Anthropic冲刺IPO:万亿估值背后,700亿收入与1040亿亏损怎么算
正在数钱的阿莫迪兄妹。图片由AI生成 文丨胡泳 北大新闻与传播学院教授 编辑丨苏扬 人工智能产业正迎来一个具有标志性意义的时刻。 2026年11月,成立仅五年....
人工智能产业眼下走到了一个颇具标志性的节点。
2026年11月,成立才五年多的
Anthropic启动首次公开募股(IPO),想以超过万亿美元的估值登陆资本市场。
招股书显示,Anthropic IPO 完成后的基本流通总股本约130.7亿股,按70至78美元的发行价区间计算,对应基础市值约9160亿至1.02 万亿美元。再把员工期权等约49.2亿股潜在股份一并计入,得出的是完全摊薄估值。
一家以
不过,Anthropic上市不只代表资本市场看好人工智能前景,它还意味着一件事:一个长期被技术突破和融资热潮盖住的问题,到了必须公开接受检验的时候——人工智能确实造出了巨大的市场需求,可它到底能不能造出与估值相称的利润?
这篇文章想聊几个话题:
700亿美元年化收入、调整后41亿美元经营利润、1040亿美元净亏损,三组数字同时出现在一份招股书里,判断商业模式的依据究竟是什么?
模型每推理一次就要烧掉算力,用得最勤的用户,未必掏钱最多。
模型公司按能源、电信和基础设施那套方式组织资本,估值逻辑也就从“模型有多强”转向资本成本、投资回报周期与资本回报率。
手里握着用户关系、工作流和生态的公司,或许比模型公司更容易把智能变成收入。
眼下大家都认同按“把工作做完”来给职能定价,可任务失败、出错带来的经济损失该由谁承担,还没有共识。
人工智能创造的价值,并不必然等于模型开发商的收入和利润。
把芯片、电力、研发和融资成本这些账都结清之后,“挖金子”的人还能剩下多少,才是Anthropic上市真正要检验的事。
01 700亿vs13亿:收入奇迹与利润疑问
这轮人工智能淘金热里,最确定的赢家似乎一直是卖“铲子”的那批企业。
不管哪家大模型公司笑到最后,这些基础设施供应商都能从整个产业的扩张中分到好处。
相比之下,
要认识这个问题,Anthropic的招股书提供了重要依据。
2026年11月更新的上市文件显示,公司2025年收入约45.85亿美元,2026年前九个月收入已达332.42亿美元,仅第三季度就录得约170亿美元收入。也就是说,它一个季度的收入就超过了整个上半年的总和。若把第三季度单季收入简单年化,Anthropic的
这样的增速远超传统软件产业的节奏,说明生成式人工智能已不再是一项主要靠资本补贴撑用户规模的实验性技术,一个具备实际支付能力的商业市场正在成形。
更值得看的是,Anthropic的收入主要来自企业客户和按智能使用量计费的服务,并非单纯依赖个人消费者的固定月费。这说明大模型商业化的重心正从出售聊天工具的使用权,转向出售能参与生产活动的智能能力。
大模型不光挖到了金子,挖掘量还以吨计。可收入的爆炸式增长,并没有自动把盈利问题一并解决。
Anthropic在2026年前九个月的算力与基础设施支出约188亿美元,占其332.42亿美元总营收的约57%。
经营层面仍然亏损,前九个月净亏损高达1040亿美元,但其中相当大一部分来自可转换融资工具及相关负债的公允价值重估,并非日常经营的现金失血。同时,公司披露的调整后经营利润已转正至约41亿美元(调整后经营利润率约12%),收入相对于算力成本的效率也明显改善。
所以,只凭巨额净亏损就断言Anthropic的商业模式站不住脚,显然过于简单;可只凭调整后经营利润转正就认定大模型已经解决了盈利难题,同样缺少充分依据。
问题在于,企业一边要持续投入研发、采购算力、建设基础设施并承担融资成本,一边能不能长期赚回足够多的钱。
现在喊出人工智能能带来可量化生产率提升的公司越来越多,理由包括流程更快、常规任务自动处理、服务能力扩大、成本控制改善。需求确实旺。可资本市场对满足这些需求要花的钱,正在失去耐心。
Meta是个最清楚的例子:第三季度财报里,人工智能把广告收入推高了26%,但季度自由现金流却变成负数,十多年来头一回出现现金净流出。同期公司还调高了资本支出预期,用来支撑其激进的人工智能基础设施扩张。
整个华尔街对AI基建的态度也在变。
前两年,市场一听“AI能力提升、用户粘性增加”就盲目给溢价;如今资本支出正朝全行业数千亿美元、甚至万亿规模逼近,华尔街开始像精算师那样盘算:这些算力投入到底什么时候能变成实打实的净增自由现金流?
