01|Claude 是聊天助手,Anthropic 卻只靠聊天賺錢嗎? Anthropic 成立於 2021 年,由 Dario Amodei、Daniela Amodei 等七人共同創辦。它原本是一家做前沿 AI 研究的公司,Claude 則是它開發的一系列模型。今天大家打開手機或網頁使用的聊天助手,也叫 Claude。這兩個 Claude,日常用起來沒必要分,但要理解這門生意,得把模型、產品和平台分開。 模型是底下提供能力的那一層。路演展示的不是一個什麼都用的萬能型號,而是從快、便宜到擅長複雜任務的一組選擇。比如,給大量文件按主題歸類,不一定要用最強的模型;但讓 AI 讀一套陌生的軟體、找出問題、改完還要通過測試,能力強一點,可能少走很多彎路。客戶要買的不是排行榜第一,而是適合手上這件事的能力。產品是 Anthropic 自己做的工具。個人可以打開 Claude 聊天,工程師可以用 Claude Code 在專案裡改程式碼。平台則讓別的公司把這套能力嵌進自己的產品:透過 API,也就是軟體之間呼叫能力的介面,自己的系統就能向 Claude 發任務、接收結果。你有時甚至看不到 Claude 的名字,只知道原本要切到另一個工具才能做完的事,現在能在原來的軟體裡繼續做。這也是路演裡我覺得很務實的一點:讓 Claude 去使用者已經工作的地方。比如進 Word、Excel,或透過產業套件接入律師原本用的工具。對做產品的人來說,這裡有個很具體的區別:你是讓使用者每次把材料搬到一個新聊天框,還是讓他在原來的文件、試算表和系統裡直接接著做?底層可以是同一個模型,第二種用法卻更容易變成日常工作。
#Gate直通IPO第三期Anthropic Anthropic 到底在賣什麼?
2026 年 11 月 10 日,Anthropic 啟動擬議的 IPO 路演。所謂路演,是公司在首次公開發行股票前,向投資者解釋自己怎麼做生意、打算怎麼發展,不等於已經掛牌交易。這次路演給了我們一個難得的機會:除了知道 Claude 能做什麼,還能看到 Anthropic 怎麼把這些能力賣出去、賺到了什麼,又為下一步押上了什麼。我理解的 Anthropic,是一家想把模型的每一次進步,變成客戶願意持續付費的一段新工作的公司。 要看懂它,得從一份保險申請,一路看到它的算力合約和董事會。
01|Claude 是聊天助手,Anthropic 卻只靠聊天賺錢嗎?
Anthropic 成立於 2021 年,由 Dario Amodei、Daniela Amodei 等七人共同創辦。它原本是一家做前沿 AI 研究的公司,Claude 則是它開發的一系列模型。今天大家打開手機或網頁使用的聊天助手,也叫 Claude。這兩個 Claude,日常用起來沒必要分,但要理解這門生意,得把模型、產品和平台分開。
模型是底下提供能力的那一層。路演展示的不是一個什麼都用的萬能型號,而是從快、便宜到擅長複雜任務的一組選擇。比如,給大量文件按主題歸類,不一定要用最強的模型;但讓 AI 讀一套陌生的軟體、找出問題、改完還要通過測試,能力強一點,可能少走很多彎路。客戶要買的不是排行榜第一,而是適合手上這件事的能力。產品是 Anthropic 自己做的工具。個人可以打開 Claude 聊天,工程師可以用 Claude Code 在專案裡改程式碼。平台則讓別的公司把這套能力嵌進自己的產品:透過 API,也就是軟體之間呼叫能力的介面,自己的系統就能向 Claude 發任務、接收結果。你有時甚至看不到 Claude 的名字,只知道原本要切到另一個工具才能做完的事,現在能在原來的軟體裡繼續做。這也是路演裡我覺得很務實的一點:讓 Claude 去使用者已經工作的地方。比如進 Word、Excel,或透過產業套件接入律師原本用的工具。對做產品的人來說,這裡有個很具體的區別:你是讓使用者每次把材料搬到一個新聊天框,還是讓他在原來的文件、試算表和系統裡直接接著做?底層可以是同一個模型,第二種用法卻更容易變成日常工作。
02|為什麼從寫程式碼開始,而不是一上來就做萬能助手?
