跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

Anthropic亏损420亿、云承诺5180亿,存储短缺波及苹果

路透社9月28日报道的Anthropic招股书显示,公司2025年净亏损420亿美元,未来云与算力承诺达5180亿美元。与此同时,整个行业的存储价格和推理成本都在上涨。

人工智能与模型分析王雅琴发布: 2026年9月29日6 分钟阅读资料来源 10
Anthropic亏损420亿、云承诺5180亿,存储短缺波及苹果

9月28日,路透社披露了Anthropic招股书的细节。文件显示,公司2025年净亏损420亿美元。文件还显示,未来几年公司计划在云、算力和基础设施上投入5180亿美元。TradingView在9月29日发布的摘要重复了这两个数字。亏损和投入并不矛盾,它们是同一个决定在大规模下的两面。

420亿美元净亏损并非全是烧掉的现金。据路透社报道,其中约340亿美元是会计计提。这笔计提与可转换为Anthropic股份的融资估值上升有关。剔除这一项,公司经营性亏损仍超过80亿美元。2025年营收增长到原来的12倍,接近46亿美元。仅算力和基础设施去年就花掉73.3亿美元,是2024年的三倍多,占公司126.5亿美元总运营支出的一半以上。

定价页面上写着什么

Anthropic自己的模型定价从另一头讲着同一个故事。Artificial Analysis测算了9月底上线的Claude Sonnet 5.5,每项任务成本7.60美元。这比Sonnet 5的每任务成本高约50%,尽管每百万输入token 2美元、每百万输出token 10美元的单价没有变化。原因是:Sonnet 5.5在最高努力档下,完成一项Intelligence Index任务平均用掉约193000个输出token。该机构称这是他们测到的最高token用量,比Opus 5.5或Sonnet 5在最高档下多约60%,约为GPT-6 Astra最高档的七倍。

“在高努力档下它落后于Opus 5.5,而在较低努力档,GPT-6 Astra或Sol的配置能以更低成本达到同等表现,”Artificial Analysis在9月29日的评测中写道。

一句话,这就是推理账单。更好的答案是用更多token买来的,不是用更便宜的token买来的。

招股书还标出了成本线之外的需求风险。去年近四分之一的营收来自两个客户。文件警告说,许多最大客户并未签订长期合同,可能削减或停止支出。截至12月31日,公司持有202.8亿美元现金、等价物和短期投资。路透社报道,上市很可能拖过11月的美国中期选举。报道还说,目标估值是Anthropic自己5月给出的9650亿美元估计的两倍多。

存储紧张波及iPhone

算力只是账单的一半。存储是另一半,而它现在成了苹果的问题。彭博社周三报道,苹果新任首席执行官John Ternus计划在大团队内部进行小规模裁员,并取消一些项目。据雅虎财经9月30日的解读,部分目的是抵消存储成本。

苹果前首席执行官Tim Cook在最后一次财报电话会上对市场做了最清楚的描述,雅虎财经引用了他的话:“我们这么做,是因为存储定价正处在我所说的百年一遇的洪水之中,存储价格在指数级上涨。”苹果在7月底给出了谨慎的营收指引,原因是买不到足够的存储芯片。报道称,公司希望避免2027年价格进一步上涨。SK海力士、三星电子和美光的高端AI存储产能到2026年大部分时间已基本售罄。英伟达、微软、亚马逊和Meta在争抢同一批供应。

做出反应的并不只有存储厂商。MaxLinear在9月29日发布了Puma 9 DOCSIS芯片。公司称,相比上一代,它把客户终端设备成本降低30%到50%。Light Reading报道,这款芯片加入DDR5支持,正是为了降低DDR4短缺带来的风险。“随着制造商有动力把产能转向DDR5,我们认为DDR5生态、价格和供应会比我们在DDR4上看到的紧张状况宽松,”MaxLinear网络基础设施业务高级副总裁Puneet Sethi在该报道中说。基于这款芯片的调制解调器预计2027年面世。

