Anthropic纳斯达克上市:开盘冲高38.5%,首日买入者均亏约6%
万亿美元的考卷:Anthropic 上市与AI重新定价|甲子光年
美东时间2026年11月19日上午(北京时间11月19日晚),美国AI大模型公司
Anthropic在纳斯达克敲钟,完成上市。
图片来源:Anthropic敲钟视频截图
开盘后,Anthropic报价一度冲到111.50美元,相比83美元的发行价高出34.3%;盘中最高摸到114.99美元,涨幅扩大到约38.5%。但股价没能守住,随后一路往下走,到收盘时,开盘时的涨幅已经跌去一半,不过仍比发行价高17.1%。
从全天走势看,Anthropic首日开盘就是最高点——开盘时散户情绪最热,此后资金一路往外卖。当天成交均价约103.2美元,比97.17美元的收盘价高出6美元。也就是说,首日在二级市场买入Anthropic的人,平均账面亏损约6%。
其实,Anthropic的定价此前几经反复。今年8月,外面一度传出它IPO要冲2万亿美元估值;到了11月初路演阶段,预期被往下调,发行价区间落在70~78美元,对应估值一度掉到9160亿至1.02万亿美元,完全稀释后对应1.3万亿至1.4万亿美元。当地时间11月18日,Anthropic才正式把IPO价格敲定为每股83.00美元,对应市值约1.5万亿美元。
照这个市值,Anthropic大致能排进美股市值前十,跟特斯拉差不多。市值压过它的公司,多数是它的上下游:英伟达、博通、台积电、SpaceX给它供算力,微软、谷歌、亚马逊是它合作的云平台。以“模型公司”身份挤进这一梯队的,Anthropic是第一家。
点击图片跳转详细内容《透视AI泡沫:繁荣还是虚火?》
Anthropic首日的成绩,没能明显冲淡近一周市场对AI的低落情绪。当天美股开盘后,道指、纳指、标普500三大股指都是高开低走;盘初集体上涨的算力、芯片股随后也纷纷回落,AMD跌超7%,ARM、德州仪器、台积电都在跌;谷歌、英伟达、亚马逊这些Anthropic的合作客户,跌幅也都超过3%。
这次Anthropic通过IPO募资813亿美元,另有谷歌、英伟达、AMD、微软等七家公司参与260亿美元的私募配售(N类股),合计募资1073亿美元,募资规模创下全球IPO历史纪录。
但招股书显示,本次IPO发行8.25亿股,流通股占比只有约6.3%,初始流通盘不算大。换句话说,Anthropic万亿级的账面市值和涨幅,是少量可交易筹码的成交价撑起来的;买盘充足时,流通股越稀缺,买盘的冲击越容易被放大,交易估值也就被推得更高。那260亿美元的N类股同样不进大盘流通,首日能自由买卖的筹码又被压掉一块。
Anthropic上市更重的意义,在于第一家海外前沿AI企业开始接受公开市场定价。以前给AI定价的,主要是私募市场里少数战略投资者,看的是稀缺性。现在它进了公开市场流通,AI估值等于做了一次“真相揭晓”。真正该担心的是:如果稀缺性和对首日上涨的预期起了主导作用,公开交易之后它可能碰上更严的估值考验;同时它还会成为后续AI企业上市最重要的估值锚,估值一波动,就会往整条赛道传导。
还有一点,Anthropic在认购阶段没有向中资开放。11月13日彭博社就报道过,Anthropic此次IPO的国际分销协调人花旗已通知承销团,不向中国内地和中国香港投资者开放认购。短期看,这条规定不会对认购热情造成实质影响;但长远看,它若变成一种“惯例”,全球AI资本池可能被割裂,中国资本和美国资本在AI投资上的协同性会下降,两边AI企业的估值可参考性也会进一步降低。
过去国内一级市场给国内大模型估值,常拿美国Anthropic、OpenAI的市销率打个折扣来换算。可放到眼下,这套公式越来越难用:中美AI企业在算力效率、算力成本上的差距在拉大,国内AI企业的收入规模又和Anthropic差得很远,直接套它的倍数换算国内AI估值,已经谈不上可比;资本层面联系减弱,估值修正只会更难。
这种情况,对接下来中国AI企业上市的估值定价会带来什么变化?
