开场精选
现实是,他们已经开发出了更强大的模型,只是还没发布。对比一年前和现在投入计算的金额,服务模型的算力开支增加了 2.3 倍;同期收入增长了 14 倍。这里面其实体现出推理服务效率提升了大约 7 倍。我觉得这门生意几乎是在不经意间就实现了盈利。
S-1 里我最喜欢的数字可能是:迄今累计融资 1,410 亿美元,包括股权、可转债和 SAFE;而他们现在账上有 1,340 亿美元现金。
你想为 GPU 融资几十亿美元债务?没人接。没人接。债务市场关上了,大额债务交易根本做不成。
Jamin Ball 与《Clouded Judgement》
今天我们在录音室请到了 Altimeter 的 Jamin Ball,欢迎你。
谢谢邀请,很高兴来这里。
Anthropic 要 IPO 了。我在想,认识的人里面谁最适合聊它的 S-1?你就是那个人。我们之前见过,那时你可能刚开始写 Substack,我也可能刚开始写自己的。你的刊物办多久了?
六年半了。
哦,那比我的还早。你的《Clouded Judgement》现在算是头部刊物之一了吧?有什么值得炫耀的数据?
订阅人数可能快到十万了。我六年半里大概只漏发过一个周五,尽量保持稳定更新。
我觉得它总体上是在给你做初创投资提供公开市场的可比公司数据。
对,最初想做的是围绕软件公司的指标写些评论,用那些通常会披露公开指标的公司,给早期公司和创始人一个参照:如果有一天想上市,需要达到哪些指标。刊物里有很多公开市场指标、估值倍数的表格和图表。三四年前,我开始在前面加一段随笔,更像个人日记,写写我最近在想什么、最关注什么,内容从宏观、市场,到 AI 趋势,什么当下热门就聊什么。
每一代好像都会有一位 VC 博主,专门讲当下发生的事。以前是 Fred Wilson;他当年写过 AVC,我记得。后来比较近的是 Tomasz Tunguz,他现在也还在写。我觉得你现在是图表和公开股票这块的头号人物。
谢谢。Tomasz 对我影响很大。我之前在 Redpoint 跟他共事了挺久。
他现在创办了 Theory。
没错。
Redpoint,你们都离开了?
不,Redpoint 很棒。我在那里学到的一切都要感谢他们,我非常尊重他们。
解读 Anthropic 首份公开 S-1
太棒了。我们直接聊 Anthropic。你有一段开场想说,而且你之前和一些人公开争论过,我们就不点名了。很多人挺困惑,因为我们的听众里有不少工程师和研究人员,他们没看过 S-1,也没经历过 IPO 流程,不知道路演是什么、具体怎么操作。但比这些流程更重要的是,它反映了 AI 行业现在的整体状况。我们从来没有像现在这样了解 Anthropic。
是的,确实如此。先说明一下,这是我受邀必须讲清楚的:我在 Altimeter 工作,我们持有 Anthropic 的大量股份。我说的都是我个人观点,不代表公司的观点。这件事确实很重大。OpenAI、Anthropic 这些大实验室的数字似乎每个季度都会泄露一些,但都只是部分数据。现在我们终于能完整看到这家或许是我们这一代最重要、最具标志性的公司之一的财务状况。
路演与感恩节前后的 IPO 窗口
简单回顾一下流程:公司提交 S-1 后,通常会等大约 15 天,然后开始路演。路演期间,公司向投资者推介 IPO,投资者和公司团队会在全国乃至全球各地奔波,通常持续一周半左右,之后股票开始公开交易。所以时间大概会在 11 月中下旬。
也就是 11 月中下旬,可能 15 到 20 号,或者 10 到 20 号之间开始交易。公司会在感恩节之后 IPO 吗?感恩节到圣诞节之间好像是个冷清期。
是的,感恩节到圣诞节通常比较冷清。劳动节之后到感恩节前,一般是公司上市的热门时段,大家都在、也愿意关注。要是 Anthropic 上市,我想大家还是会专门腾出时间来。
对。那就是常规流程。大家要知道,提交 S-1 只是上市必须走的一步。OpenAI 也曾先保密提交,再依法公开。公司提交 S-1 后也可能不 IPO,Cerebras 就很有名。
没错。
他们后来又来了一次。这只是常规流程的一部分,之后还会有投资者日、市场传闻之类的事。对不是银行家或基金经理的人来说,了解这些大致就够了。上市过程中各方会努力让 IPO 成功,不过“成功”这个词如今有点复杂。大家常说 IPO 很成功,首日股价涨了 50%;但如果你是 Bill Gurley,这反而可能意味着失败。
对(笑)。
因为他会说:“那你本来还能多卖 50%。”IPO 的机制,说白了就是加大版的融资:以某个价格对外发行,筹一大笔钱。
他们打算募多少?
目前应该还没定,传闻大约是 750 亿到 1,000 亿美元,会是一笔很大的融资。
传统 IPO 通常会拿公司大约 10% 到 15% 的股份上市,也就是 IPO 里卖出这么多股份。之后员工股份还有禁售期。
对。公司越做越大,上市时可能只流通更小比例的股份,这样稀释就少一些。这跟公司做 A、B、C 轮融资没什么不同,都是按一定稀释比例筹钱。Bill Gurley 的意思是,如果股票首日涨了 50%,那为什么不一开始就把价格定高些、少稀释一些?
那又是另一个话题了。公开市场和 IPO 里有很多细节。
有惯例、有利益冲突,也有股票首日不涨的可能。先从高层次聊聊:为什么是现在?Anthropic 本可以像 Stripe 或 Databricks 一样继续待在私有市场,为什么选择 IPO?
我觉得原因有几个,但都只是推测,很难确定。公司上市的一个显而易见的原因,是给员工和投资人提供不受限制的流动性。如今大公司——Databricks、Stripe、OpenAI、Anthropic——定期会做要约收购,差不多一年一次,让你有机会套现。
但能卖出的数量会有限。公司上市并度过禁售期后,员工和投资人就能更自由地获得流动性。过去禁售期通常是 90 天或 180 天,现在每家公司安排都不一样,有的短,有的长,也可能分批解禁。
路演与感恩节前后的 IPO 窗口(续)
上市能给员工带来流动性、提振士气;公司也可能需要一种流动的收购货币。被收购方或许更愿意接受上市公司的股票,因为拿到的是能交易的股份。私有公司的股票价值则不太确定,像“大富翁游戏钞票”。不过 OpenAI、Anthropic、Databricks 这些准上市公司质量很高、发展阶段也很后期,它们的股份已经有点像现金,不再像游戏钞票。所以流动性带来的影响可能没那么大。
过去公司上市的一个更大理由,是能获得大规模资本。以前想融 1 亿美元,可能只有上市这一条路;现在种子轮、A 轮融资就可能拿到更多钱。大型机构越来越多,原本做有限合伙人的养老金和捐赠基金也会直接投资公司,还有大型主权基金等国际资金直接入场。私有公司能接触到的资本池已经很大了,所以“想融很多钱就得上市”未必还成立。OpenAI 最近一轮大概融了 1,200 亿到 1,300 亿美元,算是史上规模最大的融资之一。
对。更重要的角度可能是……
IPO 如何帮助数据中心融资
还有债务这部分。一旦上市……
我先退一步说。你想借债,或者让别人替你借——比如新云厂商(neocloud)想借钱给 Anthropic 建数据中心,供它使用——债权人就会评估 Anthropic 的信用状况。他们可能会说:“我们可以为你安排几十亿美元债务,直接给你,或通过新云厂商,但我们必须彻底了解你的财务状况,才能判断你的信用;之后接手这笔债务的所有投资人也都要看到这些信息。”
过去公司往往不愿意把财务状况完全公开给债务和信贷市场,因为不想让信息彻底曝光。但如果你想让评级机构给你评级,就得披露财务情况。信用评级会影响借债利率,评级越高,利率通常越低。
所以,上市是公司迅速获得信用评级的一种好办法。SpaceX 就是在上市后很快拿到了评级。当然也有人觉得它太快了,作为上市公司还需要更多时间积累记录。
而且还进了标普 500,好像是新规则。
对。很多这类公司都很吃资本,无论是训练模型,还是建设算力集群。它们想进入信贷和债务市场,而上市公司能更有效地融资。多种因素叠加,可能解释了它们为什么要上市。管理层也会说,希望普通美国人能参与这些公司的股权增值。
我正想提这一点,比如给每个人都发股份。
完全同意。私募市场有点像小圈子,只有一小部分人能参与:合格购买者、合格投资者、大型基金、养老金和捐赠基金。普通医生、牙医和大众却不能分享这些企业的股权增值,这确实让人觉得不太对劲。
说白了,这会引发社会不满,最终可能推动监管投票。人们会想:“那些人手里有 AI 和亚马逊的股票,他们投票反对监管;我什么都没有。”
对。
这其实是民主与资本主义之间一个很有意思的治理机制:资本主义推动集中化,民主在一定程度上推动去中心化。总之,这确实是个合理的考量。不了解资本结构的人要知道,股权在债务之后受偿;如果你的企业价值里有 2 万亿美元的股权缓冲……
没错。
……那债权人就有很厚的次级缓冲。说到“为什么是现在”,还有个更进阶、很多人没注意到的因素:数据中心债务的利率正在全球范围内上升。要看这类数据,去 Bloomberg 查吗?
