AI产业链地图 加入会员
AnthropicANT.US
0/2
公司深度研究 · Anthropic ANT.US

Anthropic 靠什么赚钱:按 token 卖智能,先签下九千亿美元算力

Anthropic 是 Claude 的开发商,2026-11-19 在纳斯达克上市。它的收入 2025 年全年 $45.85 亿,2026 年前三季度 $332.42 亿,10 月末按最近四周折算约 $810 亿一年;同一时间,它签下约 $9,009 亿算力合同,大部分不可取消。这门生意的问题都在这两个数之间:需求是不是真的,每回答一次能不能赚钱,算力付不付得起,对手追不追得上。本课先讲大模型怎么收钱、钱花在训练和推理哪两本账上,再讲 Anthropic 的来历、收入构成、护城河和算力合同,然后是智能体、价格战与外部约束,最后看它的合同怎样变成 Google TPU、英伟达 GPU 和 A 股光模块、PCB 公司的订单,账本怎样印证这一切。价格只在最后一节。

Unit 01 / 05

大模型卖的是什么,钱花在哪两本账上

按 token 计费的智能、训练与推理两本账、谁在付钱、链上谁分钱、前沿为什么只剩几家。

阅读 约 32 分钟分节 5 节测验 25 题(每节 5 题)

这一单元从零讲大模型这门生意。Anthropic 卖的是按 token 计费的回答,token 是模型切分文字的小片段;截至 2026-11-21,官网主力型号 Opus 5.5 每百万输入 token 收 $4、输出收 $20。成本分两本账:训练是造模型的一次性投入,推理是每回答一次都要花的算力。招股书把推理记进营业成本、训练记进研发,所以 2026 年前三季度毛利率 85.5%,研发却占收入 58%,经营仍亏 $12.60 亿。付钱的主力是企业和程序员,收入 79% 按用量计费;编程最先规模化,因为代码对错能自动验证、程序员工资高。每 $100 收入约 $56.6 花在算力上,流向 Google、亚马逊、英伟达这些卖算力的公司。最后讲前沿为什么只剩三四家:算力、研究员、数据、渠道四道关要同时过,企业买模型的钱正向 Anthropic 和 OpenAI 集中。

一.1

一次提问值多少钱:大模型按 token 卖智能

大语言模型怎么干活、按什么单位收钱、价目表怎么读,以及企业和个人通过哪三种方式买

约 6 分钟·1,809 字·5 题
01

从常识讲起:你给它一段字,它还你一段字

大语言模型是什么,它的成本为什么跟着用量走

先把 Claude 当成一个普通工具来看。你在对话框里打一段话,比如「把这份年报的风险因素归纳成五条」,几秒钟后它回你一段文字。背后干活的是一种叫大语言模型的程序:它读过海量的书籍、网页和代码,学会了根据前文推测接下来最可能出现的文字,于是能写、能总结、能翻译,也能写程序。Anthropic 的 Claude、OpenAI 的 ChatGPT、Google 的 Gemini 都属于这一类。

和传统软件相比,这里有一个决定商业模式的差别。一套办公软件卖出去以后,用户多打一份文件,厂商的成本几乎不变;大模型每回答一次,都要在数据中心的芯片上实打实算一遍,回答越长、读的材料越多,算得越久,电费和芯片折旧就越多。成本跟着用量走,收费自然也跟着用量走。所以大模型公司卖的是一次一次算出来的回答,计价单位叫 token。

02

token:模型按「词块」读写,也按词块收钱

输入便宜,输出贵

模型并不直接认识字和词,它先把文字切成一个个小片段再处理,这些片段就叫 token。一个常见的英文单词可能就是一个 token,生僻词会被切成两三块。Anthropic 官方文档给的换算是:在 Claude 4.7 之前的型号上,一个 token 约等于 3.5 个英文字母;4.7 及之后的型号换了新的切分方法,同一段文字切出来的 token 多约 30%。按新方法,100 万个 token 大约装得下 55.5 万个英文单词。中文官方没有给换算,经验上一个汉字大致对应一到两个 token,要精确数字得用官方的计数工具。

计费时 token 分两种。你发给模型的叫输入:问题本身、附上的文件、之前的对话记录,都算输入。模型写回来的叫输出。Claude 每一档模型的输出单价都是输入的 5 倍,原因在计算方式上:模型读输入时可以把整段文字一起并行处理,写输出时只能一个 token 接一个 token 地往下算,每写一个都要回头参考前面的全部内容,占用芯片的时间长得多。

03

Claude 的价目表:最贵和最便宜的一档差 80 倍

Anthropic 官网,访问日期 2026-11-21

型号官方定位输入(每百万 token)输出(每百万 token)
Claude Fable 5.2最难的推理和长时间自主任务$8$40
Claude Opus 5.5长时间的编程和知识工作,官方建议多数场景先用它$4$20
Claude Sonnet 5.5速度和能力的平衡$2$10
Claude Haiku 5.5大批量、要求快的简单任务,如分类和信息提取$0.10 起$0.50 起

官网列出的四档在售模型,每百万 token 的输入 / 输出价分别是:Fable 5.2 $8 / $40,Opus 5.5 $4 / $20,Sonnet 5.5 $2 / $10,Haiku 5.5 从 $0.10 / $0.50 起。这张价目表可以像看航空公司舱位一样读。Fable 是头等舱,单价最高,留给最难、最长的任务;Opus 是官方推荐的默认选择;Sonnet 再便宜一半,速度更快;Haiku 的输入单价只有 Fable 的八十分之一,适合每天跑几百万次的简单活,比如给客服工单分类。同一个客户往往几档混着用:先让便宜的模型筛一遍,难的再交给贵的。另外两条规则也影响账单:不着急要结果的请求走批量接口,价格打五折;反复发送的同一段材料可以存进缓存,再次读取时 Opus 5.5 只收输入单价的 5%。

价格也随代际变化。上一代 Opus 5 的标价是输入 $5、输出 $25,Opus 5.5 降到了 $4 和 $20。降价对收入和毛利意味着什么,第 2 节专门算。

04

上下文窗口:一次能往工作台上摆多少材料

窗口越大,能做的事越多,输入账单也越大

模型一次能「看到」的文字总量有上限,这个上限叫上下文窗口,可以理解成模型的工作台:问题、附件、之前的对话,加上它正在写的回答,都得摆在这张台子上。官网列出的四款在售型号都是 100 万 token,前几代的 Opus 4.5 只有 20 万 token。窗口变大,模型就能一次读完一整个代码仓库或一摞合同,这是编程和长文档任务能做起来的前提之一。

窗口大也意味着账单大。模型自己不记事,每发一次请求,工作台上的全部内容都要重新作为输入发一遍、计一遍费,对话越长,后面每一轮的输入就越多。上面说的缓存折扣,主要就是为这种反复发送同一批材料的场景设计的。

算一笔账:让 Opus 5.5 读一份年报

假设把一份约 5 万个英文单词的年报交给 Opus 5.5,让它写一份 2,000 词的摘要。按一个单词约 1.8 个 token 粗算,输入约 9 万 token,费用 $0.36;输出约 3,600 token,费用约 $0.07。一次合计约 $0.43,属本课示意计算。单次很便宜,但如果让模型自己连续推进一项复杂任务,它可能要来回调用几十上百次,账单就从几毛变成几美元甚至更多。

05

三种买法,以及一个人一个月花多少

API、订阅、云市场

第一种是 API。API 是程序之间约定好的调用接口:企业的软件按约定格式把文字发到 Anthropic 的服务器,服务器把结果传回来,用多少 token 付多少钱,适合把模型嵌进自家产品或内部流程。第二种是订阅,面向个人和团队,按月付固定费用,在 Claude 的网页、桌面和手机应用里直接用。截至 2026-11-21,个人版 Pro 每月 $20(按年付折合每月 $17),Max 每月 $100、用量是 Pro 的 5 倍,Ultra 每月 $200;企业版每个席位每月 $20,另按 API 价格收用量费。第三种是通过云市场买:已经在用 AWS、Google Cloud 或 Microsoft Azure 的企业,可以直接在这些云平台上调用 Claude,账单由云厂商开。三种买法各占多少收入、企业为什么爱走云市场,第 3 节讲。

折成每个人头上的钱,公司路演材料(2026-11)给过两个数:2026 年第三季度,企业版里不用 Claude Code(Anthropic 的编程工具)的普通用户,平均每月花不到 $75;用 Claude Code 的用户里,排到前 5% 的人每月花费约为前者的 20 倍,也就是不到 $1,500。同样是一个座位,干的活不同,花的钱差了一个数量级。

公司在路演材料里给自己设定的对手更大:全球知识工作者一年的工资总额,公司自估在 $40 万亿以上。这个数由公司按工资数据自行估算,没有第三方测算背书,和它 2026 年第三季度 $169.56 亿的收入也相差几个数量级。它想表达的是,模型收费的参照物正在从企业的软件预算换成人工预算。这个说法能不能成立,要看编程之外的工作能不能走通编程已经走通的付费路径,这是贯穿全课的一个问题。

这一节要带走的一句话 大模型每回答一次都要在芯片上实际计算,成本随文字量增长,所以按 token(模型切分文字的小片段)收费;输出只能逐个 token 生成,单价是输入的 5 倍。截至 2026-11-21 官网四档每百万 token 的输入 / 输出价:Fable 5.2 $8 / $40、Opus 5.5 $4 / $20、Sonnet 5.5 $2 / $10、Haiku 5.5 从 $0.10 / $0.50 起,上下文窗口都是 100 万 token。买法有三种:API 按量付费、按月订阅、经云市场购买。路演口径下企业版普通用户月均不到 $75;「$40 万亿知识工作者工资」的对标是公司自估。

检验一下:一次提问值多少钱:大模型按 token 卖智能

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

一.2

造一次模型,答一次问题:训练和推理是两本账

模型成本分两种,一次性的训练和每次回答都要花的推理;招股书把它们记在不同科目里,所以毛利率 85% 的公司仍在亏钱

约 6 分钟·1,858 字·5 题
01

从常识讲起:先编教材,再开课

训练是一次性大投入,推理按次花钱

第 1 节说模型每回答一次都要算一遍,这只是成本的一半。在能回答问题之前,模型要先被造出来。可以拿办一所培训学校来比:编一套教材要请专家花几个月,钱一次性花出去,这相当于训练;教材编好以后,每开一堂课都要租教室、付讲课费,课上得越多花得越多,这相当于推理。

