Anthropic上市首日跌破开盘价,Claude同日性能降级
说一千道一万,他们真的很开心!
Anthropic 于当地时间 2026 年 11 月 19 日在纳斯达克正式挂牌。83 美元是它的发行价,111.50 美元则是实际开盘价,比发行价高出约 34.3%。
有网友感叹:“还没开始交易,暗盘的人已经先赚走两成了。”开盘之后股价一度急速上冲,随后掉头回落。盘中最高摸到 115.1 美元,最低又跌穿开盘价,下探 95.05 美元。

上市后的一段时间里,纳指、道指、标普 500 指数均出现不同幅度的下跌,知名科技公司的股价也反复震荡。


上市当天还出了个巧事:
Claude 出现性能下降。状态页面把 Claude 标注为“性能下降”,Claude API 和 Claude Code 则运行正常。截至本文发出,官方没有解释具体原因。
这场 IPO 撞上的时点相当矛盾。AI 相关股票正经历调整,投资者重新掂量数据中心建设、算力采购和模型训练到底能换回多少回报;Anthropic 一边拿到资本市场的高度关注,一边又被各界严厉审视。
敲铃之前,Amodei 的发言等于变相回应了质疑者,也把决心摆到了台面上:“上市只会让我们更加坚定地做正确的事,我们绝不会向商业利益或政治压力低头!”
他补充道:“AI 系统的训练和部署节奏会由我们把握,该慢就慢,哪怕多花些时间,也要等到有把握它们安全、并且始终处在人类掌控之下。商业压力也好,政治压力也罢,我们都不会低头。公司今天财务更稳,这只会让我们做正确的事更有底气。假如能证明选对安全这条路的同时还能把公司做得非常成功,行业里其他人也会被带动起来,跟着我们走。”
不过也有网友不看好 Anthropic 未来的走势,股价的变化或许正说明了这一点。

这次 IPO 的发行规模超过 SpaceX 此前 750 亿美元的基础发行规模,成为全球资本市场规模最大的 IPO。据报道,Anthropic 创纪录的 IPO 吸引了约 1200 家机构投资者提交认购订单,但股份分配明显向美国本土投资者倾斜,超过 50% 的机构投资者没能拿到股份配售。
Anthropic 本次发行 9.8 亿股,预计募资约 813.4 亿美元。其中,Anthropic 自身出售 9.5635 亿股,对应募集资金约 793.8 亿美元;另有 2364.9 万股由部分现有股东出售,对应约 19.6 亿美元,这笔钱不进公司口袋。此外,Anthropic 还打算通过私募配售筹集 260 亿美元。把公开发行和私募配售加在一起,此次资本交易规模约为 1073 亿美元。
Anthropic 的不同之处在于,它正把 AI 替代人类劳动的预期做成一门高速增长的生意。从 Claude Code 到企业 Agent,越来越多原本要专业人员来干的活开始由 AI 接手。模型公司的市场空间也随之从软件采购预算,延伸到企业庞大的人力成本预算。
可商业层面的算力短板、对“安全”叙事的过度强调等,都给亮眼的股价表现蒙上一层阴影。相比首日股价,Anthropic 上市后几个季度的表现或许更关键。
1
失业焦虑如何变成生意?
Dario Amodei 对 AI 失业的警告,已经是科技行业聊就业时绕不开的话题。这些预测背后还藏着一个与 Anthropic 商业模式直接相关的判断:如果越来越多原本需要专业人员完成的工作能交给模型,AI 公司面对的就不仅是软件市场,还有企业庞大的人力成本支出。
2025 年 5 月,Amodei 接受 Axios 采访时给出过一个引发广泛讨论的预测:未来 1 至 5 年,AI 可能取代美国约 50% 的初级白领岗位,并可能把失业率推高至 10%—20%。他特别点到科技、金融、法律和咨询等行业,认为这些领域的入门级岗位可能最先受冲击。
2026 年 6 月,Amodei 又在文章《Policy on the AI Exponential》里进一步谈 AI 对就业和收入分配的影响。他担心 AI 在推动经济高速增长的同时,也可能带来持续性的劳动力替代和收入不平等。为此他提出工资保险、员工留任激励、职业培训等政策措施,甚至讨论过向 AI 企业征税或提高资本利得税,为普惠收入机制提供资金。
这些警告戳中了公众对 AI 最现实的焦虑:当机器开始具备承担专业工作的能力,技术进步究竟会让自己受益,还是让自己丢掉饭碗?
