185: Anthropic招股书丨与Amont李肇宇聊定价逻辑和潜在风险

概览

本期从二级市场投资者的视角拆解 Anthropic 招股书，重点讨论收入增速、客户集中度、客户增购、渠道成本、算力合同、现金流与 IPO 估值。嘉宾认为，招股书带来的正面信息是客户结构较为分散；需要警惕的则是自由现金流口径、收入增速放缓，以及长期算力承诺与短期客户收入之间的期限错配。

节目反复强调，判断 Anthropic 和整个 AI 基础设施板块，不能只看某一家模型公司的短期数据。更关键的问题是：企业客户能否从 AI 投入中获得可衡量的回报，并持续增加 Token 消耗。客户集中度、净收入留存率和单位算力对应的收入，是值得长期追踪的三项指标。

对于“AI 泡沫是否即将破裂”，嘉宾认为短期市场反应存在明显的过度恐慌，但也承认目前没有足够证据证明企业需求必然沿着乐观预测增长。最终结果取决于需求和收入曲线能否追上已经较为确定的资本开支曲线。

分段落总结

[01:29] 节目背景与讨论框架

[事实] 本期从二级市场角度解读 Anthropic 招股书，讨论收入增速、客户结构、客户增购和长期算力支出。

[事实] 嘉宾 Rob Lee 长期从事科技领域的主观多空投资，并在 AI 算力上游持有长期仓位。

[事实] 节目录制后 Anthropic 又更新了部分数字，因此节目中的三季度收入和长期算力支出采用的是录制时可获得的信息。

[04:10] 招股书中的利好与隐忧

[事实] 嘉宾认为最超出预期的利好是客户集中度较低：最新季度前五大客户合计贡献约五分之一收入，最大客户占比不超过约 10%。

[事实] 嘉宾对自由现金流口径持谨慎态度，认为部分大型算力租赁支出经过会计处理后未被纳入其关注的经营现金流口径。

[推测] 客户结构分散降低了单一大客户流失的风险，但现金流质量仍需结合算力租赁和融资性支出重新审视。

[06:01] IPO 情绪取决于最新收入数据

[事实] 招股书当时没有披露 10 月份的年化收入数据，而该数字被视为市场判断增长趋势和 IPO 定价的重要依据。

[事实] 嘉宾认为，如果最新数据能够支持年底年化收入达到约 1000 亿美元，市场情绪可能较积极；若低于三季度外推的约 850 亿至 900 亿美元，可能引发恐慌。

[事实] 公司没有必须披露该月度数据的义务，但嘉宾认为，如果数据表现很好，公司通常有动力在 IPO 沟通中主动提供。

[08:00] 上市后最值得追踪的三项指标

[事实] 第一项指标是客户集中度，用于判断公司是否过度依赖少数大客户。

[事实] 第二项指标是同一客户的持续增购，它能反映客户是否真正从 Token 支出中获得回报。

[事实] 第三项指标是单位算力对应的收入；招股书口径显示，该数字已从两年前不足 1 美元提升至超过 2 美元。

[推测] 若单位算力收入能继续上升至 3 至 5 美元，模型服务的商业模式和盈利能力将更容易得到验证。

[09:29] 短期市场反应与 Google 财报影响

[事实] Anthropic 招股书披露后，AI 板块的反应偏正面但较为平淡，市场仍在等待更关键的最新收入数据。

[事实] Google 财报引发的 AI 板块下跌，一部分源于其广告业务增速放缓，另一部分源于三季度资本开支低于市场预期。

[事实] 嘉宾认为 Google 资本开支偏低可能主要是支出确认时点问题，因为公司仍表示下一年度 AI 资本开支会显著增长。

[推测] 单季度资本开支波动不足以证明 AI 需求转弱，后续年度指引能否兑现更具判断价值。

[12:45] 收入增速放缓及其原因

[事实] 节目援引媒体数据称，Anthropic 三季度收入约为 168 亿美元，二季度招股书披露的收入约为 115.55 亿美元，环比增速由二季度约 144%降至约 45%。