训练的具体做法,是让模型反复阅读海量文本、代码和人工写的示范,每读一批就调整一次模型内部的大量参数,让它预测得更准。这个过程要把几万到几十万颗芯片连在一起,不间断地算上几个月,中途出错还要回退重来。训练结束,模型的能力就基本定型,接下来进入推理阶段:用户每提一个问题,模型就在芯片上把答案算出来。两者用的是同一类芯片,花钱的节奏却完全不同。训练是一笔笔预先砸下去的大额开支,推理则像水电费,随客户用量上下浮动。

02

加速芯片:为什么普通电脑干不了这活

GPU、TPU 和 Trainium

训练和推理做的是同一种计算:海量的乘法和加法,而且彼此独立、可以同时进行。电脑里的普通处理器擅长按顺序处理复杂指令,干这种活效率很低,于是行业改用专为大规模并行计算设计的加速芯片。最常见的是英伟达的 GPU,原本用来处理游戏画面,后来成了 AI 计算的通用选择;Google 自己设计了 TPU,只服务于 AI 计算;亚马逊旗下 AWS 也有自研的 Trainium。Anthropic 三种都在用,向谁买、各买多少,第 9 节专门讲。

这些芯片的使用规模大得超出直觉。据 Epoch AI 统计,截至 2026-11,全球最大的 AI 数据中心是 SpaceXAI 在孟菲斯的 Colossus 2,算力约相当于 110 万颗英伟达 H100,而 SpaceXAI 也是 Anthropic 的 GPU 供应商之一。

03

Scaling Law:为什么每一代模型都更贵

投入越多,模型越强,而且能提前估算

模型公司为什么愿意一代比一代花得多?因为业内有一条经验规律,叫 Scaling Law:用于训练的算力、数据和模型参数越多,模型能力就越强,而且提升的幅度可以提前大致估算。这条规律最有名的一篇论文发表于 2020 年,第一作者 Jared Kaplan 后来成为 Anthropic 的 7 位联合创始人之一。它给了整个行业一个可以下注的理由:只要肯多花钱,下一代模型大概率会更聪明。

代价是训练账单增长得极快。Epoch AI 在 2026-11-05 更新的统计显示,2020 年以来前沿语言模型的训练算力每年增长约 5 倍,训练成本每年增长约 3.5 倍。按这个速度粗算,三年下来训练一次的成本要放大四十倍左右。这些钱在模型上线之前就得花出去,能不能赚回来,要看模型发布以后的推理收入。

04

招股书怎么记这两本账

推理进营业成本,训练进研发

两本账在财报里记在不同的地方。Anthropic 招股书的主表按费用性质列示,比如算力与基础设施、人员、销售营销;附注里另有一套按职能的拆分,把服务客户的推理算力等计入营业成本,把训练和研究用的算力计入研发。招股书没有直接列毛利,本课用职能口径自己算:毛利率等于收入减营业成本,再除以收入。这个口径下的毛利率只回答一个问题:卖出去的 token,扣掉直接服务客户的算力,还剩多少。

两套口径的差别值得多看一眼。按性质看,2026 年第三季度算力与基础设施开支 $98.63 亿,占当季收入 58%,这个数把推理和训练放在一起;按职能拆开,前三季度真正记进营业成本的只有 $48.12 亿,占收入 14.5%。所以「算力占收入多少」和「毛利率多少」说的是两件事:前者看整家公司在芯片上花了多少,后者只看卖 token 这门买卖本身的直接成本。第 4 节拆每 $100 收入的去向时,会把两套口径放在一起看。

期间收入营业成本毛利率研发研发 ÷ 收入
2023 年$0.41 亿$0.26 亿36.6%$4.22 亿10.3 倍
2024 年$3.86 亿$7.52 亿−94.8%$22.75 亿5.9 倍
2025 年$45.85 亿$27.73 亿39.5%$63.38 亿1.38 倍
2026 年前三季度$332.42 亿$48.12 亿85.5%$192.40 亿58%

2024 年的数字最能说明推理的分量:全年收入 $3.86 亿,服务客户的成本却有 $7.52 亿,毛利率 −94.8%,每收 1 美元要倒贴约 0.95 美元的推理算力。到 2026 年前三季度,收入放大到 $332.42 亿,营业成本只有 $48.12 亿,毛利率升到 85.5%。还要注意,经云市场卖出时付给云厂商的分成不计入营业成本,记在销售与渠道费用里(第 7 节),所以这个毛利率没有扣掉渠道成本。九个月对十二个月,收入放大了八十多倍,服务成本只放大了六倍多。从公开数字能推断出两条原因:客户多了以后,用于推理的芯片更满负荷地运转;新一代模型完成同样的任务需要的算力更少。招股书没有逐项量化这两条,属本课推断。

毛利率高不等于赚钱。同一时期研发开支 $192.40 亿,占收入 58%,主要是训练和研究算力加上研究员的薪酬;2025 年研发更是收入的 1.38 倍。扣掉研发、销售和管理费用后,2026 年前三季度经营亏损 $12.60 亿。读这家公司的利润表,要把两本账分开看:推理那本已经很赚钱,训练那本还在大把花钱。

05

降价换来了什么

Opus 4.5 便宜 67%,收入环比增速升到 +132%

推理成本下降以后,模型厂可以把一部分让给客户。公司路演材料(2026-11)举的例子是 Opus 4.5:客户使用成本比上一代 Opus 4.1 低 67%,官网标价从每百万 token 输入 $15、输出 $75 降到 $5 和 $25。降价之后,收入的季度环比增速从 2025 年第四季度的 +47.6% 升到 2026 年第一季度的 +131.9%。公司把这当作降价能换来更多用量的证据。需要注意,同期 Claude Code 在快速放量,企业客户也在大批进场,增速变化不能全部归功于降价。

路演材料还举了三款新模型,延续的是同一条路。公司称,完成同样任务的成本比各自上一代低:Fable 5.1 约 25%、Opus 5.5 约 40%、Haiku 5.5 约 75%。对照官网标价,Opus 5.5 只比 Opus 5 便宜 20%,其余降幅来自完成同样任务所用的 token 更少,这一拆分属本课推断。降价也有代价:招股书披露,第三季度新模型降价和合同折扣让收入少了约 $6 亿。单价往下走、用量往上走,两者谁快,决定收入和毛利往哪边去,第 11 节会专门讨论价格战。

−94.8%
2024 年毛利率
推理成本比收入还高
85.5%
2026 年前三季度毛利率
职能口径,本课计算
58%
同期研发占收入
训练和研究算力在这里

这一节要带走的一句话 训练是造模型,用几万到几十万颗加速芯片连续算几个月,是一次性大投入;推理是用模型,每回答一次都要再算,像水电费一样随用量走。Scaling Law 让每一代训练更贵:据 Epoch AI,2020 年以来前沿模型训练成本每年约增 3.5 倍。Anthropic 招股书把服务客户的推理算力记入营业成本、训练算力记入研发,按此算出毛利率从 2024 年 −94.8% 升到 2026 年前三季度 85.5%,但同期研发占收入 58%,经营仍亏 $12.60 亿。降价能换用量:Opus 4.5 便宜 67% 后收入环比增速从 +48% 升到 +132%,代价是第三季度降价和折扣少收约 $6 亿。

检验一下:造一次模型,答一次问题:训练和推理是两本账

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

一.3

谁在为 token 付钱:为什么编程最先跑出来

收入八成按用量计费,付钱的主力是企业和程序员;编程最早规模化付费,智能体又让每个任务的用量成倍增加

约 6 分钟·1,735 字·5 题
01

两种收钱方式:按用量,或者按月

2026 年前三季度 79% 对 21%

第 1 节讲了三种买法,落到收入上只分两类。一类是按量计费:用了多少 token 收多少钱,API 调用和企业版席位费之外的用量费都在这里;另一类是订阅:Pro、Max、Ultra 和团队版,按月收固定费用。2026 年前三季度,Anthropic 收入 $332.42 亿,其中按量计费 $263.06 亿,占 79%;订阅 $69.36 亿,占 21%。招股书没有单独披露 API 收入,按量计费里既有 API,也有自家应用里的按量付费。

两类收入的性格不同。订阅收入好预测,但每个用户每月就那么多钱,有天花板;按量计费没有天花板,客户用得越多收得越多,代价是波动大,客户哪个月少跑一批任务,收入马上就少。2023 年以来,按量计费一直占收入的大头,2025 年是 82.8%。所以 Anthropic 的收入更像电厂按度数卖电,不太像软件公司按年收的授权费。

02

付钱的是谁:年付 $10 万以上的客户从 20 家到 11,900 家

大客户贡献四分之三的收入

按量计费的主力是企业。过去 12 个月在 Anthropic 花了 $10 万以上的客户,2023 年底约 20 家,一年前超过 950 家,到 2026-09-30 超过 11,900 家;其中花 $100 万以上的超过 1,900 家,花 $1,000 万以上的约 250 家。这批客户贡献了 74% 的收入,其余 26% 来自约 4,000 万个小客户,包括个人订阅用户和小开发者。

大公司已经普遍在用,但用得还浅。公司路演材料(2026-11)显示,财富 500 强里一半以上的公司过去 12 个月在 Anthropic 花了 $10 万以上,而这些公司花在 Claude 上的钱平均不到其总开支的 0.1%(只统计已上市、年付 $10 万以上的财富 500 强客户)。公司用这个数说明增长空间还大;反过来看,一笔只占总开支千分之一的支出,换供应商的决策门槛也不高,第 8 节讲护城河时会回到这一点。

03

为什么编程最先跑出来

结果能验证、工资高、程序员最早上手

企业花在 Claude 上的钱,最大的一块花在写代码上。Anthropic 发布的经济指数报告(2026-03-24)显示,2026 年 2 月抽样的 Claude 网页版对话里,计算机与数学类职业的任务占 35%,是最大的一类;报告还说,编程任务正从网页版往 API 迁移,Claude Code 已占 API 抽样流量的很大一部分。Claude Code 是一个在程序员电脑上直接读代码、写代码、改代码的工具,2025 年 5 月正式开放,公司称约 6 个月后它的年化收入就达到 $10 亿。

编程能最先规模化付费,有三个原因。第一,结果能自动验证。代码写完可以直接运行、跑测试,对错几秒钟就见分晓,模型犯的错很快暴露,企业才敢把活交出去;法律意见、投资建议这类工作,好坏往往要很久才看得出来,信任建立得慢。第二,程序员贵。美国劳工统计局数据显示,2025 年 5 月美国软件开发人员年薪中位数为 $135,980,约合每月 $11,300;第 1 节提到的前 5% 重度用户每月花费不到 $1,500,约为一位程序员月薪的八分之一,只要能省下更多工时,企业就算得过账。第三,程序员是最早试用新工具的人群,公司里负责接入新工具的往往也是他们自己,推广阻力最小。

