万亿美元的考卷:Anthropic上市与AI重新定价

史诗级IPO背后的分裂。

美东时间2026年11月19日上午(北京时间11月19日晚),美国AI大模型企业Anthropic在纳斯达克完成敲钟上市。

此后,Anthropic的开盘报价冲到111.50美元,较发行价83美元上涨34.3%,盘中最高触及114.99美元,涨幅扩大到约38.5%。随后,股价便一路下调,到收盘时,已较开盘涨幅跌去一半,但仍比发行价上涨17.1%。

整体上,Anthropic首日股价开盘即巅峰——开盘时散户情绪最热,之后一路往外出手。当天Anthropic的成交均价约为103.2美元,比收盘价97.17美元高出6美元。这意味着,首日在二级市场买进Anthropic的人,平均账面亏了约6%。

实际上,此前关于Anthropic的定价和估值就经历了一波拉锯调整。今年8月,外界传出Anthropic IPO的目标估值为2万亿美元,到11月初路演阶段预期下调,IPO发行价为70~78美元,对应的估值一度落到9160亿至1.02万亿美元(完全稀释的对应估值是1.3万亿至1.4万亿美元)。直到当地时间11月18日,Anthropic正式将IPO定价为每股83.00美元,对应市值约1.5万亿美元。

按这个市值算,Anthropic大约能进美股市值榜前十,和特斯拉接近。而市值比Anthropic高的公司大部分都是它的上下游,英伟达、博通、台积电、SpaceX为其提供算力,微软、谷歌、亚马逊则是其合作的云平台。Anthropic是第一家以“模型公司”身份进入这个梯队的企业。

点击图片跳转详细内容《透视AI泡沫:繁荣还是虚火?》

Anthropic首日的表现,并没有让近一周市场对AI的低沉情绪得到明显缓解。当天美股开盘后,道指、纳指、标普500三大股指高开低走;盘初集体大涨的算力、芯片股也相继走低,AMD大跌超7%,ARM、德州仪器、台积电均下跌;谷歌、英伟达、亚马逊等Anthropic的合作客户也均下跌超过3%。

此次,Anthropic将通过IPO募集813亿美元,以及谷歌、英伟达、AMD、微软等七家公司参与了260亿美元的私募配售(N类股),合计募集1073亿美元,募资额度打破全球IPO历史记录。

不过,按照招股书信息,本次IPO发行8.25亿股,流通股比例大约是6.3%,初始流通盘占比相对较低。这意味着,Anthropic的万亿级账面市值和涨幅,是由少量可交易筹码的成交价决定的;在买盘充足的环境下,流通股稀缺更容易放大买盘冲击,推高交易估值。此外,260亿美元的N类股也不在大盘流通,在一定程度上也压缩了首日可自由交易的筹码。

Anthropic上市更要的意义,是第一家海外前沿AI企业开始接受公开市场定价。过去,AI的定价者主要是私募市场的少数战略投资者,核心是看稀缺性。如今,其在公开市场流通,让AI的估值完成了一次“真相揭晓”。真正值得担心的是,如果稀缺性和对首日上涨的预期起了主要作用,公开交易后它可能面临更严峻的估值考验;同时,它也会成为后续AI企业上市最重要的估值锚,其估值波动将向整条赛道传导。

值得一提的是,Anthropic在认购阶段,并没有向中资开放。早在11月13日,彭博社报道,Anthropic此次IPO的国际分销协调人花旗已经通知承销团,不向中国内地和中国香港投资者开放认购。这条规定,在短期不会对认购热情带来实质影响,但长远看它如果成为一种“惯例”,可能使全球AI资本池变得割裂,中国资本和美国资本在AI投资上的协同性也会下降,或者说两边AI企业的估值可参考性会进一步降低。

过去,国内一级市场给国内大模型估值时,常拿美国的Anthropic、OpenAI的市销率按一定折扣换算。然而从当下的节点看,这套换算公式越来越难执行:一方面中美AI企业在算力效率、算力成本上的差异在加大,另一方面国内AI企业的收入规模也与Anthropic差异巨大,直接套用后者倍数换算国内AI估值失去了可比性;而资本层面联系的减弱,更会让估值的修正变得越来越难。

这种情况对接下来中国AI企业上市的估值定价会有何变化?

在Anthropic上市之际,「甲子光年」与一位长期往返于中美两地的资深投资人进行了对话,他深谙硅谷科技投资规则和风向。

在他看来,Anthropic本身也有局限性,其完全押注闭源和单一模态是其技术和商业化突破的重要原因,但这也可能是一种隐患。在美国AI企业估值的参考价值减弱情况下,国内AI产业未来更可能走向一种自己的生态体系,其价值也需要重新标定。

以下为对话内容,经「甲子光年」编辑。

1.中美AI估值参照性正在减弱

甲子光年:Anthropic的定价,从此前的70~78美元的区间,到每股83美元,是在上升的。为什么市场这么看好它?

