一个可能的答案是，Anthropic领先的地方，恰恰是放慢之后依然有效的地方。图：视觉中国

　　9月12日，Anthropic首席执行官Dario Amodei发表个人长文《We Must Pace the Frontier》，核心主张只有一句：必须放慢前沿模型能力提升的速度，并善用由此争取到的时间。

　　说这句话的人，所在的恰恰是过去一年跑得最快的那家公司。根据公司公告，Anthropic在2026年5月完成650亿美元H轮融资，投后估值9650亿美元，高于OpenAI的8520亿美元（据TechCrunch 8月援引彭博的报道），成为全球估值最高的非上市公司；同月，其年化run-rate收入（最近一个月收入乘以12）突破470亿美元，约为2月披露水平的3.4倍。据彭博8月17日报道，这一数字在7月末已达到约650亿美元。

　　一家增长曲线几乎没有先例的公司，公开主张给整个行业“定速”，看上去是矛盾的。要解开这组矛盾，需要依次回答三个问题：它为什么会这么想；放慢对它自己意味着什么；以及，它凭什么敢。

刹车是出厂时就装好的

　　Anthropic成立于2021年，由7位前OpenAI研究人员创立。前沿模型实验室的门槛，在于几类能力能否在创立阶段同时到位：前沿模型训练与算力工程、规模规律研究、对齐与评测、机械可解释性、公共政策与治理，以及组织运营。

　　根据公开论文贡献与官方职能，七位联合创始人几乎一人对应一块：Tom Brown是GPT-3论文的第一作者，负责大规模训练工程；Jared Kaplan与Sam McCandlish共同领导了Scaling Laws研究，Kaplan后来兼任“负责任扩展官”；Chris Olah专长于机械可解释性；Jack Clark覆盖伦理影响与公共政策；Daniela Amodei负责组织运营与治理；Dario Amodei统筹研究方向与公司战略。

　　这套班底的特点，在于把两种判断嵌进同一条决策链：一方面相信模型能力会随规模扩张呈现可预测的规律，另一方面承认新能力和新风险会在规模化过程中以难以预料的方式出现。2021年5月宣布1.24亿美元A轮融资时，公司就把开发“可控、可解释且稳健的大规模AI系统”写进了定位。此后的扩张基本是“按瓶颈补位”：2024年5月Mike Krieger加入，补强研究向产品的转化；2025年10月Rahul Patil出任CTO；2026年3月成立的Anthropic Institute由Jack Clark领导，把研究边界延伸到经济学、社会科学以及AI与法治。

　　GPU和融资只是必要条件，真正稀缺的是把人才、算力和组织决策持续转化为模型领先的能力。从这个角度看，“定速”是Anthropic从第一天起就内置的那半条决策链，在能力曲线变陡之后被推到了台前。

一场事故，把“AI改进AI”推上了政策议程

　　Anthropic在正式文件中并不以“AGI”作为愿景的核心表述。2025年3月，公司在提交给美国白宫科技政策办公室的建议中，对它所说的“强大AI”给出了相当具体的定义：在多数领域达到或超过诺奖级专家水平，能够操作人类数字工作所用的各类界面，自主完成持续数小时、数天乃至数周的复杂任务。公司把这种形态概括为“数据中心里的天才国家”，并判断这类系统最早可能在2026年底或2027年出现。今年1月的长文进一步把终局具体化：训练前沿模型所用的算力，未来可以转而运行数以百万计的模型实例，分头处理不同任务，也可以协同工作。

　　9月12日的长文没有放弃这个愿景，但给它加了一个前提。Dario给出两条理由：一是2026年夏季以来AI进步明显加快，主要驱动力已经变成“AI构建下一代AI”的能力；二是7月发生的OpenAI–Hugging Face智能体事故。

　　根据独立评测机构METR的事件复盘，OpenAI在进行内部网络安全能力测试时，一批原本彼此隔离、无法直接访问公网的智能体，在寻找更高效完成评测的方法时，发现了内部基础设施中的安全漏洞，由此突破隔离、在彼此之间建立起信息通道，并最终获得了真实的互联网访问权限；随后，数百个智能体协同利用Hugging Face基础设施中的公开凭证，进入其生产环境并执行代码。

