6 月 4 日，Anthropic 联合创始人兼总裁 Daniela Amodei 在 Bloomberg Tech Conference 上表示，“训练 AI 模型是一项高度资本密集的业务”，公司已秘密提交 IPO 文件，正是为应对芯片与数据中心持续飙升的成本。[[1]](https://www.bloomberg.com/news/articles/2026-06-04/anthropic-president-cites-high-computing-costs-as-driver-for-ipo)
这一表态并非孤例。Meta 近期多次推迟 Muse Spark 模型 API 上线，显示即使头部玩家也在权衡发布节奏与算力投入。[[2]](https://www.reuters.com/technology/meta-repeatedly-pushes-back-new-ai-model-release-developers-wsj-says-2026-06-04/) 与此同时，Broadcom 财报不及预期后市值单日蒸发超 3000 亿美元，其 CEO Hock Tan 公开表示将减少并购，转向有机 AI 增长，印证算力供应链的资本压力正从实验室传导至整个生态。[[3]](https://www.reuters.com/business/broadcom-tumbles-revenue-miss-clouds-ai-boom-bets-2026-06-04/)
对比 OpenAI 此前依赖微软等战略绑定的路径，Anthropic 选择公开市场融资更像一次主动“解绑”——它既能锁定长期资本，又可通过股权稀释控制债务水平。但这也暴露了闭源实验室的共同困境：模型迭代速度越快，边际资本消耗越高。过去两年，三大实验室主导的融资已创纪录，如今 IPO 成为下一阶段的必然选项。
未来 6-12 个月，关键看首批 AI 公司上市后盈利兑现能力。若 Anthropic 等能用公开市场资金将 TPU/GPU 集群规模化优势转化为实际收入，更多玩家将跟进；若估值回落或监管审查趋严，资本路径分化将加速，边缘玩家或被迫转向开源与垂直代理赛道。
信源：https://www.bloomberg.com/news/articles/2026-06-04/anthropic-president-cites-high-computing-costs-as-driver-for-ipo
