Jamin Ball 解读 Anthropic S-1：算力经济与前沿模型竞赛

swyx 欢迎 Altimeter 合伙人、Clouded Judgement 作者 Jamin Ball。Ball 说，这份时事通讯最初借助上市软件公司的指标和估值倍数，帮助创始人了解公开市场，如今也成为他每周记录市场与 AI 思考的地方。

话题转向 Anthropic 首份公开 S-1。相比过去不时流出的营收数字，文件提供了更完整的视角。Ball 强调，自己表达的是个人观点，并披露 Altimeter 在 Anthropic 持有大量股份。

Ball 介绍常见的 IPO 流程：提交 S-1 并经过等待期后，管理层通过路演与潜在投资者会面，随后股票开始交易。他推测可能在 11 月上市；swyx 提醒，申报并不保证上市，假期也可能影响时间安排。

两人讨论时，发行规模和定价尚未确定。Ball 将 IPO 描述为一次大型融资：公司按某个价格出售一定比例的股份，进而决定稀释程度。首日大涨可能让投资者高兴，也可能意味着公司本可按更高价格融资。

为什么上市？Ball 提到员工与投资者在禁售期结束后获得流动性，以及上市股票可作为收购对价。大型私营公司已经能够筹集巨额资金，也可以通过要约收购为员工提供流动性，但出售数量通常有限制。

他提出一个不那么直观的理由：信贷。为 Anthropic 等客户建设数据中心的贷款人，需要评估客户的支付能力，参与银团的机构也需要财务信息。私营公司过去往往不愿广泛披露这些数据。

Ball 认为，公开财报和信用评级可以帮助公司及其基础设施供应商更有效地利用债务市场。评级会影响借款成本；他将其视为可能的上市动机之一，其他理由还包括流动性和让普通投资者参与。

swyx 指出，在资本结构中股权的受偿顺序低于债权，并询问数据中心融资成本。Ball 说利率已经上升，部分数据中心债务交易的利率超过 10%；但他不愿断言这就是上市时机的决定因素。

S-1 还让人们得以越过流出的年化营收数字，观察更多经营指标。Ball 在讨论中引用了 85% 的毛利率、超过 20% 的自由现金流利润率和 8% 的 GAAP 营业利润率。他随后把这些经营指标与报告中的巨额净亏损区分开来。

Ball 说，Anthropic 通过股权、可转换融资和 SAFE 累计筹得 1410 亿美元，持有 1340 亿美元现金及现金等价物。他把约 70 亿美元的差额粗略视为累计消耗现金，并与另行报道的单季度 168 亿美元营收相比；后者不在讨论所依据的原始 S-1 中。

Ball 将算力支出分成面向客户的推理服务，以及训练、研究和安全等内部工作。他解读文件后认为，当时只有约 27% 的算力用于服务模型，其余用于不直接产生当期推理营收的活动。

他比较了两个时期：服务算力支出增加约 2.3 倍，营收增加约 14 倍，因此将两者之比解释为单位服务支出带来的营收提高约 7 倍。这是他对汇总财务数字的比较，并非单个模型效率的受控测量。

这种变化也体现在自由现金流利润率图表中：早期利润率深度为负，而 Ball 指出的最近季度达到 21%。他认为，Anthropic 提高算力变现能力的速度很快，使公司在高速增长时就实现了自由现金流为正。

Ball 预计，如果公司投入更多资金扩建算力和基础设施，这一利润率可能再次下降。swyx 强调，分析利润率变化时，应区分现有业务恶化和主动增加投资，不能把每次利润率下降都视为同一回事。

现金流也有局限：股权薪酬虽会稀释股东，却属于非现金成本，会在自由现金流计算中加回。Ball 说，即使把股权薪酬当作成本，他计算的调整后利润率仍约为正 8%。

Ball 对比了企业采用范围与支出深度。他说，文件显示财富 500 强中有一半使用 Anthropic，但这一群体在该公司产品上的支出约占其总费用的 0.1%。他认为这意味着潜在增长空间，但增长并非必然。

