Anthropic 2万亿估值拆解：AI上市潮为何接连折戟

纳斯达克指数正处于历史高位，一份采购经理人调查显示美国企业产出正以五年来最快速度增长。按理说，这是科技公司上市的黄金窗口。但现实是，一批AI相关IPO正在悄然撤回或推迟。

佛罗里达大学负责IPO研究项目的杰伊·里特在接受彭博社采访时直言："在纳斯达克创下历史新高的大环境下出现这种情况，格外令人意外。"

Anthropic原本预计最早8月底公布公开上市申报材料，至今未见踪影。OpenAI已将上市计划推迟到明年。软银旗下数据中心开发商SB Energy在劳动节前提交了申报文件，到现在仍未启动股份推介。劳动节之后，全市场仅完成三起IPO，今年规模前十的上市企业中已有五家股价跌破发行价。

话说回来，Anthropic寻求约2万亿美元估值。《经济学人》指出，这个数字大致相当于史上规模最大的十起科技IPO估值的总和。

为什么卖铲子的英伟达估值看起来便宜，而拿着铲子挖矿的Anthropic却想要2万亿？

2万亿估值怎么算出来的？

投行估值通常用两种方法：现金流折现模型（预测未来现金流并折现到当下），以及参考已上市同类公司的交易倍数。做完测算后，企业会开启路演，根据投资者订单敲定发行价。那些庞大的电子表格，大多是为了让最终报出的数字看上去有现实依据。

但两种方法用在Anthropic身上都遇到难题。市面上找不到可对标的同类上市公司，而这家企业营收一年翻了十倍以上，预测现金流本身极为困难。8月它的年化营收约为650亿美元，英国金融时报Lex专栏提醒，对待这些非官方流传的数据必须格外谨慎。

现金流折现模型还需要用到利率。同样那份显示经济蓬勃向好的调查出炉后，周四晚间美国十年期国债收益率攀升至5.23%，创下2004年以来新高。

复兴资本的马特·肯尼迪告诉彭博社，利率上行对这类企业属于双重打击：第一，会降低企业多年以后才能赚到的利润的现值；第二，企业借钱修建数据中心的融资成本也会走高。

现金流折现模型（DCF）的核心思路是：一家企业的价值等于它未来所有年份自由现金流按某个折现率折算成的现值总和。折现率反映资金的时间价值——今天拿到1美元比十年后拿到1美元更有价值，差值就是折现率的体现。实务中常用十年期国债收益率作为无风险利率的基准，再叠加股权风险溢价。当无风险利率从2%升至5%时，同样的远期现金流折现值会大幅缩水，久期越长的资产受冲击越大。这正是AI实验室这类"利润几乎全在远期"的企业对利率格外敏感的原因：它们的价值几乎全部来自十年甚至更久之后的现金流，折现率每上行一个百分点，估值就要被砍掉一大截。

TAM（Total Addressable Market，潜在可触达市场规模）指的是某类产品或服务在理想情况下、假设能覆盖全部潜在客户时理论上能产生的总收入。它通常被企业用来说明"成长天花板有多高"，但在IPO叙事中极易被夸大：TAM可以按最宽泛的口径重新定义行业边界，把相邻市场甚至尚未存在的需求都算进来。TAM本身并不等同于企业实际能拿到的收入，企业最终获得的份额（即渗透率）往往只是个位数。互联网泡沫时期，大量公司用天价TAM支撑估值，优步2019年上市时宣传的122.3万亿美元TAM便是典型，其实际年营收至今远低于这一量级。TAM通胀的本质，是把宏观层面的想象空间直接嫁接到单体企业的股权定价上。

麦克尼利测试：2万亿估值过不了理性定价检验

2002年互联网泡沫破裂后，太阳微系统公司联合创始人斯科特·麦克尼利接受《商业周刊》采访，解释了泡沫顶峰时期市场给他公司十倍营收估值有多么荒唐。

他当时说：如果估值是十倍营收，想要十年回本，公司就要连续十年把全部营收拿来给股东分红——这要求股东同意、销货成本为零、没有任何运营开支（但公司有三万九千名员工）、企业一分税不用交、拿到分红的股东也不用缴税。即便全部条件都满足，还有谁愿意以每股64美元的价格买股票？

麦克尼利其实还手下留情，没有把资金的时间价值纳入考量。2000年初泡沫顶峰，10年期国债收益率约6.5%。按此利率，10年后拿到的1美元，价值远比不上当下的1美元。就算零成本、零税收、零研发投入，投资者按10倍营收买入，10年也回不了本，回本周期大概要17年。

