185: Anthropic招股书丨与Amont李肇宇聊定价逻辑和潜在风险
- 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。
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。
Full transcript
最开始的时候，大家普遍预期是 2 万亿美元。10 月中旬，有人说可能会下调到 1.5 万亿美元。你认为市值可能会落在什么位置？
我觉得现在能做到 1.5 万亿美元，管理层应该就很开心了。增速远远不及市场预期。如果按照市场从三季度了解到的信息，年底的 ARR 速度其实只能做到 850 亿到 900 亿美元。他们说现金流很好，自由现金流是正数，但这是因为他们把和 Broadcom 签的 1,500 亿美元租赁协议处理成了 operating lease。这算是会计上的一个小把戏。
即使今天去问很多公司的 CLO：“你明年、后年愿意花多少钱？”他们也会说：“我们自己都不知道。我们现在花的钱还太少，烧的 token 还不够，还不知道实际回报有多高。”
有些人会在短期波动之后讨论，现在是不是 AI 泡沫破裂的前夜。
我觉得这明显是过度恐慌。最后证明是泡沫还是不是泡沫，核心要看下游企业客户的需求。
欢迎收听《晚点聊》。今天我们一次发了两期节目，分别是从一级市场和二级市场角度来解读 Anthropic 在上周发布的 S-1 文件、招股书。在二级市场角度的讨论中，我邀请了 Amount Partners 的管理合伙人 Robert 李照宇。他长期在华尔街从事主观投资，先后任职于摩根斯坦利和 Slate Path 等机构，2023 年创立了自己的基金，有 AI 算力层的长期持仓。我们详细拆解和讨论了 Anthropic 招股书中的信息，包括收入增速下滑、客户集中度改善、客户增购的情况和长期的算力支出。虽然他本人在 AI 算力的上游持仓较多，而他认为问题的关键是下游的需求而非上游的供给。我们也讨论了假设需求不及预期，这一轮因 AI 资本开支而产生的债务周期会如何演变。最后说明一下，本期节目录制于上周四，本周 Anthropic 更新了招股书里的部分数字，包括官方口径里的三季度收入和长期的算力支出总额等等，可以见 show notes 里我更新的数据图。我们正式进入节目吧。Robert，你好，欢迎做客《晚点聊》。这次邀请你，是想聊一聊本周的行业大事件：Anthropic 刚刚正式披露了 S-1 招股书。你可以先和听友们简单打个招呼，介绍一下自己。
好的，感谢邀请。我最开始在一家 Tiger Cub 基金做科技投资，后来去了 J.P. Morgan Asset Management 的 Alpha 团队，做合伙人，负责主观多空策略投资，也做一些事件驱动投资。2022 年夏天，我离开平台，开始做自己的基金。
我的投资理念比较偏巴菲特风格，整体比较保守。持仓里有不少 AI 相关公司，包括美光，还有一家给 Google TPU 做代工的企业，叫做 Slovaska。这些都是经营了很多年的公司，我们的投资会比较有耐心。
嗯。
从 2022 年开始，我们就长期关注和参与 AI 板块，不管是做多还是做空。Anthropic 是 frontier lab 里最核心的公司之一，也马上要上市了，对我们来说是需要关注、跟踪和研究的标的。S-1 出来之后，我们大概看了一遍，也有一些初步想法，愿意在这里和大家交流。
我们后面也会讨论一些和 AI 算力基础设施相关的话题。先来一组快问快答，你可以直接说自己的想法。第一个问题：看完招股书后，哪个信息让你更看好 Anthropic？
对我来说，之前不知道的一个最大利好，是它的客户集中度比我想象中低很多，反映出客户构成比较健康。最新一个季度，也就是三季度，截至 9 月，前五大客户加起来只占它收入的大约五分之一。今后这个比例还会继续下降，平均下来，前五大客户每家可能都不到收入的 5%。
它自己也讲过，最大客户占比没有超过 10%。所以从客户构成来看，相对比较健康。这是之前我们不知道的一条新信息。
那有没有哪个信息让你更谨慎？
Anthropic 做了一个小小的花招：他们说现金流很好，自由现金流是正数。但在计算自由现金流时，他们把和 Broadcom 签的、接近 1,500 亿美元的算力租赁协议，通过会计处理列成了 operating lease，而不是纯粹的 financial lease。这样一来，他们可以把这笔支出放在 financing cash flow，而不是 operating cash flow。
这相当于把很大一块现金支出移了出去。这样算出来的自由现金流就可以是正数，但如果把这笔钱算进去，实际的自由现金流会比他们告诉大家的差一些。所以这是管理层在会计上的一个小把戏。
你认为 Anthropic 这场 IPO 有多大概率导致 AI 行情由盛转衰？
我觉得关键不在于 IPO 本身，而在于 IPO 的定价、估值，以及市场对这个估值的看法。
因为 S-1 里有一条大家最关注的信息没有披露，那就是 10 月份的 ARR，也就是 10 月份的商业收入年化速度。目前还没有这个数字。进入路演之后，他们也有可能提交一份修订版 S-1，把这个数字补充进去。很多投资人，尤其是看短期的投资人，会对这个数字比较敏感。
如果外推后能让大家觉得公司年底的 ARR 可能做到 1,000 亿美元，那大家可能会比较开心。这个数字是市场在夏天比较乐观的预期。