作为前瞻性例子，Ball 引述 Stripe 关于 token 支出占费用比例可能大幅增加的讨论。他提醒，Stripe 比一般财富 500 强企业更积极采用技术；即便其他大型企业的变化幅度更小，也可能带来显著影响。

swyx 建议把 token 支出与知识工作者的薪酬支出相比，范围从工程师到运营和法律人员。这个比例过去接近零，将来可能显著上升，但最终水平取决于企业类型和模型能够有效完成的工作。

Ball 把投资争论归结为三个问题：Anthropic 能否保持前沿地位，前沿业务能否长期成立，以及维持这一地位需要多少成本。后两者相互关联，因为营收必须足以支撑研究和基础设施开支。

他说，在截至 9 月的三个月里，超过 80% 的营收来自此前六个月内发布的模型。在他看来，这表明客户非常看重最新模型的经济价值；与此同时，便宜模型和开放权重模型可能在 token 数量上占更大份额。

Ball 转向常被概括为约 8550 亿美元的算力承诺。他的图表分别估算固定义务和确定性较低的承诺何时发生，并按合同期限分摊金额；这是一份分析师估算，并非申报文件披露的逐年付款表。

关键在于营收和融资能否在义务到期时支持每年的支出，而不是一次付清整个多年总额。Ball 对营收增长持乐观态度，并指出将现有算力更多地转向服务可能扩大容量；但这只是情景分析，并非承诺。

他的算力利润率图表从营收中减去全部算力及基础设施费用，包括训练和内部使用。该指标在 2026 年初转正，第二季度达到 52%；Ball 用它说明营收增长超过总算力成本的速度。

两人认为，强劲需求使算力供应成为核心约束。Ball 补充说，安全、对齐和验证可能占用越来越多的算力，包括推理阶段的算力。这是他对未来用途的预期，不代表公司必然单独披露这些类别。

两人讨论了数据中心因地方影响和 AI 风险而遭遇的反对。Ball 认为许可和建设限制会放慢扩张，可能减少短期供应过剩的风险，也会延迟行业需要的容量。swyx 补充，运营商需要处理对所在社区的影响。

swyx 追问，约 7 倍的改善有多少属于一次性优化，未来提升是否存在物理极限。Ball 回应，技术似乎达到瓶颈后，历史上常出现新方法；但究竟还能挖掘多少效率，仍是开放问题。

话题转向开放权重模型与前沿模型的差距。Ball 认为已发布模型不能展示全部前沿能力，并引用 OpenAI 比较内部研究模型和公开模型的图表。他认为未发布能力及差距大小，提醒人们不要简单从公开基准外推。

一张幻灯片比较了不同代模型的任务成本：其中例子显示，降幅因任务和模型系列不同约为 25% 至 45%。图表将下降归因于价格降低和效率提高的共同作用；两人没有承诺这种改善会一直重复。

Ball 提到一种常见的需求效应：有用的服务变便宜后，人们可能大量增加使用。他把模型使用与存储和云计算相比，后两者单位价格大幅下降，总市场却扩大。AI 是否会沿同一路径发展仍是他的预测。

对 Ball 来说，长期关键是 Anthropic 能否保持前沿竞争力。swyx 补充了另一个问题：即使一家企业成功，股票价格也可能过高。Ball 同意，拟议 IPO 的价格当时尚未知晓，股价也可能受市场整体因素影响。

Ball 引用第三方支出数据，认为近期产品发布后需求可能重新加速，同时承认这些数据只能作为部分参考。两人讨论客户切换到更强竞争模型的速度，以及为何暂时领先不代表永久领先。

swyx 观察到，一些实验室似乎保留着尚未发布的模型，而另一些时期竞争又促使它们尽快发布。Ball 提到安全和对齐可能是暂缓发布的原因；两人也推测保留模型可能具有战略价值。

两人讨论 AI 辅助发现漏洞，以及攻防双方的速度竞赛。Ball 认为，发现速度加快使及时准备补丁更加重要；swyx 指出，更多人获得漏洞发现工具，也可能改变复杂攻击者原先拥有的优势。

当多数客户在几个月内转向下一代产品时，前沿模型是否会迅速贬值？swyx 提出，只有公司不断推出更强的后继模型，这套经济模式才能持续；训练失败可能形成空档，影响需求和研发回报。

