以下为本招股说明书中使用的若干术语的缩写、首字母缩略词及定义：
“智能体循环”指AI智能体接收任务、采取行动（例如规划项目、运行代码或调用工具）、观察结果并决定下一步行动的迭代循环，该循环不断重复，直至任务完成。智能体循环是智能体AI行为所依托的核心执行模式。
“智能体AI”指能够以不同程度的自主性规划、确定行动并为其排序，以及执行该等行动以实现既定目标（包括通过代表用户与外部工具、服务、数据集及环境进行交互的方式）的AI系统。
“AI”指人工智能，即一种基于机器的系统，其从数据中学习或通过数据进行训练，并为实现明确或隐含的目标、以不同程度的自主性处理该等数据，以推断模式、生成输出（例如预测、内容、建议及决策），并作用于物理或虚拟环境。
“AI加速器”指专为AI模型预训练、后训练、优化及运行所需的大规模计算而构建或改造的处理器。对于AI工作负载而言，这些处理器的效率和速度显著高于通用处理器。
“API”指应用程序编程接口，即允许外部软件以编程方式访问系统功能的标准化接口。AI模型提供商可能提供API，允许软件开发者向AI模型发送输入并接收输出，从而能够集成到软件开发者的产品和工作流中。
“应用AI”指一门专注于将AI能力直接嵌入生产业务环境以满足特定客户需求的学科及组织职能。应用AI团队（包括前置部署工程师）与企业合作，设计和部署根据客户自身系统和流程量身打造的定制解决方案、专业化工作流及特定领域实施方案。
“闭环”指一种开发周期，在该周期中，AI模型的每一代版本协助构建下一代版本，目标是使能力提升随时间推移不断复合增长。
“算力”指用于训练和运行AI模型的计算处理资源，包括但不限于部署在数据中心或其他物理计算环境中的专用AI加速器、内存、网络、存储及电力系统。
“算力倍增因子”指训练和推理中的算法及方法改进，该等改进可提高给定算力的有效产出。
“计算机使用（computer use）”指一种AI能力，使模型能够观察图形用户界面并与之交互，例如点击、输入及在应用程序中导航，类似于人类操作员的操作方式。
“宪法AI（Constitutional AI）”指一种使用一套成文原则训练AI模型的方法，我们将该套原则称为Claude的宪法，目前围绕四项优先事项构建：广泛安全、广泛合乎伦理、遵守我们的准则以及真正有帮助。在宪法AI下，我们的模型对照这些原则评估、评判并修正其自身的回复，使我们能够通过可审计的原则来定义和控制模型行为，而非仅依赖固定的基于规则的指令或人工审核员。
“上下文窗口”指AI模型在单次请求中能够处理的文本、代码或其他内容的最大数量（以token计量），涵盖指令、先前对话历史、用户输入及模型的输出。
“CSP”指云服务提供商，即拥有并运营大规模云计算基础设施并按需提供算力、存储及网络服务的科技公司。CSP亦可能充当分销渠道，AI产品与服务通过该等渠道向客户提供。最大的CSP（有时称为超大规模云服务商）在全球范围内运营，拥有庞大的基础设施并具有较高的市场集中度。
“客户”指使用我们的模型、平台或应用的专业消费者或组织。
“按过去十二个月计算贡献收入10万美元或以上的客户”“按过去十二个月计算贡献收入100万美元或以上的客户”及“按过去十二个月计算贡献收入1,000万美元或以上的客户”分别指在截至计量日的过去十二个月（“TTM”）期间贡献收入等于或高于相应美元金额的客户。就该指标而言，我们将客户定义为一个独立的组织，其通过汇总我们根据内部记录及可获得的数据确定属于同一组织的账户来识别。我们并未单独定义或在内部追踪“企业”客户类别，且我们的客户在内部并不按某一客户是否为“企业”进行划分或衡量。由于在我们的产品上支出10万美元或以上一般体现的是组织而非个人的使用特征，因此在本招股说明书中，我们将按过去十二个月计算贡献收入10万美元或以上的客户数量及来自该等客户的收入，作为衡量企业对Claude的采用及参与程度的指标，包括在提及“企业客户”及“企业采用”时。
“前沿AI”指在能力和安全方面处于当前领先水平、在广泛任务中表现达到或接近任何现有系统最高水平的AI系统。
“幻觉”指AI模型以看似确信的方式生成事实错误或捏造信息的输出。
“推理”（inference）指经过训练的AI模型处理输入并生成输出的过程。每当用户或智能体与AI系统交互时，即会发生推理。
“交错思考”指AI模型在单次回复中于连续的工具调用之间插入离散推理步骤的能力，而非将其推理局限于开始时的单一规划阶段。
