跳到正文
Big Technology Podcast(youtube.com)· Alex Kantrowitz·· 3 天前品質評分58

為什麼 Anthropic 將在公開市場取得成功——專訪 Aaron Levie

為什麼 Anthropic 將在公開市場取得成功——專訪 Aaron Levie

重點導讀

Box 執行長 Aaron Levie 認為,Anthropic 的 IPO 會成功,因為 AI 的擴散才剛起步,前沿模型將負責排程更便宜、開放權重的模型,而且推論毛利率與後訓練成本都在改善,儘管存在存續期錯配的風險。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

Podcast 專家音訊節目

收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情

正文

Box 執行長 Aaron Levie 認為,Anthropic 的 IPO 會成功,理由是前沿 AI 的需求還在早期階段,而 Token 消耗量將在程式開發、資安、製造與生命科學等領域全面成長。本集節目大部分時間都在走一遍前沿 AI 經濟與企業採用的多頭論述,IPO 本身與 Gary Marcus 的空頭論點只佔中段一小部分。

Levie 是從市場買方角度發言:Box 把企業工作負載導向前沿模型,而且才剛推出以這些模型為基礎的代理式產品。他先宣告自己不提供投資建議,也拒絕為 Anthropic 股票估價。接下來是他對市場的論證、他接受與駁回的具體反駁,以及 Box 基於這套判斷所做的產品決策。

Anthropic 的營收曲線前所未見,大客戶家數是最有力的證據

Levie 的核心主張是:AI 採用才剛站在擴散曲線的起點,而非終點。他舉使用近前沿模型的企業內部的 Token 消耗量為證,並據此外推:隨著這股趨勢擴散到整體經濟,這些公司的營收規模會大得多。他點出推論的利潤結構與開源權重模型的價格競爭是長期未解的問題,但強調企業採用仍處於非常早期。

他和主持人 Alex Kantrowitz 引用的 Anthropic S-1 資料如下:

指標前期最新期變化
單季營收14 億美元(2025 年 Q3)170 億美元(2026 年 Q3)約 12 倍
年支出 10 萬美元以上的客戶數950 家(截至 2025 年 9 月的季度)11,900 家約 12.5 倍
每 1 美元算力產生的營收0.40 美元(2025 年 Q1)1.72 美元約 4.3 倍

Kantrowitz 提醒,不該期待接下來幾個月再出現一次 12 倍成長。Levie 則認為客戶家數是更有意義的訊號:「如果 AI 沒有產生相當廣泛的實用價值,你根本做不到這個數字。」他要聽眾想像這樣的大客戶達到 5 萬家,以及規模再大 10 倍、每年付 100 萬至 1,000 萬美元的客戶群。

Levie 說,真正該讓人改變看法的是算力營收比。訓練燒錢且不賺錢,但訓練完成後的差異化產品,在當前需求下變現能力很好。一年半前,較多算力投入訓練,推論的獲利較差;如今推論能賺錢,投入訓練的算力佔比反而下降。他的賭注是這個格局會維持下去,前沿能力不會被商品化。

程式開發是灘頭堡,其他領域正逐步「程式化」

對於「AI 只對寫程式有用」這個說法,Levie 的回應是:程式能力正在向鄰近領域擴散,而不是停在原地。一旦代理能操作電腦、寫軟體執行任務、有效使用工具,工程師得到的效益就會轉移到其他地方。他逐一舉例:

  • 製造與產品設計。 設計圖、藍圖、渲染圖與 CAD 檔都將由 Token 生成。他引用一個網路上的例子:Anthropic 的 Fable 5.2 在長時間執行後,從零打造出一套家用音響系統——涵蓋電路設計、機構設計與製造計畫。
  • 資安。 每一行程式碼都由其他代理審查;來自軟體、關鍵基礎設施、IoT 與車輛的每一筆日誌與事件也都由代理審查。他稱這將帶來「大概 100 倍的 Token 成長」。
  • 生命科學與生物研究。 代理叢集分頭驗證假設、互相對照筆記;代理持續掃描病歷,把最新研究對照病患病史做分診。
  • 業務。 開會前由代理叢集研究客戶的組織圖、接觸點與 CRM 銷售管道,讓業務代表的效能提升 5% 至 20%。