绕开账单

算力既然压不低成本,至少可以买得更精打细算。Unblocked在9月29日公布了一个自适应路由器的细节。它根据实测成本和速度,在Baseten、Fireworks和CoreWeave之间调度开源权重LLM流量。在固定供应商顺序的一周里,Baseten承担了98.5%的任务,Fireworks承担1.5%。此前轮询的一周里,Fireworks拿走了51%,而价格还高出25%。CoreWeave的标价比Baseten低约45%,但团队没有它的性能数据。正是这一点促使他们把决策自动化。

另一些人在攻存储层。bitdrift在9月28日发布blob-stream,这是一个与Kafka兼容的流式系统,围绕无状态broker和零跨可用区网络流量构建。公司称目标是成本上压过最好的无盘Kafka部署。它的论据是,在大流量下跨可用区网络费用主导了云上Kafka账单。这只是一个工程团队的小帖子,不是市场基准测试。但它点出的压力,正是AI实验室们正在买单的那一种。

账单算术并不限于AI。9月29日发布的一项调查比较了支付服务商在月流水1万美元、200笔每笔50美元订单上的费用。Stripe收350美元,Creem收470美元,Paddle收600美元,Gumroad收1450美元,实际费率最高,为14.5%。作者披露Creem是该网站赞助商。数字来自9月29日核查的各服务商定价页。可以套用到推理上的道理是一样的:每笔交易的小额固定成本在高流量下会迅速累积,标价很少等于全部账单。

数据库这边,9月29日的一篇帖子测量了PostgreSQL 19的新命令REPACK (CONCURRENTLY)运行时的开销。在一张测试表上,VACUUM FULL耗时109秒,产生17.3 GB WAL。REPACK (CONCURRENTLY)耗时107秒,产生18.8 GB,期间表上一直有每秒3000次单行更新。在线重整不再是昂贵选项。这又少了一个安排停机的理由。

文件没有说清的事

这一堆材料里有两个说法值得怀疑。MaxLinear的30%到50%降本是公司对未来硬件的说法,不是实测结果,Puma 9要到2027年才会进入产品。Anthropic的5180亿美元承诺是多年义务数字,不是2026年预算。路透社把它描述为未来几年的计划支出。两者都是披着数字外衣的预测,都该这么读。

更难的问题是,这些里有没有哪一项会转弯。路透社报道中引用的Anthropic自家研究记录了越来越自主的模型以出人意料的方式行事。测试包括在受控环境中破坏代码和协助欺诈。Dario Amodei曾呼吁全球AI界放慢发布新能力的节奏。随后他的公司在自家IPO预期之前,上周发布了Opus 5.5,以对抗OpenAI自GPT-6 Astra以来的势头。OpenAI已在6月秘密提交上市申请。支出计划和安全警告,来自同一家公司,同一份文件,同一个月。

对买推理而不是卖推理的人来说,实际的读法要窄得多。token单价持平或在下降,但完成一项任务的成本没有,因为能完成任务的模型用的token更多。存储供应紧到足以影响苹果的产品路线图。服务商同时在价格和可靠性上竞争。这就是为什么在它们之间调度成了一个工程问题,还配上了自己的博客文章。账单没有变少,只是在转移。

评论 0

资料来源

10
  1. 01Anthropic's IPO prospectus shows AI vision, surging costs | ReutersEN
  2. 02Anthropic IPO prospectus reveals surging costs, $42B 2025 net loss: reportEN
  3. 03Sonnet 5.5 has the heaviest token use we've measured; pricing matches GPT-6 SolEN
  4. 04New Apple CEO John Ternus is reportedly planning layoffs as he looks to reshape the iPhone makerEN
  5. 05MaxLinear claims new 'Puma 9' DOCSIS chip is a big cost-cutterEN
  6. 06Routing LLM traffic across inference providers by cost, speed and reliabilityEN
  7. 07Announcing blob-stream: a Kafka alternative for no fuss, low cost high volume streamingEN
  8. 08What $10,000 a month in sales costs you on each payment providerEN
  9. 09What REPACK (CONCURRENTLY) costs while it runsEN
  10. 10GM's new EV battery tech will cut costs without sacrificing rangeEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。