Anthropic阿莫迪谈IPO:算力是最深层难题,估值不虚高
美国当地时间11月13日午间,Anthropic联合创始人兼CEO达里奥·阿莫迪与摩根大通CEO杰米·戴蒙(Jamie Dimon)在纽约举行了一场IPO主题对话。 对于正准备登陆公开市场的Anthropic而言,这场对话不仅是一次上市推介,也是外界观察其商业模式、竞争策略和长期发展规划的窗口。 阿莫迪把Anthrop
美国当地时间11月13日午间,
Anthropic联合创始人兼CEO达里奥·阿莫迪和摩根大通CEO杰米·戴蒙(Jamie Dimon)在纽约围绕IPO做了一场对话。
对正在准备登陆公开市场的Anthropic来说,这不只是一次上市推介,外界也借此观察它的商业模式、竞争策略和长期规划。
阿莫迪把Anthropic的竞争优势落在“人才和文化”上。
他的逻辑是:人才和文化决定技术,技术决定产品,产品再决定市场拓展和销售。企业客户看重安全和信任,这跟Anthropic的经营目标正好相互促进。在他看来,安全并非企业AI商业化的附加条件,客户愿意长期合作,靠的就是它。
AI市场的边界也在往外扩。阿莫迪说:“每次拓展前沿,都会创造全新的市场。”
聊天机器人和编程,只是眼下模型能力打开的市场。阿莫迪认为,生命科学、机器人、材料、网络安全这些领域还有更大的潜在空间。就算部分模型应用慢慢商品化,Anthropic也能靠前沿模型的技术积累,训练出成本更低、效率更高的小模型。
不过模型能力越强,算力投入也跟着变大。
阿莫迪直言:“算力是Anthropic面临的最深层商业难题。”
算力资源通常要提前一到两年采购。买多了,财务负担加重;买少了,又可能拖累客户推理需求和下一代模型研发。Anthropic现在走的是相对保守的采购路线:先锁定一部分算力,再按实际需求从现货市场补。
IPO给这场长期投入腾出了更多资金空间。
阿莫迪说,增加现金储备、支持算力建设,再加上抓住生命科学和机器人等领域的增长机会,是公司选择此时上市的重要原因。
他还讲起准备IPO时听到的一条建议:“永远不要让公司的估值高出它真正值得的哪怕一美元。”这跟Anthropic坚持的“少承诺,多兑现”是一个路子:不提前炒作模型能力,等技术和产品真正成熟了再向市场展示。
从企业客户到算力采购,从模型商品化到IPO估值,这场对话其实碰到了Anthropic上市后绕不开的几道考题。
阿莫迪希望投资者看到的,不只是这家模型公司眼下的增长速度,还有它能不能在扩大商业规模的同时控制住风险,把AI能力变成长期的经济价值。
以下是戴蒙对话阿莫迪的实录精炼版:
01
人才和文化是Anthropic的护城河
戴蒙:你在OpenAI干过,也是AI领域的早期参与者。现在越来越多公司涌进这一行,Anthropic怎么跟其他竞争者拉开差距?
阿莫迪:我在这个行业好几家主要公司工作过。回头想这些经历,琢磨为什么有些项目成了、有些败了,我慢慢意识到,决定一家公司的核心因素是人才和文化。
技术由人决定,人又取决于文化与人才;产品出于技术,市场开拓、销售乃至公司其他业务则由产品带动。在外界眼里公司是什么样、口碑如何,也要看做出这些技术的是谁,以及他们做事时抱着什么初衷。
创立Anthropic时,我和另外六位联合创始人就定下规矩:从第一天起把人才和文化放在首位。每位新员工都要过一道文化面试。技术能力再出色,只要不认同公司的价值观、不擅长合作,或者习惯争抢风头,我们也不会录用。
这套招聘标准短期里会让招人变得困难,但长远看,能建起一支真正协同工作的团队。不少公司并不缺优秀人才,问题出在不同团队互相竞争、彼此掣肘,大量精力耗在了内部争斗上。
在Anthropic,只要一个重要目标定下来,不管是训练新模型、实现安全目标、开发产品,还是推动政策事务,全公司都会围着这个目标协作。
人员留存情况能直接说明问题。七位联合创始人至今全部留在公司,最早加入的100名员工中,超过四分之三还在Anthropic工作。我们认为,公司的员工留存率在行业内算好的。有些离职员工甚至会回来。曾有两位重要产品负责人离职,结果不到两周就回来了。
我自己大约40%至50%的时间花在人才和文化建设上。每两周,我都会参加一次面向全体员工的内部活动,叫“Dario Vision Quest”(DVQ)。我会直接跟员工讲公司的实际情况,不隐瞒问题,也不打官腔,还鼓励其他管理人员也这么做。
管理层和员工之间得互相信任,员工愿意相信管理层说话算数,管理层也得信得过员工。阿莫迪说,这种双向的信任对公司很关键。
02
Claude进企业,AI开始接手更多工作
戴蒙提到,摩根大通有25万名员工,每周都会以不同方式用上Claude。他问阿莫迪,其他财富100强企业主要怎么用这项技术?