可以看大家转发的图表。大型债务交易定价后,利率和其他条款往往会公开。现在利率确实在升,无风险利率也在升。美联储昨天——或者本周早些时候——暂停了加息,没有继续加,但我不确定这本身就是上市的理由。
IPO 如何帮助数据中心融资(续)
这可能是“为什么是现在”的一部分。如果上市能帮你降低债务成本,比如利率从 3% 升到 5%,那就是几十亿美元的差别。能把这项成本控制住,对公司非常重要。
是的。现在很多数据中心债务交易的利率已经超过 10%,融资越来越贵。
明白。另一个相关问题是数据中心的投资回报率。很多 AI 怀疑论者会说,这是人类历史上最大规模的建设浪潮,我们却在为 AI 这个虚幻梦想砸钱;另一边的 AI 乐观派则说,回本周期只有一年。
对,为什么两边的说法差这么多……
文件披露了什么:现金与利润率
对,为什么两边差这么多?Anthropic 的 S-1 最有价值的地方之一,是此前泄露的多是 ARR 之类的指标,却看不到利润表线以下的数据:现金有多少、烧了多少钱、到底盈不盈利。S-1 的一大惊喜是,按披露数据,公司毛利率 85%,自由现金流利润率超过 20%,GAAP 营业利润率约 8%,按 GAAP 算也是高度盈利。你刚才说最喜欢的数字是……
迄今融资 1,410 亿美元,包括股权、可转债和 SAFE;账上有 1,340 亿美元现金。
是现金及现金等价物,不过对。
对。也就是说,融资总额减去账上现金,累计烧掉约 70 亿美元。即便算上 S-1 没披露、几周前广泛报道的第三季度数据——单季收入 168 亿美元——公司累计也只烧了 70 亿美元。
这个烧钱数字我们得展开讲,它引起了很大争议:公司是不是借了债、是不是真的盈利、损益表上的净亏损又是什么?外面有不少说法并不完全准确。这些细节比较深入,但整体效率非常关键。看 SpaceX、Anthropic、OpenAI 这些准备上市的公司,Anthropic 可能是全世界效率最高的 AI 实验室,甚至高出一个数量级。
完全同意。我写 S-1 分析时也在问:他们为什么高效这么多?
他们在 S-1 里把原因归结为几个循环,像改进循环、投资循环之类。
对,大家可以去读,我已经写过分析。也许他们就是更聪明(笑)。不过最值得看的指标之一,是收入增长相对于服务推理的算力开支变化有多大。
收入增长与 Claude 服务成本
他们把算力支出拆成训练和内部使用等类别。
你有图表可以展示。
有,我有一张图。S-1 把算力用途拆得很清楚:用于服务模型、产生推理收入的部分,以及内部研发、训练、安全和对齐等不直接服务 token 的部分。现在只有 27% 的算力用于服务模型。对比一年前和现在的算力支出,服务模型的部分增长了 2.3 倍,而同期收入增长了 14 倍。
这意味着推理服务效率大约提升了 7 倍。感觉这门生意几乎是不经意间就盈利了。服务 token 的效率提高 7 倍,原来每兆瓦只能变现 1,000 万到 1,500 万美元,现在能变现 7,000 万到 1 亿美元。
我稍微岔开说一点。软件公司过去常告诉投资者,业务能带来稳定的持续现金流:客户留存率高,客户终身价值可观。早期会烧很多钱,因为处于增长和获客阶段;等增长放缓、进入收割期、获客成本降下来,就会开始盈利。SaaS 商业模式通常是先亏后赚。
对,没错。
Anthropic 的情况却不太一样。我再调一张图,这是他们的自由现金流利润率。
天啊,负得也太多了。
所以我把纵轴截断了(笑)。不然会显示负 4,000%、负 500% 这种夸张数字,按比例画出来就不像真的。这张图展示了 Anthropic 的自由现金流利润率:最近一个季度达到正 21%。
他们能把算力效率做得这么高,从而以更高的单位经济效益变现,所以很早就实现了正自由现金流利润率。他们已经证明自己可以高盈利运营。可能之前在算力建设上投资不足,接下来会更积极地扩建。我猜利润率会趋平,甚至再次转负,因为他们会重新投入大量资金、建设算力。他们已经向自己和外界证明,只要想要,就能把盈利开关打开。
给听众补充一点会计知识:自由现金流通常是比较真实的利润参考。GAAP 是公司必须报告的正式会计准则,它不一定能体现公司如何经营,也不会把投资决策和核心业务盈利能力完全拆开,最后都揉在一起。调整收入和利润,是因为经营业务本身有很多细节……
收入增长与 Claude 服务成本(续)
……GAAP 不会完全反映公司如何经营和区分投资。虽然它确实把投资决策与核心业务盈利能力做了一些区分,但最后还是混在一起。所以看到利润率变化,应该追问这是核心业务本身变化了,还是公司加大投资、自由现金流因此下降。
归根结底,现金才是王道。衡量盈利能力,就看现金余额在增加还是减少。不过自由现金流也有可以质疑的地方。GAAP 费用大致分两类:支付给员工的现金工资,以及非现金的股权报酬。股票薪酬不会计入自由现金流,因为它是非现金费用,通常会被加回。所以有人会说,自由现金流高估了盈利能力:不给员工股权,他们可能就不会来,这当然是真实成本。即使把股票薪酬也算进去,Anthropic 的自由现金流利润率仍有 8%,依然是盈利的。
按通常规则把股票薪酬也算进去,是这样。
对。
软件公司 IPO 时出现这种情况很少见,真的很少。很多软件公司如今自由现金流为正,但若把股票薪酬计入……
即使是成熟软件公司,把股票薪酬当现金费用计算,很多也只是自由现金流持平或为负。
那这些公司都要倒闭了吗,大家还在买它们的股票?
不能这么说,不过……
那你还想要什么?确实有个惊人的数据……
企业预算中有多少会花在 AI 上?
S-1 里有个很有意思的数据:Anthropic 说财富 500 强里有 50% 在用它。但如果看这些公司把多少支出花在 Anthropic 上,只占总开支的 0.1%。你会想,这个比例之后会到哪里?John Collison 前几天在播客里请 Sam Altman 时提到,Stripe 现在约 1% 的支出用于 token,他预计未来几年会升到 15% 到 20%。Stripe 是一家技术采用非常领先的公司,普通财富 500 强企业未必会达到这个水平,但增幅可能在同一量级。也许它们会从 0.1% 升到 1%。最终这个比例会稳定在哪里、Anthropic 能渗透多少潜在市场,是值得想的问题。即使收入在第二季度同比增长超过 1,000%,市场空间也仍然很大。
我觉得可以把它叫作“虚拟协作者”,我通常说智能体,但最好给人们一个更亲切的说法。企业可以开始比较员工支出和 token 支出。
大多数公司这项支出大概只有员工成本的 0.1%,或者 1% 到 5%。
是的。AI 公司中位数可能达到 50%。
头部 AI 公司里,排在第 90 百分位的,token 支出可能是工资的十倍。
这确实是个很好的比较基准:你在员工身上花多少?大概是 30% 吧?
