核心问题不在供给，而在需求。
访谈丨程曼祺
整理丨实习生王小淳
AI 狂奔的一年即将在 11 月中旬迎来盛大而充满变数的尾声，Anthropic 的上市。
我们邀请了在纽约创立了 Amont Partners 的二级市场投资人 Rob Li（李肇宇），以及长期在硅谷从事一级市场风险投资的 Fusion Fund 创始合伙人张璐，来和我们一起拆解 Anthropic 的招股书和背后 AI 行业的更多变化。
招股书仍没有解答市场最核心的担忧：需求是否可持续？
根据 11 月 2 日 Anthropic 更新的 S-1 文件，其长期算力承诺支出总额已达到 8954 亿美元；而 2026 Q3 的实际收入为 169.56 亿美元，环比增速已从二季度的 144% 降至 47%，回到了 2025 Q4 的水平，那是 Anthropic coding 业务爆发的前夕。
招股书中也仍未更新市场关心的 10 月 ARR（年收入运行率）数据，这一数字可能直接影响 Anthropic 的上市定价。
我们主要讨论了以下问题：
- 短期市场波动剧烈，这是 AI 泡沫破裂的信号吗？
- 拆解招股书：Anthropic 的收入质量和算力支出。
- 在 AI 需求端，Coding 之后是什么？
- 从追求模型最强到追求使用价值和投资回报，哪些新机会正在发生？
张璐于 2015 年创立 Fusion Fund ，重点投资美国 to B 科技领域，曾投资 SpaceX 等公司，关注 AI 与医疗、金融保险和太空科技的结合。在 2023 年成立 Amont Partners 前，Rob 曾在摩根斯坦利、Slate Path Capital 等机构任职。
两位背景不同的投资人有一个相通的判断：问题根源在需求端——企业愿意为 AI 持续花多少钱？会以多快的速度花钱？有人看到了危机，有人看到了机会。
现在是 AI 泡沫破裂的前夜吗？
晚点：看完 Anthropic 的招股书，哪些信息让你更看好这家公司？
张璐：我印象最深的是，Anthropic 已经拥有近 1.2 万家年消费超 10 万美元的企业客户，其中年消费超 100 万美元的客户超过 1900 家，这和早期客户过度集中的状态不同。这说明 Claude 已经比较深入地整合进了企业内部的工作流，逐渐从工具变成了基础设施。
Rob：最好的新消息是，Anthropic 的客户集中度比我想象中低。今年前 9 个月，前五大客户的收入占比已经降至近 25%，最大的客户的收入占比也不超过 10%，预计这个比例还会继续走低。
晚点：哪些信息会让你更谨慎？
张璐：主要是收入增长和资本投入之间的关系。Anthropic 手上的现金很多，融资能力很强，但算力支出也很多。所以我会持续关注它实际的经营利润率、现金消耗以及未来在模型训练和算力上的预期投入。
Rob：Anthropic 宣称经营活动现金流已经转正，但玩了个小花招，它和博通签了 1600 多亿美元的算力融资租赁协议，把经营活动现金流（operating cash flow）变成了筹资活动现金流（financing cash flow），来让自由现金流更好看。（注：按照美国 GAAP 会计口径，融资租赁付款的本金会计入筹资活动现金流，利息通常计入经营活动现金流。虽然 Anthropic 和博通的合同是分期租赁协议，但截至 2026 年 9 月，已有部分博通相关算力上线，Anthropic 已开始确认租赁成本和支付租金。）
晚点：现在市场很关心的一件事是 Anthropic 正式上市时的市值，这肯定会对二级市场有短期影响。最初市场普遍预期是 2 万亿美元，10 月中旬又传出可能下调至 1.5 万亿美元。你认为它最终可能落在什么位置？
张璐：现在的讨论更偏向 1.5 万亿美元，我觉得落在 1.5 万亿美元而不是更高，反而对上市后的走势更良性。
