Anthropic招股书丨与Amont李肇宇聊定价逻辑和潜在风险

10 月 26 日，Anthropic 递交 S-1 招股书。市场原本预期这家公司能撑起 2 万亿美元市值，10 月中旬有投资人放风说可能下调到 1.5 万亿。Amont Partners 管理合伙人李肇宇给出的判断更冷：能到 1.5 万亿，管理层就该很开心了；如果 10 月的年化收入数字不理想，1.2 万亿到 1.3 万亿都是问题。

李肇宇长期在华尔街做主观多空投资，先后任职于摩根士丹利体系和 Slate Path 等机构，2023 年创立自己的基金，风格偏巴菲特，不用杠杆，持仓周期长。他在 AI 算力上游有多年持仓，美光、给 Google TPU 代工的斯洛斯卡都是 2022、2023 年就进去的标的。这期《晚点聊》由程曼祺主持，两人把招股书拆成几块：收入增速、客户结构、增购、云厂商分成、长期算力承诺，以及一个更根本的问题，AI 的需求曲线到底有多陡。

值得先交代一个背景：节目录制于招股书发布后不久，Anthropic 随后更新了部分数字，包括官方口径的三季度收入和长期算力合同总额。李肇宇反复强调，S-1 里最关键的 10 月 ARR 并没有披露，很多结论要等路演和修订文件出来才能确认。

客户集中度是意外的好消息，现金流里有一处会计处理 4:15

程曼祺用一组快问开场：招股书里哪条信息让你更看好 Anthropic，哪条让你更谨慎。

李肇宇说，最大的意外之喜是客户集中度比他想象的低。三季度前五大客户只占收入约五分之一，公司自己说未来最大客户不超过 10%。前五大平均下来可能不到 5 个点。对一家收入高速膨胀的模型公司，这个结构算健康。

让他谨慎的是自由现金流的算法。Anthropic 说自己自由现金流为正，但计算时把与博通签的近 1500 亿美元算力租赁协议处理成了 operating lease，而不是纯粹的 financial lease。这样一大块现金支出被挪到融资现金流，经营现金流看起来就干净了。

管理层玩了一个叫会计方面的小把戏吧。

李肇宇说，把这块数字放回去，实际自由现金流会比公司告诉市场的差一些。他倒没有把这当成致命问题，只是提醒读财报的人别只看公司自定义的口径。

程曼祺追问：这场 IPO 有多大几率成为 AI 行情从盛转衰的转折点？李肇宇认为关键不在 IPO 本身，而在那个没披露的 10 月 ARR。夏天市场乐观预期 Anthropic 年底能做到 1000 亿美元年化收入，按三季度信息线性外推只有 850 亿到 900 亿。如果 10 月数字外推能到 1000 亿，市场会开心；如果比 850 亿还低，恐慌会再来一轮。

程曼祺问，上市前公司是否有义务披露 10 月数字。李肇宇说没有硬性义务，但路演时公司心里清楚这个数。数字好，为了讲一个漂亮的 IPO 故事，必然会讲；不讲，市场就会默认数字不好。

如果只选三个指标在上市后追踪两年，李肇宇选：客户集中度，看是否依赖几个大客户；同店增长，即已经花了很多钱的大客户是否愿意继续加购；单位算力对应的收入，看一块钱算力能不能换来两块钱、三块钱甚至更多收入。目前 Anthropic 从两年前一块钱算力换不到一块钱收入，做到了超过两块钱。

Q3 增速从 144% 掉到 45%，市场预期落空 12:41

媒体披露 Anthropic 三季度收入 168 亿美元，S-1 里二季度是 115.55 亿美元。算下来环比增速从二季度的 144% 降到 45%。

李肇宇的判断分两层。从公司自身业务看，这个增速 OK；从市场预期看，远远不及。市场原本希望把三季度最后一个月单独拎出来，按月环比线性外推到年底，做到 1000 亿美元年化。按已知信息，年底速率只有 850 亿到 900 亿。10 月之前这个消息出来时，市场已经跌过一把。