04

从聊天到智能体:一个任务调用几十上百次

用量成倍放大的原因

聊天是一问一答,一轮对话用掉几千个 token。智能体(AI Agent)不一样:你给它一个目标,比如「把这个功能做完并通过测试」,它会自己拆解步骤、写代码、运行、看报错、再修改,直到完成。每推进一步都要调用一次模型,而且每次都要把任务说明、已经写好的代码和最新的运行结果重新读一遍。一个任务调用模型几十上百次很常见,用量比聊天高出一两个数量级。智能体的能力是怎么一步步演进的,第 10 节细讲,这里只看它对收入的影响。

按量计费遇上智能体,收入就跟着任务的长度和数量一起放大。第 1 节引过的路演数字就是这件事的结果:企业版里不用 Claude Code 的普通用户月均不到 $75,用 Claude Code 的前 5% 用户约为其 20 倍。同一个员工,从偶尔问几句变成让智能体整天替他干活,付给模型厂的钱就从几十美元变成上千美元。

05

净收入留存率 900%:老客户一年花了九倍的钱

怎么算,怎么读

用量增长集中体现在一个指标上:净收入留存率,简称 NRR,它看老客户花钱变多还是变少。Anthropic 的算法是:选出一年前就在付费的那批客户,用他们最近三个月的收入,除以他们一年前同期三个月的收入,不含 Pro、Max、Ultra 订阅。高于 100% 说明老客户整体在加码,低于 100% 说明在流失或缩减。截至 2026-09-30,这个数约为 900%,也就是说,即使一个新客户都不来,老客户的花费也是一年前的 9 倍左右。

读这个数要注意三点。它只比较两个三个月的窗口,受季节和单个大客户影响大,路演材料里一家量化交易公司的季度花费就从 2025 年第三季度的 $40 万涨到一年后的 $2,910 万。它反映的是高速渗透期,客户正从试用转向大规模使用,这样的倍数不可能年年重复。它也说明用量增长跑赢了同期的降价:单价在降,老客户付的总钱数仍然翻了几番。

06

云市场:44% 的收入经过三家云

企业为什么愿意这样买

最后是渠道。2026 年前三季度,经 AWS、Google Cloud、Microsoft Azure 云市场卖出的收入占 44%,2025 年是 47%,这部分对应的应收账款占 52%。云市场渠道的逻辑是:大企业早就和这几家云签了多年合同,承诺每年花多少钱,财务和法务流程都已走完;在云市场上买 Claude,可以直接从已承诺的云预算里扣,不用再走一遍新供应商的采购审批。对 Anthropic,这等于借用了三家云的销售队伍和客户关系。代价是云厂商要分走一部分收入,分成规则第 7 节讲;而且 Google 有自己的 Gemini,微软与 OpenAI 深度绑定,渠道伙伴同时也是竞争对手。

79%
按量计费占收入
2026 年前三季度,订阅占 21%
11,900+
年付 $10 万以上客户
2023 年底约 20 家
~900%
净收入留存率
截至 2026-09-30,不含个人订阅
44%
经云市场卖出
AWS、Google Cloud、Azure

这一节要带走的一句话 2026 年前三季度 Anthropic 收入 79% 按用量计费、21% 来自订阅。年付 $10 万以上的客户从 2023 年底约 20 家增到 2026-09-30 的 11,900 多家,贡献 74% 收入;财富 500 强过半年付 $10 万以上,但平均只占其总开支不到 0.1%。编程最先规模化付费,因为代码对错能自动验证、程序员工资高、程序员最早上手新工具。智能体一个任务要调用模型几十上百次,用量成倍放大,净收入留存率因此约 900%。44% 的收入经 AWS、Google Cloud、Azure 云市场卖出,借了三家云的客户关系,也把收入的一部分让给了竞争对手。

检验一下:谁在为 token 付钱:为什么编程最先跑出来

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

一.4

一块钱 token 收入,谁在分钱:AI 产业链全景

从电力、芯片、云到模型厂和应用,Anthropic 每收 $100 有多少流向算力,链上哪一段的利润最厚

约 7 分钟·2,195 字·5 题
01

从常识讲起:一个回答背后站着五层产业

Anthropic 在第四层,前三层几乎全靠买

第 1 到第 3 节讲的是模型厂这一层自己的账。可你在对话框里得到的每一个回答,背后还站着一整条产业链。本站用黄仁勋的「五层蛋糕」来排这条链:最底下是能源,电厂和电网给数据中心供电;往上是芯片,加速芯片、存储、光模块、电路板和服务器;再往上是基础设施,也就是装满芯片的数据中心和云平台;第四层是模型;最上面是应用,各行各业把模型嵌进自己的产品。Anthropic 站在第四层。

它和前三层的关系很简单:几乎全靠买。Anthropic 基本不自建数据中心,而是向算力供给方租用算力。算力供给方,指的是把成千上万颗加速芯片装进数据中心、按合同出租计算能力的公司,主要有两类:一类是 Google Cloud、AWS、Microsoft Azure 这样的大型云平台,什么业务都做;另一类是专门出租 GPU 的新兴云(neocloud),比如 Nscale、Lambda。此外,SpaceXAI 用自己的数据中心向 Anthropic 出租英伟达 GPU,博通则直接把整套 TPU 设备租给它。

所属层级第四层-模型 子行业4-02 模型工厂
上游 · 芯片与硬件:算力供给方向它们采购
加速芯片英伟达 GPU;Google TPU 由博通参与设计、台积电代工;AWS 自研 Trainium;AMD MI450 / Helios 2027 年起交付(第 9 节)
HBM 高带宽内存叠放在加速芯片旁边、给它高速喂数据的内存,全球主要由三家供应
光模块、PCB 与服务器(A 股)把芯片连起来、装起来;它们卖货给云厂商和芯片厂,不披露 Anthropic 相关收入,链路第 14 节逐条推
电力与散热(行业代表)由云厂商和数据中心开发商采购,并非 Anthropic 的直接供应商
↓芯片装进服务器、放进数据中心,按长期合同租给模型厂
算力供给方 · 合同对手方(招股书列名)
大型云平台Google 云托管 TPU ≥$1,213 亿;AWS Trainium ≥$1,100 亿;微软 Azure 英伟达 GPU $472–492 亿
新兴云与其他SpaceXAI ≤$1,205 亿、Nscale ≤约 $446 亿、Lambda 约 $413 亿,均为英伟达 GPU;博通 TPU 设备租赁约 $1,612 亿。CoreWeave 是这一类的代表,未列在招股书算力合同表中
↓租来的算力用于训练模型和回答客户请求
Anthropic · Claude 系列模型
本课主角 · 按 token 卖智能(第 1 节);2026 年前三季度收入 $332.42 亿,算力与基础设施开支占收入约 57%
↓经 API、订阅、云市场卖给企业和个人(第 3 节)
下游 · 应用公司、企业与个人
应用与渠道编程工具在自家产品里提供 Claude 模型;Salesforce 在招股书中列为分销合作伙伴
企业与个人年付 $10 万以上客户 11,900 多家贡献 74% 收入;约 4,000 万个小客户贡献 26%
企业客户 个人订阅用户
同层 · 其他模型厂:有的同时是它的供应商
美国模型厂Google 和 SpaceXAI 一边自己做模型,一边向 Anthropic 出租算力
中国模型厂价格普遍低于美国同行,竞争格局第 5 节讲

图里有两处值得先说清。一是上游的 HBM,也就是高带宽内存:把多层内存芯片垂直叠起来、紧贴着加速芯片封装,专门负责高速给它送数据。加速芯片算得再快,数据送不过来也只能空转,所以每一颗 GPU 或 TPU 旁边都要配好几颗 HBM,全球主要由 SK海力士、三星电子、美光科技三家生产。二是同层那一格:Google 和 SpaceXAI 既是 Anthropic 的竞争对手,又是它的算力供应商。供应商兼做对手在别的行业也有,三星电子就一边给苹果供货一边卖手机;但在这里分量很重,这两家的算力合同合计约 $2,418 亿,占 Anthropic 合同总额的四分之一以上。

02

每收 $100,钱去了哪里

2026 年前三季度,按职能和按性质两种拆法

按职能拆(每 $100 收入)金额主要是什么
营业成本$14.5服务客户的推理算力等
研发$57.9训练和研究算力、研究员薪酬
销售与营销$19.9销售团队、市场推广、渠道费用
管理$11.5含员工捐赠配比的非现金费用
经营利润−$3.82026 年前三季度经营亏损 $12.60 亿

按职能拆,2026 年前三季度每 $100 收入里,营业成本 $14.5、研发 $57.9、销售与营销 $19.9、管理 $11.5,合计比收入多出 $3.8,就是经营亏损。换成按费用性质拆,钱的去向更直白:同期算力与基础设施开支合计 $188.08 亿,每 $100 收入里占 $56.6;人员开支 $14.6,销售、营销与渠道 $16.6,其他运营与管理 $15.9,加起来同样比收入多出 $3.8。把两种拆法对照着看,$56.6 的算力里,约 $14.5 进了营业成本、用来服务客户,其余约 $42 主要落在研发里,用于训练和研究。这个对应关系是本课的粗略推算,招股书没有这样拆分。

这笔算力钱付给了谁?招股书没有按供应商披露季度开支,2026 年第三季度单季 $98.63 亿、占收入 58% 的算力开支流向哪家,外界看不到。能看到的是长期合同的分布。Google 这条 TPU 路线最大:谷歌云托管不少于 $1,213 亿,加上博通 TPU 设备租赁约 $1,612 亿,合计约 $2,825 亿。英伟达 GPU 路线分散在 SpaceXAI、微软、Nscale、Lambda 四家,合计约 $2,546 亿。亚马逊 Trainium 不少于 $1,100 亿。AMD 2027 年起的 $200 亿以上尚未计入总额。这几份合同按披露金额粗加约 $6,470 亿,约占 $9,009 亿合同总额的七成,每份合同的条款第 9 节细讲。

钱到了算力供给方手里还会继续往上游流。云厂商拿这笔租金去买 GPU 或 TPU、HBM、光模块、电路板和整机服务器,再付电费和机房租金。Anthropic 付出的每一美元算力费,最终变成英伟达、博通、台积电、SK海力士以及中际旭创、工业富联这些公司的收入。A 股公司和 Anthropic 中间隔着两三层,所以它们的财报里永远看不到 Anthropic 的名字。