同时，Anthropic 这段时间融了很多资，投资人里有长线也有短线，锁定期怎么设计也会影响最终定价。
晚点：说到锁定期，招股书里提到：非核心员工在上市当天就可以出售 10% 的股权。现在 Anthropic 有超过 5300 人，这种设计是否会导致不小的抛压？
张璐：这可能会带来一些价格波动。但 Anthropic 的人一直对公司很有信心，他们的员工流失率也是硅谷前沿模型厂商里最低的。
Rob：我认为如果能保住 1.5 万亿美元，管理层就应该很满意了。这非常取决于一个还没披露的数字——就是 10 月的 ARR。（注：市场常说的 ARR 在 Anthropic S-1 里表述为 RRR，Revenue Run-Rate，年化收入运行率，具体算法是：最近 28 天的按量收入 × 13 + 最近一月的订阅收入 × 12。）
在正式上市前，Anthropic 路演过程会披露这个数字，到时就可以用当时的环比增速线性外推，得到年底的 ARR。
如果年底 ARR 能达到 1000 亿美元——这是今年夏天时的市场预期——那市值才有可能到 1.5 万亿美元或更高。但如果到时测算的年底 ARR 甚至低于之前三季度数字推出来的 850 亿至 900 亿美元，那能不能到 1.2 万亿~1.3 万亿美元都是个大问号。
晚点：所以你个人觉得，年底 ARR 比较难达到 1000 亿美元？
Rob：这里面有很多因素：ARR 是根据上个月的情况算的，会出现周期波动。美国市场到 11 月、12 月有感恩节和圣诞节，上班时间会减少，最后两个月的增速本来就会受一定影响。
晚点：Anthropic 这场 IPO 有多大几率导致 AI 行情由盛转衰？
张璐：我不觉得整体行情会反转，但行业确实在一个转折点上：过去几年，AI 行业最重要的事是投入更多资源和算力搭基础设施，追求能力最强。而接下来，更重要的是把 AI 嵌进各个工作流和产业里：模型能力不再是第一位，成本和整合才是。
晚点：近期美股科技和 AI 算力板块大幅下跌后，一些人认为现在已经到了 AI 泡沫破裂的前夜，你觉得确实有这个信号吗，还是恐慌情绪？
Rob：我觉得这是过度恐慌，最后 AI 是被证明还是被证伪，是泡沫还是不是泡沫，核心要看下游需求。
其实需求上有积极信号。全球最大的云厂商亚马逊，第一次给出了未来两年 AWS 云收入的增速预期，说 27 年和 28 年都能到 40% 以上，这是很强的信心表态，说明他们自己认为企业客户愿意持续花钱买 token。只是，相对悲观的人不相信这种远期指引，而之前就相对激进的投资人又不觉得 40% 的增速特别超预期。
我个人认为，现在就断言亚马逊骗人为时尚早。
而回到这一轮下跌，整个 10 月 AI 板块的压力都很大，基本跌回了 7 月底的水平。市场最担心的还是需求，是收入增长赶不上资本开支增长。所以进入财报季后，很多人希望云厂商给出很激进的收入指引提振信心。但微软、Google、亚马逊走完一圈，三季度数字都没有超出预期。
具体到最近跌得比较多的公司，各有各的原因。亚马逊是 AWS 的增速低于部分投资人预期。Google 的问题在主营业务：它的利润主要靠搜索广告，而这部分增速从二季度的 17% 降到了 12%，市场担心搜索被 AI 蚕食。英特尔是低估了 PC 市场下滑的速度，而它把产能从 PC 转去需求更旺盛的服务器 CPU 又需要时间。
晚点：作为在算力等 AI 基础设施层有持仓的投资人，你好像对整个行情挺淡定。
Rob：这源于我们的风格。我以前是做 PE 的，任何一个标的都要做好持有十年以上的准备，所以我没有特别担心短期情绪波动。
而且我们的策略跟巴菲特比较像，不加杠杆。比如美光，我们从 2022 年 50 美元左右开始买，到今年最高涨到 1200 多美元，这期间至少经历过五六次超 30% 的回撤。
