此外，Anthropic 还计划通过单独的私募配售交易筹集 260 亿美元，参与投资的科技企业包括谷歌、微软、英伟达、AMD、博通、美光科技及台积电。
计入私募配售后，Anthropic 此次股票发行及相关交易的总规模最高可达 904 亿美元，高于 SpaceX 今年 6 月 IPO 创下的 862 亿美元融资纪录。不过，Anthropic 公开发行部分的融资规模最高约为 644 亿美元，尚未打破 SpaceX 的 IPO 融资纪录。
Anthropic 已启动面向投资者的路演，股票预计于本月登陆纳斯达克全球精选市场，交易代码为 "ANT"。高盛和摩根士丹利将牵头此次发行，另有 20 家银行参与承销。
IPO 估值目标大幅下调
按照发行价区间上限计算，Anthropic 在 IPO 及私募配售完成后的市值最高约为 1.02 万亿美元，若按完全稀释后的股本计算，估值最高约为 1.405 万亿美元。
这一目标明显低于此前市场预期。今年早些时候，部分投资者曾预计 Anthropic 可能在 10 月上市，并寻求高达 2 万亿美元的估值。此后，市场对其估值预期逐步降至 1.5 万亿美元附近，但部分投资者仍认为这一水平过高。
今年 5 月，Anthropic 宣布完成 650 亿美元 H 轮融资，投后估值达到 9650 亿美元，主要投资者包括 Altimeter Capital、Dragoneer、Greenoaks 和红杉资本等机构。
Anthropic 估值预期下调正值华尔街重新审视 AI 投资热潮之际。
在利率维持高位的背景下，投资者越来越担忧，AI 基础设施建设所需的巨额资本开支及不断上升的融资成本，可能难以通过未来收入得到充分回报。
此外，市场对 AI 行业循环融资安排、数据中心产能过剩，以及企业将 AI 投资转化为实际收入的速度也存在疑虑。
政治环境进一步加剧了不确定性。在上周美国中期选举中，民主党全面赢得国会控制权，多个州通过了可能限制 AI 基础设施建设的公投措施。市场担忧，更严格的数据中心监管可能推高建设成本，并拖慢相关项目进度。
营收高速增长，但巨额算力支出考验盈利能力
招股文件显示，Anthropic 第三季度营收达到 169.6 亿美元，环比增长 47%，较去年同期的 14 亿美元增长逾十倍。 不过，其营收环比增速较第二季度的 144% 明显放缓。
今年前九个月，Anthropic 累计实现营收 332.4 亿美元，同比增长约 1200%，反映出企业客户对 Claude 系列 AI 模型的需求持续增长。
招股文件显示，今年 9 月，Anthropic 代码库中超过 90% 的代码贡献由 Claude 编写，凸显 AI 编程工具在软件开发领域的应用程度。
然而，收入激增并未消除公司的盈利压力。
Anthropic 第二季度实现 9.74 亿美元营业利润，为经历至少连续五个季度亏损后首次实现季度营业盈利。但第三季度，公司重新陷入亏损，营业亏损达到 5.67 亿美元。
同期，Anthropic 运营费用达到 175 亿美元，同比增长 292%。其中，短期合同承诺产生的算力成本约 50 亿美元，与慈善捐赠配捐计划相关的非现金费用约 20 亿美元，是影响季度盈利的重要因素。
今年前九个月，Anthropic 报告净亏损约 1040 亿美元，远高于去年同期的 251 亿美元。不过，其中约 943 亿美元来自可转换票据等金融工具的公允价值变动，属于非现金会计损失。同期，公司营业亏损约 12.6 亿美元。
更大的挑战在于未来的资本支出。
招股文件显示，Anthropic 目前承担的采购及租赁合同承诺总额约为 9009 亿美元，其中绝大部分与算力及基础设施有关。按照截至 9 月 30 日的 12 个月计算，约 707 亿美元的相关承诺需要履行。
这些支出涉及亚马逊、谷歌等算力供应商，部分项目还依赖于 Anthropic 无法直接控制的外部融资安排。
值得注意的是，谷歌、亚马逊和微软既是 Anthropic 的投资者，也是其客户及重要算力供应商，这种复杂的商业关系也是市场关注 AI 行业循环融资风险的原因之一。
模型价格竞争加剧
在巨额算力支出之外，Anthropic 还面临日益激烈的行业竞争。
周一，该公司推出 Claude Fable 5.2 和 Claude Mythos 5.2 两款新模型，两者的输出速度较上一代最多提升 30%，使用价格也有所降低。
但模型降价也开始影响收入表现。招股文件显示，部分新模型降价及客户合同折扣，抵消了第三季度约 6 亿美元由使用量增长带来的收入增量。
此前，Anthropic 已在 9 月推出 Opus 5.5 时降低定价。竞争对手 OpenAI 近几个月同样推出了价格更低的模型。
此外，来自中国开发商等企业的低成本开放权重模型，也正在加剧市场竞争。企业客户可以下载相关模型，并根据自身需求进行微调，从而减少对高价闭源模型的依赖。
