Anthropic 的財務長 Krishna Rao 近日首度登上 podcast 節目，在由 Patrick O’Shaughnessy 主持的「Invest Like the Best」中，罕見地公開了這家 AI 龍頭企業檯面下的核心運作邏輯。從每年採購數百億美元的算力配置、三種不同晶片平台的使用策略，到公司文化如何影響人才留任——這場長達 76 分鐘的深度對談，可說是外界第一次有機會從財務長視角，理解 Anthropic 如何從一年前 90 億美元的年化營收，一路暴衝到今年突破 300 億美元的驚人成長曲線。這也是 Krishna Rao 加入 Anthropic 兩年來的首度公開專訪。在此之前外界對 Anthropic 的財務與營運細節所知有限，這場訪談提供了前所未有的內部視角。
算力配置的「不確定性圓錐」
訪談一開始，Rao 就點出算力（compute）之於 Anthropic 的根本性意義：「算力是我們業務的生命線，是所有一切的畫布。」他直言，算力採購是公司內部最困難也最具影響力的決策之一：買太多會倒閉，買太少則無法服務客戶、無法留在前沿。
Rao 引出了一個核心概念：「不確定性圓錐」（Cone of Uncertainty）。由於 Anthropic 的業務呈指數級成長，每月或每週成長率的微小波動，經過複利效應後會導向截然不同的結果。因此公司必須同時考慮多種情境，在 1 到 2 年的時間範圍內向後推演，確保無論落在圓錐的哪一個點，都有足夠的算力支撐。
他透露，即使在今天，他仍有 30% 到 40% 的時間花在算力相關事務上。
三種晶片平台的靈活調度
Rao 在訪談中透露了 Anthropic 最獨特的技術策略之一：同時使用三大晶片平台，Amazon 的 Trainium、Google 的 TPU 以及 NVIDIA 的 GPU。這三種晶片被 Anthropic 視為「可互換的資源」，根據不同工作負載的特性動態分配。
他指出，這個靈活調度能力並非一蹴可幾，而是花了多年時間投資建構。早在第三代 TPU 時期，Anthropic 就開始大規模使用非 NVIDIA 的方案，當時外界普遍認為「大家都用 GPU，你為什麼不用？」，但如今回頭看，這個多元晶片策略讓 Anthropic 成為「前沿實驗室中最有效率的算力使用者」。
為了實現這種靈活性，Anthropic 甚至自行開發編譯器（compiler），從晶片層級進行客製化，讓每一塊晶片在內部發揮最大 ROI。據 SemiAnalysis 報導，Anthropic 在三大晶片供應商身上累計承諾了超過 500 億美元的算力投資。
三晶片策略是 Anthropic 對抗 NVIDIA 壟斷的關鍵武器。當 OpenAI 和多數競爭對手高度依賴 NVIDIA GPU 時，Anthropic 透過 AWS Trainium 和 Google TPU 分散風險，同時也讓其在價格談判上握有更大的議價空間。
算力分配的三個桶子
Rao 進一步拆解了 Anthropic 內部的算力分配邏輯，大致分為三個面向：模型訓練與研發、內部員工使用、以及客戶服務。他強調，公司文化高度協作，算力分配不是零和遊戲，而是透過公開討論與 ROI 評估來決定。
其中一個關鍵原則是：投入模型開發的算力有一個「不可妥協的底線」，即使這意味著客戶服務會受到影響，公司也不會砍掉研發算力。因為 Anthropic 深信，前沿智慧（frontier intelligence）的報酬極高，尤其是在企業市場。
這個「研發算力底線」反映了 Anthropic 的長期思維：短期營收固然重要，但維持技術領先才是生存之道。Rao 提到，如果把內部員工使用的算力全部轉為服務客戶，可以多創造數十億美元營收，但公司選擇犧牲短期利益來換取長期競爭力。
模型效率的雙重紅利
談到算力效率，Rao 用了一個生動的比喻：一般人認為換更強的模型就像從房車換到跑車，效能增加但油耗也會變差。但在 Anthropic 的經驗中，從 Opus 4 到 4.5、4.6 再到 4.7，每一次模型換代不僅能力大幅躍升，推理效率也同步提升，某些情況下甚至比前一代高出數倍。
這意味著 Anthropic 能夠同時享受「能力增強」與「成本下降」的雙重紅利。更高效的模型不僅讓客戶用得更便宜，也讓內部的強化學習（RL）訓練更加經濟，因為 RL 本質上就是大量推論加上獎勵函數。
這說明了為什麼 Anthropic 能夠在營收暴增的同時，維持相對健康的毛利率。新模型每次推出都不只是能力的飛躍，更是單位成本的下降。