03

链上谁的利润最厚:AI 版的微笑曲线

左端芯片最厚,中间组装最薄,右端毛利高、利润还没出来

上世纪 90 年代初,宏碁创办人施振荣画过一条微笑曲线:把一条产业链从研发设计、到制造组装、再到品牌和服务排开,两头的附加值高,中间的制造组装最低,连起来像一张笑脸。拿这条曲线去量 2025 年到 2026 年的 AI 产业链,形状是这样的。

公司环节毛利率经营利润率期间
英伟达GPU 设计71.1%60.4%FY2026(截至 2026-01)
台积电芯片代工59.9%50.8%2025 年
中际旭创光模块42.0%35.4%2025 年
工业富联服务器组装7.0%4.9%2025 年
AWS云平台未单独披露39.4%2026 年第二季度
Anthropic模型85.5%−3.8%2026 年前三季度

左端最厚。英伟达和台积电各自卡着一个全球只有极少数公司能做的环节,经营利润率都在五成以上。往中间走,利润率一路变薄,到服务器组装只剩 7% 的毛利率,因为能做的厂商多,客户又是几家议价力极强的云巨头。云平台处在中段偏上,AWS 的经营利润率约四成。右端的模型厂最特别:毛利率 85.5%,在整条链上最高,经营利润率却是负的,第 2 节讲过原因,训练开支把卖 token 的毛利吃掉了。

所以截至 2026 年三季度,AI 版的微笑曲线是一张歪着的脸:左边嘴角已经翘得很高,右边嘴角的毛利翘起来了,利润还没有。右端能不能真正翘起来,取决于两件事:训练开支的增速能不能慢于收入的增速,以及第 11 节要讲的价格战会不会把毛利压回去。公司在路演材料(2026-11)里给过一个长期稳定状态下的框架,算力开支约占收入 45%–50%,这是公司自己的设想,不是承诺。这门课后面的大部分内容,都在检验右边嘴角翘起来的条件是否成立。

这张图后面还会用三次

第 5 节讲竞争格局,会回到同层那一格的各家模型厂;第 9 节讲算力合同,会回到算力供给方那一层的每一份合同;第 14 节讲 A 股,会沿着上游芯片和光模块、PCB 那几格,一条条推算 Anthropic 的合同落到谁的订单上。

这一节要带走的一句话 Anthropic 在五层产业链的第四层,前三层几乎全靠买:基本不自建数据中心,向 Google Cloud、AWS、Azure 和新兴云租算力,算力供给方再向英伟达、博通 / 台积电、SK海力士等买芯片和 HBM,向光模块、PCB、服务器厂买硬件。2026 年前三季度每 $100 收入约 $56.6 花在算力上(约 $14.5 服务客户,其余主要用于训练和研究),经营亏损 $3.8。长期合同里 Google TPU 路线最大,约 $2,825 亿。利润呈微笑曲线:芯片设计端最厚,服务器组装最薄,模型厂毛利率 85.5% 却仍经营亏损,右端能否翘起来是全课要检验的事。

检验一下:一块钱 token 收入,谁在分钱:AI 产业链全景

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

一.5

前沿为什么只剩几家:做一代顶尖模型要过的四道关

做最强的模型要同时有钱、有人、有数据、有渠道,所以只剩三四家;企业买 API 的钱正在向 Anthropic 和 OpenAI 两家集中

约 7 分钟·2,147 字·5 题
01

从常识讲起:「前沿」是一个会移动的位置

谁最强,靠所有模型做同一套考题来比

说一家公司站在「前沿」,意思是它手里有当时能力最强的那几个模型之一,业内把这类模型叫前沿模型。 这个位置会移动。每隔几个月就有新一代模型发布,去年排第一的模型,今年可能只排到中游。 所以前沿厂商之间比的从来不是某一个模型,而是能不能一代接一代地保持在最前面。

谁强谁弱,要靠基准测试来比:一套固定的题目,所有模型做同一套题、按同一个规则打分,像一场统考。 举个例子,SWE-bench 从开源软件项目里挑出几百个真实的程序缺陷,让模型自己读代码、改代码,再用项目原有的测试检查改对了没有。 研究机构 Epoch AI 则把几十个测试合成一个「能力指数」,用来比较不同时期的模型。

基准成绩有局限。题目公开久了,可能混进模型的训练数据,等于考前看过答案;厂商发布新模型时,也倾向于挑对自己有利的测试公布。 所以引用成绩要写明测试版本和日期,并且只在同一个测试里横向比较。第 8 节会用这个办法比较 Claude 和对手的编程成绩。

02

做一代前沿模型要过的四道关

钱、人、数据、渠道,缺一样都很难留在第一梯队

第一道关是算力资本。第 2 节讲过,训练一代模型要动用几万到几十万颗加速芯片跑几个月,而且每一代都比上一代花得多。 看 Anthropic 自己的账:2025 年研发支出 $63.38 亿,主要是训练和研究用的算力,是当年收入的 1.38 倍;2026 年前三季度研发 $192.4 亿。 Menlo Ventures 估算,截至 2026 年 9 月,全行业一年花在「造模型」上的钱约 $1,025 亿,其中训练算力 $872 亿。 能连续几年每年先拿出上百亿美元、等模型卖出去再慢慢收回的公司,全世界只有几家。

第二道关是研究员。同样一批芯片,训练方法、数据配比、强化学习的做法不同,练出来的模型差距很大,而能把算力变成好模型的人很少。 前沿厂商之间的人员流动本身就塑造了格局:Anthropic 的联合创始人大多出自 OpenAI 的研究团队(第 6 节)。

第三道关是数据。公开网页上的文字已经被各家用得差不多了,新增的高质量数据越来越靠花钱买:请各行业专家写示范答案、给模型的回答打分, 或者搭建让模型反复练习写代码、操作软件的训练环境。Menlo 估计 2026 年这类训练数据与服务的支出约 $153 亿。

第四道关是分发。模型再好,也要有人用。OpenAI 有 ChatGPT,公司 2026 年 2 月披露周活跃用户 9 亿、付费订阅用户 5,000 万。 Google 有搜索、安卓和办公软件,Alphabet 在 2026 年 10 月的季度业绩中披露 Gemini 应用月活跃用户超过 10 亿。 Anthropic 没有这样的大众入口,它的分发靠企业和开发者,以及第 3 节讲过的云市场渠道:在 AWS、Google Cloud、Azure 上都能直接买到 Claude。

03

几家各占什么位置

同样在前沿,起家的地方和赚钱的方式不一样

过了四道关的公司,各自守着不同的阵地。OpenAI 先做出 ChatGPT,个人用户最多,和微软的深度绑定让它进入了大量企业的办公软件, 这层关系的来龙去脉见 Microsoft 那门课。Google 是唯一从芯片到模型再到搜索、安卓全都自己有的公司, TPU 的故事在 Google 那门课里讲过。Anthropic 选择了企业与编程,下一节讲它为什么这样选。

这张格局图里有一个容易忽略的地方:对手之间同时也是客户和供应商。Google 既用 Gemini 和 Claude 竞争,又是 Anthropic 的股东和最大的算力供应商之一; 微软既投资 OpenAI,也在 Azure 上卖 Claude。第 9 节讲算力合同时,会把这层关系摊开。

厂商起家与长处短板或代价
OpenAIChatGPT 起家,个人用户最多(2026-02 周活 9 亿);GPT 系列,2026-09 发布 GPT-6企业 API 支出份额落后 Anthropic;与微软的关系几经调整
Google自有 TPU 芯片,搜索、安卓分发;Gemini 应用月活 10 亿+(2026-10)企业 API 支出份额从 21% 降到 9%,用量偏向便宜的 Flash 型号
Anthropic企业与编程;企业 API 支出份额第一没有大众入口;算力全部外购
xAIGrok 系列;2026 年并入 SpaceX,AI 业务称 SpaceXAI,也把算力租给 Anthropic(第 9 节)与几家中国开放权重模型合计不到企业 API 支出的 5%
MetaLlama 系列走开放权重路线模型主要服务自家社交产品,不以卖 API 为主业
中国厂商DeepSeek、阿里巴巴 Qwen、月之暗面 Kimi、智谱 GLM,开放权重、价格低受美国芯片出口管制(第 12 节);海外企业采购有顾虑
04

开放权重模型:便宜得多,也追得很近

用它的人越来越多,花在它身上的钱却没跟上

前沿厂商之外,还有一条不同的路线:开放权重模型。 模型训练完以后,它的本事都存在一大堆参数里,这些参数叫权重。开放权重就是把权重公开,任何人都能下载到自己的服务器上运行、改造,不用经过开发商的 API。 人们常把它叫开源模型,严格说多数只公开权重,不公开训练数据和训练代码。

开放权重模型追得很近。Epoch AI 2026 年 5 月的统计显示,2026 年以来最好的开放权重模型平均落后最好的闭源模型约 4 个月, 2023 年初到 2025 年 10 月这段时间约为 3 个月。 价格却低得多。Menlo 估计,2026 年 9 月开放权重模型每百万 token 平均 $0.13,闭源模型的混合单价约 $0.70。

结果是用量和花费分了家。按 Menlo 的统计,开放权重模型处理了企业约 19% 的 token,只拿到 4% 的模型支出; 而开放权重支出里有 89% 流向中国模型,其中 Kimi 占 61%、DeepSeek 15%、GLM 11%、Qwen 3%,西方模型里 Meta 的 Llama 占 7%。 企业愿意为闭源前沿模型多付钱,原因在任务本身:连续几小时写代码、多步骤的智能体任务,能力差几个月,成功率就差很多;自己部署开放权重模型还要有一支会调模型、管机器的团队。 便宜模型抢走的是简单的活。Menlo 发现,小型闭源模型的 token 份额一年里从 29% 降到 13%。第 11 节会专门讲开放权重和价格战对 Anthropic 的冲击。

05

企业花在 API 上的钱,正往两家集中

看份额先问两件事:谁统计的,统计的是什么

企业通过 API 调用模型的市场,最常被引用的是 Menlo Ventures 的年度调查。2023 年 OpenAI 约占一半; 2025 年年中按使用量算,Anthropic 32%、OpenAI 25%、Google 20%,Anthropic 第一次排到第一。 2026 年 11 月的报告改按支出口径:Anthropic 从上一年的 40% 升到 55%,OpenAI 从 27% 升到 31%,Google 从 21% 降到 9%,两家合计 86%。 报告把 Anthropic 的增长归因于 Opus 系列在长时间任务和编程上的表现。