增速放缓有几个可解释的因素。三季度九月初 OpenAI 发了强势新模型，Claude 的更新在季末，时间错位影响当季消耗。Anthropic 下半年在治理模型蒸馏上投入更大，主动踢掉了一批恶意蒸馏刷 token 的客户。李肇宇说这部分占收入约 5 到 7 个点，是一次性影响，跟核心业务无关，但短期要计入。还有季节性：12 月美国公司从圣诞到年末休一周，按过去 28 天计算 token 消耗，数字会显得比实际差。

程曼祺提到，K3 这类中国开源模型表现逼近闭源旗舰后，冲击了估值叙事。李肇宇顺势讲了一个更一般的框架：看 Anthropic 的 ARR，对判断 AI 上游基建来说重要，但不全面。他拿中国电动车打比方。投宁德时代，小鹏这个月预期卖 100 辆只卖了 90 辆，是好事还是坏事？要看少掉的 10 辆是被比亚迪、蔚来抢走，还是整个 EV 市场不行了大家都回去开油车。如果是前者，整个盘子增速还在，对上游电池厂仍是利好。

模型厂也一样。Anthropic 不是唯一的模型厂，开源模型的 token 占比已经超过一半。它的 ARR 不好，可能只是客户转去烧 OpenAI 或中国开源模型的 token。对上游来说，中间几家市场份额起起伏伏不是最重要的，重要的是整个盘子的增速还在不在。

1.5 万亿市值的前提，是年底 ARR 摸到 1000 亿 20:12

Anthropic 曾对媒体说 2028 年收入要做到 1900 亿到 2000 亿美元。程曼祺算了一笔账：按当前增速，2026 年全年实际收入接近 600 亿美元，两年后到 2000 亿，年化增速要超过 85%，而 Q3 已经远低于这个数。

李肇宇说，这种远期数字是愿景，是指引，偏巴菲特风格的投资者不会拿它做定价依据。

市值区间怎么落？最初预期 2 万亿，10 月中旬传下调到 1.5 万亿。李肇宇认为 1.5 万亿并不容易，除非 10 月数字线性外推到年底能到 1000 亿美元年化，公司才有信心说服市场。如果 10 月外推还不如三季度的 850 亿到 900 亿，最终定价可能远低于 1.5 万亿，1.2 万亿到 1.3 万亿都是问题。

程曼祺补充了一个测算：媒体报道 7 月底 ARR 是 650 亿美元，三季度营收 168 亿，按 S-1 的 ARR 算法，假设八九月匀速增长，这两个月环比增速约 3.4%。这个增速不变的话，10 月 ARR 要到 904 亿美元，年底才能摸到 1000 亿。再考虑感恩节、圣诞节，难度更大。

如果定价落在 1.2 万亿左右，短期情绪必然负面。李肇宇说，大部分投资人不做长期理性思考，逻辑很简单：你是头把交椅，你数字不行，就代表整个市场不行。量级可以参考三季度 850 亿到 900 亿那个数字出来后市场的反应。

900% 的 NRR 很高，但基数太小参考价值有限 24:01

招股书披露，超过 50% 的财富 500 强企业是 Anthropic 客户，年服务费超过 10 万美元；年付费超过 1000 万美元的客户约 250 家。

程曼祺问，500 强渗透率这么高，是不是说明这群客户已经开发得差不多了。李肇宇说，关键信息没披露：这 10 万美元是只花了 10 万，还是花了 1 亿。如果都只是 10 万、11 万，那等于没怎么花，渗透率提升空间还很大。单个客户从 10 万加到 1000 万，本身就是 100 倍增长。

更受关注的是净收入留存率 NRR，9 月底约 900%。李肇宇解释，客户去年花 100 块，今年花 800 块，加购新模块、砍掉不需要的功能，加减之后是 8 倍，说明客户实打实发现了用处。

但 NRR 离开基数就没有意义。去年基数 100 美元，今年 800 美元，翻十倍也不说明问题。Anthropic 没有披露基数，可以想象去年基数很低，因为收入暴涨发生在 2025 年底到 2026 年上半年。优秀 SaaS 公司的 NRR 通常在 120% 到 130%。