如果加了杠杆，确实会关注短期交易情绪，因为即使逻辑是对的，过程中也可能死掉，比如 Situational Awareness 7 月就爆仓了。我并不是觉得 AI 一定能跑出来，只是现在做判断还为时尚早。
晚点：你最关心的是需求持续性问题，而另一方面，现在确实很多人在讨论 AI 算力供给侧的风险——包括很多公司在发债做算力投入、借债规模越来越大、成本越来越高。Google、亚马逊等巨头今年也陆续出现季度自由现金流转负。假设需求真的不如预期，供给端会发生什么？
Rob：要看有没有壁垒。很多 NeoCloud 没有真正的壁垒，纯粹是商品生意。CoreWeave 和 Nebius 有一些软件能力、还算有点壁垒，剩下很多公司，包括一些最近想上市却上不成的，比如 Nscale，本质上就是房地产生意，因为他卖的仅仅是地和长期电力购买协议（longterm power purchase agreement），跟科技没有任何关系，接下来可能风险很高。
真正有壁垒的行业就不一样。比如内存，全世界就三家能做，而且供需缺口还在逐年扩大；这些公司现金流很好，不需要借钱。对我们投资来说，这样的风险收益比就好得多。
晚点：如果从 NeoCloud 开始出现连锁的算力需求下滑传导，有可能演变成 2008 年次贷危机级别的债务危机吗？
Rob：我觉得对美国经济的冲击不会像 08、09 年那么大。第一，目前所有 AI 相关投入加在一起，占美国 GDP 不到 3%；而次贷危机之前，房地产占 GDP 的比例要高得多。
第二，当时美国银行系统是主要的借款方，而今天投进 AI 的钱绝大部分不走银行，而是来自私募信贷、各类资金方和股权市场。所以即使爆雷，对银行的冲击也比较有限。只要银行系统不出问题，美国经济很难变成 08、09 年那样。
晚点：如果选 2~3 个指标在 Anthropic 上市后持续追踪，你会看什么？
张璐：首先是企业客户的留存率和未来的增购，这些决定了公司的收入能不能持续增长、跑赢支出。
另外，Anthropic 的核心产品是 coding，但现在越来越多非 coding 场景开始贡献收入。我想看它能否把 coding 成功扩展到更广泛的企业工作流里，覆盖更多应用场景。
Rob：第一是前面提到的客户构成，这反映它是否过度依赖少数大客户。
第二是客户的增购，这反映了 Anthropic 是否能给客户持续带来价值。对应这次 S-1 文件里的 NRR（Net Revenue Retention，净收入留存率），这个数现在很高——今年 Q3 对比去年同期是 900%，但如果基数特别低，高 NRR 的实际意义也不大。Anthropic 的收入就是在去年底到今年初开始暴涨的，可以看之后这个数会怎么变。
第三是单位算力对应的收入，反映赚钱能力。目前它增长不错：两年前平均每 1 美元算力支出对应收入不足 1 美元，现在已超过 2 美元。如果这个数未来持续提升，说明它的商业模式能够跑通。
闭源模型使用率下降，市场不会一家独大
晚点：Anthropic 选择在 2026 年内上市，而 OpenAI 把上市推迟到了 2027 年，怎么看上市先后顺序对接下来的影响？
张璐：就算 OpenAI 想今年上市，内部准备和财务状况也未必达标。而且 Anthropic 增速已经在放缓，趁市场热度高时上市是更好的选择。
另外，资本市场支持万亿级公司的资金有限，Anthropic 先上市会影响资金流向，短期内一定会对 OpenAI 带来更多的不确定性。
晚点：投 Anthropic 的 VC 很多，而招股书正文里反复提到 Spark Capital，它的合伙人 Yasmin Razavi 也是董事会里唯一的 VC 代表。这家机构在 Anthropic 发展里的角色是什么？