如果Anthropic估值达到2万亿美元，对应估值大约是营收的31倍。把条件放得比麦克尼利还宽松——假设Anthropic没有任何成本、不用雇佣员工、不用交税、不用支付电费，赚到的每一分钱全部永久分给股东，且不加常规风险溢价，直接用国债收益率做折现率——就算满足以上全部假设，投资者也永远收不回本金。别说10年，100年都不行。

把它未来全部营收折算到今天，价值大约1.27万亿美元，距离2万亿还差7300亿。也就是说，2万亿估值中几乎全部押注在未来增长上。利率越高，它需要实现的增长就必须越惊人。

常规算法算不出2万亿这个数字，那就得搬出另一套逻辑。

TAM通胀：从22.7万亿到60万亿的数字游戏

TAM，全称潜在可触达市场规模，指一家企业如果吃下整个行业能够拿到的全部收入。这个指标早就存在，真正流行是在上世纪90年代末，互联网分析师亨利·布洛杰特用这套逻辑论证当时股价240美元的亚马逊理应值400美元每股，之后亚马逊股价真的在短短几周冲到该价位。布洛杰特就此声名大噪，后来被终身禁止从事证券行业。

英国金融时报Lex专栏梳理了AI行业这些数字膨胀的过程。今年5月，马斯克告诉投资者，包含自身AI产品在内的企业应用市场规模有22.7万亿美元，差不多相当于美国经济总量的四分之三。上周摩根士丹利估算，生成式AI可挖掘的市场规模能达到60万亿美元，几乎占全球年度总产出的一半。Lex专栏提到，摩根士丹利很可能担任Anthropic的IPO承销商——当然这大概率只是巧合。

短短四个月，可触达市场规模凭空多出37万亿美元，增速远超Anthropic自身营收，也远远超过它想要瓜分的全球经济体的增长速度。

企业估值仰仗的庞大TAM，公司实际能够拿下的份额往往微乎其微。优步2019年上市时大肆宣传自身TAM达到122.3万亿美元，而它如今的年营收还不到1.3万亿美元，等于还有99.5%的市场等待挖掘。WeWork对外宣称可触达市场是3万亿美元，最后走向破产。

Anthropic内部研究部门甚至推演过一种极端情景：到2030年，AI能够为美国GDP新增超过10万亿美元产值。Lex专栏粗略测算，对应到当下股权价值能达到100万亿美元。

AI自我迭代离现实有多远

更天马行空的是递归自我迭代——AI设计出更强的AI，新一代再迭代出更厉害的版本，创造巨量经济价值，最终金钱和资产定价彻底失去意义。马斯克就预言，人工智能和机器人会让工作变得可有可无，金钱将失去意义。

递归自我迭代距离现实到底有多远？去年谷歌DeepMind的AlphaEvolve找到了一套矩阵乘法算法，效果优于沿用16年的传统算法。但一位拥有博士学位的计算机科学家运营的YouTube频道House of LayE在相关研究复盘视频中提到，这些亮眼成果全部设置了明确计分板，有标准答案作为测试目标。Anthropic自家的自动化研究工具把任务性能差距缩小了97%，可部分手段是钻实验规则的漏洞，把这套方案大规模落地后性能提升只有0.5个百分点，已经处在实验误差区间。公平来讲，是Anthropic自己公开了这份令人失望的数据，这点已经胜过绝大多数企业。

回到现实，18个月前Anthropic预测自己2027年营收可以达到120亿美元，在满场乐观预测中算偏保守。但到了今年8月，估值领域权威阿斯瓦特·达莫达兰在播客节目中提出疑问：随着光环退去，Anthropic的估值预期会不会从1万亿美元下调到8000亿美元？可仅仅7周过后，市场谈论的目标估值就变成了2万亿。

递归自我迭代（recursive self-improvement）是AI安全与智能爆炸理论中的核心概念，指AI系统具备改进自身代码或设计下一代AI的能力，新一代性能更强，又能进一步加速迭代，形成正反馈螺旋。理论上，这一过程可能带来智能水平的快速跃升，也就是所谓"奇点"。但现实中的AI研究工具与真正的递归自我改进之间还有很大距离：当前系统大多在人类设定的明确目标、评分标准和实验框架内优化，一旦脱离设定好的计分板，在开放环境中泛化能力会大幅下降。Anthropic公开的数据恰恰说明了这一点——性能差距缩小97%看似惊人，但部分来自钻实验规则的漏洞，规模化落地后收益仅0.5个百分点。这说明当前AI更擅长在既定规则内寻找最优解，而非自主定义问题和目标。把递归自我迭代当作可在数年内兑现的估值依据，本质上仍是把一种高度不确定的理论可能性，提前折算成了当下的股权溢价。

