软银季亏 70 亿，Anthropic 估值腰斩

据 Woofun AI 消息，日本软银集团公布的 2026 年 7 月至 9 月季度财报显示，其净亏损高达约 1.1 万亿日元，折合 70 亿美元。这一巨额亏损的核心源头并非传统业务，而是源自美国 AI 数据中心建设的激进扩张与随后的策略回调。

与此同时，备受瞩目的 AI 独角兽 在筹备 IPO 正式路演时，将定价区间设定为每股 70 到 78 美元，对应最高估值 1.02 万亿美元，这一数字相较于两个月前市场流传的 2 万亿美元预期，以及数月私募阶段超 1 万亿美元的估值，出现了近乎腰斩的剧烈缩水。

这种从云端跌落的现象，标志着市场情绪正从盲目乐观转向对资本效率的严厉审视。

深入剖析软银的亏损结构，可以发现其旗下负责设备采购的 Silver Band 7 因调整采购策略，直接产生了约 37 亿美元的损失。这笔巨额支出中，约 28.5 亿美元涉及不可退还的设备产能预付款，另有约 8.8 亿美元来自合同调整及结算。过去两年，华尔街的主流叙事聚焦于 AI 算力短缺、GPU 供应紧张及电力瓶颈，促使包括软银在内的科技巨头不惜重金提前锁定未来几年的设备产能与制造资源，试图通过抢占物理基础设施来构筑竞争壁垒。

然而，随着市场环境变化，部分采购计划被迫变更，那些为了'占坑'而提前支付的真金白银，因合同刚性条款无法收回，从而转化为实质性的财务黑洞。这揭示了 AI 泡沫最危险的形态：技术本身或许具备长期价值，但企业在抢占未来市场的过程中，可能因过度前置资本开支而陷入流动性陷阱。

值得注意的是，加密市场也在此背景下出现联动反应，带领整个加密资产板块遭遇雪崩式下跌，反映出宏观风险偏好的急剧收缩。

Woofun AI 整理数据显示，斯坦福大学同日发布的重磅报告《AI Goes Mainstream: The Scaling Era and the Rise of Generative AI》为这一趋势提供了理论注脚。报告明确指出，依赖暴力堆叠算力的时代即将终结。过去五年生成式 AI 的进步主要得益于规模效应，即更多数据、更多算力与更大模型的组合。但在数据层面，高质量语料正面临枯竭危机。回顾 GPT-3 训练时期，其使用了约 45TB 文本，当时互联网是几乎无限的唯一现实来源；如今互联网已被反复挖掘，新的高质量数据难以获取，独家数据已成为核心战略资产。在算力层面，训练前沿模型需消耗几十万亿个 token，并依赖十万块以上单价 3 万美元以上的高端 GPU 连续运行数月，成本高昂至极。

更关键的变量在于，继续增加算力带来的边际提升正在下降，这直接动摇了'越砸钱效果越好'的经济逻辑基础。

若'规模即正义'的逻辑被证伪，以 GPU 和存储芯片为代表的数据中心概念股将面临估值重构的压力。Anthropic 的估值回调与软银的巨额亏损，并非孤立事件，而是行业从'资本驱动扩张'向'效率驱动盈利'转型的阵痛表现。当数据红利见顶且算力边际效益递减时，单纯依靠烧钱抢占基础设施的模式难以为继。这是继互联网泡沫破裂后，科技行业再次面临的关于资本配置效率的严峻拷问，投资者需警惕那些缺乏清晰盈利路径、仅靠叙事支撑的高估值资产。