從 90 億到 300 億的驚人跳躍
Rao 在訪談中確認了 Anthropic 的爆炸性成長數據：2025 年底年化營收約 90 億美元（約 NT$ 2,925 億），到 2026 年第一季結束時已突破 300 億美元（約 NT$ 9,750 億），短短三個多月翻了超過 3 倍。
他將這波成長歸因於幾個因素的疊加：模型智慧的多維度進步，不只是傳統的 IQ 分數提升，更包括長時間任務執行能力、工具使用（tool use）、電腦操作（computer use）以及自主代理（agentic）任務的表現顯著改善。每一代新模型都解鎖了更大的可服務市場（TAM），企業客戶發現新的應用場景後，就會大幅增加用量。
據 PYMNTS 報導，Anthropic 的企業客戶數量在這一波成長中翻倍，涵蓋金融服務、醫療保健、法律等多元產業。
300 億美元年化營收的對比：AWS 花了 13 年才達到這個數字。Anthropic 從成立到 300 億美元只用了約 5 年，凸顯了 AI 產業史上空前的成長速度。
虛擬協作者的願景
Rao 描述了 Anthropic 的終極產品願景：「虛擬協作者」（virtual collaborator）。這不是一個單純的聊天機器人，而是具備組織內部 context、能使用各種專屬工具、擁有記憶能力、能從錯誤中學習、且能在長時間維度上處理完整專案的 AI 代理人。
他引用 Claude Code 作為這個願景的最佳實踐案例：Anthropic 內部已經開始使用「一整個艦隊的 agent」同時處理不同任務，產品開發不再是三個月的專案週期，而是每天都有 shipping。每個人都變成了「管理 agent 的管理者」。
Mythos 模型的審慎釋出
Rao 也談到了近期備受關注的 Mythos 模型。他指出，Mythos 是一個在許多維度上都極為強大的通用模型，但它在網路安全（cyber）領域的能力特別突出，舊模型在一個開源程式碼庫中找到 22 個安全漏洞，Mythos 則找到了 250 個。
這是 Anthropic 第一次決定不以常規方式釋出模型。公司選擇了分階段釋出策略：先提供給小規模的特定群體，專注於防禦性應用，並在過程中累積安全部署的經驗。據 NYT 報導，Anthropic 預估其他組織在 18 個月內也會推出類似能力的模型。
Mythos 的分階段釋出可以視為 Anthropic 負責任 AI 理念的實際操作樣板。相較於 OpenAI 和 Google 的「先推再修」，Anthropic 選擇了更審慎的路徑，但也因此面臨商業上的取捨。
公司文化與人才吸引力
Rao 花了相當篇幅談 Anthropic 獨特的公司文化。七位共同創辦人至今全數在職，前 20 到 30 位員工絕大多數也仍留在公司。當 Meta 等競爭對手用天價薪資挖角時，Anthropic 「只流失了兩個人，而其他實驗室流失了數十人」，這是一個令人印象深刻的統計。
他將此歸因於文化面試制度，候選人即使技術能力滿分，若不符合文化標準就不錄取。公司文化強調協作、謙遜、知識誠實，CEO Dario Amodei 每兩週一次的全員大會接受任何問題的提問，營造出高度透明的環境。
AI 人才大戰中，Anthropic 用文化而非薪資留人，這個策略在短期內似乎奏效。但隨著競爭日益激烈，這樣的優勢能否持續值得觀察。
最令人興奮的未來：生物科技
當被問到什麼最令 Rao 感到興奮時，他的答案不是更強的模型或更多的算力，而是生物技術與醫療保健。他描繪了一個世界：當你被診斷出目前無法治癒的疾病，在你的一生中，AI 就能加速找到治療方案，讓你不會死於那個疾病。
他認為 AI 在藥物研發領域的潛力巨大，分子的複雜性、微小變化對結果的巨大影響，正是 AI 發揮的絕佳場景。當實驗室的吞吐量提升 10 倍或 100 倍時，人類能夠以前所未有的速度發現新藥。
這場 Podcast 相當精采，也有 cc 翻譯中文字幕，推薦大家都可以看看：
結語
這場訪談不僅是 Krishna Rao 的個人首秀，更是 Anthropic 迄今對外最完整的一次內部營運揭露。從算力配置到晶片策略，從產品願景到人才哲學，它描繪了一家正在定義 AI 未來的公司，如何在前所未有的成長規模中保持方向感。而 Rao 最後分享的故事，哥哥為了讓他能上好大學，犧牲了自己的選擇，或許也說明了為什麼一位 CFO 會在這樣的公司待下來。