答:我不觉得大家看好的单单是这家公司,更多是大模型这个方向。如果是OpenAI,情况也会差不多。

其实,Anthropic在技术上并没有真正的基础模型架构的创新,遵循的还是GPT(生成式预训练Transfomer)这个底层技术范式,团队也是从OpenAI出来的。它做对的最重要一件事,就是聚焦,只做大语言单模态,不怎么做多模态生成,包括后面的coding也是语言的延伸,由此再到to B的商业化价值。它未必一开始就预料到这样一个商业路径,但从结果倒推看,它从语言大模型做到coding,coding最重要的一点是数据容易闭环——生成结果可以直接验证,这促成了它能最高效地落地。而相比之下,视频或者说多模态生成,目前还很难形成这样的闭环。OpenAI不是不知道这一点,但它是领头羊,领头羊必须尝试多种方向,包括视频等其他模态。

还有一点值得注意:它不做开源。开源的意义是做生态,别人拿私有数据在上面微调,生态就起来了。Anthropic的智能体直接面向终端用户,它自己就是一个巨大的应用,比如想做AI医生,直接用Claude就行。它赌的是AI不需要生态,AI就是它自己。这条路如果走对了,就不存在“AI应用”这一层了。但这样带来的风险也非常大。大家只看到它的光鲜亮丽,觉得聚焦就是对的。可如果最后证明开源生态才是对的,它没有好的开源版本,也不做生态,就会处于不利位置。所以它的成功和风险要分开看。

甲子光年:Anthropic上市后,估值成了一个实实在在的数字。对中国大模型公司来说,参考这个估值是变得更容易还是更难了?

答:表面看变容易了,有了流动性,可以直接参考它的定价。但实际不一定准,因为中国没有一家公司能跟它真正完全对标。

先看收入。Anthropic的模型纯闭源,主要卖Token,经济模型简单;而中国几家大模型公司是开源的,开源意味着云厂商和用户可以下载进行本地部署,Token不一定经过你,收入的性质不一样。因此双方增长曲线是不一样的。

顺着收入再往下看市场,两边的客户付费能力也差距很大,美国SaaS生态更成熟,客户会定期、大量地用它写代码,这种收入很舒服,可持续性也好。

所以看上去有了参照,实际参考价值比较弱。

甲子光年:你感受到,中国和美国AI的联系在发生怎样的变化?

答:我用一个说法,叫“解耦下的收敛”。十多年前中美的AI是高度耦合的,中国用美国的芯片、双方研发也保持合作;美国则把制造放在中国。现在则是很多旧钩子脱开了,但在各自开始解耦的体系下又有很多新的钩子合上了。就像两条路分开了,方向却越来越一样。

这里面看,不同领域也不太一样。比如大语言模型的算法已经比较稳定,数据和算力两侧正越来越分开;而Physical AI的算法还在高速迭代,两边的交流会更紧密,具身数据侧,美国反而更依赖中国。

甲子光年:很多人给国内大模型估值时,确实会参考Anthropic的倍数。这种参考还站得住吗?

答:过去的习惯,是会参考它的倍数。但参考倍数是有前提的:你的收入构成跟它类似,数据获取跟它类似,算力成本也跟它类似。如果这些假设不成立,参考就很难准确。

如果按相同口径对标,这样简单比下来,国内公司可能反而显得贵一些。

2.模型能力比商业化更重要

甲子光年:既然不能直接对标,中国AI公司的估值逻辑会怎么变?现在大家越来越强调算力自主和国产协同,这会如何改变国内模型的估值?

答:对国内模型的估值,我觉得还是要回到第一性原理,核心还是模型研发能力,对方在高速发展,我们不能落后好几代,否则客户也不会买账。所以核心是模型能力要跟得上,然后再谈商业化、上下游打通、产业协同等等。

模型能力是一个系统工程,数据、算力、算法,三要素,都要持续跟得上。其中,算力要渐渐依靠国产芯片,这需要整个产业都跟得上。而算法上,国内的模型不管是智谱还是DeepSeek,用的都还是GPT这套范式。这套范式2022年之后没有巨大变化,更多是工程的优化,但它现在也遇到了瓶颈。美国有几家公司正在找下一个模型范式,比如做递归自我改进(RSI)方向等,它们的底气还是大量的算力和数据。因此,如果对方一旦出现飞跃,你能不能跟上,这是比较考验的。

所以我认为,国内的AI企业估值可能会经历一轮先降后升的过程。短期来看有许多困难;长期看成长性也比较大。

甲子光年:最近也有一些AI模型企业临近上市,市场也在看重收入质量,但你的观点还是更看重模型能力?