对。
如果算出来只有 850 亿到 900 亿美元，甚至比三季度外推出来的数字还低，市场可能又会恐慌，觉得 AI 的需求是不是不行了，因为收入增速明显下降。所以很多人在等这个数字，而第一版 S-1 里没有披露。
我有个小问题：现在预期它 11 月中旬上市。从披露义务来说，正式上市之前，它一定要披露 10 月的 ARR 吗？还是也可以不披露？
不需要。但如果它 10 月份做路演，自己肯定很清楚 10 月份的 ARR。如果数字不好，它没有跟市场沟通，市场就会推断数字不好，所以才不愿意讲。如果数字很好，为了讲好 IPO 的故事，它肯定也会告诉大家。
最后一个小问题：如果只选 3 个最重要的指标，让你在 Anthropic 上市两年后持续追踪，你会选什么？
刚才提到的客户构成比例是一个重要指标，可以反映它是不是只依赖几个大客户。另外一个指标是同店增长，也就是同一个客户，尤其是大客户，已经在 Anthropic 上花了很多钱，比如 1 亿美元之后，还有没有意愿继续花更多的钱。这能反映客户觉得烧 token 的支出，最后有没有给自己带来实实在在的利益，能不能看到好的 ROI，也能体现产品能不能持续给客户带来价值。
最后一点是，产品对客户有价值，但公司自己能不能赚到钱，最后能不能有利润。核心在于每个算力单位对应的收入是否持续上升。目前这个表现还不错。两年前，1 块钱的算力对应的收入可能还不到 1 块钱；现在按照他们自己的计算，1 块钱的算力可以带来超过 2 块钱的收入。如果这个比例持续上升，未来 1 块钱的算力能带来 3 块、4 块，甚至 5 块钱的收入，就说明这个商业模式可以持续跑通。
总结一下：第一是客户集中度，越分散越好；第二是客户增购；第三是单位算力带来的收入。正式讨论 S-1 的具体信息之前，还想聊几个市场反应。招股书披露当天，也就是美国时间 10 月 26 日，美股 AI 板块多数公司上涨。你怎么看这两天的短期市场反应？
最核心的数字——10 月份 ARR——确实没有披露，所以我觉得没有必要把短期情绪当作特别重要的参考。披露出来的信息没有让大家觉得讨厌，也没有让大家震惊：“原来这家公司这么差。”大家看到的是，这家公司没有什么特别让人眼前一亮的地方，但也没有让人突然觉得它不行、到处都是窟窿。
所以这种偏正面、但比较平淡的反应很正常。很多人还是在等 10 月份的数据出来。
偏正面的平淡反应。另一个事和 Anthropic 没关系：10 月 28 日，Google 发布了新一季度财报，股价跌了很多，英伟达、博通这些公司也连带下跌。Google 的自由现金流是负 90.7 亿美元，而且连续第二个季度为负。市场就会担心，像 Google 这样很大的 AI 基础设施客户，自己的现金是不是也变紧张了。
我自己的理解是，Google 下跌的核心原因和 AI 关系不大，主要在于它的核心业务，也就是卖广告，增速下滑得很厉害，只有 12%，比市场预期的 14% 到 15% 低很多。大家担心，Google 过去靠卖广告，现在这一块明显受到 AI 蚕食、伤害。今后怎么办？这是 Google 很棘手、很尴尬的事情，也是它下跌的一个核心原因。
至于为什么连带着所有 AI 上游相关公司都跌了，更重要的原因是，从表面数字看，Google 三季度资本开支低于市场预期。
嗯。
大家会想：“Google 不是说 AI 很棒吗？怎么反而花得少了？是不是它觉得 AI 的需求没有那么强，需求开始变少了？那是不是大家都要跟着一起跌？”但实际上，这更多是 timing 的问题。Google 说过，它的花钱不像水龙头一样每天固定流出一点，而是会一笔一笔地发生，数字比较 lumpy。所以从全年角度看，没有什么区别。
Google 也提到，虽然没有给明年的具体数字，但 2027 年资本开支里的绝大部分会用于 AI，而且相比 2026 年会有显著增长。
嗯。
“显著”并没有量化，是增长 70%、60% 还是 30%，它没有说。目前市场预期大概是明年增长 50%。如果 Google 到明年年中确认，“显著增长”相对于 2026 年至少是 50%，那就符合预期。市场目前的短期担心，最后也有可能被证伪。
我们正式聊 Anthropic 招股书里的信息。大家关心收入和收入增速变化。综合媒体报道，其实能看到它三季度的收入，但这不是它自己披露的。之前有媒体报道称，7 月、8 月、9 月这三个月收入是 168 亿美元；二季度则是它在 S-1 文件里披露的 115.55 亿美元。对比来看，增速从二季度的 144% 下降到 45%。你怎么看增速的大幅下滑？
从公司自己的角度看，增速还可以；从市场预期来看，则远远不及预期。市场希望把三季度最后一个月单独拎出来，按照 month-on-month 的比例线性外推到年底，希望做到 1,000 亿美元以上。春天和夏天，市场大概就期待它能做到这个数字。
按照市场从三季度了解到的信息，年底的 ARR 速度其实只能做到 850 亿到 900 亿美元。所以 10 月份之前消息刚出来时，市场已经跌了一把，因为大家觉得这家公司增速不行了。
嗯。
从业务增速角度，我觉得还可以；但要满足市场很高的预期，显然表现比较差。这也是为什么市场很关心 10 月份的数字：增速会不会继续放缓，还是会回到正常轨道、重新提档？这会是一个很重要的市场情绪指标。
你自己怎么看这种可能性？以往它推出新模型之后，收入往往会在一段时间里增长比较快。
