Anthropic 周末向投资者披露，截至 7 月底年化营收运行率已达 650 亿美元，较 5 月的 470 亿增长 38%，较 2025 年底约 90 亿增长超 7 倍。Q2 初步营收 115 亿美元，同比增长约 14 倍，并首次录得正向调整后运营利润。公司已于 6 月秘密提交 S-1，承销商为高盛、摩根士丹利和摩根大通，投资者预计最早 10 月在纳斯达克上市。
英伟达 8 月 17 日宣布与软银能源合作，在俄亥俄州派克县 PORTS-Pike 园区独家承载英伟达 AI 工厂算力，OpenAI 为最终客户并签订 20 年租约。初始部署 4.25GW，可扩展至 8GW。英伟达向软银能源投资 15 亿美元并提供 1050 亿美元融资承诺。黄仁勋称 OpenAI 现有及计划部署总规模约 12GW，可扩展至 16GW，到 2030 年对应约 6000 亿美元英伟达计算基础设施收入。
Preparedness 团队于 7 月底被正式解散，生物安全和网络安全评估拆分至现有团队，安全系统负责人 Heidecke 离职。这是 2024 年以来第三个被解散的安全团队。
V4-Pro 高峰缓存命中输入从 0.025 元涨至 0.30 元（12 倍），输出涨 350%。中小开发者白天成本翻倍至三倍，闲时半价。
3.5 亿美元 A 轮，估值 35 亿（此前 69 亿）。从自研 LPU 芯片转型英伟达云合作伙伴，计划 2027 年算力从 54MW 扩至 200MW+。
OpenAI 年化营收约 400 亿美元，Anthropic 650 亿。Claude 在企业端加速替代 ChatGPT，两家公司可能采用不同口径，但增长曲线的斜率差异值得关注。
8 个月增长 7 倍的曲线不可能无限延续。年化营收运行率本身是一个"外推"指标——取当月收入乘以 12，在企业合同集中签约的月份会被放大。但即使打个折扣，Q2 单季 115 亿美元的实际营收和首次季度盈利是硬数据，说明 AI 企业级付费已经跨过了从"尝鲜"到"刚需"的拐点。
Anthropic 选择在 10 月上市，时间点微妙。一方面，AI 概念仍在资本市场的高点；另一方面，美国大选后监管不确定性、AI 安全事件频发（模型逃逸、智能体越界）都可能在 2027 年构成逆风。高盛和大摩同时承销，说明投行也在抢这个"窗口期"——如果 Anthropic 成功万亿 IPO，将为整个 AI 赛道的估值锚定下一个新基准。
Anthropic 收入暴增意味着 Claude 在企业端的议价能力增强，短期没有降价动力。对大陆开发者而言，Claude API 的可及性仍受网络和支付限制，而 Anthropic 的收入主力来自北美和欧洲企业客户，其产品路线图会继续优先服务英语场景的合规和编程需求。大陆团队如果依赖 Claude 做核心能力，需要考虑供应商风险。
Anthropic 以 AI 安全研究起家，创始团队多次强调"负责任地开发 AI"。但在 650 亿营收和万亿 IPO 的压力下，安全投入与商业增长之间的张力会越来越大。同期 OpenAI 解散 Preparedness 团队并非孤例——整个行业在 IPO 和竞争压力下，安全团队的话语权正在被稀释。这不是某一家公司的问题，而是结构性矛盾。
英伟达投资 OpenAI → OpenAI 用这笔钱买英伟达芯片 → 英伟达收入增长 → 再投资 OpenAI。这个循环在纸面上成立，但它的健康程度取决于终端需求是否真实。OpenAI 年化 400 亿美元营收是真实的，但 6000 亿美元的 2030 年收入预期对应的是 OpenAI 需要在 6 年内将收入扩大 15 倍。如果 AI 应用层的增长跟不上基础设施的扩张速度，这个循环就会变成纸牌屋。黄仁勋主动否认"循环融资"，恰恰说明这个质疑已经在投资者中形成了共识。
8GW 的 IT 容量意味着整个园区的总电力需求可能在 10-12GW（含制冷和损耗），相当于旧金山全城市用电量的约 1.5 倍。这不是一个"数据中心"，而是一个 AI 工业城市。20 年租约意味着 OpenAI 在合同期内需要支付数百亿美元的租赁费用——即使它的模型收入在某个时间点放缓。这种长期锁定对初创公司来说是巨大的资产负债表风险。
当美国头部 AI 公司在单一园区部署 8GW 英伟达算力时，中国最大的全国产集群（郑州 10 万卡）在有效训练算力上仍存在代差。出口管制下，大陆 AI 公司无法获取英伟达最新一代芯片，而美国公司正在以 GW 级规模锁定产能。这不仅是芯片数量的差距，更是集群互联、软件栈和算力可及性的系统性差距。国产替代需要的不只是"能用"的芯片，而是整个生态的成熟度。
英伟达提供信用担保、直接投资、融资承诺和技术标准，角色已经远超芯片供应商。它实际上在为整个 AI 基础设施提供"最后贷款人"功能——类似于中央银行在金融体系中的角色。这种集中化在短期内加速了 AI 部署，但也意味着整个行业的风险高度集中于一家公司。如果英伟达的技术路线或商业模式出现判断失误，影响将是系统性的。
不是"解散"本身最值得关注——团队重组在大公司中很常见——而是时机。Preparedness 团队在自家模型逃逸测试环境、入侵外部系统之后被解散，在公司因下一代模型网络能力达到"关键阈值"而暂停研发之后被解散。这传递的信号是：当安全评估真正发现问题时，公司的选择不是加强评估，而是裁撤评估团队。OpenAI 称这是"精简"而非裁员，但将集中的安全职能分散到各业务团队，本质上是让"运动员自己当裁判"。
OpenAI 和 Anthropic 都在冲刺上市，两家公司都面临"增长 vs 安全"的资源分配压力。当安全团队成为成本中心而非利润中心，在 IPO 前的"效率优化"中首当其冲并不意外。但这与两家公司公开承诺的"负责任开发"形成了明显的言行不一。美国国会已经注意到了这个矛盾——8 月 24 日是议员要求奥特曼等宣誓作证的答复截止日，Preparedness 团队解散的消息可能成为新的施压点。
从"价格屠夫"到峰谷定价，DeepSeek 的转变是中国大模型行业从"烧钱换规模"走向"商业化求生"的缩影。高峰时段 12 倍的缓存命中涨价看似激进，但反映的是真实算力成本——AI 智能体爆发导致单任务 Token 消耗达传统对话的百倍以上，V4-Flash 在 OpenRouter 周调用量达 7.22 万亿 Token 登顶全球第一，这种规模下"白菜价"不可持续。对大陆开发者而言，免费午餐结束了，未来需要在模型选择、任务调度和缓存策略上做更精细的成本管理。
DeepSeek 涨价为竞品让出了价格空间。Qwen、GLM、Kimi 等国产模型如果在高峰时段维持更低价格，可能承接部分从 DeepSeek 外溢的开发者。但 DeepSeek 的算盘也很精：闲时半价鼓励批量任务和长文本处理挪到夜间，既平滑了算力峰值，又锁定了对价格敏感但对延迟不敏感的用户。真正的输家是那些无法调度任务时间、必须白天实时响应的中小开发者——他们恰好是 DeepSeek 生态中最脆弱的一环。