这种焦虑正在改变人们用 AI 的方式。员工开始主动学新工具、试着把模型引入日常工作,想靠提高效率保住竞争力。订阅模型、使用 Agent、摸索自动化工作流,慢慢成了一种主动适应甚至自我保护的选择。人们怕被 AI 取代,却又不敢落在 AI 后面。
而这股个人层面的使用热情,正在成为 Anthropic 打开企业市场的重要入口。
Anthropic 在招股书中披露,Claude 在企业中的扩散很大程度上靠自下而上的自然增长:软件开发者和个人用户先在自己的工作里用 Claude,随后成为所在组织的内部推动者,把工具带进团队和部门,推动更大范围的部署。Anthropic 甚至把这批个人用户视为企业业务的重要获客入口。
这条路子挺有意思。企业买 AI,不一定先走自上而下的技术选型,也可能从某位员工的日常活干起。个人用户先认可了 Claude 的价值,再带着团队把使用范围铺开,原本给个人用的工具,就有了进入企业核心流程的机会。Anthropic 收获的不只是个人订阅的钱,还有一条通往企业客户的增长通道。
员工先上手,团队再铺开,最后企业为更大规模的部署掏钱。这种自下而上的渗透,让 Anthropic 有可能绕开传统企业软件那套拖沓的销售和采购流程,直接从真实的工作需求里找客户。
企业买 AI 的出发点已经变了。以前软件是帮员工把活干快一点,现在 Coding Agent、办公 Agent 这类产品开始接手一部分工作本身,企业看重的是少投重复人力、少招新人、少付外包费,用更少的人撑起更多业务。另一头,对手先完成 AI 转型带来的压力,也在催着企业赶紧上。
Anthropic 恰好站在这波需求扩张的正中间。2023 年公司营收 4100 万美元,2024 年 3.86 亿美元,2025 年涨到 45.85 亿美元;2026 年前 9 个月已达 332.42 亿美元,同比增长约 1206%。截至 2026 年 9 月 30 日,过去 12 个月贡献至少 10 万美元收入的客户超过 11900 家,比一年前多出 12 倍以上。
从个人用户到企业客户,从开发者工具到业务流程部署,Anthropic 把外界对 AI 冲击劳动市场的预期,一步步换成了自己的商业增长。员工想靠 AI 保住竞争力,企业想靠 AI 压成本、扩产出,模型公司则从这场变化里拿到越来越多的收入。
可问题也跟着来了:企业越愿意把活交给 AI,Anthropic 就越得提前把接这些活要用的算力备好。
2
AI 接管工作,算力支出加大经营压力
AI 干的活越多,模型调用和推理的需求就跟着涨。算力偏偏不是随用随买的普通资源。要保住模型领先、接住未来的需求,Anthropic 只能提前把大量计算资源锁死;这笔投入收不收得回,要看企业是不是真会把更多工作交给 AI。
Amodei 对未来的市场相当乐观,他觉得眼下的 AI 市场才刚起步。模型能力往上走,AI 的用武之地可能从软件开发延伸到科学研究、生物技术、网络安全、机器人等方向。新场景意味着 AI 有机会接下更多专业工作,Anthropic 也因此看到了比当下编程和企业知识工作更大的盘子。
市场还没完全打开,基础设施的钱已经先花了。招股书显示,截至 2026 年 9 月 30 日,Anthropic 签下的算力采购承诺和租赁协议合计约 9009 亿美元。其中约 4516 亿美元预计在 2030 年底前发生,剩下的大部分落在 2031 年至 2045 年之间。
这份承诺横跨数十年,把 Anthropic 未来多年的经营表现,和算力供给、使用效率、客户需求死死绑在一起。
Amodei 说算力是 Anthropic 最深的商业难题。模型公司一般要提前一到两年锁定算力,可 AI 能力和市场需求变得太快,未来到底要多少算力、提前锁下的资源能换来多少经济价值,都很难算准。
