Anthropic的Claude模型对AI领域预测性的评估

Anthropic的人工智能（AI）模型Claude对OpenAI和Anthropic等领先模型开发机构的可预测性给出了2分（满分10分）的评价。Oaktree Capital Management联合创始人霍华德·马克斯（Howard Marks）在11日发布的备忘录中指出，他要求Claude对各领域的可预测性进行评分，范围从1分（完全未知）到10分（完全可预测）。针对领先模型开发机构获得的2分，马克斯评论称：“这实际上意味着不可预测。”该评分并非基于投资评级或损失概率，而是反映了对未来业务的可预见程度。

Claude认为整个AI行业的可预测性约为3分。尽管对于技术发展和经济整体扩散的方向给予了6至7分的高分，但对于扩散速度、利润规模以及最终受益者是谁等问题，仅给出了约2分的低分。

细分领域的评分情况

在具体领域方面，为电力供应提供支持的监管电力公司评分为6分；长期租赁给大型科技企业的数据中心评分为5至6分。大型云服务商评分为5分，半导体行业评分为4分，而投机性数据中心则仅为2至3分。

马克斯引用了Claude的解释：领先模型开发机构需要巨大的资本需求，但单位性能的價格正在迅速下降，且其是否拥有持续的竞争优势尚不明确。这一评分反映了仅维持高性能并不足以保证长期的盈利能力或市场地位。

技术进步与盈利能力分离

马克斯还强调了AI领域快速变化的特性。他指出，目前的领先模型开发机构在几年前并未广为人知，因此很难预测当前的龙头企业能否在未来5年或10年内保持领先地位。

要预测收益，必须考量产品销量、价格、生产成本、下一代产品开发所需的再投资以及投资回报率。马克斯在此前的观点中就已将AI的业务潜力与大规模基础设施投资的回报分开看待，这一逻辑在本次备忘录中得以延续。

马克斯将数据中心解释为训练AI模型及用户利用计算能力的基础设施。他指出，数据中心的成本中，半导体等设备往往比建筑物本身占据更大比重，且设备的老化也会影响投资决策。此外，土地获取、许可审批、光纤连接、电力与冷却设施、建筑人力及资金筹集等因素均构成了数据中心扩张的限制条件。马克斯写道，企业应审视各业务的选址、合同及设备价值，以防止供给过度膨胀。

AI债务扩张与贷款方的审查要点

马克斯援引高盛的数据指出，截至备忘录撰写时，今年全球AI相关债务发行额已接近6000亿美元（约合800万亿韩元），其中包括大型云服务商、数据中心项目融资及其他AI相关借贷。

其中，约4000亿美元（约合534万亿韩元）在美国投资级债券市场发行。这一规模超过了美国投资级债券供应量的五分之一。在彭博美元投资级公司债指数（Bloomberg USD IG Corporate Index）中，AI相关债券占比约为12%，而在美国高收益债券市场中的占比约为6%。

在题为《一个外行思考AI》（A Layman Thinks About AI）的备忘录中，马克斯展望道，以2026年11月11日为基准，未来每年需要新增约1万亿美元（约合1334万亿韩元）的资本用于AI领域，其中数千亿美元将通过每年的债务发行来筹集。

马克斯解释说，虽然大型云服务商过去凭借非AI业务产生的现金流拥有充裕的资金和高信用评级，但现在他们正在消耗持有的现金和营业现金流，并增加借贷。这意味着贷款方必须考虑借款方信用状况和评级可能发生变化的风险。

部分数据中心租赁合同可能包含特定条款，允许承租人或担保人在某些条件下终止合同义务。马克斯举例指出，如果数据中心运行可靠性未达到99.9%，或者作为抵押品的半导体使用寿命短于债务期限，都可能带来风险。

马克斯还提到了芯片制造商、大型云服务商、领先模型开发机构和数据中心运营商之间相互交织的循环交易。他强调，需审查资金回流至产品销售方的结构是否反映了独立需求，以及供应商是否在支持购买以维持市场份额。

此外，通过特殊目的实体（SPV）在表外筹集的债务与母公司的信用状况之间的关系，也是贷款方需要考察的项目。马克斯总结道：股票投资者应关注技术进步、竞争力、定价权、盈利能力和企业价值；而贷款方则应重点考察承租人的信用状况、合同条款、电力保障以及剩余资产价值。