程曼祺问，如果 NRR 从 900% 回落到 200%、300%，在二级市场算不算爆雷。李肇宇说看回落速度。一年内就回到成熟公司水平，情绪冲击会很大，大家原本以为这是星辰大海，结果一年就变成普通增速。他再次把 NRR 放进那三个必追指标里：以后看财报，就盯这个数怎么变。

渠道成本是另一个焦点。晚点测算，Anthropic 给云厂商的分成约 37%，比苹果 App Store 的 30% 还高。李肇宇说这笔钱花得值。Anthropic 销售团队很小，没时间自建渠道，短期要上量撑起这么大的 IPO，只能靠云厂商。云厂商不只是渠道：提供算力，提供客户，还提供资金，亚马逊就投了很多钱，还能在租赁上做结构性安排。

两家公司的收入口径不同。Anthropic 算总收入，分给云厂商的钱先放收入里不扣；OpenAI 算净收入，给云厂商的部分扣掉。李肇宇说，走到 IPO 也没有统一口径，各公司按自己的情况来。

云厂商强势还体现在应收账期上，Anthropic 自己承担账期。李肇宇用 Snowflake 的股东视角解释客户关系为什么在云和数据平台手里。客户是卖石油的、是沃尔玛，不是科技公司。直接找 Anthropic 买 token 价格一样，却要自己做适配，而 Anthropic 的员工规模支撑不了服务所有大客户；通过亚马逊，API 出问题有人按合同来解决。数据安全也是理由：通过亚马逊转 prompt，多一层保障，真出问题，CISO 可以找亚马逊要说法，职业风险小得多。Snowflake 还有一层优势，它看得到客户的数据，能帮客户更高效地烧 token，同样任务直接对接要烧 100 多个，通过它可能只要 80 多个。

Anthropic 和 OpenAI 今年跟大 PE 成立合资公司做 FDE，直接服务企业客户。李肇宇说这事必须做，客户关系不能一直捏在云厂商手里。但这是销售驱动的生意，要一个个敲门拜访，增长曲线非常平缓，极其花时间。甚至有一种观点认为他们做不好，因为跟研究和产品文化不匹配。Google Cloud 做了这么多年，销售上仍不如微软和亚马逊，就是例子。

近 9000 亿美元算力合同，关键在刚性 33:01

招股书没有直接给出算力合同汇总额度，相关数字空着。市场有各种算法，李肇宇说，关键不在总额，在哪些钱一定要付、哪些可以走掉。

刚性高的是大云厂商，commit 了 capacity 就要付钱。其他合同里有退出条款。比如从马斯克那边买的算力，表面数字很大，但 90 天前通知就能不要，需求真不行了，提前三个月打招呼，成本由对方承担。一些小的 neocloud，commit 的是 capacity，实际用多少付多少，只用了 100 美元算力就付 100 美元。

程曼祺补充了具体数字：与 SpaceX AI 的合同最高 1205 亿美元，不可撤销期到 2027 年 1 月和 3 月结束，之后提前 90 天双方都可取消；与 Nscale 最高 446 亿美元，出现某些情况可以不履行。刚性最高的是博通，约 1612 亿美元，双方都不能取消，除非规定违约，Anthropic 还要提供担保和设备抵押，位置看起来弱势。

李肇宇说，这份合同把博通的底气写在了明面上。博通本质上是 Google 的手套，TPU 通过博通卖，博通给 Google 做 TPU 从 2015 年做到现在，能在台积电拿到足够晶圆产能，实打实有货。其他算力商连内存和 HBM 能不能拿到都不确定，Anthropic 自然不愿给它们刚性承诺。

把所有合同加总超过 6000 亿美元，刚性高的加起来也有 3000 多亿。程曼祺问，算力开支占收入的比例从去年 250% 降到 48%，长期看降到多少算健康。李肇宇说至少降到五分之一，20% 到 25% 以内。趋势在往健康方向走。

会不会中途转折？他说供给端曲线大家算得清楚，内存价格近几年降不下来，核心还是单位算力产生的收入要持续往上走，已有客户证明价值、愿意加购，同时开发更多 500 强以外的客户。

