OpenAI与Anthropic双雄领跑:30家AI百亿美元独角兽中国占两席
11月15日,硅谷老牌风投机构Menlo Ventures合伙人Deedy Das(@deedydas)在社交平台晒出一张全球AI公司估值与营收排行榜。
11月15日,Menlo Ventures合伙人Deedy Das(@deedydas)在社交平台贴出一张榜单,按估值和营收盘点了全球AI公司。
这家风投1976年成立,在硅谷算得上资历最老的风险投资机构之一,Uber、Chime等知名科技公司背后都有它的身影。近几年,AI成了它的重点投向,投资组合里有
Anthropic、Lovable、Modal等。
Anthropic也是它较早押注的项目:2023年参与后者C轮融资,2024年又和Anthropic一起设立了1亿美元规模的AI投资基金。
榜单的统计口径是:截至11月14日,全球估值超过100亿美元、公开年化营收在1亿美元以上的未上市AI公司。两个条件都满足的,共有30家。
头部的“双寡头”把差距进一步拉大。OpenAI以约1.25万亿美元估值继续排在第一,Anthropic约9650亿美元位列其后,两家和其余对手之间已经隔开相当大的距离。
可要是按年化营收排,两家公司的座次就换了:Anthropic跑到了OpenAI前面。估值上领先,收入上却出现了新变化。
中国公司方面,DeepSeek和月之暗面双双挤进全球前十。DeepSeek以890亿美元估值排在第五,月之暗面以500亿美元估值列第七。榜单披露的数据显示,这两家的年化营收均已达到10亿美元量级。
整体看,美国仍占压倒性优势:30家里有23家来自美国,业务横跨基础模型、AI编程、算力云服务等领域。中国入围2家,剩下5家分别来自加拿大、法国、德国、英国和瑞典。

01
“双寡头”断层领先
一年前,OpenAI还是那个“遥遥领先”的角色。
2025年底,OpenAI年化营收约200亿美元,Anthropic只有90亿美元,两者收入相差一倍多。
到了2026年,Anthropic的增长明显提速。截至今年9月底,OpenAI年化营收约500亿美元;10月底,Anthropic已冲到810亿美元。十个月里,Anthropic年化营收规模涨了约8倍,OpenAI同期约1.5倍。原先落后的追赶者,在营收上完成了反超。
实际收入也印证了这一变化:今年第三季度,Anthropic营收约170亿美元,OpenAI约100亿美元。双方在云平台收入的计算方式上仍有差异,但Anthropic今年的增长势头足够惊人。
两家公司的领先地位依然稳固。全球基础模型市场的头部竞争,已经走到万亿美元估值的阶段。
更值得留意的是,Anthropic正借这股增长势头冲刺IPO。
11月10日,Anthropic公布每股70至78美元的IPO发行价区间,预计11月19日在纳斯达克挂牌,股票代码为“ANT”。按发行价上限算,其完全摊薄后估值可能达到约1.4万亿美元,比今年5月9650亿美元的私募估值又跨出一大步。
OpenAI走的是另一条路。它此前已表示2026年不会上市,IPO计划推迟到2027年。11月6日,OpenAI完成新一轮融资首批约110亿美元,估值达1.25万亿美元,整轮融资规模可能达到200亿美元。
一年前,OpenAI在模型市场、用户规模和商业收入上还占着明显优势。如今,Anthropic先在收入增长上实现反超,又要抢先IPO。
02
中国公司突围
中国AI公司也登上了这张全球高估值AI公司榜单。 DeepSeek以890亿美元估值位居第五,年收入约10亿美元。月之暗面(Moonshot)则排在第七,估值500亿美元,收入同样在10亿美元上下。这两家中国基础模型企业都挤进了前十。
虽然DeepSeek与月之暗面的年化营收都在约10亿美元这一量级。可估值换算出的动态市盈率却拉开差距:前者89倍,后者50倍。定价的分歧说明,资本市场看的不仅是当下收入,还有对模型能力、技术路线以及未来商业化空间的判断。
榜单上还有来自加拿大和法国的名字。Cohere估值255亿美元,年化收入约2.4亿美元;Mistral估值240亿美元,年化收入超过4亿美元。
欧洲其他公司也在列:德国国防AI企业Helsing估值180亿美元,排第20位,年化收入约5亿美元;英国算力基建商Nscale以146亿美元估值位列第28,年化收入约2.8亿美元;瑞典AI开发平台Lovable刚好卡在第30名,估值133亿美元,年化收入6亿美元。
03
超级并购启动
榜单上被灰色标出的两家公司,是xAI和Cursor。
它们对应的交易估值分别为2500亿美元和600亿美元,备注均写明并入SpaceX体系。xAI的2500亿美元里含社交平台X的价值,而榜单列出的5亿美元收入只算AI业务。
Cursor属于被收购的一方,是近两年跑得较快的AI编程工具企业。其交易估值600亿美元,收入约26亿美元。照榜单数据看,Cursor的收入规模已超过不少估值更高的基础模型公司。