底層的結構性論點是:四十多年來,知識工作的產出速度受限於人打字或移動滑鼠的速度,因此數位產出與人力編制、工時、電腦數量及軟體布建成正比。代理打破了這個連結。「你唯一的限制,就是你願意投入多少算力來解決這個問題。」他舉例:一個人用 2 萬美元預算啟動代理叢集,去做 1,000 名研究員的工作,然後回報成功或失敗。這在兩年前技術上做不到,因為錯誤率太高,而且沒人知道這個能力會在 2026 年還是 2040 年到來。

「這是知識工作史上第一次,我投入系統的時間與精力,和我從系統得到的價值,完全脫鉤。」

Kantrowitz 用一個具體的失敗案例反駁:他剪 podcast 音檔需要移除呼吸聲,但工具無法可靠分辨呼吸聲與說話聲。Levie 的回應是,這是市場規模(TAM)的問題——可能只有一萬人在意,所以實驗室不會為此訓練模型;反觀資安或 CAD 有數兆美元的經濟價值,自然吸引 RL 資料與新創生態系。他建議 Kantrowitz 建立一個「呼吸聲基準」來追蹤各模型的表現,也承認隨著模型操作電腦的能力進步,這個任務可能在一兩年內順帶被解決。

前沿模型負責統籌,便宜模型負責執行,兩邊的帳單都變高

談到商品化,Levie 說現在已有大約一年的開源權重模型實證,使用 OpenRouter 這類路由工具的時間也差不多。模式是水漲船高:前沿模型先找到下一個應用場景,便宜模型再把長尾部分大量做完。他舉了一個具體算例:一次代理式稽核若只用前沿模型要花 10 萬美元,前沿加便宜模型則降到 2.5 萬美元,而市場成交價是 3.5 萬美元——於是這項任務第一次被執行,原本不會產生的 Token 消耗也出現了。這就是傑文斯悖論(Jevons Paradox)的情境。

他描述的資安代理架構如下:

flowchart TD
    A["前沿模型(例如 Fable 5.2)"] --> B["扮演資安研究員,擬定計畫並做判斷"]
    B --> C["把任務分派到數百萬份日誌檔"]
    C --> D["便宜或開源權重模型負責分類與摘要事件"]
    D --> E["前沿模型審閱輸出並做決策"]
    E --> F["前沿與便宜生態系的支出雙雙上升"]

他的結論是:「在那個情境下,百分之百」Anthropic 的支出會增加,而所有模型的總支出增加更多,因為這些系統會部署到所有地方。

空頭論點歸結為一個問題:成長能不能撐住?

Kantrowitz 轉述 Gary Marcus 本週稍早受訪時提出的三點反駁,Levie 逐一回應。

債務與未來負債(約 9,000 億美元,Kantrowitz 稱其中約 80% 不可取消)。 Levie 把它歸類為「買基礎設施本來就是這樣」。如果你相信營收論述,這些承諾沒問題;如果不信,公司就會爆掉。一切取決於成長假設。

刷 Token 衝量與成長減速(營收 Q1 到 Q2 成長 147%,Q2 到 Q3 降為 47%)。 Levie 懷疑刷 Token 有多大影響。他說那大概只是排行榜讓它流行起來的兩週現象,並不是 800 億美元以上營收規模的核心驅動力。

報酬遞減與適用範圍變窄。 他不接受這個前提。某個領域的後訓練進展,可能只需數百萬美元的 RL 資料與算力,而非數百億美元。直到今年夏天,大約 90% 的後訓練資源都投入程式任務;資安、生科、法律、製造、產品設計與 CAD 全都還沒開始。數學可能是最難變現的領域。上述每一個 TAM 都代表至少一兆美元的全球經濟活動,而拿下 TAM 的 10% 至 20%、同時生產力提升 50% 至 300%,是合理的推估。光資安一項,他就點名 CrowdStrike、Palo Alto Networks、Okta、Fortinet、Check Point、SentinelOne、Zscaler,再加上微軟與 Google 的市佔,合計約 5,000 億美元、幾乎全是前 AI 時代的營收——他說這個類別可能再大兩倍,另外還加上數千億美元的推論營收。

