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。同一天稍早，路透社报道美国已批准约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，但许可尚未转为实际交付。Anthropic直言，训练前沿AI模型最关键的资源就是先进芯片——算力。美国目前的优势建立在NVIDIA、AMD、TSMC等“民主国家产业链”之上，但如果管制不加码，美国可能在2028年前丧失主导权，中国AI实验室的模型能力或许只差美国几个月。
Anthropic还援引数据称，按总处理性能计，华为2026年的算力产出仅相当于英伟达的4%，2027年更降至2%。在其框架中，中美AI竞争被拆为四条线：智能（谁能开发最强模型）、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）和韧性（谁能在AI转型中维持稳定）。模型智能被视为关键支柱，也正是Anthropic收入的基石。它认为中国AI实验室仍能紧随美国，主要依赖世界级人才、先进算力，以及通过大规模“蒸馏攻击”窃取前沿模型能力。Anthropic由此提议将这类攻击非法化、加强情报共享，并推动美国“可信AI技术栈”出口以抢占全球南方市场。一边阻截芯片外流，Anthropic一边却斥千亿美元解算力之渴，同时频繁调价把压力转嫁给用户。
连连调价，开发者炸锅了
算力紧张之下，Anthropic再度调整定价。从6月15日起，程序化Claude使用量将与标准聊天订阅额度分离。开发者通过Agent SDK、GitHub Actions或OpenClaw等第三方智能体框架调用Claude时，不再简单计入原有套餐，而是进入独立月度积分系统，依API式计费。这意味着，许多用Claude Pro或Max套餐低成本跑自动化、智能体脚本、CI流水线和长期编码代理的模式，将面临重新定价。月度积分额度与订阅档位挂钩：Pro用户每月获20美元积分，Max 5x用户100美元，Max 20x用户200美元。
此前，交互聊天与程序化调用共用一个额度池，Claude一度成为智能体开发者的高性价比之选。但今日4月，Anthropic已在X上释放信号，称“不再覆盖OpenClaw等第三方工具使用量”，理由正是算力容量受限。新规下，开发者要么买额外用量包，要么转向API计费。Anthropic CFO Krishna Rao在采访中辩解：“我们的定价一直稳定，很少改价。最大一次调整是Opus 4.5发布时降价，因为Opus能力虽强但用量不匹配，客户总想塞进Sonnet里。模型效率提升后，我们降价让客户更容易用上。”他提到“杰文斯悖论”：降价反而让使用量远超预期，等客户真正融入Opus，再升级到Opus 4.6就无需调价。
然而，用户对反复调价极为敏感抵触。高级数据科学家Yadesh Salvi在X上批评，提供的月度额度“连一天认真工作都撑不住”，Claude Agent SDK和 claude -p 等高频功能被压缩。Broadcom高级站点可靠性工程师Advait Patel也指出，固定价格套餐的副业项目虽能尝鲜，但一旦智能体频繁运行，就必然进入按量计费模式。重度智能体用户消耗的算力远超20或100美元订阅支撑范围，能跑的自动化任务减少，保持强度就得额外付费。企业同样头疼：过去依赖Claude订阅运行无人值守的CI流水线或长时间编码智能体，新规让使用量更紧密绑定token消耗，预算预测愈发不确定。积分按用户分配，无法团队共享，失控的智能体或一个失当提示词都可能在瞬间烧光额度。
高额费用甚至波及微软。据外媒报道，微软已逐步取消数千名内部开发者的Claude Code授权，转而押注自家的GitHub Copilot CLI。这项过去半年备受欢迎的工具，因接近财年结束被视作省钱的简易切口。近几个月，微软员工更偏爱Claude Code，但过渡到Copilot CLI并非易事，公司一直鼓励无编程经验的员工用它快速构建原型。如今，GitHub团队面临改进压力，这也给Codex、Copilot等竞品带来机会。
“算力是我们业务的生命线”
拥有更多算力是Anthropic最直接的出路。Krishna在播客中坦言：“采购的算力就是整个业务的生命线。”公司近期大规模行动：独家租用SpaceX Colossus 1超算中心；与AWS长期合作，锁定5GW Trainium算力，10年投入超1000亿美元；签约Google与Broadcom的下一代TPU长单，3.5GW算力2027年起交付；去年还宣布投入500亿美元自建美国AI基础设施。Krishna明确表示，公司内部未看到scaling laws放缓迹象，模型开发各阶段都印证这点，客户痛点也会成为训练目标，形成研发循环。Anthropic创始人不乏scaling laws论文作者，但仍带怀疑精神审视，目前趋势未减。
克制采购，异构算力快速消化
算力采购是Anthropic最关键也最难的决策，多则成本拖垮公司，少则难以服务客户和维持前沿。Krishna介绍，公司从需求出发建模型预测，尽量保持合同与使用方式的灵活性。他现任CFO仍将30%到40%时间花在算力上。Anthropic不押注单一芯片，而是同时使用Amazon Trainium、Google TPU和Nvidia GPU，不同场景灵活调度。这并非一蹴而就，从早期TPU 3e遭质疑到搭建编排层，公司花多年优化调度。他们贴近底层硬件做优化、与Annapurna Labs团队协作，甚至影响芯片路线图，致力于让每美元算力产出最高价值。如今，Anthropic已能快速部署任何类型算力，若获得更多即可迅速分配至模型开发、内部使用和客户服务。
性价比决定算力分配
Anthropic评估算力有一套动s态流程。以与SpaceX在Memphis的Colossus合作为例，近期算力能否有效部署是关键，公司考量价格、期限、位置和类型。这套流程也用于长期交易，例如与Google的5GW TPU合作、与Amazon高达5GW的Trainium“算力蛋糕”。不同芯片在不同时间启动，Anthropic比较性价比、交付时间和业务角色，从每token成本到吞吐量。算力团队主导讨论，全公司配合判断需求，如CPU用于强化学习、前沿算力运行最快模型。
模型开发有保底，内部也要喂饱
Anthropic追求的状态是：维持前沿地位、服务客户，并以足够内部算力加速员工工作。公司文化强调协作，算力分配讨论非零和博弈。但模型开发设硬性底线，即便让服务客户更难也坚持投入，因前沿智能回报极高，尤其在企业领域。内部团队也分走可观算力——若禁用内部模型，释放的算力可支撑数十亿美元收入。实际上，Anthropic 90%以上代码由Claude Code编写，许多Claude Code自身也用Claude Code辅助完成。这让模型成为构建下一代模型的放大器。
Krishna强调，人才密度比规模更重要。Anthropic不太分“闭源”“开源”，只按“前沿”与“非前沿”区分。公司持续围绕前沿模型加大投入，既投算力也投能利用算力的人才。一月份发布三十个产品和功能，产品节奏加快，核心仍是研究实验室，由最优秀的人才设定方向，再由模型放大其能力。
算力投入不是单项成本
Anthropic看算力回报不盯单项支出，而是整池回报：推理直接支撑今日收入，模型开发打开未来市场，内部提效加速产品推出。第一季度收入激增并非突然上线新算力，而是按早前节奏逐步落地。Krishna认为，把服务每位客户视为“新增变量成本”不合适，算力同时支撑客户服务、模型研发和内部提效。公司视现有算力池为关键约束，决定短期服务量、长期能力扩展和收入潜力。Anthropic是唯一同时出现在三大云且使用三种芯片平台的实验室，与Amazon的Annapurna Labs深度绑定，合作涵盖芯片开发、容量规划、服务交付和分发，远超普通采购。
发表于 1 小时前
|
查看: 4|
回复: 0