Anthropic上市之际,「甲子光年」跟一位常年往返中美两地的资深投资人聊了聊,他对硅谷科技投资的规则和风向很熟。
这位投资人也提到,Anthropic 自身存在短板。它把全部筹码压在闭源和单一模态上,这既是技术和商业化能取得突破的关键,也可能埋下隐患。美国 AI 企业的估值参考作用正在变弱,国内 AI 产业往后更可能形成一套自己的生态,其价值同样需要重新衡量。
下面是对谈内容,由「甲子光年」整理。
1.中美 AI 估值的参照性在下降甲子光年:Anthropic 的定价从之前 70~78 美元的区间抬到每股 83 美元,一路走高。市场为什么这么看好它?
答:我看大家看好的并不只是这一家公司,更多是整个大模型方向。换成 OpenAI,情况大概也差不多。
说到底,Anthropic 在技术上并没有真正做出基础模型架构层面的创新,走的仍是 GPT(生成式预训练 Transfomer)那套底层技术范式,团队本身也出自 OpenAI。它做对的最要紧一件事是聚焦:只做大语言单模态,多模态生成基本不碰,后来的 coding 也是语言的延伸,再由此走向 to B 的商业化价值。这条路它未必一开始就想到,但从结果往回推,从语言大模型做到 coding,关键在于 coding 的数据容易闭环——生成结果能直接验证,落地效率因此最高。反过来看,视频或者多模态生成眼下还很难形成这样的闭环。OpenAI 并非不清楚这点,可它是领头羊,领头羊就得往多个方向试,视频等其他模态也要碰。
另有一个点:它不做开源。开源图的是做生态,别人拿私有数据在上面微调,生态就长起来了。Anthropic 的智能体直接面向终端用户,它本身就是一个巨大的应用,比如想做 AI 医生,直接用 Claude 就行。它赌的是 AI 不需要生态,AI 就是它自己。这条路要是走通了,「AI 应用」这一层就不存在了。可风险也极大。外界只看到它光鲜的一面,觉得聚焦就是对的。万一最后证明开源生态才是对的,它既没有像样的开源版本,又不做生态,就会落到不利的位置。所以它的成功和风险得分开来看。
甲子光年:Anthropic 上市之后,估值成了一个实实在在的数字。对中国大模型公司而言,参考这个估值是更容易了还是更难了?答:表面上看是容易了,有了流动性,可以直接拿它的定价作参照。但实际未必准,因为中国没有哪家公司能跟它真正完全对标。
Anthropic的模型全部闭源,收入主要来自卖Token,经济模型相对简单。中国几家大模型公司走的是开源路线,开源之后云厂商和用户可以下载下来做本地部署,Token不一定从你这里过,收入性质也就不同了。两边的增长曲线因此对不上。再往下看市场,客户付费能力的差距同样明显:美国SaaS生态更成熟,客户会定期、大量地用模型写代码,这类收入稳定,可持续性也好。
这么看,参照是有了,实际能参考的东西并不多。
甲子光年:你觉得中美AI之间的联系正在怎么变?
答:我把它叫做“解耦下的收敛”。十多年前,中美AI高度耦合,中国用美国的芯片,双方的研发也保持合作,美国则把制造放在中国。如今不少旧钩子已经脱开,可在各自解耦的体系里,又有许多新钩子接上了。两条路是分开了,方向却越来越接近。具体到不同领域,情况也不一样。大语言模型的算法已经比较稳定,数据和算力两头正越分越开;Physical AI的算法还在快速迭代,双方的交流反而更紧密,在具身数据这一侧,美国倒更依赖中国。
甲子光年:不少人给国内大模型估值时,确实会拿Anthropic的倍数作参照。这种参照现在还成立吗?
答:过去大家习惯参考它的倍数。但参考倍数有前提:收入构成跟它相近,数据获取跟它相近,算力成本也跟它相近。这些假设要是不成立,参照就很难准。真按同一口径简单比下来,国内公司可能反倒显得贵一些。
2.模型能力比商业化更重要
甲子光年问:中国AI公司的估值逻辑会怎么变?既然没法直接跟海外对标,眼下算力自主、国产协同又被反复提起,这些会怎样影响国内模型的估值?
答:国内模型的估值,我还是回到第一性原理来看。核心是模型研发能力。对方跑得快,我们要是落后好几代,客户不会买账。所以先得让模型能力跟得上,商业化、上下游打通、产业协同这些,是后面的事。
模型能力是系统工程。数据、算力、算法这三样,都得持续跟上。算力这块要慢慢转向国产芯片,得整个产业一起跟。算法上,国内不管智谱还是DeepSeek,走的还是GPT那套范式。2022年之后这套范式没发生大变化,多是工程上的优化,现在也碰到瓶颈了。美国有几家公司在找下一个范式,比如递归自我改进(RSI)这个方向,靠的还是算力和数据量大。所以对方一旦出现飞跃,你跟不跟得上,是个考验。
我的判断是,国内AI企业的估值会先降后升,走一轮。短期困难不少,长期看成长空间也大。
甲子光年问:最近有一些AI模型企业临近上市,市场也在看收入质量。你的观点还是更看重模型能力?