张璐：Spark 成立于 2005 年，投过 Coinbase、Twitter 等公司。它在 2023 年 5 月投了 Anthropic，那时 ChatGPT 刚引发全球热潮不久，市场对于能否再出现一家前沿模型公司还没有共识。Yasmin 也曾在战略上推动了 Anthropic 把 coding 作为重点。
这对 Anthropic 是很关键的一个选择。我很喜欢的一个 AGI 定义是：“AI 能做人类 90% 的工作，并且做得比 90% 的人好。” 现在所有的智能体里，唯一达到这个标准的就是 coding。
不过，Spark 在 Anthropic S-1 里高频出现 ，也和合伙人是公司董事，需要更多合规披露有关，也不能简单看出现次数去推想一个机构对公司的影响力。
晚点：Anthropic 一直没有在 C 端做大投入。C 端增长很猛的时候，有人认为这是 Anthropic 的短板；coding 和企业客户表现好时，人们又说它战略聚焦。长期来说，你怎么看聚焦企业客户和做更少的事的策略？
张璐：回答这个问题时，我有偏向性，因为我过去十几年只投 to B，不投 to C。我个人认为这是一个正确的策略。
首先 Anthropic 不是第一家大模型公司，是第二家，所以它应该把有限资源集中在寻找差异化上，当时 OpenAI 的重点是 C 端用户，Anthropic 看到了企业需求。这也和它很契合，因为这是一家一成立就很强调安全的公司，企业客户很看重这一点。
同时在资源有限时，C 端市场反馈不是迭代 AI 最高效的方式，因为需求更发散，用户反馈不够结构化，C 端的付费意愿和能力也不如企业客户。
我不觉得 Anthropic 需要在所有市场和 OpenAI 竞争，这个市场足够大、足够多样化，不会只容纳一家公司。
晚点：OpenAI 和 Anthropic 也共同面临开源模型的竞争，这方面你看到了什么新变化？
张璐：现在确实有更多大企业客户在降低对闭源模型使用的比例，比如 AT&T 最近公开表示，未来几年，要把员工 AI 请求里的 60%~70% 都交给开源模型，现在是 40%。
但我不觉得开源崛起，闭源就一定受冲击，核心还是整个市场有多大。现在是全经济体都在做 AI 整合，科技行业只占美国 GDP 的不到 10%，接下来要整合的是占 GDP 30%、50% 以上的各类产业。还是前面说的，未来市场不会是一两家模型公司独大。
细读 Anthropic 招股书
收入增速下滑：26 年 Q3 环比增速回到 25 年 Q4 coding 爆发前
晚点：招股书披露，Anthropic 二季度收入为 115.55 亿美元，结合此前媒体报道其三季度收入为 168 亿美元，那么它的三季度环比收入增速已下降至 45%，回落至 2025 年 Q4，coding 爆发前的水平。怎么看增速的大幅下滑？（本次采访后，Anthropic 官方更新了 S-1 文件，Q3 收入为 169.56 亿美元）
Rob：45% 的环比增速远远不及市场预期。可能的因素有很多。比如竞争，OpenAI 在 Q3 发了很强势的新模型 GPT-6 系列；还包括 S-1 里披露的，Anthropic 之前有 5% 至 7% 的收入来自竞争对手的 “蒸馏”，他们封了这批账号，这也影响增速——不过这是一次性的，跟核心业务无关。
所以现在二级市场很关注我前面说的 10 月的 ARR，这是影响定价和短期情绪的关键。
晚点：招股书提到，超过一半的财富 500 强企业已经是 Anthropic 的客户，这是否意味着它已经把大客户渗透到相当程度了？
Rob：它披露的是有超过一半的 500 强企业一年消费了至少 10 万美元，但没披露到底消费了多少，是刚超过 10 万还是 100 万还是 1000 万。如果平均下来，单个客户花费没那么多，其实意味着接下来的收入增速可能很快，反而说明渗透空间比较大。