说白了,企业今天才开始为 AI 买服务,模型公司却可能得提前好几年为未来的需求掏钱。企业自动化需求一旦没按预期涨起来,已经签下的长期资源承诺就会变成经营压力。
Anthropic 的办法是按相对保守的需求预测来安排长期算力采购,超出预期的部分再用短期资源补上,尽量在算力不够和投得过多之间找平衡。截至 2026 年 9 月底,公司手里有约 956 亿美元现金及现金等价物、363 亿美元短期投资,另外还有信贷额度,持续投入的资金缓冲不算小。
算力投入能不能换回足够的回报,已经有一组数据摆在那里。
招股书里,Anthropic 每美元算力投入对应的收入,2025 年第一季度是 0.40 美元,2026 年第二季度升到 2.08 美元,第三季度又掉回 1.72 美元。公司给出的一个重要原因是,当季新增约 50 亿美元短期算力采购,这部分资源的价格明显高于多年期采购。
也就是说,模型用量和收入规模一路扩大,并不等于单位算力成本会一直往下走。公司要靠短期采购应付需求激增时,更高的资源价格可能直接拖累经营效率。
利润那边也是类似的拧巴。2026 年前 9 个月,Anthropic 录得约 40.81 亿美元调整后营业利润,调整后营业利润率约 12%,可营业亏损仍有约 12.6 亿美元。调整后利润和会计口径的营业亏损对不上,说明公司还处在高速扩张和大规模投入并行的阶段。
Anthropic 已经证明企业肯为模型服务掏大钱,也初步露了一手经营效率。但更难的那道题它还欠着答案:不断加码的 AI 工作负载,怎么持续产生足够覆盖算力投入的商业回报?
企业自动化需求要是慢下来,长期算力承诺就成了沉甸甸的固定成本;需求要是继续猛涨,昂贵的短期算力又可能啃掉利润率。IPO 募来的钱能抬高公司的承受力,却抹不平算力投入和商业回报之间的时间差。
外媒估算,Anthropic 得做到每年约 6020 亿美元的营收,才能在约 1 万亿美元的算力承诺上拿到 20% 的投资回报率。
拆开算:按 1 万亿美元资本投入、40% 的营业利润率和 17% 的税率,要拿到 20% 的投资回报率,Anthropic 每年需要约 6020 亿美元收入。这个体量超过 Alphabet 眼下约 4710 亿美元和苹果约 4780 亿美元的年收入,也相当于标普 1500 指数中全部 76 家软件及 IT 服务公司合计营收(9080 亿美元)的约三分之二。
Amodei 赌的是,模型能力往上走,今天建起的算力最终能撑起一个远比当前市场庞大的 AI 产业。只是科学研究、生物技术、网络安全和机器人这些领域能不能长出持续的客户需求,还得等时间给答案。
3
模型越来越便宜,Anthropic 溢价还能撑多久
就算 AI 能走进越来越多企业的工作流程,这块新增市场也未必轮到 Anthropic 独吃。
模型能力一旦普及开来,企业能挑的供应商只会越来越多,光靠模型性能领先去拿高额溢价,会越来越难。
前沿模型的竞争眼下冒出一个新矛盾:要把模型训得更强,就得砸进更多算力和研发资源;可一旦对手追上来,企业客户未必肯为这点性能提升多掏钱。
企业没必要什么活都买最强模型。简单的信息整理、文本处理、基础代码生成,便宜些的模型已经够用;但碰上复杂编程、金融分析、专业研究和高风险业务,准确性、可靠性和任务完成能力仍是企业愿不愿意加价的判断依据。
换句话说,Anthropic 必须守住的是那批对模型能力、任务可靠性要求更高、也更舍得付溢价的市场。
开放权重模型还在往前走,DeepSeek这些厂商也在重新平衡模型能力和使用成本,前沿闭源模型的技术与价格优势都在承压。Anthropic 自己也承认,对手可能用更低的成本做出接近的能力,企业客户还可能同时买几家模型服务,按任务复杂度、价格和性能分摊不同工作负载。能力差距一缩小,光靠技术领先撑住价格溢价就越来越难。
