一边游说美国政府收紧对华 AI 芯片出口，一边自己豪掷千金狂囤算力，转身却对开发者频繁“动刀”涨价。Anthropic 近期的操作，彻底点燃了开发者积压已久的不满。
当地时间 5 月 14 日，Anthropic 以中美 AI 竞争为由发布长文，呼吁进一步收紧芯片出口限制。在 Anthropic 的叙事逻辑里，训练前沿 AI 模型最关键的资源是先进芯片，即算力。如果不进一步收紧管制，美国在 2028 年前可能会失去主导权。
同一天稍早时候，路透社报道称，美国已批准约 10 家中国公司购买英伟达专为中国市场定制的 H200 芯片，涉及阿里、腾讯、字节、京东等企业。不过，这批许可尚未转化为实际交付。Anthropic 甚至直接引用了数据，称华为在 2026 年的算力产出仅相当于英伟达的 4%，到 2027 年更是降至 2%。
在 Anthropic 的框架里，中美 AI 竞争被拆解为：智能（谁开发出最强模型）、国内采用（谁更有效整合 AI）、全球分发（谁能部署全球 AI 技术栈）以及韧性（谁能在转型中维持稳定）。其中，模型智能被认为是最重要的一环，而这恰恰是 Anthropic 收入的核心基石。
又又又调价，开发者气疯了
在算力持续紧张的背景下，Anthropic 再一次调整了定价策略。
近日，Anthropic 宣布，从 6 月 15 日起，将把程序化 Claude 使用量与标准聊天订阅额度拆分开来。这意味着，开发者通过 Agent SDK、GitHub Actions，以及 OpenClaw 等第三方智能体框架调用 Claude 时，将进入一个独立的月度积分系统，按类似 API 的方式计费。
过去，开发者用 Claude Pro 或 Max 套餐就能低成本运行自动化任务、智能体脚本与 AI 编程 流水线。如今，这种“一个订阅覆盖多种用途”的模式被打破。程序化使用的月度积分将与订阅档位挂钩：Pro 用户每月获 20 美元积分，Max 5x 用户为 100 美元，Max 20x 用户为 200 美元。
但 Anthropic 早在今年 4 月就已释放信号，称 Claude 订阅将“不再覆盖 OpenClaw 等第三方工具的使用量”，理由是算力容量受限。新政策落地后，开发者要么购买额外用量包，要么转向直接 API 计费。
有趣的是，Anthropic 首席财务官 Krishna Rao 在采访中强调“定价一直比较稳定”，并解释此前 Opus 4.5 降价是“杰文斯悖论”的体现。但现实是，用户对价格极其敏感，频繁的变相涨价引发了强烈抵触。
高级数据科学家 Yadesh Salvi 在 X 上批评，Anthropic 提供的月度额度“连一天的认真工作都撑不过去”。claude -p 这类高频核心功能被限制，却包装成订阅福利。
Broadcom 高级站点可靠性工程师 Advait Patel 也指出，重度智能体用户消耗的算力远超固定订阅能支撑的范围。运行大模型本就昂贵，无限固定价格的套餐很难长期持续。这笔账很好算：同样的钱，能跑的自动化任务变少了，保持原有强度就得加钱。
影响甚至波及到了巨头。据外媒报道，微软已开始逐步取消数千名内部开发者的 Claude Code 授权，尽管该工具广受欢迎，但财务压力迫使微软将重心收缩至自家的 GitHub Copilot CLI。
对个人开发者而言，新的独立积分池给了些许试验空间，但一旦智能体需要频繁运行，几乎必然滑入按量计费模式。而对于企业，麻烦更大。积分按用户分配、无法团队共享，失控的智能体或糟糕的提示词顷刻间就能烧光额度，导致任务中断或产生额外费用，预算预测的不确定性急剧上升。
“算力是我们整个业务的生命线”
Anthropic 的解药很简单：囤积更多算力。
Krishna 近期直言：“我们采购的算力，就是整个业务的生命线。”事实上，Anthropic 近期在算力市场的扫货堪称疯狂：独家租用 SpaceX Colossus 1 超算中心；与 AWS 签订 10 年超 1000 亿美元协议，锁定 5GW Trainium 算力；签约 Google 与 Broadcom 的下一代 TPU 长单，3.5GW 算力将从 2027 年起交付。此外还有 500 亿美元自建 AI 基础设施的计划。
