Anthropic 的資金故事，已不只是「AI 公司燒錢換成長」，而是投資、算力採購、產品通路與競爭關係交疊成一個閉環：大型雲端業者投資 Anthropic，Anthropic 再向這些業者承諾巨額支出；同一批業者又替 Claude 接觸客戶、收取帳款，並自行開發競爭模型。這種結構不等於造假，但會讓營收品質、風險歸屬與終端需求變得更難判讀。
從一則 IPO 報導，看見算力承諾的全貌
已知事實：DIGITIMES 引述 Reuters 取得的機密 IPO 文件，指出 Anthropic 高度依賴少數科技巨頭。原始報導頁面僅公開導言，全文需訂閱，因此不能單憑該頁確認所有數字：https://www.digitimes.com/news/a20260930VL210/anthropic-expansion-revenue-ipo-google.html。
Reuters 另篇由 Investing.com 刊載的完整報導顯示，Anthropic 預計十年內向六個合作夥伴投入至少 5,180 億美元建置 AI 基礎設施，約八成承諾不可取消，或無論實際使用量多少都必須付款。其中包括至少向 Google 支付 1,111 億美元、Amazon 1,100 億美元、Microsoft 314 億美元，以及約 1,612 億美元、主要不可取消的 Broadcom 相關設備租賃義務。文件也列出與 xAI、AMD 的算力安排。https://www.investing.com/news/stock-market-news/anthropics-518-billion-ai-buildout-hinges-largely-on-deals-that-cannot-be-canceled-filing-shows-4922031
所謂「循環」，究竟如何運作？
第一個環節是股權。Amazon 先前已投資 Anthropic 80 億美元；Anthropic 於 2026 年 4 月又宣布 Amazon 當下投入 50 億美元，未來最多再投資 200 億美元。第二個環節是採購：同一份官方公告稱，Anthropic 將在十年內向 AWS 技術承諾超過 1,000 億美元，取得最高 5GW 算力。第三個環節則是銷售，Claude 可透過 Amazon Bedrock 觸及既有企業客戶。這項第一方公告可交叉驗證「投資人、供應商與通路商由同一家公司兼任」並非單純推測。https://www.anthropic.com/news/anthropic-amazon-compute
Reuters 取得的另一份文件數據更具體：Anthropic 2025 年有 47% 銷售經 Amazon 與 Google 的雲端通路完成，金額約 21.6 億美元；Anthropic 再向平台支付約 3.51 億美元通路費。換句話說，雲端業者一面持有 Anthropic 股權，一面取得其算力支出與通路收入，Claude 的成長又可能推高這筆股權投資的估值。
合理推論：這會形成經濟利益互相強化的迴路，但不能因此斷言收入不真實。企業客戶確實可能在使用 Claude，雲端設備也是真實資產；問題在於，市場較難分辨有多少需求來自獨立終端客戶，又有多少成長受到投資、綁定採購與通路激勵共同推動。
為何現在特別值得注意
關鍵不只是規模，而是時間與義務不對稱。算力合約可延續七至十年，多數支出不隨使用量下降；Anthropic 的收入卻以用量計費為主，且客戶未必都受長約約束。需求若高速成長，預先鎖定算力可避免供給不足，成為競爭優勢；需求、價格或模型效率若不如預期，固定承諾就會轉成沉重的現金流壓力。
這也解釋了 IPO 的重要性：公開市場可能不只是替既有股東提供流動性，而是接手一部分長期基礎設施融資風險。投資人真正需要評估的，不應只有 Claude 使用量或營收增速，還包括最低採購義務、租賃負債、通路集中度及每單位推論成本。
不能忽略的限制
首先，Reuters 引用的是尚未公開的機密 IPO 文件，外界目前無法逐頁核對定義、附註與合約條件；Anthropic 也未就該報導即時回應。因此，5,180 億美元較適合解讀為跨年度的合約與基礎設施義務總額，而不是單一年度資本支出，更不能直接視為已實現營收。
其次，「循環」不必然意味著泡沫。Axios 引述產業網絡研究指出，AI 生態系確實存在彼此投資、採購與融資的閉環，但核心業者擁有實體資產、現金流與信用能力；較脆弱的往往是外圍、高槓桿且客戶集中的資料中心或算力平台。https://www.axios.com/2026/09/21/ai-finance-credit-circular
對台灣供應鏈的真正意義
作者觀點：對台灣晶片、伺服器、散熱、電源與網通供應鏈而言，這些長約提供較高的訂單能見度，卻不是終端需求已被永久證明。雲端業者的投資能力，可能先把訂單推進先進製程、封裝與資料中心，再等待應用收入追上；因此「上游出貨強」與「AI 商業模式已成熟」是兩個不同命題。
更務實的判讀方式，是把採購承諾拆成已付款、已部署、開始折舊與實際利用率，而非只看合約總額。若模型效率快速提升、算力價格下滑，設備需求未必消失，但產品組合、交貨節奏與供應商議價能力都可能改變。台灣業者面對的風險，未必是訂單瞬間歸零，而可能是遞延、重新議價或從高毛利方案轉向成本最佳化。
後續應追蹤的指標
- 公開版 IPO 文件是否逐項揭露最低採購量、取消條款、設備殘值與關係人交易。
- Claude 經雲端市集取得的營收占比，是否持續高於直接銷售。
- 用量收入、算力成本與通路費之間的增速差距，能否帶動毛利改善。
- 已簽約 GW 數、實際上線容量與利用率是否同步成長。
- Amazon、Google 等投資人的股權評價利益，是否與雲端業務的實際現金收入分開揭露。
Anthropic 案例真正揭露的，不只是某家公司資金繞了一圈，而是 AI 產業已把資本、算力與通路綁成同一套擴張機器。這套機器可能加速真正的需求，也可能放大對未來需求的預支。判斷兩者的分界，最終仍要回到獨立客戶付費、算力利用率，以及扣除關係緊密交易後能否產生可持續現金流。