SpaceX Buys Cursor for $60B | Anthropic's First Profit & The Math Behind Reaching $600B in Revenue?

SpaceX 以 600 亿美元全股票收购 Cursor，Anthropic 首次盈利；OpenRouter 被 Stripe 以 70 亿美元收购，AI 并购潮加速。

毛利为负，反成600亿交易筹码

本期是 Jason、Rory、Harry 围绕 AI 交易、财报与估值展开的新闻圆桌，并无单一受访嘉宾；逐字稿也没有提供三人的头衔或履历。三人讨论的重点不在“哪家公司又涨了”，而在一套更现实的判断框架：一家公司当下亏不亏、毛利好不好，未必直接决定它的价格；真正左右交易和估值的，是它能否嵌进买方的算力、客户和现金流体系，并把未来的增长抢到今天。

这期回答了 8 个问题：

1. Cursor 曾被嘲笑毛利为负，为什么反而能卖出600亿美元？
2. 为什么 Anthropic 的利润、表外承诺和巨额股权激励，最后都要让位于一个指标？
3. Stripe 为什么宁愿花70亿美元收购，也不愿自己慢慢做模型路由？
4. AI 预算为何会变成“每名工程师10万美元，团队少三四成”的交换？
5. 系统记录型 SaaS 客户流失率低，为什么仍然可能陷入不增长的困局？
6. 估值暴涨带来的5100万美元薪酬，为什么不该成为下一位员工的工资标尺？
7. Anthropic 要做到6000亿美元收入，光靠软件开发者够吗？
8. Lovable 和 Higgsfield 的护城河，为什么不在最初的模型能力，而在持续迭代？

被问到 SpaceX 以600亿美元全股票收购 Cursor、而 Cursor 早期一度被视为毛利为负时，三人的判断很直接：问题是真的，但它落在不同买家手里，含义完全不同。Cursor 最初甚至只是 Hacker News 上那个“email client”，后来迅速做到50万美元收入、5亿美元收入。Claude Code 出现后，很多人认为 Cursor 要被替代；它却很早切到多模型路线，最后走到600亿美元交易。按节目中的口径，Cursor 年末收入约60亿美元，交易价约为10倍远期收入。

Cursor 的低毛利也没有 magically 消失。它曾被嘲笑为把1美元的 token 以80美分甚至50美分卖出去，收入越多，推理成本越吓人。但 SpaceX 手里恰好有大量算力，需要在算力之上叠加可收费的业务。于是 Cursor 原本的成本项，变成了 SpaceX 集群的需求来源。"Your gross margin problem is my revenue opportunity for my Colossus cluster."（你的毛利问题，正是我的 Colossus 集群的收入机会。）

这意味着，AI 应用的单位经济模型不能脱离买方资产单看。对独立公司而言，推理成本可能吃掉利润；对拥有算力集群的战略买家而言，同一笔推理支出是在提高自家集群利用率。Cursor 被买下的不是一张孤立利润表，而是一个能把算力转成业务流量的入口。边界也很清楚：这依赖资本充足、风险偏好高、且拥有互补资产的买方。若资本市场收紧，Cursor 仍可能被毛利和现金流逼着放慢增长。

被问到 Anthropic 在115亿美元 Q2 收入基础上首次盈利、未来上市会怎样定价时，嘉宾先泼了一盆冷水：这份盈利并不神秘。节目给出的估算是，Anthropic 从上一年全年约45亿美元收入，跳到单季约100亿美元；毛利率也从此前为负转为约30%，年末可能接近40%。当单季收入已在100亿美元量级、毛利率接近40%，仅毛利就可能有约40亿美元，很难在短时间内靠扩招和运营费用把利润重新吞光。

所以，市场不会把注意力长期放在“这季是否盈利”。它会盯住2027和2028年的收入预测能否兑现。"The only thing that matters will be the growth rate in the 27 and 28 projected revenue."（唯一重要的，将是2027和2028年预测收入的增长率。）

这里的逻辑像一条跷跷板。Anthropic 提前承诺购买大量算力，这些属于未来负担；但如果收入继续高速增长，算力就不是负担，而是必须提前锁住的产能。反过来，如果收入增速掉下来，原本为增长准备的算力承诺，会立刻变成难以消化的账单。于是利润、表外算力承诺、非 GAAP 项目和巨额股权激励，最后都会被压缩成一个问题：收入能否跑在算力承诺前面。高增长时市场愿意“看穿”这些瑕疵；一旦增长减速，今天被忽略的项目会同时砸向估值和融资。

被问到 Stripe 以70亿美元收购 OpenRouter、而后者四个月前 Series B 估值仅13亿美元时，讨论指出：这不是普通的“估值涨了五倍”，而是买方在为时间付费。OpenRouter 是 LLM routing，也就是帮助企业在多个大模型之间选择、切换和分配请求的服务。Stripe 原本就在支付世界里抽取小比例费用，替客户处理收款、卡组织和资金流的复杂性；买下 OpenRouter 后，它能进入企业管理多模型和 AI 推理流量的环节。