Ball 以半导体设计类比：做出一款有竞争力的芯片，与建立能一代代推出竞争产品的组织和流程，是两回事。在他的类比中，持久优势来自生产新设计的工厂，而不只是眼下领先的芯片。

他认为，新实验室真正需要回答的是能否持续吸引算力和人才。即使追平最大规模的通用模型实验室很难，专业模型仍有机会。现有大厂也要不断向前跑：如果自己停下而对手继续改进，客户可能离开。

Ball 说 Anthropic 的营收增长远快于算力支出，并预计更强模型能够承担更长、经济价值更高的任务。他承认自己是乐观主义者，观点可能过于乐观；模型能力与未来营收之间的关系仍不确定。

两人比较各实验室的产品选择。swyx 认为 Anthropic 尤其聚焦企业和编程，而 OpenAI 与 Google 探索了更广泛的模态和产品。不同路线对研究、产品团队和基础设施提出不同要求。

Ball 将其称为算力版创新者困境：如果视频产品需求暴涨，实验室是否应该把有限容量从编程转走？他认为，编程已经展现出较高经济价值，因此吸引了大量资源，也给其他领域的专业公司留下空间。

成功机会的大小还取决于追逐者。一款领域模型或产品对初创公司可能是极佳成果，对着眼更大市场的前沿实验室却可能太小。与此同时，编程工具可能推广到写代码以外的工作流。

两人提及科学和生命科学应用可能成为扩张方向。Ball 预计视觉推理、决策模型等专业模型会持续出现；客户完成狭窄任务时，并不总需要最昂贵的通用模型。

Ball 将 Altimeter 描述为覆盖企业生命周期的投资机构，会投资早期、后期和公开市场。他说，年轻公司如今扩张和融资很快，可能比以往更早需要客户关系、管理人才和组织体系。

这种速度让建设一家持久的公司变得困难，即使产品能迅速获得用户也是如此。Ball 追问，创始人如何提前招聘以跟上增长，同时又不至于过早搭建组织；在快速变化的市场中，六个月的准备期可能已经很长。

swyx 询问 Anthropic 相对集中的产品是否会扩展成独立的垂直应用。Ball 回忆自己曾猜想，实验室或许会把最强模型留给自家应用，从而使这些应用比独立开发者更有优势。

Ball 认为，这也是应用公司可能选择自建模型的原因之一。他更愿意投资既有强产品团队、又有能改善产品的研究团队的公司，而不是让研究与客户需求脱节。

swyx 区分了两类公司：模型实验室可能把产品视为交付通用智能的方式；智能体公司则从客户问题出发，按需整合模型。Ball 预计大型实验室会进一步进入垂直产品，swyx 则质疑目前的实际投入有多深。

Ball 指出，成功的现有产品可能带来组织惯性：销售团队倾向于继续销售熟悉的东西。两人也肯定 Anthropic 的聚焦，并将其与同时在芯片、消费者产品和模型等领域对抗多个巨头的难度作比较。

话题转向可转换融资工具和报告中的净亏损。Ball 说，资产负债表包含与可转换工具有关的大额负债，利润表营业利润以下也有巨额亏损。他认为，这两个数字相关，必须一起看。

初创公司可以通过股权、可转换票据和 SAFE 筹资。Ball 说，包括 Amazon 和 Google 在内的战略投资者通过可转换为股份的工具提供资金；他推测了选择这种结构的可能原因，并明确表示并不知道各方的真实原因。

Ball 解释他对负债的理解：公司收到了现金，并承诺按早期估值交付股份。随着 Anthropic 估值上升，这些工具的估计价值也上升。他说，最初融资中约 60 亿美元尚未转换，而按公允价值计量约为 1080 亿美元；两者不是同一个指标。

按照 Ball 的说法，最初融资金额已包含在累计筹资 1410 亿美元之中。他反对把负债账面价值解释成公司新借入了 1080 亿美元现金。工具的法律条款和文件中的会计处理很重要，资产负债表分类不等于新增现金流入。

接着他说明资产负债表与利润表的联系。可转换负债公允价值上升会产生当期非现金费用，减少报告净利润，并通过留存收益反映出来。他说，文件中上半年的巨额净亏损主要由这些重估解释。