引用这组数要说清两点。一是 Menlo 是 Anthropic 的投资人。二是它来自一份问卷:约 400 位美国企业决策者在 2026 年 9 月填报各模型承担的工作量比例,再按 AI 支出加权推算, 历年口径也换过,前后年份不能直接相减。所以需要第二个来源对照。企业费用管理平台 Ramp 统计其平台上 8.5 万多家美国企业的真实付款: 2026 年 10 月,有 44.8% 的企业当月向 Anthropic 付过钱,向 OpenAI 付过钱的是 40.6%。 Ramp 数的是「有没有付钱」,不是付了多少,一家企业可以同时付两家,但方向和 Menlo 一致。

把这些放在一起,结论是:企业市场已经接近两强格局,Anthropic 领先;个人用户市场则是 OpenAI 和 Google 的地盘。 Anthropic 的领先建立在模型能力上,而前沿每隔几个月就移动一次,这种领先每一代都要重新争取。它守不守得住,第 8 节专门讨论。 下一节先回到起点,看 Anthropic 这家公司是怎么走到这个位置的。

来源与时间口径AnthropicOpenAIGoogle
Menlo,2023 年企业 API 使用量—约 50%—
Menlo,2025 年年中企业 API 使用量32%25%20%
Menlo,2025 年企业 API 支出40%27%21%
Menlo,2026 年(9 月调查)企业 API 支出55%31%9%
Ramp,2026 年 10 月当月付费的美国企业占比44.8%40.6%未单列

这一节要带走的一句话 前沿模型是当时能力最强的那几个模型,强弱靠基准测试比,引用成绩要对齐版本和日期。留在前沿要同时过四道关:每年上百亿美元的算力、顶尖研究员、越来越贵的数据和分发渠道。OpenAI 守个人用户,Google 有自有芯片和搜索、安卓,Anthropic 主攻企业与编程。开放权重模型只落后约 4 个月、价格低得多,却只拿到企业约 4% 的模型支出。企业 API 支出向两家集中:Menlo 2026 年调查为 Anthropic 55%、OpenAI 31%、Google 9%,Menlo 是 Anthropic 的投资人,Ramp 付款数据方向一致。

检验一下:前沿为什么只剩几家:做一代顶尖模型要过的四道关

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

Unit 02 / 05

Anthropic 是谁,收入从哪来,算力怎么买

几次关键选择、三种收钱方式、护城河与它的边界,以及约九千亿美元的算力合同。

阅读 约 26 分钟分节 4 节测验 20 题(每节 5 题)

这一单元讲 Anthropic 这家公司本身。2021 年 7 位联合创始人离开 OpenAI 创立它,四次选择定了型:注册为公益公司并设长期利益信托,上市后信托选出董事会 7 席中的 4 席;自己做前沿模型,同时用负责任扩展政策约束自己;不抢个人用户,主攻企业和编程;同时拿亚马逊、谷歌等几家的钱和算力。收入按量计费 79%、订阅 21%,44% 经 AWS、Google Cloud、Azure 三家云市场卖出,前五大客户占比从一季度约 36% 降到三季度约 21%。护城河先承认最弱的一点:API 上换模型往往只改一行代码;它留住客户靠编程能力、企业信任、Claude Code 的使用习惯、三朵云都能买和已锁定的算力。最后是约 $9,009 亿算力合同:大部分不可取消、用不满也要付,未来 12 个月要付 $707 亿,而 Google、英伟达等供应商在上市时又认购了 $260 亿股份。

二.1

七个人离开 OpenAI 之后:Anthropic 的四次关键选择

为了在安全问题上有发言权,它自己去做最前沿的模型;它把公益写进章程,不抢个人用户、押企业和编程,再同时拿几家云厂商的钱和算力

约 6 分钟·1,816 字·5 题
01

从常识讲起:一群担心 AI 出事的人,为什么要做最强的 AI

2021 年,七个人从 OpenAI 出来

2021 年,七个人离开 OpenAI,创立了 Anthropic:Dario Amodei(任首席执行官)、Daniela Amodei(总裁、董事长)、Tom Brown、Jack Clark、Jared Kaplan、Sam McCandlish 和 Chris Olah。 他们在 OpenAI 时分别负责研究、安全或政策工作。Dario 是研究副总裁;Tom Brown 是 GPT-3 论文的第一作者;Jared Kaplan 是 2020 年那篇规模定律论文的第一作者, 第 2 节讲的 Scaling Law 就出自这里。据公司路演材料(2026-11),七个人至今都还在公司。

这群人相信两件事:模型会随着算力增加越来越强,而越强的模型带来的风险越大。照常理,担心风险的人应该离最强的模型远一点。 按创始人多次公开的说法,他们的结论正好相反:谁做出最强的模型,谁就在「怎样才算安全」这件事上说了算;一家只写论文、不做模型的机构,对行业和政府都没有多少影响力。 所以他们决定自己去做最前沿的模型。后面几次关键选择,都是从这个出发点推出来的。

02

选择一:把「公益」写进公司的章程

公益公司加长期利益信托,让董事会不只对利润负责

Anthropic 注册的公司形式是公益公司(PBC),这是美国特拉华州等地允许的一种公司形式: 章程里写明一项公益目的,董事做决策时,法律上要在股东的经济利益、受公司影响的人的利益和这项公益目的之间做平衡。 Anthropic 写的目的是「为人类长期利益负责任地开发和维护先进 AI」。

光有章程还不够,因为董事是股东选的。2023 年 9 月,公司公布了第二层设计:长期利益信托(LTBT)。 这是一个独立的信托,受托人来自 AI 安全、国家安全、公共政策等领域,与公司没有经济利益关系;它按时间和融资进度逐步拿到选董事的权力,计划四年内选出董事会多数。 公司当时给的理由是:AI 可能产生巨大的外部影响,而以股东为先的常规公司治理未必管得住。 到 2026 年 11 月上市时,信托通过 1 股 T 类股选出董事会 7 席中的 4 席;7 位创始人通过 1 股 F 类股固定拥有 50.1% 的股东表决权。 这套结构对普通股东意味着什么,第 17 节再讲,这里只需要记住:设计它的目的,是让公司在商业压力很大时,仍有人有权把安全放在利润前面。

03

选择二:自己做前沿模型,同时给自己立规矩

先发布 Claude,再公开承诺「防护跟不上就停」

2023 年 3 月,第一代 Claude 发布,最先通过 API 和企业合作伙伴提供。半年后的 2023 年 9 月,公司发布了负责任扩展政策(RSP)。 它的核心是一个承诺:先给模型的危险能力划出几道门槛(例如能否帮人制造生物武器、能否自主复制),每次训练和发布前都要测; 一旦模型的能力碰到某道门槛,就必须先有对应等级的安全措施,做不到就暂停训练或推迟发布。具体怎么分级,第 12 节展开。

这份政策让 Anthropic 有了一个和对手不同的卖点:它可以对企业客户和监管者说,自己的扩张有一套事先写好的刹车。 批评也一直存在。规矩是公司自己定的,也由公司自己改,这份政策 2024 年以后已经修订过多次;外界很难核实每次评估是否严格。 上市以后,「宁可慢一点」的承诺还要面对季度业绩的压力,这是观察这家公司时值得一直留意的地方。

04

选择三:不抢个人用户,押企业、开发者和编程

ChatGPT 占住了大众入口,Anthropic 去了另一条路

2022 年底 ChatGPT 走红,个人用户的入口很快被 OpenAI 占住。Anthropic 没有正面去抢,而是把重心放在按用量付费的企业和开发者上。 账本上看得很清楚:2023 年它的全部收入只有 $4,100 万,其中 $3,900 万是按量计费;到 2026 年前三季度,按量计费仍占收入的 79%。

2025 年它又押了一个方向:编程。第 3 节讲过编程为什么最先有人掏钱。2025 年 2 月,Claude Code 以研究预览的形式推出,这是一个在程序员电脑的命令行里直接读代码、改代码的工具,同年 5 月全面开放。 据公司 2026 年 2 月披露,Claude Code 的年化收入已超过 $25 亿,一半以上来自企业。 Menlo Ventures 估计,2026 年企业编程工具市场 $340 亿,其中 Claude Code 和 OpenAI 的 Codex 合计拿走 $240 亿。 这个选择的代价是集中:收入高度依赖编程场景,而 Cursor 这类编程工具公司既是它的大客户,也在和 Claude Code 抢同一批程序员。

05

选择四:同时拿几家云厂商的钱和算力

谁都不独家,三朵云都卖 Claude

做前沿模型的钱,主要来自两类人:财务投资人和云厂商。Anthropic 的做法是谁都不独家。亚马逊 2023–2024 年分两次合计投资 $80 亿,谷歌也从 2023 年开始投资; 2025 年 11 月,微软和英伟达分别承诺投资最多 $50 亿和 $100 亿,Anthropic 同时承诺购买 $300 亿的 Azure 算力。 2026 年 4 月,两家老股东再加码:亚马逊先投 $50 亿、按商业里程碑最多再投 $200 亿,Anthropic 承诺未来十年在 AWS 上花超过 $1,000 亿;谷歌先投 $100 亿、最多再投 $300 亿。 按招股书的上市后备考口径,亚马逊持有约 14.7% 的股份,谷歌约 13.7%,都是没有表决权的 N 类股。

这样做换来三样东西:钱、算力,以及分发。公司 2026 年 2 月称 Claude 是唯一在 AWS、Google Cloud、微软 Azure 三家云上都能买到的前沿模型,企业不用新签供应商就能用。 代价是依赖:这几家公司同时是股东、算力卖家、销售渠道,而谷歌有 Gemini,微软和 OpenAI 关系深厚,它们也是对手。第 9 节会看到,这层关系最终体现在一份约 $9,009 亿的算力合同清单上。 2026 年 11 月 19 日,Anthropic 在纳斯达克上市,代码 ANT。

时间事件金额
2023-09 至 2024-11亚马逊分两次宣布投资合计 $80 亿
2025-09F 轮$130 亿
2025-11微软、英伟达承诺投资;Anthropic 承诺购买 Azure 算力最多 $50 亿、最多 $100 亿;$300 亿
2026-02-12G 轮(GIC、Coatue 领投,含微软、英伟达部分已宣布投资)$300 亿
2026-04亚马逊、谷歌加码(另有按里程碑的追加额度)先投 $50 亿、$100 亿
2026-05-28H 轮(Altimeter、Dragoneer、Greenoaks、Sequoia 领投,约 $150 亿为云厂商此前承诺)$650 亿
2026-11-19纳斯达克上市,代码 ANT—

