Anthropic IPO背后的数字、AI泡沫之问，以及Meta支出仍在继续

摘要

• Anthropic强劲的经营业务，并不能消除维持前沿竞争力的成本。 Thompson称，订阅业务有盈利，API业务盈利能力更强；但训练相关研发支出超过推理服务成本，而且在上半年增幅更大，尽管使用量迅猛增长。竞争决定了支出节奏，而这“并非他们能掌控”。他预计泡沫终将出现、随后会经历痛苦的出清，但明确表示无法判断这次IPO是不是顶点。
• headline亏损与headline利润率，需要做不同的会计调整。 Thompson将2026年上半年财报中的800亿美元亏损归因于Amazon贷款负债重估，这笔贷款可能以股份偿还：「钱并没有真的流出公司」（“It’s not money out the door.”）。反过来，约一半收入来自云平台；平台抽成约30%，另有估算约37%，却被计入销售与营销费用。他认为这种处理抬高了毛利率，不过底层业务依然表现出色。
• 超大规模云厂商若为行业填补融资缺口，可能拿到更多AI上行收益。 Google、Amazon和Microsoft在自由现金流、债务与股权融资方面最有能力，能在客户收入追上支出之前充当「桥梁的承重梁」。发行股票的股权融资会稀释现有股东；资金吃紧的实验室最终也可能接受更差的条款。帮助搭桥的超大规模云厂商，还可能因此更有能力开发竞争芯片、压低Nvidia的价格。
• 即便相信AI，需求问题的关键也在于何时兑现。 Craig Moffett的检验标准是：2027—2028年，终端客户的付款能否支撑整个价值链，并排除供应商之间的交易。Thompson称，Anthropic当前收入远不足以覆盖行业资本开支，但这些基础设施服务的是未来2至5年的需求。「让人效倍增」并催生新业务，可能带来这部分需求；难点在于，这类转型往往需要更长时间。
• 前沿实验室需要与客户建立更深连接，才能摆脱只靠模型质量和价格竞争。 Microsoft和Palantir希望客户能随时更换模型；Thompson则认为，实验室最终需要掌握应用、工作流和界面。云端工作空间与用户积累的使用习惯，让迁移比更换API接口难得多：「锁定客户是赚钱的重要一环。」
• Meta的Muse战略，让高额训练支出成为投资逻辑的一部分。 讨论提到，股票发行规模可能高达950亿美元，股价一周左右下跌约10%；Sharp认为，稀释本身就是股价应该下跌的理由。Thompson称，Meta这类公司或许能承受稀释。Meta必须掌握Muse底层模型，因此真正连贯的质疑是：「Meta其实并不需要Muse。」他还认为，AI融资压力会促使Meta最大化Reels的互动和广告收入，从而间接威胁Netflix。
• 政府权力仍然制约着私人AI和通信基础设施。 Thompson的论点有条件：如果AI像Anthropic预测的那样强大，政府就会主张权力，因为「他们有枪」。两位主持人都认为，乌克兰Starlink事件的细节并不透明；Thompson猜测Musk的行动与华盛顿立场一致，Sharp猜测华盛顿提出了要求。两人都没有把这些猜测当作已证实的事实。

精读

1. Anthropic盈利的产品，置身于一场烧钱竞赛之中

• 被问及Anthropic上市会不会像Coinbase上市之于加密货币那样，成为AI见顶的信号时，Thompson回答：「我不知道。」他认为泡沫、痛苦的崩盘和最终复苏都不可避免，但无法判断时点。他担心的是，投资涌入的速度超过了有用创意被吸收的速度，而不是认为这项技术没有价值。

• Sharp读完S-1后的判断是，Anthropic看起来像「一家根基稳固的企业」。Thompson认同其经营核心：订阅业务有盈利，API业务的盈利能力更强。这一区别很重要，因为服务现有模型可以是一门好生意，但开发下一代模型的经济账要难得多。

