
Anthropic史无前例的IPO在本周正式登场。11月13日,在纽约摩根大通公司新总部的一个舞台上,Anthropic CEO达里奥·阿莫迪与摩根大通CEO杰米·戴蒙并肩而立,身上穿着标志性的跑鞋、白袜子和蓝色休闲西装,与戴蒙的西装、皮鞋相映成趣。
面对戴蒙代表资本市场发出的关于高额估值、未来9000亿美元算力豪赌、大模型竞争战略等提问,阿莫迪给出一句标志性回答:“永远别让你公司的价值比它真正价值多出哪怕一美元。”
之所以说Anthropic上市史无前例,是因为一边是狂飙变现的当期收入和对“星辰大海”的美好想象,另一边却是为后续技术迭代背负的巨额财务承诺以及算力“军备赛”和技术路线竞争下巨大的不确定性。
算力资源可以提前锁定,技术身位与客户留存却无法长期保证。Anthropic究竟是在构筑可自我造血的商业壁垒,还是在奔赴一场没有终点的“无限游戏”? Anthropic的上市正如一块试金石,考验我们对AI时代新型科技公司的商业认知。
AI时代的“红皇后效应”:
持续奔跑,只为保持原位

2026年前三季度,Anthropic实现营业收入332.42亿美元,账面净亏损1040.39亿美元。其中,943.24亿美元来自可转换票据、衍生负债及SAFE等融资工具的公允价值变动,主要源于公司估值上升带来的会计影响。同期,公司经营亏损约12.60亿美元。
真正值得关注的是Anthropic将算力投入转化为收入的效率。
2025年第一季度,公司每发生1美元算力及基础设施费用,仅能换回0.40美元收入;到2026年第二季度,这一数字升至2.08美元。然而,第三季度又回落至1.72美元。尽管仍达到2025年初的4.3倍,但第三季度的回落,显露出算力变现效率的起伏。
图|Anthropic每1美元算力及基础设施费用对应的收入(美元)
Source:Anthropic, Form S-1/A
抛开单季度的波动,整体效率的提升来自两股力量的合流:一方面,Claude不断推出能力更强的新版本,吸引企业将更多业务接入AI,带动客户调用量增长;另一方面,推理算法与计算资源调度的优化,让同等规模的算力得以承载更多任务。
但当下大模型的单位经济性,未必能成为长期稳定的竞争优势。
传统软件产品开发完成后,通常能够在较长周期内反复销售。客户越多,前期研发费用就能由更多收入分摊,规模扩大也更容易转化为利润。
大模型却要不断推出新版本。上一代模型的收入表现,很难外推到下一代。研发与训练需要高额投入,客户是否继续买单仍需重新验证。
这正是大模型赛道经历的“红皇后效应”(Red Queen Effect):为了保持原位,企业唯有拼尽全力奔跑。
斯坦福大学商学院教授威廉·巴尼特与时任哈佛商学院学者莫滕·汉森的研究显示,领先者的每一次进步,都可能刺激竞争对手加速追赶;而追赶者的不断进化,又反过来迫使领先者继续向前。所有企业都在不断变强,却未必能够拉开彼此的差距。【1】
大模型行业正在经历类似的竞争。新模型接踵而至,技术前沿不断被改写,领先不是一种可以长期持有的资产,而是一种必须不断重新赢得的位置。
招股书中的研发费用让竞争的残酷性具象化:2026年前三季度,Anthropic研发支出达192.40亿美元,相当于同期收入的57.9%。对Anthropic而言,研发支出既用于开拓新能力,也用于守住现有市场。
持续迭代的要求,推高了对算力储备的依赖。然而,先进芯片制造、数据中心建设与电力配套存在漫长的物理周期。为确保未来算力供应,公司大部分算力均通过多年期合同采购,往往在实际交付前12至18个月就敲定了采购安排。
表 | Anthropic部分长期算力采购合同
Source:Anthropic, Form S-1/A
根据修订版招股书,截至2026年9月30日及其后签订的采购与租赁合同中,Anthropic未来承诺支出合计约8954亿美元,绝大部分与算力及基础设施有关。其中,约4475亿美元预计在2030年底前发生,其余绝大部分将在2031年至2045年发生。
算力支出通过长期合同提前锁定,但来自客户的收入却难以获得同等程度的保障。一旦下一代模型在较量中失去身位优势,导致客户流失,长期算力合同便可能成为沉重的财务负担。