Anthropic 在路演裡講了一個細節:做 Claude Code 時,團隊看到還沒發布的模型越來越能理解程式碼,但並沒有等到模型足夠成熟,才開始做工具。他們提前做了一個能讓模型進入程式碼專案的產品。2025 年 2 月,Claude Code 隨 Claude 3.7 Sonnet 以有限研究預覽的形式推出。工程師可以讓它讀現有程式碼、改檔案、寫測試並執行,再查看它做了什麼。Claude Code 首次發布[7]舉個例子:你請聊天助手修一個登入問題,它可以給你一段看上去不錯的程式碼,但你得自己把它放回專案,看看有沒有改壞別處。換成 Claude Code,它可以先找相關檔案,改動之後執行既有測試,再把修改交給人檢查。這裡的差別不是回答更長,而是它能在有權限的範圍內走完幾步,並取得回饋。
這樣的 AI,通常就叫 Agent:不只給建議,還會用工具去做事。為什麼程式設計適合先做?因為相當一部分結果可以檢查:程式能不能跑,測試有沒有通過,有沒有改到不該動的地方。當然,通過測試也不代表可以直接上線,但至少你有辦法發現一部分錯誤,而不是只能讀著一段漂亮的回答猜它對不對。AI 要從回答問題走到承擔任務,得先讓人有辦法知道它做對了沒有。這也是 Anthropic 所說的模型和產品一起做。模型先從大量文本、論文和程式碼裡學習,再在有回饋的任務裡練習怎樣解題、怎樣用工具。產品到了真實使用者手裡,團隊也更容易看見模型在哪些地方卡住,進而決定下一代該補什麼。不是所有改進都靠把模型做大,有時缺的是能讀對檔案、跑對測試,或者在拿不準時停下來問人。模型補上這些能力,產品才能接過更複雜的任務。
這條路也在其他工作裡出現。製藥公司百時美施貴寶(BMS)在路演中舉例:過去,一個複雜問題可能要跨多個資料庫查詢,再整理成報告,等上一兩個月;在其展示的場景裡,Claude 能在四五分鐘內產出報告。這個對比說的是一次查詢與彙整;試驗週期能否因此縮短 20% 到 30%,是 BMS 的期待,不是這次已經實現的結果。真正值得注意的是,藥廠得先能限制誰能存取哪些資料、看得到系統怎麼運作,才會把這樣的任務交出去。
03|一個團隊試用,怎麼變成一整家公司的帳單?
Anthropic 在路演裡畫出了一條客戶採用路徑:通常先從一項具體任務試起,比如工程師用 Claude Code 修問題。效果穩定了,相鄰的職位開始用,接著是更多流程接入,最後甚至把 Claude 嵌進對外銷售的產品。這是公司描述的一條典型路徑,不是每個客戶都會一路走到底。埃森哲就是一個容易理解的例子。它把 Claude 用於自己的軟體開發,也把 Claude 接進面向客戶的網路安全平台 CyberAI。埃森哲說,在自家 IT 系統部署這套平台後,安全掃描從三到五天縮短到不到一小時。同一種能力,既是內部工程師的工具,也成了對外交付的一部分。它一旦進入交付流程,每多服務一個客戶,就可能產生更多用量。 這也解釋了為什麼 Claude 的生意不能只按訂閱來理解。
2026 年前三季度,Anthropic 約 79% 的收入來自按量收費,其餘約 21% 來自訂閱。好比公司的帳單不只看多少人有門禁卡,還看設備每天開多久、處理了多少工作。企業既可以直接接入 Anthropic 的平台,也可以從 AWS、Google Cloud、Microsoft Azure 等熟悉的雲端平台接入。走客戶已經在用的採購和部署管道,有助於把試用帶到正式業務裡。 路演裡另一個容易被誤讀的數字是約 900% 的淨收入留存率。
把它翻成人話:去年第三季度貢獻過收入、且符合統計口徑的同一批客戶,今年第三季度合計貢獻了大約九倍的收入;它不包括幾類固定價格個人訂閱,也不代表每家都多花了九倍。同一時期,過去一年貢獻至少 10 萬美元營收的客戶超過 11,900 個,這也不是全部企業客戶數。兩個數字放在一起,說明大額客戶多了、同一批客戶總體花得更多,卻不能告訴我們這些增速能維持多久。
04|模型越高效,為什麼還要提前買那麼多算力?