一旦投资回报周期拖得太长,或者AI带来的收入增量抵不过每年数百亿美元的折旧和电费账单,市场就会用估值惩罚来回应。
市场研究机构Gartner预测,如果企业照现在的花钱速度走下去,到2030年年底,超过3.5万亿美元的人工智能基础设施投资可能面临风险。
Gartner同时指出,这期间企业客户和消费者给人工智能带来的收入,或许不足以让这些投资拿到盈利性回报。
02 规模不经济
供需和财务上的巨大错配,把大模型与传统软件产业的根本差别摆了出来。
过去几十年是软件即服务(SaaS)的时代,客户规模一扩大,企业通常就能靠规模效应把利润率越做越高。大模型却不完全按这个逻辑走。
对每一次模型推理、代码生成、长文本分析以及固定月费订阅的企业来说,最活跃的用户未必贡献利润最多,反倒可能是算力消耗最大的那一个。
各大模型厂商所以要靠上下文长度限制、调用次数上限或者分层计费来“筛选用户”,原因就在这里。
重度用户有可能从“资产”变成“包袱”,这时候判断一家大模型企业的商业模式成不成熟,就不能只看付费用户数、订阅收入增长或者用户活跃度。还得看不同用户群体的单位经济效益:每位用户贡献多少收入、消耗多少推理资源,使用强度上去之后利润率怎么变,企业又能不能靠更合理的定价和技术优化把这层关系调好。
大模型并不是注定形不成规模经济。模型压缩、推理优化、芯片升级、缓存技术,还有不同模型之间的任务分配,都能持续压低单位计算成本。Anthropic披露的经营效率改善也说明,技术进步确实能改变成本结构。
但人工智能还有一种特殊的需求扩张机制:智能服务变得越便宜、越强大,用户可能不只是用更低成本做完原来的事,还会开始要求机器承担更多过去做不了的工作。
经济学意义上的单位推理成本下降,未必等于整体算力支出下降。更便宜的智能可能铺开更广的应用,也可能带来更庞大的计算需求。
Anthropic招股书里关于未来算力采购承诺的披露,就把这个矛盾凸显了出来。公司已签订及披露的长期算力与基础设施安排总规模接近9000亿美元,其中相当大一部分预计在2030年前发生。
这些数字不代表Anthropic已经把相应金额付了出去,也不能简单当成当前债务。但它们反映出一个重要变化:前沿人工智能企业正从传统意义上的轻资产软件公司,转向高度依赖芯片制造、电网容量、数据中心和长期资本融资的重资产技术企业。大模型公司还在押注算法创新和研究人才,可它们越来越受制于物理基础设施的供给。
一家企业如果必须持续砸进数千亿美元才能保住技术领先,那么即便收入增长令人惊叹,也保证不了它的资本回报率撑得住现有估值。
人工智能正在长出一种特殊的产业形态:创造收入的速度是软件产业的,组织资本的方式却可能要像能源、电信和工业基础设施产业。投资者过去只消盯住哪家公司模型最先进、用户最多、收入增长最快;往后,资本成本、算力采购价格、基础设施利用率以及投资回收周期,可能同样决定企业的长期竞争力。
03 模型商品化的几种可能性
和Anthropic比,OpenAI的商业布局铺得更开,既想当个人用户的通用智能助手,也想做企业和开发者使用人工智能的基础平台。但OpenAI也撞上了类似的矛盾。
尽管OpenAI的
用户愿不愿意用,已不是核心问题。真正的难题在于,铺开的使用需求怎样换成收入,再拿这笔钱填上持续投入的资本开支。
Meta走的是另一条路。
它不像OpenAI和Anthropic那样主要靠卖大模型赚钱,而是把人工智能塞进现成的广告、推荐和社交平台体系里。模型变强,内容分发、广告匹配和营销自动化的效率跟着提升,成熟业务的赚钱能力直接受益。
对Meta来说,人工智能首先是一门让既有商业系统跑得更快的技术,未必是需要单独收费的新产品。这套打法优势明显:现成的客户关系、用户规模和广告交易体系都能拿来变现,不必等消费者为智能服务养成新的付费习惯。
不过,数据中心投资不断加码,巨额资本支出同样在挤压Meta的自由现金流。成熟商业模式消不掉人工智能资本密集的特点,只是给承担这些成本提供了更稳的收入底子。
Meta的案例还暴露出大模型商业化里更深一层的矛盾:模型创造的经济价值,未必落到模型提供商手里。
人工智能越广泛地嵌进各类产品和服务,掌握用户关系、应用场景和商业渠道的企业,往往比只提供模型能力的企业更容易把价值变成钱。基础模型会不会逐步商品化,因此成了判断大模型企业盈利前景的关键。