把四次选择连起来看,是同一个逻辑在往下推。要在安全上有发言权,就得站在前沿;站在前沿要花大钱,所以要找云厂商要钱和算力; 为了不被任何一家绑住,就几家同时拿;为了让这些投入尽快变成收入,就去最愿意按用量付钱的企业和程序员那里。公益公司和信托,则是给这台越转越快的机器装的刹车。 下一节看这台机器怎么把用量变成收入。

这一节要带走的一句话 2021 年 Dario Amodei、Daniela Amodei 等 7 人离开 OpenAI 创立 Anthropic,四次选择塑造了它。一是注册为公益公司,2023 年再设长期利益信托,上市后信托选出董事会 7 席中的 4 席。二是自己做前沿模型,同时用负责任扩展政策约束自己:能力碰到门槛而防护跟不上,就不训练、不发布。三是不抢个人用户,主攻企业和开发者,2025 年推出 Claude Code 押编程。四是同时拿亚马逊、谷歌、微软、英伟达的钱和算力,三朵云都卖 Claude,代价是供应商也是对手。

检验一下:七个人离开 OpenAI 之后:Anthropic 的四次关键选择

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

二.2

一块钱收入从哪来:八成按量计费,四成多经三朵云卖出

把 Anthropic 的收入按收费方式、地区、渠道和客户切开,再看懂两个常被引用的数:Run-Rate 收入和剩余履约义务

约 6 分钟·1,699 字·5 题
01

从常识讲起:同一种东西,有几种收钱方式

Claude 的产品线和价目表

Anthropic 卖的东西归根到底是同一样:Claude 模型的能力。但它装在几种不同的产品里卖。 个人和企业员工用的是 Claude 应用(网页、桌面、手机);程序员用 Claude Code;不写代码的员工可以用 Cowork,让 Claude 替自己完成多步骤的办公任务; 开发者和企业的软件通过 API 直接调用模型。第 3 节讲过,收钱的方式分两种:按用了多少 token 收费,或者按月收固定的订阅费。

按 2026 年 11 月官网的价目表,个人订阅分三档:Pro 每月 $20、Max 每月 $100、Ultra 每月 $200,档位越高能用的量越大,都包含 Claude Code。 团队版按席位收费,标准席位每月 $20 到 $25,高级席位 $100 到 $125。企业版每个席位每月 $20,再按 API 价格对实际用量另行计费。 所以企业版本身就是「订阅加按量」的组合,一家企业的员工用得越多,按量的那部分就越大。 2026 年前三季度,Anthropic 收入 $332.42 亿,其中按量计费 $263.06 亿,占 79%;订阅 $69.36 亿,占 21%。

02

把收入切四刀

收费方式、地区、渠道、客户

除了收费方式,还有三种切法值得看。按地区,前三季度美国收入 $234.70 亿,约占 71%,海外 $97.72 亿。 按渠道,44% 的收入经 AWS、Google Cloud、Azure 三家云的应用市场卖出,其余由 Anthropic 直接卖给客户。 按客户,过去 12 个月付款 $10 万以上的客户超过 11,900 家,贡献 74% 的收入,其中约 250 家付款超过 $1,000 万;剩下 26% 来自约 4,000 万个小客户,包括个人订阅者和小开发者。

客户切法里最值得看的是集中度的变化。前五大客户占前三季度收入约 25%,但季度之间降得很快:一季度约 36%,三季度约 21%,没有一家客户超过 10%。 比例下降主要是因为其他客户长得更快。收入来源变分散以后,某一家大客户转投别的模型或改用自研模型,对 Anthropic 的冲击就小一些。

切法2026 年前三季度说明
收费方式按量计费 79% / 订阅 21%企业版席位费之外的用量按 API 价格计费(官网价目)
地区美国约 71% / 海外约 29%$234.70 亿 / $97.72 亿
渠道云市场 44% / 直销 56%2025 年云市场占 47%;云市场占应收账款 52%
客户年付 $10 万以上客户贡献 74%超过 11,900 家;约 4,000 万个小客户贡献 26%
集中度前五大约 25%一季度约 36%,三季度约 21%;无单一客户超过 10%
03

三朵云:带来客户,也要分走一块

收入按总额记,分成记在费用里

第 3 节讲过云市场渠道:企业在 AWS 的 Bedrock、Google Cloud 的 Vertex AI 或微软的 Foundry 上直接选用 Claude,用已有的云账户结算,不用和 Anthropic 另签一份采购合同。 方便是有代价的。云厂商替 Anthropic 卖货、收款,要从中抽取一部分,这就是云市场分成。

这笔分成怎么记账,影响读报表的方式。据浦银国际 2026 年 10 月对招股书的解读,在云市场的交易里,Anthropic 与终端客户保持直接的合同关系、自己定价, 因此作为主要责任人按总额确认收入,付给云厂商的费用另记在费用里。 换句话说,客户付的每一块钱都算进收入,云厂商拿走的那部分不进营业成本,而是进了「销售、营销与渠道」费用。第 2 节算的 85.5% 毛利率,没有扣这笔钱。

这笔钱不小。季度表里「销售、营销与渠道」从 2025 年四季度的 $2.46 亿,跳到 2026 年一季度的 $10.33 亿、二季度 $21.35 亿、三季度 $23.61 亿。 国信证券按招股书整理,2026 年上半年这项费用同比多出 $30.48 亿,其中约 $27 亿是付给云厂商的渠道费,相当于同期收入的 17%; 国信 2026 年 11 月的模型估算,云渠道收入里约 35% 用于分成。 看 Anthropic 的利润,要记得这块钱在销售费用里;看云厂商和它的关系,要记得它们既分走收入,又是股东和算力卖家(第 6 节)。

04

Run-Rate:一个常被引用、也常被误读的数

把最近四周的生意折成一年

新闻里常说 Anthropic「年化收入」多少,指的是公司自己定义的 Run-Rate 收入: 最近 28 天的按量计费收入乘以 13,加上测量日当月的订阅费乘以 12。一年大约是 13 个 28 天,所以乘 13。 按这个算法,2026 年 10 月末约 $810 亿,比 9 月末多约 $100 亿。作为对照,三季度实际收入 $169.56 亿,乘以 4 只有约 $678 亿;过去四个季度的实际收入合计 $352.82 亿。 收入涨得越快,用最近四周折算的数就比过去的实际收入高得越多。

它的局限招股书自己写了。第一是季节性:截至 2026 年 1 月 2 日的两周,客户支出比再往前两周低约 20%,节假日前后用量会掉。 第二是它包含后来被认定违反使用政策的客户收入,这类收入约占前三季度收入的 5% 到 7%,公司 8、9 月加强了清理。 第三,按量计费没有合同锁定,客户下个月少用,这个数就会掉。Run-Rate 不是会计指标,没有经过审计,适合看趋势,不适合当全年收入用。

05

剩余履约义务:已经签下、还没交付的钱

收入端随用随付,成本端锁定多年

另一个衡量未来收入的数是剩余履约义务:客户已经在合同里承诺购买、但公司还没提供服务、所以还没确认成收入的金额,不管钱收没收到。 它常被用来看一家软件公司未来一两年的收入有多少已经「落袋」。截至 2026 年 9 月 30 日,Anthropic 的剩余履约义务是 $138 亿,约 75% 会在 12 个月内确认; 其中已经收到钱、还没交付服务的递延收入是 $19.71 亿。

$138 亿和前三季度 $332 亿的收入相比并不大,原因就在收费方式:近八成收入按量计费,客户用多少付多少,大多没有签长期的采购承诺。 这和 Anthropic 自己买算力的方式正好相反。它向云厂商和芯片厂商签的算力合同合计约 $9,009 亿,大部分不可取消、用不满也要补差。 收入端随用随付,成本端锁定多年,这是理解这家公司财务风险的第一把钥匙,第 9 节专门讲算力合同。在那之前,下一节先回答收入端最关键的问题:客户为什么不换模型。

$810 亿
10 月末 Run-Rate 收入
近 28 天用量 ×13 + 当月订阅 ×12
$138 亿
剩余履约义务(9-30)
约 75% 在 12 个月内确认
44%
经三朵云卖出的收入占比
2026 年前三季度,按总额确认

这一节要带走的一句话 2026 年前三季度收入 $332.42 亿,按量计费 79%、订阅 21%,美国约 71%。44% 经三朵云的应用市场卖出,公司按总额确认收入,付给云厂商的分成记在销售与渠道费用里。年付 $10 万以上的客户贡献 74%,前五大客户占比从一季度约 36% 降到三季度约 21%。Run-Rate 是近 28 天用量 ×13 加当月订阅 ×12,10 月末约 $810 亿,受季节性和违规客户影响、未经审计。剩余履约义务只有 $138 亿:收入随用随付,算力合同却锁定多年。

检验一下:一块钱收入从哪来:八成按量计费,四成多经三朵云卖出

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

二.3

换模型只要改一行代码,客户为什么还留在 Claude

API 上的切换成本天然很低;Anthropic 的护城河来自编程能力、企业信任、产品习惯、三朵云和锁定的算力,每一条都有边界

约 6 分钟·1,877 字·5 题
01

从常识讲起:在 API 上换模型有多容易

先承认最难的一点:这门生意天然不好锁人

讨论护城河,先要讲切换成本:客户从一家供应商换到另一家,要额外付出的钱、时间和风险。切换成本越高,客户越不容易走,供应商越敢守住价格。

大模型 API 的切换成本天然很低。企业的软件调用模型,就像按一个固定的号码打电话:发过去一段文字,收回一段文字。 换一家模型,很多时候只需要把调用地址和模型名称改掉,几行代码的事。不少公司干脆同时接好几家,简单的活交给便宜模型,难的活交给最强的模型; 还有 OpenRouter 这样的平台,开发者用一个接口就能调用几百个模型。

客户也真的在换。第 5 节的表格里,2023 年 OpenAI 约占企业 API 使用量的一半;到 2026 年,按 Menlo Ventures 的调查,Anthropic 拿到 55% 的支出,Google 一年里从 21% 掉到 9%。 份额能这样大起大落,说明单靠 API 本身锁不住人。Anthropic 的护城河,要到 API 以外去找。

