长江计算机AI沉思录三：模型走向智能扩散与ROI突围及Anthropic复盘

一、核心要点

1. 公司背景与优势：Anthropic 脱胎于 OpenAI，核心优势在于模型安全性、可解释性，coding 能力全球领先。通过聚焦 ToB、强化 coding 能力形成数据飞轮与产品飞轮。
2. 产品策略：产品聚焦底层模型集成到各场景工作流，过去 1-2 年 ARR 由 coding 驱动，当前需横向拓展办公、金融、AI 制药等场景以维持增长斜率。
3. 场景落地：金融场景落地快、ROI 清晰、付费意愿强；AI 制药属于 AI Science 细分，能带来分子设计与蛋白合成环节的增量，是当前重点关注的高价值场景。
4. 模型 ROI：2025 年下半年至 2026 年上半年迎来拐点，单位算力经济性改善，进入正向循环，未来增长将靠高价值工作流分成而非单纯 token 消耗。

二、风险与关注

1. 垂类场景落地挑战：存在认知与能力边界，需高质量数据内化模型能力，目前依赖场景提供类似 coding 的数据飞轮特性。
2. 模型自净化与商业化：模型厂商需持续推进自净化自迭代（RSI），年底或迎相关突破拐点，同时需跟踪 ARR 斜率印证商业化落地情况。
3. 算力投入效率：Anthropic 等头部模型厂商算力储备合计超 80G 瓦，2032 年前完成采购，需关注算力投入的回收效率。

三、投资线索

1. AI Science 中的产资层：包括专门从事 DNA 构建、蛋白表达的玩家，中期订单兑现能见度较高。