Anthropic的IPO账本与苹果裁员：推理的真实代价

两件事相隔不到一天发生，却从两端描述了同一种挤压。路透社看到的Anthropic招股书显示，公司未来数年要在云、算力和基础设施上承担5180亿美元的义务。彭博社周三报道，苹果在新任首席执行官John Ternus的带领下，正计划小规模裁员并取消部分项目。

路透社查阅的文件里写着Anthropic的数字。2025年营收增长12倍，接近46亿美元。按经营口径计算，公司亏损超过80亿美元。去年在算力和基础设施上花了73.3亿美元，是2024年的三倍，占126.5亿美元总运营支出的一半以上。截至12月31日，公司持有现金、现金等价物和短期投资202.8亿美元。

这笔亏损并不都是现金。

在接近420亿美元的净亏损中，约340亿美元是会计计提，对应的是可转换为Anthropic股份的融资估值上升，而不是经营中花掉的钱。去年两家客户贡献了近四分之一的营收。招股书也提醒，许多大客户并未签下长期合同。

内存才是那道硬约束

苹果的问题更平常，对购买AI硬件的人来说也更有参考价值。公司在7月底给出了谨慎的营收指引，原因是拿不到足够的内存芯片，而内存涨价又压低了利润率。在最后一次财报电话会上，时任首席执行官Tim Cook形容这是「内存定价的百年一遇洪水，价格呈指数级上涨」。雅虎财经报道称，如果短缺持续，Ternus希望在2027年避免价格进一步上涨。

短缺有原因：高带宽内存和先进DRAM的训练与推理需求。雅虎财经指出，SK海力士、三星电子和美光在2026年大部分时间里已基本售罄高端AI内存产能，英伟达、微软、亚马逊和Meta都在争抢。供应商预计供应紧张会延续到2027年。

所以，跑一个模型的成本不只是软件问题，还是内存分配问题。苹果正在用人员编制为此买单。

一个token到底花多少钱

Artificial Analysis用自己的指数测了Anthropic的Claude Sonnet 5.5，结果模型拿到56分，比最高努力档的Opus 5.5低两分，而标价与Sonnet 5相同：每百万输入token 2美元，每百万输出token 10美元。问题在token用量。在最高努力档下，该模型每个Intelligence Index任务消耗约193000个输出token，是该公司测过的最高值，比最高档的Opus 5.5高出约60%，约为最高档GPT-6 Astra的七倍。每个任务成本接近7.60美元，比Sonnet 5高出约50%。

每token更便宜，并不自动等于每个任务更便宜，这也是路由本身成为一门手艺的原因。跑智能体工作负载的Unblocked描述了它如何把GLM 5.2流量在Baseten、Fireworks和CoreWeave之间切换，用一个自适应路由器按每次请求的实测成本和速度挑选供应商。在轮询模式下，Fireworks承担了51%的任务，价格比Baseten高25%。固定顺序则把Baseten推到98.5%。CoreWeave的标价比Baseten低约45%，但公司没有性能数据可用来安排它。

计费这一侧也有自己的算术。Flaviocopes算了一笔账：月销售额1万美元、每单50美元共200单的情况下，Stripe收350美元，Creem收470美元，Paddle收600美元，Gumroad收1450美元。作者说明Creem赞助了该网站，并表示所有费率都在9月29日对照各供应商的定价页面核对过。

硬件厂商在追同一条曲线

通用汽车的电池合资公司Ultium Cells周二表示，其田纳西州Spring Hill工厂将成为全球首个量产棱柱形LMR电芯的工厂。公司称这种电芯在成本相当的情况下能量密度比LFP高33%。升级从今年晚些时候开始，2028年完成，新增500个岗位，首款LMR车型预计2028年推出。

MaxLinear在网络上也提出了类似的成本理由。其9月29日发布的Puma 9 DOCSIS芯片支持DOCSIS 3.1、3.1+和4.0。公司称相比上一代可将用户端设备成本降低30%到50%，同时加入Wi-Fi 8支持和DDR5内存选项，因为DDR4供应正在收紧。基于该芯片的调制解调器预计2027年问世。

两条较小的工程记录指向同一个方向。Bitdrift发布了blob-stream，一个Kafka替代方案，设计目标是消除跨可用区网络流量和无状态broker，理由是跨可用区成本在云流处理账单中占大头。Radim Marek在Hetzner ccx33和GCE n2-standard-4上，把PostgreSQL 19的REPACK (CONCURRENTLY)与pg_repack和pg_squeeze做了基准对比。在同一张表上，在线重写产生18.8 GB WAL，而pg_repack产生33.5 GB。

这些都不会让推理变便宜。它们只是让账单变得看得懂，这是另一回事。