Anthropic 只花對手十分之一的錢，為什麼還能贏？

本文整理自 CNBC Television 2026 年 1 月播出的專訪。

一千億美元對上一兆四千億美元。這是 Anthropic 與 OpenAI 目前在算力投資承諾上的差距——將近十四倍。但如果你問業界人士，哪家公司的模型在過去兩年最常被認為是「最強」，答案經常是 Anthropic 的 Claude。這個數字與結果之間的落差，正是 Anthropic 總裁 Daniela Amodei 在 CNBC 專訪中最想解釋的事。

用更少資源做更多事

Daniela Amodei 是 Anthropic 的共同創辦人暨總裁，負責公司營運、業務發展與客戶關係。她的哥哥 Dario Amodei 是執行長，專注於技術願景。在這場訪談中，Daniela 坦承 Anthropic 的算力資源「一直只有競爭對手的一小部分」，但她認為這反而成為公司的核心優勢。

「我們一直都只有競爭對手的一小部分算力和資金，」Daniela 說，「但過去幾年，我們幾乎持續擁有最強大、最高效能的模型。我認為這要歸功於團隊的素質，以及我們的心態——用更少資源做更多事，這一直是 Anthropic 的核心價值。」

這種「節儉」並非被動的選擇。當其他公司在搶購每一張可得的 GPU 時，Anthropic 把精力放在提升訓練效率上。他們的團隊規模相對精簡，但成員多半來自 OpenAI、Google Brain 等頂尖實驗室，在大型模型訓練上有豐富經驗。Dario 本人就是 Scaling Laws（規模定律）研究的先驅之一，這讓團隊對「什麼樣的投資能帶來最大回報」有比較清晰的判斷。

AI 泡沫？技術面與商業面要分開看

當主持人直接問「我們是否身處 AI 泡沫中」，Daniela 給了一個有層次的回答。她認為這個問題必須拆成兩個面向來看：技術進步的速度，以及商業落地的速度。

在技術面上，她的態度非常明確：「從純技術的角度，我們沒有看到進步放緩的跡象。根據我們目前觀察到的一切，模型持續以相當可預測的速度變得更好、更快。」這呼應了 Anthropic 長期以來對 Scaling Laws 的信念——投入更多運算資源，模型表現就會以可預測的方式提升。Daniela 提到，她的技術同事們經常說「指數成長會持續，直到它不再持續」，而每一年他們都以為成長會趨緩，結果每一年都沒有。

但商業面是另一回事。「不管技術有多好，要在企業或個人情境中真正應用，都需要時間，」Daniela 說。她舉例，即使下一代的 Claude 模型（Claude 5、Claude 6）比前一代進步同樣的幅度，但企業要在組織內部導入這項技術，可能會因為「人的因素」而遇到瓶頸。變革管理需要時間，採購流程很複雜，沒有人能事先知道所有的應用場景。

這段分析很務實。過去一年，我們看到太多「AI 將取代一切」的敘事，但實際上，大多數企業還在摸索怎麼把 LLM 整合進現有工作流程。技術的指數成長與商業採用的線性速度之間，存在一個可能被高估的落差。

產業集中的隱憂

訪談中有一段對話特別值得注意。當被問到「我們是否在模型供應商或硬體供應鏈上過度投資」時，Daniela 沒有直接回答是或否，而是指出一個更根本的問題：這個產業的參與者數量非常少。

「數字規模很大，但實際的參與者數量非常小。我不太確定該怎麼解讀這件事，」她說。「我們目前看到的是，更好的硬體能帶來很高的回報，擁有稍微更好的模型也能帶來很高的回報。我不一定會說這是過度投資，但如果供應鏈中的某一環出了問題，會發生什麼事——這是一個很值得思考的問題。」

這是一個少見的坦誠觀察。目前 AI 產業的算力供應高度集中在 NVIDIA，模型開發集中在少數幾家實驗室，雲端服務集中在三大巨頭。這種結構在順風時能帶來高效率，但一旦某個環節出問題——無論是晶片供應中斷、某家實驗室的技術路線失敗，或是監管政策變化——整個產業都可能受到連鎖影響。

Anthropic 的生存策略

面對可能的市場修正，Anthropic 的策略是什麼？Daniela 的回答是：不管市場怎麼變，都要當一個「負責任的資本管家」。

「我們有相當可靠的預測，知道我們預期的模型品質會是什麼樣子、訓練這些模型需要多少算力、服務客戶需要多少推論算力，以及我們預期能為客戶創造的價值，」她說。「我希望不管市場發生什麼事，作為一個負責任的企業，我們都能處於一個好的位置。」

這段話透露的訊息是：Anthropic 不打算靠燒錢搶市佔率，而是要建立一個在各種情境下都能存活的商業模式。這與許多 AI 新創「先衝規模、再談獲利」的策略形成對比。

當然，這種策略也有風險。如果競爭對手的大規模投資真的轉化為顯著的技術領先，Anthropic 的「節儉」可能變成劣勢。但從目前的結果來看，他們的賭注似乎是對的——至少到目前為止。

給我們的啟示

Daniela 的這番話，對正在觀察 AI 產業的人有幾個值得思考的點。

首先，算力軍備競賽不是唯一的競爭維度。團隊素質、訓練效率、以及對技術路線的判斷，可能比單純的資源投入更重要。這對資源有限的玩家（包括臺灣的企業和研究機構）是個好消息。

其次，技術進步與商業落地是兩回事。即使你相信 AI 技術會持續指數成長，也不代表相關公司的營收會同步成長。中間有一個「人的因素」——組織變革、流程調整、人員訓練——這些都需要時間。

最後，集中風險是真實存在的。當整個產業依賴少數幾個關鍵節點時，任何一個節點的問題都可能造成系統性影響。這不是說要避開 AI 投資，而是要對這種風險有清醒的認知。

Anthropic 能不能繼續用十分之一的資源打贏這場仗？沒人知道。但至少 Daniela 的這番分析，提供了一個不同於「燒錢就是王道」的視角。