Claude Code 的商业表现,已经指出了一个不同的竞争方向。企业买 AI 的东西,正从单纯的模型能力扩到完整的任务执行体验。
模型能生成代码,和它能读懂整个代码库、调用开发工具、规划任务、定位错误并修好,是两码事。工具调用、上下文管理、代码库理解、任务规划和错误修复这些系统工程能力,同样决定 AI 能不能真正把活扛下来。OpenAI Codex 等产品也在补类似的本事,模型公司的竞争慢慢延伸到产品体验、企业工作流和工具生态。
对企业而言,模型能力只是起点。一项工作能不能从头到尾交给 AI,才决定它值不值得把相应预算从人力或外包挪到 AI 服务上。Agent 能不能稳定完成任务、能不能融进现有工作流、能不能接上企业工具和数据系统、人工介入成本能不能一直降,都会影响企业的采购决定。
Anthropic 正沿着这条路铺市场。它从聊天和 API 服务切入,再往编程领域扩,靠 Claude Code 把模型能力变成实际的软件开发工作;往后还想把这套能力伸到科学研究、生命科学、网络安全和其他专业领域。每进一个新工作场景,公司就有机会拿到新的企业预算。
不过,市场空间变大,不等于 Anthropic 就能自动拿到对应的收入。2026 年前 9 个月,公司前五大客户贡献了约 25% 的收入,但部分大客户没有长期采购承诺,可以按业务需求调整甚至停掉支出。企业也能把预算分给多家模型供应商,或者在试点结束后转向成本更低的方案。
这就让 Anthropic 面临两头考验:一头要不断提高模型能力和产品体验,让 AI 承担更多高价值工作;另一头还得让企业客户持续扩大使用,而不是在模型价格降下来后转投别家。
真正的竞争壁垒,最后要落在工作流程里。企业买过 Claude,不代表以后会一直用;只有当 Claude 能稳定接下那些企业不愿轻易交回给人做的工作,且替换成本足够高,Anthropic 才有机会把一次采购变成长期收入。
4
中国模型公司将面临更严格考验
Anthropic 的上市,也给其他前沿模型公司提供了一个重要的公开市场参照。往后投资者评估 OpenAI 等公司的商业价值,可能不只看模型能力和用户规模,还会进一步审视企业客户的真实使用情况、收入质量、算力成本,以及 AI 能不能真正承担企业工作。这种影响也会传到中国模型厂商身上。
Rhodium Group 在 2026 年 9 月发布的报告里,比较了中美模型公司的估值与年度经常性收入(ARR)。报告估算,Anthropic 的估值 /ARR 倍数约为 21 倍,OpenAI 约为 34 倍;中国智谱约为 46 倍,月之暗面约为 50 倍,DeepSeek则达到 163 倍。
这些数字说明,部分中国模型公司的估值里已经装进了较高的未来增长预期。各家公司的业务结构、收入规模、商业化阶段和融资环境并不一样,但 Anthropic 上市后,市场会有更多机会观察一家前沿模型公司怎么靠企业客户、产品服务和持续收入撑起自己的估值。
如果 Anthropic 在公开市场保持较强表现,可能进一步强化资本对前沿模型公司商业价值的信心。对智谱、MiniMax等已经上市的公司,以及DeepSeek、月之暗面等其他模型公司来说,Anthropic 的财务披露也提供了新的比较维度:企业客户增长有多快,客户是否持续扩大使用,收入能不能覆盖算力投入,以及模型服务能不能形成稳定的利润空间。
中国厂商未必要在每项任务上都对标最顶尖的闭源模型。开放权重、推理成本低、能本地部署,这几条在企业市场依然站得住脚。预算吃紧、对数据安全要求高,或者想自己掌握模型部署能力的企业,往往更看重这些。
不过便宜和开放也会碰到另一个生意上的难题:模型用的人多,不等于开发方就能拿到对等的收入。企业若能低价拿到模型,再自己搭 Agent 和业务系统,模型厂商的持续收入从哪里来?
