关于ZAKER Skills GEO服务 合作
财联社 21分钟前

史上最大 IPO 诞生

受资本市场及科技产业瞩目的 AI 巨头 Anthropic 正式登陆纳斯达克。

19 日美股开盘,Anthropic IPO 短暂提振了美股市场情绪。直至盘中,Anthropic 开始交易,一度涨约 39% 报 115.10 美元,之后快速回落,收涨 17.07%,同时带动美三大股指集体收跌。更有投资者称,这家成立不满 6 年就创下史上最大 IPO 纪录的 AI 企业 " 凭一己之力,带崩了整个美股 "。

据悉,Anthropic IPO 定价每股 83 美元,发行规模 9.8 亿股,合计募资约 813 亿美元,叠加来自谷歌、英伟达、AMD、博通、美光、微软及台积电 " 七巨头 " 的 260 亿美元私募配售,总募资规模逾 1070 亿美元,打破 SpaceX 今年 6 月 IPO 创下的记录。同时,Anthropic 的完全稀释估值约为 1.5 万亿美元。

Anthropic 上市是 AI 产业从技术竞赛走向资本、基础设施与商业化全面竞争的一个标志性节点。财联社记者采访业内人士获悉,AI 产业投资逻辑已出现阶段性变化,在这一 " 超级 IPO" 背后,资本市场更关注企业的商业化能力、盈利前景与资本回报。巨额算力承诺如何兑现为实际回报、模型领先优势能否持续,成为审视重点。

沙利文中国执行总监李庆称,Anthropic 上市的意义不只是一次大型 IPO,更是一次对全球 AI 商业模式和资本回报能力的公开市场检验。对资本市场而言,Anthropic 的上市提供了 AI 基模公司的公开市场定价标杆,推动 AI 企业建立更加透明的商业化和财务评价体系,推动 AI 产业从风险投资驱动走向更成熟的资本市场融资体系,市场将不再仅仅关注模型跑分。

英伟达并非 " 唯一解 "

近日黄仁勋辞去英伟达总裁、CEO 及董事职务,引发业内诸多讨论。有从业者告诉财联社记者,由于短期内英伟达公司层面的规划还较为明确,假设黄仁勋最终对英伟达完全失去了掌控力,预计两到三代产品后才会体现出真正的影响。

而在 Anthropic 的规划中,英伟达并非算力供应的 " 唯一解 "。截至 2026 年 9 月 30 日及以后 Anthropic 签订的采购承诺和租赁协议,承诺总支出约为 9009 亿美元,其中绝大部分与计算和基础设施相关,但也并不只流向 GPU。

招股书中,Anthropic 明确列出了四大主要算力供应商的产品系列:亚马逊云 AI 加速器芯片 Trainium、谷歌 TPU、英伟达 GPU、AMD GPU。其中,英伟达方面提供的算力主要来自 Grace Blackwell 和 Vera Rubin 系列,同时 Anthropic 也有机会直接与英伟达在设计和工程方面合作。

Anthropic 强调,这种不依赖任何单一供应商的方案扩展了公司可用计算资源,使得工作负载的价格和性能得到优化,其带来的灵活性需要多年时间和大量投资来构建,很难大规模复制。

即便如此,近期在与摩根大通掌门杰米 · 戴蒙的对谈中,Anthropic 联合创始人兼 CEO 达里奥 · 阿莫迪仍坦言,算力是 Anthropic 面临的最深层商业难题。他谈到,公司选择上市的重要原因,就是增加现金储备,为高度不确定的算力需求提供更大缓冲。

透过 Anthropic 的招股书可以看到,AI 产业对算力基础设施的需求已经从短期采购,发展成长期战略性资源配置。但 Anthropic 明确提示,部分算力供应商依赖第三方融资和信用支持。如果融资成本上升或融资无法获得,已经签订的算力合同可能延期、重新定价、缩减甚至无法交付。

就在本周,AI 基础设施投资热潮还出现了一个降温信号——半导体研究机构 SemiAnalysis 大幅下修了未来数年 AI 加速器出货、资本开支、HBM 需求和电力需求预测。其中,2028 年至 2030 年的调整幅度尤为明显:2028 年全球 AI 加速器资本开支预测被下调 28%,2029 年和 2030 年分别下调 41% 和 40%。

在李庆看来,算力厂商不仅要关注市场需求,还要关注项目融资、资产利用率和现金流。产业链的竞争重点将从谁拥有更多产能,逐渐转向谁拥有更高的产能利用率、更低的单位算力成本,以及更强的资本回报能力。

Claude 能否持续领先?

就在上市前夕,Anthropic 发布新一代旗舰模型 Claude Fable 5.2 和 Claude Mythos 5.2,并宣布扩展 Claude 的办公功能,推出 AI 办公套件。模型能力持续迭代,特别是 AI 编程等领域断崖式领先,为 Anthropic 定下了较高的竞争起点。

财务数据显示,今年前三季度 Anthropic 累计收入 332.42 亿美元,远高于上年同期的 25.45 亿美元。第三季度,其收入同比增长 1127%,而同期计算和基础设施支出仅增长 382%。截至 9 月末,过去 12 个月贡献收入 10 万美元以上的客户达 11900 家,去年末仅超过 1500 家。

不过,Anthropic 第三季度收入环比增长约 47%,而第二季度环比增幅约 147%,收入仍快速增长,但增速已有所放缓;第三季度收入与算力支出的比值,也从第二季度的 2.08 倍回落至第三季度的 1.72 倍。同时 Anthropic 在利润端承压,第三季度经营亏损约 5.67 亿美元,净亏损约 233 亿美元。

