据报道,距离上一轮融资不到两个月,Anthropic PBC正在与投资者洽谈再融资100亿美元。
据《华尔街日报》今日消息,Coatue Management和GIC将牵头此轮融资。报道称,这将使Anthropic的融资前估值达到3500亿美元,几乎是9月份估值的两倍。这一估值将使该公司远超xAI Corp.,但仍落后于估值6000亿美元的OpenAI Group PBC。
Anthropic估值的大幅上涨反映了投资者对其维持销售增长能力的信心。10月份,路透社报道该公司有望在2025年底实现90亿美元的年度经常性收入。据报道,Anthropic预计该数字在2026年将增长近两倍。
该公司最新的融资行动距离从微软和英伟达获得高达150亿美元投资仅约两个月。几周前,它还从一群机构投资者那里获得了130亿美元投资。
Anthropic可能正在筹集更多资金来为其11月中旬宣布的雄心勃勃的基础设施计划提供资金。该公司计划在纽约、德克萨斯州和其他地区建设数据中心,成本为500亿美元。这些园区将与亚马逊网络服务公司在密歇根湖附近为Anthropic建造的110亿美元云设施协同运营。
额外的计算能力将使该公司能够继续改进其Claude大语言模型系列。该系列中最强大的算法Claude 4.5 Opus几周前发布。它在ARC-AGI-2基准测试中的得分几乎是前代产品的三倍,这是一个用于衡量大语言模型推理能力的特别困难的AI基准。
Anthropic的工程路线图不仅优先考虑新模型,还关注能够帮助公司使用这些模型的工具。11月,它推出了两项旨在降低Claude客户推理成本的功能。这些功能通过减少Claude与第三方应用程序交互时摄取的数据量来降低基础设施使用量。
Anthropic也可能将部分新资金用于收购。2025年,竞争对手OpenAI完成了至少五项收购,累计价值超过76亿美元。其最大的交易是5月份以65亿美元估值收购了乔纳森·艾维的io Products Inc.。
Anthropic迄今只进行过一次收购。12月初,它收购了Bun的开发商,这是一个帮助公司构建和运行JavaScript应用程序的工具包。Anthropic将使用这项技术来增强其Claude Code编程助手。
如果实现,这轮100亿美元的融资可能是该公司上市前的最后一轮融资。据报道,Anthropic已聘请律师事务所帮助其在今年晚些时候上市。目前尚不清楚该公司的目标估值或希望筹集多少资金。据报道,OpenAI计划在2026年下半年或2027年初以1万亿美元估值上市。
Q&A
Q1:Anthropic此次融资的具体情况是怎样的?
A:Anthropic正在寻求融资100亿美元,融资前估值达到3500亿美元,几乎是9月份估值的两倍。本轮融资由Coatue Management和GIC牵头,这将使Anthropic的估值远超xAI但仍落后于估值6000亿美元的OpenAI。
Q2:Anthropic为什么需要这么多资金?
A:主要用于其雄心勃勃的基础设施建设计划,包括在纽约、德克萨斯州等地建设数据中心,成本为500亿美元。此外还用于继续改进Claude大语言模型系列,开发新工具,以及可能的收购活动。
Q3:Anthropic的商业表现如何?
A:据报道,该公司有望在2025年底实现90亿美元的年度经常性收入,预计该数字在2026年将增长近两倍。其最新发布的Claude 4.5 Opus在AI推理能力基准测试中表现出色,得分几乎是前代产品的三倍。
好文章,需要你的鼓励
芬兰阿尔托大学研究团队开发出革命性光学计算方法,利用单束光线实现复杂张量运算。该技术将数字信息编码到光波的振幅和相位中,通过光波相互作用自动完成深度学习所需的矩阵和张量乘法运算。与传统GPU逐步处理不同,光学系统可同时并行执行所有计算操作,运算速度达到光速级别。研究显示该方法具有被动处理、低功耗等优势,预计3-5年内可集成到现有硬件平台,为AI计算带来重大突破。
新加坡科技设计大学研究团队发现,通过控制大型语言模型的"思考语言"可显著提升输出多样性。研究显示,AI用非英语语言思考时能产生更多样化的答案,且距离英语越远的语言效果越好。混合多种语言思考的策略表现最佳,不仅提升创意输出,还增强了文化多元化表达能力,为解决AI输出同质化问题提供了简单有效的方案。
科学家成功将传统公里级粒子加速器缩小至房间大小,并实现商业化。TAU Systems公司开发的激光驱动尾场加速器利用超强激光脉冲产生等离子体,将电子加速至相对论速度。该设备首先用于航天电子设备的辐射测试,能量范围60-100兆电子伏特,成本约1000万美元起。未来还可应用于医疗成像、芯片检测和X射线光刻等领域,有望大幅降低粒子加速器的使用门槛。
浙江大学研究团队开发了PhyRPR三阶段视频生成系统,解决AI视频中物理规律违背问题。该方法将物理理解与视觉生成分离处理:首先用大型语言模型进行物理推理和关键帧生成,然后规划连续运动轨迹,最后通过运动感知技术精化视觉效果。实验证明该方法在物理一致性和视觉质量方面均优于现有技术。