# Anthropic招股书丨“银行也有百亿预算”，与Fusion Fund张璐聊大企业在想什么

> 晚点聊 LateTalk No. 186 精读

- 发布日期：2026-11-06
- 主持：程曼祺 等
- 原节目：https://www.xiaoyuzhoufm.com/episode/6aed2f4b30b2f21e46cb37c2
- 网页版：https://latetalk.qiaomu.ai/ep/6aed2f4b30b2f21e46cb37c2.html
- 精读字数：约 6613 字（阅读约 15 分钟）

> 本文为 latetalk.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

10 月 26 日，Anthropic 向美国证券交易委员会递交 S-1 文件，这家成立不过五年的公司第一次把财务和经营数据摊开给公众看。消息传出后，纳斯达克一位负责北美上市业务的人告诉张璐，好几家原本准备上市的公司因此推迟了时间表，其中一家做智能戒指的公司甚至在原定挂牌前一天撤回了计划。在纳斯达克历史上，这种 24 小时内取消上市的情况只发生过两次。

张璐是 Fusion Fund 创始合伙人，在硅谷投 to B 科技已经 11 年。她在 2018 年建了一个 CXO 网络，如今有来自 40 多家全球大企业的 CTO、CIO 和首席 AI 官在里面。Anthropic 的主要客群，正是这批人。这期《晚点聊》，主持人程曼祺和她从招股书聊起，一路聊到财富 500 强企业到底怎么用 AI、coding 之后还有没有下一个爆发点、以及为什么监管正在变成大企业部署 AI 的前置条件。

招股书里最让张璐印象深刻的，是客户结构的变化：年消费超过 10 万美元的客户已经有一万一千多家，其中约两千家一年花掉 100 万美元以上。Claude 已经嵌进企业的工作流程，不再是一个可替换的技术工具。而让她更谨慎的，是收入增长和资本投入之间的那条线：现金多、融资强、算力承诺大，长期能不能赚钱，还得看经营利润率和现金流。

## 一万一千家付费客户意味着什么 3:35

程曼祺问张璐，看完 S-1 之后，哪条信息让她更看好 Anthropic。张璐没有选收入增速，她选了客户数量。

年消费 10 万美元以上的客户超过一万一千家，接近一万两千家，其中约两千家年消费达到 100 万美元以上。张璐说，这和 Anthropic 早期客户高度集中的状态完全不同。**它证明 Claude 已经和企业内部的工作流程做了比较深的整合，变成了类似基础设施的东西。**客户一旦把流程跑在上面，后续增购和迭代的空间就打开了。

她把这个逻辑讲得很直白：模型性能只决定企业愿不愿意试用，能不能长期留下来、有没有高留存率，取决于产品能不能直接渗透进现有的工作流程。招股书里披露的净收入留存率达到 900%，对应的正是这种增购能力。对一家做 to B 生意的公司，这个指标比单看收入增速更能说明问题。

谨慎的一面同样明显。Anthropic 手上现金很多，过去一段时间融资能力很强，算力采购的胃口也很大。有报道提到，SpaceX 数据中心的一个大客户就是 Anthropic。张璐说她会持续关注经营利润率、现金流，以及未来在模型训练上还要投多少钱、长期算力合同会是什么预期。这些决定了公司长远的商业和盈利质量。

## 1.5 万亿还是 2 万亿：定价背后的博弈 8:05

市场对 Anthropic 的估值预期，从最初传出的 2 万亿美元，到 10 月中旬变成 1.5 万亿美元。张璐提到，Social Capital 的 Chamath 在和 Andreessen Horowitz 对话时建议，公司不如把上市价格定得再低一点。她自己的判断也偏向 1.5 万亿美元这个窗口，最终还要看路演和认购情况。

她的参照物是 SpaceX。当时市场对 SpaceX 的期待和环境都更好，最后也没有按最高价格上市。定价留出空间，对上市后的股价变化反而更良性。锁定期怎么设计，也和初始定价直接相关。这次招股书披露，非核心员工在上市当天就可以解禁 10% 的期权。张璐认为这会带来一定的抛压，但 Anthropic 只有 5300 多名员工，公司文化又比较特殊，员工对公司的认同度很高，真正在当天卖股票的人可能不多。如果出现这种情况，反而会向市场释放一个信号：公司内部的人对公司有信心。

