Anthropic 上市、阿里财报同日发布:两家公司都在往对方地盘走
十一月的股市为 AI 沉默,沉默是十一月的 AI。在美股持续回调的 11 月,千呼万唤的 Anthropic 终于登陆纳斯达克。11 月 19 日,这家 Claude 背后的公司正式挂牌交易。Anthropic 在国内为人熟知,除了 Claude,还有已然成为流行梗的大规模封号。但比起上市本身,更值得注意的是,除了继续
十一月的股市对 AI 没什么热情,AI 在这个十一月也显得安静。
美股 11 月一路回调,
Anthropic 却在这个节点登场。11 月 19 日,Claude 背后的这家公司正式在纳斯达克挂牌交易。
国内知道 Anthropic,多半因为
Claude,也因为大规模封号早成了梗。不过比起上市,更值得看的是另一件事:它一边继续向 AWS、Google Cloud 等云厂商买算力,一边开始更多直接租专用 AI 加速器,还把数据中心资源提前锁定。
同一天,阿里晒出截至 9 月底的季度成绩单。AI 云与计算服务收入同比涨了 53%,已经赚钱;AI 实验室与应用收入同比涨 51%,但还在亏。
算力和云已经开始贡献利润,阿里却不甘心只当云服务商。平头哥、阿里云、千问、企业智能体,这些原本散在不同环节的技术和业务,正被它串到一起。
9 月的云栖大会上,吴泳铭把 AI 模型、AI 芯片和 AI 云说成机器智能时代的三大基础设施,还提出到 2032 年,阿里云运营的数据中心规模要超过 20GW。
芯片和云,阿里已经有了;千问和智能体,它正试着做成新生意。Anthropic 靠 Claude 打开市场,如今反过来亲自下场布局芯片和数据中心。
资本市场降温的 11 月,阿里和 Anthropic 就这么走到了一起。
阿里向上,从云计算到 AI 全栈
往前翻,阿里的 AI 布局其实比这波大模型热早得多。
2019 年 9 月,云栖大会上,平头哥研发的首款 AI 推理芯片含光 800 亮相,后来被用在阿里自己的电商业务里。两年后,服务器 CPU 倚天 710 发布,由它驱动的自研服务器磐久也跟着推出。
含光 800 主要面向 AI 推理,倚天 710 则不同,它开始进入数据中心的通用计算体系。阿里对芯片的投入,也从特定场景的计算加速,铺到了云计算基础设施。
2023 年 4 月,通义千问正式发布。阿里云很快把模型开放给企业客户和开发者,提供 API 等服务。企业可以直接调用通义千问的能力,开发自己的 AI 产品。
到这一步,阿里的生意不再只是卖计算资源。芯片提供底层算力,云平台负责组织和交付,模型成了企业能直接购买、直接调用的新产品。
到了 2026 年,阿里又把目光投向更靠近用户的一头。千问 App 开始接入购物、本地生活、旅行和办公等场景,试着让 AI 从回答问题走向实际任务。面向企业的 QwenWork 把智能体带进文档、会议、知识管理和经营流程。QwenWork 电商版还能调用淘宝、天猫的数据,帮商家处理店铺运营、经营分析、广告和客服等工作。
今年 6 月,阿里调整财报业务分部:原来的云智能集团与平头哥合并为 AI 云与计算服务,AI 模型实验室、千问消费者业务和 QwenWork 归入 AI 实验室与应用。
两条业务线的经营表现,差别已经很明显。
阿里最新公布的 2027 财年第二季度财报显示,AI 云与计算服务收入 609.73 亿元,同比增长 53%。其中外部客户收入约 470 亿元,同比增长 64%;外部客户经常性收入约 370 亿元,同比增长 67%。收入涨了,利润也在改善:AI 云与计算服务调整后 EBITA 达到 88.38 亿元,同比增长 121%。
对阿里来说,芯片和云计算已经是市场验证过的生意。
另一端就没这么乐观。
财报显示,AI 实验室与应用收入 44.35 亿元,同比增长 51%,调整后 EBITA 却亏了 105.03 亿元,比去年同期的 34.35 亿元亏损进一步扩大。阿里在财报里提到,AI 能力建设投入增加,加上千问 App 推理成本上升,是亏损扩大的原因之一。
阿里的 AI 布局因此呈现出一种挺有意思的状态。
企业愿意为算力和云服务掏钱,阿里也能从中赚到利润;可当 AI 能力被推向更轻量的消费者和企业,千问用户越多、调用越频繁,背后的推理需求也跟着往上走。
阿里之所以不断往芯片和云计算上加码,原因也在这里。9 月的云栖大会上,吴泳铭把 AI 模型、AI 芯片和 AI 云说成机器智能时代的三大基础设施,还提出到 2032 年阿里云运营的数据中心规模要超过 20GW。自研芯片能优化计算性能和能耗,云计算则负责组织和调度庞大的算力资源。
阿里的算盘是软硬件协同,让不断增长的 AI 需求不至于全部变成成本压力。
可基础设施投下去,最终还得靠应用来消化。千问、QwenWork 这些产品要能带来足够多的付费用户和企业任务,新增算力才有机会获得更高的利用率。否则数据中心建得再多,也只是提前锁定了一笔庞大的成本。
Anthropic 向下,补上算力缺课
和阿里的起点比起来,Anthropic 完全是另一条路。