Ball 将 GAAP 净亏损与经营和现金流表现区分开来。他认为，即使底层业务改善，估值上涨也可能造成更大的会计费用；相关工具转为股权后，会计机制也会变化。转换带来的股权稀释仍具有经济影响。

两人回到毛利率、营业利润率和自由现金流利润率。swyx 询问云合作伙伴分成列在何处；Ball 说部分分成成本可能记在毛利以下，并同意列报方式会影响比较。他的总体判断是，报告利润率趋势显著改善。

Ball 预计，基础设施支出增加会改变盈利表现，短期利润率可能下降。他认为当前营收和现金创造能力对整个 AI 供应链是积极信号，但强调未来结果仍取决于持续增长和履行承诺的能力。

被问到 2027 年预测时，Ball 拒绝给出具体数字：可能的结果范围太大。swyx 建议从物理约束入手，而非简单外推过去增长：芯片与电力供应、已锁定容量、推理效率、竞争定价和需求都会设限。

Ball 说，针对大型 GPU 项目的债务融资正面临困难。为云服务商融资的贷款人会穿透查看最终客户；当不同交易反复暴露于少数几家 AI 实验室时，信贷机构可能不愿继续增加同类风险。

建设延误又增加了一层风险。即使项目已签订采购协议、订购设备并安排融资，许可、供应链或当地反对仍可能拖慢项目。收入延迟时，仍有人必须管理利息成本和合同义务。

集中风险上升时，信用对冲也可能变贵。Ball 将其描述为贷款人的风险偏好和定价问题，而非证明整个债务市场已经没钱：融资可能仍然存在，但利率或条款未必为借款人接受。

swyx 询问，为什么股权投资人可以投入巨资，债务却更难获得。Ball 提醒，还要看实验室本身是否愿意借款：基础设施供应商可以承担模型公司可能不想放在自己账上的资产负债表风险。

资产负债表负担较重的企业在有利环境中可能表现很好，周期反转时也可能变得脆弱。Ball 不排除实验室直接借款或自建基础设施，但指出这种选择会在实验室与供应商之间转移建设、杠杆和时间风险。

为了说明规模而非作出预测，Ball 做了一个粗略思想实验：如果行业五年增加 100 吉瓦容量，每吉瓦成本 500 亿美元，总额就是 5 万亿美元。这些容量和成本数字只是示例，他承认两者都存在不确定性。

两人区分了已宣布或已建成的数据中心容量，与真正上线并生成 token 的容量。Ball 说预测差异很大，而供应链人士反馈需求超过现有产能。土地、电网接入、电力、内存和芯片供应都可能限制建设速度。

Ball 说，他的投资工作从几个信念出发：对模型、电力、算力、网络、存储和数据中心的需求将增加。他寻找与这些需求相关的公司，同时承认具体投资和技术仍存在不确定性。

swyx 提到算力交易与利用率。如果现有硬件有更多时间用于有效工作，就能在不采购同等数量新设备的情况下提供更多有效算力。两人都认为基础设施、产品和融资方面仍有创新空间。

Ball 用市场周期作类比：技术建设初期，基础设施可能是眼前最大的机会；市场成熟后，应用最终可能成为更大的类别。他预计智能体和应用会很重要，同时承认自己偏好基础设施投资。

被问到 Altimeter 创始人 Brad Gerstner 时，Ball 特别提到他推动儿童投资账户的工作。Ball 介绍了结合公共和私人资金、让更多家庭分享长期投资回报的设想，并称赞这项工作背后的多年努力。

Ball 认为直接捐款有助于儿童参与投资增长，并把这一努力与较富裕家庭更常使用的税收优惠教育储蓄相比较。关于资格、资金和捐款的说法是他在访谈中的描述，不构成针对个人的项目指引。

swyx 提出异议：如果一个家庭正面临眼前的困难，暂时无法动用的长期账户能提供什么帮助？Ball 承认这一担忧，并说当前执行重点是让符合条件的家庭认领账户，了解可获得的捐款。

节目的结尾提到可以检查是否有未认领财产，并计划在拟议 IPO 后再次讨论 Anthropic。访谈录制于 2026 年 10 月 29 日，早于视频简介中提到的后续修订文件。