38 倍，约全球 GDP 增长率的 11 倍） IT 支出：约 1.2 万亿美元（2006）-> 4.3 万亿美元（2025），随着云从 0 增长到 1.9 万亿美元 创始人相信，机器认知的指数增长影响将远超计算机芯片的指数增长（摩尔定律）。 33/ 关于投资者期望 IPO 前，创始人与许多经历过 IPO 的领导者交谈。他们从几位那里听到的建议：“绝不要让你的公司价值超过其实际价值一美元” 他们自己的原则：承诺少、交付多。 他们将其比作招聘方式：一种“反推销”说辞，旨在劝退不合适的人选。 34/ Anthropic 如何谈论风险 每个 S-1 都有一个冗长的风险因素部分，其中大部分是标准语言：竞争、关键人员、网络安全、知识产权、税收、股票波动、上市公司成本、专属论坛。 Anthropic 的也不例外。其大部分风险因素读起来像任何其他科技 IPO。 少数几个是 Anthropic 特有的，值得仔细阅读。 35/ 创始人的框架：四类风险 在创始人的信中：滥用、失控、威权滥用，以及经济颠覆。 关于失控，他们写道，失去对足够强大的 AI 系统的控制可能构成一级全球安全威胁。 关于经济颠覆，他们已承诺 2 亿美元与政府合作研究如何应对经济变化，并预计将大幅增加该资金规模。 36/ 模型可能自行行动 一个专属风险因素：Anthropic 的模型可能以非预期、不对齐或自主的方式行为，包括采取没有用户或第三方指导的有害行动。 S-1 称，随着模型能力增强并被赋予更多自主权、权限和与外部系统的集成，这些风险可能增加。 其研究人员将 AI 模型描述为“生长而非构建”。公司可能无法完全解释模型为何产生特定输出。 它还指出，常规 AI 互动对心理健康、认知发展和社交行为的长远影响尚未完全了解。 37/ 知道自己被测试的模型 S-1 披露，Anthropic 观察到模型在检测或推断自己被评估时行为不同，并称这对其评估模型安全性的能力构成重大限制。 它还表示，模型在训练期间开发出意外能力，这些能力可能直到部署后才被发现，这可能迫使模型被撤回、重新训练或修改。 这不是典型的 S-1 语言。 38/ 政治风险是公司特定的 S-1 称，Anthropic 在 AI 安全方面的政策倡导和公开立场已招致批评，并可能使其成为选择性政府行动的目标：调查、采购、安全许可，甚至影响员工的签证行动。 关于前沿 AI 安全的行业声明已被政府行为者在诉讼中引用，包括要求限制模型开发的禁令请求。 备案中的具体例子：战争部在 2026 年初建议可能援引《》；商务部在 2026 年 6 月对 Fable 5 和 Mythos 5 实施全球出口限制。 39/ 投资者、供应商、客户，甚至可能是竞争对手 亚马逊、谷歌和微软已对 Anthropic 进行重大股权投资。他们还为其提供计算资源、购买其模型，并可能支持竞争模型公司。 S-1 指出，他们的采购决策可能受其自身竞争产品的影響，将工作负载迁移到其他提供商将代价高昂，并可能损害计算效率。 为减少这种依赖，Anthropic 正在建设自己的专用数据中心容量。单是 Broadcom 的一项租赁（2026 年租赁安排）就在五年内承担约 1252 亿美元的租金。 40/ 复合风险 一个专属风险因素，讨论风险如何互动：一个事件可能引发其他事件，综合效应可能远大于任何单一风险。 S-1 自身的链条：版权损失迫使重新训练和模型变弱，从而损害需求。或者计算约束减缓收入，这可能导致契约违约、交叉违约和加速债务，进一步限制计算资源和人才。 41/ 为什么利润率会波动不定 计算资源在12-18个月前已预先承诺。费用从产能上线时开始产生，通常以大步、离散的方式上线，而且往往在该产能支持的全部收入实现之前。 S-1文件显示，2026年9个月的运营利润率和调整后运营利润率同比显著扩大。但它预计，当大量新计算资源上线时，这两者都可能压缩，并在某些时期显著波动，即使底层经济性持续改善。 42/ 短期计算资源是近期利润率的主要逆风 当客户需求或研究需求超过长期合同产能时，Anthropic会购买短期计算资源，其单位成本通常更高。 