相互投资与军备竞赛:
繁荣表象下的系统性风险
再看Anthropic与Amazon、Google之间,早已超越了单纯的上下游采购关系,两家云计算巨头同时也是Anthropic的重要投资者。
以Amazon为例,其在2026年4月向Anthropic投资50亿美元,并设立最高200亿美元的后续融资安排;5月又追加50亿美元投资,使剩余融资额度降至150亿美元。与此同时,Anthropic承诺在2026年至2036年间向Amazon采购至少1100亿美元算力。资本投入与商业采购相互交织,形成了一个投资与需求彼此支撑的产业循环。
国际清算银行发现,2021至2025年,AI企业之间的投资交易按金额计算,有46.4%的交易双方同时存在商业供应关系。【2】
在行业上行期,投资者与供应商身份重合是一台加速自转的繁荣飞轮,可一旦遭遇行业降温,便会成为被放大的减值风暴。若Anthropic增长不及预期,Amazon不仅可能面临新增算力订单放缓,还将遭遇投资估值缩水的夹击。原本彼此托举的共生关系,转化为难以割席的风险传导链。
既然如此,为何企业依旧在相互借力、狂飙突进?
从微观个体的视角看,对模型开发商来说,提前拿到算力,关系到下一轮模型训练和客户需求能否得到满足;对云厂商来说,提前建设数据中心,是为了争取未来的云服务订单。每家企业都担心投得太慢,被竞争对手抢走机会。
然而,这也带来了典型的“合成谬误”:单个企业合理的投资决策,汇集到全行业,却可能造成过度建设。当企业纷纷以竞争对手的投入为参照,不断加码,一场AI军备竞赛便由此形成。
国际清算银行测算表明,在基准情景下,这种竞争机制下的企业总体投资规模,会达到社会有效水平的约1.5倍,即高出约50%。【3】
即便未来企业级AI的总需求如期爆发,也难免有企业因无法获得匹配的商业回报来覆盖高昂的算力支出。但局中人别无选择:退出意味着直接丧失机会,跟进才有可能留在牌桌。身处一个增长天花板极高却各方紧咬不放的赛道,企业唯有持续加码,确保不被对手甩开身位。
按量收费的双刃剑:
高增长弹性与低转换成本
从收入结构来看,2026年前三季度,Anthropic约79%的收入来自按使用量收费。
与传统SaaS依靠账号订阅不同,按量收费赋予了企业极强的顺风爆发力:模型性能的每次跃升,都能直接转化为客户采购规模的迅速膨胀。
2026年第三季度,公司的净收入留存率(NRR)约为900%。这意味着在剔除部分固定价格订阅用户后,同一批老客户在当季贡献的总收入,仍达到一年前同期的9倍。企业最初可能仅在部分单点场景接入Claude,一旦模型在推理与规划上展现出更稳定、更全面的表现,客户便会迅速将其拓展至更多的运营调度中。
即便老客户群体已呈现出数倍的用量扩张,大模型在大型企业内部的渗透依然处于浅层。
截至2026年9月底,Anthropic已经进入超过50%的《财富》500强企业。但2026年第三季度,其从这些客户获得的收入,平均还不到这些企业同期总费用的0.1%;即便在收入贡献最大的十家《财富》500强客户中,这一比例仍不足1%。除了外部拓展新客户,其在既有大客户内部的“钱包份额”,仍留有巨大的挖潜空间。
在技术领跑的上行周期内,按量收费能够让迭代红利加速转化为真金白银的收入。
然而,企业接入时有多容易,倒戈时的阻力就有多小。按量收费赋予了企业客户加速扩张的自由,却也让模型厂商的收入防线变得脆弱。
传统企业软件深植于业务流程、高度契合操作人员的使用习惯,因此迁移成本极高,企业轻易不会换轨。相比之下,单纯依靠标准化API接入的大模型业务,本质上是一项极度轻量化的外部调用,客户放弃或缩减调用的门槛极低。
企业软件服务商Rippling披露的数据印证了这种脆弱性:使用Anthropic模型处理其内部编码任务的比例,从2026年5月的57%断崖式下滑至10月的18%;同期,OpenAI的份额则由16%反超至52%,推动这轮迁徙的核心驱动力则是降低成本。【4】
