外媒爆料！AI巨头，净亏损超800亿美元 当地时间10月20日，据《华尔街日报》报道，美国人工智能公司Anthropic在一份首次公开募股（IPO）招股说明书草案中披露，2026年上半年净亏损达807亿美元，远高于去年同期的130亿美元。

英文AI模型成本太高，竞争力弱

大模型的训练、运行成本，和语料体系、文字特性紧密相关。以字母英文为核心基座的AI模型，存在天然的成本短板，算力消耗更大、迭代负担更重，长期来看竞争力偏弱。

英文属于表音文字，词汇体系是持续膨胀的。每当出现新事物、新概念，就要不断创造新词。前沿的物理、生物、人工智能领域，源源不断诞生大量独立词条，词条之间缺少字义上的内在关联。模型想要理解这些概念，就要分别学习每一个独立词汇，需要海量的语料、庞大的参数去分别记忆，训练数据体量被迫持续扩张，算力、电力、存储成本随之居高不下。

汉字表意，几千个基础汉字作为基础单元，依靠自由组合就能生成新概念。电脑、黑洞、量子、航天，望文可知其意，概念之间自带逻辑联系。模型不需要为每一个新名词单独学习，依靠已有的汉字语义理解，就能推知新词内涵。同等理解深度之下，中文语料更加凝练，信息密度更高，训练所需的数据量更少，算力消耗更低，推理速度更快，运营成本大幅降低。

英文大模型还有衍生问题。词汇繁多、语义碎片化，模型很容易出现幻觉，前后逻辑难以自洽，想要提升可靠性，只能继续增加参数和数据，陷入“堆规模、堆算力”的循环，成本越滚越高。高昂的算力与电费门槛，让英文AI很难低成本普及，落地到各行各业时，使用成本昂贵，普通场景难以负担。

当然英文AI有先发优势，积累了大量早期数据。但先发不等于长期优势。成本是商业竞争、产业普及的关键指标。中文体系自带高信息密度、强语义关联的优势，同等硬件条件下，中文基座模型能用更低成本完成理解、推理、创造任务。

AI时代的比拼，不只是能不能做出模型，还要看能不能低成本、稳定、持续地运转。英文AI受限于文字体系带来的先天成本压力，成本居高不下，持续扩张的竞争力会慢慢受限。依托中文构建本土大模型，走低成本、高效率的路线，才是长久竞争的优势方向。