程曼祺问到时机。Anthropic 增速已有放缓迹象，员工离职、AI 失控风险在美国政界被反复讨论，一些问题并没有完全解决，为什么还要在 2026 年内上市？OpenAI 则把上市时间推到了 2027 年。张璐的判断是，两家公司都想做第一个上市的公司，先发优势很明确。OpenAI 推迟，一部分是主动选择，另一部分也可能是内部准备和财务状况确实还达不到上市要求。

她还提了一个更现实的约束：**市场上的钱不是取之不尽的。**万亿级别的公司今年出了好几家，资本市场能支撑多少家这样的公司上市，是个问号。Anthropic 先上市，想投 AI 的资金会先流向它，后上市的公司面临的不确定性就更大。

至于开源冲击，张璐提到两周前的一份报告：大企业对闭源前沿模型的使用率从 57% 降到了 14%，更多企业转向部署开源模型。美国最大的通信运营商之一 AT&T 公开宣布，公司内部 AI 预算的六七成会放到开源部分。英伟达也在强力推动开源生态，不仅开放权重，甚至开放数据。

但张璐不认为开源崛起就意味着闭源公司受冲击。核心问题是市场整体有多大。科技行业占美国 GDP 不到 10%，而现在进行 AI 整合的是占 GDP 三成、五成的经济体，蛋糕在变大。**未来切蛋糕的人会变多，开源闭源、大企业小企业一起分，而不是一两家独大。**

## Spark Capital 与那笔被拍卖的 FTX 股权 17:48

招股书正文里反复出现的 VC 是 Spark Capital，其合伙人 Yasmin Resoway 是董事会里唯一的 VC 代表。张璐提醒，出现次数多和贡献大小不是一回事，董事身份本身就有披露要求。但 Spark 确实投得早、投得准。

2023 年 5 月，ChatGPT 刚引发全球热潮不久，市场并没有形成「还能容得下第二家前沿模型公司」的共识，Anthropic 当时估值约 45 亿美元。再往前一轮，估值大概 30 亿美元，融资并不顺利。张璐说，Anthropic 很早就强调安全，而那时 AI 安全还不是行业的核心议题。达里奥·阿莫代伊后来提到，Yasmin 在战略上推动了把 coding 作为团队重点，这可能是她一直在董事会里发挥作用的原因。

早期融资故事里还有一段插曲：FTX 的 SBF 投过 Anthropic。张璐解释，这不完全是因为缺钱。SBF 那一群人有自己的小圈子，彼此互相支持，SBF 是其中重要成员。FTX 破产后，这部分股权被用于偿债，很多是拍卖出去的，一些投资人以打折价格买入。张璐说，如果当时没有爆雷，SBF 在 Anthropic 的这笔投资，完全能覆盖他后来需要赔付的资金。

Anthropic 什么时候成为主流共识？张璐的答案是 2023 年拿到谷歌、亚马逊等战略资本开始。这些巨头一方面布局多样化的模型，另一方面也不希望市场上只有 OpenAI 一家。2024 到 2025 年，Claude 在代码和复杂推理上的能力获得认可，加上对安全的重视，在企业部署层面赢得了信任。coding 则成为商业化的转折点。

> 现在看到所有的智能体里面，唯一达到这个标准的就是 AI coding。

张璐引用了李开复对 AGI 的定义：AI 能做人类 90% 的工作，并且比 90% 的人做得好。把这个范围缩小到具体应用场景，AI coding 是唯一达标的智能体。它证明前沿模型可以直接参与高价值的生产环节，而不只是提供信息。

## coding 之后，Anthropic 该变成企业智能体平台 29:11

Anthropic 三季度收入对比二季度，环比增速下滑不少。程曼祺问，下一个能媲美 coding 规模和爆发速度的场景是什么。张璐的回答是：不一定再有单项产品像 coding 这么强势。

她认为 Anthropic 现在应该强化的，是整体的企业级平台，保证自己不只是模型供应商，而是企业智能体工作流程的基础设施提供方。coworker 是一个探索，企业内部用得很多，Fusion Fund 自己也在用。如果再通过 MCP 连接各种软件，形成中台效应，所有工作流程的入口都从 Claude Cowork 走，这对它在企业平台层面的地位非常关键。

程曼祺补充了一个招股书里的数据：Anthropic 把订阅收入和按量消耗的 API 收入分开披露。按量收入里大部分是编程需求，程序员习惯这种用法；订阅收入则更多来自不编程的知识工作者。2026 年上半年，按量收入同比增长 1200%，订阅收入同比增长接近 1700%。订阅增速更高，可能意味着更多非程序员在用 Claude。不过也有另一种解释：年中调整收费政策之前，订阅更划算；而且现在企业客户超过 150 人就不能走订阅，只能按量付费。官方目前没有披露编程用户和非编程用户的比例。