阿莫迪回答,Claude正走进各行各业。在他看来,这项技术最关键的一点是通用性。模型能力不断提升,过去没法自动化的活儿,现在越来越多都能做了。
编程是企业最早大规模用上AI的领域。阿莫迪说自己以前写过…量代码,不少联合创始人也都有编程背景。如今模型能完成这么复杂的编程任务,让人惊叹。财富100强企业几乎都有大量编程需求,编程自然成了它们最初采用AI的入口。
再往后,应用范围慢慢扩展到更广的知识工作。
金融服务业里,Claude既能处理基础文书,也能协助复杂的策略工作;保险和法律行业则可以用它起草合同、审查合同、找出潜在漏洞。
生命科学是阿莫迪特别看好的方向。Claude已被用来撰写临床研究报告、辅助基础研究、预测蛋白质结合、提升制造效率,还支持基础生物学发现。
电商领域,一些客户把Claude部署成直接面向消费者的智能体。制造业也一样,企业开始借助Claude提高运营效率,涉及半导体制造、实体设施建设等环节。
阿莫迪坦言,自己此前对制造业了解不多,但跟制造业CEO交流、看到Claude在这些企业里的实际应用后,他对这个行业有了新的认识。
03
智能体走进企业,安全成了第一道门槛
戴蒙问,对受监管企业来说,在让智能体接触敏感数据和系统之前,应该做好哪些准备?
阿莫迪先说的是安全。智能体的能力提升很快,已经能处理生命科学研究、复杂软件架构这类高难度任务。眼下真正卡住技术开发、内部部署和客户使用的,不只是能力,而是怎么把这些系统安全地部署出去。
智能体不能失控,这是底线。也正因如此,Anthropic在安全研究上投入了大量资源。安全和对齐得从模型训练阶段就抓起,不能等产品发布后再补课。公司有一支规模庞大的对齐团队,对安全问题也极为重视,几乎每隔几个月就会重新评估投入,继续加码安全、安保和对齐方面的资源。
从创立之初,Anthropic就有意把企业客户当作业务重心。这既是商业上的选择,也跟公司的安全理念一致。
企业看重信任、长期合作和自身声誉,对模型会不会造成严重损害的关切,比普通消费者更强。服务企业客户,能让公司的商业利益和安全目标走到一起。阿莫迪说,他们希望通过这种方式,为安全地开发AI建立更好的激励机制。
戴蒙追问:能不能真正限制智能体的权限?比如允许它们进入敏感系统,但只能执行明确授权的A、B、C、D几项操作,别的一概不许?
阿莫迪说,可以参照自动驾驶汽车的发展。
自动驾驶价值巨大,最终有望比人类驾驶安全得多。但要做到这一点,得先建立正确的防护机制,确保系统按安全的方式设计和部署。
谁也没法保证自动驾驶汽车在任何情况下都绝对不出事故。同样,智能体在任何环境下都不出错,也做不到。
真正可行的目标,是让这些系统比人类操作安全得多,达到数倍、数十倍甚至数百倍的安全水平。阿莫迪说,这也是他们努力的方向。
04
9000亿美元算力押注,阿莫迪最头疼的难题
约9000亿美元的算力和基础设施远期承诺,是戴蒙提到Anthropic对外披露的数字。他还提到一个外界关注的现象:眼下大约80%的算力花在训练新模型上,推理只占约20%,可客户真正用起来的主要是推理服务。他的问题是,往后既要保证算力拿得够,又要把成本效率压住,该怎么做?
