Anthropic半年营收163亿美元却净亏807亿,720亿为账面重估,超6000亿算力长约成隐忧
Anthropic 2026年上半年营收达163亿美元,同比暴涨近14倍,但净亏损高达807亿美元。其中720亿美元源于可转换票据价值重估的会计处理,并非现金支出;真实经营亏损约87亿。公司已签署超6...
美国人工智能企业Anthropic近期披露的IPO招股书草案引发市场广泛关注:2026年上半年,公司营收飙升至163亿美元,较去年同期的11亿美元增长近14倍;但同期净亏损竟达807亿美元——相当于日均“蒸发”4.4亿美元。这一反差强烈的财务数据迅速被概括为“半年亏掉807亿美元”,成为AI行业高投入、高增长模式下的典型样本。
需要厘清的是,这807亿美元的巨额亏损并非全部代表真实现金流出。根据招股书披露,其中约720亿美元源于可转换票据及其他融资工具的公允价值变动所计入的会计损失。这类工具在早期融资中发行,约定未来可转换为普通股;随着公司估值快速上升,这些“欠条”本身价值随之升高,按会计准则需重估并确认为当期负债增加,进而形成账面亏损。换言之,公司越值钱,账面亏损反而越大——这是一种典型的“估值溢价反噬利润表”现象。
剔除该非现金项目后,Anthropic上半年实际经营层面的净亏损约为87亿美元。其中最大支出项为算力与基础设施投入,金额接近90亿美元,是2025年同期23亿美元的近四倍,甚至超过2025年全年73亿美元的总支出。从成本结构看,每1美元营收中约55美分用于算力采购与机房运维,其余用于研发、人力与市场推广。
值得注意的是,尽管绝对支出规模庞大,其成本效率正在改善。2025年上半年,Anthropic营收11亿美元时算力支出23亿美元,成本占比超200%;到2026年上半年,营收跃升至163亿美元,算力支出占营收比例已降至约55%。更关键的是,据多方信源交叉验证,该公司在2026年第三季度已实现调整后口径的单季盈利,表明其商业模式正逐步跨越盈亏平衡点。
然而,盈利曙光并未完全驱散隐忧。Anthropic当前收入结构高度集中且缺乏刚性保障。2025年,其八成以上收入来自按使用量计费的企业客户;2026年上半年163亿美元营收中,仅两家客户就贡献了超过32亿美元(占比约20%)。更为关键的是,多数头部客户并未签署长期采购合同,付款意愿取决于短期业务需求与预算弹性。一旦大客户削减AI支出、转向自研模型或切换至竞争对手,收入端将面临剧烈波动。
真正构成系统性风险的,是Anthropic已锁定的巨额远期算力承诺。招股书显示,公司已与谷歌、亚马逊、微软、博通、AMD及马斯克旗下科技公司等六家供应商达成未来多年基础设施合作意向,总承诺金额超过6000亿美元,最高可能达7500亿美元。具体来看:
- 谷歌云:至少1111亿美元
- 亚马逊AWS:约1100亿美元
- 微软:约310亿美元
- Nscale与Lambda:最高860亿美元
- Broadcom(含Google芯片租赁):超过1600亿美元
上述安排中,路透社援引文件指出,截至披露时5180亿美元承诺中约八成属于不可撤销或设定了最低付款义务。这意味着,即便未来收入不及预期,Anthropic仍需履行刚性支付责任——在尚未锁定稳定现金流的前提下背负数千亿美元长期负债,构成了典型的“收入未稳、支出刚性”错配风险。
值得关注的是,Anthropic的算力采购策略呈现多元化特征,并非单一依赖英伟达GPU。其Claude模型训练与推理同时调用AWS Trainium芯片、谷歌TPU及英伟达A系列GPU,反映出AI公司对算力供应链分散化的需求。这也意味着,其巨额支出正同步支撑GPU与定制ASIC两条技术路线的发展。
从商业生态角度看,谷歌与亚马逊不仅是算力供应商,还扮演着投资者与分销渠道双重角色。2025年,Anthropic通过二者云市场实现收入21.6亿美元,占全年营收47%,同时支付分销费用3.51亿美元。这种“既合作又竞争”的复杂关系,进一步增加了战略协同的不确定性。
资本市场对Anthropic的态度趋于审慎。尽管其企业级API市场份额已达约40%,超越OpenAI的27%,但高增长背后的脆弱性不容忽视。一位资深科技投资人指出:“它像一辆高速行驶的赛车——引擎强劲、方向明确,但油箱没盖紧,刹车系统尚未经过实测。”
上市将成为Anthropic下一阶段的关键节点。通过IPO募集的资金,公司将用于扩充芯片储备、建设自有数据中心及吸引顶尖人才,以加速下一代模型迭代。但能否将当前的营收势头转化为可持续的自由现金流,仍取决于客户留存率、定价能力与算力成本控制三者的动态平衡。
AI行业的资本逻辑正在经历一次压力测试:当一家公司能在半年内创造163亿美元收入,却仍需背负数千亿美元长期支出承诺时,市场关注的焦点已从“能否做大”转向“能否活久”。Anthropic的故事,或许正是整个生成式AI商业化路径的真实缩影——高速增长之下,盈利确定性仍是悬而未决的命题。