02

第一条:编程和智能体能力领先,但每一代都要重新证明

容易的考试已经分不出高下,难的考试差距也不大

企业肯为 Claude 多付钱,首先因为它在编程和长时间智能体任务上表现好。Menlo 的调查发现,一年前企业用得最多的是 Claude Sonnet 4.5 和 GPT-5, 2026 年变成了 Claude Opus 5.5 和 GPT-6 Astra,买家在往更贵、更强的型号上换。

但看基准测试要按第 5 节说的办法,同一测试、写明日期。在第 5 节举过的 SWE-bench Verified 上, 评测机构 Vals.ai 截至 2026 年 9 月 1 日的榜单里,Claude Opus 5 得分 97.0%,DeepSeek V4 Pro 96.4%,GPT-5.6 Sol 96.2%,Grok 4.6 95.6%,智谱的 GLM 5.3 95.4%。 前五名差不到两个百分点,开放权重的 DeepSeek 只落后 0.6 个点,这个测试已经接近满分,Vals.ai 也把它归档、不再更新了。

差距要到更难的测试里看。Snorkel AI 的 SWE-bench CLI 有 200 道题,要求模型在陌生的代码库里改动多个文件、跑通测试。 2026 年 11 月读取的榜单上,Claude Opus 5.5 通过率 16.6% 排第一,Google 的 Gemini 4 Argon 16.3% 紧随其后,Claude Fable 5.1 14.5%,GPT-6 Astra 12.4%, Kimi K3 和 DeepSeek V4 Pro 只有 4.1% 和 2.3%。 结论有两层:在最难的长任务上 Claude 仍领先,开放权重模型差得远;但领先幅度很小,Google 只差 0.3 个点。能力领先是 Anthropic 最重要的护城河,也是最不牢靠的一条,下一代模型就可能改写名次。

测试(日期)Claude主要对手怎么读
SWE-bench Verified(Vals.ai,截至 2026-09-01)Opus 5:97.0%DeepSeek V4 Pro 96.4%;GPT-5.6 Sol 96.2%;Grok 4.6 95.6%接近满分,已分不出强弱,测试已归档
SWE-bench CLI(Snorkel,2026-11 读取)Opus 5.5:16.6%;Fable 5.1:14.5%Gemini 4 Argon 16.3%;GPT-6 Astra 12.4%;Kimi K3 4.1%难的长任务 Claude 领先,Google 贴近,开放权重落后明显
03

第二条:企业信任

企业最怕的是自己的代码和资料被拿去训练

企业把代码、合同、客户资料交给模型处理,最担心两件事:数据被拿去训练模型、间接泄露给别人;模型出事连累自己。 Anthropic 在这两点上积累了口碑。安全方面,第 6 节讲过它的公益公司结构和负责任扩展政策;数据方面,它对商业客户的承诺是默认不用其数据训练模型。

这条承诺的边界值得看清。2025 年 8 月 28 日,Anthropic 修改了个人用户条款:Free、Pro、Max 用户可以自己选择是否允许用对话训练模型,允许的话数据保存五年。 但团队版、企业版、政府版、教育版,以及通过 API(包括经亚马逊 Bedrock、Google Cloud Vertex AI 调用)的使用,都不在这次调整范围内。 也就是说,个人用户的数据可能进训练,付费的企业客户默认不进。信任的护城河来自口碑,口碑也最怕一次事故,第 12 节讲安全与监管的风险。

04

第三条:产品习惯和 MCP

锁住人的往往是工具和流程,而不是模型本身

直接调用 API 的客户容易换,用 Claude Code 的程序员就没那么容易。一个开发团队会把项目约定、常用指令、权限设置都配置进工具里,团队成员也习惯了它的用法。 换模型只要改一行代码,换工具则要整个团队重新适应。第 6 节提到,Claude Code 的年化收入 2026 年 2 月已超过 $25 亿。

另一件常被提到的事是 MCP(模型上下文协议)。模型要干活,就得连上数据库、代码仓库、日程表这些外部工具,过去每接一个工具都要单独写一套连接。 2024 年 11 月 Anthropic 开源了 MCP,相当于给模型和工具之间定了一个通用插口:工具按这个标准做一次接口,所有支持 MCP 的模型都能用。 2025 年 12 月,Anthropic 把 MCP 捐给 Linux 基金会下新成立的 Agentic AI Foundation,与 Block、OpenAI 共同发起,Google、微软、AWS 等支持; 当时已发布的 MCP 服务器超过 1 万个,ChatGPT、Gemini、Cursor、VS Code 都已支持。 这里要说清它的边界:MCP 是开放标准,对手同样支持,一个按 MCP 做好的工具接口换到别的模型上照样能用,它反而降低了工具层的切换成本。 它对 Anthropic 的价值在于话语权和先发:标准是它定的,Claude 最早、最熟练地用它干活,开发者也因此更早围着 Claude 搭工具。

05

第四、五条:三朵云都能买,算力已经锁定

买得方便,供得上货

第四条是渠道。第 7 节讲过,44% 的收入经 AWS、Google Cloud、Azure 卖出,企业沿用已有的云账户和安全设置就能用,不必新签一家供应商,采购部门少了一道审批。 第五条是算力。需求旺的时候,模型公司常常是供不上货,而不是卖不出去;Anthropic 签下了约 $9,009 亿的算力合同,在对手排队等芯片时更可能接得住客户的用量。 这两条也都有边界:对手同样在云上卖模型,Gemini 在 Google Cloud 上天然有位置;锁定的算力是长期的固定支出,用不满也要付钱,第 9 节细讲。

06

护城河的边界

降价、追平、自研、便宜的替代品

把边界放在一起看,有四条。第一,守份额要让价:招股书披露,三季度新模型降价和合同折扣对收入的影响约 −$6 亿;Menlo 也观察到,Anthropic 和 OpenAI 最近开始给旗舰模型打折。 第二,对手追平往往只需要一代,上面的榜单已经说明领先幅度有多小。 第三,大客户在自研:据 Menlo 报告,编程工具公司 Cursor 用月之暗面的开放权重模型 Kimi K2.5 做底座,训练了自己的模型 Composer 2,大客户每把一部分活交给自研模型,Claude 的用量和议价权就少一点。 第四,开放权重模型便宜得多,第 5 节的数据是每百万 token 平均 $0.13,闭源约 $0.70。

所以 Anthropic 的护城河更像一组需要持续投入才能维持的优势:能力领先要每一代重新赢,信任要靠不出事来维持,产品习惯要靠工具不断变好。 其中最关键的是第一条,而能力领先最终取决于能不能持续拿到足够的算力训练下一代模型。下一节就讲它怎么买算力。

五条护城河,各自的边界

能力领先:SWE-bench Verified 已饱和,难题上 Google 只差 0.3 个点。企业信任:靠口碑,怕一次事故。 产品习惯与 MCP:MCP 是开放标准,对手同样支持。三朵云:对手也在云上卖。锁定的算力:用不满也要付钱。

这一节要带走的一句话 API 上换模型往往只需改调用地址和模型名,切换成本天然低,企业份额几年里大起大落就是证据。Anthropic 留住客户靠五样东西:编程和智能体能力领先,但简单测试已饱和、难题上 Google 只差 0.3 个点;商业客户数据默认不用于训练带来的信任;Claude Code 的使用习惯和它发起的 MCP,而 MCP 是开放标准;三朵云都能买;算力已经锁定。边界同样清楚:三季度降价和折扣影响约 $6 亿,大客户在自研模型,开放权重模型便宜得多。

检验一下:换模型只要改一行代码,客户为什么还留在 Claude

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

二.4

算力怎么买:约 $9,009 亿的合同,先付钱,后收钱

Anthropic 不自建数据中心,向八家供应商租用 TPU、Trainium、英伟达 GPU 三类芯片的算力;合同大多不可取消、用不满也要付,而这些供应商同时又是它的股东

约 8 分钟·2,253 字·5 题
01

从常识讲起:模型公司为什么要先签长约

芯片、机房、电力都要提前一两年排队

Anthropic 基本不自己盖数据中心,它的算力是向云厂商、新兴云和设备商租来的,有点像航空公司向租赁公司租飞机。 租算力本可以随用随租,但前沿模型公司偏偏签了大量多年长约,原因在供给:芯片要提前下单,机房要一两年才能建好,电网接入更要排队。 第 4 节讲过算力供给方,需求旺的时候,它们手里的产能早早被订光,晚签的人就拿不到。

公司在合同里承诺未来若干年向供应商购买的算力金额,叫算力承诺。截至 2026 年 9 月 30 日(含期后新签),Anthropic 的算力承诺合计约 $9,009 亿,按未折现的现金支付计算, 其中 2030 年底前要付 $4,516 亿,未来 12 个月 $707 亿;另有约 $1,500 亿到 $1,750 亿没有固定金额的安排没算进去,已计入的部分里有 $1,862 亿可终止或带前置条件。 作为对照,它过去四个季度的收入合计 $352.82 亿,9 月 30 日手里的现金和短期投资 $1,318 亿。

02

向谁买:八家供应商,三种芯片为主

谷歌的 TPU 规模最大,对手 xAI 也成了卖家

对手方(芯片)承诺金额期限能否退出
谷歌云托管(TPU)≥$1,213 亿,用不满须补差2026-04 至 2033-07不可取消
谷歌追加 TPU估计 $1,250–1,500 亿(未计入总额)2028–2031 交付方式待定
亚马逊 AWS(Trainium)≥$1,100 亿,用不满须补差2026-05 至 2036-04不可取消
博通(TPU 设备,5 年融资租赁)租金约 $1,612 亿2026 年起陆续起租双方不可取消
SpaceXAI(英伟达 GPU)≤$1,205 亿;满产约 $31 亿/月至 20292027-01/03 后提前 90 天可解约
微软 Azure(英伟达 GPU)$472–492 亿2026-11 至 2033-06不可取消
Nscale(英伟达 GPU)≤约 $446 亿至 2033对方未取得融资可退出
Lambda(英伟达 GPU)约 $413 亿至 2034其中 $349 亿截至 2026-11 双方可终止
AMD(Helios / MI450)超过 $200 亿(未计入总额)2027 年起不可取消

清单里规模最大的是谷歌一系:云托管、追加采购,加上博通的 TPU 设备租赁,三项合起来是几千亿美元的量级,TPU 本身见 Google 那门课和 Broadcom 那门课。 亚马逊的 Trainium 排第二,见 Amazon 那门课。英伟达 GPU 分散在 SpaceXAI、微软、Nscale、Lambda 四家,新兴云的生意见 CoreWeave 那门课。AMD 的 Helios 机柜 2027 年起供货,金额超过 $200 亿,没计入总额。 SpaceXAI 是 2026 年 xAI 并入 SpaceX 后的 AI 业务。2026 年 5 月,Anthropic 包下了它在孟菲斯的 Colossus 1 数据中心全部算力,公司称新增超过 300 兆瓦; 做 Grok 的对手,也成了它的算力卖家。

