#AnthropicIPOFiling:HighGrowth,HighLosses

看完 Anthropic IPO 招股书中的最新数据后，真正引起我注意的并不只是公司的规模，或市场最终可能给予它怎样的估值。

而是 AI 竞赛背后的经济学。

Anthropic 在 2025 年创造了约 45.9 亿美元的收入，而前一年为 3.86 亿美元。这意味着其收入在一年内大约增长了 12 倍。表面上看，这是一个非凡的增长故事。

但接着你会看到，实现这种增长需要付出什么代价。

Anthropic 报告称，其经营亏损为 80.6 亿美元，而计算和基础设施费用达到约 73.3 亿美元，约占其经营费用的 58%。按 GAAP 计算的净亏损甚至更高，约为 419.7 亿美元，不过其中约 340 亿美元与融资负债相关的非现金会计费用有关。

这一点很重要。

420 亿美元这个数字令人震惊，但这并不意味着 Anthropic 当年真的以现金支出了 420 亿美元。经营亏损和基础设施支出更能让我们看清，构建和运营日益强大的 AI 系统究竟有多么昂贵。

我认为，更大的投资故事正是从这里开始。

AI 公司如今不再只是把钱花在软件上。

它们需要巨量的计算能力。

计算能力需要芯片。

芯片需要内存和存储。

所有这些硬件都需要数据中心。

数据中心需要网络、冷却系统和电力。

而基础设施建成后，还必须有人持续为训练和提供模型服务所需的计算能力付费。

这与传统软件繁荣时期的经济结构截然不同。

模型公司正在竞争，以构建更好的智能并吸引用户。但在这场竞争之下，存在着一个巨大的基础设施层，无论最终哪个单一模型占据最大的市场份额，这一基础设施层都必须扩张。

这就是为什么我一直在关注 AI 应用层之外的领域。

有趣的问题不仅是“哪个 AI 模型会胜出？”

还包括：

“每当 AI 行业需要更多计算能力时，谁能获得收入？”

招股书让这个问题变得更加重要。

据有关招股书的报道，Anthropic 披露了涉及约 5180 亿美元未来云服务、计算和基础设施义务的计划。这并不等同于当前支出 5180 亿美元，而且这些承诺的时间安排和结构也很重要，但这一规模显示出，AI 开发的下一阶段可能会变得多么资本密集。

而且，这并不是孤立发生的。

Anthropic 一直在扩大其在基础设施价值链各环节的合作关系，包括与主要云服务和计算提供商达成的协议。该公司此前曾表示，新融资将用于扩大计算能力，而包括 Micron、Samsung 和 SK hynix 在内的基础设施合作伙伴则参与供应关键的内存、存储和逻辑技术。

我认为，这正是市场将日益关注的部分。

AI 交易的第一阶段围绕着对模型的兴奋。

下一阶段可能更多地围绕经济效益展开。

每增加一名用户的成本是多少？

为越来越复杂的模型提供服务需要多少计算能力？

收入增长相对于基础设施支出的增长速度如何？

一家 AI 公司需要在达到可持续自由现金流之前投入多少资本？

随着行业规模扩大，这些问题变得越来越重要。

还有一个值得关注的细节：Anthropic 的收入增长极快，但客户集中度同样重要。有关招股书的报道显示，该公司最大的两家直接客户在 2025 年各自约占收入的 12%，这意味着两家客户合计贡献了近四分之一的收入。

因此，这个故事并不只是“AI 正在增长”。

更有用的说法是：

AI 正在增长，但基础设施账单也在随之增长。

这就是为什么我认为，投资者不应自动假设所有与 AI 相关的公司都会以同样的方式受益。

模型公司必须争夺客户。

基础设施公司则有可能从 AI 生态系统的多个环节获得收入。

那些提供底层计算能力、内存、存储、网络、数据中心容量和电力的公司，实际上是在供应整个竞赛所需的机器设备。

这并不意味着基础设施公司没有风险。它们的业务同样面临巨大的资本需求、供应限制、客户集中度，以及 AI 支出最终放缓的可能性。

但 Anthropic 的数据让我们重新看到了这样一个事实：在打开一个 AI 应用并提出问题这一看似简单的体验之下，存在着多么庞大的实体基础设施。

AI 繁荣从外部看起来可能是数字化的。

但账单却极其实体化。

芯片。

内存。

存储。

服务器。

数据中心。

网络。

电力。

冷却。

云容量。

所有这些都必须付费。

这就是为什么相比于追逐市场上出现的每一个新 AI 概念，我更加关注 AI 基础设施经济。

模型竞赛依然重要。

但那些构建和供应这场竞赛背后基础设施的公司，可能会成为这个故事中同样重要的一部分。

Anthropic 的招股书并不能证明哪些公司最终会创造最多的股东价值。

但它确实展示了一个更加具体的事实：

大规模构建前沿 AI 需要非凡规模的资本和基础设施。

收入可以在一年内增长 1,088%。

但如果计算和基础设施成本也在同步增长，那么投资者接下来要面对的问题就会更加棘手：

AI 增长何时才能转化为可持续的现金创造能力？

这就是我将在 AI 周期下一阶段关注的问题。

不仅是谁拥有最聪明的模型。

不仅是谁拥有最多的用户。

而是谁能够在控制其背后巨额基础设施账单的同时，将 AI 需求转化为持久的现金流。

AI 的故事显然仍在发展。

但其经济学正变得不容忽视。

$NVDA