AI創研成本失控：OpenAI與Anthropic年支開650億美元

根據《華爾街日報》取得的財務文件顯示，人工智慧領域正在經歷前所未有的成本爆炸。訓練模型與推論（inference）所需的費用高達650億美元，這筆金額已遠遠超過兩間公司的營收規模，且預測到2029年將飆升至2500億美元。值得注意的是，此數據來自兩間公司對其私人投資人的財務預測文件，顯示其財務結構正處於極其緊繃的狀態。

訓練成本與推論成本的區分至關重要。訓練成本指開發AI模型所需的高達數百億參數模型的計算資源投入，而推論成本則是模型實際回應使用者查詢時的持續消耗。根據文件顯示，OpenAI預計訓練與推論成本將超越營收直到2029年。

紅海競逐：兩大實驗室與科技巨擘的財務差異

與這兩間專注於AI研發的實驗室形成對比的是，科技巨擘如Google母公司Alphabet與Facebook母公司Meta，其營運現金流足以支撐其AI雄心。根據FactSet數據顯示，這些現金流來自其強健的核心業務，足以支應AI投資。這使得OpenAI與Anthropic在財務結構上與科技巨擘存在本質差異：前者完全依賴外部投資支撐研發，後者則能透過既有業務支應AI投資。

這種財務結構差異在成本控制上產生巨大影響。根據《華爾街日報》分析，NVIDIA等關鍵組件供應商的營收爆增已顯示AI基礎設施的龐大需求，但這對純AI實驗室而言卻是沉重的財務負擔。以Broadcom與Google合作提供的3.5 gigawatts運算容量為例，這筆投入對Anthropic而言無異於龐大支出。

紅海競逐：兩大實驗室與科技巨擘的財務差異（續）

這種財務結構差異在成本控制上產生巨大影響。根據《華爾街日報》分析，NVIDIA等關鍵組件供應商的營收爆增已顯示AI基礎設施的龐大需求，但這對純AI實驗室而言卻是沉重的財務負擔。以Broadcom與Google合作提供的3.5 gigawatts運算容量為例，這筆投入對Anthropic而言無異於龐大支出。

IPO之路：AI巨頭如何說服投資人承擔天價成本

兩間公司的合計估值已達1.2萬億美元，佔S&P 500指數當前市值的2%。這與1997年Amazon上市時4.3億美元的市值形成鮮明對比，當時僅佔S&P 500市值的0.01%。

這種估值差異凸顯出投資人對AI領域的樂觀預期。然而，OpenAI與Anthropic的財務結構與Amazon存在本質差異。Amazon在1997年上市時雖然持續虧損，但其電商業務已具備明確的成長動能，而AI實驗室面臨的則是持續攀升的成本與不確定的商業化時程。根據文件顯示，Anthropic計劃投資2億美元與私募基金合作推動企業AI工具應用，此舉顯示其正積極尋求企業市場的商機。

歷史鏡鑑：從Amazon到當代AI實驗室的燒錢模式

歷史上的科技新創公司如Amazon，其燒錢模式與當代AI實驗室存在明顯差異。Amazon在1997年上市時雖然連續三年虧損，但其電商業務已具備明確的成長軌跡。與之相比，OpenAI與Anthropic的財務結構更為脆弱：根據預測，兩間公司直到2029年才能實現營收與成本的平衡。

這種長期燒錢模式對投資人而言風險極高。根據《華爾街日報》分析，當前AI實驗室的估值遠高於Amazon上市時的規模，但其所承擔的財務壓力卻遠超過去。這種「高估值、高成本」的結構，使得OpenAI與Anthropic的IPO能否成功，將直接影響未來AI產業的發展方向。

未來挑戰：成本控制與商業化壓力

面對持續攀升的成本與不確定的商業化前景，OpenAI與Anthropic的財務策略面臨嚴峻考驗。根據文件顯示，兩間公司都預計要到2029年才能實現營收與成本的平衡，這意味著未來將持續依賴外部投資支撐運作。這種模式能否持續，將取決於AI技術的商業化進度與市場接受度。

值得注意的是，市場對AI領域的樂觀預期正在迅速改變。根據NVIDIA等關鍵組件供應商的營收成長顯示，AI基礎設施的需求已超出預期，但這對純AI實驗室而言卻是成本壓力的來源。如何在維持技術領先的同時控制成本，將是OpenAI與Anthropic能否成功邁向IPO的關鍵。

📰 本文資料來源 • 《華爾街日報》— "The Spiraling Cost of Making AI"