有没有前置指标能看企业客户的实际 ROI？李肇宇说目前没有特别好的。就算今天去问 CIO 明年后年愿意花多少钱，他们也说不知道，现在花的钱还太少，烧的 token 还不够，实际回报有多高、怎么测量，公司内部都没捋清楚。烧 100 万美元 token，省了多少工时、多少人工、增加多少收入，算不出来。同期指标可以看 Snowflake、Databricks 这类数据平台。大部分企业烧 token 会经过它们的 router 转给云，再交给模型，它们能实时看到企业客户每天在干什么。云厂商 AI 业务增速也是同期指标，Google 三季度云业务增长约 103%，绝对数字不错，但比市场预期的 114% 到 115% 略低。

成本长租、收入短租，WeWork 式的期限错配 41:23

Anthropic 签的算力合同最长 20 年，要承担电价和基础设施上涨的成本；另一边，很多大客户跟它之间没有长期合同约束。程曼祺问怎么看这种期限错配。

李肇宇说这是实打实的风险，跟当年 WeWork 是同一个风险。成本是长租，收入是短租，市场一变，短租客走了，长租账单还在，进来的钱远少于要付出去的钱。核心还是要证明需求真实、健康、可持续增长，这是所有 AI 问题的核心，不是供给端的问题。

他说很多人讲供给过剩、内存扩产会把价格带崩，但核心在需求。亚马逊季报里说 2027、2028 年云业务每年增速有 40 个点，比市场预期好，云的增速来自 AI，等于说至少两年内 token 收入增速有 40 个点。

Coding 之后接棒的需求来自哪里？李肇宇的答案是替代白领，美国叫 knowledge work。Coding 渗透率已经很高，市场容量有限，美国所有程序员加起来约 100 万人，盘子本身不大。蓝领替代要靠机器人，涉及物理世界，速度远慢于纯线上完成的工作。招股书里画了一个大饼：全球知识工作者工资总额 40 万亿美元。李肇宇提醒，替代白领创造的价值不完全等于工资，不能直接这么算。

怎么跟踪替代白领的进展？他给了一个具体观察口：看做数据标注的公司，像 Scale AI，每天在招什么人。现在招很多金融、法律、医学背景的白领，让他们参与清洗数据。公开数据已经够了，需要的是私域数据，比如一个基金的投资人平时到底怎么工作，网上找不到，只有公司的人知道，付钱请他们讲，让模型观察学习，学完以后希望取代他们。

需求端的接受度呢？程曼祺问，程序员群体同质化，不同公司干的事共通；换成别的知识工作，类型多，方法论也不一样。李肇宇同意标准化的程度决定推广速度。投资是非标的，巴菲特判断是 A，另一个有名投资人判断是 B，完全不一样，收集数据费人工费时间，肯定困难。法律领域好一些，大律所基本都在用 Harvey，背后是前沿模型，初级律师的文书工作标准性高、确定性高，AI 能起作用。不同行业情况不同，要很快推起来比较困难。

利润成色如何？Anthropic 连续两个季度经调整经营利润为正，二季度招股书自己披露，三季度媒体说也是盈利。李肇宇说盈利可以有很多调整，他们不用 GAAP，自己的标准是把经营现金流和融资现金流全放一起，看收入进来多少现金、出去多少现金。按这个口径，公司目前基本还在亏钱，因为训练下一代产品要投入更多。但一家公司纯粹从经营角度，不需要现在挣钱，只需要手上现金够撑到下一阶段、够扩张。Anthropic 现金及现金等价物加短期投资超过 1300 亿美元，比亚马逊、英伟达、Meta 都多，资源充裕，但未来算力承诺也巨大。

有没有可对标的已上市公司？李肇宇说没有特别好的。互联网和软件公司成规模后边际成本往下走，Facebook 新增一个用户服务成本基本是零；模型厂第一万个客户和第一个客户的服务成本差不多。所以它对资金的胃口比传统互联网公司大得多，更像重资产领域，跟云有点类似。

判断 AI 基建行情，该研究的是需求曲线的斜率 51:02

接下来一段时间，AI 算力基础设施是继续走还是下跌风险大？李肇宇还是回到需求端。目前没有好的先行指标，只能看 Snowflake、Databricks 这类同期指标。世界 500 强的管理层今天很多人自己都不知道愿意花多少钱，需要时间验证。

