Anthropic总裁：AI下一轮赢家，先把算力花对.docxVIP

Anthropic总裁：AI下一轮赢家，先把算力花对

一、AI竞赛转向“算力精准度”：Anthropic的务实路线

2026年1月3日，Anthropic联合创始人兼总裁DanielaAmodei在接受CNBC采访时，向全球AI行业抛出了一个振聋发聩的观点：“AI竞争的重点，不再是比谁的模型更大，而是看你怎么把算力花对。”这一论断的背后，是Anthropic成立五年来始终坚持的“务实路线”——不追求模型参数的盲目扩张，而是通过提升算力使用的精准度，为企业客户提供稳定、可靠的AI服务。

作为2021年从OpenAI拆分出来的人工智能安全与研究公司，Anthropic的成长路径与行业“堆参数、拼规模”的主流路线形成鲜明对比。其推出的Claude系列大模型（从Claude3到Claude3.7Sonnet及专用于代码生成的ClaudeCode），始终以“实际业务可用性”为核心目标。“企业选择Claude，不是因为它的参数规模有多惊人，而是因为它能在医疗辅助诊断、金融风险建模、工业流程优化等真实场景中‘放心用’——不会因为模型的不稳定导致业务中断，也不会因为算力的浪费增加企业成本。”DanielaAmodei说。

这种务实路线正在获得市场的强烈反馈。截至2025年底，Anthropic的客户覆盖了全球20多个行业的500多家头部企业，其中包括摩根大通、强生、西门子等跨国巨头。有外媒透露，Anthropic已开始与投行沟通2026年IPO的可能性，估值预计将超过600亿美元——这一数字的背后，是市场对其“算力精准化”战略的认可。

二、500亿算力基建背后：平衡风险与需求的“不确定性锥形”

2025年11月13日，Anthropic的一则公告引发行业震动：未来四年将在美国投资500亿美元，用于构建先进的AI算力基础设施，包括在得克萨斯州和纽约州建设定制化数据中心，以及向微软Azure云平台采购300亿美元的计算资源。这一巨额投入的背后，是Anthropic对“算力精准化”的更深层思考——如何在“满足客户需求”与“控制风险”之间找到平衡。

“我们每年收入翻十倍，但我必须今天就决定，要不要买2027年的计算资源。”Anthropic联合创始人兼CEODarioAmodei在2025年12月的一次采访中坦言，AI行业的“算力采购”本质上是一场“风险赌博”：如果买少了，客户因排队等待而流失；如果买多了，收入未达预期将导致现金流断裂，甚至有破产风险。

为了应对这种不确定性，Anthropic内部开发了一套“不确定性锥形”（coneofuncertainty）风险模型——通过预测未来收入的“可能区间”（比如2026年的收入可能在200亿至500亿美元之间），来倒推当前应采购的算力规模。“这不是PPT上的增长曲线，而是我们每天都在用的战略工具。”DarioAmodei强调，“算力投入的精准度，本质上是对‘未来不确定性’的精准应对。”

这种“平衡型路线”与OpenAI的“激进扩张”形成鲜明对比。尽管DarioAmodei未直接点名，但他在采访中提到：“有些公司的路线是‘先买足够多的算力，再找收入填充’，但我们更倾向于‘根据需求的不确定性，动态调整算力投入’——毕竟，算力不是‘越多越好’，而是‘刚好满足需求’才最好。”

三、算力浪费困局：从“堆资源”到“要效率”的行业共识

Anthropic的“算力精准化”主张，恰是对当前AI行业“算力浪费困局”的回应。2025年以来，越来越多的工程团队发现：大模型的算力使用效率远低于预期——即使投入了大量GPU，也很难“跑满”算力，甚至出现“算力闲置”的情况。

“大模型之所以‘跑不满’，并不是硬件不够强，而是系统软件栈存在大量结构性瓶颈。”在2025年11月举办的“全球C++及系统软件技术大会”上，北京智源人工智能研究院AI框架研发负责人敖玉龙指出，“从编译、调度到算子库、框架协同，每一个环节的低效都会导致算力的浪费。比如，有些大模型的训练过程中，GPU的利用率只有30%—50%，其余算力都被‘无效消耗’了。”

这种“堆资源却不高效”的问题，正在吞噬AI企业的利润。据Anthropic内部测算，若能将大模型训练的算力利用率从40%提升至60%，每年可节省约15亿美元的算力成本；若提升至80%，节省金额将超过30亿美元。“算力的精准化，首先是‘效率的精准化’——让每一分钱的算力投入都能转化为实际的模型性能或业务价值。”DanielaAmodei说。

除了系统软件的瓶颈，“算力闲置”还源于“需求预测的不准确”。很多AI企业为了“抢占市场”，提前采购了大量算力，但由于客户需求增长不及预期，导致算力长期闲置。“这种‘为未来买单’的策略，本质上是‘赌未来’——但如果赌输了，就是巨大的浪费。”Dario