阿莫迪回答,算力是Anthropic最复杂、也最重要的商业难题。
技术演进步子很快,可技术多久能变成实打实的收入,谁也说不准。2024年和2025年,Anthropic的收入连续两年增长约10倍。每一年,我们都很难准确判断下一年会发生什么,业务盘子越大,这种不确定性带来的影响也越大。
还有一层难处:算力得提前一到两年下单。买多少,看的是我们对未来需求的判断。买多了,财务压力可能大到公司扛不住;买少了,客户的推理需求又接不住。
算力还牵着研发这根线。眼下投在训练模型上的资源,决定了六个月或一年后能拿出什么样的模型,也决定了公司将来挣钱的能力。所以采购不能只盯着眼前的推理需求,还得给下一代模型留出研发资源。
采购风险主要靠两条路子压下来。
头一条是毛利率。毛利率高,算力买多买少时公司腾挪的余地就大。说白了,毛利率算的是我们为算力付出的成本,和每单位算力换回的收入之间差多少。招股书披露的毛利率表现相当不错,跟行业里其他参与者比尤其明显。
第二条是现金储备。手里现金足,才扛得住大规模的算力投入,也应付得了需求变化。我们目前现金储备很大,还希望继续把资金池做大。
具体怎么买,我们偏向保守:先把确定性较高的那部分算力以较低成本提前锁定。万一实际需求明显超出预期,再去现货市场追加。
现货算力通常更贵,但只有业务表现特别好时,我们才需要掏这笔额外成本。这有点像买保险:一切顺利、用不上额外资源的时候,你反而觉得保费偏贵;可需求冲上来时,它能让你抓住增长机会。
在我们看来,这套打法既能在需求不及预期时管住财务风险,也能在业务增长超出预期时继续往研发里投。
戴蒙:Token使用量涨得很快,企业已经开始把简单任务交给价格更低的模型,把昂贵模型留给复杂任务。部分AI服务可能逐渐变成标准化商品。这个判断有什么问题?
阿莫迪:先说第一点,前沿模型每有一次能力突破,都可能开出新市场。
传统技术市场往往走一条老路:早期产品稀缺,客户愿意出高价;技术成熟、竞争者变多之后,产品慢慢商品化。聊天机器人领域确实已经露出这种苗头。
但AI跟别的技术不一样。它不只是一个应用、一个市场,而是处在一条不断延伸的智能能力曲线上。模型能力往上走,过去做不了的新应用会一个接一个冒出来。
2022年和2023年,行业盯的主要是聊天机器人。当时Anthropic判断编程会是一个更大的市场,于是把更多资源投到模型的编程能力上,而不是围着聊天机器人抢份额、筑壁垒。
编程应用现在还在发展当中,尤其在财富500强企业里,渗透空间还很大。但往后更大的机会,可能出在科学发现、生命科学、物理、材料、机器人和网络安全上。这些领域的任务比普通编程更复杂,潜在市场也可能更大。
第二点,就算是不需要最先进模型的应用,我们也有能力拿前沿模型的技术积累,训出更高效、更便宜的小模型。这跟我们在模型训练里用的算力倍增技术有关。大模型的计算效率我们能提,这些技术也能用到小模型上。
比如Haiku 5.5,每百万输入Token的价格为0.10美元,每百万输出Token为0.50美元。它在一些任务上能以很低的成本给出有竞争力的性能,部分能力维度上甚至强过其他模型。
所以前沿模型和低成本模型不是二选一。最强模型的能力要继续往上推,模型效率也得做到足够高,让便宜的模型一样能打。
05
从数学到生物学,AI正在逼近科学突破
戴蒙:AI未来能否帮助人类治愈癌症和其他疾病?它能否推动核聚变、量子技术等重大科学突破?
阿莫迪:数学领域已经在展示模型能力一路往上走的过程。
2023年,模型连高中数学题都做得费劲。当时大家的普遍看法是,聊天机器人擅长交流,可数学和逻辑能力不行。
2024年,模型做高中数学任务已经比较像样。到了2025年,它们开始解此前没有答案的数学问题,起初只是零星的个别案例。有人认为这些问题可能出现在训练数据中,或者只是偶然成功。
模型能力继续往上走,情况就变了。我们看到越来越多开放问题被解决,甚至包括数学领域最困难的一些问题,其中部分成果已经接近数学家争取菲尔兹奖所涉及的研究水平。
生物学、机器人这些方向上,我也看到了类似变化的苗头,只是还处在早期。制药公司的CEO们对AI往往不买账,生命科学领域的专家同样如此。他们见过太多号称要攻克药物研发难题的技术,这个行业的难处,他们心里有数。
不过AI有个特点:能力曲线刚起步的时候,看上去什么都干不成,好像到处都是坎。生命科学的瓶颈在哪,说法并不统一——有人指向临床试验,有人觉得卡在制造,还有人认为是监管。技术进步往后走,这些坎可能一个接一个被迈过去。
我的判断是,接下来几年,生命科学领域的变化会更明显。当然,不是每个方向都能走到同样的程度,但AI推动生物学研究的幅度,有可能非常大。
06
Mythos之后,网络安全进入智能体攻防时代
戴蒙:在Mythos和智能体出现之前,网络安全就已经是企业的主要风险之一。如今AI能大规模找出漏洞,智能体还可能对企业系统发起持续攻击。摩根大通有数千人做网络安全,要修补Mythos挖出的漏洞,或许得动用数万人。下一阶段,企业该怎么准备?
