发现商业评论 旗下
洞察商业 启迪未来

硅谷AI变局:卡帕西转投Anthropic,马斯克孙正义算力博弈谁主沉浮

   时间:2026-05-21 20:06 来源:天脉网作者:沈瑾瑜

硅谷的AI领域正经历一场前所未有的震荡。两条震撼业界的消息几乎同时传出:Anthropic预计在本季度实现109亿美元销售额,首次实现季度盈利;而OpenAI则加速推进首次公开募股(IPO),计划在未来几周内秘密提交招股书,秋季正式上市,估值有望突破万亿美元大关。消息公布后,软银集团股价单日飙升近20%,市值增加约2400亿元人民币。

OpenAI如今已是资本市场规模最大的AI公司,刚刚以8520亿美元估值完成1220亿美元融资。日本软银的孙正义不顾内部反对,将超过600亿美元集中投入OpenAI。然而,公司内部却呈现另一番景象:当年在简陋办公室签署初创协议的11位联合创始人,如今仅剩CEO萨姆·奥特曼(Sam Altman)和总裁格雷格·布罗克曼(Greg Brockman)两人留守。资本的疯狂涌入与核心创始人的持续流失,折射出AI行业在商业化道路上的深刻矛盾。

卡帕西的选择之所以引发关注,源于他在AI领域的特殊地位。这位39岁的技术领袖,斯坦福博士期间师从李飞飞,参与创建该校首个深度学习课程。2017年,时任OpenAI董事的马斯克绕过管理层,直接将他挖至特斯拉,负责自动驾驶视觉方向。在特斯拉的五年间,卡帕西从零构建了自动驾驶工程体系,包括组建数据标注团队、将神经网络部署至特斯拉自研芯片,并带火了"Vibe Coding"这一编程理念。2023年短暂回归OpenAI后,他如今选择加入Anthropic的预训练团队,致力于用Claude模型加速下一代大模型训练。

这一技术路线选择具有战略意义。当前OpenAI训练大模型主要依赖堆砌算力——大量英伟达GPU同时运转,本质是比拼资金实力。卡帕西在Anthropic的探索方向则是让模型参与训练过程本身,若能成功,将大幅降低训练成本。这种转变暗示着:单纯依靠烧钱堆算力的模式已接近极限,用模型辅助训练才是更可持续的发展路径。

OpenAI的困境在财务数据中显露无遗。尽管截至2026年2月年化营收突破250亿美元,但算力成本增长更快。据路透社援引知情人士预测,OpenAI可能在2026年亏损140亿美元,直到2029年才有望实现现金流转正。为控制亏损,公司已开始裁撤不赚钱业务:Sora视频项目因每日烧掉约100万美元服务器成本且用户增长不及预期,于今年3月关停;2025年成立的OpenAI for Science科学事业部也被拆分并入其他产品线。这些调整既是为2025年转型"公共利益公司(PBC)"的合规要求,也是为IPO铺路,但却让技术理想主义者感到失望。

软银的豪赌在此背景下显得尤为冒险。过去一年,软银通过多种渠道向OpenAI投入超600亿美元,为此不惜出售英伟达等资产,愿景基金裁员20%以集中资源。内部高管普遍担忧重蹈WeWork覆辙——当年孙正义因看好WeWork商业故事亏损上百亿美元。有内部人士用"starstruck"形容孙正义对奥特曼的态度,与当年对待WeWork创始人如出一辙。尽管如此,OpenAI IPO消息传出后,软银市值单日暴涨2400亿元,至少在短期内证明这笔赌注尚未失败。

在这场博弈中,马斯克始终是最活跃的变量。作为OpenAI最早的联合创始人之一,他如今已成为最直接的竞争对手。今年5月,马斯克起诉OpenAI背离初衷的官司虽因诉讼时效败诉,但庭审披露的信息显示:当年主张将OpenAI转为营利公司的正是马斯克本人——他计算过火星殖民计划需要约800亿美元,掌控AGI公司是筹钱途径。未获控制权后,他选择退出并挖走卡帕西。官司失利后,马斯克迅速在算力层面发起反击:5月初宣布将xAI并入SpaceX,随后将位于田纳西州孟菲斯、装备22万张英伟达GPU的Colossus 1算力中心整体租给Anthropic,租约总金额达400亿至450亿美元。几个月前还在社交平台公开称Anthropic"反人类且邪恶"的马斯克,此刻已为商业利益调整立场。

充足的算力供给成为Anthropic反超的关键。2026年4月,该公司宣布年化营收突破300亿美元,首次超过OpenAI的250亿美元。到5月21日,《华尔街日报》进一步披露,Anthropic有望在第二季度实现109亿美元销售额并首次季度盈利——这一成绩Salesforce用了二十多年才达成,而Anthropic成立至今不足五年。更关键的是成本控制:Anthropic产品线集中于企业级代码生成和智能体,未涉足C端视频生成等领域,模型训练成本仅为OpenAI的四分之一。营收更高、支出更低的商业模式,对长期从事工程落地的卡帕西具有强大吸引力。

这场竞争揭示出AI行业的残酷现实:大模型底层训练的门槛已高不可攀,普通创业者难以在通用模型领域立足。更务实的路径要么像Anthropic那样聚焦B端具体场景——如用AI解决代码生成这类有明确付费意愿的工作流;要么在AI辅助训练、合成数据等细分领域寻找机会。算力成本已成为决定生死的基本因素,这是每个参与者都必须算清的最基础账目。

 
 
更多>同类内容
全站最新
热门内容