晚点：从客户增购看，Anthropic 现在的 NRR （净收入留存率）是 900%，而一般优秀 SaaS 公司的 NRR 在 120%~130% 左右。如果未来它回落到 200%~300%，二级市场会视为业绩暴雷吗？
Rob：那得看它多快回落。如果在短短一年内就回落到普通成熟公司的区间，显然会冲击市场情绪。
晚点：还有一个和收入、成本都相关的问题是给云厂商的分成。招股书里没有直接披露这个数字，用收入和成本测算约为 37%，这比移动应用给苹果 App Store 30% 的 “苹果税” 还高。怎么看这个比例？
Rob：现在它花这个钱是值得的。Anthropic 的销售团队很小，要撑起如此大规模的销售放量，只能依赖亚马逊等云厂商。而且云厂商对 Anthropic 而言也不仅是渠道，他们同时是投资方——亚马逊就投了 Anthropic 很多钱，也是算力提供方，还能在算力采购时提供各类结构化的租赁金融产品。
晚点：Anthropic 还在承担对云厂商的应收账期：今年上半年，与云市场相关的应收账款，占公司净应收账款的 58%；应收账款占上半年总收入的 35.8%。为什么是这样的结构？这会持续吗？
Rob：云厂商现在特别强势。很多企业级客户关系不在 Anthropic 和 OpenAI 手里，而是被云厂商和 Snowflake、Databricks 这类数据公司（Data Warehouse）掌握。对企业客户而言，绕开这些公司，去 Anthropic 直采 token 没有吸引力：
一是通过这些公司拿到的 token 价格，和直接找 Anthropic 基本一样。
二是企业客户与亚马逊、Snowflake 合作多年，需要做适配时，它们可以派人来解决，而 Anthropic 缺乏这些团队。
三是安全问题。世界 500 强里的非科技公司都很担心数据被模型厂拿去训练，但是经由 Snowflake 和亚马逊，不仅有成熟的安全保障，未来出问题也好追责，这对企业里的 CIO 等决策者更友好。
最后，Snowflake 这类数据公司托管企业的数据，对公司业务更理解，所以它也有效率优势：比如同样面对一个企业内问题，用同一个模型，数据公司有可能通过优化，烧更少 token 就能解决。
晚点：Anthropic 和 OpenAI 今年也和很多大型 PE 设立合资公司、做 FDE（前置部署工程师），显然他们也想更多地直接服务企业客户，这会如何改变未来的分工和竞争？
Rob：这件事他们一定会做，他们也想把客户关系握在自己手中，但这是一门极度依赖人的生意，每一家客户都需要销售和服务人员一家家去推，做起来要很长时间。
晚点：当一家公司已经在做增长更快的业务时，它可能不适应更慢的业务。
Rob：对，比如 Google 做云业务也这么多年了，但它在企业客户上的服务能力还是不如积累更久的亚马逊和微软。
算力支出的结构：付长租、收短租的错配
晚点：根据更新的招股书，Anthropic 承诺的长期总算力合同支出高达 8954 亿美元。怎么看这个投入量级和潜在的风险？
Rob：单纯看总数没有太大意义，关键要看这些钱是否一定要付。比如，Anthropic 和 SpaceX 披露的合同最高金额是 1205 亿美元，但是不可撤销期在 2027 年一季度就结束了，之后任何一方提前 90 天通知就可以取消。小的云厂商，比如和 Nscale 的合同也是特定情况下可以不履行。
另一些交易是刚性、不可撤销的，最典型的就是和博通高达 1612 亿美元的协议，它不仅不可取消，而且 Anthropic 还要为此提供母公司担保和设备抵押。