两笔交易一头连着基础模型,一头连着AI应用产品。头部公司借资本整合把业务边界往外推,模型研发、应用产品与商业化渠道越绑越紧,竞争的重心也从单一产品和技术能力,转向规模更大的商业生态。
04
卖铲子最赚钱
基础模型公司固然占据了估值榜前列,但另一批企业同样值得看:为整个AI行业提供算力、数据和推理服务的基础设施厂商。模型训练和应用的部署需求一涨,它们的收入也做出了相当规模。
先看直接提供算力的公司。
Crusoe主营AI数据中心建设与云计算服务,估值309亿美元,收入约20亿美元。Fluidstack靠GPU算力资源和云服务替AI企业提供计算能力,估值180亿美元,预计收入约6.6亿美元。
这类生意和传统云计算厂商有相似之处,区别在于它们围着AI训练和推理需求搭基础设施。大笔资金要持续投进去买GPU、建数据中心,还得争取长期客户合同。
第二类是数据基础设施公司。
VAST Data估值300亿美元,收入约20亿美元,主要为企业提供大规模数据存储和管理服务。Scale AI估值290亿美元,2025年收入约10亿美元,业务集中在AI训练数据、数据标注和模型评估等领域。
AI模型不断朝复杂推理、多模态和智能体方向走,训练数据的质量、数据处理效率以及模型评估的分量也跟着上升。VAST Data和Scale AI各从数据存储管理、数据生产处理一个环节拿到商业机会。
第三类是近些年增长很快的模型推理服务平台。
Baseten估值300亿美元,收入约6亿美元;Fireworks AI估值175亿美元,收入约10亿美元;Modal估值157.5亿美元,收入约10亿美元;fal估值160亿美元,收入约8亿美元。
它们的活儿主要是帮开发者和企业部署、运行AI模型,把推理成本压下来,让运行效率提上去。其中fal尤其偏重图像、视频等生成式AI模型的推理服务。
比起大模型公司,这些基础设施企业能同时服务多家模型和应用厂商,也能支持不同的技术路线。AI应用越来越多地进入实际运营阶段,模型调用量、算力消耗和数据处理需求都有机会继续增长。
不过,基础设施未必就是更稳当的生意。算力服务商背着高昂的资本开支,推理服务平台要应付不断走低的模型调用价格,还有大型云厂商的竞争。需求增长最后能不能变成利润,是这些企业接下来要过的关。
05
应用分化加剧
跟基础模型、算力基础设施比起来,AI应用层的竞争格局是另一番样子。这些公司的估值整体不如头部模型企业,可其中一些玩家的收入增速和估值倍数已经高得让人侧目。
跑出规模最快的,是AI编程、语音、搜索这类使用频率高的方向。
做AI编程智能体Devin的Cognition,估值480亿美元,年化营收约10亿美元;ElevenLabs靠语音生成和语音智能体业务拿到220亿美元估值,年化营收超过6亿美元;AI搜索公司Perplexity估值210亿美元,年化营收估算约7.5亿美元。
2024年成立的lovable,想让不懂编程的普通人也能用自然语言开发软件。它的估值已达133亿美元,年化营收约6亿美元。
不过,更值得留意的变化出现在法律、医疗、企业服务这些垂直行业里。
法律AI公司Harvey估值155亿美元,年化营收超过4亿美元,美国排名前100的大型律师事务所中已有80%在用它的产品,律师借助它做合同审查、法律研究和尽职调查。
企业客服智能体公司Sierra估值158亿美元,商业模式挺有代表性:客户按AI实际解决的问题付费,比如成功处理一笔售后咨询,而不是单纯为软件账号或Token调用量掏钱。今年10月底,Sierra称年化经常性收入已突破4亿美元,五个月内翻了一倍。
医疗AI平台OpenEvidence面向经过认证的医生,免费提供临床研究和医学信息检索,收入来自面向医药行业的广告。Sacra估算其年化营收约3亿美元,估值150亿美元。
这些公司有一个共同点:它们开始接手原本由律师、医生、客服人员等专业人士完成的工作。只提供一个AI聊天工具远远不够,它们得懂行业规则、接进企业现有系统,有时还要把客户的工作流程重新设计一遍。
应用层的估值逻辑也因此变得耐人寻味。按榜单粗略算,部分垂直AI应用公司的估值达到年化收入的数十倍,比不少算力基础设施企业还高。投资者看重的不只是软件能卖多少订阅,还有这些公司将来能承接多大规模的专业服务市场。
类似趋势在其他研究里也能看到。11月11日,投资机构Leonis Capital发布《2026 AI 100》报告,其中垂直行业AI公司从去年的28家增至40家,覆盖医疗、法律、金融等领域。
AI应用市场分化的速度在加快。基础模型能力一路往上走,通用AI应用的功能优势越来越容易被复制,只靠模型能力包装出来的产品,高估值很难长期撑住。
反过来,资本市场开始更看好那些扎根垂直行业、握有独特数据和专业壁垒的企业。这类公司往往要靠长期积累行业经验、客户信任和业务流程,一旦嵌入核心业务,客户想迁移的成本也更高。
在“模型吞噬一切”的担忧之下,对AI创业公司来说,应用层的机会或许就在这里。