阿莫迪:第一步得明白,找到漏洞只是开头。
Mythos发布之后,我们做了很多漏洞发现的工作。客户那边找出了数十万个漏洞,我们自己这边也是数十万个。接着真正的卡点就挪到了修复上:发现的速度已经够快,修起来却比找起来难得多。
所以我们正在扩展Claude在漏洞修复上的能力,让它不光能指出问题,还能帮企业把问题真正解决掉。
第二步是从源头少留漏洞。Claude的编程能力在增强,我们也在专门训练它写出更安全的代码,让软件开发过程中冒出漏洞的概率降下来。
第三步是建实时防御体系。这块还没大规模铺开,但我觉得空间很大。
网络攻击发生的时间尺度常常是小时、分钟甚至秒。以后企业可以部署智能体集群,让它们不间断地巡查服务器和网络系统,实时发现攻击并挡住。
一旦攻击方开始用智能体集群动手,防守方也得靠智能体集群来防。我预计未来6至12个月,这种防御方式会用得越来越多。
07
为什么现在上市?阿莫迪给出IPO原则
戴蒙:Anthropic马上就要上市了。为什么选在这个时点?你个人怎么看上市这件事?它会让公司变得更好,还是会增加管理上的麻烦?
阿莫迪:现在上市,最要紧的原因是为公司今后的发展和算力投入筹集更多资金。
生物学、机器人、网络安全,再加上更广泛的知识工作领域,经济价值都很大。资源投入得够多,这些机会才抓得住。
再说算力采购,提前多买一些和保持相对保守的采购节奏之间,是有一块缓冲余地的。公司手上的现金越多,这块余地就越大,将来需求的不确定性也更好应付。
至于具体哪个月、哪一天上市,那时候市场环境如何,我们没有花太多心思去纠结。
启动上市流程之前,我没经历过这种事,所以找很多人请教过。其中让我记得最牢的一条是:公司的估值,永远别比它真正值钱的地方高出一美元。
这跟Anthropic一直守的原则差不多:少承诺,多兑现。
我们不会提前去讲模型将有什么本事,也不会在模型还没做完的时候就宣传。做法是先把它做出来,确认够好了,再正式发布。安全系统也是这个路子。
上市这件事,我希望也照同样的原则来,不为了把估值抬得更高而多许诺。
戴蒙:Anthropic宣布要设一个公益基金,把公司5%的股权划进去。为什么做这个决定?基金以后重点投哪些方向?
阿莫迪:公益基金属于Anthropic长期社会责任安排中的一部分。
除了公司层面拿出5%的股权,几位联合创始人还承诺捐出个人财富的80%。员工股票捐赠配比计划从创立之初就有:员工把一定比例的股票捐给慈善机构,或专门留作公益用途,公司会额外配比股票。阿莫迪说,这么做是因为AI是一项影响巨大的技术,已经为Anthropic和整个行业创造了巨大的经济价值,未来还可能带来更多变化。
他希望AI能帮助人类治疗癌症和阿尔茨海默病,提供更便宜、更充足的能源,创造更好的材料,提高整体物质生活水平。但问题也摆在眼前:如果大量新增财富都来自同一项技术,并集中在少数公司手中,社会可能出现经济增长与财富高度集中并存的局面。公益基金就是尽可能缓解这种风险的安排之一。
至于基金的钱具体投向哪里、优先解决什么问题,眼下还在研究阶段。一个可能的方向是应对AI发展引发的劳动力转型,帮社会更平稳地消化就业结构的变化;另一个可能的方向是生物安全,也就是在AI推动生物学往前走的同时,确保相关技术不被滥用。阿莫迪的说法是,先把真正值得投入的领域定下来,再一步步推进,而不是早早对外许诺一堆还没想清楚的目标。
戴蒙问:如果15年后回顾今天,你最希望AI实现什么,又最希望避免什么?还有什么是我们没有谈到、但你希望向现场听众强调的?
阿莫迪给出的答案是:头等大事是让这项技术沿着正确的方向走。AI的风险很高,比如被拿去做生物攻击、网络攻击,比如对经济造成冲击,再比如人类对智能体失去控制。他强调,这些并非宣传话术,而是Anthropic从创立之初就一直在认真对待的问题。
他的期望是,Anthropic自己负责任地开发AI之外,还能给整个行业做个示范。在他看来,AI公司、客户和供应商都得正视这些风险,一起把相应的安全标准建起来,让技术发展过程中的风险处在可控范围。
另一头,AI带来的积极价值也得真正落地,尤其是在生物学和医学上的突破。眼下,AI在这两个领域的潜力才刚露头。制药公司、生物科技企业和学术界还有不少怀疑的声音,他希望以后能证明,这些怀疑是可以被克服的。
他盼着有那么一天,心脏病、阿尔茨海默病和癌症都像今天的黑死病和天花一样,只留在人类历史的记录里。这话听着可能不切实际,但他确实相信这事有可能办成。到底要5年、10年还是15年,他说不准,不过会尽最大努力让这一天早点到来。