Anthropic 招股书中的隐性威胁：规模不经济

作为可能是史上规模最大的 IPO，Anthropic PBC 正在开创新局。其招股书仅风险因素一项就列出 88 条、占 93 页——从 AI 对人类构成生存威胁，到 AI 可能敲诈勒索，一连串风险足以令任何潜在投资者警惕。但有一项可能拖垮公司的风险并未明列：规模不经济。

（嘉宾专栏，作者：Jason Bloomberg）

作为可能是史上规模最大的 IPO，Anthropic PBC 正在开创新局。其招股书仅风险因素一项就列出 88 条、占 93 页——从人工智能对人类构成生存威胁，到 AI 可能敲诈勒索人类，公司罗列的一长串风险足以让任何潜在投资者心存警惕。

然而，有一条可能拖垮公司的风险因素并未在招股书中明列：规模不经济（diseconomies of scale）。

规模不经济是指：随着公司规模扩大，其每单位产出的平均成本不降反升。

你会以为，鉴于 Anthropic 在确保风险因素清单完整上投入的时间和精力，他们本应把这一条也写进去。然而，尽管规模不经济是房间里的大象（显而易见却被回避），他们漏掉它是有原因的。

我们在云计算上走过同样的路。超大规模云厂商的根本经济驱动力就是规模经济：规模越大，每单位产出成本越低，随时间推移带来巨大的增长和盈利。

既然 AI 热潮和云计算一样需要大规模数据中心建设，那么假定 AI 将享受与云计算相同的大规模增长经济红利，似乎是合理的。

但这个假定很可能是错的。要理解为什么，我们必须看看软件和云业务是如何规模化的——以及 AI 为何如此不同。

纵观企业计算的历史，软件一直受益于其可忽略不计的边际成本。

对于实物商品，从汽车到鸡块，每一件都有原材料和生产成本。做得越多，这些成本累加得越多。

软件则根本不同。厂商一旦花钱开发出一个应用，就可以把它卖给尽可能多的客户——相比最初的开发成本，交付一份额外拷贝的成本几乎可以忽略。

正是这种可忽略的边际成本，让软件厂商随着业务扩张变得极为盈利。

相比之下，计算机硬件不过是更多的「实物」——部署越多，材料和生产成本越高。

云计算则在其产品中同时结合了软件和硬件。软件的边际成本或许可以忽略，但每家云厂商都要为每台物理服务器掏钱。

为了应对这一成本挑战，云厂商利用了规模经济。

超大规模厂商通过部署海量通用（commodity）服务器构建云。随着各家公司扩张业务，其每单位产出成本——比如提供一个服务器实例或一单位云存储的成本——不断下降。

结果是，服务器成本随规模扩大而下降，云计算公司在成长中盈利能力越来越强，尽管其商业模式同时依赖硬件和软件。

回到 Anthropic 和其他前沿大语言模型厂商：表面上看，AI 不过是一种软件，而 Anthropic 的软件运行在本质上就是云的超大规模数据中心里。这一底层假定隐含在公司的招股书中。

然而这个假定是有缺陷的。前沿模型厂商从第一天起就需要 GPU 和其他高端昂贵硬件——而且随着软件快速创新，其对专用处理器的需求还在持续加速攀升。

这种不断升级的专用处理器需求并没有影响云的崛起。诚然，每家云厂商在成长过程中最终都增加了各种专用硬件实例类型，但这些实例并没有改变云业务的根本经济逻辑。

与之相反，Anthropic 没有靠部署通用硬件实现规模经济的奢侈。它必须建造昂贵的服务器，而且随着 LLM 对处理器要求的不断进步，这些服务器只会越来越贵。

AI 热潮中人的方面也存在与云增长相反的规模不经济。

超大规模厂商当然需要拥有深厚专业知识的熟练队伍来部署和维护云。但随着成长，他们能够更高效地利用这些人员。一个管理一千台物理服务器的管理员，随着底层云平台的成熟，可以轻松管理一万台甚至一百万台。

然而与云厂商不同，Anthropic 和其他前沿模型厂商必须持续提升团队的专业能力。新的 LLM 并不是旧模型的简单放大版。每一个新模型都需要人类专家的新专业知识。

Anthropic 正在与竞争对手展开竞赛，力求快速创新，在史无前……（原文至此截断）