万亿美元的考卷:Anthropic上市与AI重新定价|甲子光年
搜狐财经·2026-11-20 09:15

文章核心观点 - Anthropic以史诗级IPO登陆纳斯达克,成为首家以模型公司身份进入美股市值前十的企业,但其首日股价开盘即巅峰、随后一路下调,成交均价高于收盘价约6美元,首日二级市场买入者平均账面亏损约6% [3] - Anthropic上市的核心意义在于前沿AI企业首次接受公开市场定价,估值完成真相揭晓,但其万亿级市值由少量流通筹码决定,流通股比例仅约6.3%,稀缺筹码放大买盘冲击推高交易估值 [5] - Anthropic IPO未向中资开放认购,长远看可能使全球AI资本池割裂,中美AI估值可参考性进一步降低,国内AI产业更可能走向自有生态体系、价值需重新标定 [6][7] Anthropic IPO定价与首日表现 - Anthropic于美东时间2026年11月19日上午在纳斯达克敲钟上市,开盘报价111.50美元,较发行价83美元上涨34.3%,盘中最高触及114.99美元、涨幅扩大至约38.5% [2][3] - 收盘时股价较开盘涨幅跌去一半,但仍比发行价上涨17.1%,当天成交均价约103.2美元,比收盘价97.17美元高出6美元 [3] - 定价经历拉锯调整:今年8月外界传出IPO目标估值2万亿美元,11月初路演阶段预期下调、发行价区间70至78美元,对应估值一度落到9160亿至1.02万亿美元(完全稀释对应估值1.3万亿至1.4万亿美元),最终11月18日正式定价每股83.00美元、对应市值约1.5万亿美元 [3] - 按1.5万亿美元市值计算,Anthropic大约能进美股市值榜前十、与特斯拉接近,市值高于它的公司大部分是其上下游,英伟达、博通、台积电、SpaceX提供算力,微软、谷歌、亚马逊为合作云平台 [4] 募资规模与流通盘结构 - Anthropic通过IPO募集813亿美元,谷歌、英伟达、AMD、微软等七家公司参与260亿美元私募配售(N类股),合计募集1073亿美元,募资额度打破全球IPO历史记录 [4] - 本次IPO发行8.25亿股,流通股比例约6.3%,初始流通盘占比相对较低,万亿级账面市值和涨幅由少量可交易筹码的成交价决定 [5] - 260亿美元的N类股不在大盘流通,进一步压缩首日可自由交易的筹码 [5] 首日市场情绪与板块联动 - Anthropic首日表现并未缓解近一周市场对AI的低沉情绪,当天美股开盘后道指、纳指、标普500三大股指高开低走 [4] - 盘初集体大涨的算力、芯片股相继走低,AMD大跌超7%,ARM、德州仪器、台积电均下跌,谷歌、英伟达、亚马逊等Anthropic合作客户也均下跌超过3% [4] 中资认购限制与中美AI资本割裂 - 11月13日彭博社报道,Anthropic IPO国际分销协调人花旗已通知承销团,不向中国内地和中国香港投资者开放认购 [6] - 该规定短期不会对认购热情带来实质影响,但长远看若成为惯例,可能使全球AI资本池割裂,中国资本和美国资本在AI投资上的协同性下降,两边AI企业估值可参考性进一步降低 [6] - 过去国内一级市场给国内大模型估值时常拿Anthropic、OpenAI的市销率按一定折扣换算,如今这套换算公式越来越难执行:中美AI企业在算力效率、算力成本上的差异在加大,国内AI企业收入规模与Anthropic差异巨大,直接套用后者倍数失去可比性,资本层面联系减弱更让估值修正变难 [6] Anthropic的技术与商业化路径 - Anthropic在技术上并无真正的基础模型架构创新,遵循的仍是GPT底层技术范式,团队来自OpenAI,其做对的最重要一件事是聚焦,只做大语言单模态、不做多模态生成,coding是语言的延伸并通向to B商业化价值 [9] - coding最重要的一点是数据容易闭环、生成结果可直接验证,促成其最高效落地,而视频或多模态生成目前还很难形成这样的闭环 [9] - Anthropic不做开源,其智能体直接面向终端用户、自身就是一个巨大的应用,赌的是AI不需要生态、AI就是它自己,这条路若走对就不存在AI应用这一层,但若最后证明开源生态才是对的,它没有好的开源版本也不做生态就会处于不利位置 [9] 中美AI估值参照性减弱 - 表面看Anthropic上市后有了流动性、可直接参考其定价,但实际不一定准,因为中国没有一家公司能跟它真正完全对标 [10] - 收入性质不同:Anthropic模型纯闭源、主要卖Token、经济模型简单,中国几家大模型公司是开源的,云厂商和用户可下载本地部署、Token不一定经过模型公司,双方增长曲线不一样 [10] - 客户付费能力差距大,美国SaaS生态更成熟,客户会定期、大量地用其写代码,收入可持续性好 [11] - 参考倍数有前提:收入构成、数据获取、算力成本都需类似,若这些假设不成立参考就很难准确;按相同口径对标简单比下来,国内公司可能反而显得贵一些 [12][13] - 中美AI呈现解耦下的收敛:十多年前高度耦合,现在很多旧钩子脱开,但各自解耦体系下又有新钩子合上,方向越来越一样;大语言模型算法已比较稳定、数据和算力两侧越来越分开,Physical AI算法仍在高速迭代、两边交流更紧密,具身数据侧美国反而更依赖中国 [12] 国内AI估值逻辑与模型能力 - 对国内模型的估值应回到第一性原理,核心是模型研发能力,模型能力跟不上好几代客户就不会买账,然后才谈商业化、上下游打通、产业协同 [14] - 模型能力是系统工程,数据、算力、算法三要素都要持续跟得上,算力要渐渐依靠国产芯片、需要整个产业跟得上;算法上国内模型如智谱、DeepSeek用的仍是GPT范式,该范式2022年后无巨大变化、更多是工程优化且已遇瓶颈,美国有几家公司正找下一个模型范式如递归自我改进方向,底气是大量算力和数据 [14] - 国内AI企业估值可能经历一轮先降后升的过程,短期有许多困难、长期成长性也比较大 [14] - 收入质量是结果,更多取决于产品和研发能力而非商业手段,销售和渠道只能带来线性增长、产品能力提升才能带来指数增长,对中国公司最大的压力是能否匹配美国SOTA模型当前能力 [14][15] - 大模型公司处在一二级之间、仍在持续高速研发,某个版本发布慢一点就会影响收入,竞争对手模型强一些收入可能马上转过去、客户忠诚度并不高,只看今天收入意义不大 [15] 投资定价逻辑与评估框架 - AI之前美元基金偏消费To C、关注流量日活月活,人民币基金偏先进制造、更看财务,但AI这一波两套方法都有点失效,AI公司财务难看、没有多少DAU可看、底层技术仍高速迭代,投AI基本都会回到硅谷最早投科技的逻辑:看技术本质、看团队有没有能力持续提升模型能力 [16] - Physical AI同样按模型能力定价,机器人领域有Action Token,AI for Science把化学、生物数据Tokenize,视频本质也是语言之外的一种Token [16] - 对中国AI项目的投资逻辑要更新,评估回到AI三要素:数据能力第一、算力上能否做极致优化、算法上有没有创新 [16] - 中美评估框架会趋同但结果会不同,如都看数据能力但实现方式不一样;评估美国公司不宜把硬件权重调得太高,评估中国公司则可更看重硬件能力;计算芯片上对国内厂商的期待是在相对弱一些的国产算力上做极致优化、看算力能否齐平甚至赶超 [17][18] - Physical AI数据采集和硬件强相关,数采工具如数采手套、头戴摄像头恰是中国的优势,加上劳动力成本优势,合成数据不可能完全替代人工采集、总要有human in the loop [17] - 积极一面是创业和投资会更长期主义、更重视底层技术驱动,AI本身已有很强的商业化验证,Anthropic收入已很惊人但仍在高速迭代,更需要底层驱动思维做投资评估,创业者和投资机构都要告别短期思维 [18] - 最大风险是失败率高、技术路线来回变,Physical AI从VLA路线到世界模型再到Astra展现直接控制机器人能力,每条路都有可能但押错代价很大;即便很前沿的大模型公司也可能说落伍就落伍,美国已有大模型公司减少新模型版本训练,真正自己训大模型的公司比以前少,数据、算力、算法任何一环撑不住最终就会被淘汰 [19]

万亿美元的考卷:Anthropic上市与AI重新定价|甲子光年 - Reportify