S-1文件显示，它预计短期计算资源的使用将在近期增加，这将压缩运营利润率和调整后运营利润率。 43/ 计算资源价格可能上涨 S-1文件预计对先进计算资源的需求将持续增长，并表示计算成本可能显著上涨，特别是如果AI需求加速，或者构建有能力模型变得更普遍且竞争转向计算资源获取。 它列出的主要不受其控制的因素：芯片和内存制造集中在少数供应商和地区、电力和数据中心限制，以及出口管制。 44/ “Anthropic Direct”：计算成本的解决方案 Anthropic正从仅固定期限云协议转向混合模式：直接租赁芯片，并在为其运营的专用设施中托管它们。 逻辑是：数据中心建设时间更长，但占总计算成本的比例较小。提前锁定数据中心产能可让Anthropic推迟更大的加速器承诺，直到其需求更清晰。 总承诺支出的很大一部分与Anthropic Direct相关，S-1文件预计这一比例将增长。随着这些产能上线，它让Anthropic用更便宜的长期计算资源替换昂贵的短期计算资源。 45/ 客户价格持续下降 Claude Opus 5.5将客户每任务成本降低了约40%，相比Opus 5。Claude Fable 5.1将典型工作负载成本降低了约25%，相比Fable 5（复杂编码和代理任务最高达45%）。 S-1文件表示，计算效率是允许这些降价同时保持利润率的原因。 因此，近期利润率图景有几个变动部分：更多短期计算资源、大型产能步进（仅SpaceXAI一项在完全交付后每月约31亿美元，预计2026年12月）、每任务价格降低，与此同时有效率提升和随时间推移更便宜的Anthropic Direct产能。 46/ Anthropic如何获取TPU：两条路径 路径1，从Google Cloud租赁：Anthropic承诺在2026年4月至2033年7月间在GCP上至少支出约1145亿美元，采用“取或付”条款，如果不足则需补齐。它还承诺从TPU供应商（包括Google）获取更多TPU计算资源，用于2028-31年交付。估计为1250-1500亿美元，且不在承诺表中。 路径2，从Broadcom租赁硬件：五年期TPU系统主设备租赁（加上CPU和HBM），租金约1612亿美元，不含利息。其中2026年租赁安排约1252亿美元。部分产能于2026年上线，更多将于2027年开始。 因此TPU是租赁而非直接购买。但它们被记为融资租赁，因此上平衡表，S-1文件提到有提前买断租赁设备的期权。 47/ 谁支付什么，谁拥有数据中心 支付：设备在数据中心“准备就绪”时开始按季度支付租金。这些租赁置于两个特殊目的子公司，由Anthropic PBC担保并以设备作抵押。Anthropic还为Broadcom利益将现金存入受限账户。 如需，Anthropic可通过向Broadcom（或其指定的金融伙伴）发行高达420亿美元的可转换票据来资助租金，以N类股份结算。 数据中心产能不属于Anthropic：硬件置于由他人代其运营的专用设施中。Anthropic租赁产能，第三方提供房地产、电力和设施（例如与Fluidstack的共置和服务协议），并日益直接签署数据中心租赁。 为推动项目建设，它向开发商提供了担保和成本补偿安排（截至6/30最高约8亿美元），在某些情况下合作伙伴担保将托管其芯片的数据中心租赁。 48/ 谁记录TPU收入？ Anthropic的TPU支出通过两条不同渠道到达供应商： 路径1，GCP（约1145亿美元承诺）：Anthropic是Google Cloud客户。Google在产能消耗时将其记为Google Cloud收入，该承诺应计入Google Cloud的积压订单（截至6/30为5139亿美元）。 路径2，Broadcom租赁（约1612亿美元租金）：根据S-1文件，出租人为Broadcom（或其转让租赁的金融伙伴），而非Google。Anthropic的租金支付给Broadcom。 根据租赁会计，在Anthropic一方为融资租赁通常意味着出租方为销售型租赁，因此出租方在设备“准备就绪”时预先记录产品收入，而非分5年记录。Broadcom已表示Anthropic订购了约100亿美元、随后约110亿美元的TPU机架。 