01 账面巨亏≠亏钱，Dario Amodei 详解「拆模型看盈利」的 AI 生意经 - 传统财报视角中研发支出与亏损被视为业务状况恶化的标志，但 Anthropic 联合创始人提出整体亏损可能掩盖单个模型在其生命周期内的盈利能力，需将每一代模型视为独立「盈利单元」才能评估真实业务健康状况 [5] - 未来 AI 市场将形成 3-6 家同时拥有前沿技术与雄厚资本的超级巨头鼎立格局，技术资本缺一不可 [5] - 模型训练存在资本循环：2023 年投入 1 亿美元训练模型，2024 年产生 2 亿美元收入；2024 年投入 10 亿美元训练下一代模型，2025 年产生 20 亿美元收入，传统损益表会显示亏损持续扩大但实际单代模型盈利 [6][7] - 每代模型应视为独立「初创公司」，前期投入巨大但生命周期内盈利，公司整体因持续研发而账面亏损 [9] - AI 资本周期类似制药巨头管线策略：成功模型触发指数级加注（如 10 倍投入），失败则一次性减值 [9] - 模型训练时机取决于上一代模型数据表现而非固定时间表，Scaling Law 生效时客户愿为 10 倍能力提升支付 10 倍价格 [10][11] - 核心风险并非烧钱速度而是增长极限，只要 Scaling Law 持续生效，资本循环将推动规模利润扩张直至成为终局巨头 [12] 02 当模型从「本科生」跳到「博士生」，客户凭什么立刻掏 10 倍价钱 - 大模型能力跃升引发「资本主义冲动」：技术能力与市场支付意愿的指数关系自然驱动资金、算力、数据投入，形成自增强循环 [13] - 增长兑现内生于模型能力与市场反馈的指数关系，非单纯商业计划结果 [13] 03 为什么真正的 AI 原生界面尚未出现 （注：原文未提供具体内容，仅保留目录标题）