Anthropic 總裁：AI 下一輪贏家，先把算力花對

全文 2,000字 | 閱讀約 6 分鐘

（Anthropic總裁Daniela Amodei談 AI 增長方向）

AI 競賽進入 2026 年，一個問題變得越來越尖銳：

“算力是不是越多越好？”

萬億美元的訂單、百萬片的芯片采購、不斷刷新的數據中心投資，整個行業都在拼命囤算力。

但 Anthropic 的答案不同。

2026 年 1 月 3 日，Anthropic 聯合創始人兼總裁 Daniela Amodei 接受 CNBC 采訪時指出：

AI 競爭的重點，不再是比誰的模型更大，而是看你怎么把算力花對。

這家從 OpenAI 分出的公司，連續推出 Claude 系列，贏得大量企業客戶。企業選擇 Claude，不是因為參數規模，而是因為它穩定、可靠、能在實際業務中放心使用。

這種務實路線正在獲得認可。有外媒透露，Anthropic 已開始與投行溝通 2026 IPO可能性。

當算力不再是信仰，而變成成本，你準備怎么花？

第一節：為什么提前布局算力？

全行業還在加速投入算力。OpenAI 與 Broadcom 聯手開發自研芯片，xAI 籌建 AI 工廠，谷歌和微軟把計算力寫進財報。

最近，Anthropic 宣布購買近 100 萬谷歌 TPU 芯片。Daniela Amodei 在訪談中解釋：

“現在不訂，幾年后就買不到了。等真正需要時再采購，已經來不及?！?/p>

這種提前布局源于一個判斷：擴展定律（Scaling Law）還會繼續。

Anthropic 曾是率先提出擴展定律的團隊之一。他們發現，只要計算夠、數據夠、架構穩定，大語言模型的能力就會穩定提升。這套規律每年都在應驗。

既然相信這條定律還會持續，那就提前把未來幾年的算力鎖定。

過去幾年，Claude 幾乎每一代都能進入性能最強模型行列，資源投入卻遠少于競爭對手。

很多大模型項目發布時參數量驚人，但實際部署后發現：成本翻倍，能力提升卻有限。Anthropic 的做法是：提前核算清楚每一筆計算資源的代價，提前配置好，不臨時加碼。

當 OpenAI、Google、xAI 都在拼投入速度時，Anthropic 專注提前規劃。

這種方式不搶眼，但如果 Claude 繼續穩定迭代，或許才是下一輪真正能站穩的策略。

第二節：企業為什么選擇 Claude ？

算力用得準是一方面，產品做得穩是另一方面。

在很多人眼里，“安全”是大模型發展的制約因素，限制了模型的性能邊界和迭代速度。

但在 Anthropic，“安全”和“能力"從來不對立。

創始團隊在 GPT-2、GPT-3 時期就開始做可解釋性和對齊實驗，從一開始就決定：在模型訓練時就加入安全機制，而不是發布后再打補丁。

比如，他們提出憲法級 AI（Constitutional AI）：不是靠人工篩錯，而是讓模型自己學會判斷什么是穩妥的答法；

又比如，他們設定了 AI 安全等級（ASL）和負責任擴展政策：一個模型要上線，必須通過一整套評估流程，像做出廠檢驗一樣嚴格。

很多公司不愿這么做。

測試成本太高，發布周期拉長，效果也不一定好看。但 Daniela Amodei 指出， 企業客戶的要求其實很簡單。沒有人說“我希望 Claude 更激進”，而是都在問：

這東西靠不靠譜？能在核心環節上放心用嗎？

對企業來說，用大模型寫段子、做視頻，當然有趣；但要讓它寫代碼、做報表、梳理合同、分析風險，答案必須確定，不允許模棱兩可。

Claude 之所以被 AWS、Google、微軟全平臺接入，靠的不是更新得快，而是輸出穩定、邊界清晰、可追溯。

Anthropic 甚至會主動公開風險數據。

比如他們測試過 Claude 在極端場景下的響應行為，發現在某些致命場景中，模型會出現勒索傾向。這些測試并不光鮮，甚至可能被人誤解為暴露弱點。

但他們選擇公開這些數據，理由是：越早發現模型可能出錯的地方，就越能提前規避。

這背后的邏輯很清楚：對 Anthropic 來說，安全不是放慢節奏的代價，而是換取落地速度的前提。

企業愿意把 Claude 嵌入業務流程，把真實客戶信息交給它，是因為它有邊界感，不會擅自決策。這種可靠性帶來的是口碑傳播，而不是靠功能堆砌。

有的模型什么都想做， Claude 只專注做好核心場景。

這恰恰是企業最愿意付錢的部分。

第三節：資源效率從何而來？

市場策略上，Anthropic 同樣克制。

在 ChatGPT 成為焦點的這兩年，Anthropic 幾乎從未刻意追求出圈。

沒有爆款 App，沒有亮眼功能演示，也沒有一次性堆滿幾十個工具。

Daniela Amodei 提到，Anthropic 從創立之初就更適合服務企業。這個定位改變了整個團隊研發節奏。

很多公司把模型功能數量當成優勢；Anthropic 的做法相反：

• 客戶先提場景（比如要 Claude 幫忙讀財務模型）

• 團隊再補強能力（比如改進 Claude 的結構推理能力）

• 新能力繼續打磨（比如優化輸出方式、追問方式）

客戶反饋驅動迭代，迭代改進服務客戶，形成了一個閉環。

明確的客戶場景讓模型訓練更聚焦，穩定的企業客戶帶來持續收入，每一輪迭代都有具體方向。Claude 因此成了資源效率最高的大模型之一。

數據證明了這條路的價值：Anthropic 在 2024 年底的年化收入是 10 億美元，到 2025 年 8 月已達 50 億美元，僅用 8 個月就增長了 5 倍。2026 年的目標是200-260 億美元，而這一切建立在 30 萬企業客戶和 80% 企業收入占比的基礎上。

Anthropic 不追逐曝光度，不頻繁推倒重來。每次更新都更接近企業標準，而不是追趕參數規模。

當算力變成成本，答案已經清晰：花得準，比花得多，更重要。

識自AI

本文由AI深度研究院出品，內容整理自Daniela Amodei接受CNBC、Vanta等訪談的公開素材，屬評論分析性質。內容為觀點提煉與合理引述，未逐字復制原訪談材料。未經授權，不得轉載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

https://www.youtube.com/watch?v=GMXnmaky9FY&t=1s

https://www.youtube.com/watch?v=bXT3ciKUHak&t=2s

https://ramaonhealthcare.com/anthropics-do-more-with-less-bet-has-kept-it-at-the-ai-frontier-daniela-amodei-tells-cnbc/

https://www.reuters.com/business/retail-consumer/anthropic-plans-an-ipo-early-2026-ft-reports-2025-12-03

來源：官方媒體/網絡新聞，

排版：Atlas

編輯：深思

主編：圖靈