正如Anthropic在招股书中所坦承,许多客户的合同允许其在极短通知期内、甚至无需提前通知,就减少使用量或终止服务。按量付费模式下,竞争力稍有波动,便会引发客户用量的“无声转移”。
此外,AI网关及其模型路由能力的发展,正加速剥离大模型厂商对客户的控制力。
企业可以在自身应用与模型之间架设统一网关,按照任务难度、性能和价格分配调用:轻量、常规的任务交给低成本模型,复杂任务则由能力更强的模型承接。
面对被“管道化”的危机,大模型厂商能做的是在产品与合同两个层面建立壁垒。
在产品侧,重点在于加速嵌入客户的日常工作流。无论是Claude Code还是Cowork,Anthropic正向企业级协同工具演进。一旦模型深入企业的代码库、业务规则与员工操作习惯,客户的替换成本将从改动API接口,上升为系统重构与组织适应成本。
在合同上,招股书披露,越来越多企业客户签订不可取消的一年或多年期合同,承诺最低消费金额,以换取约定的价格。
然而,这两道防线并不能提供稳固的屏障,反而伴随着新的阻力:
一方面, Anthropic在招股书中提到,当自身产品持续向应用层扩张,必然会与基于Claude开发工具的企业客户产生直接碰撞。“既做军火商,又做正规军”的双重身份难免让生态伙伴心生戒备。
另一方面,模型厂商想要形成深度绑定,企业客户却警惕被单点套牢。深度依附于单一供应商,不仅意味着未来将丧失价格谈判的主动权,更意味着在下一代技术迭代时难以灵活转身。Datadog数据显示,约69%的企业在生产环境中同时部署了三种或更多模型。【5】企业对技术选择权的防守,恰恰站在了模型厂商追求黏性的对立面。
结语:两条战线,没有终点的竞争
大模型行业未来的竞争,将沿着两个方向同时展开。
一条向上,向技术前沿冲刺。顶级智力供给始终是硬通货,但它更像是一种高昂的“动态特权”,需要源源不断地砸入资本与算力刷新天花板,从而换取市场对自身技术路线的认可与采购。
一条向下,向业务场景扎根。无论是深入企业工作流,或是通过长期合同锁定部分客户支出,本质都是将技术先发优势沉淀为更稳固的商业壁垒。然而在这里,它既要承受与下游开发者抢夺场景的信任摩擦,又必须面对客户抵御单点绑定的理性反制。
无论向上冲刺技术前沿,还是向下扎根企业工作流,这场竞争都没有长久的胜利。在“红皇后效应”下,企业必须不断向前奔跑,才能保住牌桌上的核心位置。
(长江商学院新生代独角兽全球生态体系研究部研究员曹欣蓓对本文亦有贡献。)
参考文献:
【1】Barnett W P, Hansen M T. The Red Queen in Organizational Evolution[J]. Strategic Management Journal, 1996, 17(S1): 139–157.
【2】Frost, J., Kansal, R., Rishabh, K., Shreeti, V., & Zhang, L. S. Y. (2026). Circular relationships among AI firms. BIS Bulletin, No. 137. Bank for International Settlements, October 1, 2026.
【3】Rungcharoenkitkul, P. (2026). The AI Investment Race. BIS Working Papers, No. 1367. Bank for International Settlements, July 14, 2026.
【4】Bratton, L., & Palazzolo, S. (2026). Anthropic’s Margin Is OpenAI’s Opportunity. The Information, October 24, 2026.
【5】Datadog. (2026). AI Is Hitting Operational Limits as Companies Rush to Scale, Datadog Report Finds. April 21, 2026.
编辑|马小