对，影响一个月的因素很多。刚才你提到推出新模型之后，大家通常会很愿意使用，这是好事。另外要看竞争对手。Google 也好，OpenAI 也好，万一推出新模型，短期内可能让 Anthropic 流失客户，这是利空。
此外，Anthropic 在 S-1 里披露，有很多国家的竞争对手恶意蒸馏他们的模型，产生了很多 token。按照他们自己的计算，收入中大概有 5% 到 7% 来自蒸馏。他们说，已经把这批人全部踢走，不允许他们再蒸馏模型。显然这会影响增速，相当于收入里要砍掉大概 5 到 7 个百分点。这和核心业务无关，更多是一次性的，但短期考虑时也要算进去。
嗯。
公司自己也提到，10 月份不会有这个因素；但到了 12 月底，如果按过去 28 天来计算，12 月 31 日的 token 消耗速度会比实际情况更差。因为 12 月是美国很大的节日季，很多公司从 12 月 24 日圣诞节开始休到年底。如果把这一周的数字算进去，增速就会比公司的实际增速低，所以也要考虑季节性。
对，你刚才说到这个，我也想到了。从 Anthropic 自己的叙事和节奏来看，也可以部分解释它三季度环比增速为什么比二季度低。三季度 9 月初，OpenAI 发布了很强势的新模型 GPT-6 Extra，后面还有一些系列；Claude 则是在三季度末才更新系列。它之前更早的模型是在这一季度比较早的时候发布的，大概是 6 月底到 7 月初。所以可能有这样一种叙事：后面有了新模型，10 月也许就会有更好的增长。另外，从今年下半年开始，Anthropic 在治理蒸馏上也投入了更多精力，相当于舍弃了这一部分收入。
是的，从长期考虑，这是它应该做的事情。
这也和此前 K3 这样的中国开源模型有关。当时它的表现看起来非常接近 o3，冲击了大家的估值和资本叙事。所以确实可以等 10 月的数据出来，看有没有一些变化。
对，这对参与 Anthropic IPO 的投资人很重要。但如果把眼光放远一点，把它作为一个数据点来考虑，对整个 AI 板块，尤其是 AI 上游基建来说，这件事也重要，但不能代表全面情况。
我举个简单的例子。假设我们要投资中国整个电动车市场，比如投资宁德时代，因为它做电池，供货给所有电动车公司。有一天，小鹏说：“我这个月预计卖 100 辆”，后来只卖了 90 辆。这个事情对中国电动车产业、对宁德时代是好是坏？很难说。关键是要弄清楚，少卖的 10 辆车是因为竞争对手更好，比亚迪或蔚来推出了好车、抢走了份额，还是因为整个市场不行了，大家不喜欢开电动车、又回去开油车了？
如果是前者，小鹏少卖了 10 辆，但比亚迪、理想、蔚来卖了更多，整个市场增速还是很好，那对上游的宁德时代来说仍然是利好。Anthropic 是一家很大的模型公司，但不是唯一的模型公司。现在有很多开源模型。如果看 Open Radar 的数据，开源模型消耗的 token 已经超过一半。
如果 Anthropic 的 ARR 不好，一种解释可能是大家觉得开源模型更好，转而烧更多开源模型的 token。对上游来说，只要整个市场还在继续增长，中间几家公司的市场份额起起伏伏并不是更重要的因素。更重要的是整个市场的增速还能不能继续向好。
对，我理解你的逻辑是，如果比较关注 AI 基础设施、偏上游的股票，最后还是要看整个下游市场。单个公司的变化只是影响因素的一部分。
是。
回到 Anthropic 自己的情况。此前媒体报道称，它预测 2028 年收入要达到 1,900 亿到 2,000 亿美元。如果按照 2026 年可能的年收入来算，虽然它现在没有披露，但假设按三季度增速往下算，全年实际收入不是 ARR，可能是 575 亿美元，接近 600 亿美元。两年后要达到 2,000 亿美元，年化收入增速就要超过 85%；现在看起来，它三季度的增速已经比这个低很多了。
是。
所以你觉得，两年后达到此前给投资机构预测的 2,000 亿美元收入，概率还有多大？
我觉得当时给出这个数字，也是一个远期愿景，更像是一个指引。从投资人的角度，像我们这种比较偏巴菲特风格的投资人，肯定不能把这个数字作为定价依据。
大家非常关心一个和收入总额、增速都相关的问题：它最后的市值会落在哪个区间？一开始大家普遍预期是 2 万亿美元。10 月中旬，也有一些投资人传出可能会下调到 1.5 万亿美元。你认为它最终 IPO 时的市值可能落在什么位置？
我觉得如果现在能做到 1.5 万亿美元，管理层应该已经很开心了。实际上，最后定价要做到 1.5 万亿美元也不是特别容易，除非它能拿出一个特别有说服力的数字。
如果线性外推，到 2026 年年底的 ARR 能做到 1,000 亿美元，我觉得它才有信心说服市场给它 1.5 万亿美元或更高的估值。如果 10 月份的数据线性外推后，到年底甚至还不如三季度外推出来的 850 亿到 900 亿美元，那最后的定价可能会远低于 1.5 万亿美元。
我补充一个数据。S-1 没有披露现在 ARR 的环比增速，但结合此前媒体报道，7 月底 ARR 是 650 亿美元，三季度收入是 168 亿美元。再按照 S-1 里计算 ARR 的方式，假设 8 月和 9 月匀速增长，这两个月的环比增速大约是 34%。如果这个增速不变，10 月 ARR 需要达到 904 亿美元，到年底 ARR 才有可能达到 1,000 亿美元。你前面也提到，10 月之后美国有感恩节、圣诞节等假期，可能进一步拖慢 ARR 增速。我们可以一起等 10 月的数据，我相信到时市场肯定会披露。