也可能更高,要看业务类型;团队人数甚至可能只有四个人。
对,实体行业另说,机器人还没那么好用之前,人员开支不会消失。但知识工作者呢?除了程序员,也包括行政、运营、法务等岗位。过去 token 支出相对这类人力支出几乎为零,现在会逐渐上升。能升到多高?
可以升很多(笑)。围绕 OpenAI、Anthropic 等大实验室,正反两边都有不少夸张说法。核心问题其实有三个:Anthropic 能否留在技术前沿?在前沿能否建立持久的生意?如果能,成本是多少?后两个问题彼此相关:赚的钱够不够支付留在前沿的成本?我这里有张图可以说明……
为什么最新模型贡献了大部分收入
先看能不能在前沿建立生意。Anthropic 的 S-1 里还有一个数据:截至 9 月的三个月里,80% 的收入来自发布不超过六个月的模型。这说明收入绝大部分来自最新、最强的模型。我预计这种情况还会持续。
前沿模型和开放权重模型都会有巨大的市场。按 token 数量占比看,开放权重模型会持续抢份额;但按企业钱包里的支出金额看,前沿模型仍会占大头,经济价值最高。开放权重和低价模型拿到的 token 总量会最多,而前沿模型捕获的收入和市场价值更高。80% 来自半年内模型,比我预期的还高,说明保持在前沿确实有价值。
接下来问第三个问题:待在前沿要花多少钱?很多人看 Anthropic 的 S-1,会惊呼它签下了 8,550 亿美元的承诺,怎么付得起?它的 ARR 大概是 700 亿左右,最近披露的第三季度收入是 168 亿美元,之前数字大约是 650 亿美元。凭什么承担 8,550 亿美元?你们读过 S-1 后面的内容吗?
我做这张图时,把他们披露的承诺拆开了。文件没有按年度列出来——虽然通常会按年列。
我觉得按年展示反而没必要。
这是 Jamin 的最佳解读(笑)。
不,我见过不同版本的这种分析。
我把承诺年化了。比如一笔五年期的协议,就折算到每年。所有投行家在 S-1 发布当晚就已经这么做了。问题是他们付不付得起?灰色的部分是没那么硬性的承诺,但也是他们希望履行的承诺。
SpaceX 那笔也算在里面,对吧?
对。那笔他们可以退出,金额大约是 1,990 亿美元。
那就对了。
所以关键不是一次性拿出 8,500 亿美元,而是能不能每年承担大约 1,000 亿美元。办法有几个:一是业务能不能继续增长,也就是前沿模型市场能否持续存在;二是现在只有约 25% 的算力用于产生收入的推理服务。如果不增加算力,只把用于服务的比例翻倍,理论上收入也可以翻倍。8,550 亿美元里有不少支出是在很后面的年份。考虑业务发展轨迹和目前渗透的市场,我不觉得收入覆盖这些成本是异想天开。
这还有另一张很好的图,叫算力毛利率:把收入减去所有算力相关成本,包括内部模型训练……
为什么最新模型贡献了大部分收入(续)
算力成本和收入按同一季度匹配。即使他们把更多算力转向不直接产生收入的用途,算力毛利率仍超过 50%。
也就是说,新上线的算力变得极其高效。用于创收的算力,过去一年效率提高了 7 倍。你觉得他们会继续增加算力和容量吗?
我认为会。虽然这是推测,但如果你问 Anthropic 的人,他们大概会说:“真希望我们更早开始扩建,投入更多。”
他们现在确实在争取更多算力承诺。不了解行业的人可能会觉得这些人疯了、财务上不负责任。但如果你近距离看到市场对智能的需求——产品一推出就被抢购、马上消耗掉——就会明白,目标不是减少承诺,而是争取更多算力承诺;如果可以,他们愿意承诺一万亿美元。
我没见过哪个 AI 行业的人,尤其是大实验室的人,说“我们算力够了”。未来有一项容易被低估的算力需求,是安全、对齐和验证。越来越多算力会用于这些任务,既包括研究,也包括推理时的验证和对齐。
这部分可能不会单独披露,但占比或许会从现在的 5% 变成 20%。我会告诉大家:如果你觉得现在情况已经够糟,等着看开源那边吧。
这不是什么坏事,关键就在于他们想从所有可能的渠道获取算力。Anthropic 甚至开始买 TPU 了(笑)。
这真是破天荒。他们有自己的芯片计划 Jalapeño,口碑不错,还组建了算力团队做芯片;大型云厂商也都在做自研芯片。这是一场疯狂竞赛。
每一家都在冲刺。
供应链里真正的赢家可能只有台积电、英伟达、ASML 这些公司。
完全同意。尤其在美国,建设数据中心越来越难,反对声也越来越多:太吵了,不想建在我家附近;会造成空气污染;会耗水——其实没那么耗水——还会用很多电、抬高附近居民的电费;或者有人认为 AI 会毁灭人类,不想助长它。这些争议都变得高度政治化,反对意见确实在增加。即将到来的中期选举中,谁控制众议院和参议院,可能会影响数据中心和“智能中心”建设的监管。
另一方面,建设数据中心确实越来越难,尤其是自建电源、绕过电网(behind the meter)的项目。建设难度形成了天然的限速器,让我们不太容易过快过度建设、造成供给过剩。这和 2000 年代初互联网泡沫时大量铺设光纤很像:当时互联网需求没跟上,留下许多没有数据流量的“暗光纤”。现在我们没有闲置的 GPU。建设受限有好处,可以避免大泡沫;但也有坏处,行业需要更多算力。
为什么最新模型贡献了大部分收入(续)
模型越强,安全问题就越突出,防御方也需要更多算力和能力。我个人觉得,算力受限的时间会比大多数人想的更久。市场现在定价时假设算力约束会持续多久?如果我们自己研究后得出的结论与市场预期有差距,这个差距可能是三年,也可能是三十年。这是非常重要的变量。
当然。我想给大家一个思考方向:除了政治因素,我觉得 Meta、以及越来越多的 OpenAI,都在努力让自己成为所在社区的正面力量。这些问题确实需要处理。
回到研究的相关性、投资回报,以及它对行业意味着什么。我有时会想,推理效率的提升还剩多少空间?这次是不是只是推理技术栈的一次性升级,带来大约 7 倍效率提升?不可能一直有这种提升,除非芯片发生根本变化。我们可能从很不优化的状态起步,现在比两年前优化很多,但硬件和数据传输都有物理极限。还能挤出多少效率,年度增幅会不会封顶?
这场争论已经持续很久了。大约两年前,Ilya 有过一个说法:数据和互联网像化石燃料,我们已经把它们耗尽,没剩多少训练数据,模型要遇到平台期了。后来推理时计算、推理模型又带来了新范式。或许你真正想问的是,前沿模型和最强开放权重模型之间的差距会不会缩小。
我不介意这个差距,这不是我主要谈的话题,但确实很有意思。
要回答这个问题,不能只看今天最强的开放权重模型和公开发布的前沿模型之间的差距。Anthropic 和 OpenAI 已经开发出强得多的模型,只是还没有发布。这是 OpenAI 的 Mark Chen 公布的一张图——我们从 Anthropic 转到 OpenAI 了。
他上过我们的播客,讲过做饭(笑)。
哦,不错。我们还给研究人员做过汤。
太棒了,我喜欢这个播客。Mark 展示过他们用模型解纳维–斯托克斯方程的例子:图里最上面那条可能是内部模型,下面蓝色的条是 Astra。你能看到内部模型比已经公开的模型强得多,这多少有点吓人。实验室手里有更强的模型。因此,开放权重与前沿模型之间的实际差距,可能远比大家想的大——还有强得多的前沿模型没有公开。它们可能出于安全、测试、对齐等原因没有发布,具体原因或许是几方面综合,但我认为前沿仍在加速发展。
为什么最新模型贡献了大部分收入(续)
前沿仍在加速,即使公开发布的模型看起来可能有些停滞——不过我也不确定,它们是不是真的停滞了。
没有人说现在已经停滞了,我们讨论的是未来会不会停滞。这对投资非常重要。
没错,这是核心问题之一。
我还以为你要谈“苦涩的教训”,结果没有,值得表扬(笑)。但我觉得你的观点很公允:每一代模型在数学等领域都持续有量级跃迁,开源模型也不只在数学或编程上表现出泛化能力。我想问的主要是从财务角度看,那次收入效率提升 7 倍是不是一次性的?他们又没有涨价,这效率提升是从哪来的?
