塔斯娱乐资讯网

Anthropic招股书里藏着AI行业最尖锐的矛盾

900%的留存率,9000亿的账单:Anthropic招股书里藏着AI行业最尖锐的矛盾
Anthropic的S-1文件递上去之后,华尔街最先看到的是一个近乎完美的增长故事:上半年营收163亿美元,同比增长近14倍;企业客户净收入留存率900%;二季度营业利润转正,调整后营业利润率19%。作为对照,同期OpenAI的调整后营业利润率约为-122%。
但翻到附注里,另一组数字同样刺眼:已签署的算力合同总额约8500亿美元,约为过去12个月收入的24倍,其中相当比例是“照付不议”——用不用,都得付。前对冲基金经理Michael Burry从同一份文件里翻出的信号更不客气:每1美元算力投入换回的收入,已从2.08美元滑落至1.7美元。
这大概就是当下AI行业最诚实的截面:需求是真的,增长是真的,但“增长能否持续跑赢提前锁定的成本”,是招股书没有回答的问题。
一、招股书里最值得看的两组数字,指向相反的方向
看多的人看客户结构,看空的人看成本结构。
先看客户端。截至2026年9月底,年消费10万美元以上的企业客户超过11,900家,一年前这个数字约为950家;年消费100万美元以上的客户1,900家,1,000万美元以上的250家。净收入留存率900%的含义是:同一批企业客户一个季度的花费,是一年前的9倍。这不是“续约率”,是“加码率”。
更关键的是集中度在改善。前五大客户以外收入占比从一季度的64%升至三季度的79%,单一客户贡献不超过10%。这说明Claude正在从少数大客户的试点工具,变成更广泛企业群的流程基础设施。
但成本端的故事是另一套逻辑。
二季度每1美元算力支出换回2.08美元收入,是一个相当健康的效率指标。问题出在三季度:Burry引用的数据显示这一比率滑落至1.7,同时Anthropic因降价让渡了约6亿美元收入。OpenAI的反攻、开源模型的“够用就好”、GPU供应瓶颈,三重压力同时作用在定价端。
增速的放缓曲线同样清晰:季度环比从一季度的144%降至三季度的47%,月增速已萎缩至个位数。对于一个签了二十年“粮食合同”的公司来说,食客增长率放缓这件事,合同本身不会自动调节。
二、开源模型不是“替代品”,但它正在改写预算分配规则
Anthropic招股书披露的另一个容易被忽略的事实是:约80%的收入来自按token消耗计费,近一半收入依赖三大云渠道分销。这意味着它的收入结构对“用量”高度敏感——企业用得越多,收入越高;但反过来,企业一旦找到更便宜的用量替代方案,收入的下行也是线性的。
开源模型正在成为那个替代方案,至少在某些工作负载上。AT&T的AI负载中,开源模型占比从5月的20%升至当前的40%,计划在未来一年提高到60%—70%。AT&T每天处理约450亿token,其数据和AI负责人Andy Markus的表述很直接:“在这个规模上,成本变得极其重要。如果开源模型能在极小比例的成本下达到同样精度,公司会选它”。在Vercel AI Gateway上,open-weight模型的使用占比从去年12月的7%升到了今年8月的56%。
但这不必然意味着闭源前沿模型的衰退。 更准确的解读是:企业正在把AI负载分层。高复杂度、高价值、需要前沿推理能力的任务留在Claude或GPT上;高频、标准化、成本敏感的任务迁移到开源模型或本地化部署。AT&T的做法本身就是分层策略的典型样本——不是“抛弃闭源”,而是“不再把所有鸡蛋放在一个篮子里”。
这对Anthropic的含义是:客户数量和留存率可以继续增长,但每客户收入的天花板可能比市场当前假设的更早到来。900%的NRR是一个惊人的数字,但它衡量的是“同一批客户花了更多钱”,而不是“客户把更大比例的工作负载交给了Claude”。
三、编程之外,AI智能体的渗透率低得令人不安
