【演講】放慢 AI 前沿的理由都對 Anthropic 有利，Ben Thompson 稱非巧合

Thompson 這篇評論有五個值得說的點：第一，模型能力已經夠用，但產品還沒跟上，形成能力懸空；第二，企業客戶開始用腳投票，模型好不好已經不是唯一選擇標準，產品懸空讓 Anthropic 和 OpenAI 的護城河比想像中窄；第三，定價虛高是因為供不應求，一旦供給追上，定價懸空會讓利潤率急速壓縮；第四，訓練成本龐大，資本燒得快，資本懸空是所有人都不想明說的定時炸彈；第五，網路安全風險是當下最具體的 AI 威脅，但放慢腳步反而對防禦方不利。這五件事合在一起說明的是：Anthropic 喊放慢腳步，每一個理由都剛好對自己有利。

◎模型夠用了，問題是產品還沒到位

Thompson 自己就是重度 AI 寫程式工具用戶，他說過去幾個月靠 agentic AI——也就是能自主規劃，執行多步驟任務的 AI——完成了好幾個軟體專案。他的觀察是：模型能力已經遠超過大多數人日常用得到的程度，但真正有黏性的產品還沒出現。他特別提到 Meta 推出的個人助理產品 Muse，說這是他用過最好的個人 AI 助理，但驅動 Muse 的 Meta 自家模型技術上並不是業界最強——這恰恰說明，能力頂尖不等於產品勝出，而能力夠用就能做出好產品。對 Anthropic 和 OpenAI 來說，這是警訊：繼續把資源押在模型研發，不如把錢拿去做真正抓住用戶的產品。

◎企業客戶已經開始用資料政策選模型，不再只看能力

Anthropic 曾經要求企業客戶同意讓 Anthropic 保留至少一個月的使用資料，才能使用最強的模型。Thompson 當時就批評這是用技術領先逼企業就範。結果呢？企業沒買單，Anthropic 在 Claude 4 之後悄悄取消了這個條款。這個細節對應到管理學者 Clayton Christensen 的整合與模組化理論：當產品夠用了，客戶就不再願意為了取得最頂尖的規格而犧牲其他條件。微軟把旗下 AI 助理 Copilot 的底層模型改成可替換的架構，讓企業自己選要用哪家模型，也是同樣的道理。模型再強，如果不能轉換成讓人離不開的產品，技術領先就不等於商業護城河。

◎現在的高價是供不應求撐起來的，不是真實力

Thompson 說得直白：Anthropic 和 OpenAI 現在的定價之所以高，是因為需求遠超過供給，他們根本不需要削價競爭。中國模型看起來便宜，不是因為技術成本真的低，而是美國這兩家還沒有足夠的算力去壓低售價。問題在於，目前大量算力不是拿去服務客戶，而是拿去訓練新模型，做強化學習和研發。如果放慢研發，這些算力就能轉去服務市場，壓低單價，搶佔更多份額。所以放慢腳步這件事，對財務報表短期內其實是加分的。

◎帳面獲利看起來好看，但訓練成本還沒算進去

Anthropic 對外宣稱本季調整後營業利益為正，毛利率超過八成。Thompson 直接戳破這個數字的前提：這是扣掉股票薪酬之後的數字，而且最關鍵的訓練成本被排除在外。訓練大型模型的費用應該算作折舊，放進去之後數字就完全不同。Anthropic 和 OpenAI 都還需要外部資本持續支撐訓練支出，而整個產業——包括超大型雲端業者——都在賭 AI 營收能在資本燒完之前大幅成長。Thompson 的判斷是：這個賭局如果輸了，傷的不只是這幾家公司。

◎放慢腳步對防禦方不利，對駭客反而是好消息

Thompson 承認 AI 帶來真實的資安風險，但他的邏輯和 Amodei 完全相反。攻擊方只要成功一次就有收益，失敗了也沒損失；防禦方只要失敗一次就是災難，成功了也只是維持現狀。這個不對稱結構意味著，攻擊方有強烈誘因讓 AI 完全自主運作，防禦方卻傾向把人留在決策環節裡。結果就是攻防能力差距越來越大。Thompson 的結論是：對防禦方來說，需要更強的模型，而不是更慢的模型。放慢前沿研發，反而讓這個危險窗口拖得更長。

Thompson 最後說得很清楚：Anthropic 的幾位創辦人當年是因為不信任 Sam Altman 才出走 OpenAI 自立門戶。現在喊著要各家齊步走，別搶跑，時間點剛好是 OpenAI 重新取得技術領先之後。每一個安全理由，都剛好對 Anthropic 的商業處境有利。這不代表安全顧慮是假的，但當一家公司的道德主張和它的財務需求完美重疊，多問一句是應該的。