智见Time 10小时前
阿里向上,Anthropic 向下
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_keji1.html

 

十一月的股市为 AI 沉默,沉默是十一月的 AI。

在美股持续回调的 11 月,千呼万唤的 Anthropic 终于登陆纳斯达克。11 月 19 日,这家 Claude 背后的公司正式挂牌交易。

Anthropic 在国内为人熟知,除了 Claude,还有已然成为流行梗的大规模封号。但比起上市本身,更值得注意的是,除了继续向 AWS、Google Cloud 等云服务商采购算力,Anthropic 开始更多的直接租赁专用 AI 加速器,并锁定数据中心资源。

同一天,阿里公布了截至 9 月底的季度财报。AI 云与计算服务收入同比增长 53%,已经实现盈利;AI 实验室与应用收入同比增长 51%,却仍然处于亏损状态。

云计算和算力已经开始贡献利润,但阿里显然不满足于只做一家云服务商。从平头哥到阿里云、再到千问和企业智能体,阿里正在把原本分散在不同环节的技术和业务连接起来。

9 月的云栖大会上,吴泳铭将 AI 模型、AI 芯片和 AI 云列为机器智能时代的三大基础设施,并提出到 2032 年阿里云运营的数据中心规模超过 20GW。

阿里已经有了芯片和云计算,正在让千问和智能体做成新的生意;Anthropic 靠 Claude 打开市场,如今却开始亲自布局芯片和数据中心。

阿里与 Anthropic,竟在这个资本市场降温的 11 月殊途同归。

阿里向上,从云计算到 AI 全栈

如果把时间往前推,阿里的 AI 布局其实远早于这波大模型热。

2019 年 9 月,阿里在云栖大会发布由平头哥研发的首款 AI 推理含光 800,并在随后被用于阿里自身的电商业务。两年后,阿里又发布服务器 CPU 倚天 710,并推出由其驱动的自研服务器磐久。

(倚天 710 发布会,图源:阿里云)

与含光 800 主要面向 AI 推理不同,倚天 710 开始进入数据中心的通用计算体系。阿里对芯片的投入,也从特定场景的计算加速,延伸到云计算基础设施。

2023 年 4 月,通义千问正式发布。阿里云很快将模型开放给企业客户和开发者,提供 API 等服务。企业可以直接调用通义千问的能力,开发自己的 AI 产品。

至此,阿里的生意已经不再局限于出售计算资源。芯片提供底层算力,云平台负责组织和交付,模型则成为企业可以直接购买和调用的新产品。

到了 2026 年,阿里又把目光投向了更靠近用户的一端。千问 App 开始接入购物、本地生活、旅行和办公等场景,尝试让 AI 从 回答问题走向实际任务。面向企业的 QwenWork 则将智能体引入文档、会议、知识管理和经营流程。 QwenWork 电商版还可以调用淘宝、天猫的数据,帮助商家处理店铺运营、经营分析、广告和客服等工作。

今年 6 月,阿里调整了财报业务分部,将原来的云智能集团与平头哥合并为 AI 云与计算服务,将 AI 模型实验室、千问消费者业务和 QwenWork 归入 AI 实验室与应用。

而这两条业务线的经营表现,已经出现了明显差异。

阿里最新公布的 2027 财年第二季度财报显示,AI 云与计算服务收入达到 609.73 亿元,同比增长 53%。其中,外部客户收入约 470 亿元,同比增长 64%;外部客户经常性收入约 370 亿元,同比增长 67%。与收入增长相对应的是利润的改善。AI 云与计算服务调整后 EBITA 达到 88.38 亿元,同比增长 121%。

对于阿里来说,芯片和云计算已经是被市场验证的生意。

但另一端的情况就没有这么乐观了。

财报显示,AI 实验室与应用收入 44.35 亿元,同比增长 51%,调整后 EBITA 却亏损 105.03 亿元,较去年同期的 34.35 亿元亏损进一步扩大。阿里在财报中提到,AI 能力建设投入增加,以及千问 App 推理成本上升,是亏损扩大的原因之一。

这也让阿里的 AI 布局呈现出一种颇有意思的状态。

企业愿意为算力和云服务买单,阿里也已经能够从中获得利润;但当阿里将 AI 能力推向更轻量级的消费者和企业时,千问的用户越多、调用越频繁,背后的推理需求也会增加。

这也是阿里持续加码芯片和云计算的原因。吴泳铭在 9 月云栖大会上将 AI 模型、AI 芯片和 AI 云列为机器智能时代的三大基础设施,并提出到 2032 年阿里云运营的数据中心规模超过 20GW。自研芯片可以优化计算性能和能耗,云计算则负责组织和调度庞大的算力资源。

阿里希望通过软硬件协同,让不断增长的 AI 需求不必完全转化为成本压力。

但基础设施投入最终还是需要应用来消化。只有千问、QwenWork 等产品能够带来足够多的付费用户和企业任务,新增算力才有机会获得更高的利用率。否则,数据中心建得再多,也只是提前锁定了一笔庞大的成本。

Anthropic 向下,补上算力缺课

与阿里相比,Anthropic 的起点完全不同。

2023 年,Anthropic 先后与 Google Cloud、AWS 达成合作。Google Cloud 提供 GPU 和 TPU 计算资源,而贝索斯不仅负责要给钱,还要给达里奥干活供货。亚马逊不仅投资最高 40 亿美元,还成为 Anthropic 的云服务商,并为 Claude 提供 Trainium 和 Inferentia 芯片。