答:对。收入质量是结果,不是靠商业手段就能改善的,更多取决于产品和研发能力。Anthropic就是个例子,它在销售上不见得花了多大力气,但模型不停迭代,每出一个新版本,编程能力就往上走一档。
渠道和销售能换来的是线性增长,只有产品本事上去了,才可能跑出指数级增长。真正决定收入质量的,是中国公司能不能跟上美国SOTA模型眼下的水平,这也是它们身上最重的担子。
这些大模型公司还处在一二级之间,研发仍在高速推进,某个版本发布慢一点,收入就会受影响。竞争对手的模型强一些,收入可能马上就转过去了,客户忠诚度并不高。所以只看今天的收入意义不大,对Anthropic也一样。
甲子光年问:你常在硅谷,接触很多中美项目。美元基金和人民币基金给AI项目定价,会不会因为参照系不同差很多?
答:AI之前,两边逻辑不一样,是因为看的赛道不同。中国的美元基金过去偏消费、偏To C,关注流量、日活、月活这些;人民币基金偏先进制造,更看财务,因为相对稳定、线性。
到了AI这一波,这两套方法都有点失效。AI公司的财务挺难看,也没有多少DAU可看,底层技术还在高速迭代。所以现在只要投AI,基本最后都会回到硅谷最早投科技的逻辑:看技术本质,看这个团队有没有能力持续提升模型能力。
除了大语言模型,Physical AI也是同样的逻辑,只是它跨到了新的模态。机器人领域有Action Token,AI for Science把化学、生物的数据也Tokenize,视频本质也是语言之外的一种Token。这类公司都应该按照模型能力定价。
这同样是中国的一次历史机遇。国内过去长于应用和模式创新,可到了AI时代,非原创的路子越来越走不通。眼下美国最热的公司靠的是前沿技术驱动,而非模式驱动。对国内AI项目的投资逻辑因此需要更新,落到评估上,仍要回到AI三要素:数据能力排第一,算力上能否做到极致优化,算法上有没有创新。
甲子光年:中美AI企业面对的环境差异不小,芯片、数据、资本各是一套。评估两边的AI公司,还能沿用同一套体系吗?
答:本质相同,看的都是研发能力,只是研发的方向和方法会有分别。
以Physical AI为例,它的数据采集与硬件紧密绑定,得针对某个硬件本体去采,所用的数采工具本身就是硬件,像数采手套、头戴摄像头之类,这正好是中国的强项。劳动力成本的优势也在。合成数据替代不了全部人工采集,总归要有human in the loop(人在回路)。美国不少公司走仿真这类偏软件的路径,尽量压硬件比重,可到头来还是绕不开硬件。
于是两边的评估框架会走向趋同,得出的结果却不一样——比如都看数据能力,中美实现数据能力的方式并不相同。框架趋同之后,具体方法可以调,像评估美国公司时,硬件权重不宜给得太高,不然很多美国公司看上去都不够好;评估中国公司,硬件能力就可以多看重一些。
计算芯片这块,如今外界对国内厂商的期待,是在偏弱的国产算力上再做一层极致优化,看算力能不能追平乃至反超。
甲子光年:这种局面会带来哪些积极变化,又可能有哪些风险?
答:积极的一面在于,创业和投资会更有长期主义,更看重底层的技术驱动。AI本身已过了很强的商业化验证,Anthropic的收入相当惊人,可它还在高速迭代,这就更需要用底层驱动的思维去做投资评估。对创业者也好、投资机构也好,都意味着得告别短期思维。Anthropic当然也在持续优化商业化收入和渠道,但模型迭代一旦放慢,这些就撑不住。
最大的风险是失败率偏高,技术路线来回摇摆:就说Physical AI,最早走的是VLA路线,后来新的世界模型出来,似乎要把VLA淘汰掉;而眼下大语言模型自身如Astra,又开始展现直接控制机器人的能力。这种拉锯说明每条路都成立,可押错的代价同样很大。
哪怕在今天,很前沿的大模型公司也可能说落伍就落伍,美国已有大模型公司减少了新模型版本的训练。真正自己训大模型的公司比过去少了,数据、算力、算法任何一环顶不住,最后都会被淘汰。