Krishna 明确提到，公司内部并未看到 深度学习 中 scaling laws 放缓的迹象。在内部，他们会观察不同训练阶段的模型表现，并将客户反馈的痛点转为训练目标。只要 scaling laws 未达天花板，Anthropic 就有极强的动力持续砸钱。
克制采购、大量异构算力终于可以快速消化
“算力买多了会被成本拖垮，买少了又没法服务客户。这两个结果都很危险。”Krishna 坦言，这大概是他即便到今天，仍需花费 30% 到 40% 时间在算力上的原因。
Anthropic 的核心解法在于“灵活性”。公司不把鸡蛋放一个篮子里，同时使用 Amazon Trainium、Google TPU 以及 Nvidia GPU 三类芯片，并搭建了一套编排层来灵活调度不同代际的算力。Krishna 称，所有前沿实验室里，Anthropic 可能是最高效的算力使用者之一。
他们甚至会贴近底层硬件做优化，与 Amazon 的 Annapurna Labs 团队深度合作，参与芯片路线图的制定。
性价比很重要，要把算力拆得非常细
在评估算力时，Anthropic 会把账算到骨头里。
Krishna 将算力来源形容为层层叠加的“算力蛋糕”。公司会动态比较近期、中期、长期算力，核心标准异常务实：能不能有效部署？性价比如何？能用多久？
评估落地时，他们会严密拆解每 token 成本、吞吐量、速度与芯片代际之间的差异。因为对于某些场景，速度与成本同等重要。Krishna 强调，算力怎么用，取决于每种芯片最适合做什么，以及公司什么时候能拿到它。
模型开发有算力保底，内部员工的也得给
有了算力后如何分配？Anthropic 的底线非常清晰。
首先，模型开发有明确的算力下限。哪怕会让服务客户变难，公司也必须持续投入 大模型训练。因为前沿智能的回报极高。其次，内部员工也必须分走一部分算力。Krishna 抛出一个惊人的事实：如果对内部员工断供模型，省下的算力可支撑数十亿美元收入。但现实是，公司内部 90% 以上的代码由 Claude Code 生成，模型正在加速构建下一代模型，这个飞轮不能停。
Krishna 强调，Anthropic 的核心仍是研究实验室，顶尖人才设定方向，模型则作为“放大器”强化这些人才的能力。
算力，不是 Anthropic 的某一项具体成本
Krishna 指出，公司不会孤立地看某一笔 GPU 花费。算力池同时支撑着推理、模型研发与内部提效，在不同时间维度上拉动收入增长。
谈及生态，Krishna 自豪地表示，Anthropic 是唯一同时出现在三大云上，且唯一同时使用三种芯片平台的语言模型实验室。与 Amazon、Google 等伙伴的关系远不止采购，更是从芯片开发到服务交付的深度绑定。
这无疑形成了一个闭环：Anthropic 以保持前沿为由疯狂融资、游说封锁、采购算力；巨大的成本压力使其不得不向开发者“开刀”涨价；而涨出的收入，又将反哺进更庞大的算力竞备之中。只是在这场狂欢里，那句“我们的定价一直比较稳定”，在开发者听来，显得格外刺耳。
参考链接：
https://www.anthropic.com/research/2028-ai-leadership
https://www.reuters.com/business/retail-consumer/us-clears-h200-chip-sales-10-china-firms-nvidia-ceo-looks-breakthrough-2026-05-14/
https://www.infoworld.com/article/4171274/anthropic-puts-claude-agents-on-a-meter-across-its-subscriptions.html
https://www.theverge.com/tech/930447/microsoft-claude-code-discontinued-notepad
发表于 1 小时前
|
查看: 3|
回复: 0