各家开发的模型如果在性能、可靠性和使用体验上越靠越近,客户就会越来越盯住价格和服务成本。模型提供商哪怕技术一直在进步,竞争之下也难长期保住高利润。
技术能力扩散,对消费者是好事,对最初的技术开发者未必。历史上不少重要技术最后都成了广泛使用的基础设施,可技术普及并不保证发明者拿到最大的经济收益。
不过,
企业真正掏钱买的,往往不是一个会答问题的模型,而是一套能读懂内部业务、调用专有数据、跑完复杂流程、还满足安全合规要求的智能系统。人工智能一旦深入企业的财务、研发、法律和客户服务流程,换供应商就不只是换一个聊天界面,而可能牵动数据迁移、系统整合、风险控制和组织培训。
所以,往后更牢的壁垒恐怕不在模型参数上,而在模型与企业工作流程的结合处,以及由此长出的开发者网络、数据环境和服务生态。
照这个思路看,Anthropic和OpenAI也未必一辈子只做基础模型供应商。它们同样在开发面向消费者和企业的完整服务,想靠产品体验、工作流程和客户关系做出差异化。
Anthropic无论是通过
而传统订阅模式卖的是一定时期内的软件使用权,。
一个AI系统若能独立完成法律文件审查、软件测试或企业财务分析,客户在意的未必是它烧了多少token,而是任务有没有做完、结果可不可靠、省下了多少成本。
按任务、按工作量、甚至按实际成果收费,可能成为日后商业模式的重要一块。问题是,这种模式会带来新的责任归属:人工智能没完成任务,或者出错造成经济损失,费用和风险该由谁扛?智能服务越接近真实劳动,它的商业模式就越难照搬传统软件产业的规则。
04 谁能留下挖到的金子?
把视线拉远,人工智能产业正在经历一轮价值分配结构的重组。
早期受益最明显的是芯片、制造和基础设施供应商,行业一扩张,计算资源的需求就跟着涨。可随着模型能力扩散,利润可能慢慢转向那些能控制企业工作流程、用户入口和应用生态的公司。
算力若长期稀缺,基础设施供应商的议价能力就仍然较强;模型供给若趋于充分,应用企业就可能分到更大的价值份额;少数平台若能把模型、数据、支付和工作流程捏到一起,又可能长成新的平台经济。
最终谁拿走最大利润,要看产业链上哪个环节能形成持续的稀缺性。
回看历史,微软的长期优势不只来自Windows操作系统的授权收入,更来自围绕它长出的开发者生态、软件兼容性和企业客户网络;谷歌也不是靠向用户收搜索费建起商业帝国,而是把搜索汇聚的用户入口对接商业需求,转成广告收入。
今天的Anthropic和OpenAI同样要做一个重要选择:基础模型究竟是那种得不断砸巨额资本才能维持领先的技术产品,还是能成为连接开发者、企业客户和应用生态的平台基础?
它们若能在模型之上搭起稳定的开发者网络、深度整合的企业工作流程和难以轻易替代的服务体系,就可能拿到超出模型性能本身的竞争优势与定价能力。只是这种平台化转型能不能挣出足够的利润,覆盖持续的算力投入,还得靠长期经营业绩来检验。
根据Anthropic最近提交的监管文件,这家公司即将启动的首次公开募股(IPO),在最理想的情况下可能达到1.4万亿美元估值(摊薄后),募资规模为900亿美元。
这场雄心不小的IPO,实际上相当于投资者对人工智能行业的一次公投。更广泛的投资者因此有了选择的机会:要么支持公司继续烧钱,要么回避这家有望成为AI行业重要风向标的企业,拒绝为1.4万亿美元这样的历史性高估值买单。
不管怎样,Anthropic的IPO申报文件暴露了一个绕不开的问题:公司要维持收入增长,就得承担不断攀升的计算成本。这显然让说服投资者变得更难。一家备受追捧的人工智能明星企业,上市后如果持续表现不佳,市场还承受得住吗?答案需要时间来验证。
有一个问题很容易被忽视:人工智能创造的经济价值,未必能变成模型开发商的收入和利润。企业用人工智能提高生产率,省下来的成本可能留在使用者手里;消费者通过免费或低价智能服务得到的便利,也可能表现为
技术的社会价值与开发者的财务收益之间,并没有必然的对应关系。
AI确实挖到了金子。可芯片、电力、数据中心、研发投入和融资成本全部结算之后,挖金子的人还能剩下多少?这才是大模型商业模式至今没有回答的核心问题。
对Anthropic来说,上市不是这个问题的终点,而是把问题推进到一个更严格的阶段。上市之前,市场可以凭技术突破、用户增长和融资估值去想象未来;上市之后,企业就得靠收入、利润、现金流和资本回报不断证明自己的商业价值。
模型是不是更聪明当然重要,但更关键的是,企业能不能以经济上可持续的方式生产、分配和出售智能。