[事实] 嘉宾认为这一增速本身仍可接受，但远低于市场此前的高预期，三季度数据外推的年底年化收入约为 850 亿至 900 亿美元。

[事实] 新模型发布、竞争对手产品更新、节假日季节性，以及清理恶意蒸馏产生的 Token 收入，都会影响短期增速。

[事实] Anthropic 表示恶意蒸馏相关收入占比不到约 7%，清理这些流量会短期影响收入，但嘉宾认为长期来看是应当采取的措施。

[17:12] 不能用一家模型公司代表整个 AI 市场

[事实] 嘉宾以新能源汽车产业链类比：某一家整车厂销量不及预期，可能源于份额被竞争对手夺走，也可能源于整个市场需求下降，两者对上游的含义完全不同。

[事实] Anthropic 只是模型市场中的一家企业，开源模型的 Token 使用量也在增长。

[事实] 对 AI 基础设施投资而言，更重要的是整体下游市场的 Token 消耗是否持续增长，而不是单家公司份额的短期变化。

[20:14] IPO 估值的可能区间

[事实] 市场最初对 Anthropic 的估值预期约为 2 万亿美元，随后有消息称可能下调至约 1.5 万亿美元。

[事实] 嘉宾认为，即使做到 1.5 万亿美元也不容易，除非最新收入数据足以支持年底年化收入达到约 1000 亿美元。

[推测] 如果增长继续弱于三季度外推水平，嘉宾判断最终估值可能低于 1.5 万亿美元，甚至能否达到 1.2 万亿至 1.3 万亿美元都存在疑问。

[事实] 若估值明显低于此前预期，短期会对 AI 板块情绪造成负面冲击，但具体幅度难以量化。

[23:06] 企业客户渗透与净收入留存率

[事实] Anthropic 表示超过一半的《财富》500 强企业已成为客户，但“年付费超过 10 万美元”无法说明这些客户究竟处于试用阶段还是大规模使用阶段。

[事实] 公司还披露约有 250 家客户年付费超过 1000 万美元，但没有说明这些客户与《财富》500 强客户之间的重合关系。

[事实] 招股书披露的净收入留存率约为 900%，说明存量客户支出快速增加。

[事实] 嘉宾提醒，净收入留存率必须结合基数判断；如果上一年度支出基数很低，900%的增长率并不能单独证明业务已经成熟。

[推测] 若该指标在一年内迅速回落至 200%至 300%，市场可能将其解读为业务过早进入成熟期。

[26:26] 云渠道的高抽成与客户关系归属

[事实] 节目测算 Anthropic 向云厂商支付的渠道分成约占收入的 37%，高于常被称为“苹果税”的 30%。

[事实] 嘉宾认为这笔费用在当前阶段具有合理性，因为云厂商同时提供算力、客户、资金和技术支持，能帮助 Anthropic 快速扩大规模。

[事实] Anthropic 采用总收入口径，将分给云厂商的金额先计入收入；节目提到 OpenAI 采用扣除渠道分成后的净收入口径。

[事实] 企业客户通常更愿意通过云厂商或数据平台购买模型服务，因为这些平台能提供适配支持、数据安全保障和责任承接。

[推测] Anthropic 虽然尝试通过企业服务团队直接掌握客户关系，但建立销售能力需要较长时间，短期内仍难摆脱对云渠道的依赖。

[33:05] 长期算力合同的刚性差异

[事实] Anthropic 招股书当时没有直接给出汇总后的算力合同总额，不同合同的取消条款和履约刚性也有显著差异。

[事实] 部分合同可以在不可撤销期结束后提前约 90 天取消，因此名义金额不等于公司必然承担的支出。

[事实] 节目提到，与博通相关的合同刚性较高，除约定的违约情形外不能取消，Anthropic 还需要提供担保和设备抵押。

[事实] 嘉宾认为博通拥有更强议价权，因为其能够较确定地取得 TPU、晶圆和相关供应链产能。

[推测] 评估算力承诺时，比合同名义总额更重要的是不可撤销金额、取消条件及需求下降时的退出能力。

[37:42] 单位算力效率与企业 ROI

[事实] Anthropic 的算力支出占收入比例由上一年度约 250%降至约 48%，趋势正在改善。

[事实] 嘉宾认为，该比例至少需要降至约 20%至 25%，才算进入较健康的状态。

[事实] 这一趋势能否持续，核心不只是算力价格，而是客户是否愿意扩大使用，使单位算力产生更多收入。

[事实] 很多企业的 CIO 尚不知道未来愿意投入多少资金，也缺乏衡量 AI 节省工时、降低人力成本或增加收入的方法。

[推测] Snowflake、Databricks 等数据基础设施公司的业务增速，以及大型云厂商的 AI 收入，可作为观察企业 Token 消耗的同步指标。

[41:26] 长期成本与短期收入的期限错配

[事实] Anthropic 签署了部分期限很长的算力合同，最长可达 20 年，而许多客户并未签署对应期限的长期采购合同。

[事实] 嘉宾将这一结构类比为 WeWork：成本来自长期租约，收入却来自短租，一旦需求下降，长期付款义务仍然存在。

[事实] 嘉宾认为，AI 行业最核心的问题是需求是否真实、健康并且可持续增长，而不是单纯讨论供给是否过剩。

[推测] 如果企业需求未能兑现，长期算力负债与短期收入之间的错配可能迅速放大现金流压力。

