Anthropic联合创始人达里奥·阿莫代伊专访：AI行业双面观与未来路径解析

在2025年《纽约时报》DealBook峰会的一次凌晨环节中，Anthropic联合创始人兼首席执行官达里奥·阿莫代伊接受了DealBook创始人安德鲁·罗斯·索尔金的深度专访。

访谈中，阿莫代伊展现出一种既积极又审慎的“双重视角”：一方面，他自称是“AI领域最乐观的倡导者”，坚信规模定律将持续驱动技术突破，并首次透露Anthropic已连续三年实现每年10倍的收入增长；另一方面，他直言AI行业正陷入“真实困境”，大量资本涌入数据中心建设，但回报周期充满变数。他暗讽OpenAI等公司采取“孤注一掷”的激进策略，可能导致严重后果，甚至破产风险。

在竞争层面，阿莫代伊明确了Anthropic的差异化优势——聚焦企业市场，从而避免了与OpenAI和谷歌在消费者领域的激烈“红海竞争”。

关于通用人工智能（AGI），他提出一个引人注目的观点：无需范式革命，仅依靠“暴力计算”与渐进迭代，就能持续逼近AGI目标。

访谈尾声，阿莫代伊特别澄清了对“AI取代就业”的预警初衷，强调这不是制造恐慌，而是呼吁社会提前准备。他从企业、政府和社会三个维度，提出了系统性应对框架，倡导各界共同构建“后AGI时代”的人类未来。

以下是阿莫代伊专访核心内容精编：

01 万亿资本的危险博弈：谁在“孤注一掷”

问：回溯到2014年你在百度的经历，如果当时我告诉你，我们会在2025年这样深入探讨AI，你那时会如何预测这十年发展？

阿莫代伊：我从“预期之内”和“意料之外”两个角度回答。对于AI将带来的经济影响和价值创造，我并不意外；但对自己成为领域领军者之一，则始料未及。技术路径上，虽从扩展趋势看合乎逻辑，但具体细节如专业术语和商业化进程，当时难以完全预见。

问：我们是否处于“AI泡沫”中？当前投资是否过热？经济账能否算清？

阿莫代伊：这需分技术账和经济账。技术上，我极度乐观，技术账完全成立：基于扩展定律，增加算力、数据和微调，模型能力持续提升，已覆盖编程、科研、生物医药等经济核心领域。以Anthropic为例，专注企业市场，收入连续三年增长10倍——从2023年1亿美元到2024年10亿美元，今年预计达80-100亿美元。技术驱动增长毋庸置疑，增速未来或放缓，但趋势明确。

但经济层面，我确有担忧。AI行业面临真实困境，源于两个错配：经济价值增长的不确定性与数据中心建设的长周期。因此，困境真实存在，而Anthropic正以负责任方式管理。然而，某些AI公司（暗指OpenAI）正“孤注一掷”，过度激进，甚至可能破产，这令我深感忧虑。

问：谁在“孤注一掷”？

阿莫代伊：我不具体点名，但以Anthropic为例说明挑战。我们过去三年收入每年增长十倍，但若简单外推，明年或达千亿？我完全不信，这只是可能性极端。基于自下而上估算，明年收入可能在200-300亿美元，我称之为“不确定性锥体”：充满变数。我们保守规划，为较低可能做准备。但现实是，必须提前一两年决策算力采购，以服务未来模型与收入目标。这带来两重风险：算力不足导致客户流失，或算力过剩引发成本危机，极端时或破产。安全边际取决于利润率，但“锥体”过宽，错误难完全避免。我们相对克制，专注企业市场，商业模式稳健；但若公司采用消费端模式，收入波动大、利润不稳，加上决策者冒险倾向，“孤注一掷”风险显著上升。

02 财务迷雾：当巨额亏损遭遇“不确定性锥体”

问：Anthropic预计2028年收支平衡，而奥特曼对OpenAI目标为2030年。用其数据算，需两年扭转740亿美元亏损并迅速盈利，这合理吗？

阿莫代伊：我不了解其他公司内部财务，无法评论。我仅回归Anthropic框架：我们基于“不确定性锥体”规划，确保最差10%情景下仍能支付算力成本。风险非零，但通过高效训练与推理体系、健康利润率管理风险，保持竞争力。我相信我们胜算更大。

问：你如何看待“循环交易”？如英伟达投资AI公司，后者可能将资金用于购买其芯片。

阿莫代伊：我们也有类似交易，规模较小。基本逻辑：若公司需建一千兆瓦算力数据中心，资本开支约500亿美元，按五年折旧每年100亿美元。若年收入约100亿美元且增长中，无法一次性出资，可能与芯片或云供应商协议：对方支持首期建设，剩余按使用付费。这本质是基于增长预期的融资，商业上合理。但若交易层层叠加，指向如“2028年收入需达2000亿美元”的预期，则可能意味过度扩张。

03 避开消耗战：为何我们不发“红色警报”

问：谷歌和OpenAI曾进入“红色警报”状态，全员聚焦突破。你如何看待模型竞争格局？

阿莫代伊：这正是我庆幸Anthropic选择不同道路的原因。我们专注企业市场，而它们主战场在消费者领域。谷歌守卫搜索护城河，OpenAI核心在消费者场景，因此陷入“红色警戒”式竞争。我们得以持续优化模型，针对企业需求。发展最快的是编码能力，我们正拓展至金融、生物医学、零售等垂直领域。即便Opus 4.5被视作最强代码模型，但技术领先是基础，真正差异化在另一维度：我们无需陷入“你追我赶”消耗战，可专注迭代与增长。

04 AGI路径：无需奇迹，仅需“持续扩展”

问：若未来实现AGI，所有模型或具相似能力。那时，企业护城河是什么？

阿莫代伊：从企业视角，护城河多层次。首先，专业化不会消失。即便走向AGI，模型也不会趋同，就像人类兼具通用与专业能力，AI会在不同领域形成差异化特质。为企业打造的模型，更侧重编码、科研等“高智力任务”，而非消费者场景的互动性。其次，切换成本真实存在。企业一旦集成模型至工作流，便形成依赖，包括提示方式、系统对接、下游应用适配及团队习惯。就像我们API业务，客户迁移成本高，涉及技术调整和流程协同。因此，真正护城河不止技术性能，更在深入行业、理解场景，构建难替代的生态契合度，这正是专注企业市场的长期优势。

问：从科学看，仅靠当前Transformer架构和持续提升计算规模，就足以实现AGI吗？还是需要新关键要素？即让机器“独立思考”，是否需要突破？

阿莫代伊：我认为不需要。现有路径——持续扩展计算规模和数据，配合微小改进，就足以走向AGI。我观察扩展定律超十年，趋势始终清晰。

问：你有大致时间线吗？

阿莫代伊：我不设具体时间点，也少用“AGI”或“超级智能”术语，因定义仍模糊。我视其为持续指数进步，类似摩尔定律驱动芯片提升。模型会在所有维度变强。每发布新模型，在编程、科学等领域表现就更进一步。如今模型已能稳定赢高中数学奥赛，进军大学级别，甚至做出新数学发现。Anthropic内部研究员告诉我：“我不再亲手写代码，全交Claude生成初稿，我只编辑。”这变化真实，且持续加速。我不认为有突变“奇点”，未来只是过去延续，程度加深：模型持续变聪明，商业价值持续增长。