这篇讲的是Anthropic（一家AI公司）的财务负责人聊他们怎么管理算力（就是训练AI用的超级计算机资源）。他认为AI智能的回报还在涨，尤其在企业市场，公司营收从90亿美元猛涨到300亿。他提到三个重点：一是他们同时用亚马逊的Trainium、谷歌的TPUs和英伟达的GPUs三种芯片，每天开会灵活调配；二是公司内部90%以上的代码已经由AI自己写；三是他们故意降价让更多人用，结果用量暴增。
Anthropic CFO Krishna Rao在播客中讨论了公司如何管理算力这一核心资源。他提出“cone of uncertainty”概念，并透露Anthropic在Trainium、TPUs和GPUs三大芯片平台上实现可互换使用，通过每日会议动态分配算力于模型开发、内部使用和客户需求。核心观点是前沿智能（frontier intelligence）的回报持续走高，尤其在企业领域，这解释了为何Anthropic选择自建Claude Code等产品。重要结论包括：规模定律（Scaling Laws）依然成立，模型定价保持稳定，且算力效率的提升是持续驱动力。
Krishna Rao（Anthropic CFO）在播客中深入解析了算力作为公司"生命线"的决策逻辑。他提出"不确定性锥体"（cone of uncertainty）概念，并透露Anthropic在Trainium、TPUs和GPUs三大芯片平台上实现可互换使用，通过每日会议动态分配算力于模型开发、内部使用和客户需求。核心判断：前沿智能（frontier intelligence）的回报持续走高，尤其在企业领域——Anthropic在2026年Q1将年化营收从90亿美元推至300亿美元，这一跃升正是由模型智能跃迁驱动的。
Krishna Rao认为，算力是Anthropic的"生命线"和"画布"，公司通过三大芯片平台的可互换使用实现了行业最高的算力利用效率。
Rao指出，前沿智能的回报在企业领域持续走高，且模型能力是多维度的——不仅是IQ分数，更包括长周期任务、工具使用和代理能力。
Rao确认，规模定律（Scaling Laws）在Anthropic内部"依然活跃且良好"，同时模型效率也在持续提升，形成"双赢"循环。
Rao解释了Anthropic为何选择保持定价稳定而非持续涨价——通过降低价格触发杰文斯悖论，使消费量远超预期增长。
Rao分享了Anthropic财务团队如何成为Claude的"超级用户"，将月度财务审查从数小时压缩至30分钟。
Rao回顾了Anthropic的融资历程，指出投资者最难理解的是算力的"可互换使用"范式——这在传统企业中不存在。
Rao描述了Anthropic独特的文化——七位联合创始人仍在公司，前20-30名员工绝大多数仍在，文化面试是硬性门槛。
Rao列出了可能使公司走向"不确定性锥体"低端的三个风险，同时表达了对生物技术领域最乐观的期待。
| 标的 | 嘉宾态度 | 关键数据 |
|---|---|---|
| Amazon (Trainium) | 看好（深度合作伙伴） | 签署高达5GW的Trainium算力协议，团队与Annapurna Labs深度合作 |
| Google (TPUs) | 看好（深度合作伙伴） | 签署5GW TPU协议（与Broadcom合作），2027年开始交付 |
| NVIDIA (GPUs) | 中性（三大平台之一） | 作为三大芯片平台之一使用 |
| Broadcom | 看好（合作伙伴） | 参与TPU芯片合作 |
| xAI | 中性（短期合作） | 合作使用Memphis的Colossus设施 |
| Meta | 提及（竞争对手） | 曾以更高薪酬挖人，Anthropic仅流失2人 |
| OpenAI | 提及（竞争对手） | 作为前沿实验室被提及 |
| DeepSeek | 提及（市场事件） | Series E首轮交割当天DeepSeek新闻引发市场波动 |
1. "算力不是可变成本，而是可互换利用的资源"（Krishna Rao）——Anthropic在同一天内可将同一芯片从推理切换至模型开发，这种灵活性在传统软件公司或工厂中不存在，是投资者最难理解的核心范式。
2. "前沿智能的回报在企业领域持续走高，并未放缓"（Krishna Rao）——Q1年化营收从90亿跃至300亿，净美元留存率超500%（年化），9家财富10强企业是客户，证明企业采用已从"试点"进入"大规模部署"。
3. "规模定律并未放缓"（Krishna Rao）——尽管公司内部保持科学怀疑态度，但实际数据持续验证规模定律的有效性，且模型效率也在同步提升（Opus 4→4.5→4.6→4.7每代都有token处理效率的倍数提升）。
4. "降低价格触发杰文斯悖论——消费量增长远超预期"（Krishna Rao）——降低Opus 4.5价格后，客户使用量激增，证明定价策略的核心是让客户获得足够价值，而非最大化短期利润。
5. "90%以上的代码由Claude Code编写，Claude Code自身的代码也由Claude Code编写"（Krishna Rao）——递归自我改进已实际发生，模型正在帮助构建下一代模型，这是Anthropic内部算力分配中"模型开发设最低保障线"的根本原因。
6. "天赋密度胜过天赋数量"（Krishna Rao）——当Meta等公司以更高薪酬挖人时，Anthropic仅流失2人，而其他实验室流失数十人，核心在于协作文化和使命驱动。
7. "我们可能生活在一个世界，你被诊断出无法治愈的疾病，但在你有生之年就能找到治疗方法"（Krishna Rao）——生物技术和医疗健康是Rao最乐观的领域，AI在药物发现中"完美适配"，实验室吞吐量提升10倍或100倍可改变全球医疗格局。
8. "不确定性锥体"（Krishna Rao提出的框架）——在指数增长的业务中，月度或周度增长率的微小变化会导致截然不同的复合结果。Anthropic通过场景分析（而非点估计）和低门槛更新先验来应对，并保持算力采购的灵活性以覆盖锥体的上端。