回到市值这个问题：如果 10 月份的数据不理想，市值可能远低于 1.5 万亿美元，具体会低到多少？
我觉得能不能做到 1.2 万亿到 1.3 万亿美元，都是一个问题。
如果最后上市市值落在 1.2 万亿美元左右，可能会对市场造成什么冲击？先说短期。
短期情绪上必然是负面的。市场绝大部分投资人不会做非常理性、长期、耐心的思考。反而会觉得自己在做投机交易：如果你的数字不行，就代表整个市场都不行。
大家会怎么测算这个负面影响的量级？
情绪上很难说。我们自己没有做短期交易，但可以把三季度 85 亿到 90 亿美元这个区间出来之后，市场的反应作为参考。
另一个大家比较关注的，是你反复提到的收入构成与质量。Anthropic 的客户集中度比以前分散很多，它也提到，财富 500 强企业里超过一半已经成为客户，年服务费超过 10 万美元。你怎么解读这组数字？有人会认为，如果很多财富 500 强企业都是它的客户，是不是说明这些群体已经渗透得差不多了？
你根本不知道所谓超过 10 万美元，是花了 10 万美元，还是花了 1 亿美元。这个更重要，但它没有披露。如果所有企业只是花了 10 万美元，和没花差不多，那渗透率提升的空间就很大。单个客户从花 10 万美元变成花 1,000 万美元，本身就是 100 倍增长，这是巨大增长，前景也会比较乐观。
它还披露，年付费超过 1,000 万美元的客户约有 250 家，但没有说这 250 家就是世界 500 强的一半，也可能是其他类型的企业。说到客户增购，也有一个相关指标，就是净收入留存率 NRR。Anthropic 在招股书里披露，截至今年 9 月底，NRR 约为 900%。你可以给听众科普一下这个指标衡量什么吗？900% 又是什么水平？
其实很简单，可以把它理解成同店增长。假设一个客户去年在我这里花了 100 块钱，今年变成 800 块钱，也就是增加了一些新的 module、新的 feature，砍掉了一些不需要的 feature，最后加加减减之后，收入变成了 8 倍。这肯定说明客户实实在在地在产品上发现了很多用处，所以愿意花 8 倍的钱来用。
这个数字本身是不是好数字？是。但如果不知道基数，很多时候它就没有意义。
嗯。
比如说，一个企业今年在你这里花了 10 块钱、100 块钱，甚至 100 美元。
嗯。
明年从 100 美元变成 800 美元，甚至 1,000 美元，翻了 10 倍，意义也不大。如果基数特别小，这个数字就没有什么意义。
它现在应该没有披露这个基数。可以想象，去年的基数应该比较低，因为 Anthropic 的收入增长特别快，是从 2025 年底到 2026 年上半年发生的。
是。
优秀的 SaaS 公司 NRR 一般在 120% 到 130%。如果 Anthropic 的数字从现在披露的 900% 回落到比较正常的区间，比如 200%、300%，在二级市场眼里会算业绩暴雷吗？
要看回落得多快。如果短短一年就回到这个区间，显然会冲击大家的情绪。大家原来觉得这是一个新生的、广阔的市场，后来却发现短短一年时间，增速已经变成成熟公司的增速。
这也补充了前面说的三个重要指标里的第二个，也就是客户增购。以后大家看财报，可以看看 NRR 的数据怎么变化。
是。
还有一个和收入、成本都有关的问题，是渠道。Anthropic 这次披露了渠道费用。晚点这边也做了测算：用它的收入和成本来算，给云厂商的分成大约是 37%。这其实比很多应用给苹果 App Store 的 30% 抽成，也就是所谓的苹果税，还要高。你怎么看这个分成比例？
它目前的渠道费应该放在 R&D 里，因为它计算收入的方式和 OpenAI 很不一样。OpenAI 是按净额算。
我觉得这笔钱对 Anthropic 来说值得花。说实话，它自己的销售团队很小，也没有时间搭建销售团队。要在短期内上量，达到足以支撑这么大规模 IPO 的体量，只能靠渠道，也就是几家大型云厂商。
这些云厂商不只是销售渠道。第一，它们能给你算力，你可以向它们购买算力；第二，它们能给你提供客户；第三，它们能给你提供资金。
对。
既可以直接给你投资，比如亚马逊投了很多钱，占了很大比例；也可以在你需要尽快花钱购买更多算力时，提供担保、租赁等结构性产品。它们能提供客户、资金和基础设施，所以我觉得花渠道佣金完全值得。
你刚才也说 Anthropic 和 OpenAI 计算收入的方式不一样，我补充一下：Anthropic 算的是总收入，也就是分给云厂商的钱先算在收入里，没有扣掉。今年 4 月，OpenAI 有一位高管分享过，OpenAI 算收入、算 ARR 时用的是净收入，会扣掉给云厂商的那部分钱。大家都走到 IPO 这一步时，口径要统一，还是每家公司可以自己选择？
每家公司都会按照自己的情况选择，没有固定口径。所以 OpenAI 还是会按照 OpenAI 的方式来做。
我看渠道相关信息时注意到，Anthropic 对云厂商还有应收账期，应该说是 Anthropic 自己承担了这笔应收账款。
是。
为什么现在行业里会是这种结构？
云厂商说实话特别强势。举个例子，我们自己是 Snowflake 多年的股东。通过和云厂商交流，你会意识到很多客户关系其实并不在 Anthropic，甚至也不在 OpenAI。客户关系始终在云厂商，或者像 Snowflake、Databricks 这种专门做数据处理、数据清洗的公司手里。