为什么三种芯片都买?Anthropic 2025 年 10 月扩大谷歌 TPU 合作时说明,它的做法是同时高效使用 TPU、Trainium 和英伟达 GPU 三个平台。 好处有三层:任何一家断供或涨价,都还有别的来源;几家互相竞争,Anthropic 的议价能力更强;不同芯片的成本也不一样。 摩根士丹利 2026 年 7 月估算,建 1 GW 英伟达 GB200 算力约 $350 亿、GB300 约 $390 亿、下一代 Vera Rubin 约 $490 亿,而谷歌 TPUv7 约 $270 亿、亚马逊 Trainium3 约 $200 亿。 代价是工程量:同一个模型要在三种芯片上都跑得好,软件要分别适配和优化。

03

合同怎么写:用不满也要付,租来的设备算借钱买

take-or-pay 和融资租赁

谷歌和亚马逊这两份最大的合同都是 take-or-pay:买方承诺一个最低采购额,实际用不满,也要按最低额付钱。 做能源和大宗商品的读者对这种条款不陌生,长期天然气合同常这样写。它对供应商是保障,对 Anthropic 是一笔固定开支:需求旺时它保证有货,需求放缓时成本降不下来。 微软的合同同样不可取消。相对灵活的是英伟达 GPU 那几家:SpaceXAI 在 2027 年初不可取消期结束后,双方提前 90 天通知就能解约;Nscale 在对方拿不到融资时可以退出; Lambda 的 $349 亿那份,因对方没按期拿到场地租约,截至招股书披露时(2026-11)双方都能终止。

博通那份则是融资租赁:租期覆盖设备的大部分使用寿命,设备的风险和收益实质上转给了承租人。会计上,承租人要把设备记成自己的资产,把未来的租金记成负债,相当于借钱买设备。 Anthropic 向博通租 TPU 设备 5 年,租金约 $1,612 亿,双方都不能取消,2026 年起陆续起租。这意味着它不再只是向云厂商租现成的服务,开始实质性地持有芯片设备; 2026 年前三季度,它为租赁设备预付了 $19.55 亿。

04

一吉瓦是多少钱:GW 口径怎么换算

行业用电力来数算力

新闻里讲算力,越来越常用 GW(吉瓦,即 100 万千瓦)做单位。原因是芯片每代都在变,一颗芯片的算力没法横向比,而数据中心最稀缺的是电力,用它装得下多少功率来计量最稳定。 1 GW 大约是一座大型核电机组的发电功率。

把 GW 换成钱,要借机构的估算。美银 2026 年 10 月估算,建 1 GW 的 AI 数据中心约需 $250 亿到 $450 亿,约 60% 花在服务器和芯片上; 上面摩根士丹利的数字则显示,用定制芯片比用英伟达 GPU 每 GW 便宜两成到五成。Anthropic 的几笔大合同都能折成 GW:2025 年 10 月谷歌 TPU 合作对应 2026 年上线超过 1 GW; 美银 2026 年 4 月报告称它新签 3.5 GW TPU 产能,汇丰 2026 年 9 月估计亚马逊的芯片需求中约 5 GW 来自 Anthropic。 按每 GW $200 亿到 $270 亿的定制芯片成本粗算,5 GW 对应的建设投入是 $1,000 亿到 $1,350 亿,这是本课推算,用来感受量级。 要注意两点:这些建设投入由供应商出,Anthropic 是按年付租金;各方说的 GW 有的指已签约、有的指已上线,口径并不统一。

05

先付钱,后收钱:短期算力和现金

长约还没到位,只好高价买现货

第 7 节讲过,Anthropic 的收入近八成按量计费、随用随付,剩余履约义务只有 $138 亿;成本端却是上面这份锁定多年的清单。两头并不对称,这是它最大的财务特征。

2026 年三季度就是一个例子。长约大多在 2026 到 2028 年陆续起租,而需求跑在了前面,公司只好买短期算力补缺:三季度买了 $50 亿,前三季度合计 $65 亿,价格明显高于长期合约。 这是三季度从二季度的经营盈利转为经营亏损 $5.67 亿的主因之一,另一个是 $19.6 亿的员工捐赠配比非现金费用。当季算力与基础设施开支 $98.63 亿,占收入 58%。 付款日程上,已起租部分 2027 年要付 $292 亿、2028 年 $444 亿、2029 年 $478 亿,已签未起租的 $4,512 亿还没算在里面。 如果收入继续高速增长,这些合同保证了供给;如果增速掉下来,付款不会跟着减少,过剩的算力就成了包袱。

06

供应商也是股东:循环交易的质疑

同一笔钱,是不是在几家公司之间转了一圈

最后一个问题,是市场争论最多的。所谓循环交易,是指 A 公司投资 B 公司,B 再用这笔钱买 A 的产品: 钱转了一圈,A 的收入和账面投资收益都变大了,但终端客户的需求未必同步增加。英伟达投资多家新兴云和模型公司,是这类质疑的典型,见 NVIDIA 那门课。

Anthropic 的情况很接近。上市时,谷歌和英伟达各出 $100 亿,AMD $25 亿,博通、美光、微软各 $10 亿,台积电 $5 亿,同步认购了 $260 亿股份。 此前,亚马逊 2023–2024 年投资 $80 亿、2026 年 4 月再投 $50 亿,另有最多 $200 亿与商业里程碑挂钩(第 6 节);据 TechCrunch 统计,谷歌 2023 年以来投资 $123 亿、另有 $300 亿按里程碑承诺;七家认购方里,除台积电外 Anthropic 都和它们宣布过数十亿美元级的战略合作。 批评者的意思是,同一笔钱从一个口袋换到另一个口袋。反方的理由也写在同一篇报道里:SemiAnalysis 的分析师认为这笔融资给生态带来了增量,并估计 Anthropic 四年累计约需 $2,800 亿收入才能覆盖算力账单,按它的增长可以做到; D.A. Davidson 的分析师认为,真正靠供应商撑着的是 CoreWeave 这类公司,Anthropic 的最大风险是输掉模型竞赛。

判断这件事,最终要看终端:年付 $10 万以上的 11,900 多家客户和约 4,000 万个小客户付的钱是不是真实、能不能持续增长。 2026 年前三季度经营现金流 +$65.7 亿,是对质疑的一个回应;但这份合同清单的大头在 2027 年以后,那时的收入还没有发生。 单元二到这里结束:这家公司是谁、靠什么收钱、凭什么留住客户、怎么买算力。下一单元看正在改变这门生意的技术变化。

这一节要带走的一句话 Anthropic 基本不自建数据中心,签下约 $9,009 亿算力承诺,2030 年底前要付 $4,516 亿、未来 12 个月 $707 亿。谷歌、亚马逊的合同是 take-or-pay,用不满也要付;博通的 TPU 设备走 5 年融资租赁。同时买 TPU、Trainium 和英伟达 GPU,为的是分散供给、增强议价,定制芯片每 GW 建设成本也更低。收入随用随付、成本锁定多年,三季度还买了 $50 亿高价短期算力。七家供应商在上市时认购 $260 亿,被质疑为循环交易,反方指出终端客户和经营现金流是真实的。

检验一下:算力怎么买:约 $9,009 亿的合同,先付钱,后收钱

5 道题,选完立刻出反馈。做错的那道,恰好是这一节你真正学到东西的地方。

免 费 部 分 到 此 结 束
还有 3 个单元、8 节没解锁

你刚读完的是Anthropic这门课的前 2 个单元(9 节 · 45 题), 讲清楚了这家公司是做什么的、靠什么赚钱。
剩下的部分是这门课真正花功夫的地方:

  • 三智能体、价格战与外部约束3 节 · 15 题 · 6,268 字
  • 四读懂一个季度,看清算力合同落到谁手里3 节 · 15 题 · 6,057 字
  • 五路线图、关键变量与风险2 节 · 10 题 · 3,540 字
登录 / 免费注册 →

注册免费,测验成绩存进账号;解锁其余单元凭会员兑换码 · 返回课程目录

有会员朋友?请 TA 用页面底部「分享 → 赠阅」发你一条赠阅链接,免登录可读全文(7 天有效)。

还没有兑换码?扫码加入知识星球即得
  • 📡Serenity 实时订阅 全网订阅第一「白毛股神」一手推文,分钟级中译直推邮箱,每天约 20~30 条,含她付费订阅才有的独家内容
  • 💼白毛持仓 · 完整台账 她公开推文里亲口说过的持仓,整理成一张带原话出处的表:79 只在持 · 63 只明确否认 · 17 只已清仓,每条带首次披露日、成本锚与最后确认日,新披露实时上表。不是荐股,是「她说过什么」的可核对记录
  • 📈大行研报 · ima 知识库对话 境内外一线投行研报每日汇入腾讯 ima 知识库(AI 相关精选 10,000+ 份、境内外日增 30+),你在库里通过 AI 对话随问随答、带出处,等于雇个 7×24 研究助理
  • 🗺️知识库全开 + 深度报告解析 1,152 公司 / 697 概念全词条 + 全景图谱,外加 185 篇机构深度报告可视化解读、巨头供应链拆解、产业大事件复盘
  • 🎓两套课程全解锁 金融人的产业链大课 18 讲(能源→芯片→基础设施→模型→应用)+ 公司深度研究 31 门(英伟达 / 台积电 / SK 海力士 / 博通 / 中际旭创…一家公司一门课,分单元、节节带测验、给成绩单)
  • 💬会员微信群 入圈后可加入会员微信群,会员之间日常交流,我也在群里
扫码加入知识星球
全站会员 ¥599 / 年 · 一天 1.6 元 · 10,000+ 份投行研报随问随答
点这里打开知识星球加入页 →

资料来源

资料截至 2026-11-21。财务、客户、算力合同与治理数字取自 Anthropic 向美国证监会提交的招股书(S-1/A 第 3 号修订,2026-11-17)与最终招股书(424B4,2026-11-19);公司路演材料(2026-11)只转述数字。产品与价格取自 Anthropic 官网,市场份额、基准测试、诉讼与政策取自机构公开发布与权威媒体报道,卖方测算注明机构与日期;各节在正文就地注明出处,机构估算与推断均已标明。