主题 先锋 趋势 方法 作者
返回

185: Anthropic招股书丨与Amont李肇宇聊定价逻辑和潜在风险

·晚点聊 LateTalk

正在生成长图…

本篇主题 AI一级市场估值与泡沫 头部模型护城河之争 AI资本开支与泡沫风险 大模型推理成本优化 代码智能体与软件工程演进 企业AI落地ROI与成本控制 AI万亿资本开支与泡沫风险
本篇先锋 Rob Li(李肇宇)

摘要

  • 李肇宇认为,若要争取1.5万亿美元估值,十月ARR需要重新说服市场。 录制时媒体报道的三季度收入为168亿美元,环比增速由144%降至45%;按当时趋势外推,年底ARR约850亿—900亿美元,低于此前1,000亿美元的乐观预期。他认为,若十月数据外推后仍不理想,上市估值“能不能做到一点二到一点三都是一个问题”,但第一版招股书尚未披露这个关键数字。
  • 客户集中度改善是明确利好,900%的NRR则必须连同基数阅读。 前五大客户合计贡献约五分之一收入,最大客户未超过10%,比李肇宇此前预想健康;但超过半数财富500强成为客户,不等于采购金额已经充分释放。他强调,老客户增购才能验证ROI,而“如果基数本身特别小的话,那这个数字是没有任何意义”。
  • 约37%的云渠道分成,换来的是客户、算力和融资能力。 面对程曼祺提出的“比苹果税还高”,李肇宇认为这笔费用“完全值得的”:Anthropic销售团队小,短期上量需要云厂商,企业客户也依赖既有服务关系与数据保障。收入比较还要注意口径:节目称Anthropic按总额计入渠道收入,OpenAI则按扣除渠道分成后的净额计算收入和ARR。
  • 算力合同的风险取决于退出条款,不能只把超过6,000亿美元的名义金额相加。 部分合同可提前90天取消,博通约1,612亿美元的合同则刚性较高;程曼祺估计,高刚性承诺合计仍约3,000多亿美元。与此同时,客户收入缺少同样长期的约束,李肇宇用WeWork概括这种错配:“你的成本是长租,你的收入是短租。”
  • 算力效率正在改善,但调整后盈利与正自由现金流尚不足以证明模式已经跑通。 算力支出占收入从250%降至48%,李肇宇认为降到20%—25%才较健康。他质疑博通租赁相关现金支出的列报,称之为“会计上的一个小把戏”;把训练下一代模型等支出都考虑进去,他判断公司仍在亏钱,最终要看单位算力收入能否继续提升。
  • Coding之后的增长空间指向知识工作,复制其采纳速度却并无现成答案。 程曼祺追问,其他行业是否同时具备编程的标准化程度、可见价值和用户接受度;李肇宇承认,关键是“有多少是标准化,有多少是非标”。律所采用Harvey提供了一个具体样本,但投资等工作判断分歧大,数据收集与推广都更费时间,40万亿美元知识工作者工资也不能直接等同于可替代收入。
  • 判断AI上游需求,必须区分单家模型厂失速与整个市场放缓。 李肇宇用小鹏少卖车、宁德时代未必受损作比:客户转向其他闭源或开源模型,并不等于总算力需求下降,“核心的核心在需求端”。但企业CIO连ROI如何测量都尚未理清,较可用的是Snowflake、Databricks及云厂商观察到的同期用量,而非已经得到验证的需求预测。
  • 李肇宇把直接宣判泡沫破裂称为“很明显是过度恐慌”,同时明确拒绝保证AI一定成功。 亚马逊对2027、2028年云业务各增长40%的信心,仍须由最终客户支出兑现;他的持仓耐心建立在不使用杠杆之上。若需求崩盘,他认为缺乏壁垒、依赖private credit的算力与芯片公司会受到重创,但银行参与程度和行业占GDP比例,使其不能直接类比2008年。