算力,就是晶片和資料中心提供的計算能力。訓練模型要用算力,客戶每讓 Claude 寫一次程式碼、讀一份報告,也要用算力。前者像把一款產品研發出來,後者像一次次為顧客提供服務。Anthropic 自己用 Claude 做研發和營運,同樣要從這池資源裡取用。公司在路演裡說,它做了兩件事。第一是擴大算力來源:為不同晶片寫相容軟體,把來自不同供應商的資源放在一起調度。除了採購雲端服務,它還透過 Anthropic Direct 直接租用晶片,在專門為它營運的資料中心運行。這樣可以先把建設週期更長的資料中心容量訂下來,等需求更清楚,再決定裡面要放哪些晶片、放多少。
第二件事,是讓既有資源做更多事。路演舉了一個假設:以前訓練出某種能力要用 100 份算力,改進方法後,如果效率變成四倍,就只需要 25 份;也可以仍然用 100 份,去訓練一個原先做不到的模型。四倍是講原理的例子,不是說每項工作都已經省了四分之三。更具體的內部案例是,Anthropic 說它讓 Mythos 參與 AMD 晶片相容作業,約三天跑通了 Claude。這個案例說明 AI 已經在幫助研發團隊改進部分基礎設施,但不意味著模型已經能自行訓練、驗證並發布下一代自己。單件工作變便宜,公司的總帳卻可能變大。 Anthropic 給過一個具體對比:按公司測算,Opus 5.5 在典型任務上的使用成本比 Opus 5 低約 40%。但如果查一份報告變便宜,企業可能不再只給總部用,也給各地團隊用。原來做不起、做不過來的任務,現在也會有人去做。模型每次少用一點算力,不代表整個系統就會少用算力。 難點在於,算力不能等客戶排隊了再慢慢建。Anthropic 披露,通常會提前 12 到 18 個月訂算力;臨時補買的資源更貴。按 11 月 10 日招股書的披露口徑,公司已簽的採購與租賃承諾合計約 9,009 億美元,幾乎都與算力及基礎設施相關,橫跨多年,部分合約還有先決條件或終止安排。它不是已經支出的現金,也不是等額的當期債務。真正難的是,很多客戶沒有長期用量承諾,但公司得先對供應商作出承諾:買少了,需求上來時要付高價補貨;買多了,需求放緩時仍可能為閒置資源付錢。
05|一個季度收入約 170 億美元,為什麼還不能說它已經賺錢?
路演裡最醒目的數字,是 Anthropic 2026 年第三季度收入約 170 億美元,是上年同期的 12 倍多。但收入是公司按會計規則確認賣了多少,不是銀行帳戶收了多少,更不是最後剩下多少。要看這門生意有沒有跑通,至少得分開看三件事。第一,看實際營業利潤。按美國通用會計準則,Anthropic 這一季營業虧損約 5.67 億美元,營業利潤率約為負 3%。而公司披露的調整後營業利潤率約為正 15%。
怎麼一正一負?後一個口徑剔除了兩項主要費用:給員工的股權激勵,以及公司用股份配捐產生的非現金費用。調整口徑有助於看剔除這些項目之後的經營表現,但這些費用不能因為沒有當場付現金,就當作沒有代價。第二,看現金怎麼進出。同一份招股書顯示,2026 年前三季度,經營活動帶來的淨現金流約為正 65.69 億美元。這不是第三季度單季的數據,也不能當作未來投了設備和基建以後還能剩下的錢。反過來,如果只看第三季度約 233 億美元的淨虧損,也不能說它當季燒掉了這麼多錢;其中約 219 億美元,是可轉債等融資工具隨估值變化而產生的非現金帳面調整。 第三,看成長有沒有讓生意變得更輕。公司提出的長期目標是調整後營業利潤率超過 35%,前提是算力更高效、採購結構改善,其他費用占收入的比例也降下來。
眼前的經營數字卻不是一路向上的:第二季度調整後營業利潤率約 19%,第三季度降到約 15%。公司在招股書裡解釋,第三季度交付了約 50 億美元的短期承諾算力,而短期算力往往更貴。需求來得快是好事,但接住這波需求,可能先要付出更貴的成本,這比給公司貼上「已經賺錢」或者「還在燒錢」的標籤更有意思。
客戶願意多付費、某一口徑利潤為正、未來得投入大筆資金,可以同時成立。也就不難理解,為什麼收入漲得這麼快,公司還要融資:有些算力要在開始產生收入之前就投入。Anthropic 要證明的,是隨著更多客戶把更多工作交給 Claude,賺到的錢能不能持續覆蓋這門生意的成本,而不是只在一個好看的季度裡算得過來。
06|一家賣更強 AI 的公司,為什麼不把最強能力都放出去?