我有另一张很好的图。其实方向正好相反:图里展示的是完成一项任务的成本。每一代模型都能以更低成本完成同一任务。比如 Fable、Opus,以及 Fable 51、Opus 55,相邻模型家族完成同一任务的成本下降约 25% 到 40%。成本大幅下降,算力效率明显提高。
这听起来像 VC 老套话,但就是杰文斯悖论(笑)。
AI 播客不提这个都不完整。回想互联网早期,2000 年网络上传输多少字节?今天多了许多个数量级。与此同时,网络传输每个字节的价格大幅下降:价格降了,使用量却大增。我觉得模型和 token 服务也会出现同样的情况。
我基本认同,也想提醒大家,这是客观事实,不是什么 VC 故事;这些公司的业务实际上就是这么运作的,连我们都感到意外。
理论上我们读过这种现象,但在财务报表里亲眼看到,还是很夸张。
还会继续出现。比如简单的二元分类任务,不需要用语言模型,直接用决策模型就行,既便宜又高效,类似的效率提升还会发生。再看 AWS 最初的核心产品 S3 和 EC2,存储和计算服务自推出以来价格降了 99%,但业务规模怎样了?存储和计算,包括 CPU 计算,都呈指数级增长。今天各大云厂商公布业绩,如果单独算一家公司,它们的年化收入都超过 1,000 亿美元。Google Cloud 增长超过 100%,Azure 接近 50%;我们录制节目是在周四,亚马逊今天报出的增长接近 40%。这些业务都在加速,增长惊人。
你应该放下手头所有事,去创办一家云公司(笑)。
哈哈。提醒一下,今天是 10 月 29 日,给之后回听的朋友参考。说个个人经历:亚马逊宣布把 AWS 单独拆出来的那天,我当时在一家对冲基金工作。
为什么最新模型贡献了大部分收入(收尾)
当时我们没有做多亚马逊,因为担心 AWS 利润率,也担心它的客户都是初创公司,万一遇上初创公司寒冬怎么办。现在想来,这担忧很荒唐。金融业有意思的地方就是:做了很多分析,最后反而做出更差的决定。
对(笑)。我们确实这么干过。市场择时根本不可能。
而且还会盯错指标。很多人第一次遇到这种情况。你手上明明有两千个数据点,却只盯一个,然后说:“这就是全部。”
留在前沿,并给它定价
我是说,你只顾着一个数字,反而忽略了大局。
对我来说,虽然很多人未必认同,但有一个问题最重要:Anthropic 能不能留在技术前沿?如果我相信答案是能,而且他们过去的表现都证明他们能做到,我认为他们会建立一家很好的公司。
但这家公司也得有合适的价格。
当然。对我来说,重要的是拉长时间看这门生意能否成功,而不是 IPO 定价究竟便宜、贵,还是恰到好处——目前我们甚至还不知道定价。上市公司的股价可能因为公司自身表现变化,也可能受宏观市场风险影响。假如 Anthropic 一个月前上市,最近公开市场、尤其半导体和 AI 板块大跌,就算它的业务表现不错,股价也会下跌。投资者要做好股价随公司表现和市场整体波动的准备。
顺便问一下,外面有不少追踪非上市股票的指标,比如有人做 OpenAI、Anthropic 的股价代理,你们会参考吗?
我不太看。
我也在想要不要多关注一点,它们或许能反映模型发布后的市场情绪。比如 Ramp 有些数据。
我前几天用过 Ramp 的图,展示 Anthropic 最近几款模型的支出情况。深蓝色代表 Opus 55。数据说明用户会切换模型。
没错。Opus 55 发布后,支出又加速了。第三方数据似乎显示收入和年化收入在 10 月重新加速了;10 月已经是第四季度,当然不会算进第三季度。这个趋势并不让我意外。
这张图也很有意思。所谓“留在前沿”有不同定义:跻身前两名、前六名,还是前二十名?
通常说留在前沿,是指前两名。
有时也可以扩展到前六名。Google 在某些指标上现在也能说自己第一。Meta 表现很好,SpaceX 也很好,虽然不一定是第一。
排第三、第四也算不错。看看 Anthropic 收入在夏季的低谷,是不是因为 OpenAI 一度领先?
我觉得 Astra 是个很好的模型。
很多人开始用 Astra,不只是它,Google 的模型也出来了。最近发布的那个叫什么,Carbon 还是 Argon?
Carbon。还有 Argon。昨天发布了……
不,他们还没发布,只是宣布开放候补名单。这就是我对 Google 不满的地方:什么都不真正放出来(笑)。
另外,开放权重模型也突然变强了,比如 Kimi K3、GLM 系列和 DeepSeek,进步很快。右侧这根柱子显示,Opus 55 或 Sonnet 55 的收入,在两三个月里增长了一倍半,甚至更多。想想如果没有 Opus 55 或 Sonnet 55,他们的收入增长会是什么样?所以我认为,拥有前沿级模型真的很重要。
留在前沿,并给它定价(续)
过去三四年我观察这些实验室,发现它们以前会留一些底牌,手里有内部模型,想什么时候发布都行。到了 GPT-5.6 那段时期,大家似乎有模型就马上发布。现在我感觉储备又在增加,不知道为什么,但像刚才那种内部模型就说明,它们手里还有不少好牌。比如我可以把 Fable 55 留着,等 IPO 前一天再发布,好让 IPO 表现更好(笑)。
不过模型不立刻发布,确实有合理原因,比如安全和对齐。作为产品经理或管理者,也可以策略性地打好这张牌。
真的?还有 OpenAI 的 Patch the Planet 计划:用非常强的模型找漏洞。
那次用的其实不是前沿模型,是 GPT-5.6 Soul。他们发现了 PHP 漏洞。
这很夸张。
他们只是把上一代模型大量调用起来,让它们找漏洞,比如 PHP 的问题,然后写好补丁,这样漏洞公开时就能马上发布补丁。但攻击者也在使用很强的开放权重模型,自己发现漏洞。
这是一场竞赛。
对。过去从发现漏洞到被利用可能有几周、几个月,现在窗口已经缩到零天,甚至可以说负数:漏洞刚被发现或公布,利用代码就已经出现。OpenAI 公布 PHP 问题时,似乎还暗示他们知道一些更严重的漏洞,正在修补。
有些漏洞影响范围可能比 PHP 这种覆盖互联网 70% 的软件还大。
“覆盖互联网 70%”其实只是说它比较老;老软件当然更容易有漏洞。我不想在这上面展开,懂得比我多的人很多。
当然。有个挺有意思的角度:我们花十亿 token 找出漏洞,再花十亿 token 修漏洞。要是两件事都不做,最后不就和原来差不多吗?
但现在已经收不回去了,牙膏挤出来就塞不回管子里。
这是有人会提的论点:怪罪 AI,就像怪罪信使。另一个有意思的地方是,这可能影响民族国家行为体。他们本来已经掌握很多漏洞利用方法,现在普通人也能找到这些问题,他们就会觉得:“可恶,我得更费劲才行。”
对,以前那些零日漏洞在我手里十年,现在都没了。
总之,这些都是有趣的例子和后果。假如你是民族国家行为体,想尽可能冷酷地保住优势,会怎么办?你不能让依赖的渠道都被锁死。
那就派个沙特诱饵,把东西放在你的电视后面,分散大家注意力,让真正的间谍进去(笑)。
这都是我看太多电视剧、玩太多战争游戏了。我不相信我们听到的就是全部真相。
我觉得有道理。利害太大了。
是,利害太大。好,我们回到财务分析。我想把这部分讲清楚……
前沿模型贬值有多快?