对 Stripe 来说，OpenRouter 目前到底是7000万美元还是8000万美元收入，并不是决定性变量。决定性变量是：Stripe 自己做，需要多久才能接入企业的 AI 流量；现在买下，又能提前多久把这条流量变成新收入。"Quickest thing I can do is spend $7 billion, some of it stock, get these guys and be rolling in a week."（我最快的做法就是花70亿美元，其中一部分用股票支付，把这些人买下来，一周内就开始运转。）

这意味着，高速扩张期的并购价格常常不是按标的独立经营时的收入倍数算，而是按买方接手后能提前兑现多少战略价值算。Stripe 的风险也在这里。企业未必会同时稳定使用十几个模型；像 Rippling 这样的公司，可能只选两三个模型并自己管理输出。如果客户只需要“多模型备份”，而不需要复杂路由，OpenRouter 就可能停留在一个成功但有限的细分产品里。市场慢下来后，买方也会重新认真计算“自己做还是买”，70亿美元的紧迫性就会消退。

被问到企业 AI 使用量快速膨胀后，长期会形成怎样的支出和效率模型时，嘉宾给出的答案已经很像一张财务预算表。过去60天里，几乎所有 scale-up，也就是已经过了早期创业阶段、正在扩大规模的公司，都开始给 AI 支出设上限。节目里出现的年度预算是600万到800万美元，不再是员工各自刷卡订阅几个工具的零散费用。

更具体的工作模型是：把最优秀工程师的 token 额度定在每人每年10万美元。token 可以粗略理解成模型读写和推理时消耗的计算单位；额度越高，意味着允许更多 agent 并行跑任务、持续调用模型。交换条件是，开发团队有效缩减30%到40%。"I think we'll give each of our best engineers $100,000 of tokens and in return we'll cut the size of our dev teams 30 40% effectively."（我认为我们会给每位最优秀的工程师10万美元的 token，作为交换，有效地把开发团队缩减30%到40%。）

节目里还有一个更硬的现场信号：两家高速增长、但并非新创公司的董事会，已经完成当年路线图，开始推进2027年路线图。这里的含义不是“AI 工具很好用”，而是 CFO，也就是财务负责人，会把 AI 当成可测算的生产能力投入：花掉100万美元推理费，能否更早交付产品、减少多少人力、提前多少收入。边界在于采用强度差异极大。有公司能证明支出和产出成正比，有公司只是 token 消耗暴涨。后者很难拿“同行也在用 AI”说服财务团队继续加码。

被问到 Silver Lake 围绕 Workday 提出430亿美元私有化报价，是否说明 SaaS 仍然有价值时，嘉宾给出的答案是：有价值，但那是另一种价值。Workday 被描述为同比增长约13%的成熟业务，交易大致可按约5倍收入、16倍过去十二个月 EBITDA 理解。EBITDA 是扣除利息、税项、折旧摊销前的利润，私募股权常用它判断企业能产生多少可用于还债的现金流。买方的算盘是，用稳定现金流和杠杆融资，在数年内偿债，争取约20%的 IRR，也就是年化内部回报率。

这套算盘成立的前提，是 Workday 属于 system of record，即企业保存员工、薪酬、财务等核心正式记录的系统。换掉它的成本高、风险也高，因此客户流失率通常较低。更关键的是，Workday 相对封闭；相比之下，Salesforce 可以被“headless”地接入其他 agent 和数据源，原厂系统还在，新增价值却可能被外部 agent 拿走。

这意味着，低流失率只保证客户暂时不走，不保证客户会多花钱。封闭系统可以让 Workday 留住更多生态预算，但如果产品多年不进步，客户仍可能考虑替代方案，尤其是小客户。AI 时代对成熟 SaaS 的真正考题不是“会不会被迁移”，而是 agent 层会不会在不迁移的情况下，把新增预算和新增价值抽走。私有化能给管理层更安静的改造空间，却不能替代增长本身。

被问到 Anthropic 上市时，历史上累积的大额股权激励是否该被当成持续经营成本时，嘉宾举了一个极端但清楚的例子：有人在2023年以100万美元 package 入职，四年后实际获得了5100万美元。若把这5100万美元全部视为“公司为一个员工支付的正常年薪”，利润表当然会很难看；但这会把两个不同性质的数字混在一起。

该员工签约时接受的经济条件是100万美元 package。其后多出来的5000万美元，主要来自公司估值大幅上涨后，早期授予的股份变得更值钱。这是历史股权带来的财富效应，不是公司未来必须重复支付的招聘成本。"That doesn't mean you'd have to pay the next guy 51 million."（这并不意味着你必须给下一个人支付5100万美元。）