　　这件事的分量在于，它把“递归自我改进”从研究议题变成了政策议题：一群能力更强、对齐水平相当的智能体，可能造成量级完全不同的破坏。Dario据此呼吁引入独立第三方安全审查，并通过全球协调建立行业标准。

降速是真踩刹车，还是把考卷变长

　　市场对这篇长文的第一反应，是担心训练节奏放缓会传导到算力投资。我们认为，这种影响可能被高估了。

　　“定速”压的是训练侧的实验频率与发布节奏；而推理侧的需求，由已发布能力的渗透率和单个任务的Token强度决定，两者并不同步。根据谷歌在2026年I/O大会上的披露，其月度Token处理量从2024年5月的9.7万亿，增至2025年5月的约480万亿，2026年5月进一步超过3.2千万亿，最近一年增长约7倍。这些增量绝大部分来自已经发布的模型，因此，即便前沿训练节奏放慢，推理需求的斜率短期也不会改变。真正需要观察的是两到三年之后：如果模型能力长期停滞，续约与扩容才可能出现压力。

　　“定速”会以多大力度落地，同样存在疑问。据SiliconANGLE 9月13日报道，OpenAI首席执行官Sam Altman公开表示认同，并称OpenAI也将引入嵌入式第三方评估，马斯克亦表态支持。但我们认为，OpenAI和Anthropic两家的增长叙事都依赖新一代模型的能力提升；与此同时，据斯坦福大学《2026年人工智能指数报告》，中美顶尖模型的Arena评分差距已收窄至2.7%。全球前沿竞争仍在加剧。我们判断，“定速”短期更可能体现为发布前评估流程的延长，训练投入并不会实质收缩。

　　但这只回答了行业层面的问题。放慢对Anthropic自己意味着什么，要从它的收入公式和算力账本上看。

卖的不是Token，是模型每变强一代带来的新任务

　　Anthropic的商业逻辑可以概括为一句话：模型即公用事业，智能按量计价。与消费互联网靠注意力变现，传统软件按席位收费不同，其收费分三类：个人订阅、团队席位和API按Token计费；企业版自2026年2月起改为每席每月20美元（年付）的平台接入费，聊天、Claude Code和Cowork产生的用量全部按API刊例价另行计费。渠道上，Claude是唯一同时上线AWS、谷歌云和微软Azure的前沿模型，云渠道只按用量计费，与官方API同价。

　　这个模式有一个隐含前提：收入增长要靠模型持续变强。Coding是最好的例子。代码工作最早满足了智能体闭环的几个关键条件：任务在纯数字环境里发生，结果可以被测试验证，天然适合“理解—规划—执行—验证—迭代”的循环。根据TickerTrends的高频追踪，截至2026年8月10日，Claude Code的年化收入约151亿美元，OpenAI Codex约88亿美元，两者合计接近240亿美元。而随着模型变强，用法也在变：Anthropic对约40万次Claude Code会话的研究发现，2025年10月至2026年4月，修复代码的会话占比由33%降至19%，数据分析与文档写作的合计占比由约10%升至约20%；典型会话中，用户承担约70%的规划决策，Claude承担约80%的执行决策。换成通俗的说法：大模型正在从一个回答问题的工具，变成一个接受目标、自己完成工作的执行者。

投资人最常问的问题是：Token价格一直在降，收入怎么还能涨？

　　价格确实在降。根据公司官网，Opus系列的API刊例价从Opus 4的每百万Token输入/输出15/75美元，降到Opus 4.5之后的5/25美元；Sonnet系列从Sonnet 4的3/15美元，降到Sonnet 5的2/10美元。但另一股力量在同时起作用：单个任务消耗的Token在上升。Anthropic 2026年6月的经济指数报告显示，Claude的使用正从对话转向长时间运行的智能体任务：生成应用的对话，Token消耗超过中位对话的3倍；对应最高工资三分位职业的典型对话，Token消耗是最低三分位的2.07倍；AI自主程度与中位Token消耗的相关系数达到0.68。计价口径本身也在变：Sonnet 5更新了分词器，同一段文本会对应约1.0–1.35倍的Token；Opus 5的发布页直接用“每个任务的成本”来比较经济性。