(图源 Anthropic 招股书)

目前,Anthropic 八成左右收入来自 B 端,已经证明了企业市场存在巨大的 AI 付费需求,但随着收入基数扩大,后续增长越来越依赖客户扩容、使用频率提升、产品单价和新业务拓展,Anthropic 还需要进一步证明其商业模式能够实现长期、稳定的盈利。

在李庆看来,个人用户使用 AI,往往是为了提高体验、获取信息或满足兴趣需求,付费意愿和使用频率存在不确定性。但企业使用 AI,核心是经济账。只要 AI 能够创造可量化的经济价值,企业就有动力持续付费。这也解释了为什么 Anthropic 在编程、企业知识处理和专业工作流方面的布局非常重要。

他表示,未来真正重要的指标是大客户收入的持续扩张、企业客户续费率和净收入留存率、AI 产品的实际使用频率、单位算力带来的收入、毛利率和经营现金流等。

广西码农科技 AI 产品总监张亮还告诉财联社记者,鉴于国产模型的追赶速度在加快,特别是 RSI 模式(注:指递归自我改进,指 AI 系统能够修改自身改进方法,并用新方法继续优化形成能力迭代闭环)的出现,模型之间差距会逐步变小,Anthropic 未来的发展潜力或许还很难判断,其商业模式或许并不稳固。"Anthropic 商业模式的基础就是 Claude 基模的能力,如果被其他家超越,那么客户会毫不犹豫地选择更强的基座模型。目前这个时间点对 Anthropic 的上市是比较利好的,因为(能力)还处于领先水平。(但是)Anthropic 的模型能力能否持续领先,是要打个问号的。"

近期有媒体报道,字节跳动创始人张一鸣在内部分享中透露,字节跳动的大模型要对标国际第一梯队。其认为,字节有能力与 OpenAI 和 Anthropic 展开竞争,但真正追平前沿技术 " 最早也要到 2029 年或 2030 年 "。

张亮认为,未来大模型行业会形成少数几家基座模型为主、开源闭源并存的格局,而决定大模型的关键变量其实是成本。" 短期内行业竞争会非常激烈,如果把时间拉得足够长,实现 AGI 之后技术会扩散,模型之间差距缩小,直到持平。那时候的竞争可能就不是模型的竞争,是另外的维度。目前大家还都在‘爬山’,都在半山腰。"

同时,从 Anthropic 目前的做法看,在其版图中同一家企业可同时担任供应商、投资人、合作伙伴、竞争对手的角色。AI 商业化进程加快的背后,是一场跨越模型、芯片、云计算、数据中心乃至能源的长期竞赛:云厂商开始自研芯片、自研模型,并直接向企业提供 AI 服务;芯片企业开始发展自己的模型和软件生态;模型公司则开始向上游扩展,自己建设基础设施,甚至发展企业级应用和 Agent 平台。

" 未来产业链企业的竞争优势,不再只是由自己所处的环节决定,而是取决于能否控制关键资源、建立生态,以及获得终端客户。" 李庆表示。

资本市场关心什么?

此前有受访者告诉财联社记者,2026 年预计将成大模型资本化关键年。

今年初," 全球大模型第一股 " 智谱(02513.HK)、MiniMax(00100.HK)相继登陆港交所。日前,DeepSeek 第二轮千亿融资也已落地,腾讯、中国移动(600941.SH)、中国电信(601728.SH)、宁德时代(300750.SZ)、兆易创新(603986.SH)等为产业股东。本月 OpenAI 方面则透露,预计公司将在 2027 年具备上市条件,届时 AI 产业或再现 " 超级 IPO"。

眼下产业正值多重挑战。李庆告诉财联社记者,对近期的科技股调整来说,中期选举更多是一个催化剂,真正影响市场的是投资者开始重新审视 AI 产业的投资回报周期。"AI 产业从预期驱动的估值扩张,进入业绩兑现和资本回报驱动的估值重构。这并不意味着 AI 产业的长期发展逻辑发生逆转,而是市场开始变得更加理性,对企业的盈利能力、现金流和投资回报提出更高要求。"

此前两三年,算力需求持续增长、云厂商加大资本开支、大模型能力不断突破、AI 将成为下一代基础设施。在这一阶段,市场愿意为增长预期支付较高溢价,甚至对短期盈利能力相对宽容。

不过,市场开始提出三个更加现实的问题:

其一,AI 资本开支还能持续增长多久?全球科技巨头已经投入了大量资金建设数据中心、采购 GPU 和部署 AI 基础设施。投资者开始关注,这些投入究竟能够产生多少实际收入,以及资本回报率何时能够覆盖前期投入。

其二,AI 商业化能否真正支撑当前的估值?模型能力的提升,并不必然意味着商业收入同比例增长。企业愿意为 AI 付费,但 AI 能否真正替代人工、提高生产效率、降低运营成本,还需要在更多行业得到验证。

其三,AI 基础设施建设是否存在融资和供给风险?AI 产业的资本开支规模已经非常庞大,不仅需要芯片,还需要电力、数据中心、网络设备和长期融资。如果上游基础设施建设的融资成本上升,或者项目交付不及预期,都会影响产业链企业的盈利兑现。

觉得文章不错,微信扫描分享好友

扫码分享

热门推荐

查看更多内容

企业资讯

查看更多内容