2023 年,Anthropic 先后与 Google Cloud、AWS 达成合作。Google Cloud 提供 GPU 和 TPU 计算资源;亚马逊不仅投资最高 40 亿美元,还成为 Anthropic 的云服务商,并为 Claude 提供 Trainium 和 Inferentia 芯片。而贝索斯不仅负责要给钱,还要给达里奥干活供货。
2024 年 11 月,Anthropic 与 AWS 进一步深化合作,双方开始共同优化 Trainium 芯片及其软件体系。Anthropic 的工程师参与底层 Kernel 开发,并与 AWS 共同改进 Neuron 软件栈。到了 2025 年,Anthropic 又扩大与 Google 的合作,计划使用最高 100 万颗 TPU,预计 2026 年将有超过 1GW 的计算能力投入使用。
问题是,过度依赖外部云服务商,也给 Anthropic 带来了隐忧。
Anthropic 在 IPO 文件里承认,自己对算力的需求此前屡次估低,结果算力跟不上,模型研发和产品部署都受了拖累。Claude Code 和智能体产品铺开之后,这个问题愈发明显。
还有一层更微妙的关系:给 Anthropic 供算力的厂商,本身也是它的竞争对手。AWS、Google 这些企业一边对外提供算力,一边经营着自己的 AI 模型和服务,和 Claude 正面交锋。招股书里 Anthropic 也坦承,这层多重商业关系未必总跟自己的长远利益合拍,算力的供应、价格乃至分配优先级都可能被牵动。
对一家需要持续训练模型、同时满足用户算力消耗的公司来说,把如此重要的资源完全交给外部供应商,显然存在不小的不确定性。
并且,算力采购本身还有时间和成本上的问题。
Anthropic 通常需要提前 12 至 18 个月锁定长期计算资源,但模型研发和客户需求很难准确预测。当长期采购的算力无法满足实际需求时,Anthropic 则不得不高价购入短期资源。2026 年第三季度,Anthropic 就为此承担了约 50 亿美元的短期算力成本。
Anthropic Direct 正是冲着这一点来的。它不走云厂商,直接租专用 AI 加速器,同时把数据中心容量和电力资源提前定下来,设备投入则按实际需求分批安排。这么做,一方面减少了对单一云服务商的依赖,另一方面资本安排也相对灵活,可以用长期算力一点点替掉价格高昂的短期采购。
但风险并没有就此消散。数据中心要建、设备要装、电力要供,周期都拉得很长。一旦需求预测偏了,那些原本用来保算力的长期承诺,就会反过来变成压手的固定成本。
但 Anthropic Direct 能否真正降低计算成本,目前还需要时间验证。
从最新财报看,算力依然是 Anthropic 经营中最沉重的支出之一。今年第三季度,公司计算及基础设施费用达到约 99 亿美元,占当季收入的 58%。尽管 Anthropic 按照调整后经营利润口径已经实现 24.63 亿美元实现盈利,但更能表现公司日常经营的 GAAP 口径下,Anthropic 仍然亏损 5.67 亿美元。
两条路的交汇处
2026 年 3 月,黄仁勋在英伟达官网发文,把 AI 产业形容成一块五层蛋糕:最底下是能源,往上依次是芯片、基础设施、模型和应用。
而在 AI 产业分层的另一面,是各家企业为了产业链利润圈的定势力范围。
阿里是从芯片和云计算做起来的,眼下又把模型、消费者应用和企业智能体培育成新业务;Anthropic 则相反,先在应用层做到龙头,再把目光转回过去外包出去的计算资源,动手直接租加速器、锁定数据中心容量。
中美两家 AI 龙头,各自的路径走到了相同的路口。
而新能源汽车行业已经走过一遍类似的路。
新能源汽车产业链过去分工比较清楚:电池、电机、电控各由专门供应商负责,整车厂只管把这些部件拼成一辆车。竞争一深入,一些头部企业就动手打破这条边界,把越来越多核心环节攥在自己手里,从单纯的整车制造商转向全栈能力的产业参与者。
比亚迪在2025年年报里说得明确,电池、电机、电控以及芯片这些核心部件,仍要自己研发、自己生产。它拿出的超级e平台,把闪充电池、3万转电机和新一代车规级碳化硅功率芯片,装进了同一套高压架构。
特斯拉这边,动力系统、车辆软件、电池技术、AI训练算力,都放在自家的研发制造体系里。2025年,得州Cortex训练集群继续扩容,公司还宣布与三星联手生产先进半导体。年报里,垂直整合被列为降本、提效和保安全的关键动作。
眼下看,AI产业身上也冒出差不多的苗头。
Anthropic在IPO文件里讲得很直接:AI企业搞垂直整合的越来越多。按它的说法,谁能在计算供应链上多握住几个环节,谁就更有机会用更大的规模、更低的成本、更高的可靠性拿到算力。芯片和模型之间的软硬件协同,还可能把能力差距拉得更大。
阿里和Anthropic看着是朝两个方向走,最后却落到同一条路上,原因就在这里。
这么看,AI行业也许正等着一场新的烧钱大战。只是这一回,巨头们的火力不会只压在模型研发和训练上。周期更长的基础设施建设、铺得更广也更深的产业链布局,都会成为这场即将到来的战争的战场。