对刚接触模型实验室经济学的人来说,有人会问:每个模型的研发成本,比如 Fable 5.5 或 Opus 5,可能要十亿美元。
就说十亿美元吧。
结果只够用六个月,因为模型折旧就这么快。这不会让人担心吗?它们可能是历史上贬值最快的资产。我之前和 Sargo 也聊过这个问题。
是的。我的结论是:不能简单说“不担心”,而是有条件地不担心。
只要下一轮模型比当前最先进水平更好,就没问题?
对。
如果下一轮不行,就有点像搭在纸牌上的房子。
是的。OpenAI 曾短暂遇到过这种情况。大家现在都知道 GPT-4.5 那次大规模训练并不成功,后来他们修复了问题;但一轮进展不顺、甚至训练失败,确实会严重损害投资回报。
这和芯片行业很像。我记得曾和一位比我年长、聪明得多的投资人聊过,他在 80、90 年代做过很多半导体投资,见过各种周期,但对新芯片公司很怀疑。有些老兵可能因为不相信现有巨头能被颠覆,而错过下一次大机会。不过他的观点是:做出一颗能和当时领先芯片竞争的芯片,跟建立一台能持续制造芯片、年年推出有竞争力新品的机器,是完全不同的事。
他们什么都见过了。
没错。某家芯片初创公司也许能做出一颗芯片,但未必有能力每年持续推出新芯片、始终站在前沿。所以英伟达称王,不只是因为今天有最好的芯片,而是因为它拥有最好的芯片制造流程。
正是如此,是那台能制造机器的机器。
这也是所有新 AI 实验室的看空逻辑。很多聪明人会说:如果想在前沿与大实验室竞争,算力规模不能比它们少一个数量级,否则就竞争不了。新实验室的问题不只是能不能做出一个模型,而是能不能持续吸引足够的算力和人才,每年推出新一代模型,在自己的领域竞争。
我认为,不知名的新玩家很难赶上通用前沿大模型。但还会出现垂直领域模型和新型模型,比如决策模型。大实验室则被困在不断推出新模型的跑步机上:Anthropic 停下来,OpenAI 和 Gemini 还会继续,Anthropic 的收入就会下滑。这就是为什么留在前沿这么重要。
前沿模型贬值有多快?(续)
从数据看,Anthropic 的模型家族越做越好,效率越高,收入也越多。收入增加可能是因为模型做的工作经济价值更高,或者完成得更快。现在数据很清楚:他们用于开发和训练模型的算力支出翻了一倍,收入却增长了 14 倍。我不知道是什么会让这个趋势停止。模型只会接手耗时更长、经济价值更高的任务。听得出来,我是个非常乐观的人,也许是喝 AI 的“酷爱饮料”喝太多了;但我认为,前沿模型能捕获的经济价值还远远没到上限。
更有意思的是,OpenAI 的 Luna 系列也在争夺市场低端,用更小、更便宜的模型覆盖从前沿模型到蒸馏版小模型的各个价格区间。
便宜到每百万输入、输出 token 按美分计价,而不是美元。
对,我认同这个看法。不同实验室的策略也很有意思。Anthropic 至今没有单独的决策模型,似乎觉得现有产品已经够用;它也没有单独推广语音 API。
他们有语音模型,只是没有拿出来营销。
对,而且他们一直没做图像产品,重点放在企业和编程。OpenAI 则更像什么都愿意做,试过 Sora,后来又关掉了。
还记得 Sora 曾经是美国下载量第一的应用吗?
对。Gemini 最像什么都探索的实验室。我们应该感谢他们,因为如果他们不愿意试,可能就没人试了;而且他们有资金去做。
我常把 Anthropic 看作企业和编程赛道的公司。他们最早切入,做得很好,到现在还在持续做好,其他人都在追赶。
这会是未来的故事吗?接下来还会这样,还是会发生变化?
前沿实验室的创新者困境
未来会怎样?
我觉得这是一种新型的“创新者困境”,可以叫作算力版创新者困境。像 OpenAI 这样的公司有 Sora,有很多模型家族、图像模型,什么都做。问题是:算力有限时,应该优先服务什么?假设 Sora 的需求突然爆发,要不要把大量原本用于 Codex 的算力分给视频生成?如果想把体验做好,可能就得这么做。现在很多人都发现,编程是投资回报最高、经济价值最大的用途,所以很难优先投入其他领域。
这也给其他公司和初创企业留下了机会,可以在别的领域做模型和产品。OpenAI 和 Anthropic 追逐的不是市值多增加 100 亿美元,而是下一个万亿美元。对初创公司或新实验室来说,做出一家最终以 100 亿美元退出的公司,已经是巨大成功;但对 OpenAI、Anthropic 来说,这个市场小到不值得关注。
Anthropic 在编程上做得特别好。他们明确说编程是自己的主场,要做出最好的编程工具,打造 Claude Code 这样的开发环境,并继续把它做好。大家也开始问:编程市场什么时候会饱和?一种看法是,编程其实是泛化能力最强的模型和框架。你用 Claude Code 时,未必是在写代码;它的能力可以迁移到其他任务。编程是一个很适合泛化的框架。
OpenAI 和 Anthropic 都在大力投入生命科学和药物发现,也公开表达了要进入这个领域的兴趣。我觉得这和编程是不同的赛道。
看起来 Anthropic 在生命科学上的投入,比 OpenAI 更大。
我同意。但我忘了你刚才问什么了(笑)。这些公司正在扩大想做的领域。过去重点放在编程,是因为编程能力最容易泛化到知识工作。可它们也可能在别的领域有短板,比如视觉思考和推理,或者决策模型——像 Allorean、Jev、TypeSafe 这些。每一个短板都是创业机会。我们当然希望看到其他领域出现更好、更便宜的模型。去杂货店不需要开法拉利,丰田就够用了(笑)。
说得好。我们刚采访了 Andrew,聊他的基准测试和 Glimpse。你们投资了吗?
投了。
真不错。你们会领投 Anthropic 这种大额融资,也会关注小得多、可能只值你一分钟时间的公司。
不会只花一分钟。我认为我们是“杠铃式”的全周期投资人:早期投、后期也投,也投公开市场。很多优秀创始人从早期就需要后期公司的能力,不只是资金,还包括高管关系、上市公司关系。如今公司是在超高速模式下建立的……
前沿实验室的创新者困境(续)
过去公司可能先融一轮,18 个月后把年度经常性收入做到 1,000 万美元,再融资,过两年做到 1 亿美元。现在公司增长快得多,很快就融到九位数资金,经营压力非常大。某种程度上,这像是要打破组织文化能够承受的物理规律。律师也没准备好应对这种速度:“什么叫周末也要工作?因为到了周一,情况可能都变了。”
完全是这样(笑)。以前作为董事或投资人,会提前六个月招销售副总裁和 CFO,免得业务需要时还没到位。现在提前六个月可能公司都还没注册。那该什么时候招到合适的高管,既不太晚,也不至于过早?我觉得创办公司的压力从未这么大,潜在回报也从未这么大。看起来创业也许比过去容易,但我觉得恰恰相反:建立一家好公司依旧很难,尤其要建立一家能长久经营的公司。
说到模型工厂,我们也采访过被英伟达收购的 Poolside,他们很强调“模型工厂”。我想传达的普遍结论是:要建立一家持续造出好公司的公司。
我本来想讲、但刚才没讲到的一点是,通常 S-1 会让你清楚看到公司的业务:市场细分、产品线、组织结构等等。
但 Anthropic 披露的分类是 Claude Code、Claude Code Work、其他,或者平台之类。我就想,法律、设计、消费者业务这些去哪儿了?以前消费者业务曾经是个重点。我们要关心这些吗?还是收入反正都算在一个桶里?
我觉得产品分类是重要的,比如 Claude Code。
还有什么?
S-1 有一节列了他们想做的垂直应用。我以前有个猜想:实验室可能不再发布模型,而是直接做由自家模型驱动的应用和产品。如果用的是最好的、又不对外发布的模型,它们或许能做出最好的应用。
比如只用 Claude Fable 6 Legal,就能把 Harvey 打垮?