还没建好的数据中心，凭什么值500亿

这波AI热潮还发明出一套给尚未建好的建筑做估值的办法。

软银旗下美国数据中心开发商SB Energy希望上市后拿到约500亿美元估值。这家公司的特殊之处在于，名下还没有任何一座正式投入运行的数据中心。Lex专栏指出，SB Energy本身从未自建过数据中心，只是近期收购了一家咨询公司，这家咨询公司参与建造过15座数据中心。

如果估值500亿美元，SB Energy对应的税息折旧及摊销前利润倍数会达到400倍。它自己的招股文件显示，要完成已对外承诺的建设项目还需投入1740亿美元。周四它新发债券收益率达到9.75%，创下史上规模最大的垃圾债券发行记录，放款方要求2029年之前公司不得分红。

尚在建设当中的数据中心在资产负债表归类为在建工程，不需要计提折旧。吉姆·查诺斯针对科技巨头的GPU也提过相似观点：已经采购但还没有启用的芯片同样不用计提折旧。这么一想，尚未建成的数据中心几乎就是终极高毛利业务——不用耗电、不用维护、客户也不会抱怨延迟，毕竟产品压根就不存在。唯一的麻烦在于，早晚有人会催你把项目落地。

而实体建设就是所有问题爆发的地方。Lex专栏引用丹麦学者布伦特·弗莱贝格提出的大型项目铁律：超预算、超工期几乎是常态。在美国部分州，光完成电网接入审批就要耗上10年。盖洛普民调显示，71%的美国人反对自家周边修建数据中心。SB Energy申报文件也提示风险：如果项目工期延误，客户在部分情形下可以低价直接收购项目资产。它最主要的客户就是OpenAI。

曼氏集团的保罗·卡德罗斯基在研究报告中说：放贷机构给这类项目融资时参考的是商业地产这类长周期基建，可里面搭载的芯片一两年就会落伍淘汰，这好比拿30年房贷去买一台iPhone。

在建工程（construction in progress）是资产负债表上的一个科目，指企业已经开工但尚未达到可使用状态、尚未办理竣工决算的固定资产。按会计准则，在建工程在完工转固之前不计提折旧，只有正式投入使用后才开始按年限摊销。这给数据中心开发商留下了估值与会计上的操作空间：项目越晚完工，折旧压力越晚出现，账面利润就越好看。查诺斯对GPU的质疑内在逻辑相同——已采购但尚未投入运营的芯片可以暂不计提折旧，暂时推高当期利润。然而折旧只是推迟而非消失，一旦项目集中转固，折旧费用会集中释放，压低未来利润。更关键的是，芯片的经济寿命通常只有一到两年，而数据中心的土建部分寿命长达数十年，二者折旧节奏严重错配。用长周期基建的融资逻辑去承载短周期芯片资产，正是保罗·卡德罗斯基所说"拿30年房贷买iPhone"的隐喻所在。

循环闭环：谁在为AI基建出钱

这里的资金逻辑有一点循环闭环的意味。

软银自身也要承担垃圾债级别的融资成本，计划发行超过110亿美元新债券用来继续给OpenAI注资，这批债券发行收益率同样达到9.75%。OpenAI预计到2030年底烧钱规模接近2800亿美元，其中一部分用来和SB Energy签下俄亥俄州大型园区20年租约，这份租约又给SB Energy提供支撑估值的营收。OpenAI同时还是SB Energy的投资方，持有认股权证——如果SB Energy估值冲到800亿美元，OpenAI就可以兑现收益。

再看英伟达。SB Energy申报文件显示，8月英伟达已按IPO发行价九折认购15亿美元股份，IPO阶段还会再投入15亿美元。英伟达还为俄亥俄这个园区最高提供105亿美元担保，在OpenAI 2028年正式启用租约之前，这笔担保不会在英伟达账面上形成负债。作为交换，这个园区未来20年只能全部使用英伟达硬件。