答:对,因为收入质量是结果。收入质量不是单纯靠商业手段改善的,它更多是取决于产品和研发能力。比如Anthropic,它在销售上并不见得花了多大力气,但它通过不停地迭代模型,每出一个新模型,编程能力就上一个台阶。

因为销售和渠道只能带来线性增长,产品能力的提升才能带来指数增长。对中国公司来说,最大的压力是能不能匹配美国SOTA模型现在的能力,这才是改变收入质量的关键。

这些大模型公司还处在一二级之间,仍在持续高速研发,某个版本发布慢一点就会影响收入。因为当竞争对手的模型强一些,收入可能马上就转过去了,客户的忠诚度并不高。所以只看今天的收入意义不大,对Anthropic也一样。

甲子光年:你常在硅谷,接触很多中美项目。美元基金和人民币基金给AI项目定价,会不会因为参照系不同而差很多?

答:在AI之前,双方的逻辑不一样,是因为两边看的赛道不同。中国的美元基金,过去的投资偏消费、偏To C,关注的是流量、日活、月活等;而人民币基金偏先进制造,更看财务,因为相对稳定、线性。

但到了AI这一波,这两套方法都有点失效。AI公司的财务挺难看,也没有多少DAU可看,底层技术仍在高速迭代。所以,目前只要投AI,基本最后都会回到硅谷最早投科技的逻辑:看技术本质,看这个团队有没有能力持续提升模型能力。

除了大语言模型,Physical AI也是同样的逻辑,只不过它跨到了新的模态,机器人领域有Action Token,AI for Science把化学、生物的数据也Tokenize,视频本质也是语言之外的一种Token。这类公司都应该按照模型能力定价。

这也是一个中国的历史机遇。过去国内擅长应用和模式创新,但非原创的创新在AI里越来越难做。美国现在最火的公司都偏前沿技术驱动,而不是模式驱动。所以对中国AI项目的投资逻辑要更新,评估最后还是回到AI的三要素:数据能力是第一项,算力上能不能做极致优化,第三是算法上有没有创新。

甲子光年:中美AI公司所处的环境差别很大,芯片、数据、资本都不一样。评估中国和美国的AI公司,还能用同一套体系吗?

答:本质是一样的,都看研发能力,但研发的方向和方法会不同。

拿Physical AI来说,它的数据采集和硬件强相关,要针对某个硬件本体去采,用的数采工具也是硬件,比如数采手套、头戴摄像头等,这恰恰是中国的优势。再加上劳动力成本优势,合成数据不可能完全替代人工采集,总要有human in the loop(人在回路)。美国很多公司用仿真这类偏软件的办法,尽量降低硬件的成分,但最终也无法完全绕开硬件。

所以我会看到,两边的评估框架会趋同,但评估结果会不同——比如都看数据能力,但中美实现数据能力的方式不一样。在趋同的评估框架下,具体方法可以调整,比如评估美国公司时,不宜把硬件的权重调得太高,否则很多美国公司都显得不够好;评估中国公司,则可以更看重硬件能力。

在计算芯片上,今天大家对国内厂商的期待,是在相对弱一些的国产算力上再做一层极致优化,看算力能不能齐平甚至赶超。

甲子光年:这种情况下,会带来怎样积极的一面,以及可能的风险是什么?

答:积极的一面是会创业和投资会更长期主义,更重视底层的技术驱动。AI本身已经有很强的商业化验证,Anthropic的收入已经很惊人,但它同时还在高速迭代,就更需要用底层驱动的思维去做投资评估。对创业者和投资机构来说,都意味着要告别短期思维。Anthropic当然也在不停地优化商业化收入和渠道,但模型迭代一旦慢下来,这些都撑不住。

最大的风险就是失败率会高,技术路线会来回变:就拿Physical AI来说,一开始是VLA路线,后来新的世界模型出来好像要把VLA淘汰掉;而现在大语言模型自身如Astra则开始展现直接控制机器人的能力。这种拉锯说明每条路都有可能,但押错的代价也很大。

即便是今天,很前沿的大模型公司,也可能说落伍就落伍,美国已经有大模型公司减少了新模型版本的训练。现在真正自己训大模型的公司比以前少,数据、算力、算法任何一环撑不住,最终就会被淘汰。

(封面图来源:Anthropic官网)

内容来自 虎嗅,版权归原作者所有。

阅读原文 ↗

用 HomepageTab 新标签页关注 RSS,打开浏览器就能看到更新。

安装 HomepageTab