从客户角度来说，我又不是科技公司，我是卖石油的，或者是 Walmart，我对科技没那么了解。我能不能直接通过 Anthropic 买 token，和它建立一对一关系，绕开所有人？可以。但我这么做的理由，无非是它能给我更好的价格。目前通过 Snowflake、云厂商拿到的 token 价格，和直接找 Anthropic 或 OpenAI 买基本一样，所以没有必要这么做。
如果我直接找它们买 token，不通过云厂商或 Snowflake，会有一个很大的缺陷：我需要它们提供技术支持和配置，但 Anthropic 的员工数量还不足以服务所有大客户，这是一个风险。我和 Snowflake、亚马逊已经合作很多年；如果出现问题，API 需要技术支持、需要做配置，它们可以派人来解决，这些服务都写在合同里。
第二点是数据安全。现在很多世界 500 强里的非科技企业担心：“我的数据会不会被 Anthropic 或 OpenAI 拿去改进模型？他们说不会用我的数据，但万一用了，我怎么知道？”如果我通过亚马逊再把 prompt 交给它们，安全保障会更多。即使出现问题，我也可以找亚马逊追责，不必让责任落在我这个 CIO 身上。从 CIO 本人的职业风险角度来说，这也是另一层安全保障。
还有一点，大家可能还没有意识到。Snowflake 能看到公司写入的数据，对公司的内容更了解。如果你通过它运行 prompt、消耗 token，它就能帮你更有效率地完成任务。比如同一个 task，你直接找 Anthropic 可能需要烧 100 个 token，通过 Snowflake 可能只需要 80 个，就能帮你省钱。
很多时候，客户关系都在云厂商、Snowflake、Databricks 手里，并不在 Anthropic 手里。
对。你提到这个话题，既然你们是 Snowflake 的长期股东，可能也会关注一个动向：Anthropic 和 OpenAI 今年都和很多大型 PE 合资做 FDE 业务。我理解 FDE 是直接服务企业客户，也会去做你刚才说的、过去由云厂商和数据平台做的事。你觉得这会怎么改变行业分工和格局？
这件事肯定要做，因为核心是希望把客户关系掌握在自己手里。
还是要争夺和客户的直接关系，这里有竞争。
必须要做，但这涉及销售，需要销售人员一个个敲门、拜访、推销，极其花时间。它的增长很线性，曲线非常平缓，不会很陡峭，需要花很长时间。
甚至有人认为他们也做不好这件事，因为它和公司本身的主要业务、研究文化不太匹配。
确实有这种情况。比如 Google Cloud，因为 Google 本身做企业业务的经验不多，虽然 Google Cloud 已经做了很多年，但从销售角度看，还是远远不如微软和亚马逊。
接下来讨论成本和费用，这和你们长期关注的 AI 算力基础设施投资板块非常相关。Anthropic 成本披露里，大家最关心的是长期算力投入。这次招股书还没有直接给出算力合同总额，相关信息虽然写了，但数字是空着的，市场上也有各种算法。你可以讲讲怎么算更合理吗？整体长期算力承诺大概是什么量级？
要看数字背后到底是不是必须付钱，还是可以付、也可以不付。
真正刚性兑付的，基本上都是大型云厂商。你已经承诺了这部分 capacity，就得付钱。但其他合同仔细看就会发现，实际合同里可能有更多退出机制。比如 Elon Musk，从表面上看，Anthropic 要从他手上买 1,500 亿美元的算力，听起来很多，Elon Musk 也是很大的算力提供商。但从披露来看，实际合同可能对 Anthropic 更有利：如果不想用，提前 90 天通知就可以取消。换句话说，如果今后需求不行，AI 发现大家没有需求，提前 90 天通知 SpaceX AI 不付钱，最后的成本就由对方承担。
嗯。
其他规模较小的云厂商，比如 Nscale，合同可能是我承诺你一部分 capacity，但实际用多少、花多少钱，就按实际来算。假设明天发现 AI 泡沫破了，企业没有需求，不需要用我的模型，那我用 100 美元的算力，就付 100 美元。
所以核心不在于数字有多大，而在于数字能不能兑现、如何兑现。今后需求不好时，能不能撤销、退出，这更有意义。
我补充一下数据。你刚才说的 SpaceX AI 合同，披露的最高金额是 1,205 亿美元，但不可撤销期到 2027 年 1 月和 3 月就结束了。之后像你说的，提前 90 天，双方都可以取消。Nscale 的合同最高是 446 亿美元，遇到一些情况也可以不履行。
有几个比较大的交易刚性比较高，典型的就是我们开头聊到的 Broadcom。Anthropic 和 Broadcom 的合同大约是 1,612 亿美元，双方都不能取消，除非发生合同规定的违约行为。Anthropic 还要提供担保，设备本身也构成抵押。这份合同里 Anthropic 看起来处于比较弱势的位置，但它愿意接受这样的条件，而且 1,612 亿美元也很高。这可能说明什么？
说明两点。第一，Broadcom 的 capacity 是拿得到的。Elon Musk、Nscale 说能给我提供算力，但他们自己也不确定能不能拿到足够的算力，包括能不能拿到足够多的内存和 HBM。你要让我对这样的供货承诺付钱，是不可能的。