或者对 Cursor 说:“我们几年前就有最好的模型,只是没发布;所以我们的编程智能体会最好,因为最强模型掌握在我们手里。”我觉得这也是……
为什么应用公司会自己训练模型
现在不少领先的应用公司都在把模型研发收回内部,想把命运掌握在自己手里。我觉得应用公司长期想生存,内部很难没有研究团队。这是我的一项投资判断:我希望投资的应用公司既有强大的产品团队,也有强大的研究团队,而且两者方向一致——研究进展能推动产品变好,产品反馈又能推动研究。很多研究团队只是为了研究而研究,没有把成果和产品改进形成正循环。虽然我在这个领域没有很多熟人,但我坚信研究能力至关重要。
完全同意。
我关于模型实验室和智能体实验室的判断是:模型实验室尊重模型本身,努力打造通用人工智能,产品只是最后一公里的交付方式;智能体实验室最尊重客户,会先做客户需要的东西,再在必要时向下整合模型,但可能永远不会站在最前沿。这两种公司都能共存,也都有市场。
我预计 Anthropic 和 OpenAI 会更大力地做垂直应用,不再只提供模型。不过目前 Anthropic 的行动还没有显示出很强的应用野心。Claude Design 只是 Claude 里的一个标签,不是完整的 Adobe 替代品;Claude Legal 可能就是一个 Markdown 文件或 Markdown 仓库。
如果你相信研究是王道、一个模型能做所有事,这就是 AGI 派的逻辑。
这也是经典的大企业组织问题。销售人员会想卖自己熟悉、已经卖得很好的产品;新产品和新 SKU 更难卖。于是组织会受惯性和势头影响,都是大公司常见的老问题。
我做 IPO 相关工作可能有 15 年了。即使对一家 IPO 阶段的公司,更别说市值 2 万亿美元的公司,你也不会看到它只有三个产品 SKU。
是的。不过 Anthropic 值得肯定的一点是他们一直很专注,没有被下一个新东西迷住。
没做机器人。
对,也没做图像。再看 OpenAI,他们面对的竞争对手包括英伟达、Google、Meta、Anthropic,几条业务线都要和全球最大的科技公司竞争。一次只对付一个巨头都很难,更何况同时对付这么多。但如果你是一家万亿美元公司,承担的风险和赌注也就这么高。
807 亿美元净亏损与可转债
好。我们先把 Anthropic 的话题收个尾,再聊其他内容。你说还有两个争议,听起来会深入财务细节。
对,有两个。先说资产负债表……
你想聊可转债。
没错(笑)。这期前面说过公司融资 1,400 亿美元、账上有 1,340 亿美元现金,这些都能从资产负债表看到。资产负债表上还有约 1,080 亿美元应付可转票据——准确数字我记不牢,手头也没有文件。所以问题是:这算债务吗?公司是不是借了这么多钱?另外,营业利润以下还有一大块其他收入和费用,让净亏损看起来很大。这两个问题其实有关,我来解释。
每家公司、每个创业者都知道,融资方式有很多:优先股、可转债、SAFE 等。Anthropic 和其他初创公司一样,各种方式都用过。不同投资人会偏好不同工具,战略投资者更是如此。众所周知,Amazon 和 Google 早期是 Anthropic 的大股东和重要战略投资者。
对,你继续。
2023、2024、2025 年早期,Google 和 Anthropic 的不少资金通过可转债、SAFE 和票据提供。这些工具的转换价值,是按当时的融资估值设定的。为什么战略投资者偏好可转债?Google 和 Amazon 都是上市公司,如果持有另一家公司超过某个比例,就要更多披露穿透后的持股情况。比如持有另一家公司 20%,几乎就得合并财务报表。
要出合并财务报表。
对。如果那家公司亏很多钱,亏损也要记到自己的账上。战略投资者不希望超过某个持股门槛,所以可能会说:“给我们可转债或票据,我们给你现金,但暂时不拿股份。”这样就没有达到股权持有门槛。Anthropic 也可能不想给供应商或战略投资人投票权,因此可以让票据转换为无投票权股份——这些只是推测,但都是合理的原因。
关键是,这些票据的转换价格远低于今天的估值。资产负债表必须平衡:资产等于负债加股东权益。公司发行可转债,收到现金,资产增加;负债也必须增加,因为可转债承诺未来用股份换现金。刚发行时,负债金额和融资现金相当。但 Anthropic 自 2023、2024 年以来估值涨了很多,承诺发行股份对应的负债美元价值也随之大幅上升。那意味着……
807 亿美元净亏损与可转债(续)
现在资产负债表上的负债看起来有 1,080 亿美元,但 Anthropic 并没有借 1,080 亿美元债务。那几批可转票据合计融资大约 110 亿美元,其中约 50 亿美元已经转成股权,还有 60 亿美元未转。由于公司估值大幅上涨,这 60 亿美元票据当前的市值被记成 1,080 亿美元。有人因此说公司账面上有 1,080 亿美元债务,甚至说它除了已融资的 1,410 亿,还额外融了 1,080 亿。这种争论是误导性的:资产负债表上并没有那么多债务,而且那 110 亿美元可转债已经包含在累计 1,410 亿美元融资总额里。
你总结得很好。
但还可以再深入。刚才说的是资产负债表,现在看利润表。公司有 GAAP 营业利润,可营业利润以下是净利润。有人会说,2026 年上半年 Anthropic 的净利润是负 807 亿美元,亏了 800 多亿美元,真是糟糕的生意。
这数字是真的。
按 GAAP 会计准则来说确实如此。但回到资产负债表:负债升到了 1,080 亿美元。资产负债表是资产等于负债加权益。负债增加后,要么资产减少,要么权益减少。资产没有减少,所以股东权益价值必须下降。三张报表是相互关联的。
会计入门就会讲这些。
关键是净利润从损益表流入资产负债表的留存收益。因此负债增加多少,留存收益就得减少相应金额;损益表上的净利润也就得减少这么多。三张表在数学上连在一起,无法拆开。
要让报表彼此勾稽,损益表上就会出现很大的价值减少。Anthropic 最近估值大幅上涨,过去九个月做了几轮大额融资。可转债的价值升高,这种升值作为损失记在损益表上。公司今年上半年净亏损约 810 亿美元,其中约 720 亿来自 Amazon 和 Google 提供的可转债,另有 90 亿来自另一组 SAFE 和票据。因此,上半年全部亏损都来自可转债价值升高。如果 Anthropic 当初直接给 Amazon 和 Google 普通股,而不是可转债,这笔账面亏损就不会出现。
所以按 GAAP 计算,公司的确报告了 800 亿美元净亏损。
你觉得这准确反映了业务吗?不。因为这 100% 的亏损,都是股权价值上升带来的。大家都会说估值上涨是好事。等票据转换成股权,这些负债就消失,不再出现股价上涨、负债跟着增加、净利润相应下降的会计机制。整套报表是互相勾稽的。
807 亿美元净亏损与可转债(续)
抱歉,讲得太财务了。
讲得很好,应该足以给遇到这个问题的人一个明确答案。还有 Google 和 Amazon 循环融资的说法,不过不用细讲;和今天说的金额比起来很小。总体而言,相对于企业整体价值,账面价值没那么重要。
还有一点。有人会问:既然负债增加只是因为公司估值涨了,是不是就等于 Anthropic 今天发行了股份,给了 Amazon 和 Google 价值 1,080 亿美元的股份?是不是把股份按四年前的价格打了巨额折扣给他们?不是这样的。他们几年前通过正常融资拿到资金,就像一般初创公司那样,后来这些股份对应价值上涨了。
有些人可能缺少这方面的财务知识,因为从没接触过这些情况。你是在解释。你说还有第二个争议?
是相关的。第一个是资产负债表:他们是不是借了更多债?第二个是利润表:他们是不是真的在亏钱?
作为投资人,为什么会花时间研究这些?