晚点：这里还有一个期限错配的问题，Anthropic 签的很多算力合同是长期不可撤销的，部分数据中心的电力和天然气合同更是长达 20 年，期间 Anthropic 还要承担燃气、运输管道等设施的涨价。但在收入端，Anthropic 自己的客户又和它之间没有长期合同约束。这可能带来什么后果？
Rob：这本质还是一个需求问题。
现在有两条曲线，一条是算力开支上升的曲线：它相对清晰。比如内存最近几年价格肯定下不来，因为它的扩产周期很长，未来几年的年增速也就 20% 多，这还包括了中国的长鑫、长存努力研发的更高端产能。
另一条是 AI 收入的曲线，这是最大的变数，如果 AI 收入要追上算力开支，两条曲线要相交，需要已有客户真的看到 ROI、愿意花更多钱，以及开发更多新客户。
Coding 之后是什么？
晚点：NRR 是观测客户增购，也就是企业是否持续愿意花钱的后置指标，有什么前置指标可以观察需求的变化吗？
Rob：目前我们还没有看到很好的先行指标。你今天去问很多公司的 CIO，明年、后年愿意花多少钱，他们自己都不知道。现在公司烧的 token 到底省了多少钱、人力、工时，多了多少收入，他们也都还没捋清楚该怎么算。
不过同期指标是有的，就是看云厂商和 Databricks、Snowflake 等数据公司的收入变化。因为多数 500 强烧 token 会通过这些公司。他们能更实时地看到企业客户每天在干什么：谁烧 token 多，谁烧得少，怎么变化。比如前面我们也多次提到了亚马逊给出的明年和后年的云收入增速。
晚点：我知道 Fusion Fund 拥有一个大型企业的 CIO、CTO 网络，你们有什么案例观察吗？
张璐：总结而言，AI 进入企业分两个阶段。第一阶段是业务自动化，将 AI 融入现有工作流程，主要是降本增效；第二阶段是业务优化，目标是提升收入。现在不同行业、部门都处在不同阶段，看到的 ROI 也不一样。
从我们自己的观察看——我们 2018 年就建立了 Fusion CXO 网络，现在汇集了四十多个 500 强企业的 CTO 和首席 AI 官。首先，从 2026 年以来，这些企业对 AI 和数据战略的重视明显提升，很多公司在过去半年新设立了首席 AI 官，我们聚的频率也从以前一季度一次变得更频繁，他们也会更多邀请我们去他们董事会议上做 AI 相关的分享。
比如前段时间，我们发布了一个医药行业调研报告，聊了大部分全世界排名前 20 的药企，其中 60%~70% 的企业把 AI 放在战略优先级的第一位。今年，礼来和英伟达、默沙东和 Google 都宣布了比较大的合作。
我还知道美国有一家知名银行，今年在 AI 上的预算已经达到一百多亿美元。
不过我们也要对 500 强企业引入 AI 的时间有合理的预期，因为大部分企业并不想、也不能马上改变自己的工作流程。我提到 AI 进入企业分两步，第一步可能就需要三五年，第二步还要更久。
因为这个过程要解决很多问题。比如透明度和安全——公司有多少人在用多少 AI 工具？这些工具都触及了哪些核心数据？还有成本——很多公司转向开源模型，就是因为闭源模型太贵了。
晚点：你提到一些非科技行业的大企业已经有很高的 AI 预算，这是因为他们真的从实际使用中看到了回报，还是说进入了更大规模的尝试？
张璐：应该说现在还是在试的过程，但有了对 AI 更强的共识。
他们现在想的不是 “会不会被某个初创公司颠覆”，而是如果同行的竞争对手用了 AI 而我不用，我的市场份额就会被对方吞掉。因为理论上 AI 能让一小撮高质量团队创造更多价值。
同理，以前一个市场可能 80% 的份额由 30 家公司瓜分，未来可能只剩下 5 到 8 家，因为他们通过 AI 重构了产品和客户服务能力。所以你会发现，一个行业里，如果有一个大公司开始用 AI，其他人就会很快跟上投入，他们都怕对手先动手。