程曼祺问，现在这个时间点是不是很难判断需求向好还是不向好。李肇宇说，按现在能看到的数据、按亚马逊的说法，需求一定很好，但亚马逊讲的最后要客户说了算。他们的调查方式是定期走访世界 500 强，不光科技公司，还有工业、消费企业，问 ROI 怎么样、愿意多花多少 token、是直接对接还是继续走 Snowflake 和亚马逊。但问也问不出确定答案，客户自己心里没底。

我们做投资工作，不是预测家。没有人有这个水晶球。

他说，全世界没有任何一个人，Dario 也好，Sam Altman 也好，亚马逊也好，心里对这件事有明确答案。他们可能有信仰，但信仰和实际是否吻合，他们也不知道。

有没有重要但悬而未决的问题？李肇宇说还是需求。行业需要钱，花钱的曲线比较确定，收入曲线位置很低但斜率很陡，最终会跟花钱曲线相交，问题只是交点落在 2029 年、2030 年还是哪一年。核心不是研究花钱这条曲线，而是研究收入端、需求端这条曲线的斜率有多陡。知道斜率，就知道这个行业还需要资本市场输血多久。

有人讨论现在是不是 AI 泡沫破裂前夜。李肇宇认为是明显过度恐慌。泡沫不泡沫，核心看下游企业客户需求。如果相信亚马逊说明年后年各 40% 增速，两条曲线可以相交。但目前没有证据证明亚马逊的信心是百分之百，还需要观察；断言亚马逊骗人，为时尚早。

他为什么淡定？一是 PE 出身，任何标的都要有持有十年以上的信心才投，退出周期就是十年，短期噪音不值得担心。二是策略像巴菲特，不用杠杆，仓位低。美光从 2022 年 30 块到现在将近 1000 块，中间至少五六次超过三成的回撤。七月市场也经历过一次，现在二次探底，很正常。有杠杆才会关注短期交易情绪，因为即使逻辑对，中间也可能死掉；没有杠杆，可以完全接受情绪波动。

亚马逊释放强信号，但供给端的雷还在 54:19

供给端确实有循环交易和借债问题。李肇宇说，对没有壁垒、纯粹 commodity 的公司，这是真风险。很多 neocloud 里，除了有软件壁垒的少数几家，剩下的小公司，包括最近想上市上不成的 Nscale，就是 bare metal，是房地产生意，没有科技含量，风险没得说。有壁垒的行业不一样，比如内存，全世界就三个人能做，供需缺口明年比今年大，后年比今年大，而且不需要借钱，现金流很好，风险收益比就好。

如果 AI 需求真不如预期，供给端爆雷会有什么连锁反应？有人拿这次对比 2008 年次贷危机。李肇宇说，bare metal 的 neocloud 肯定受大冲击，一些跟 GPU、ASIC、TPU 竞争的新芯片公司，没法量产或爬坡很慢，靠二级市场撑着，自己没收入，需求一崩很快就死。但对美国 GDP 的冲击不会像 2008、2009 年那么大。所有 AI 加在一起占美国 GDP 不到 3 个点，两个多点；当年房地产占 GDP 的比例远高于此。第二，2008 年银行深度参与，绝大部分钱来自银行系统；今天 AI 花的钱绝大部分不走银行，走的是 private credit、PE、私募市场，银行参与相对少。只要银行系统不爆，美国经济很难变成 2008、2009 年那样。

整期节目下来，李肇宇没有给一个“买”或“卖”的结论。他把问题收束到一条曲线上：供给和资本开支的曲线看得清，需求曲线的斜率看不清。对普通读者，可以带走几个具体动作。看 Anthropic 后续财报，盯三个数：客户集中度、大客户增购、单位算力对应的收入，NRR 要连着基数一起看。看 AI 基建行情，别只盯算力合同总额，先分清哪些是刚性承诺、哪些 90 天能走掉。想找需求的同期信号，看 Snowflake、Databricks 和企业云增速，比听管理层指引更实在。至于泡沫，判断依据不是股价跌了多少，是企业客户明年后年还愿不愿意多烧 token，而这个问题，连 CIO 们自己都还在算。