精读

1. 三季度增长仍快,却已经落后于市场的增长剧本

  • 程曼祺先交代数据时点:节目录于上周四,之后Anthropic更新了招股书中的三季度收入、长期算力支出等数字。以下讨论使用录制时的披露与媒体报道口径,不能把其中的估算当作更新后的正式数据。
  • 按录制时媒体报道,三季度收入168亿美元,第二季度招股书披露收入115.55亿美元,环比增速从144%降至45%。李肇宇的区分是:“从它自己来说的话是OK的,从市场的预期来说是远远不及市场预期的。”问题在于市场此前期待年底ARR超过1,000亿美元,而当时外推只有850亿—900亿美元。
  • 程曼祺提出模型发布节奏的解释:OpenAI在九月初发布GPT-6 Extra及后续系列,Claude到季度末才更新。李肇宇补充,Anthropic称约5%—7%收入来自蒸馏,清理这类账户会一次性影响增长;他认为长期应该治理,但短期分析不能忽略被主动砍掉的收入。他还提到,公司称十月不会有这个蒸馏因素;而按12月31日之前28天的token消耗速度计算,圣诞假期也可能让数据显得比实际业务增速更差。
  • 第一版S-1没有十月ARR,是李肇宇眼中最大的空白。程曼祺追问,预计十一月中旬上市是否必须提前披露;他回答“不需要”,但若路演时已经掌握好数字,公司自然愿意讲,不披露反而会让市场推断“你的数字不好”。

2. 1.5万亿美元需要当期数据支撑,2028年愿景不能代替定价

  • 李肇宇认为,若十月数据外推能支持2026年底1,000亿美元ARR,公司才更有信心争取1.5万亿美元或更高估值;若连850亿—900亿美元都达不到,估值可能远低于1.5万亿美元,“能不能做到一点二到一点三都是一个问题”。
  • 程曼祺据七月底650亿美元ARR、三季度168亿美元收入及公司ARR算法推算,在此前环比增速不变的假设下,十月ARR需要达到904亿美元,年底才有机会达到1,000亿美元。她同时提醒,感恩节、圣诞节会影响用量;李肇宇也指出,用年末过去28天的消耗年化,可能低估正常经营状态。
  • 对此前向投资机构提出的2028年收入1,900亿—2,000亿美元,程曼祺估算,若2026年实际收入约575亿、接近600亿美元,两年年化增速须超过85%。李肇宇把远期数字视为愿景与指引:“我们肯定不能把那个东西作为一个依据来给它做一个定价。”
  • 若最终以约1.2万亿美元上市,他预计短期情绪必然受损:交易者容易把一家公司的数字不及预期等同于整个市场不行。但他没有给冲击幅度,也不做短期交易,只建议参考此前850亿—900亿美元年底ARR预期传出后的市场反应。

3. 客户更分散是实质进步,增购质量仍要穿透低基数

  • 看完招股书后,李肇宇最明确的正面变化是客户集中度:截至九月的最新季度,前五大客户合计约占五分之一收入,最大客户未超过10%。“客户的构成比来说相对来说是比较健康的”,这是他此前不知道的信息。
  • 程曼祺反问,超过50%的财富500强已成为年服务费超过10万美元的客户,是否意味着渗透接近完成。李肇宇认为,客户花10万美元还是1亿美元才重要;从10万美元增至1,000万美元,本身就是100倍增长。另有约250家年付费超过1,000万美元的客户,但不能直接认定它们就是那一半财富500强。
  • 对九月底约900%的净收入留存率NRR,李肇宇用“同店增速”解释:老客户增加或删减module、feature后,总支出是否继续扩大,反映产品有没有带来实在价值。不过,基数没有披露,小额试用放大数倍,与已经投入巨资后继续增购,证明力不同。
  • 程曼祺以优秀SaaS公司常见的120%—130%作参照,追问NRR若降至200%—300%是否算暴雷。李肇宇没有给绝对阈值,而是强调速度:若短短一年就降到该区间,市场会觉得原本的“新生大海”迅速呈现成熟公司的增长状态,情绪冲击会很大。

