Anthropic 递表那天，DoorDash 只收到了几百个 AI 订单

Anthropic 终于递表了。这大概是本周 AI 圈最大的一件事，几乎可以锁定今年第二场重磅 AI IPO。但比起估值和募资额，更值得看的是那份招股书本身——88 项风险因素，光风险披露就写了 93 页。其中有一个词被单独拎了出来：规模不经济（diseconomies of scale）。

这个词放在传统软件公司身上几乎是个悖论。SaaS 的逻辑是越大越省，边际成本趋近于零，用户翻倍利润翻倍。但大模型公司反着来：用户越多，推理调用越多，算力账单越厚，而且模型越强、上下文越长，单次调用的成本还在往上走。Anthropic 在风险因素里老老实实承认了这件事，某种程度上比那些只讲增长故事的公司坦诚。问题是，资本市场买不买这个账。

这周另一组数据像是给这场 IPO 泼了盆冷水。Stanford 2026 AI Index 说 88% 的组织在 2025 年用了 AI，但真正从中获得“显著转型价值”的只有 13%。更刺眼的是 AI agent 的采用率——在所有企业里还是个位数。也就是说，大家都在用 AI，但绝大多数还停留在聊天框和代码补全的层面，真让 agent 去跑业务流程的，少之又少。

DoorDash 的数据给这个“个位数”添了个非常具体的注脚。它说自家平台只收到了“几百个”来自 AI agent 的订单。几百个。不是几百万，不是几十万，是几百。这个数字放在 DoorDash 每天处理的外卖量级里，基本等于噪声。DoorDash 的态度倒是开放，说愿意跟第三方 agent 厂商合作，但开放归开放，现实归现实——agent 帮你点外卖这件事，目前还只是 demo 视频里的美好画面。

为什么会这样？这周 Evolve 大会上传出来的一个共识挺有意思：卡住 agent 落地的不是模型选型，是数据访问权限。基于角色的访问控制（RBAC）决定了一个 agent 能不能被信任地放进生产环境——它能看到哪些表、能改哪些字段、出了事谁负责。这些问题模型再强也回答不了。企业花了大价钱买 GPU、调 API，最后发现真正的瓶颈在 IAM 系统里，多少有点黑色幽默。同一场大会上还有人补了一刀：看 token 成本判断企业 AI 有没有效，基本是错的。便宜不代表值，贵也不代表亏，关键是省下来的工时和赚回来的收入能不能对上账。

基础设施那头也在变。“算力不够就加机器”这个扩张逻辑火了一年之后，开始被改写了。超节点的出现让单集群能撑起更大的训练任务，也让“堆机器”的粗放路线显得越来越不经济。更有意思的是 Runware 那家创业公司——它想用流水线的方式批量生产预制化 AI 数据中心，号称 48 小时上线。能不能成另说，但把数据中心当汽车造这个思路本身，说明行业的关注点正在从“有没有算力”转向“算力来得多快、多便宜、多标准化”。

技术层面这周倒不缺亮点。Google 的 EmbeddingGemma 2 把文本、图像、音频、视频、代码五种模态塞进了同一个向量空间，多模态检索的门槛又降了一截。谷歌还放出了 EnvHarness，让自进化智能体能在动态环境里持续学习，这个方向比单纯堆参数有意思得多。一家叫 TBC 的公司甚至搞了个“神经元衍生”的视频模型 Mischief，基于 Wan 2.2 改的——名字听着玄，本质上是想缩短“生成到可用”的试错循环。Cognizant 则宣布组建一支 25000 人的 OpenAI 专项交付团队，这个数字本身就说明，咨询巨头赌的是企业级 AI 落地会是一门人力密集的生意。

把这些新闻放一起看，有种奇怪的割裂感。一边是 Anthropic 冲击史上最大 IPO，Agility Robotics 借着 SPAC 要融 4.65 亿美元，人形机器人和具身智能的故事越讲越大；另一边是企业侧的账本迟迟对不上，agent 订单按“百”计，转型价值按“13%”计。教皇 Leo 十四世在日内瓦会议前呼吁“解除 AI 的武装”、禁止致命自主武器，算是给这场狂欢添了一个更沉重的维度——当资本和技术都在加速的时候，治理和伦理的讨论总是慢半拍。

Anthropic 招股书里那个“规模不经济”其实不只属于它一家。整个行业都在面对同一个问题：规模上去了，回报能不能跟上。过去两年大家默认的答案是“先建起来再说”，现在这个问题被正式写进了风险因素，被摆到了投资人面前。DoorDash 那几百个订单，可能比任何一份趋势报告都更接近真相。