Anthropic 的增长刚刚趋于平坦
Anthropic 的最新收入数据表明，其增长依然迅猛，但已经明显放缓，这引发了人们对 AI 热潮是否正触及结构性上限的质疑。评论者争论这门生意在多大程度上是真正可持续盈利的，还是被巨额算力承诺和投资者资本所补贴；同时也在讨论，随着 OpenAI、Google 以及更便宜的中国或开源模型缩小能力差距，Anthropic 是否拥有持久的护城河。许多人预测，市场将从“token-maxxing”和试验转向严格的成本控制与模型多元化，而未来的成功将更多取决于定价、效率和现实世界集成，而不仅仅是前沿模型基准表现。
收入、增长与盈利能力
- 讨论围绕 Anthropic 的 S‑1 展开：据称其第三季度收入约为 170 亿美元，环比约增长 47%，同比超过 1000%，而不是文章所依据的早先传闻。
- 许多人认为“趋于平坦”的说法过头了：增长依然非常高，只是相较于此前约 150% 的环比增速有所放缓。
- 有人指出订阅业务的毛利率很强（约 85%），而且“每一美元算力带来的收入”有所改善，这表明推理业务本身已经具备盈利性。
- 也有人反驳说，如果不把全部成本（训练、人工、设施）算进去，只盯着收入或仅算算力毛利是不具误导性的。
估值、义务与泡沫风险
- 大规模上市前融资和多年期的大额算力承诺意味着，Anthropic 需要持续且极高的增长，才能满足投资者。
- 争论焦点在于：当前或隐含的未来估值，能否用全球收入基准来合理化。
- 一些人认为这像是互联网泡沫时期式的过度建设；另一些人则认为这对高资本开支科技公司来说很常见，并非前所未有。
- 还有人担心 IPO 主要是在任何 AI 调整发生前，把风险转移给公众/散户投资者。
定价、模型质量与竞争
- Opus 5.5 获得高度评价，尤其适合编程和智能体工作流；有人说它几乎“开箱即用”，只需极少提示工程。
- 也有人认为 OpenAI 的最新模型，或像 Astra/Sol 以及中国模型（DeepSeek 等）这样的竞争者，已经相当甚至更好，尤其是在价格和视觉能力方面。
- Opus 5.5 比之前的档位更便宜、更高效；几位用户表示他们在 Anthropic 上的支出反而下降了，因为该模型用更少的 token 完成了更多工作，或者允许降级到 Haiku。
- 许多人预计，提供商将越来越在价格和效率上竞争；有人预见到类似杰文斯悖论的 token 增长，但收入只会线性增长。
护城河、开源模型与生态系统
- 对护城河的看法分裂：
- 支持护城河的一方认为，打造前沿实验室、留住顶级研究员并维持内部流程极其困难；真正的训练实验室寥寥无几。
- 持怀疑态度的一方认为，智能正在商品化，许多“足够好”的模型（包括开源和中国模型）在成本上更有优势；如果工程师分辨不出差别，企业就可能切换。
- 也有人认为，算力获取以及生态系统/集成能力（工具、智能体、垂直应用）将成为关键的防御性资产。
使用模式、Tokenmaxxing 与现实影响
- 有报告称企业正在打击“tokenmaxxing”和 AI “slop”，因为过量代码/PR 会增加评审和事故负担。
- 许多人声称，如今的瓶颈是测试、评审、协调和业务约束，而不是代码生成速度。
- 观察还指出，除软件和少数领域外，AI 的采用仍然零散；许多员工尽管有可用的 AI 工具，仍会回到旧的工作流程。
AGI 与长期轨迹
- 关于 AGI 的讨论似乎减少了；有人认为我们其实已经接近它，也有人坚持认为当前的 LLM 远非独立的、达到人类水平的、自主导向的智能。
- 一些人预期会出现周期性的炒作—幻灭—再发现动态；另一些人则警告说，有些技术浪潮终究会自行消退。