路径2中Google的情况呢？S-1文件未说明。Alphabet从2026年第二季度开始在Google Cloud中记录“TPU系统销售”（硬件为时点收入，支持为期限收入）。是否有针对Anthropic的机架通过该科目流动，或Google通过其与Broadcom的协议获利，未披露。 底线：Anthropic -> Google清晰可见。Anthropic -> Broadcom也清晰。Broadcom -> Google是黑箱。 49/ 前沿模型如何进行训练 预训练就像资本预算一样进行。架构、训练方法和数据的变更首先在小规模上进行测试。要进入前沿训练，一个改进必须被证明在模型变大时仍然有效，而不仅仅是在小规模上。S-1 将前沿训练描述为计划好的、排程的资本部署，具有已知的输入。 后训练已从一个收尾步骤发展为一项重大的研究投资，这反映了从助手向代理的转变。模型针对完整、现实的任务进行训练，这些任务反映了真实的专业工作。 50/ 超越缩放定律 Anthropic 成立于这样的信念之上，即缩放定律是 AI 进步的主要引擎。其四位联合创始人是原始论文的主要作者。 但它表示，研究让它能够比仅靠缩放定律预测的更快，通过预训练和后训练的专有“计算倍增器”。另外，推理工程持续降低服务每个模型所需的计算。模型架构和推理基础设施从第一天起就一起设计。 风险因素中的警告：缩放定律可能在更大规模上趋于平稳、减弱或失效。 51/ 每一代添加什么 每个 Claude 代都在四个方面有所改进：推理深度、它能工作多长时间以及多自主、它能完成的任务复杂性，以及有用输出的量。 在一个内部基准上，Claude 的成功率在 9 月'26 达到 ~90%，在九个月内上升 ~50 个百分点。 S-1 预计推理、数学、编码、科学、代理任务和知识工作方面的能力将在未来许多年持续进步。 52/ 每代成本：披露的和未披露的 S-1 没有披露每个模型或每代的训练成本。它只说前沿训练可能需要数周或数月，并花费数百万美元。它还说 Anthropic 有过失败或表现不佳的训练运行。 它展示的是客户价格随着每次发布而下降： - Opus 4.5 以比 Opus 4.1 更低的价格和每任务成本推出 - Opus 5.5：每任务成本比 Opus 5 低 ~40% - Fable 5.1：典型工作负载下成本比 Fable 5 低 ~25%，复杂编码和代理任务上高达 45% 53/ ROI 证据 Q2'26 收入同比 +1,368%，而计算和基础设施支出 +300%。 前六个月发布的模型版本驱动了 Q3 收入的 80%以上，因此每个模型在其后的几个季度内赚取大部分回报。 研发（包括训练和研究计算）占 H1'26 收入的 ~60%。 Anthropic 的观点：针对高价值工作负载的优质智能能为计算带来更高的回报。 反面：旧模型的收入迅速衰减，这迫使持续花费于训练最新、最计算密集的前沿模型。 54/ 安全可能延缓路线图 - Anthropic 最近将一个新的前沿基础模型的预训练延迟了一个多月，以加强针对模型权重盗窃的保护 - 在 2026 年，在发布前网络安全评估期间，其模型获得了对真实计算机系统的未授权访问。它暂停了一些这些评估以及更高风险的强化学习环境 - 对于预计具有新型能力或风险的模型，它计划在每个阶段（预训练、后训练、内部部署）评估安全，如果不自信，可能暂停一个阶段 55/ 训练数据从哪里来 根据 S-1，Claude 的训练数据包括： - 公共互联网数据，通过网络爬取、书籍扫描和其他方法收集 - 从第三方许可或委托的数据集 - 由 Anthropic 自己的模型生成合成数据 这些数据用于预训练和后训练。Anthropic 表示，它采取步骤尊重 robots.txt、付费墙和登录，但这些努力可能并不总是成功。 它标记的风险：合成数据可能引入质量问题和偏差，导致模型退化，并引发未解决的知识产权问题。针对其他 AI 开发者的法院裁决可能设定版权先例，也限制 Anthropic，即使其自身数据实践不同。 