Broadcom 不一样。说到底，Broadcom 最后就是 Google。你可以把 Broadcom 想成 Google 的一只手套：TPU 算力通过 Broadcom 卖给 Anthropic，而不是由 Google 自己卖。Broadcom 从 2015 年开始给 Google 做 TPU，已经合作很多年，关系很紧密。Broadcom 体量也够大，能实实在在拿到 TPU 的货；它自己也能在台积电拿到足够的 wafer 产能，确实把 TPU 卡做出来。所以它手上有货，底气更足，相对于其他人也有更多话语权。这是一个很重要的原因。
所以 Anthropic 的合同加起来看起来超过 6,000 亿美元，但有些不需要一定履约，有些则需要履约。
是。
我看了下刚性比较高的合同，总金额也不少，应该有 3,000 多亿美元。
是。
再说算力。你刚才提到单位算力带来多少收入。换一个指标，看算力开支占收入的比例，它从去年的 250% 降到现在的 48%，看起来是向好的数字。长期来看，你觉得这个比例降到多少才比较健康？
我觉得至少应该降到五分之一，也就是 20% 左右，20 到 25 年之内达到这个水平，才算比较健康。所以它还有比较长的路要走，但目前这个曲线的变化方向是比较健康的。
你觉得有什么情况会让这个下降趋势中途转向？
核心不在供给端。算力这边的曲线是大家能算得比较清楚的，包括最近几年内存价格也没有办法往下走。关键是单位算力产生的收入要持续上升。客户需要证明 AI 能给他们带来价值，看到好的 ROI，愿意花更多钱，同时还要开发更多客户，包括世界 500 强和其他企业，才能把算力成本打平。
嗯。
核心还是收入，要让企业客户真正把它用起来。
像前面说的，NRR 是公司披露的指标，但我觉得它是一个比较滞后的指标：客户实际增购了，NRR 才会比较高。有没有什么前置指标，可以看 AI 最终客户和用户，也就是个人或企业客户，投入 AI 的 ROI 是怎么变化的？
目前我们还没有看到特别好的先行指标。即使今天去问很多公司的 CIO——
嗯，他们怎么说？
你问他们：“明年、后年愿意花多少钱？”他们会说：“我们自己都不知道。现在花的钱还太少，烧的 token 还不够，还不知道实际回报有多高。”
甚至公司内部都不知道怎么衡量、怎么算回报。今天烧了 100 万 token，究竟省了多少钱、多少工时、多少人工，增加了多少收入，我们还没有弄清楚怎么测算。所以就算去问公司的管理层、CFO 或 CAO，他们现在也没有答案。
不过从同期指标来说，帮企业做数据处理的 Databricks 和 Snowflake 是比较好的指标。道理很简单：大部分企业目前烧 token，不是直接通过 Anthropic 或 OpenAI。
嗯。
它们会先通过 Snowflake，再由 Snowflake 的 router 把请求路由给亚马逊。
嗯。
如果你是 Snowflake，就能实时看到企业客户每天在做什么，烧得多还是烧得少。当然它看不到所有企业，只能看到自己的企业客户，但可以从侧面反映企业客户实际消耗 token 的速度。
同理，也可以看云厂商 AI 业务的增速，这也算同期指标。大型云厂商是这样。
是。
Google 云业务应该还是有很好的增长，包括它发布三季度财报时，云业务增长是 103%。
云业务绝对数字肯定还可以，但比市场预期稍低。市场预期可能在 114% 到 115% 之间。它可能比市场预期低了 10 个百分点，但翻倍还是不错的，只是市场预期本身比较高。
还有一个和算力投入有关、大家比较关注的问题。一方面，它签了很多长期算力承诺，最长的合同有 20 年，Anthropic 可能在这 20 年里都要付费，还要承担电价、基础设施涨价等成本。另一方面，它自己也说，很多大客户和它之间没有长期合同约束。你怎么看这种期限错配？
你说得很对，这是一个风险，和当年 WeWork 的风险是一样的。
WeWork。
你付出去的钱是长期绑定的。
嗯。
比如你要签 10 年甚至更长的合同，但收入来自短租。你的成本是长租，收入是短租。如果经济发生变化，短租客户说不租了，先回北京去了，但你的长租负债还在，需要付的钱还在。时间上错配，就会导致进来的钱远少于要付出去的钱，情况会很尴尬。
这是实实在在的风险。核心还是要证明需求是真实、健康、可持续、持续增长的。这是现在所有 AI 问题的核心，不是供给端的问题。
嗯。
大家经常说，中国很多地方会不会增加内存产能，供给太多、价格崩盘。其实核心还是需求。如果需求能像 AI 公司和相关公司说的那样，亚马逊今天的季报也提到，2027 年、2028 年云业务每年的增速都要达到 40%，这比大家预期要好。
云业务增速来自哪里？来自 AI。换句话说，亚马逊觉得至少未来两年，AI token 收入增速每年都会有 40%。
说到核心问题，现在大家都关心 coding 之后是什么。Anthropic 目前展现出来的信息里，主要收入增长来自 coding agent。一个问题是 coding agent 还有多少渗透空间；另一个问题是，还有没有其他场景能达到类似的爆发速度和规模？你看到什么苗头了吗？
核心就是替代白领工作。
替代白领工作。
美国叫 knowledge work。
知识工作者。
可以叫知识工作、文书工作，或者坐办公室的白领工作。最终一定需要替代。coding 的渗透率已经很高了，这个市场本身的容量有限。美国所有程序员加起来也就 100 万人，市场比较小，而且现在渗透率已经很高。
远期来说，蓝领工作也可以被替代，比如用机器人。但机器人涉及 physical world，推进速度会远远低于纯粹在线上完成的工作，后者更容易起量。