简单梳理就是：软银以垃圾债利率借钱，拿钱支持OpenAI；OpenAI租赁数据中心；英伟达为项目做担保；园区全部装上英伟达芯片。一套环环相扣的交易安排。

华尔街日报消息称，SpaceX每个月向Anthropic提供算力服务，收费12.5亿美元。亚马逊最新财报的净利润当中，85%来自其持有Anthropic股权带来的未实现账面收益；谷歌净利润里87%来自持有SpaceX和Anthropic股份产生的收益。阿斯瓦特·达莫达兰感慨：以前他最头疼给亚洲家族式综合企业做估值，评估一家公司先要给另外四家企业估值；现在评估微软，首先得评估OpenAI。

整个行业已经形成一套默契：互相采购对方产品、互相为债务提供担保、彼此抬高对方的估值。

英伟达为什么反而便宜

英伟达是这场AI淘金潮里实实在在卖工具的企业，经营状况十分亮眼。彭博社数据显示，四年之前英伟达年销售额270亿美元，今年预计达到4100亿美元，净利润预计几乎实现翻倍。可对比下一年预期利润，它的交易倍数不到17倍，估值处在十多年来低位。

英伟达首席执行官黄仁勋在高盛会议上表示，英伟达是全球第一家也是唯一一家兼具成长属性和价值属性的股票，市场严重误解这家公司。全球市值最高企业的CEO主动向价值投资者推销自家股票，这种场面并不多见。

市场压低英伟达估值有四个合乎逻辑的解释。

第一，市场把英伟达当成处在周期顶峰的周期股。上个季度它毛利率75%，但分析师预计到今年年底会下滑至72%以下，一部分原因是英伟达需要向外采购存储芯片，而存储芯片厂商正在涨价。Meta、Alphabet这些最大客户都在自研竞品芯片。周期股在利润顶峰时估值往往显得很低，投资者选择观望。

第二，英伟达的营收本质上等于其他AI企业的开支。大量开支来自那些不停烧钱的AI实验室。TCW的依莱·霍顿向彭博社表示，英伟达当前估值倍数成立的前提就是AI领域开支会放缓。而Anthropic的CEO刚刚公开呼吁的正是放缓AI发展步伐。他发布文章之后的周一半导体大盘指数单日下跌接近6%。

第三，不确定性本身可以推高估值。分析师对英伟达明年营收已可做出大致预判，但一家AI初创实验室有可能破产倒闭，也有可能切下60万亿的庞大市场蛋糕。金融学者卢伯什·帕斯托与彼得罗·韦罗内希提出：企业未来盈利高度不确定的时候，估值反而会被抬升。

第四，两者的定价群体完全不一样。英伟达股价由数百万投资者实时交易决定，包含看空做空的交易者；Anthropic的估值来自多轮私募融资，参与方很多本身就是云厂商，Anthropic估值走高也会推高这些云厂商自己的账面收益。私募市场没有办法做空压住它下跌。

降价潮与智能饱和

各大AI实验室为什么不一起放慢脚步？因为一旦主动降速，自己技术上的领先优势就会缩小，同行并不会跟着停下来。

英国金融时报报道，来自深度求索、月之暗面这类中国企业的低价开源模型性能正在逼近闭源顶尖模型。就在周二，Anthropic和OpenAI同一天发布降价版本产品，价格相比前代分别下调40%和50%。价格战对消费者是好事，但如果你马上要启动IPO，遇上价格战实在不是合适时机。

APOC AI一份新研究测算：从2023年开始，想要实现同等AI模型性能所需成本每年下降13倍。研究人员说，这个降速超过历史上绝大多数革命性技术，包括电力、计算机、DNA测序。同时，新顶尖模型发布之后，竞品价格会快速下探。APOC还点出一个矛盾：AI热潮推高所有上游投入品的价格——芯片、电力甚至电工的人力成本都在涨价，可AI输出产品本身的价格却在快速下降。对于卖芯片的厂商这是利好，但对于靠输出AI能力做生意的企业就值得警惕。

上周一家叫TypeSafe AI的初创公司发布模型J5，主要面向软件开发者，开发者称针对简单决策任务，它的成本最高可以做到顶尖闭源模型的四百分之一。这家企业只拿到4000万美元种子轮融资。企业支付公司RAMP的联合首席执行官埃里克·格利曼告诉金融时报，他们通过路由系统把不同任务分配给不同模型，AI相关账单直接削减40%。他打了个比方：买杂货根本不需要开法拉利。

