Anthropic 和 OpenAI 这样的 AI 实验室拥有经济护城河吗？

Morningstar 在 Anthropic 预期的 IPO 之前，正逐步展开对人工智能实验室的覆盖。一个关键问题是这些公司是否拥有经济护城河——即能够帮助它们超越竞争对手的可持续竞争优势。在基于我们完整研究报告的三部分系列文章的第一部分中，我们研究了 Anthropic 和 OpenAI 等公司是否拥有护城河。

在 OpenAI 的 ChatGPT 发布以来的近四年里，我们的科技股票研究团队一次又一次地听到一个令人担忧的简单顾虑：如果每个大语言模型都能写出同样的电子邮件、总结同样的收益报告并生成连贯的代码块，那么构建这些 LLM 的公司真的能赚取超额利润吗？

我们在 2024 年和 2025 年开始听到这个问题，涉及公共云供应商——如 Amazon AMZN、Microsoft MSFT 和 Alphabet GOOG/GOOGL，它们各自为与 Anthropic 和 OpenAI 的合作伙伴关系投入了数十亿美元——是否能在其巨额的人工智能相关支出上获得合理的报酬。到 2026 年，随着投资者关注人工智能实验室领域潜在的 IPO，这个问题更多地指向了 Anthropic 和 OpenAI 等实验室，因为投资者试图弄清楚它们是走在商品化的快车道上，还是在建立持久的业务。

如果实验室无法获利，这种担忧将远远超出 Anthropic 和 OpenAI。席卷芯片、电力和数据中心的支出承诺，是建立在人工智能可以以具有吸引力的回报率变现的假设之上的。这实际上使商品化问题关乎整个行业的持久性。

Morningstar 的观点

我们持较为乐观的态度，因为我们认为领先的人工智能实验室正在建立护城河。我们认为这些护城河尚未完全成型。尽管如此，早期的使用数据、产品开发和合作伙伴关系表明，领先的实验室将能够从开发和运行尖端 LLM 中获取经济回报，从而抵御商品化的威胁。

具体而言，我们看到了两个护城河来源正在形成：由数据和产品改进驱动的网络效应，以及建立在不断增长的训练成本和吉瓦级计算折扣基础上的结构性成本优势。

网络效应：我们看到飞轮开始转动

我们看到围绕模型业务形成的网络效应是一个数据与产品飞轮——一种间接的网络效应，即公司使用数据来改进适用于每个人的产品。人工智能实验室新兴的网络效应充当了一个反馈回路，他们可以利用这个回路在模型和工具开发上进行更快的迭代。

我们在领先实验室观察到的网络效应运行在一个六站飞轮上，编程产品的早期采用清楚地证明了这种动态。随着这项技术的采用范围扩大，我们预计这种动态将波及其他模型用例和角色。

结构性成本优势

我们已经看到 Anthropic 和 OpenAI 利用算法进步、定制芯片和多年计算协议在数量上降低了服务这些 LLM 的成本，使它们相对于其他公司具有明显的成本优势。

我们关于人工智能实验室单位经济的核心论点是，推理需求（最终用户利用现有模型生成代码、文本和问题答案）正在呈指数级增长，其曲线明显比构建初始模型所需的训练和研究成本更陡峭。随着推理以及训练和研究成本继续扩大，两条曲线之间的差距也会拉大，而这正是该行业利润所在。这三种不同成本（训练、研究和推理）的可扩展性和摊销是理解这些公司长期利润轨迹的关键。