[43:20] Coding 之后的增长场景

[事实] Anthropic 当前的重要增长来源是 Coding Agent，但程序员群体规模有限，而且该场景的渗透率已经较高。

[事实] 嘉宾认为下一个大市场应当来自对知识工作和办公室白领工作的辅助或替代。

[事实] 模型公司正在通过数据标注企业获取金融、法律、医疗等专业领域的私域工作数据，让模型学习具体工作流程。

[事实] 法律等标准化程度较高的领域已经出现较广泛使用的垂直 AI 工具，但投资等非标准化领域需要收集更多数据，推广难度更高。

[推测] 知识工作种类繁多、流程差异较大，短期内很难复制 Coding 场景的增长速度和采用规模。

[47:56] 盈利成色与现金储备

[事实] Anthropic 已披露连续两个季度经调整经营利润为正，但嘉宾认为非 GAAP 指标存在较大的调整空间。

[事实] 嘉宾更关注公司全部现金流入和流出，将训练下一代模型等支出计算在内后，公司仍处于亏损状态。

[事实] 节目提到 Anthropic 的现金、现金等价物及短期投资合计超过 1300 亿美元，为后续研发和业务拓展提供了较充足的资源。

[推测] 短期盈利并非当前最重要的目标，关键是现有资金能否支持公司扩大业务规模，直至形成可持续利润。

[50:10] 模型公司的商业模式为何难以类比

[事实] 嘉宾认为目前没有特别合适的上市公司可直接对标 Anthropic。

[事实] 与传统互联网平台不同，模型公司增加新客户时仍需付出推理算力成本，其边际成本不会像成熟社交平台那样接近于零。

[事实] 因此模型公司对资金的需求显著高于传统轻资产互联网企业，商业模式更接近重资产行业或云计算基础设施。

[51:05] 判断 AI 行情仍应回到需求端

[事实] 嘉宾认为目前缺少可靠的需求领先指标，只能通过数据基础设施公司、云厂商以及企业客户访谈持续拼接信息。

[事实] 亚马逊等公司对未来云业务和 AI Token 收入增长持乐观态度，但最终是否兑现仍取决于客户实际支出。

[事实] 很多企业管理层自己也尚未确定下一年度的 AI 预算和投资回报，因此投资者很难获得确定答案。

[推测] 当前更合理的做法是持续跟踪实际使用和预算变化，而不是依据单一公司的乐观指引作出确定性预测。

[53:23] AI 泡沫争议与资本开支曲线

[事实] 嘉宾认为，AI 泡沫和融资问题的核心不在供给，而在需求产生的收入曲线能否追上资本开支曲线。

[事实] 资本开支路径相对容易估算，但企业需求和收入增长曲线的斜率仍不明确。

[事实] 嘉宾将近期关于“AI 泡沫即将破裂”的判断视为明显的过度恐慌，但也表示尚无证据证明乐观需求预测必然实现。

[推测] 如果企业 Token 支出能维持较高增速，收入和支出曲线最终可能相交；如果需求增速显著放缓，融资缺口和长期合同压力就会暴露。

[55:01] 长期投资风格与短期波动

[事实] 嘉宾的投资框架偏长期、低杠杆，通常以十年以上的周期评估标的，因此不特别关注短期市场情绪。

[事实] 嘉宾认为，使用杠杆会迫使投资者高度关注短期波动，即使长期逻辑正确，也可能在中途遭遇被迫退出。

[事实] 其长期判断是 AI 最终能够发展起来，但目前仍处于较早阶段，只能通过客户支出和云端数据不断验证。

[推测] 这种投资方式降低了短期波动带来的生存风险，但仍依赖对长期需求和企业壁垒作出正确判断。

[56:31] 需求不及预期时的债务传导风险

[事实] 嘉宾认为，缺乏软件或技术壁垒、主要提供裸金属算力的部分 Neo Cloud 公司更接近房地产生意，需求下降时风险较高。

[事实] 具备技术壁垒、供应结构集中且现金充足的上游企业，风险收益特征相对更好。

[事实] 如果 AI 需求崩塌，部分依赖股权市场和私人信贷融资的算力企业及新芯片公司可能受到显著冲击。

[事实] 嘉宾认为这种冲击不会完全复制 2008 年金融危机：AI 产业占美国 GDP 的比例低于当年房地产，而且融资较少直接来自银行体系。

[推测] AI 周期逆转可能造成行业内资产价格和信用风险集中释放，但对银行体系和整体经济的系统性影响或低于次贷危机。

播客点评/总结

本期最大的价值，是把 Anthropic 招股书中的收入、客户、渠道和算力合同放进同一套商业模型中审视。节目没有停留在“收入是否高速增长”，而是进一步追问收入质量、客户增购、单位算力产出以及长期付款义务，适合关注 AI 模型公司、云计算和半导体产业链的投资者。

讨论的另一亮点，是区分单家公司份额变化与整个 AI 市场需求变化。Anthropic 的收入不及预期，并不必然意味着上游算力需求同步恶化；真正具有决定意义的是企业客户整体的 Token 消耗与投资回报。

局限在于，节目多次使用媒体报道、市场估算和嘉宾测算，而非公司正式披露的完整数据；录制后招股书也更新了部分数字。有关 IPO 估值、未来收入和市场冲击的判断，应视为基于当时信息的情景分析，而非确定预测。

[推测] 对普通听众而言，本期涉及较多会计、现金流和云计算产业链概念，理解门槛略高；但对希望识别 AI 投资叙事中“增长、盈利与现金消耗”差异的人来说，提供了一套很有参考价值的观察框架。