这算是兴趣吧。
你就是觉得有意思。
Altimeter 做风险投资、成长期投资和公开市场投资。我主要做早期投资,但也把自己当作金融领域的学生。Anthropic 是一家非常重要的公司。
你不该还得教人看三张财务报表。
是啊。不过很多人只看资产负债表和损益表,却忽略现金流量表以及资产负债表上的信息。我只是出于求知欲想研究。Anthropic 很重要,如果它的 S-1 展示的是糟糕的财务状况、看起来不是一门好生意,那我们就有很多值得担心的事:如果它都无法盈利、无法获得高投资回报,那么它下游的行业会怎样?所以理解它的损益表很重要。
我快速过一下这些图。先看毛利率,经营杠杆很强,毛利率改善得很快。
这里有个细节:这张图涵盖的收入中,有一半不是通过云合作伙伴产生的。
对,这是 GAAP 毛利率。
这样看没问题吗?我读到一篇分析说,云合作伙伴的毛利不应该计入毛利率,而且他们 50% 的收入都来自合作伙伴。
我认为他们支付给云合作伙伴的许多费用,也就是收入分成,会计入销售和营销费用,在毛利线以下。我猜你说的是这个。
顺便说一下,销售和营销费用有 30 亿美元。
他们大约 40% 多的收入来自云合作伙伴。
是 48%。
48%,好,我差不多。你会看到毛利率走势改善,营业利润率上升、GAAP 营业利润率为正,自由现金流利润率也在上升。所以我看到的是一门高度盈利的生意,可能会转向把钱重新投入算力和扩建。未来的算力建设方式会不同,成本很高,也需要更多前期付款。
所以短期内,随着它们转向增长和算力投资,利润情况可能反过来走。但我最大的结论是:这是一门仍处在增长期、却已经高度盈利的生意;新模型可能让收入重新加速,这让我对整个行业更有信心。
807 亿美元净亏损与可转债(收尾)
只要收入兑现,算力承诺就能履行。供应链还会持续紧张、受到产能限制,各家公司也会继续增长。OpenAI 和 Anthropic 占整个 AI 行业收入的很大一部分,所以大家把它们当作行业风向标。看空者会说它们会停止增长,因为开放权重模型会抢走业务,但这才是值得讨论的问题。
很重要、很好的问题。你会预测一下 2027 财年大概会怎样吗?
这个太难了,因为结果可能相差很大。经历了刚才那种增长后,这门生意很难预测,未来非常未知。上市后,各家银行的卖方分析师会建模并给出预测,但我不知道最后会落在哪里。我认为大家会对业务的未来抱有很多乐观预期,不过结果可能远超预期,也可能怎样都有可能。尤其短期内预测未来仍然很难。前沿公司或许相对更可预测,因为它们最不容易被颠覆,但现在确实是个高度不确定的时期。
如果我是对冲基金经理,我会希望最优秀的财务分析师做一些物理极限测算:目前的推理优化还剩多少空间?下一代模型有多强,可以卖多少钱?再看竞争格局和过去的定价,最后算已经锁定多少 GPU 供应、能产生多少 token、这些 token 又能卖多少钱。这些都是业务可能达到的物理上限。很多分析师只是把过去表现放进电子表格,拖动右下角向外填充。
对,不能这么干。
那样分析不靠谱。
完全同意。到处都有产能限制:英伟达能生产的芯片有限,挑战者 Cerebras、TPU 也有产能上限。还有土地、电力、机房外壳,以及规划许可和批准的限制。
对,得先把这些建设起来,再问各家能拿到多少份额。
谁会为下一座 GPU 集群放贷?
刚才我们聊过债务和信贷市场。现在想为 GPU 融资几十亿美元?没人接,没人接。债务市场关上了,大额债务交易做不成,几乎像 IPO 被撤回一样。为什么公司能拿到 1,000 亿美元股权融资,却拿不到 1,000 亿美元债务?
大型信贷基金会看穿整个风险敞口。新云厂商或超大规模云厂商融资时,债权人首先会问:谁是承购方?真正要评估的是最终客户,因为最终客户付账。如果客户经营不善,账单就付不出来。现在最后买单的主要是 Anthropic 和 OpenAI。很多新云厂商正在建设的数据中心都是给它们用的。信贷机构会觉得:“我已经为 CoreWeave、Nebius、Volta 这样的新公司做了很多债务融资,敞口够大了。”债务市场可能要先消化一下,看看项目是否按时建设、收入是否能回流。
信贷市场会有起伏。项目延误的原因很多:新云厂商可能和 OpenAI 签了合同,也和英伟达签了约,Dell 帮它打包方案,随后筹到债务;但当地居民可能起来抗议、在工地外示威,项目就延误了。
我不是开玩笑(笑)。
这时债务已经融到,利息总得有人付。虽然有延迟提款额度等设计,债务已经承诺、但还没提款,不过这些安排都有边界。还得深究服务级别协议:延误是供应链、施工、数据中心开发商、运营方,还是社区抗议造成的?信用市场会仔细评估这些事。还有很多非常技术性的因素,比如信用违约互换和对冲成本飞涨,债权人更难对冲风险。对冲越贵,他们愿意承担的风险就越少。
这不就是债务市场没钱了的表现吗?
我不确定债务市场的资金是真的不够,可能更像是风险偏好问题。当然,什么都有价格——可以借 50 亿美元,但利率得付 20%。
可你没有看到这种融资。股权层面却有人投钱。为什么有 1,000 亿美元股权流向 Anthropic,它却借不到 1,000 亿甚至 500 亿美元?
我不确定他们完全做不到。首先他们需要信用评级。
他们想借吗?我猜 Anthropic 和 OpenAI 其实乐见新云厂商存在,由新云厂商承担资产负债表风险。也许它们不想承担这种风险,因为有些事情不在自己控制之内,可能会把公司压垮。
你会在资本结构里放进很大的债务包袱,万一不可控的事发生……
最后背锅的不是你。新云厂商的优势和风险都在这:如果合同不够严密、结构设计不好,资产负债表型生意可能非常残酷,也可能赚得很好。它就像金融科技公司的资产负债表业务,时好时坏,……
谁会为下一座 GPU 集群放贷?(续)
我电脑可能死机了。
没事,剪掉就行。
2020 年有很多金融科技公司,在低利率时表现很好,利率升高后却撑不住。资产负债表型业务很棘手、周期性很强。你不想在市场周期反转时持有这类公司。OpenAI 可能想为自研 Jalapeño 芯片建设自己的数据中心,Anthropic 也是如此;但它们肯定也愿意让别人承担风险,因为那是别人的核心能力。大量债务会带来很大的爆雷风险。Anthropic 目前资产负债表上没有债务,不过已经安排了可动用的信贷额度。未来它开始有债务,我不会意外。
但要建一吉瓦数据中心,可能需要 500 亿、600 亿、700 亿美元,这不是小数目,而且还只是一吉瓦。OpenAI 和 Anthropic 都说过想在年底前达到约五吉瓦,最终是多还是少还不知道。
它们规模差不多吗?
