1718M.CN · AI 神经枢纽

本文来自微信公众号：未尽研究，作者：未尽研究

Anthropic的招股书终于公开了。它既不是“皇帝的新衣”，也不是市场担忧的解药。理解它，需要一种新的认知。

Anthropic把一种新的企业组组摆到了公众面前：研究前沿AI，并转变为认知能力卖给企业，以巨额算力为物质基础，同时试图用特殊治理结构约束自身追逐利润的方式。

一上市就是超级企业

比较一下代表性的科技IPO。

（数据选自Anthropic S-1）

还有更早的，微软1986年IPO募资约6100万美元，亚马逊1997年约5400万美元，让它们真正成为超级企业的增长，主要发生在上市之后。

Anthropic的情况不同。公开市场投资者已经在接手一个已经被赋予巨大历史使命、增长预期和资本需求的AI领军企业；它一上市可能就跻身于世界最大的科技企业之列。

一方面，这说明资本市场愿意为通用认知能力提供的融资规模，已经远远超出早期互联网公司的量级。另一方面，很多未来成功已经提前体现到估值预期中。

高资本/算力消耗的高增长

需求是创新之母，资本就是创新之父。

（数据选自Anthropic S-1）

过去的一年，市场已经给了Anthropic万亿美元级别的定价.真正的原因，是其惊人的增长，而且是扩大基数后仍保持极高增速。

2024年和2025年收入分别约为上一年的9.4倍和11.9倍，2026年上半年收入又达到上年同期约14倍。这已经完全不是传统意义上初创企业的增长。超过一半的《财富》美国500强企业，为Anthropic贡献了从十万到上千万美元的年收入。

2026年上半年，Anthropic模型服务毛利率达到85.4%，而2025年同期仅为12.4%。这一水平已接近传统软件企业，挑战了此前认为大模型按Token收费、推理成本高昂，因此难以形成高毛利业务的观点。

根据S-1附注，Anthropic今年上半年实际收入162.86亿美元，客户服务成本23.80亿美元，产生139.06亿美元毛利润。这项成本主要包括面向付费客户的推理算力和基础设施费用，但不包含训练下一代模型的大部分研发投入，也不完整包含云平台渠道费用及免费用户的推理成本。

另一组数据同样惊人。Anthropic全部计算及基础设施支出与收入的比值，已从2025年第一季度的251%，降至2026年第二季度的48%。换言之，过去每获得1美元收入，需要支出约2.50美元用于全部计算基础设施；现在只需约0.48美元。期间收入增长远快于算力支出增长，反映出模型推理优化、算力利用率改善，以及此前预购算力被更充分利用的综合效果。

但Anthropic尚未成为一家整体高利润企业。今年上半年研发费用仍高达97.41亿美元，约占收入60%；算上销售、渠道和管理费用，GAAP营业亏损6.93亿美元，调整后营业利润则为16.18亿美元。公司不断推出更强模型的研发支出，仍然消耗了大量模型服务毛利润。

企业必须不断训练新模型，才能维持当前的竞争地位。真正需要验证的不是单代模型能否赚钱，而是持续开发新一代模型之后，整个模型家族能否保持足够的长期利润和现金流。

85%的客户服务毛利率，为前沿模型公司的高估值提供了商业依据，也可能改变投资者对OpenAI、Anthropic及中国头部模型厂商的盈利能力预期。然而，模型价格竞争加剧，加上巨额长期算力采购和租赁承诺，使未来利润率高度依赖需求增长和算力利用率。高毛利并不等于高资本回报。

轻组织+厚研发+重基础设施

Anthropic的收入端像按量计费软件服务，成本端像签下多年采购合同的工业企业，研发端则像持续押注下一代成果的科研机构。

根据文件中七项主要算力协议，可以汇总出约6370亿美元的合同金额或承诺规模。其中包括博通、SpaceXAI、谷歌、AWS、微软、Nscale和Lambda。其中谷歌和AWS协议的最低承诺合计至少约2245亿美元，期限分别延伸至2033年和2036年。

这揭示了真正的风险所在。客户使用token量会有很大的弹性；但公司为未来需求预订的算力是刚性的，不会随着客户减少调用而自动取消。这也是一种“时间错配”，产品和模型快速更新，采购承诺却跨越多年。如果新一批昂贵算力上线时，收入增长放缓，或者竞争迫使模型价格下降，利润率会同时承受压力，甚至会带来资金链风险。

不过，到今年底，Anthropic手中可能已经拥有超过2000亿美元的现金当量，足以应付最近几年的资本支出，而接下来已经签约的5000亿左右的资本支出，将在未来十年左右的时间兑现，基本上是可管理的。

企业，唯一的战略

服务企业是Anthropic唯一的战略。AI在企业中的广泛部署，能够产生最大的经济影响，也能够通过客户反馈形成最丰富的改进循环。

基于这一认识，Anthropic围绕企业应用场景来组织研究重点、产品路线图，以及市场拓展和应用AI（Applied AI）团队的工作。这些应用场景涵盖从日常知识工作到最复杂问题的解决。