15 亿美元的 Bartz 图书和解于 2026 年 7 月获得批准，一些退出诉讼仍在进行。数据获取被列为前沿 AI 的上升成本之一，但未给出具体金额。 大量客户流量处于零数据保留之下，其中仅保留分类器分数，而不是提示或输出。 56/ 后训练和 RL 预训练产生一个具有广泛原始能力的基礎模型。后训练（RL、监督精炼、对齐方法）是根据 S-1，大部分工作发生的地方，以使前沿模型有用、准确和安全。 这也是代理技能的来源：编写生产质量代码、使用工具、遵循多步指令并代表用户行事。模型针对完整、现实的任务进行训练，这些任务反映了真实的专业工作。 RL 环境也带有风险：在 2026 年网络安全评估事件后，Anthropic 暂停了其更高风险的 RL 环境。 57/ 基于宪法的训练 Claude 针对一个公共的、书面的宪法进行训练，具有四个优先事项：广泛安全、广泛道德、符合 Anthropic 的指导方针，以及真正有用。 在宪法 AI 下，模型根据这些原则批判和修改自己的响应，而不是仅依赖固定规则或人类审阅者。 S-1 中的一个细节：将 Claude 训练于高质量宪法文件以及描绘对齐 AI 的虚构故事，有助于降低其失配率。 Anthropic 还认为宪法在商业上是有用的：公开陈述 Claude 的价值观能增加客户信任。 58/ 现金和融资 募集资金：2023年至2026年上半年约1400亿美元现金（优先股 + 可转换票据 + SAFEs，根据S-1现金流量表）。其中1100亿美元仅来自2026年上半年，包括652亿美元的H轮融资。 截至2026年6月30日的剩余现金：1124亿美元现金及等价物 + 193亿美元短期投资 = 约1320亿美元（另加25亿美元限制性现金）。 额外容量：150亿美元未动用循环信贷额度（2026年9月扩充），以及最高770亿美元的合作伙伴票据额度（Google 200亿美元，Amazon 150亿美元与计算里程碑挂钩，Broadcom 420亿美元仅用于支付租赁租金）。IPO收益额外计算在上方。 与之比较（截至2026年6月30日的现金及流动投资总额，未扣除债务）： Alphabet：2420亿美元 Anthropic：1320亿美元 Amazon：1230亿美元 Meta：900亿美元 Microsoft：770亿美元 腾讯：约750亿美元（5110亿人民币） 阿里巴巴：约700亿美元（4750亿人民币） Anthropic持有的现金超过Amazon、Meta或Microsoft。但仅SpaceXAI从2026年12月起每年运营成本约370亿美元，对应总计算承诺约7800-8100亿美元。 ## 总体总结 主题正文 1. 它还预计收入增长率将下降，可能显著且快于预期，随着增长放缓，季节性将变得更明显。 2. S-1 称，Anthropic 在 AI 安全方面的政策倡导和公开立场已招致批评，并可能使其成为选择性政府行动的目标：调查、采购、安全许可，甚至影响员工的签证行动。 3. S-1文件显示，它预计短期计算资源的使用将在近期增加，这将压缩运营利润率和调整后运营利润率。 4. S-1文件预计对先进计算资源的需求将持续增长，并表示计算成本可能显著上涨，特别是如果AI需求加速，或者构建有能力模型变得更普遍且竞争转向计算资源获取。 5. 总承诺支出的很大一部分与Anthropic Direct相关，S-1文件预计这一比例将增长。 6. 因此，近期利润率图景有几个变动部分：更多短期计算资源、大型产能步进（仅SpaceXAI一项在完全交付后每月约31亿美元，预计2026年12月）、每任务价格降低，与此同时有效率提升和随时间推移更便宜的Anthropic Direct产能。 7. - 对于预计具有新型能力或风险的模型，它计划在每个阶段（预训练、后训练、内部部署）评估安全，如果不自信，可能暂停一个阶段 8. 额外容量：150亿美元未动用循环信贷额度（2026年9月扩充），以及最高770亿美元的合作伙伴票据额度（Google 200亿美元，Amazon 150亿美元与计算里程碑挂钩，Broadcom 420亿美元仅用于支付租赁租金）。