美国还有很多未上市的巨型企业。我和一些美国大型家族企业交流过，他们几年前就已经砸了几十亿美金布局 AI、自动化和 Physical AI（具身智能）。它们没有上市公司的财报压力，董事会人数相对少，现金流厚，所以在 AI 投资上更灵活。
晚点：目前 Anthropic 和大模型的主要收入增长都来自 coding。下一个能媲美 coding 规模和爆发速度的场景可能是什么？
Rob：我认为是替代白领的 “知识工作”。coding 市场本身比较小，全美程序员也就数百万人，渗透率已在高位；而机器人等蓝领的替代又涉及复杂的物理世界，起量速度会远比软件慢。
张璐：不一定会再有像 coding 这么强势的单个产品。coding 有几个特性：第一，科技行业对新技术采纳速度更快。第二，高频、任务价值高，结果验证也很快。第三，能直接完成任务，而不只是给建议和辅助。而现在被广泛讨论的法律、金融等工作，本身就不是直接出结果的场景。不能期待所有场景都像 coding 那样快速爆发。
具体到 Anthropic，我觉得它现在应该强化整体的 “企业级平台”，不只做模型供应商，而是成为企业智能体工作流程的主要基础设施。比如 Claude Cowork 通过 MCP 连接各种软件，形成中台效应。这些企业后台的工作流程，有一定的一致性，比如财务、合规、运营、供应链、库存管理和销售等。如果所有工作流程的入口都在 Cowork，对 Anthropic 非常重要。
从行业需求和规模角度，我个人还比较看好医疗市场。医疗占美国 GDP 将近 20%，数据量大、质量高，场景多样，其中部分场景的工作流程标准化高。如果能把数据敏感性、监管这些问题解决好，AI 在医疗上的推进速度会很快。
晚点：现在有一种观点认为，当 AI 扩散到 coding 之外的更慢、更分散的场景时，机会可能会更偏向创业公司。因为对实际已是巨头的 Anthropic 和 OpenAI 而言，这些场景的增长节奏和他们已经在投入的主战场 coding 不匹配。
张璐：是的，今年是利好创业的一年。就是我最开始说的行业转折点：大家不再只追求模型能力，而是更务实地关注 AI 怎么在产业里铺开。
在应用层，一些高监管行业的垂直应用有创业公司的机会。比如我们投的一家公司在做细胞治疗的垂直模型，最近和诺和诺德达成了一个关于帕金森的合作。
OpenAI 和 Anthropic 当然也想做这些市场，但它们真的要和初创企业拼垂直模型、针对特定场景的个性化优化吗？这不一定是最优战略。
很多药厂、保险公司也更愿意把数据分享给初创企业，但可能不愿意把数据交给 Anthropic 或 OpenAI。Anthropic 前段时间还开始运营湿实验室，看起来是想更直接来做药。原本使用它服务的药企就会觉得，你用了我的数据，又反过来和我竞争。其他行业也会担心相似的问题。
这个转折也会导致算力层的变化：之前的重点是用大规模 GPU 集群做出最强的模型；而去年到今年以来，降低推理成本、推理阶段的异构算力结构和本地化部署也都在产生新的创业机会。
晚点：最后，你现在有什么正在思考的重要的、但答案还不清晰的问题吗？
Rob：还是前面讲到的需求问题。花钱的曲线已经看得很清楚了，而需求和收入增长曲线的斜率还不清楚。
所谓泡沫是否会破裂，就是看股票或债券市场能不能撑到需求赶上算力开支的那个时间点。
张璐：我最近思考很多的是 AI 监管。以前大家觉得监管可以往后放，先部署产品再说，但现在，AI 如果要更深地进入企业流程，尤其是一些企业还在考虑部署物理 AI，安全问题就变得非常迫切。比如一些产业龙头的 CTO 很着急，他们要先把监管政策考虑进去，才好大规模部署物理 AI。
但 AI 监管非常复杂：既要考虑未来技术的发展方向，又涉及跨区域、跨产业协作；最后是各产业分别监管，还是跨产业统一标准，都还没有答案。这既是机会，也是挑战，我挺希望有更多创业者、企业家和资本方关注这个方向。
题图来源：《降临》