“可解释性”指对AI模型如何以及为何产生特定输出的研究，目的是使模型行为更加透明和可验证，尤其是在高风险应用中。
“知识工作”指复杂的认知工作及相关专业活动，包括通过编写代码、起草分析、综合研究成果、构建财务模型以及管理和自动化文档与工作流等任务来获取、生成、分析及传达信息。
“大语言模型（LLM）”指大型语言模型，即主要基于大型数据集训练、用于理解和生成自然语言及计算机代码的AI模型。
“机制可解释性”指可解释性研究的一个子领域，专注于对神经网络的内部计算进行逆向工程。机制可解释性并非仅从输入和输出推断模型行为，而是力求识别模型内部引发其行为的具体特征和回路，目的是使模型推理可在机制层面得到审计，并发现可能不会在标准测试中显现的失效模式（包括欺骗性或不安全的行为）。
“模型权重”指编码经训练AI模型行为的数值参数，是前沿AI开发者的主要知识资产，代表在算力、数据及研究方面的累计投入。
“多智能体编排”指一种由多个AI智能体协作完成共同任务的架构，其中一个智能体负责协调，其他智能体并行执行子任务，从而能够完成比单个智能体单独所能完成的更复杂的长周期任务。
“净收入留存率（Net Revenue Retention）”反映截至计量日的客户扩张、收缩及流失情况。我们以合格客户的当期收入除以其基期收入计算净收入留存率。合格客户是指在基期内收入至少为1美元的客户，但不包括我们Claude Pro和Max方案的订阅用户，因为其固定价格订阅无法反映本指标拟捕捉的扩张和收缩行为。基期为截至计量日一年前之日的三个月期间。当期为截至计量日的三个月期间。
“开放权重”指其经训练的模型权重（即编码模型所学行为的数值参数）已公开发布的AI模型，允许第三方在遵守该模型许可条款的前提下下载、运行和修改该模型，但不一定提供对底层训练数据或代码的访问。
“按智能付费”或“按用量计费”指我们的收入模式，在该模式下，客户为其对我们智能服务的使用付费，该等使用以token计量，并根据所选模型定价。
“持久化的”在AI应用语境下，用于指数据、状态或上下文在单次操作、会话或交互的边界之外持续保留，并可在后续步骤、会话或工作流中重复使用，而无需重新初始化。
“后训练”指应用于预训练模型以优化其行为的一系列技术，包括强化学习、监督式优化方法及其他对齐方法。后训练是使前沿模型有帮助、准确且安全的大量工作得以开展的阶段，包括安全及对齐技术的应用。
“预训练”指AI模型训练的初始阶段，在该阶段中，模型通常通过预测序列中的下一个token，从文本、代码及其他数据的大规模数据集中学习一般模式和表征。预训练的产出是一个具备广泛能力但尚未针对任何特定部署场景进行调整的基础模型。
“基础构件”指软件系统的基础性、模块化构建单元，更复杂的应用和工作流均由其构建而成。
“提示注入”（prompt injection）指一种对抗性技术，即将恶意指令嵌入AI模型被要求处理的内容（例如网站、文档或工具输出）中，目的是覆盖或操纵模型的预期行为，且通常在用户不知情的情况下进行。
“专业消费者”指订阅AI工具以从事知识工作的个人用户。
“强化学习”指一种机器学习方法，在该方法中，模型通过采取行动、接收被称为奖励的反馈信号并调整其行为以最大化其随时间累积的奖励，从而学会执行任务。在当代AI开发中，强化学习被广泛用于在预训练后优化模型行为，包括提升有用性、准确性及对安全准则的遵守程度。
“RLHF”指基于人类反馈的强化学习，是强化学习的一种特定形式，由人类评估员对模型的回复进行评分，并将该等评分用作指导训练的奖励信号。
“年化收入（Run-Rate Revenue）”是一项运营指标，指截至计量日我们创收活动的估计年化价值，计算方法为以下两项之和：(i)截至计量日的过去28天期间我们按用量计费的费用乘以13；及(ii)截至计量日我们的月度订阅费用总额乘以12。就计算年化收入而言，按用量计费的费用及按订阅计费的费用均源自客户使用量及有效订阅。
“系统集成商（SI）”指第三方技术及专业服务公司，其通过将多个技术供应商的产品和服务整合为根据客户需求量身定制的统一系统，为客户设计、构建和部署集成解决方案。
“token（词元）”指AI模型将其处理的数据（包括文本、图像、音频及视频）转换而成的数值单位，其数量因所应用的模型和分词器而异。token是语言模型的最小单个单位，可对应于单词、子词、字符或字节。分词器是模型的组件，负责将客户输入转换为模型所处理的token序列，再将处理后的token转换为向客户提供的输出。