在12月4日凌晨举行的2025年《纽约时报》DealBook峰会上，Anthropic联合创始人兼CEO达里奥·阿莫代伊接受了DealBook创始人兼主编安德鲁·罗斯·索尔金（Andrew Ross Sorkin）的专访。

在访谈中，阿莫代伊展现出既乐观又清醒的“双面视角”：

一方面，他自称为“AI行业头号乐观派”，坚信规模定律（Scaling Laws） 将继续推动技术飞跃，并首次披露了一个惊人的数字：Anthropic已连续三年实现每年10倍的营收增长。

另一方面，阿莫代伊也毫不避讳地指出AI行业正深陷 “真正的困境中”：天量资本涌入数据中心建设行业，但回报周期却充满不确定性。他暗讽，像OpenAI这种采取 “YOLO”（孤注一掷式） 激进策略的AI公司，可能面临严重后果，破产也并非不可能。

在谈到行业竞争时，他清晰划定了Anthropic的差异化优势——深耕企业市场，因此远离了OpenAI与谷歌在消费者领域 “红色警戒”式的贴身肉搏。

关于最受关注的 AGI（通用人工智能） 问题上，他给出了一个极具传播力的观点：无需范式革命，仅靠 “暴力堆料”+小步迭代，就能持续逼近AGI。

访谈最后，阿莫代伊特别澄清了对 “AI取代就业” 的预警初衷——不是制造恐慌，而是呼吁社会未雨绸缪。他还从企业、政府以及社会三个层面，提出了系统性的应对框架，号召各界共同思考并建设“后AGI时代”的人类未来。

以下为阿莫代伊最新专访精华内容：

01 万亿投资的危险游戏：谁在“YOLO”

问：你曾在2014年有过在百度的经历，如果当时我告诉你，我们会在2025年像这样坐下来深入探讨AI，你当时会如何预测这十年间的发展？

阿莫代伊：我想从“意外”与“不意外”两个维度来回答。

对于AI技术将带来的经济影响及其创造的价值，我并不感到意外。今天走在纽约街头，看到满城的AI广告，某种程度上，这正是2014年可以预见的情景：AI终将成为现实，并逐步渗透至经济、国家安全乃至科学研究的核心。

令我意外的是自己会成为这个领域的领军者之一。当时的我未曾预料会创办并领导一家AI公司，也不认为自己会扮演这样的角色。至于技术发展的具体路径，无论是围绕语言模型诞生的专业术语，还是如今AI行业的资本化与商业化进程，虽然从我和同事早期预测的扩展趋势来看合乎逻辑，但若要纯粹从理论推演，我承认自己当时无法预见所有细节。

问：我们是否正处在某种“AI泡沫”中？当前的投资是否过热？这笔经济账到底能否算得过来？

阿莫代伊：这个问题需要拆开来看：技术账和经济账。

技术上，我非常乐观，甚至是最乐观的那一批人。技术账完全算得过来，基于我们最早提出的AI扩展定律：给模型更多算力、更多数据，再做一些微调，它的能力就会持续提升。我跟踪这个趋势12年了，一个明显的规律是：用这种看似简单的方式训练，模型能在几乎所有任务上越做越好——编程、科研、生物医药、法律、金融、材料制造……这些恰恰是经济价值的核心来源。

以Anthropic为例，我们专注企业市场，营收连续三年实现10倍增长——从2023年的1亿美元，到2024年的10亿美元，今年预计将达到80至100亿美元。技术驱动增长，这一点毫无疑问。增速未来当然会放缓，但趋势依然明确：AI的经济价值必将兑现。

但经济层面，我确实有担忧。AI行业正面临一个真实的困境。困境源于两个错配：一是经济价值增长的不确定性，二是数据中心建设的长周期（通常需一两年）。因此，不确定性是真实的，困境也是真实的，而我们在Anthropic正尽力以负责任的方式管理它。

但我也必须指出：有些AI公司（暗指OpenAI）正在“YOLO”——把油门踩得太满，甚至可能破产，这令我非常担忧。

问：谁在“YOLO”？

阿莫代伊：我不会具体点名，但让我回到Anthropic自身，以此说明我们面临的挑战。你看到我们的营收曲线——过去三年每年增长十倍。如果简单外推，明年似乎该达到千亿规模？但我完全不相信会这样，这只是可能性的极端外缘。

实际上，如果我们基于企业需求、用例、市场策略进行自下而上的估算，明年营收可能在200亿到300亿美元之间。我内部称之为 “不确定性锥体”：一年后究竟会是200亿、500亿，还是其他数字？这充满了不确定。

我们尝试保守规划，为较低的可能性做准备。但现实是，我们必须提前一两年决策。例如，现在（或几个月前）就要决定2024年初采购多少算力，以服务2027年的模型与营收目标。这带来两种危险：