Anthropic 在招股书里也写到，全球知识工作者的工资总额是 40 万亿美元，大概画了这样一个市场规模。当然，替代白领的价值不完全等于这个人的工资，也不能直接这么算。另一个问题是怎么替代白领，包括增长速度、有什么产品能接上。大家有什么讨论和观察？
可以关注很多做 data labeling 的公司，比如 Mercor、Scale AI。看看它们每天在做什么，就知道 Anthropic 和 OpenAI 的重心在哪里。
它们现在招很多金融、法律、医学等领域有技能的人来清洗数据。换句话说，公开领域的数据已经有了，也够用了；现在需要的是私域数据。比如你是基金的投资人，平时具体怎么工作，网上肯定找不到，只有公司里的人才知道。它们会付钱请你告诉它们每天的工作流程，让模型观察、学习，希望模型学会之后能帮你，甚至取代你。
对，他们想做什么方向，供给端比较显然。我刚才想问的其实是需求端，市场的接受程度怎么样。比如你们自己也是金融领域的公司，AI 对你们工作的提升能到什么程度？你刚才说的这种收集数据的方式，程序员是一个比较同质化的群体，不同公司的程序员做的事有很多共同点。
是，是。
但其他知识工作类型很多，而且有些类型里，大家做事的方法论也不完全一样。我不知道后面的推进节奏和规模会怎么样。
我同意。关键是标准化程度有多高，有多少是标准化的，有多少是非标的。
比如投资这个领域，同一件事大家会有不同判断。巴菲特的判断是 A，另一个有名的投资人可能判断是 B，完全不一样。这是一个非标的东西，所以要收集很多数据，是非常费人工、费时间的事情，肯定比较困难。
但有些领域，比如法律。我们接触的很多律所，会用现在很多 vertical AI 工具，其中最有名的一个叫 Harvey。它背后也是用 frontier lab 的模型。大的律所基本都在用，因为很多比较 junior 的律师做的工作，尤其是文书工作，标准化程度比较高，确定性也比较高，所以这些工具能发挥作用。
不同行业的情况确实不一样，所以要在很短时间内全面推广，我觉得也比较困难。
对，这也是大家在思考的行业风险：除了程序员群体、coding 场景，好像很难找到一个标准化程度、产生的价值、用户对新产品的接受程度和采纳速度都这么好的领域。
是。
我也很好奇，后面要怎么解决。再说回 Anthropic 招股书，大家还关注它的利润。前面提到过，它的自由现金流看起来是正的，但实际上它已经连续两个季度经调整后的经营利润为正。二季度是它自己在招股书里披露的，三季度则有媒体报道说经调整后也盈利。你怎么看它连续两个季度盈利，以及这个盈利的成色？
盈利这件事可以有很多调整，因为大家都没有用 GAAP。我们通常会把经营性现金流 operating cash flow、融资方面的现金流 financing cash flow 都放在一起看。按我们的标准，最后看的是进来多少现金、出去多少现金，这个我比较在乎。
按你们自己的计算，它的现金流实际上怎样？
它目前没有披露很多信息，比如 R&D 里有多少是用于训练模型的。它没有讲。如果把所有的钱都算进去，目前基本上是在亏钱，因为训练下一代产品还需要投入更多训练费用。
从公司经营角度来说，你不需要现在挣钱，只需要手上的现金足够支撑公司到下一阶段，有足够的 runway，把公司做大。以后真正挣钱、赚真正的利润，可以以后再考虑。
我也补充一下数据。Anthropic 的现金储备，包括现金及现金等价物和短期投资，现在超过 1,300 亿美元，比很多我们印象中的巨头还多，比如亚马逊、英伟达、Meta。所以用来发展接下来的业务、做研究的资金应该比较充裕。当然，未来承诺投入算力的钱也特别多。
整体来看，它有很多资源可以做拓展和探索，但最后能得到什么结果，可能还是你刚才说的核心问题：整个市场对 AI 的需求接下来会以什么节奏和规模发展。还有一个问题：在你的投资框架里，Anthropic 这一类公司有什么已经上市的公司可以对标吗？
说实话，目前没有特别好的对标公司。这类公司和以前互联网、软件公司有很大区别：规模扩大后，marginal cost 并没有下降。
比如 Facebook 已经搭好平台之后，新增一个用户，服务他的成本基本是 0。但模型公司新来一个客户，第 1,000 个客户和第 1 个客户，服务成本其实差不多。这是很大的不同。所以它对资金的胃口、需求，天然比传统互联网企业高很多。它更像一些重资产领域，云可能不是特别好的例子，但有点类似。
最后想聊一下你的预测。整体上，你个人认为接下来一段时间，AI 算力基础设施会继续保持现在的情况，还是下跌风险比较大？
还是回到刚才说的，核心中的核心在需求端。我们没有看到特别好的先行指标，可能比较好的同期指标是 Databricks、Snowflake 这类数据基础设施公司，它们能给我们一个更好的判断。
说实话，世界各地公司的管理层，到今天很多人都不知道自己愿意花多少钱，还需要时间验证。
所以你觉得现在也很难判断未来需求向好还是不向好，对吧？
按照现在能看到的数据，按照亚马逊的说法，需求一定很好。但亚马逊说的事情最后能不能落地，要由它的客户说了算。
你们会通过什么方式调查？你们肯定有自己的渠道去了解。
对。我们会和很多行业交流，因为我们不光投科技，也投很多传统工业、消费企业。我们会定期走访，了解他们的情况：你们看到了 ROI 吗？现在愿意花多少 token，愿意多花多少，是 30%、50% 还是 70%？你们烧 token 是直接通过基础设施，还是继续通过 Snowflake、再通过亚马逊？我们会持续跟踪。
