AI导航

Anthropic IPO最大赢家或是亚马逊:62亿美元可转债估值979亿

AI资讯
3 min read
0 次阅读

2026年10月28日,TechCrunch依据Anthropic向美国证券交易委员会提交的S-1文件分析指出,Anthropic上市时,风险投资机构有望赚取数十亿美元,但最大的财务受益方可能是亚马逊。亚马逊持有的可转债本金为62亿美元,亚马逊在自身财报中对这部分持仓的估值是979亿美元。TechCrunch按亚马逊财报统计,算上100亿美元无投票权优先股,亚马逊累计投入约180亿美元。与此同时,S-1文件显示,没有一家风险投资机构的持股达到5%,也就是没有一家进入主要股东名单。

可转债怎么变成近千亿美元

亚马逊自2023年起支持Anthropic,最初承诺最多投资40亿美元,此后陆续加码。TechCrunch的分析写道,亚马逊把大部分投资做成了可转债:这是一种债务,达到约定条件时转为股份。截至2026年6月30日,亚马逊持有的可转债本金为62亿美元,这也是Anthropic账上全部的债务。随着Anthropic估值在连续几轮融资中抬升,这些可转债未来能换成的股份也变得更值钱。

S-1文件还提到,这些可转债最多可转为18.4亿股,但有一项上限:亚马逊的持股不得超过Anthropic“部分稀释后”股本的12%,亚马逊可以放弃这项上限,无法转股的部分继续以债务形式存在,在以后按同样规则转股。估值上升也带来账面影响:Anthropic在2026年上半年把可转债、衍生负债和SAFE公允价值变动计入损益,金额为724亿美元,这笔支出不涉及现金流出。

风投一侧的数字同样不小,只是占比被公司体量摊薄了。Anthropic当时的私人市场估值为9650亿美元,1%的股份就接近100亿美元。按彭博社此前报道的数字,Menlo Ventures约140亿美元的持仓只占公司约1.5%。因此S-1的主要股东表里看不到任何一家持股超过5%的风投机构。

不只是持股,还有上千亿美元的云订单

持股收益之外,亚马逊还从Anthropic的算力支出中获益。S-1文件显示,Anthropic已承诺未来10年在AWS至少消费1100亿美元。谷歌同样深度绑定:谷歌在2025年初持有Anthropic约14%的股份,此后继续投资,包括2026年4月的100亿美元;PitchBook分析师估计,谷歌目前的持股比例已稀释到约5.6%。谷歌还从Anthropic拿到了至少1140亿美元的云服务承诺,期限到2033年。

这种“股东兼供应商”的关系,正是S-1文件自己提醒的风险。文件警告,提供算力的云厂商同时也在开发与之竞争的模型,双方的利益并不总是一致。对Anthropic来说,上市募资是一回事,未来十年要向最大的股东和供应商支付上千亿美元的算力费用,是另一回事。

接下来值得关注什么

对普通投资者而言,这份S-1拆解改变了一个直觉:IPO的最大赢家未必是投得最早的风投,也可能是出钱最多、同时卖算力的战略股东。下一步可以关注招股文件的后续修订、发行定价,以及亚马逊是否放弃12%的持股上限。对Anthropic的用户和开发者来说,更实际的问题是算力依赖:AWS和谷歌云的承诺规模,决定了Claude后续的供给和成本走向,而这部分恰恰与它的主要股东绑在一起。

推荐工具

NVIDIA Chat with RTX AI聊天 Chat with RTX 是 NVIDIA 面向 RTX 电脑的本地 AI 聊天工具,可围绕本地文档和视频资料做问答,适合重视隐私、离线检索并具备硬件条件的用户更适合资料不便上传云 HuggingChat AI聊天 HuggingChat 是 Hugging Face 的开源模型聊天应用,支持 Omni 自动选模型,也可手动选社区开放模型对话。它适合体验开源模型、技术探索和问答,结果可能不稳定,重要内容需复核。 纳米AI搜索 AI搜索 纳米AI 是 360 旗下 AI 搜索和智能体入口,支持文字、语音、拍照提问、多模型协作与内容创作,适合中文用户做日常搜索、学习问答、移动查询、热点追踪、生活决策、知识整理和轻量创作。 Qwen Chat(通义千问) AI聊天 Qwen Chat 是Qwen 大模型聊天助手,支持Qwen 模型聊天、写作和编程问答,适合中文用户和开发者完成 AI 对话、资料问答和任务协作,适合上线前核对权限、成本和资料质量。 DuckDuckGo AI Chat AI聊天 DuckDuckGo AI Chat 适合重视隐私的普通用户使用,围绕隐私 AI 聊天、免账户使用和多模型问答提供对话式 AI 支持和任务协作能力,适合上线前核对权限、成本和资料质量。 Goody-2 AI聊天 Goody-2 是以极端安全和伦理对齐为特色的 AI 聊天助手,常用于观察模型拒答边界、内容安全策略、保守输出体验和 AI 风险讨论,更适合作为安全边界样本使用前应理解它偏实验性质,不适合。