Anthropic提交史上最大IPO申请，腾讯阿里字节350亿美元抢购RTXPRO5500显卡

Anthropic于10月26日正式向美国证券交易委员会提交S-1招股说明书，计划以股票代码“ANT”上市。若按市场预估1000亿美元融资规模落地，这将成为人类历史上规模最大IPO。招股书披露，公司2026年上半年实现收入162.9亿美元，较去年同期的11亿美元增长逾13倍；其中第二季度收入达116亿美元，第三季度进一步升至168亿美元。然而高增长背后是巨额投入：同期计算与基础设施支出近90亿美元，占收入比重约55%；上半年总运营费用达169.8亿美元，净亏损高达807亿美元。

更引人注目的是其长期算力承诺。招股书显示，Anthropic已通过采购、租赁等方式锁定未来算力合同至少6570亿美元，期限最长至2045年；若计入正在谈判中的增量，潜在总规模可达约7500亿美元。公司明确将“获得充足计算资源”列为关键经营风险，并强调对AWS Trainium、Google TPU、英伟达GPU及AMD GPU等多平台资源的依赖。

几乎同一时间，另一条供应链消息揭示了全球算力争夺的现实维度。据路透社援引知情人士报道，字节跳动、阿里巴巴与腾讯三家中国互联网巨头对英伟达RTX PRO 5500工作站GPU的联合订单意向超过300万张，按每张约1.14万美元估算，潜在金额突破350亿美元。值得注意的是，英伟达无法保证满足全部需求，实际交付量可能显著低于订单意向。

这一现象看似矛盾：为何头部企业愿意为一款性能远逊于H200或B300的数据中心级芯片投入巨资？答案在于现实约束与任务演进的双重驱动。

首先，美国对华芯片出口管制持续收紧。H200需满足特定许可条件方可出口，而面向大规模训练的B300则被明确禁止销往中国。2026年1月13日，美国商务部工业与安全局（BIS）进一步调整审查政策，要求相关产品必须满足安全与合规要求。在此背景下，RTX PRO 5500成为少数“可买、可部署”的高性能选项——它基于Blackwell架构，配备84GB GDDR7显存与约1398GB/s带宽，功耗600W; 英伟达官方将其定位为支持Agentic AI、物理仿真与图形处理的专业工作站GPU。尽管无法替代集群级数据中心芯片，但其显存容量足以支撑部分中等规模模型的推理部署，尤其适用于需要低延迟响应的Agent类应用。

其次，AI任务形态正在深刻变化。当模型从“回答问题”转向“执行任务”，后台调用复杂度急剧上升。以月之暗面10月24日发布的Kimi K3.1 Pro为例，该模型参数达3万亿级，支持100万Token上下文，专为编程、3D创作与长程Agent任务优化。但上线后大量付费用户反馈额度消耗过快，10月26日公司公开致歉并补偿25%月度额度。技术层面，一次用户指令可能触发多个子Agent并行工作：任务拆解、材料检索、逻辑校验、结果整合——用户看到的是单次交互，系统执行的却是数十乃至上百次推理调用。

类似情况也出现在Claude用户社区。有Reddit用户报告，使用Opus 5.5整理87份文本时自动启动12个同级子Agent; 另一案例中，处理代码任务不到30分钟即耗尽5小时额度上限。这些并非孤立事件，而是反映了推理负载指数级增长的普遍趋势。IDC预测，2026至2030年全球Token消耗量复合增长率将达4822.6%，活跃智能体数量从7940万个增至22.16亿个，增幅129.8%。

算力需求激增直接传导至资本开支层面。除Anthropic外，Meta计划通过股权融资筹集最多950亿美元支持AI支出，其中350亿美元为公开发行，另设600亿美元场内渐进式发售通道; 微软、谷歌、亚马逊2026年资本开支分别提至约2000亿、2200亿美元; SpaceX亦宣布400亿美元GPU设备融资租赁安排。甲骨文披露，截至8月底其云基础设施剩余履约义务已达6640亿美元，印证AI云服务“供不应求”的现状。

对中国厂商而言，这场抢卡潮还牵涉国产替代进程。RTX PRO 5500虽非顶级芯片，但其可商用性使其成为过渡期关键资源。多家企业正加速适配国产GPU方案，如寒武纪、海光、壁仞等厂商产品已在部分推理场景落地测试。然而在模型迭代速度远超硬件周期的当下，短期内仍需依赖进口算力维持服务连续性。一位行业分析师指出：“不是不想用国产，而是当前任务复杂度下，推理延迟与吞吐量容错窗口极小，企业不敢轻易切换未经充分验证的平台。”

Anthropic在招股书中坦承，前沿模型研发高度依赖有限供应商，出口管制变动与供应链集中构成重大风险。同时，部分云服务商既提供算力又开发模型，形成利益交织关系，亦构成潜在冲突点。

算力已不再仅是技术指标，而成为商业模式可持续性的核心变量。用户抱怨额度烧得太快，本质是对“计算成本—任务价值”比值的质疑；企业豪掷数百亿美元抢卡，则是在不确定政策环境下对确定性供给的押注。当AI Agent真正开始接管知识工作流，算力的获取效率与成本结构，或将决定下一轮竞争格局的分野。