Kantrowitz 補充一個期間錯配的風險:這些產業要花好幾年才會改變,資金可能先燒完。他舉 OpenAI 最近的募資為例,原本尋求約 300 億美元,據報導最終只以低於目標的估值募到約 110 億美元;Levie 指出這輪募資還沒結束。Levie 認為這個情境「百分之百」可能發生,並明確收回他剛才差點說出口的機率數字。他的反駁是:他看不到閒置的算力——他每個部署推論的朋友都先撞到算力上限——而懷疑論者通常從「模型沒什麼用」這個前提出發,他不認同這個前提。「這些東西實際上超級有用。」

Box 把產品押在同一個論述上

Levie 的樂觀有一部分來自親身經驗。在 Box Works 大會上,Box 發表了 Architect,這是一個能設計整套企業工作流程、而非只是嵌入既有流程的代理。Box 既有的代理推出約一年,能審閱檔案、回答問題、處理資料,並可放進工作流程中——例如為貸款專員摘要一份貸款檔案供其決策。有了 Fable 5.2 與 Gemini 的「Astra」,Box 判斷只要把工具交給模型,模型就能自行設計工作流程:工作流程引擎、無程式碼應用程式建置器、檔案系統與安全功能。

只要向 Architect 要求一套合約管理系統,它就會用 Box 的基礎元件組出來,因此沒有生成程式碼需要代管或維護,而且會隨著你的工作流程持續改善。Levie 把它定位為第一個能圍繞企業內容管理、自動化與治理工作流程的自主平臺。Box 同時發表了 Box Industries,鎖定銀行、公部門與媒體娛樂業。

模型進步反映在真實工作上,不只是跑分

Levie 說,目前這一批模型——Fable 5.2、Gemini 的 Carbon,以及 OpenAI 接下來要推出的東西——給人的感覺一致:推理能力更強、程式能力大幅提升,對使用者真正想達成什麼有更細膩的判斷。他形容這「有點毛骨悚然」。

他個人的測試方式是做產品原型。一年前他得下很重的提示,介面出來還是很糟。現在他同時開五到十個分頁、兩三個應用程式在做原型。他描述自己要求模型先研究 20 家公司(有些跟 Box 無關),再設計一套企業體驗,結果做出任何產品經理都做不到的東西——沒有哪個 PM 能讀完 25 家公司的檔案,還把產業外的趨勢串起來。他稱這個結果實質上就是一個超級智慧,做了無窮無盡的研究,並說對採用的人而言,這將改變軟體的打造方式。他也特別提到 Google 的發布節奏令人意外,說他們顯然已進入飛輪狀態。

綜合來看:多頭論述賭的是擴散速度,不是 Anthropic 本身

Levie 的論證其實不依賴 Anthropic 勝出。它依賴的是:前沿模型持續扮演統籌者、便宜模型吸收長尾、代理式工作負載讓 Token 支出倍增,以及擴散能在資金撐得住的時間內觸及軟體以外的產業。尚未化解的張力在於時機:Levie 承認期間錯配完全可能發生,每次建設潮都有人爆掉,但他的證據來自矽谷的部署與 Box 自身的使用情況——這正是判斷銀行、製造與公部門能否及時採用的最不具代表性的樣本。他也不願為股票估價,只說自己會買一些,就像他當年買 SpaceX 一樣。該盯的指標是年支出 10 萬美元以上的客戶家數,以及當訓練再次吃掉更大算力佔比時,每美元算力營收比能不能撐住。

來源: Big Technology Podcast (youtube.com)
開啟原文

讀者討論

理性交流 · 即時討論