Anthropic亏损420亿背后：5180亿基建赌注才是真风险

一则被误读的头条

Anthropic亏损420亿美元的消息占据了各大科技媒体的头条，但真正值得警惕的数字并非这个亏损额，而是隐藏在财报背后的5180亿美元基础设施承诺。

表面看，420亿美元的亏损令人震惊，但其中大部分实际上来自会计计提（accounting charge），而非真实的现金流失。会计计提往往是账面上的一次性调整，不能简单等同于公司经营层面的失血。真正决定Anthropic长期财务健康的，是那笔规模高达5180亿美元的算力与基础设施承诺。

5180亿美元承诺为何更可怕

根据这篇被广泛讨论的分析，这5180亿美元中约有80%属于"不可取消"（non-cancelable）或"无论是否使用都需支付"的合约。这意味着即便未来市场环境变化、需求下滑，Anthropic仍然要为这些算力买单。

这构成了一种典型的结构性风险：客户可以随时削减自己的支出，但Anthropic与云厂商、芯片供应商签下的长期合约却会持续产生账单。当收入端具备弹性、成本端却被锁死时，企业的财务缓冲空间会被急剧压缩。

换句话说，客户能减少消费，合约却不会停止计费。这种收入与成本之间的不对称，才是这份财报里最令人不安的部分。

这类合约安排在云计算行业通常以"承诺使用折扣"（Committed Use Discounts / Reserved Instances）的形式出现。供应商以更低单价换取客户的长期用量保证，双方各取所需——客户锁定优惠价格，供应商锁定收入预期。对于Anthropic这样的大客户，与AWS、Google Cloud等平台签订的往往是多年期、固定规模的算力采购协议（Capacity Reservation）。一旦签署，无论实际调用量多少，这笔费用都必须按期支付。这种模式在AI算力极度紧缺的窗口期颇为普遍：为了抢占稀缺GPU资源（尤其是英伟达H100/H200集群），各大AI公司不得不接受严苛的合约条款。然而当供给逐渐追上需求、算力不再稀缺时，这些在抢占资源时期签下的高价长约就会变成沉重的固定负担。

一个反直觉的悖论

原文提出了一个颇具洞见的假设：AI可能会取得空前成功，但投资者却依然可能亏钱。

逻辑是这样的——AI技术大获成功，市场竞争随之加剧，价格被不断压低。最终的赢家是用户，他们以越来越便宜的价格获得越来越强的能力。而投资者则会发现，自己为这场革命付出的代价过高。

用原文的话说："Anthropic可以对未来判断完全正确，却依然为抵达那个未来付出了过高的成本。"

这揭示了AI产业投资中一个容易被忽视的陷阱：看对赛道方向，不等于能获得合理回报。技术趋势的正确性与投资回报率之间，并不存在必然的等号。

价格战下谁受益

当模型能力趋于同质化、算力供给逐步充裕时，大模型API的定价必然承压。过去两年间，主流模型的调用价格已经历多轮下调，这种趋势对用户是福音，对重资产投入的模型公司却是压力。

锁死的基建成本遇上持续下探的产品价格，中间的利润空间被两头挤压。这正是原文所担忧的"付出过高代价"的现实机制。

这一现象在经济学上有一个对应的历史案例：20世纪初的铁路热潮。铁路技术毋庸置疑地改变了美国经济，但大量早期铁路投资者最终亏损，受益者却是借助廉价运输发展壮大的农业主和制造商。经济学家称之为"技术溢出效应"——技术进步所创造的价值，并不一定被技术提供者本身所捕获，而是扩散至整个社会。在AI领域，同样的逻辑正在上演：模型越来越强、价格越来越低，企业和个人用户获得了空前的生产力工具，但模型提供商的单位利润却在压缩。投资者在评估AI公司时，不仅要判断技术能否成功，还需要判断该公司是否具备在价值链上"截留"足够利润的能力——这往往取决于护城河宽度、切换成本，以及是否拥有独占性资源。

卖铲子的人可能笑到最后

文章结尾抛出了一个直击本质的问题：你会押注这家AI公司，还是押注那些向它出售算力的公司？

这实际上是对经典"淘金热中卖铲子"逻辑的重申。在AI这场淘金热中，无论最终哪家模型公司胜出，芯片厂商、云计算供应商这些提供底层算力的"卖铲人"，都能通过那些不可取消的长期合约锁定确定性收入。

对Anthropic而言，5180亿美元的承诺是一场豪赌；但对合约另一端的算力供应商而言，这却是旱涝保收的确定性现金流。

"淘金热中卖铲子"的原型案例来自1848年加州淘金热：真正稳定获利的往往不是矿工，而是向矿工出售工具、食物与服务的商人，其中最著名的是后来创立Levi's牛仔裤品牌的Levi Strauss。在当前AI热潮中，英伟达是最典型的"铲子卖家"——无论大模型竞赛最终谁胜谁负，对GPU的需求都将持续，这也解释了为何英伟达在AI周期中的利润率和估值远超多数模型公司本身。与此同时，AWS、Azure、Google Cloud作为算力中间层，通过长期合约将收入确定性转移给自身，同时将市场不确定性留给了AI应用层的公司。这种产业链上的风险分配格局，值得每一位AI投资者在配置资产时认真考量。

对AI行业的启示

这份分析的价值，不在于唱衰某一家公司，而在于提醒市场重新审视AI热潮下的投资逻辑：

• 会计亏损与真实经营风险需要区分对待，头条数字往往具有误导性；
• 长期不可取消的基建承诺，是重资产AI公司最脆弱的一环；
• 技术成功与投资回报可以完全脱钩，价格战会重新分配收益；
• 在结果不确定的竞争格局中，供应链上游往往拥有更强的确定性。

这些判断并非否定AI的长期前景，而是对当下狂热估值的一次冷静提醒。AI很可能改变世界，但改变世界的过程中，谁真正赚到钱，仍是一个悬而未决的问题。