• Sharp指出，订阅也带来了分发优势。客户已经付费，就会使用Claude、养成习惯，并在雇主内部为它争取支持。Thompson认为同时订阅两家竞争对手的服务值得，但怀疑多数客户是否会这么做。因此，订阅带来的不只是收入，也让客户持续接触产品。

• 问题在于研发：训练支出高于推理服务成本，而且上半年增幅更大，尽管使用量迅猛增长。竞争对手模型越强，Anthropic就越需要继续投入。「他们需要以多快的速度在这件事上花钱，并非他们能掌控。」Sharp强调，这是一项持续发生的支出，不是解决一次就结束的问题。

2. 云平台分发拓宽了客户触达，也让利润率更难读

• Amazon早期投资使Anthropic必须使用Trainium，Thompson怀疑这并非Anthropic最初所愿。但这一限制后来证明有用：从Nvidia起步，再支持Trainium、TPU并与AMD达成合作，意味着硬件必须具备灵活性。Anthropic搭建了「一层抽象层」，让软件能跨芯片运行。Amazon也从中受益：要求很高的前沿客户帮助Trainium完善能力和工具，服务其他客户。

• Anthropic同时登陆AWS、Google Cloud和Microsoft云平台，也帮助它赢得企业客户；相比之下，OpenAI当时与Microsoft绑定。Thompson举的例子很直接：一家数据已在AWS上的公司，自然更愿意在那里使用AI。Anthropic约50%的收入来自这3家云服务商。

• Thompson质疑这笔收入的会计处理。客户若向Amazon支付100美元，Anthropic就确认100美元收入，再将平台约30%的分成——估算中也有约37%——记入销售与营销费用。他认为应按净额确认收入，或将这笔付款列作收入成本。无论采用哪种方式，讨论中的headline利润率都会下降；但他仍认为这门生意的利润率很出色。

3. 800亿美元亏损揭示了稀释的运作机制

• Thompson将财报披露的2026年上半年800亿美元亏损，归因于Amazon提供的融资。Amazon以贷款形式提供资金，Anthropic可用来购买算力；Amazon可以收回贷款，也可以拿到股份。随着后续融资轮抬高Anthropic估值，贷款义务被重新计价，增加的金额计作亏损。Thompson认为，Amazon最终会在IPO时拿到股份：「钱并没有真的流出公司」（“It’s not money out the door.”）。

• 相应的投资升值会计入Amazon的利润。这也让超大规模云厂商的财报更难解读：报告利润可能随经营表现无关的投资而大幅波动。Thompson将Amazon对Anthropic投资的收益，与Google持有的SpaceX股份价值下跌作对比，并建议投资者关注营业利润。

• 会计调整并不会消除经济成本，稀释仍然存在。Thompson指出，Anthropic对Broadcom、Google以及约2笔半额外Amazon安排负有尚未履行的股份义务。他还提到一项条款：股价上涨约50%后，公司可以发行相当于已发行股份2%的新股。「买单的是现有股东」：他们的持股比例因这些安排而被稀释，换来的则是算力。

• 股权融资让新投资者一同分享上行空间，Thompson认为这比完全依赖债务更健康。Sharp更看重公众能够参与投资并获得信息披露，而不是公司永久留在私人市场。不过，Thompson质疑以1.5万亿美元或2万亿美元等示例估值买入，究竟有何吸引力。他对这套推销话术的概括是：「我们会不断稀释你们，但我们会掌控世界。」

4. IPO时点的财务快照，可能掩盖增长轨迹变化

• Sharp怀疑算力不足让上半年的财务数据显得更好，但他并不确定。Thompson解释，Anthropic当时算力不够：算力是大项成本，供应不足压低了成本，但客户同时遭遇服务中断。Sharp开玩笑说，这些客户「为Anthropic的IPO尽了一份力」，帮忙把利润率做得更好看。

• S-1中的数字截至6月30日。Thompson追问，考虑到OpenAI加速推进、Astra登场，Ramp等指标是否显示增长放缓，还是Opus 5.5推出后又重新加速。Sharp认为Opus 5.5可能让增长重启。但如果需求复苏取决于模型进步，就更说明训练竞赛需要持续投入。增长是否放缓仍不确定；Thompson也指出，如此惊人的增长不可能永远重复。