4. 高渠道费购买的是上市所需的增长速度

  • 程曼祺按收入、成本测算,Anthropic给云厂商的分成约37%,比App Store的30%还高。李肇宇的回应是,公司销售团队小,也没有时间迅速搭建;要在短期做到足以支撑大型IPO的收入量级,“你只能靠渠道”。
  • 云厂商同时提供算力、客户和钱。除了直接投资,还能提供担保、租赁等融资安排,让Anthropic更快采购算力;在李肇宇看来,这些能力共同解释了为什么高commission仍然值得支付。
  • 程曼祺指出,Anthropic把分给云厂商的钱也先计入总收入;按OpenAI高管此前的说法,OpenAI收入和ARR采用扣除渠道分成后的净额。她追问IPO时是否必须统一,李肇宇回答,各家公司会根据自身情况选择,“没有一个固定的一定要什么样的口径”。

5. 客户关系仍在云和数据平台手里,模型厂正在争取直接连接

  • 对Anthropic还要承担渠道应收账期,李肇宇的解释是“云厂商说实话是特别强势”。石油公司、Walmart等客户可以直接买token,但经云厂商或Snowflake购买,价格基本相同,又能沿用多年的服务关系;API配置或其他问题,有合同约定的团队来处理。
  • 数据安全也是采购理由。企业担心模型厂是否会使用自己的数据训练;通过亚马逊调用,除了多一层保障,出了问题也有明确的追责对象。李肇宇特别把它解释为CIO个人职业风险的保障,而不只是技术选择。
  • 他用一个具体例子说明数据平台的价值:Snowflake更了解客户内部数据,同一个任务,直接对接模型可能消耗100个token,经平台处理可能只需80个。因此,“客户的关系始终还是在云”,或者在Snowflake、Databricks这类平台手里。
  • 程曼祺追问,Anthropic、OpenAI与PE成立合资公司做FDE,是否要改变分工。李肇宇认为必须争取客户直接关系,但销售需要逐户敲门,增长很线性、很慢;对研究文化是否适合企业销售的质疑,他以Google Cloud多年后销售仍落后于微软、亚马逊作回应。

6. 算力承诺要按可撤销程度拆开,博通的强势来自交付确定性

  • 对市场汇总出的超过6,000亿美元长期算力合同,李肇宇认为先问“它一定要付这个钱,还是它可以付可以不付的”。程曼祺估计,其中高刚性合同仍约3,000多亿美元;名义总额和真正逃不掉的负担不是同一个数字。
  • 程曼祺补充,SpaceX AI合同披露上限为1,205亿美元,不可撤销期分别到2027年一月、三月,之后任一方可提前90天取消。李肇宇的例子是,若最终没有需求,提前三个月通知不用,后续成本便留给算力提供方。
  • 另一家供应商Nscale的合同上限为446亿美元,部分情形下可以不履行。李肇宇强调,对较小供应商,还要区分承诺capacity和实际用多少付多少;若需求下降,只按消耗付款,与必须支付整个合同的风险完全不同。
  • 博通约1,612亿美元合同则除规定违约情形外双方不能取消,Anthropic还提供担保与设备抵押。李肇宇把博通称为“Google的一只手套”:长期参与TPU生产,有能力获取台积电产能、交付实际硬件;其他供应商能否拿到内存、HBM尚不确定,因而无法要求同样强的承诺。

7. 算力支出占收入降至48%,健康水平仍有距离

  • 程曼祺指出,算力开支占收入已从去年的250%降至48%。李肇宇认为,降到20%—25%才算比较健康;目前方向正确,但“它有比较长的一个路要走”。
  • 他更看重每单位算力的收入:从两年前花1块钱算力、收入不到1块钱,到按公司算法收入超过2块钱,未来若能达到3块、4块甚至5块,才说明模式持续跑通。核心不是寄望供给成本大降,而是客户看到ROI、愿意追加支出,并不断扩展新客户;他称近几年内存价格也没有办法往下走。

