英伟达过去有三条护城河：芯片性能最好，比谷歌的 TPU 灵活，还有工程师熟悉的 CUDA，换平台得重写底层代码。可它的大客户就那么几家，以前嫌重写不划算；现在算力投资动辄几千亿美元，就划算了。当年大云厂商重写软件，性能更好的 AMD 就从英特尔手里抢走了市场。现在谷歌把 TPU 卖给外人，第一单就是 Anthropic。可 ChatGPT 每周八亿多用户，对手只能一个一个抢。护城河深不深，要看买家多少。买家越少越大，越能绕开你，英伟达长期要担心利润变薄。
Anthropic 泄露出来的上市招股书里，去年亚马逊和谷歌两家客户就占了它将近四分之一的收入，而且两家都没有被长期合同绑住。看起来，就连买 AI 最多的大客户，也还没有认定要跟谁。
亚马逊靠电商、谷歌靠搜索和广告、微软靠操作系统，各自打开局面才成了云；Anthropic 的突破口是一批顶尖模型和写代码工具 Claude Code。如今四家都在自己造芯片、借钱建数据中心、开发或转卖模型、管理撑起 AI 的基础设施，所以该把它当云来估值。按华尔街的数字推算，单独的谷歌云约值1万亿到2.3万亿美元；Anthropic 若估1.5万亿到2万亿，就和谷歌云相当，而收入只有它的三分之二，过去一年增长快得多。
在 Ramp 平台上买了写代码 AI 助手的企业里，87% 买的是 Claude Code，比一年前高了56个百分点。在 Artificial Analysis 的智能指数测试里，Claude Opus 5.5 做一道题要5.98美元，OpenAI 的 GPT-6 Astra 是3.26美元，谷歌的 Gemini 4 Argon 是1.99美元。Anthropic 在这块市场上敢定高价，每件活收得比别家都贵。
Anthropic 签下的数据中心和算力承诺达5180亿美元，接近它三季度年化收入670亿美元的8倍，是四家里最多的；亚马逊、微软、谷歌签的大约只有各自年化收入的1到2倍。不过 Anthropic 这个数字口径更宽，算的是约十年里的全部算力义务。增长要靠算力撑，Anthropic 已经提前为此做了安排。
一开始给 Claude 做和其他软件的连接，每一个都得从零重做，没法复用。两位工程师提出把它做成一套公开规则，也就是 MCP：别人做一次连接，Claude 能用，以后 ChatGPT、Gemini 也能用。Anthropic 做的是模型，不是做连接的公司，作为追赶者，别人不会专门为它做连接。做成通用规则后，大家的工作不再白费，连接越来越多，反过来对它有利，这就是让互补品变得便宜的老道理。
Anthropic 同时用亚马逊、谷歌和英伟达三家的芯片。同一批算力既拿来训练模型，也给员工内部用，还用来服务客户，可以随时调换。当年刚开始大规模用谷歌的芯片时，外人觉得它疯了。它花了好几年，连编译器都自己写，才做到这一步。一两年前，突然多来一批杂七杂八的芯片还很难马上用上，现在几乎什么芯片都能很快投用。算力没法今天下单、下周就到，只能对着一两年后的几种可能提前买。真实需求落在别处时，帮上大忙的就是把每块芯片用得更省、更灵活。
过去约两年，Anthropic 融了 750 亿美元，最近和亚马逊、谷歌签下的协议，往后还会再带来 500 亿。这门生意极其吃资本，要靠这些钱撑住增长。但公司本身跑得很有效率，融这么多钱，更多是因为收入可能落在很宽的一段范围里，要为这种不确定留足余地，而不是拿去填亏损。
最初的 GPT-4 在 MMLU 这套考题上大约得了 86.4%，下一个超过它的 Gemini 得了 90%。在这套题上，这是很大的差距，完全能确定两者真不一样，这很有价值。要是一套测试只有 100 道题，结果会很不稳定，误差范围很宽，很多差别都算不上数，很难据此做决定。好的测试要让小差距也有意义，才能顺着有效的方向一步步改；此外还得跑得快、用起来方便。
当年 OpenAI 做 GPT-3 时从 TPU 换到显卡，部分原因是显卡上的 PyTorch 比 TPU 上的 TensorFlow 好用。底层软件可靠，就能快速做实验，很快搭出一整套能跑的系统。如今 Anthropic 用的芯片平台多了，难处恰恰在于要把每个平台上的软件都写好。所以最要紧的，是练出把底层软件写好的本事，让在上面干活的人都用得顺手。
大家自己干活用的还是 MacBook，不是 iPad 或 Chromebook。本地电脑仍然有用，硅谷整体可能低估了它。Claude 要真帮上大忙，就得能用你手上所有的工具。把这些工具一样样搬上云，每个都要授权，还得一直更新授权；就算把你 Chrome 里的登录信息搬上云，很多网站一看同一个登录从两个地方冒出来，就会锁号，你得拿着护照去网点解锁。外面这些眼下还没跟上，所以先把 Claude 放在你干活的那台电脑上。
Anthropic 过去是这一行里最小、钱最少的玩家：没有 Meta 和 Google 那样的现金流和用户渠道，也没有 OpenAI 先发的优势。钱少、规模小、没渠道，路反而清楚了：哪怕手里是一门什么都能干的技术，也只能挑一个很窄的方向，才最有机会冲出去。专注编程和企业客户，一部分就是这么逼出来的；另一部分来自领导层很早就认定编程能加快自家研究。