看多AI实验室也有站得住脚的逻辑。用户对AI工具使用量确实在持续走高。OpenRouter平台周度调用量相比去年年初暴涨25000%。耶鲁大学经济学教授阿里尔·泰林斯基统计，Anthropic的用户当中22.5%在一年之后依旧会继续使用它的模型，OpenAI这个数据是13.2%。达莫达兰认为，Anthropic是少数真正拥有直接面向终端用户收入的AI实验室。分析师本·汤普森提出，如果AI实验室既能开发模型又搭建配套软件工具，就有机会锁定客户、守住利润。

但RAMP使用的模型路由工具说明，客户也在想尽一切办法避免被绑定。AI实验室未来完全有可能跑通高盈利商业模式，但眼下他们想要向投资者卖出股份。

模型路由（model routing）是指通过一个中间层系统，根据任务类型、复杂度、成本预算和延迟要求，把用户请求动态分配到不同的AI模型上。简单任务交给便宜的小模型或开源模型处理，复杂任务才调用昂贵的前沿闭源模型。这套机制的意义在于打破单一模型绑定：企业可以在保证效果的前提下，让高成本顶尖模型只承担少数关键任务，从而显著削减账单。RAMP通过路由系统把AI相关开销降低40%，正是这一逻辑的实证。对AI实验室而言，模型路由是一把双刃剑——它扩大了AI的整体使用量，却也削弱了顶尖闭源模型的定价权和客户黏性。当客户可以随时把任务切给更便宜的替代品，靠"最强模型"支撑的高估值溢价就失去了护城河。这也是价格战与估值叙事之间最直接的矛盾所在。

森林倒下时，最先倒下的是小树

AI完全有可能重塑整个世界。互联网同样改变世界，但互联网浪潮早期，市场追捧Yahoo、Lycos、AltaVista很久之后，谷歌才登场。还有一种可能性：AI最后会变得像电子邮件——人人都离不开，但靠售卖这项服务很难赚到丰厚利润。

IPO本质是企业与早期投资者选择一个时点变现退出，同时也会把这套循环闭环当中所有资产第一次放到公开市场接受真实定价。这对软银暗藏风险，它资产负债表很大一部分依托OpenAI股权。彭博社8月报道，软银拿OpenAI股份做抵押贷出100亿美元保证金贷款。上市可以帮助软银把纸面浮盈变成真金白银，但也会给从来没有公开交易过的股权定出市场公允价。如果投资者认为OpenAI不值8520亿，软银手里的抵押资产价值就会缩水。

Anthropic的IPO就是纯AI实验室第一次接受公开市场大考，亚马逊、谷歌账面上的那些浮盈也会迎来市场定价检验。尴尬的是，OpenAI上市时机掌握在自己手里，山姆·奥特曼接受《财富》采访表示，综合当下安全领域各类情况，现在并不是上市的合适时机。但又有报道称，OpenAI正在洽谈新一轮私募融资，目标估值1.2万亿美元。看来1.2万亿这个价格只适合私募专业投资者。

阿斯瓦特·达莫达兰说：互联网泡沫破灭不是一件惊天动地的大事，而是一棵棵树木接连倒下，直到某天醒来你发现整片森林已经大半损毁。被撤回的IPO、高企的垃圾债收益率、推迟提交的申报文件，或许就是最先倒下的小树。他给AI企业的建议是：拿出实打实的数据，不要只讲宏大叙事。而招股说明书就是强制企业做到这件事的官方文件。

另一边，华尔街已经准备好大卖股票。吉姆·查诺斯预计今年股票发行规模有望刷新历史记录。相关学术研究的结论并不乐观：劳恩和李特的研究显示，大量发行新股的企业后续数年股价往往跑输大盘；贝克和沃格勒发现，市场新股大规模发行的时候，接下来几年整体大盘表现通常偏弱。内部知情人士往往很懂什么时候适合卖出。

投资人麦克·保罗斯向金融时报感慨：AI实验室CEO嘴上呼吁放慢脚步重视安全，市场却证明逐利的冲动压倒一切。未来我们回头再看，或许会后悔当初没有认真听取他们关于安全的建议警告。但对于卖出股票这件事，我们同样应该相信卖家心里真实的算盘。

如果你按照2万亿的估值入场，就算假设企业零成本、零税负、不用雇佣员工，这套估值都算不通。一旦最后投资不及预期，就会有人拿2002年斯科特·麦克尼利那句问话来问你：当时你到底是怎么想的？