• Thompson称，财务信息到11月12日就会过时，而报道指向11月中旬上市。Anthropic是在这个时间点之前上市，还是提供更新，都可能显著改变投资者看到的情况。

5. 掌握界面，才能摆脱模型可替换的困境

• Thompson认为，除了OpenAI与Anthropic之争，还有另一场战役：前沿实验室与周边软件行业的较量。Microsoft和Palantir告诉客户，应围绕可互换的模型构建系统。Satya Nadella和Alex Karp强调灵活性、更低价格，以及避免把企业业务细节交给未来的竞争对手。

• 对于最大成本会随前沿竞争上升的实验室来说，这种主张并不轻松。如果客户只需更换API就能切换模型，实验室的定价权就有限。Thompson认为，「从长远来看」，实验室需要向技术栈上层发展，掌握客户体验。Sharp认为这可能带来巨额软件收入；Thompson更强调由此形成的客户黏性。

• 两人自己的使用习惯也说明，界面的重要性不取决于模型排名。Thompson把Codex比作会把邮件整理进文件夹的人：项目和对话线程适合结构化工作。曾经当过律师的Sharp称，Codex像「助理」，Claude像「合伙人」。Thompson说，Claude擅长处理各种临时任务；Sharp的GeckoBot项目里，大部分实际搭建工作则是在Codex中完成，由Claude为项目提供支持。

• 云端工作空间会进一步加深这种关系。虚拟机用起来方便，还能记住用户的工作；但正如Thompson所说，「你现在就被困在他们的云里了」（“you’re now stuck in their cloud”）。应用和熟悉的工作流会让切换越来越难。这正是向技术栈上层发展的商业目的：「锁定客户是赚钱的重要一环。所谓护城河是什么？」

6. Anthropic的道德定位引出治理问题

• 一位听众把Dario和Daniela Amodei在Walter Isaacson访谈中批评OpenAI，比作「有人在婚礼誓词里说前任坏话」。批评涉及广告、谄媚、政府关系和诚信。Thompson认为，这既是策略问题，也是个人观感问题：凡事通过反对对手来定义，就等于让OpenAI设定议程。「到底是谁在设定议程？」

• Thompson说，他从未认真看待Anthropic所宣称的道德权威。Sharp则表示，他相信他们确实试图扮演道德仲裁者。他担心的是权力集中：「不能由一小群人替所有人做决定。」Thompson认同，教Claude讲道德并不是正确做法。

• Thompson把治理问题与S-1中不寻常的公司结构联系起来：大约有7类股份，以及他称为「魔法股」的特殊投票安排。他更偏好利润激励清晰易懂的传统公司。这种激励机制有缺陷，但能让交易对手预判公司如何决策、如何投资。公众投资者获得了信息披露；同时也明知自己接受了稀释，以及并非单纯以利润最大化为目标的治理结构。

7. 最终需求必须支撑整条产业链

• 一位听众重新提出Craig Moffett关于2027年和2028年的问题：客户付给Anthropic和ChatGPT的钱，是否足以覆盖整个系统？Nvidia、TSMC、云厂商和实验室之间的交易，容易让人偏离这个检验标准。Sharp引用Moffett的话说：「真正重要的只有一件事：流入系统的钱足以支撑整个系统。」

• Thompson称，Anthropic当前收入远不足以覆盖全行业资本开支，但这些支出同时也在建设未来2年、3年、4年乃至5年所需的产能。不确定性在于时点。收入强劲增长时，投资者愿意容忍稀释和特殊治理结构；增长一旦放缓，同样的特征就会突然变得显眼。

• Google、Amazon和Microsoft最有能力动用自由现金流、依靠多元化业务借款，也能发行股票。它们是跨越融资缺口的「桥梁承重梁」（“girders of the bridge”）。如果实验室需要一轮又一轮纾困，超大规模云厂商可能获得相当大的所有权和控制权。Sharp设想，资金陷入困境的Anthropic，最终可能接受比Amazon早期融资更苛刻的条件。