我不知道。
OpenAI 之前领先很多。
对,但我觉得差距缩小了不少。OpenAI 至少启动了 Stargate 计划,目标是到 2030 年建设 30 吉瓦。
对,到 2030 年。我们即兴算算:假设 OpenAI 和 Anthropic 都想在五年里从零增加到 30 吉瓦,那光这两家就新增 60 吉瓦 AI 容量。它们可能占总容量的 40%,那么五年里总计要上线约 110 到 120 吉瓦。为了方便计算,就算 100 吉瓦;每吉瓦造价 500 亿美元,那就是五年 5 万亿美元,平均每年一万亿美元。相当于实际 GDP 的 5% 左右,是大得惊人的建设规模,堪比铁路建设。
有图表把这些预期数据和历史比较过。若以 GDP 的整数百分比衡量,这个规模就非常庞大。所以要实现它,全球信贷和债务市场必须非常深、融资窗口必须敞开,全球各地都得建设。
有趣的是,半导体行业对明年的预估可能是 50 吉瓦。Brad 在 All-In 峰会上说也许会更低,后来双方似乎有些调侃。可能这个 50 吉瓦说的是“建成”的容量,而 Brad 说的是已经投入运行、能产生 token 的容量。建成待用和实际上线之间有差距。这确实是个有争议的问题,结果可能差很多:明年整个行业会新增 50 吉瓦,还是 20、30 吉瓦?我不知道。只知道供应链里的人都说,订单或意向订单远超产能。
谁会为下一座 GPU 集群放贷?(收尾)
有些厂商的订单或订单意向超过自身产能的 100%,我看不出这种情况在未来几年会放缓。
限制因素包括土地、机房、电力、硅片,整个算力供应链的每一环。
完全正确。
这就是为什么 HBM 内存现在这么重要。看看最近的 Kimi K3 模型,服务它要多少 GB 内存?你不能在笔记本电脑上跑,得用一整个机架才能部署一个模型。
当然还有很多小模型,但大模型越来越大,运行它们需要更多内存和算力。
我以前以为模型规模会封顶,最大也就一两万亿参数,然后靠优化提升效率。看来我错了。开放权重模型倒像是把活跃参数控制在约 1,000 亿。
对,那主要是推理速度的考量。
这跟 GPU 代际很有意思地联系起来。等 Vera Rubin 等新品推出,也许中国那边也会拿到新品;基础设施层面的内存约束,实际上会影响模型架构,这挺有意思。
完全同意。
Anthropic 专题巡回就到这里,恭喜你。我不知道你来之前是什么感觉,但表现很好。
很开心。这还有很多可以继续分析的地方,但我很想上节目聊聊这个,因为我认识你。
是啊,当然。聊得很开心。你也一直想聊这个,什么时候再聊?
正是(笑)。
Jamin 还关注 AI 实验室之外的什么
除了 AI 实验室,你还关注什么?
在这个高度未知、不确定的世界里,我会回到自己有把握的核心判断:人们会用更多模型、消耗更多电力;世界需要更多计算、网络和存储,还得建更多数据中心来运行我们正在开发的智能。这些是我最相信的几件事。我在找由这些核心判断直接衍生出的公司。
最近有没有什么符合这些判断的投资?
有一家还在隐身状态的芯片公司,很让人期待,以后也许可以聊。还有电力公司 American Terawatt,想建一张新的工业电网,为工业客户供电,愿景非常大胆。我们也聊过 Allorean、Glimpse 这类视觉思考公司。
算力交易这边呢?比如把算力切分出来、提升利用效率,或者做算力期货交易?
这方面我还没花那么多时间。
我们有关注一些做国家级算力、AMP Grid 和 SF Compute 的团队。在纽约,我们开了算力交易专题,主要目标是提高利用率。这样就能像凭空多出许多算力。
本质上就是把现有算力用得更好。
对。如果 MFU,也就是模型算力利用率,目前只有 30% 到 40%,提高到 60%,相当于 GPU 数量翻倍。
没错。我觉得接下来会有很多有意思的创新。
现在是进入科技、做投资、参与初创公司的最激动人心的时代:芯片、资本市场、产品各层都有创新,创造性破坏无处不在。
我注意到你们没怎么投应用层。
智能体层呢?
我们当然也投。再说一次,这是我个人看法,不一定代表 Altimeter。我希望看到产品和研究紧密结合的强团队。早期市场周期里,我们会用一个三角形来理解产业:硬件基础设施、软件基础设施、软件应用。成熟市场里,应用的潜在市场最大,硬件最小;周期早期则反过来,硬件和基础设施市场最大,应用小。之后三角形会倒转。所以未来应用和智能体会占据最大的市场,现在还早,其他层级也有很多机会。
客观上确实如此。计算机产业史上也有类似情况,比如西部数据、硬盘制造扩张之类的例子——不过可能不是最好的例子。西部数据,对吧?
对。虽然我认同这个趋势,但我觉得垂直领域特别有意思,而应用和智能体层应该能抓住这些领域。
现在最大的应用公司可能是 Cursor,估值 600 亿美元;我们今天聊的却是两万亿美元级公司,差别很大。
完全同意。我个人还是更偏基础设施。
这就是投资人的天性(笑)。
Brad Gerstner 与儿童投资账户
好,最后一个问题:你最喜欢的 Brad 故事是什么?他是个很有意思的人。
我跟他共事多久了?
三四年?
六年。
六年?那《Clouded Judgement》都快结尾了(笑)。我可能记错了时间线,或者我比自己以为的更早认识你。
我觉得我们确实很早就见过,那时我应该还在 Redpoint。
天啊。那会儿我在哪里?Netifi?Airbyte?
在那之前你还在 Temporal。
再之前呢?
Nellifi。
我们那时候就认识了?真的?这都算远古历史了。
总之,Brad 很有意思。你有什么好故事?
你突然把我问住了(笑)。我最喜欢的可能是他为“投资美国”(Invest America)这个倡议投入了多少精力。它想让人们在人生早期就参与资本主义。现在很多美国人对资本主义印象不好,因为他们没参与其中;真正觉得资本主义很棒的,往往是分享过美国股权上涨、从资本主义中累积财富的人。大多数人没有这种机会。
这个倡议想让人们通过亲身参与,了解资本主义的好处:政府在孩子出生时开一个投资账户,之后任何人都可以往里存钱。慈善家也可以捐款,比如 Michael Dell 捐了 60 亿美元;Elon Musk 也承诺给美国每个孩子一股股票,我记得总值约 100 亿美元。
还有类似公共福利基金的安排。
对。Brad 多年来一直在幕后推动这件事,后来很快就落地了。所谓一夜成功,其实背后做了很多年。没有某一个单独故事,我更感动的是看到他长期一点点推进。
这件事已经完成了吗?
已经通过立法了。
现在如果我有了孩子,孩子就会有账户?
你得先开通账户。新生儿一出生就有 1,000 美元,父母、雇主、朋友都可以继续往里存。
像婴儿版 401(k)。
没错(笑)。Michael Dell 等捐赠者还指定捐款对象,比如我记得是按邮政编码划分、收入排名后 75% 的地区。
这样更好。
钱会直接发给这些家庭。Brad 说,529 教育储蓄计划本来有税收优惠,但实际最常用的往往是最富裕的家庭。这个倡议想为真正需要的人建立投资账户。我觉得这是个很棒的项目,才刚刚开始;未来可能会有更多直接慈善捐赠。人们担心慈善的钱会被中间人拿走一半。
我亲眼见过大量捐赠资金直接流失、被拿去腐败。
所以更好的办法是直接把钱打进最需要帮助者的账户,不经过中间人。账户里的钱可以随着时间增值,孩子 18 岁前不能动用。这样他们可以看到财富增长,也能参与美国经济的上行。看到 Brad 对这件事如此投入,挺鼓舞人的。
Brad Gerstner 与儿童投资账户(续)
我唯一的反对意见是:假如我无家可归、靠食品券生活,账户里放着 1,000 美元,我会想:“直接把钱给我吧。”
这项目现在主要面向孩子,希望没有孩子无家可归……当然,也有不少无家可归的孩子。
对,这才是问题。可能有人会想:“你知道吗,你已经有个银行账户,可以参与资本主义增长。”
这才是最重要的。
现在最大的任务是让人们认领账户。政府已经为美国每个孩子开了账户,父母需要认领。新生儿账户里已经有钱;如果你 15 岁,账户里可能暂时没有政府赠款,但可能会收到捐款。比如你的账户里可能有 Michael Dell 捐的 250 美元。
账户必须认领。所以现在重点从“让法案通过、建立账户和捐赠机制”,转向把已创建的账户变成已认领账户。这需要基层口耳相传,因为有人账户里已经有钱,却还不知道、还没认领。
顺便说,大多数人可能在政府那里还有未认领的钱,可以查一查。
对,未认领财产。让智能体用你的名字查一下,这是很好的应用场景。
你可能有几千美元在某个地方,只是有人把钱退给你了。你只需要知道现在和以前的地址,再让 Instinct 或 Muse 去查。没准这是这期播客投资回报最高的内容,比 Anthropic 还高。
完全同意(笑)。
好,非常感谢你抽时间来聊,太棒了。等 IPO 结果出来,我们再请你回来。
聊得很开心,谢谢邀请。
谢谢。