张璐从大企业 CIO 那里看到的用法，分两个阶段。第一阶段是 business automation，商业自动化，做效能提升和流程优化，降低成本。第二阶段是 business optimization，商业优化，直接提升公司收入。不同部门处在不同阶段，看到的 ROI 自然不一样。

她举了几个具体例子。财富 500 强里，很多公司在过去半年才设立首席 AI 官，这个职位的影响范围和战略范围都在扩大。制药行业排名前 20 的企业里，六七成把 AI 放在内部战略优先级的第一位。礼来和英伟达宣布了几十亿美元的合作，默克和谷歌 Gemini 也签了大单。美国一家非常知名的银行，首席 AI 官告诉她，今年的 AI 预算达到 100 多亿美元。**一家银行有这么大的 AI 预算，是让人非常惊讶的事情。**

但张璐反复强调节奏。大部分企业并不想、也不能马上改变自己的工作流程。她举了个例子：你去问保险公司想不想自建 CRM，对方说不想，就想用现在的。你要给我智能体，也得让它继续用我们现在的软件，而不是从头再编一套。所以 AI 在企业里的初步嵌入，一定是先植入现有流程，这一步可能要三五年，之后才是优化。医疗行业目前的 AI 渗透率还不到 10%，金融保险也刚起步。

成本是另一个现实问题。张璐提到一家咨询公司讲过的案例：某大企业一个月之内 Claude 的账单达到几亿美金，接近 5 亿美元，CFO 非常震惊。这个数字不可持续，企业开始找原因、做控制。各大科技公司也从最初鼓励员工多用 token，变成限制用量。

## 为什么金融、法律、医疗不会像 coding 一样爆发 42:00

程曼祺问，金融、法律、医疗这些知识工作，扩散速度会有多快。张璐说，coding 有几个别的场景不具备的特点：它属于科技行业，对新技术接受最快；使用频次高；任务价值高，直接产出产品；结果验证速度快；AI 能直接完成任务，而不只是给建议。

法务、金融、医疗不是这样。很多场景不能马上验证结果，也不能直接用 AI 替代律师，AI 只能提供意见。所以她希望市场有一个合理预期，不要指望什么都像 coding 一样快速爆发。

相对快的方向，她认为是企业后台智能体。财务从数据收集、整合到报告，合规、运营、销售服务、采购、库存管理，这些流程的一致性比较强，标准化程度高，适合自动化。她特别提到，企业终于意识到数据资产的重要性。2019 年她在中东的 FII 大会上就讲过，未来每个企业最重要的资产是数据资产。现在大企业做 AI 战略，核心之一就是数据战略：把沉睡的数据整合、清洁，变成能用于 AI 训练的高质量数据库。模型公司花大钱买数据，而高质量的企业级数据，很多还在传统大企业手里。

医疗是她个人看好的方向。美国医疗占 GDP 将近 20%，数据量大、质量高，应用场景多样，工作流程标准化程度也不低。她在美国最大的非营利医疗机构 CommonSpirit Health 的董事会上，今年 5 月 CTO 告诉她，旗下上千家医院和诊所可能就要开始部署 AI 智能体。体量这么大，一旦开始部署，真实世界反馈和流程跑通之后，增长空间很可观。

这些智能体来自哪里？张璐说，很多来自初创企业，也有一些机构内部部署本地化开源模型。高监管行业有法律约束，有些数据必须留在本地，只能用本地化小模型。这正好给做小模型、本地化部署、数据隐私的初创公司留出机会。英伟达强力推开源，也是希望高监管行业的客户能更快部署。

前沿模型公司自己也在往垂直走。Anthropic 开始做湿实验室，OpenAI 接连发布数学和理论科学的成果。张璐认为，数学对模型推理能力是很好的训练场，因为证明可以形式化验证，对就是对，错就是错，适合强化学习和自动化评估。她提到一个团队，一群数学家自己生成数据，被 OpenAI 这类公司高价买走，因为这些数据对推理能力最有价值。

AI for Science 还有一层意义：ChatGPT 是在总结已有知识，而科学研究更重要的是提出问题。AI 如果能提出新的、可验证的科学问题，产生的就是新知识。这短期不一定贡献收入，长期对模型能力和技术路径探索很重要。