8. 企业连ROI算法都未厘清,数据平台只能提供同期观察

  • 程曼祺指出,NRR要等客户完成增购后才反映出来,是否有更早的指标?李肇宇承认:“目前我们还没有看到一个特别好的指标。”企业CIO被问到未来两年愿花多少钱,回答常是“我们自己都不知道”,因为使用还少、回报还没有摸清。
  • 难处甚至在测量方法:消耗100万美元token后,究竟节省多少人工、工时,或增加多少收入,企业内部尚未捋清。李肇宇认为,直接问管理层、CFO也未必得到答案,不能把尚未形成的预算意愿当成清晰预测。
  • 他认为Snowflake、Databricks是较好的同期指标:大部分企业目前烧token并非直接通过Anthropic或OpenAI,而是先经过Snowflake等平台,再由router路由到亚马逊;平台能实时看到自家客户每天烧多少token。云厂商AI业务增长也有参考价值;节目提到Google云增长103%,仍低于市场约114%—115%的预期,说明绝对高增长和达到市场预期是两回事。

9. 长算力合同与短客户订单,构成WeWork式期限错配

  • 程曼祺提出,算力合同最长达20年,公司还可能承担电价、基础设施成本上涨,但大客户并没有对应的长期采购约束。李肇宇认可这是“实打实的一个风险”,并用WeWork作比:“你付的钱是一个长期的一个绑定”,而“你的成本是长租,你的收入是短租”。
  • 类比中的冲击路径很具体:短租客不租、离开了,长租负债仍在,流入现金就可能远少于必须支付的钱。因此,他认为所有AI公司的核心问题仍是需求能否真实、健康、持续增长;只讨论扩产会不会过剩,无法回答收入能否覆盖这些承诺。

10. Coding之后必须走向知识工作,但标准化决定推广速度

  • 李肇宇判断,下一步核心是替代白领的knowledge work。按他的说法,美国程序员合计约100万人,coding渗透率已很高,市场容量有限;机器人虽指向蓝领工作,但涉及physical环节,起量远慢于可以在线完成的工作。
  • 程曼祺指出,招股书以全球知识工作者40万亿美元工资描绘空间,但替代工作的价值不能简单等同工资。李肇宇建议观察Mercor、Scale AI等数据公司的招募:金融、法律、医学人才被邀请提供工作流程,让模型学习公开互联网之外的私域知识。
  • 主持人的追问在需求端:程序员相对同质,其他知识工作不仅类型多,同一职业的方法也可能不同,用户是否愿意快速采用?李肇宇承认,投资尤其非标,同一个问题,巴菲特判断是A,另一位投资人可能判断是B;收集足够数据很费人工、时间。
  • 法律是他给出的较具体样本:与他打交道的大律所已在使用Harvey等vertical AI,背后仍调用frontier模型,较初级律师的文书工作标准化、确定性较高。但他同意不同行业情况不同,“要完全把它很快的时间推起来”,可能比较困难。

11. 调整后盈利要回到现金检验,模型厂也没有传统软件的边际成本

  • 程曼祺提到,公司第二季度披露、第三季度据媒体报道,经调整经营利润连续为正。李肇宇对“盈利成色”的回答是,调整可以很多,“因为大家都没有用GAAP”;他的办法是把经营与融资现金流放在一起,最终看现金进来多少、出去多少。
  • 他把博通约1,500亿美元租赁的处理称为“会计上的一个小把戏”。按他的解读,公司将其处理为operating lease,并把相关支出置于financing cash flow而非operating cash flow,使所展示自由现金流转正;他认为,纳回这部分支出后情况会更差。
  • 公司未详细拆分R&D中下一代模型训练费用,李肇宇判断,若所有支出都考虑进去,目前仍在亏钱。但他不要求这个阶段立刻盈利,而是看现金能否支持下一阶段;程曼祺补充,现金、现金等价物及短期投资超过1,300亿美元,资源充裕,同时未来算力承诺也很大。
  • 对可比上市公司,他坦言没有特别好的对象。Facebook搭建完成后新增用户的服务成本接近零,模型厂第1,000个客户与第1个客户的服务成本却较相似;因此资金胃口天然更大,更接近重资产领域,云有些相似,但也不是完美类比。