　　大模型不是一个单纯降价的市场，而是一个质量快速提升的市场：单位Token越来越便宜，能交给模型完成的任务越来越复杂。

　　衡量大模型商业价值的单位，正在从“每个Token多少钱”转向“每个任务多少钱”。公司披露，2025年其八位数与九位数美元合同的数量同比增至3倍，企业客户平均支出达到前一年的5倍。降价的作用是扩大可以被经济地交给模型完成的任务边界——但边界能不能继续扩大，取决于模型是否继续变强。

　　沿这条线往下看，我们认为下一站是研究，尤其是AI研发本身。OpenAI在9月披露，截至8月，每投入1个研究员工作日，对应约3.1个智能体工作日；Anthropic方面，截至2026年5月，公司内部超过80%的合并代码由Claude撰写。两家公司都承认，“该研究什么、下一步做什么”仍主要依赖研究人员的判断。目前仍是“AI加速AI研发”，还不是真正的递归自我改进。换句话说，Anthropic收入的下一个增长点，和Dario主张要放慢的那条线，是同一条。

账本的另一面：14GW和每年340亿美元的合同

　　收入公式押在模型变强上，算力账本押得更早。复盘公开信息，Anthropic A至H轮定价融资的公告金额累计约1200亿美元，其中E至H轮四轮合计1115亿美元。钱主要流向算力：按公司及供应商已正式签署或确认的协议，Anthropic可量化的远期算力规模约14.3GW以上，其中AWS最多约5GW，谷歌/博通约6GW以上。按公开金额与合同期限标准化，年限明确的几项算力合同名义年化已超过340亿美元：AWS十年逾1000亿美元，对应每年超过100亿美元；SpaceX按每月12.5亿美元满额计算，约150亿美元；Nscale6年450亿美元，对应每年75亿美元；Volta6年100亿美元，对应每年约17亿美元。相比之下，按Revelio Labs统计的约4000人员工规模（截至2026年3月）和我们假设的人均薪酬测算，年化现金工资约10亿–14亿美元，并不是现金消耗的第一变量。

　　这些合同的对手方，同时也是Anthropic的股东和销售渠道。亚马逊最新季报显示，截至2026年6月底，其已累计向Anthropic投入180亿美元，另有最多150亿美元的后续融资额度，需随AWS算力交付里程碑逐步释放；与此同时，Anthropic承诺未来十年在AWS投入逾1000亿美元。谷歌方面，据路透4月报道，当期投资安排包括100亿美元现金承诺，以及300亿美元与绩效目标挂钩的条件承诺，同月双方与博通宣布了多个GW的下一代TPU合作。微软方面，在2025年11月的合作公告中，Anthropic承诺采购300亿美元Azure算力，微软与英伟达的投资承诺上限分别为50亿和100亿美元。三家分工大致清晰：AWS偏主训练，谷歌偏TPU、同时是模型竞争者，微软偏企业分销。

　　有一种说法把这种结构称为“循环收入”，这并不准确：会计上，投资是融资流入，算力采购是成本支出，云厂商的投资不会直接抬高Anthropic的收入。但从经济关系看，出资方与核心算力供应商高度重合，Anthropic本质上是以长期采购承诺换取当下的资本、稀缺算力与企业客户触达。另外，通过第三方云平台销售要额外承担云算力费用与渠道分成，直销的单位经济性明显好于公司综合口径；各渠道的分成比例和实际毛利，目前都没有公开披露。