他们收集的客户反馈，不断引导研究方向，使Claude的能力持续提升。这又进一步拓宽了Claude的应用范围，推动更多企业采用Claude。

Anthropic的商业边界与传统软件不同，它把模型、平台和第一方应用放在同一体系中：底层提供模型能力，中间层提供连接、编排和控制，上层则包括Claude Code、Cowork等具体工作产品。Claude Code参与了规划、编写、测试和调试等完整流程，让企业付费发生了质的变化，从工具采购向完成工作的成本扩展，是企业对项目工时、外包费用、交付速度的重新配置。

AI产品是模型新能力的快速商业化，而不是固定软件的渐进升级。Anthropic内部的创新机制，往往是小团队提前知道研究中出现了什么新能力，再寻找足够大的产品形态；成功项目需要从实验室中“毕业”，而不是要求一个既定产品团队永远守着原来的边界。

创始人在信中把这一点说得很明确：公司会不断重新发明自己的业务，相比巩固现有产品和商业模式，将投入更多力量定义新的产品。Anthropic希望把模型能力持续转化为经济价值的能力。

这与传统软件企业围绕现有产品建立长期收入壁垒的思路不同。主动替代自己，可能让Anthropic不断进入新市场；也可能导致产品寿命变短、客户迁移成本增加，以及商业模式尚未稳定就再次重构。

Anthropic所坚持的企业战略，自然产生于其使命所建立起来的优势，即兼顾安全与性能的研究；也让它做出重大的取舍，如它坚决不做广告业务。

核心动力：Claude

研究是最核心的能力。这种研究能力体现为模型的性能与安全的一体化设计，使得前沿模型在向企业大规模部署时，赢得了可靠、稳定和信任的优势。模型的研究耗资巨大，而且竞争的节奏异常残酷，但是每一代模型都会有助于下一代的构建，缩短开发时间，在创新速度方面收获速度的复利。这种递归的动力，在Anthropic内部被称为“闭环”，是前沿AI最显著的结构性优势。

2026年9月，Claude编写了公司代码库贡献的90%以上。截至9月底，过去12个月人均收入超过每人660万美元。

这两个数字放在一起，揭示了“AI原生”的实质：公司不是先建立一套传统组织，再给员工配上AI；它可能从研发、工程到产品实验，都把AI当成默认生产工具。

Claude模型每推出一个新版本，都会直接加速下一代模型的开发。如今，后续几代模型的研究、训练和测试，已有许多环节由Claude参与完成，包括运行实验、生成和处理训练数据、自动化评测与安全审计，以及编写和审查代码。这相当于直接增加了有效的研发资源。

Anthropic所尝试的，似乎是一种让研究判断、产品判断和资源配置距离尽可能短的组织，让Claude逼近RSI（递归自我改进），并打通改进循环与投资循环。

Claude在加快闭环的能力

（来源：Anthropic S-1）

所有权、经营权与“人类利益”信托权的分立

创始人试图设计一种全新的企业制度，用来操作“服务器里的天才国度”。

Anthropic是一家公益公司（Public Benefit Corporation），把负责任地发展AI、服务人类长期利益写入公司章程，还固执地把AI可能带来的“生存性风险”写入了招股书中。7位创始人通过共同持有的投票实体，掌握了50.1%的投票权，以保证企业的长期目标与战略。最后，长期利益信托拥有董事任命权：七个董事席位中，信托选出四席，创始人选出三席；其中一个信托席位的提名和罢免有特殊条件，公司与信托发生分歧时会涉及员工投票。

总之，外部投资者获得经济权益；创始人保留持续经营的主导权；信托被赋予保护长期使命的制度位置；员工在部分关键安排中拥有参与权。

与以往其他创始人控制上市公司相比，Anthropic试图让一种没有普通经济受益人的使命主体，拥有实质性的公司治理权力。

但这并没有自动解决问责问题。“人类长期利益”由谁解释？信托与创始人冲突时，什么程序可以使公众理解并检验其判断？公众投资者虽然提供资本，却不能通过一般的股东多数简单改变经营方向；而“人类利益”受托人也不是由全球公众选出来的。

这是AI时代一项企业制度实验，要观察它能否应对AI技术全面融入社会的挑战。

AI带来最大的经济后果，是财富的分配。Anthropic设立公益基金（Public Benefit Fund）来回应这一问题，拟在股东批准后投入5%的公司股份；此后价值每达到规定的50%增长里程碑，董事会可酌情处理追加2%。创始人也承诺捐出个人持股的80%。公司还为员工捐赠的股票匹配同样的数量。

这样，长期利益信托主要影响公司方向，公益基金主要把部分经济收益用于公共利益。这比通常的企业社会责任叙事更进一步，试图把公共利益嵌入控制权和财富分配机制，而不是仅靠每年的慈善预算。但投资者和股东也需要理解稀释、资金使用和决策透明度。