12. Google下跌与Anthropic放缓,都需要区分公司问题和行业需求

  • 对十月二十六日招股书发布后AI板块上涨,李肇宇只视为“偏正面但比较平淡”的正常反应:已披露内容没有令人震惊的窟窿,也没有特别亮眼,市场仍在等十月ARR,短期涨跌不能替代那个数字。
  • 程曼祺提到十月二十八日Google财报后下跌,自由现金流为负90.7亿美元、连续两季为负。李肇宇认为,更直接的问题是广告增长12%,低于14%—15%的预期;市场也担心广告业务受到AI蚕食。带跌上游则与季度资本开支不及预期有关,但Google称支出按项目一笔笔发生、季度间很“lumpy”,从全年看没有区别。它未给明年具体数字,只说2027年资本开支大部分投向AI、且较2026年显著增长;市场当时预期增长约50%。
  • 对模型厂与上游的关系,他用电动车说明:小鹏预期卖100辆、实际90辆,若少掉的10辆被比亚迪、理想、蔚来拿走,宁德时代未必受损;若消费者整体转回燃油车才不同。同样,Anthropic份额流向其他模型,不等于总token需求下降,基础设施投资者要看整个盘子。

13. 收入曲线的斜率尚无答案,持有耐心来自不用杠杆

  • 李肇宇认为,支出曲线相对容易看清,未知的是需求带来收入的曲线有多陡;这决定两条线究竟在2029年、2030年还是其他年份交汇,也决定资本市场需要支持多久。“核心是研究你的收入端、需求端这个曲线”,不是反复计算已经较确定的支出。
  • 节目提到亚马逊对2027、2028年云业务各增长40%的信心;若兑现,他认为两条曲线可以相交,但最终要由客户决定。他一方面称当下直接判定泡沫破裂是“很明显是过度恐慌”,另一方面强调没有证据证明这份信心百分之百可靠,现在就说公司骗人也为时尚早。
  • 对为何淡定,他解释自己习惯以十年以上期限看投资,且不使用杠杆;否则“即使你最后逻辑是正确的,但你中间可能就死掉了”。他会走访工业、消费企业,追踪ROI和token支出,但并不认为任何人已有明确答案:“我们做投资工作不是预测家”,信仰最终能否吻合实际,仍待观察。

14. 需求若崩盘,先受伤的是缺乏壁垒且依赖外部融资的供应商

  • 对循环交易和借债,李肇宇首先区分业务壁垒。他把部分新云厂商的bare metal业务直接称为房地产,而非有技术含量的生意;相比之下,他偏好内存这类“全世界只有三家能做”、自身现金充裕的业务,并判断其供需缺口明年、后年还会扩大。
  • 若AI需求真的崩盘,Nscale这类供应商会受到很大冲击;部分新芯片公司尚不能量产,或爬坡很慢,却依赖private credit支持。在这个条件下,他的表述很直接:“他们很快就死掉了”,并未把整个上游视为同一种风险。
  • 对与2008年次贷危机的比较,他给出两点区别:按他的估计,AI占美国GDP两个多点、不到3%,远低于当年房地产;融资主要来自private credit、PE及其他私人市场,银行参与相对较少。因此,即使行业出问题,他判断对银行系统的冲击较有限,而银行系统不崩,经济较难重演2008—2009年的情形。