不过她对药物发现有一个不同看法。AI 能把过去只能发现两三个 target 变成发现几百个，但 target 不等于药，还要做临床试验。药物研发最大的成本在临床，发现更多 target 反而可能意味着更大的临床投入，成功率也不一定更高。她更看好用 AI 提高临床成功率：从三五百个 target 里挑出临床成功率最高的两三个。Fusion Fund 投的一家公司用 AI 做细胞疗法的垂直模型，做人体细胞的数字孪生，最近和诺和诺德在帕金森适应症上达成合作。

## 长期算力承诺与中腰部公司的 GPU 转租 59:28

招股书披露了 Anthropic 大规模的长期算力投入承诺，引发了对算力需求持续性的讨论。程曼祺提到一个现象：硅谷一些中腰部明星独角兽和云厂商签了 3 到 5 年长协，但需求确定性不如 OpenAI 和 Anthropic，已经有人因需求不及预期，开始打折转租算力。

张璐确认这种现象个别存在。她同时说，现在和 Nebula、Together AI 这些算力服务商聊，今年的算力基本都卖完了，要等明年。需要做预训练、后训练的公司都还缺算力。中腰部公司的问题是长约三年起，中间出问题就会有算力释放出来。去年底已经出现过一波算力突然充裕，今年初又马上紧缺，周期性很明显。SpaceX 卖算力很贵，允许签一年短约，但价格直接翻倍，算下来还不如签三年。

她判断，即使这些公司把算力全部释放，也不会对市场形成挤压，因为需求太大。而且 GPU 算力不是标准化、同质化的商品。不同 GPU、不同网络架构、不同数据中心位置，对应不同的 AI 工作流程。现在 H100 能订到，但大部分公司想要的是 B300 和 H200。训练需要大规模、高带宽、低延时；推理是分布式的，可以分散到不同区域、不同类别的 GPU 上。

**算力需求增长和算力资产价格下跌，可以同时发生。**整个产业消耗的计算量在增加，但某一代 GPU 的租赁价格在持续下跌。对倒卖旧 GPU 的公司不是好消息，对英伟达这样的厂商需求依然强劲。做推理降本、异构芯片架构、分布式计算、端侧计算的公司，会有新机会。

## 监管成了大企业部署 AI 的前提 1:08:05

节目最后，程曼祺问张璐最近在思考什么重要但答案还不清晰的问题。她说是 AI 监管。

她刚参加完联合国和 ITU 办的 AI for Good Commission 董事会，讨论了两个多小时。以前监管像是部署之后再考虑的话题，现在 Physical AI 让问题变得紧迫。语言模型出现幻觉，答案错了笑一笑就过去了；Physical AI 出问题，可能伤及人的生命。她认识的一些产业龙头企业的 CTO 很着急，一定要先把监管的技术解决方案做进去，才敢进行大规模的非结构化 AI 部署。医疗也一样，不只使用语言模型。

监管本身极其复杂。要考虑未来技术发展的方向，不只是现在的技术；要跨区域、跨产业合作；还要回答一个根本问题：是做产业独立的监管，还是跨产业的标准化的监管。企业界、政界、商业界都在急着找方案。张璐说，这既是机会也是挑战，希望更多创业者、企业家和资本方关注这个方向。

## 需求，需求，需求 1:10:35

节目结尾，程曼祺总结了两期节目的共同点：两位投资人最关注的都是需求端。张璐的观察是中性偏积极的。她看到大企业之间的竞争心态：一个行业只要有一家公司有了明确或激进的 AI 战略，对手跟进的速度就很快。美国很多非上市的大型家族企业，董事会小、不担心股价、现金多，几年前就开始几十亿美元地投 AI 和自动化，灵活度很高。

她也看到，服务 coding 之外更多企业的机会，不一定属于前沿模型公司。市场不会几家独大，尤其在企业市场。AI 要深入财富 500 强的流程，要经过自动化和优化两个环节，时间不会像 coding 那样一年内爆发。对一级市场投资人，这是好消息：机会还有很多，不会被 Anthropic 和 OpenAI 全部吃掉。

给读者的判断可以落在这几点上。看 AI 公司，别只看模型跑分，看客户结构和净收入留存率，看它有没有嵌进流程。看企业 AI 预算，别只看科技行业，银行、制药、保险的预算规模可能超出直觉，但兑现节奏要以年为单位。看创业机会，高监管行业的垂直应用、企业后台智能体、推理降本和本地化部署，是前沿模型公司不容易吃掉的缝隙。看风险，算力长协和 GPU 转租的周期性、监管政策的不确定性，都会影响未来两三年的节奏。需求的方向是确定的，不确定的是它走多快。