中国模型公司得往下想一步:API 服务、企业部署、行业方案、Agent 产品、生态合作,这些渠道怎么把模型能力变成企业肯长期掏钱的生产力。
Anthropic 的做法可以当作一个观察样本:先让个人开发者用起来,靠 Claude Code 等产品进入具体工作流程,再通过企业 API 和 Agent 服务把商业收入做大。它的增长说明,模型公司有机会从企业的软件采购预算,进一步挤进人力成本预算。
中国模型公司要找到自己的入口,把技术能力落成企业真实的业务成果,在开放生态、低成本推理和企业服务之间搭出一套能持续运转的商业模式。
Anthropic 的 IPO 要检验的,已经不只是 Claude 能不能继续在模型上领先,也不只是这家公司能不能做出更高的收入和利润。
过去几年,AI 行业最宏大的商业想象之一,是机器逐步接手人类的部分工作,企业随之重新分配原本付给人类 labor 的成本。现在,这个故事开始进入资本市场的定价体系。
华尔街在给人类劳动的未来标价。Anthropic 接下来要证明的,是它能不能把这种对未来的想象,变成企业每天愿意付费的生产力。
5“安全”叙事可能遭遇反噬
但 Anthropic 要过的关,恐怕不只商业模式和技术竞争。对一家把 AI 安全当作核心使命的公司来说,还有一个更难绕开的问题:当它不断追求更强的 AI 时,最初的安全承诺还守得住吗?
Amodei 的战略逻辑里有一处矛盾值得留意:他相信超级智能可能给人类带来毁灭性风险,同时又坚信,避免这一结局的最好办法是让 Anthropic 率先把超级智能做出来。这套思路叫“向上竞赛”,基本判断是 AI 竞赛躲不掉,最终赢家会拿到巨大的技术和社会影响力,而 Anthropic 比对手更有能力负责任地使用这种力量。
员工里并非人人都买这个账。有人主张公司该主动放缓前沿模型的推进速度,连训练用的算力也该收着点用。Amodei 的回应是:Anthropic 收手,对手照样往前冲。与其退场,不如抢在前面,让超级智能最终掌握在更有本事把它负责任地做出来的公司手上。
围绕 AI 监管和政策游说,公司内部也有分歧。一些员工不满 Anthropic 参与推动限制州级 AI 监管的政策草案,认为这些动作与公司长期强调的安全使命之间存在张力。一家 AI 公司一边强调技术风险,一边又试图影响监管规则,它到底是在推动更有效的安全治理,还是在为自己争取更有利的竞争环境,这个问题已经绕不开。
质疑在临上市前夕进一步延伸到公司外部。上市前夕,Hugging Face 联合创始人 Thomas Wolf、xAI 联合创始人 Igor Babuschkin、哈佛大学教授 Steven Pinker、图灵奖得主 Judea Pearl 等人参与签署了《反 Anthropic 宣言》(MisAnthropic Statement)。
声明指出,Anthropic 一边警告递归自我改进(RSI)可能导致权力集中,甚至让 AI 脱离人类控制,一边却在竞相开发这项技术,想率先拿到竞争优势。声明还指责 Anthropic 借安全形象吸引投资者、员工和公众,同时削弱此前的安全承诺,并推动符合自身利益的监管政策。声明最后给了一个相当尖锐的结论:“Anthropic 并不是一家安全的 AI 公司。”

这场争论已经超出 AI 安全理念本身,延伸到公司治理、商业利益和公众信任。Amodei 坚信自己能负责任地开发超级智能,但管理层的自我判断替代不了外部监督。尤其当技术领先意味着更大的商业回报和社会影响力时,安全原则能不能真正约束公司的研发和商业决策,会受到更严格的审视。
这样一来,Anthropic 的 IPO 面临两套检验。资本市场要判断,它能不能把 AI 替代人类劳动的预期变成持续收入和利润;公众要判断,当一家公司的目标是率先开发可能改变人类社会的超级智能时,它是否真有能力约束这股力量。