这意味着，分析超增长公司的股权薪酬时，应该拆开看：一部分是公司当初为吸引人才真正需要给出的激励；另一部分是后来估值上涨创造的意外回报。若不拆，外部观察者会把过去的幸运收益误读为未来固定工资，进而夸大企业的长期成本压力。但这套处理不能套到成熟公司。成熟企业的员工如果每年都期待拿到 RSU，也就是限制性股票单位，公司停发后，他们往往会要求用现金补回来。此时股权激励就不再只是账面项目，而是实打实的持续薪酬成本。

被追问 Anthropic 在2028年瞄准2000亿美元 ARR、之后进一步指向6000亿美元收入时，讨论没有先谈模型能力，而是先算人和工资。ARR 是年度经常性收入。有人用“全球10亿知识工作者，每人订阅”做粗略推演，随即被否定为过于乐观。节目给出的美国口径是约8300万知识工作者，其中真正从事 coding 的约180万人，广义软件相关工作者约500万人；这些人合计薪酬约6000亿美元。

软件是 AI 最肥沃的付费场景：任务数字化、产出可衡量、工程师薪资高，企业也更容易把人力预算转成模型预算。但即便如此，如果仅靠软件做到2000亿美元收入，也隐含要替代或重构相当大部分软件劳动支出。到了6000亿美元，软件市场本身就不够了。"600 billion is hard in coding. Well, you can't get there."（6000亿美元靠编程很难做到。你到不了那里。）

这意味着，AI 公司的长期收入上限最终由“工资美元中有多少能转成 AI 美元”决定，而不只是模型能完成多少任务。节目提出的每名工程师10万美元 token、团队少30%到40%的模型，已经指向软件场景里很高的替代率；但律师、医疗、教育等领域的支付意愿和替代比例未必相同。核心变量仍未解开：稳态下，每100美元工资，企业愿意给 AI 花10美元、50美元，还是更多？这个比例决定2000亿美元是否可达，也决定6000亿美元是不是只是一张宏大但未结算的支票。

被问到 Higgsfield 与 Lovable 收入规模接近、估值却明显分化，以及这类 AI 应用是否已经形成防御力时，嘉宾的答案是：最初模型能力很薄，但产品会在持续迭代中长出厚度。节目给出的数字是，Higgsfield 以55亿美元价格融资、ARR 达到7亿美元；Lovable 的 ARR 约6亿到7亿美元，却以133亿美元价格融资。两者都走了类似路线：先靠 PLG，也就是产品驱动增长，用低门槛产品吸引大量底层用户；再往上叠加 mid-market 和 enterprise 功能。

Higgsfield 最早能做的是短视频生成，如今正走向更完整的视频制作能力。Lovable 和 Replit 早期也常被开发者嘲笑为小玩具，但现在已能处理更复杂的功能和安全需求，向生产级应用靠近。"You just have to be faster and better. That's all. Just faster and better then it will accrete."（你只需要更快、更好，就这些。持续更快、更好，护城河就会逐渐累积起来。）

这意味着，AI 应用的护城河不是“我最早接入某个模型”，因为模型接口很容易被别人接上；真正会累积的是用户工作流、企业权限与安全、复杂功能、分发渠道，以及被吸引来的产品和工程人才。它们像一层层结痂，起初薄，后来越来越难剥。反面也存在：这不是不可穿透的壁垒。新技术跃迁可能重置交互方式，早期产品也曾经很容易被复制。护城河不是一次性获得的专利证书，而是持续跑得更快、做得更好后留下的产品厚度。

这8条其实都在讲同一件事：AI 市场正在把价值判断从“今天的财务报表是否完美”，转向“谁能最快把算力、产品和真实需求接成增长飞轮”。

“毛利问题没有消失，却成了买方填满算力的入口”说明，Cursor 的低毛利在独立公司账上是压力，放进 SpaceX 的算力体系里却可能变成收入入口。“高速市场里的收购价由抢时间决定，而非标的当下营收”则解释了为什么 Stripe 愿意为 OpenRouter 给出远高于四个月前估值的价格：它买的不是现有营收，而是少走几年的路。

但这种宽容不是无底线的。“对 Anthropic 而言，收入增速比利润表上的瑕疵更重要”，不等于利润、算力承诺和股权激励从此无关紧要；它们只是暂时被高速增长覆盖。一旦收入跑不动，所有被“看穿”的成本都会重新变成账单。“AI预算将按每名工程师10万美元、团队少三四成来审批”也说明，企业最终仍会要求 AI 支出换回可验证的交付速度和人力效率。

放到读者自己的处境里，无论你在做 AI 产品、经营 SaaS，还是负责一支团队，最该问的都不是“我们的模型够不够新”，而是三个更具体的问题：我们接住了哪一笔真实预算？我们的投入是否缩短了交付周期？如果增长慢下来，今天被忽略的成本还能不能扛住？这些问题答不清，再漂亮的估值和叙事，也可能只是暂时借来的速度。