2024 年 11 月,Anthropic 与 AWS 进一步深化合作,双方开始共同优化 Trainium 芯片及其软件体系。Anthropic 的工程师参与底层 Kernel 开发,并与 AWS 共同改进 Neuron 软件栈。到了 2025 年,Anthropic 又扩大与 Google 的合作,计划使用最高 100 万颗 TPU,预计 2026 年将有超过 1GW 的计算能力投入使用。

然而问题在于,过度依赖外部云服务商也给 Anthropic 带来了隐忧。

Anthropic 在 IPO 文件中坦言,过去曾多次低估自身的计算需求,导致算力不足,影响模型研发和产品部署。随着 Claude Code 和智能体产品的发展,算力问题变得更加突出。

更微妙的是,Anthropic 的算力供应商并不只是供应商。AWS、Google 等企业同时经营自己的 AI 模型和服务,与 Claude 存在直接竞争关系。Anthropic 在招股书中也承认,这种多重商业关系可能与自身长期利益不完全一致,甚至影响算力的供应、价格和分配优先级。

对一家需要持续训练模型、同时满足用户算力消耗的公司来说,将如此重要的资源完全交给外部供应商,显然存在不小的不确定性。

并且,算力采购本身还有时间和成本上的问题。

Anthropic 通常需要提前 12 至 18 个月锁定长期计算资源,但模型研发和客户需求很难准确预测。当长期采购的算力无法满足实际需求时,Anthropic 则不得不高价购入短期资源。2026 年第三季度,Anthropic 就为此承担了约 50 亿美元的短期算力成本。

也因此,Anthropic Direct 由此成为一种新的选择。Anthropic Direct 直接租赁专用 AI 加速器,同时提前锁定数据中心容量和电力资源,再根据实际需求安排设备投入。这样既能减少对云服务商的单一依赖,也可以用相对灵活的资本安排,逐步以长期算力替代昂贵的短期采购。

当然,这并不意味着风险消失了。数据中心建设、设备部署和电力供应都有较长周期,一旦需求预测出现偏差,原本用来保障算力的长期承诺,也可能变成沉重的固定成本。

但 Anthropic Direct 能否真正降低计算成本,目前还需要时间验证。

从最新财报看,算力依然是 Anthropic 经营中最沉重的支出之一。今年第三季度,公司计算及基础设施费用达到约 99 亿美元,占当季收入的 58%。尽管 Anthropic 按照调整后经营利润口径已经实现 24.63 亿美元实现盈利,但更能表现公司日常经营的 GAAP 口径下,Anthropic 仍然亏损 5.67 亿美元。

两条路的交汇处

2026 年 3 月,黄仁勋在英伟达官网发表文章,将 AI 产业比作一块五层蛋糕,从底层向上分别是能源、芯片、基础设施、模型和应用。

而在 AI 产业分层的另一面,是各家企业为了产业链利润圈的定势力范围。

阿里从芯片和云计算起家,如今又把模型、消费者应用和企业智能体做成新的业务;Anthropic 则在应用层做到行业龙头后,将目光放回曾经外包的计算资源,开始直接租赁加速器、锁定数据中心容量。

中美两家 AI 龙头,各自的路径走到了相同的路口。

而新能源汽车行业已经走过一遍类似的路。

新能源汽车产业链曾遵循相对明确的专业分工,电池、电机、电控各有供应商,整车厂则负责将各部件整合成一辆汽车。但随着竞争深入,部分头部企业开始打破原有的分工边界,将越来越多的核心环节掌握在自己手中,从整车制造商向具备全栈能力的产业参与者转变。

比亚迪在 2025 年年报中明确提出,继续掌握电池、电机、电控及芯片等核心部件的自主研发和生产。同时,比亚迪推出的超级 e 平台,也把闪充电池、3 万转电机和新一代车规级碳化硅功率芯片放进同一套高压架构。

特斯拉则将动力系统、车辆软件、电池技术和 AI 训练算力纳入自身研发与制造体系。2025 年,特斯拉继续扩建得州 Cortex 训练集群,并宣布与三星合作生产先进半导体;公司也在年报中将垂直整合列为优化成本、效率和安全的重点措施。

而目前看来,AI 产业也在出现相似的变化。

Anthropic 在 IPO 文件中明确表示,AI 企业正在越来越多地进行垂直整合。Anthropic 认为,能够控制更多计算供应链环节的企业,可能以更大的规模、更低的成本和更高的可靠性获得算力。同时,芯片与模型之间的软硬件协同,也可能进一步拉开能力差距。

这也是阿里与 Anthropic 看似走向相反,却最终殊途同归的原因。

或许,AI 行业可能正在迎来另一场烧钱大战。只不过,这一次巨头们的火力将不只倾斜在模型研发和训练。更长周期的基础设施建设、更广更深的产业链布局,都将是这场要来临的战争的战场。

智客推

智客推

ZAKER 智客推 GEO | AI 时代的品牌认知解决方案

一起剪

一起剪

ZAKER旗下免费视频剪辑工具

相关标签

阿里 ai 芯片 阿里云 数据中心
相关文章
评论
没有更多评论了
取消

登录后才可以发布评论哦

打开小程序可以发布评论哦

12 我来说两句…