但核心问题是，他们自己现在也不知道。我们问不出来，因为他们自己心里也没底，所以还需要持续观察。
嗯。
我们做投资不是预测家。
嗯。
没有人有水晶球。我们只能尽量从各方面了解，把拼图拼出来。
你们现在对这个问题确实还没有定论，也没有一个有倾向性的答案。
我不觉得全世界有任何一个人——Dario 也好，Sam Altman 也好，亚马逊也好——心里对这件事已经有明确答案了。他们可能有一个信仰，但这个信仰和实际情况最后是否吻合，他们其实也不知道。
最后一个问题。作为投资人，你现在在思考什么重要但还悬而未决的问题？可以放开来说，不一定直接和 Anthropic 有关，也可以和整个 AI、科技相关。
如果说 AI，还是回到刚才最核心的一点。现在大家提到融资问题、AI 泡沫问题，核心其实不在供给端。很多人在讲供给、供给、供给，讲融资、融资、融资，但我觉得核心还是需求端。
需求增速到了一定速度，行业需要的钱也会形成一条曲线。现在收入曲线的位置很低，但斜率很陡，最终有一天会和花钱的曲线重合。争议无非是重合点在 2029 年、2030 年，还是其他年份。
从花钱的角度，这条曲线比较清楚。关键是需求产生收入的曲线有多陡，目前不知道。如果知道这条曲线的斜率，我们就知道这个行业还需要资本市场支撑多久。核心不是研究花钱的曲线，因为它相对确定；核心是研究收入端、需求端这条曲线的斜率。
有些人会在短期波动之后讨论，现在是不是 AI 泡沫破裂的前夜。你觉得这是过度恐慌，还是已经出现了这样的信号？
我觉得这是明显的过度恐慌。最后证明是泡沫还是不是泡沫，核心要看下游企业客户的需求。如果你相信亚马逊说的明年有 40% 增速、后年还有 40% 增速，那两条曲线显然可以相交。
但目前没有任何证据能证明亚马逊的信心百分之百正确，所以我们还需要观察。
嗯。
但现在就断言亚马逊说的东西是骗人的，我觉得为时尚早。
我跟你聊的过程中，感觉你对整个行情非常淡定，这是源于什么？
源于我们的风格。你知道我以前做 PE，做 PE 的话，任何一个标的都要有持有 10 年以上的信心，否则就不应该投，因为一个退出周期就是 10 年。所以短期噪音、市场情绪波动，没有特别值得我们担心的地方。
第二，我们的策略和巴菲特比较类似，不用杠杆，借贷比较少。过去几年也经历过很多次大回撤。比如 Microsoft 从 2022 年的 30 美元涨到后来接近 1,000 美元，中间至少经历过五六次超过 30% 的回撤。这是很正常的事情。7 月整个市场也经历过一次，对吧？7 月那次暴跌把市场打到当月低点，我觉得也很正常。
所以你个人是长期比较有信心的。
如果我们用杠杆，就会很关注短期交易情绪，因为即使最后逻辑正确，中间也可能先死掉。7 月底、10 月底，你肯定就死掉了。我们没有杠杆，所以完全可以接受市场情绪波动。
这并不是说我们觉得 AI 一定能够跑出来。核心是现在为时尚早，只能根据 Databricks、Snowflake 这类数据基础设施公司核心客户的花钱速度，以及云厂商看到的客户支出速度来判断。
对，你前面也一直说，核心问题是需求，不在供给。说到供给，我看你前段时间接受采访时提到，供给里确实有循环交易和借债的问题，但对你们这种风格来说，这不是最大的风险。你觉得这对整个市场可能会是多大的风险？
有些公司没有真正的壁垒，纯粹是 commodity 公司。比如很多新云厂商，除了少数几家有一些软件栈、还算有壁垒，其他很多小公司，包括最近想上市的 Nscale，就是 bare metal，本质上是房地产生意。这种模式必然有很多风险，没什么可说的。
但如果是真正有壁垒的行业，比如内存，全世界只有 3 家能做，而且供需缺口逐渐扩大，明年比今年大，后年比今年更大。它们不需要借钱，现金很多，现金流也很好。对我们来说，这样的风险收益比就比较好。
你刚才也提到，这类公司如果没有别的技术壁垒，纯粹从业务上看有点像房地产。假设整个 AI 需求真的不如预期，供给端暴雷可能带来什么连锁反应？现在已经有人把这次和 2008 年次贷危机对比。
像 Nscale 这样的 bare metal 公司，肯定会受到很大冲击。还有一些新芯片公司，做和 GPU、ASIC 或 TPU 竞争的芯片，但现在没有办法量产，或者量产爬坡速度很慢。它们很多靠 private credit market 支撑，一旦需求崩盘，很快就会倒下。
对美国 GDP 的风险不会像 2008、2009 年那么大。目前所有 AI 加在一起，占美国 GDP 不到 3%，只有 2 个多点。2008、2009 年，房地产占美国 GDP 的比例远高于这个数字，所以对美国整体 GDP 的影响没有当年房地产那么大。
第二，2008、2009 年银行是主要参与者，绝大部分钱来自美国银行系统。今天 AI 花的钱，绝大部分不是通过银行，而是通过 private credit、sponsors、PE shop 和 private market 支撑的。银行参与相对比较少。所以即使整个 AI 行业出问题，对美国银行系统的冲击也比较有限。只要美国银行系统不出问题，美国经济就很难变成 2008、2009 年那种情况。
那今天非常感谢 Rob 做客《晚点聊》，分享了对 NVIDIA 以及和 NVIDIA 相关的整个 AI 板块，包括 AI 基础设施、云厂商，还有一些数据公司的情况的观察和了解。那今天的节目就到这里，各位拜拜。