{"id":"mb-20261102-ebcde0","kind":"deep","title":"单季入账 170 亿却背上 9000 亿账单：Anthropic 招股书暴露的大模型真实成本困境","summary":"随着 Anthropic 推进上市进程，其最新的 S-1 招股书披露了接近 9000 亿美元的长期算力采购承诺，其中 700 亿美元须在未来一年内兑付。本文拆解了前沿大模型从轻资产软件倒向重资产基础设施的商业机制：面对算力建设周期与芯片折旧陷阱，AI 公司为何陷入越卖越亏、不得不签署巨额刚性长约的“算力跑步机”。","body":"做大模型到底有多费钱？\nAnthropic 刚给出了一个让华尔街倒吸一口凉气的数据：9000 亿美元。\n9000 亿美元是什么概念？\n折合人民币 6 万多亿，差不多能买下整个特斯拉，或者把半个标普 500 的科技小巨头全买下来。\n而这笔钱，仅仅是这家开发 Claude 的公司，白纸黑字写在招股书里的未来采购承诺。\n更夸张的是履约时间表。\n光是接下来的 12 个月里，就有 700 亿美元的账单必须付出去。\n这家公司疯了吗？\n要明白，他们刚交出的第三季度成绩单其实非常惊艳：单季营收近 170 亿美元，同比暴涨了 11 倍。\n赚得这么多，为什么欠条开得比印钞机还快？\n看招股书的利润表就会发现，第三季度他们不仅没赚到钱，营业利润反倒净亏了 5.67 亿美元。\n很多人习惯把做大模型的企业当成普通的软件公司。\n传统软件是什么生意？\n代码写完一次，多卖给一万个人，增加的边际成本几乎是零。\n服务器多开几台，毛利率就能轻松摸到 80%。\n但大模型完全不是这回事。\n用户在 Claude 里每敲一次回车、每让它改一段代码，后台成千上万块加速芯片都在实打实地消耗电力与算力。\n这不是轻资产的代码分发，这更像是一家按秒计费的高铁车队或者航空公司。\n只要客流涌进来，你就必须立刻烧油。\n第三季度 Claude 的用户量猛增，Anthropic 之前储备的常规算力瞬间被挤爆。\n为了不让系统宕机，他们只能在现货市场上高价紧急租用算力。\n结果就是收入翻了十几倍，短期的算力账单涨得更凶，直接把利润吞了个干净。\n那为什么还要一口气签下 9000 亿美元的未来长约？\n因为在前沿 AI 领域，算力市场根本没有现货仓库。\n一个能够承载几十万千瓦电力的大型数据中心，从电网并网、规划审批到机房落成，需要三到五年。\n顶级加速芯片的排产，同样需要提前几年去和博通、台积电锁定代工产能。\n如果你不提前签下几年的刚性采购协议，机房和芯片就会被谷歌、微软或者亚马逊的自家业务直接占满。\n算力一旦断供，下一代模型就无法训练，技术上就会当场掉队。\n为了保住继续坐在牌桌上的资格，Anthropic 只能硬着头皮跟亚马逊、谷歌等巨头签下巨额的保底采购长协。\n不管未来市场怎么变，这 9000 亿美元的承诺都必须按期兑付。\n可算力硬件跟厂房不一样，它不会升值。\n一块算力芯片的黄金寿命只有三到四年。\n三年一过，曾经价值千亿的硬件就会沦为淘汰品，你又得重新筹措资金去抢购下一代算力。\n这就成了一台越踩越快的算力跑步机。\n踩慢了会被同行甩出赛道，踩快了又会被巨额的折旧和现金流消耗压得喘不过气。\n现在，Anthropic 带着 170 亿美元的单季营收冲刺纳斯达克。\n它真正要向市场证明的，不是 Claude 能写出多惊艳的代码。\n它必须证明在 9000 亿美元的巨额账单砸下来之前，这套吞金兽一样的商业模式，真能跑出自我造血的真金白银。","topic":"单季入账 170 亿却背上 9000 亿账单：Anthropic 招股书暴露的大模型真实成本困境","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-11-02 21:38:08","legal_anchor_count":0,"transcript_citation_count":0,"seo_title":"单季入账 170 亿却背上 9000 亿账单：Anthropic 招股书暴露的大模型真实成本困境","description":"随着 Anthropic 推进上市进程，其最新的 S-1 招股书披露了接近 9000 亿美元的长期算力采购承诺，其中 700 亿美元须在未来一年内兑付。本文拆解了前沿大模型从轻资产软件倒向重资产基础设施的商业机制：面对算力建设周期与芯片折旧陷阱，AI 公司为何陷入越卖越亏、不得不签署巨额刚性长约的“算力跑步…","domain":"ai","domain_label":"AI 与大模型","domain_label_en":"AI & LLMs","domain_url":"https://mubeitech.com/deep?domain=ai","canonical_url":"https://mubeitech.com/deep/mb-20261102-ebcde0","markdown_url":"https://mubeitech.com/deep/mb-20261102-ebcde0/markdown","json_url":"https://mubeitech.com/api/interpretations/mb-20261102-ebcde0","published_at":"2026-11-02T21:38:08Z"}