Anthropic自己发布的一份智能体使用报告,提供了理解“coding之后是什么”最诚实的底图。在其公共API的数百万次真实交互中,软件工程独占了智能体工具调用量的49.7%。医疗占1%,法律0.9%,教育1.8%,其余十几个垂直行业没有任何一个超过9%。
Y Combinator的CEO陈嘉兴(Garry Tan)对这张图的判断是:那片几乎空白的区域,藏着下一代300个独角兽。
但空白的原因不是技术不够。同一份报告引用METR的评估:Claude已经能够独立完成需要人类近5小时的工作,然而即便最激进的前0.1%用户,单次让AI连续工作的时长也只有约42分钟。陈嘉兴把这个落差称为“部署积压”——AI准备好了,人还没准备好。
这个判断对Anthropic和整个行业的意义在于:编程之所以率先爆发,是因为它同时满足三个条件——结果可快速验证、任务价值高、使用者本身就是技术密集人群。医疗、法律、金融的扩散不会遵循同样的节奏。高监管行业的AI部署需要先解决透明度、数据本地化和监管合规,而这些不是模型能力提升能自动跨越的门槛。企业后台流程(财务、合规、采购、库存)的标准化程度更高,可能是下一阶段更现实的渗透方向,但其节奏大概率是“年”为单位,而非编程那样的“季度”为单位。
四、算力承诺的真正风险,不在Anthropic一家公司身上
Anthropic的8500亿美元算力承诺之所以值得认真对待,不是因为它本身会违约——账上现金充裕,上市融资目标高达1000亿美元。值得关注的是它揭示的行业结构:这一轮AI基础设施的扩张,正在从“需求驱动”部分转向“合同驱动”。
博通与Anthropic的五年TPU租约总额1,610亿美元,AMD的支出承诺超过200亿美元并附带最高50亿美元的战略投资,谷歌、亚马逊、微软未来十年至少提供2,694亿美元云算力。云厂商既是Anthropic的算力供应商,又是其分销渠道,还通过战略持股分享估值收益。Renaissance Capital对这种结构的警告值得引用:如果采用放缓或计算技术发生变化,Anthropic可能面临“更难抵消的巨额固定义务”。
但这不意味着算力需求是虚假的。CoreWeave和Nebius的Q2数据提供了需求端的交叉验证:CoreWeave收入同比增长112%,backlog约1,040亿美元;Nebius收入同比增长454%,年末ARR指引锚定在70亿至90亿美元。算力仍然供不应求,只是供不应求的标的在快速迭代——H100的租赁价格在下跌,B300和H200仍然一卡难求。算力消耗总量在增长,和某一代算力资产价格在下跌,可以同时为真。
五、对创业者和投资人的含义:窗口在“垂直的空白处”,不在“通用的追赶处”
如果Anthropic的招股书传递了一个最清晰的信号,那就是:前沿模型公司正在把竞争焦点从“模型能力”转向“企业流程嵌入” 。Claude Cowork通过MCP连接企业现有软件、形成中台效应的路径,指向的野心是成为企业智能体工作流的基础设施,而非仅仅是模型供应商。
这给创业公司留下的空间,恰好是前沿模型公司难以高效覆盖的那部分:高监管行业的垂直场景、本地化部署需求、与企业既有系统的深度整合。不是因为模型公司做不了,而是因为它们的组织结构和商业模型决定了,为一家保险公司定制合规智能体的边际收益,远低于把通用编码能力卖给一千家公司。而对一家垂直创业公司来说,那一个保险客户就是全部。
开源生态的加速在这里扮演了基础设施角色。英伟达推动开放权重甚至开放数据,本质上是在为高监管行业提供一条“不把核心数据传到闭源云端”的部署路径。医疗、金融、法律的数据资产掌握在传统企业手里,它们愿意与初创公司分享数据的前提,是初创公司不会某天变成它们的竞争对手。Anthropic切入药物研发的举动,已经在给药企传递一个需要认真权衡的信号。

如果你所在的企业已经开始把AI从“试点”推向“流程”,你观察到的最大阻力是成本、监管,还是人本身的习惯?欢迎在评论区分享你看到的真实渗透节奏。
#AnthropicIPO #AI企业级应用 #开源模型 #AI智能体 #算力经济 #垂直AI #S1文件