在旧金山与华尔街近期举行的试探性推介会议上，Anthropic正在为公开市场准备一份预期估值达2兆美元的上市方案。
支持这一庞大估值的是一组亮眼的财务数据：年化营收跨越650亿美元门槛，二季度单季收入突破115亿美元，调整后营业利润首次实现转正。
然而，在审视大模型企业的资本价值时，不能仅停留在营收增速与API调用量的表象。决定其长期自由现金流质量与估值稳定性的核心，始终在于营业成本结构以及对底层算力资产的实际控制力。
Anthropic近期宣布聘请前谷歌定制晶片业务负责人Amir Salek组建晶片团队，这一动作绝非普通的研发人员补充。从资本与产业战略的角度审视，其本质是大模型企业必须通过自研专用集成电路（ASIC）优化单位经济模型，摆脱外部单一供应商对行业毛利的过度压制，从而在物理硬件层建立起排他性的竞争壁垒。
SaaS叙事的终结
在生成式AI商业化的初期，资本市场习惯沿用传统企业级SaaS的逻辑对其进行估值。然而，大语言模型的经济学特征与边际成本接近于零的传统软件截然不同。
在推理阶段，大模型伴随著持续的算力消耗、电力支出与硬件折旧。长期单纯依赖通用GPU采购，使得大模型公司承受著产业链利润分配的严重失衡，上游晶片供应商凭借生态壁垒拿走了产业链中绝大部分的超额利润。与此同时，通用GPU为了兼顾图形渲染与通用科学计算，保留了大量与Transformer模型推理无关的设计冗余。随著企业级调用规模的几何级数增长，这种架构冗余直接推高了单次计算的综合成本，令商业化扩张面临严峻的毛利天花板。
对于年化营收已达数百亿美元的企业而言，若底层算力长期完全受制于外部单一晶片巨头的定价权与代工排期，企业的实际盈利能力将极其脆弱。这也是为什么在Anthropic的最新财务数据中，最值得关注的转折点其实是其推理基础设施毛利率由早期的38%大幅修复至70%以上。这一财务质变清晰地表明，公司正在通过重构底层硬件架构与采购组合，系统性地降低推理阶段的单位生产成本。
自研ASIC的工程逻辑
Amir Salek的加盟正是这一战略的关键执行点。Salek早年在英伟达主导系统晶片设计，随后在谷歌从零组建定制晶片团队并主持了前七代TPU的研发与量产，具备极其完整的软硬件工程闭环经验。在大模型进入大规模落地阶段后，推理算力的需求规模将远远超过早期的训练算力。针对Claude特定模型架构自研专用ASIC 晶片，能够彻底剔除与推理无关的逻辑单元，将晶体管预算全数倾斜于矩阵乘法运算与片上高带宽内存访问，从而在物理层面大幅优化每瓦特算力输出。
更深远的战略意义在于，自研硬件团队能够根据模型算法的演进，直接定制底层通信协议与内存架构，彻底消除外部通用硬件迭代滞后对算法创新的制约。
当然，半导体研发遵循严密的物理周期，从架构定义、流片测试到规模化部署通常需要两至三年的时间。在自研晶片全面投产的过渡期内，Anthropic采取了极具战术纵深的多元供应链组合：一方面向英国初创公司Fractile开出2.5亿美元订单以探索新型计算架构，另一方面深化与谷歌及博通的合作，提前锁定2027年约3.5GW的下一代定制TPU容量，并联合三星电子协同推进定制硬件与模型的适配。这种以多元采购保障即时交付、以自研晶片锁定长期边际定价权的双轨策略，让企业在高速扩张期有效分化了供应链断供与垄断溢价的风险。
估值锚点的重塑与宏观物理引力
放眼全球顶级AI阵营，OpenAI与博通联合开发专用推理晶片，谷歌长期依托TPU构筑算力内循环，Meta持续推进MTIA加速器，都印证了大模型第一梯队从”纯算法开发”向”软硬件一体化垂直整合”演进的必然趋势。
资本市场对Anthropic 2兆美元估值的评估，本质上是对其”基础设施自主可控能力”的重定价。单纯依靠软件算法很难抵御开源生态的价格竞争，唯有软硬件高度绑定的定制算力体系，才能建立起长期难以逾越的成本与交付壁垒。
从微观硅片与单位经济学的角度看，Anthropic通过自研晶片确立了商业模式的底层自洽。然而，大模型算力的扩张不仅受限于晶片微观架构，同样受制于宏观物理世界。当3.5GW的庞大能耗需求落地到实体数据中心时，AI扩张正面临电网容量负荷、地方监管约束以及公众反弹等一系列现实维度的阻力。在下篇专栏中，我将深入探讨这一宏观层面的博弈。
本文观点，不代表《东方日报》立场
要看最快最熱資訊，請來Follow我們 《東方日報》WhatsApp Channel.