算力不足：无法满足客户需求，客户流向竞争对手。

算力过剩：营收不及预期，无力覆盖成本，极端情况下可能导致破产。

“锥体”内的安全边际，很大程度上取决于利润率。若利润率达80%，200亿美元的算力可支撑千亿美元营收。但“锥体”太宽，错误很难完全避免。

我们自认是一家相对克制的公司。专注企业市场，商业模式更稳健，利润率也更健康。但假设另一家公司采用消费端模式，营收波动大、利润不稳定，再加上决策者本身偏爱冒险、追逐规模，那么“YOLO”的可能性就会显著上升。

02 财务迷局：当740亿亏损遇上“不确定性锥体”

问：Anthropic预计在2028年实现收支平衡，而奥特曼对OpenAI的目标是2030年。如果用他的数据来算，意味着需要在两年内扭转740亿美元的亏损，并在之后迅速盈利。这样的路径在你看来是否合理？

阿莫代伊：我不了解其他公司的内部财务细节，因此无法评论。我只能回到Anthropic自身的框架中来解释：我们依据 “不确定性锥体” 进行规划，目标是确保即使在最差10%的情景下，我们仍有能力支付算力成本。风险不可能为零，但我们正通过高效的训练与推理体系、健康的利润率来管理风险，同时保持竞争力。我相信我们的胜算更大。

问：你如何看待如今常被讨论的 “循环交易” ？例如英伟达投资AI公司，而这些公司很可能将部分资金用于购买英伟达芯片。

阿莫代伊：我们也有类似交易，只是规模较小。我可以简述这类交易的基本逻辑：假设一家公司需要建设一千兆瓦算力的数据中心，资本开支约500亿美元，按五年折旧每年约100亿美元。如果该公司年营收约100亿美元且处于增长中，却无法一次性拿出500亿美元，便可能和芯片或云供应商达成协议：由对方出资100亿美元支持首期建设，剩余部分按使用付费。这本质上是基于增长预期的融资安排，在商业上是合理的。

但如果这类交易层层叠加，最终指向诸如 “2028年营收需达2000亿美元” 这样的预期，那就可能意味着过度扩张。

03 避开肉搏战：为何我们不发“红色警报”

问：谷歌和OpenAI曾先后进入“红色警报”状态，要求全员聚焦突破。你如何看待当前模型领域的竞争格局？

阿莫代伊：这正是我庆幸Anthropic选择了不同道路的原因。我们专注的是企业市场，而你提到的两家公司主要战场在消费者领域。谷歌要守住搜索护城河，OpenAI的核心也在消费者场景，这是它们陷入“红色警戒”式竞争的原因。

正因如此，我们得以持续围绕企业需求优化模型。发展最快的是编码能力，而我们正将能力拓展至金融、生物医学、零售、能源、制造等垂直领域。即便我们最新发布的Opus 4.5被广泛认为是当前最强的代码模型，但对我们来说，保持技术领先只是基础，真正的差异化在于我们走的是另一个维度。我们不需要陷入那种“你追我赶”的消耗战，而是可以专注于持续迭代与增长。

04 AGI之路：无需奇迹，只需“堆料”

问：如果未来真的实现AGI，所有模型最终可能具备相似能力。到那时，企业的护城河会是什么？

阿莫代伊：从企业视角来看，护城河是多层次的。

首先，专业化不会消失。即便走向AGI，模型也不会趋同。就像人类同时拥有通用能力与专业能力一样，AI也会在不同领域形成差异化特质。为企业打造的模型，会更侧重编码、科研、复杂分析等“高智力任务”，而不是消费者场景关注的互动性与留存率。

其次，切换成本真实存在。企业一旦将某个模型集成至工作流，就会形成依赖，包括对应的提示方式、系统对接、下游应用适配，甚至团队的使用习惯。就像我们的API业务，看似只是提供模型调用，但客户迁移成本很高，不仅涉及技术调整，还关系到内部流程与合作伙伴的协同。

因此，真正的护城河不止于技术性能，更在于能否深入行业、理解场景，并构建难以替代的生态契合度。这恰恰是专注企业市场的路径所带来的长期优势。

问：从科学角度看，你认为仅依靠当前Transformer架构和持续提升计算规模，就足以实现AGI吗？还是说必须引入某些新的关键要素？换句话说，要让机器实现真正的“独立思考”，我们是否还需要别的突破？

阿莫代伊：我认为不需要。现有的技术路径，也就是持续扩展计算规模和数据，配合一些微小的改进就足以带领我们走向AGI。我观察扩展定律已超过十年，趋势始终清晰。

问：那你有没有一个大致的时间线？

阿莫代伊：我不设定具体时间点，也一直不太用“AGI”或“超级智能”这类术语，因为它们的定义仍然模糊。我更愿意将其看作一种持续的指数进步，就像摩尔定律驱动芯片性能不断提升一样。

模型会在所有维度上越来越强。我们每发布一个新模型，它在编程、科学等领域的表现就会再进一步。如今模型已经能稳定赢下高中数学奥赛，开始进军大学级别，甚至做出了全新的数学发现。

Anthropic内部已经有研究员告诉我：“我不再亲手写代码了，全部交给Claude生成初稿，我只做编辑。”这种变化是真实的，且会持续加速。

我不认为会有一个突变的“奇点”，未来只会是过去的延续，只是程度不断加深：模型持续变聪明，商业价值持续增长。