做 Firefox 瀏覽器的 Mozilla,在 Firefox 150 裡修復了由 Claude Mythos Preview 找到的 271 個安全問題。Mozilla 自己的檢討比數字更有意思:模型找出可疑問題之後,團隊還得判斷嚴重程度、去掉重複報告、寫修補程式、測試並發布。模型找問題變快了,工程師並沒有從流程裡消失,反而得想辦法消化更多發現。
同一種本事,防守方用來找漏洞,攻擊者也可能用來找入口。所以 Anthropic 在 Project Glasswing 中先給防禦夥伴受控存取 Mythos Preview,而不是直接向所有人開放。到了 2026 年 11 月,官方介紹的 Fable 5.2 和 Mythos 5.2 來自同一個底層模型:Fable 加上較強的網路安全和生物安全防護後廣泛提供,Mythos 則透過驗證管道向符合條件的網路安全或生命科學用途開放。能不能做、誰可以用、誰對結果負責,是三個不同的問題。 在科學裡,也是同一個道理。Anthropic 介紹過一次實驗:Claude 從大量基因資料中找出一處異常的重複序列,研究人員再到實驗室做初步驗證;那個系統究竟如何運作,仍有待研究。NASA 的噴射推進實驗室也披露,Claude 參與規劃過火星車「毅力號」的行駛路線,但工程團隊先用虛擬火星車檢查了指令,才把它發去火星。這些例子最值得看的,不是 AI 已經能獨立做科學家或者駕駛火星車,而是它能擴大人可以探索的範圍,而重要結果仍有辦法驗證。
在公司的說法裡,安全也不只是發布模型前加一道門檻。它還包括在訓練時教模型遇到有害請求時該怎樣處理,以及研究模型內部為什麼會出現某種行為。對企業而言,這和「系統能不能存取某份檔案、出問題能不能追查」也不是同一件事:一個是模型本身的行為,另一個是部署到真實工作時的權限和責任。 至於商業壓力下誰有權作決定,Anthropic 還有一層公司治理安排。它是按美國德拉瓦州法律設立的公益公司:可以營利,也有兼顧公共利益的責任。按招股書描述,若這次發行完成,持有特殊股份的長期利益信託一般可以任免七個董事會席位中的四席,但不負責日常經營,也不是每次模型發布的審批人。這套安排值得關注,卻不是公司一定會做對的保證。限制存取可能少賣一些服務,更多安全測試也會花錢。反過來,能解釋權限、稽核和責任,可能讓更多客戶敢把重要任務接進來。這兩面需要分開看。
回到開頭那份保險申請。AI 整理完材料,核保員還在做決定。但那段原本耗時的工作已經被重新分配了:機器處理它擅長的部分,人把時間留給需要專業判斷的部分。對 Anthropic 來說,如果這種改變能在更多工作裡發生,而且每多交付一份可靠結果,成本沒有跟著失控,它賣的就不只是一款好用的聊天助手。
所以路演之後,我會繼續看三件事:老客戶願不願意把更重要的工作交給 Claude;把一件事可靠做完的總成本,算上人工複核和返工,能不能繼續下降;以及當安全與成長真的發生衝突,公司會做什麼選擇。
這三件事,比一次演示有多驚豔,或者一個季度的成長有多快,更能說明這家公司會走到哪裡。如果你正想把 AI 引進自己的團隊,也可以從同一個問題開始:下一件值得交出去的工作是什麼?如果做錯了,誰看得出來,又由誰接回來?