• Nvidia支持新云服务商，反映出一种风险：收入追上支出之前，融资可能先断。Thompson用铁路作比：有用的基础设施可以在金融崩盘后继续存在。但如果超大规模云厂商出资搭成这座桥，对Nvidia又会带来另一个问题。这些客户议价能力更强，还能开发竞争芯片、压低价格；维持需求的公司，也可能削弱其供应商的地位。

8. 让人的能力倍增，需求兑现会更慢

• Thompson结合自己与Palantir的Shyam Sankar的交流，区分了两种增长方式：通过取代员工改善利润底线，或通过「让人效倍增」拉动收入。后者会带来从未存在过的工作流、机会和企业，通常也需要更长时间，而且往往由新公司推动。AI原生挑战者可能取代那些难以把AI嫁接到不适配软件架构上的老牌企业。

• Thompson对AI几乎乐观到了极点。Sharp说自己持中间立场，不认为AI会取代所有人。Thompson认为，经济活动并非完全围绕效率展开：其中很大一部分关乎地位、乐趣，以及人们想要但并非必需的东西。基础设施现在就要投入；偿还这些投资所需的企业和现金流，可能很久以后才出现。

• 他为广告辩护，背后的逻辑同样是相信新需求会不断出现。Meta可以向人们展示他们此前不知道自己想要的东西：「它在制造人的欲望。」经济活动里有价格昂贵的世界大赛门票，不只是AI能高效完成的必需任务。Thompson认为，Anthropic批评广告，说明它误解了人性。对于人们无法创造有价值新活动的说法，他回答：「我相信我们做得到。」

• Thompson以互联网为例说明时点问题：1993年之后，搜索广告约在1999—2000年出现，信息流则到2006年才出现。摸索一项强大技术的界面、商业模式和变现方式需要时间。Sharp认为AI会很有用，但不会取代所有人；Thompson则明确相信AI，同时强调变现和普及都需要时间。

9. Muse让Meta的训练投入成为战略承诺

• Sharp提到，Meta宣布增加AI支出计划并设立新的无投票权股份类别后，股价一周内下跌约10%。报道讨论的股票发行规模可能高达950亿美元。Sharp认为，稀释本身就是股价应该下跌的理由；Thompson指出，Meta、Google和Microsoft这类公司或许能承受稀释。

• Anthropic披露的信息让Thompson更看清这场争论，因为它揭示了训练成本占比。Muse可能成为「聚合器的聚合器」，掌握用户与其他服务之间的界面。但Meta必须控制足够好的底层模型；若把这项依赖交给同样想掌握用户界面的实验室，就会有风险。「如果你看好Muse，就应该乐见他们花钱。」

• Sharp认为Muse的模型还不够好；Thompson则说自己并没有明显感受到这个短板。Sharp转而强调，Muse接入1Password是一个重大改进。他解释，专为智能体设置的保险库可以提供API密钥和密码，不必再折腾终端文件，也不用把密钥直接贴进聊天窗口。Thompson认为，1Password转向跨平台企业软件的决定虽然不受欢迎，却很有先见之明：企业愿意付费，Apple给面向消费者的密码工具带来压力，而智能体需要凭证。

• 训练与推理服务成本的区别，也改变了对Anthropic拓展企业业务的看法。Sharp说，S-1让他对此多了些理解：巨额训练账单带来压力，公司必须把产出的模型卖出去。Thompson指出，与训练相比，服务企业客户消耗的算力相对很少，因此不必过度担心企业客户一定会挤占其他产品的算力。

10. Meta的现金引擎支撑野心，也给Netflix带来压力

• Thompson说，Sharp提出了最有说服力的投资者质疑：「Meta其实并不需要Muse。」Meta的广告业务依然强大。只想稳稳优化业务的投资者，可能更喜欢Google或Amazon这种管理更职业化的公司。Meta则有创始人Mark Zuckerberg继续追逐下一个平台机会。Sharp认为，这条路比Meta之前的一些尝试更有希望。