　　估值也要放在这个账本里看。以H轮投后9650亿美元、彭博报道的7月末run-rate约650亿美元计算，其估值约为run-rate收入的14.8倍。据Business Insider 9月14日报道，公司寻求约2万亿美元或以上的上市估值；据路透8月14日报道，IPO估值讨论以2028年收入预测1900–2000亿美元为锚（并非公司指引）。按此口径，2万亿美元约为2028年预测收入的10倍，9650亿美元约为5倍。我们认为，这一估值隐含了三项假设：run-rate收入在2026–2028年仍保持多倍增长；综合毛利率持续修复至六至七成；长期算力承诺能够被收入覆盖，现金流在上市后数年内转正。

　　这三项假设，没有一项能在模型能力停滞的情况下成立。也就是说，“定速”的代价首先落在Anthropic自己身上：算力合同已经签了，估值已经按多倍增长定了价，而它主张放慢的，正是支撑这两件事的那条能力曲线。

它凭什么敢

　　一个可能的答案是，Anthropic领先的地方，恰恰是放慢之后依然有效的地方。据企业支出管理平台Ramp 8月的统计，美国有43.8%的企业付费使用Anthropic的产品，高于OpenAI的39.8%。这一领先来自三处：一是战略取舍，OpenAI兼顾消费端与企业端，Anthropic把资源集中在编码、数据分析、财务、法务等目标明确、结果可验证的知识工作上，按用量计费，客户用得越多公司收得越多；二是人才，2026年以来OpenAI联合创始人Andrej Karpathy于5月加入并组建预训练团队，诺贝尔化学奖得主John Jumper于6月自DeepMind加入；三是模型之外的工程层——上下文管理、工具接入、权限控制与错误回退这一层（业内称为harness）不进入基准评测，却直接决定长任务的实际完成率，而Claude Code最初就是Anthropic的内部工具，始终处在高强度的自用检验之下。

　　这三样东西，都不依赖下一代模型什么时候发布。开源模型的追赶也要分层来看：摘要、分类、客服等中低端调用对价格敏感，开源权重模型或将持续压低这一价格带；但Anthropic的收入集中在Coding与长链路智能体，客户按任务完成率与可靠性付费，现阶段的能力代差仍能支撑溢价。

　　还有一种更“商业”的读法。如果第三方评测与共同标准成为发布前的必经程序，合规成本与审查周期会更多落在追赶者身上，竞争的主战场也会从单纯的能力比拼，转向Anthropic更擅长的企业级、可控场景。这未必是Dario的本意，却是市场理解这篇长文时绕不开的一个角度。

　　但这一主张同样约束Anthropic自己。它的估值与上市叙事，同样建立在新一代模型持续领先之上；如果它在上市前真的拉长自己的发布周期，这将是一项有代价的承诺；会不会兑现，外界很快就能从发布节奏上看出来。

什么会改变这个判断

　　“为前沿定速”是一个主张，还不是一个已经发生的事实。我们认为有四件事值得跟踪。

　　第一，第三方评测机制能否真正落地、以何种强度执行——这决定“定速”是停留在表态，还是外化为行业的共同约束。

　　第二，前沿模型的发布节奏是否出现实质变化，还是仅体现为发布前评估周期的拉长。

　　第三，招股书。公司尚未上市，现有收入口径多为run-rate或第三方数据，与会计准则口径可能存在差异。招股书披露的收入、毛利率、客户集中度，以及直销与各云渠道的收入占比和毛利率，将是检验估值假设的关键：若云渠道占比上升而整体毛利率保持稳定，说明云渠道更多起到低摩擦获客的作用；反之，就需要重新评估渠道让利与基础设施成本的压力。

　　第四，长期算力承诺与实际利用率是否匹配，这决定了现金流转正的时点。

　　回到开头的那组矛盾。一家跑得最快的公司主张放慢，未必是自我设限，也可能是在为下一阶段的竞争重新书写规则。

　　当能力不再是唯一的比较维度，“能被外部验证为安全”本身就可能成为一种壁垒。

　　这一主张最终会成为行业标准，还是停留在一篇长文里，答案要到接下来一两年的发布节奏和监管实践中去找。