• Thompson认为，Amazon专注基础设施和推理服务很合理，毕竟它本来就是一家低利润率、以物流为核心的公司。它可以服务Anthropic和OpenAI，而不必花数十亿美元去争夺前沿研发领先地位。两位主持人把关于Google的讨论留到了下一期。

• Thompson对Netflix的判断是间接的。AI支出增加给Meta带来现金压力，促使它投放更多广告、争取更多用户互动。过去Meta还会克制信息流广告密度和视频消费，现在则变成「所有旋钮都拧到11档」。有人花1小时看Reels，留给Netflix的时间就少了。Sharp起初不认同常见的AI视频替代论，后来认为这种成本压力机制更有说服力。

11. 国家权力左右AI使用权和军事基础设施

• 对于一位听众认为他要求Anthropic必须服务政府的说法，Thompson澄清了自己的观点。如果AI足以改变文明，政府就会主张对其部署的权力：「他们有枪。」他谈的是权力关系和不可避免性。至于监控或武器瞄准是否符合道德规范，是另一个规范性争论；这并不能改变这样一个问题：掌握压倒性强制力量的国家，是否会允许私人供应商决定条件。

• Thompson区分了商业版Starlink和军用版Starshield。「据我了解」，Starshield的使用由美国军方控制；他也承认，Musk的权限边界并不完全清楚。谈到乌克兰，他指出该国使用的是商业版Starlink，而非Starshield，并提出一种可能性：华盛顿要求Musk执行服务条款。

• 两位主持人都强调，他们对乌克兰据报发生的服务放缓事件所知甚少。Thompson猜测Musk与特朗普政府立场高度一致；Sharp猜测这是美国政府提出的要求。这些都只是推测。两人共同的判断是，乌克兰的力量不及华盛顿，也不及它所依赖的基础设施供应商。

• Thompson从产业角度指出，消费需求能为军工生产提供规模。只服务于一个政府客户的国防主承包商，往往更偏向昂贵、低产量的系统；但无人机和导弹日益需要大规模生产。他以汽车工厂转产战时装备作类比。他提出的扩大美国无人机产能的路径十分明确：「禁止所有外国无人机，并在全美彻底开放无人机配送。」Sharp认同商业规模带来的优势。

12. 有说服力的电影，也可能承载站不住脚的前提

• Thompson称《You Can See Everything》是「纪录片界的《疯狂动物城》」：制作精良，却承载着他无法接受的前提。他反对把Elizabeth Holmes解读为受男性操纵的受害者，对她的几段关系也有不同理解。他具体不满的是，片中剧院里的观众听到Holmes让Billy Evans获得委托书后大惊失色；Thompson认为，一个人即将入狱，而伴侣要照顾孩子，这种安排很正常。

• Sharp为影片辩护，认为它是在评论媒体与真相，而不是一部关于Elizabeth Holmes的纪录片。他看到其中有多层建构和解读，认为它应该拿最佳影片。Thompson承认影片制作很有说服力，但仍对这种说服所达成的效果感到不满。

13. Brewers夺冠，回报了享受赛季本身的心态

• Thompson早已接受Brewers作为小市场球队的局限，也学会享受夏日夜晚，不再期待他们赢得世界大赛。篮球比赛里有Giannis则不一样：一旦真的有机会，压力就会接踵而至。Brewers夺冠后，他最初竟然没什么感觉，因为自己「早把季后赛从心里封存了」。但当他讲起既享受整个赛季、又意外收获冠军结局时，情绪还是涌了上来。

• 这又回到了AI带来的不确定性与可控性。Thompson反感人们为一个无法预知的未来忧心忡忡，却错过当下真正能过的生活。「善待身边的人。学习新东西。探索新东西。」体育带给他的教训是，比赛结果不由球迷掌控；更广泛的建议则是：「等未来来了，再想办法应对。」