动态

#Gate直通IPO第三期Anthropic Anthropic 到底在卖什么?



2026 年 11 月 10 日,Anthropic 启动拟议的 IPO 路演。所谓路演,是公司在首次公开发行股票前,向投资者解释自己怎么做生意、打算怎么发展,不等于已经挂牌交易。这次路演给了我们一个难得的机会:除了知道 Claude 能做什么,还能看到 Anthropic 怎么把这些能力卖出去、赚到了什么,又为下一步押上了什么。我理解的 Anthropic,是一家想把模型的每一次进步,变成客户愿意持续付费的一段新工作的公司。 要看懂它,得从一份保险申请,一路看到它的算力合同和董事会。

01|Claude 是聊天助手,Anthropic 却只靠聊天赚钱吗?
Anthropic 成立于 2021 年,由 Dario Amodei、Daniela Amodei 等七人共同创办。它原本是一家做前沿 AI 研究的公司,Claude 则是它开发的一系列模型。今天大家打开手机或网页使用的聊天助手,也叫 Claude。这两个 Claude,日常用起来没必要分,但要理解这门生意,得把模型、产品和平台分开。
模型是底下提供能力的那一层。路演展示的不是一个什么都用的万能型号,而是从快、便宜到擅长复杂任务的一组选择。比如,给大量文档按主题归类,不一定要用最强的模型;但让 AI 读一套陌生的软件、找出问题、改完还要通过测试,能力强一点,可能少走很多弯路。客户要买的不是排行榜第一,而是适合手上这件事的能力。产品是 Anthropic 自己做的工具。个人可以打开 Claude 聊天,工程师可以用 Claude Code 在项目里改代码。平台则让别的公司把这套能力嵌进自己的产品:通过 API,也就是软件之间调用能力的接口,自己的系统就能向 Claude 发任务、接收结果。你有时甚至看不到 Claude 的名字,只知道原本要切到另一个工具才能做完的事,现在能在原来的软件里继续做。这也是路演里我觉得很务实的一点:让 Claude 去用户已经工作的地方。比如进 Word、Excel,或通过行业套件接入律师原本用的工具。对做产品的人来说,这里有个很具体的区别:你是让用户每次把材料搬到一个新聊天框,还是让他在原来的文档、表格和系统里直接接着做?底层可以是同一个模型,第二种用法却更容易变成日常工作。

02|为什么从写代码开始,而不是一上来就做万能助手?
Anthropic 在路演里讲了一个细节:做 Claude Code 时,团队看到还没发布的模型越来越能理解代码,但并没有等到模型足够成熟,才开始做工具。他们提前做了一个能让模型进入代码项目的产品。2025 年 2 月,Claude Code 随 Claude 3.7 Sonnet 以有限研究预览的形式推出。工程师可以让它读现有代码、改文件、写测试并运行,再查看它做了什么。Claude Code 首次发布[7]举个例子:你请聊天助手修一个登录问题,它可以给你一段看上去不错的代码,但你得自己把它放回项目,看有没有改坏别处。换成 Claude Code,它可以先找相关文件,改动之后运行已有测试,再把修改交给人检查。这里的差别不是回答更长,而是它能在有权限的范围内走完几步,并拿到反馈。
这样的 AI,通常就叫 Agent:不只给建议,还会用工具去做事。为什么编程适合先做?因为相当一部分结果可以检查:程序能不能跑,测试过没过,有没有改到不该动的地方。当然,通过测试也不代表可以直接上线,但至少你有办法发现一部分错误,而不是只能读着一段漂亮的回答猜它对不对。AI 要从回答问题走到承担任务,得先让人有办法知道它做对了没有。这也是 Anthropic 所说的模型和产品一起做。模型先从大量文本、论文和代码里学习,再在有反馈的任务里练习怎样解题、怎样用工具。产品到了真实用户手里,团队也更容易看见模型在哪些地方卡住,进而决定下一代该补什么。不是所有改进都靠把模型做大,有时缺的是能读对文件、跑对测试,或者在拿不准时停下来问人。模型补上这些能力,产品才能接过更复杂的任务。
这条路也在其他工作里出现。制药公司百时美施贵宝(BMS)在路演中举例:过去,一个复杂问题可能要跨多个数据库查询,再整理成报告,等上一两个月;在其展示的场景里,Claude 能在四五分钟内产出报告。这个对比说的是一次查询与汇总;试验周期能否因此缩短 20% 到 30%,是 BMS 的期待,不是这次已经实现的结果。真正值得注意的是,药企得先能限制谁能访问哪些数据、看得到系统怎么运行,才会把这样的任务交出去。

03|一个团队试用,怎么变成一整家公司的账单?
Anthropic 在路演里画出了一条客户采用路径:通常先从一项具体任务试起,比如工程师用 Claude Code 修问题。效果稳定了,相邻的岗位开始用,接着是更多流程接入,最后甚至把 Claude 嵌进对外卖的产品。这是公司描述的一条典型路径,不是每个客户都会一路走到底。埃森哲就是一个容易理解的例子。它把 Claude 用于自己的软件开发,也把 Claude 接进面向客户的网络安全平台 CyberAI。埃森哲说,在自家 IT 系统部署这套平台后,安全扫描从三到五天缩短到不到一小时。同一种能力,既是内部工程师的工具,也成了对外交付的一部分。它一旦进入交付流程,每多服务一个客户,就可能产生更多用量。 这也解释了为什么 Claude 的生意不能只按订阅来理解。
2026 年前三季度,Anthropic 约 79% 的收入来自按量收费,其余约 21% 来自订阅。好比公司的账单不只看多少人有门禁卡,还看设备每天开多久、处理了多少活。企业既可以直接接 Anthropic 的平台,也可以从 AWS、Google Cloud、Microsoft Azure 等熟悉的云平台接入。走客户已经在用的采购和部署渠道,有助于把试用带到正式业务里。 路演里另一个容易被误读的数字是约 900% 的净收入留存率。
把它翻成人话:去年第三季度贡献过收入、且符合统计口径的同一批客户,今年第三季度合计贡献了大约九倍的收入;它不包括几类固定价个人订阅,也不代表每家都多花了九倍。同期,过去一年贡献至少 10 万美元营收的客户超过 11,900 个,这也不是全量企业客户数。两个数字放在一起,说明大额客户多了、同一批客户总体花得更多,却不能告诉我们这些增速能维持多久。

04|模型越高效,为什么还要提前买那么多算力?
算力,就是芯片和数据中心提供的计算能力。训练模型要用算力,客户每让 Claude 写一次代码、读一份报告,也要用算力。前者像把一款产品研发出来,后者像一次次为顾客提供服务。Anthropic 自己用 Claude 做研发和运营,同样要从这池资源里取用。公司在路演里说,它做了两件事。第一是扩大算力来源:为不同芯片写适配软件,把来自不同供应商的资源放在一起调度。除了采购云服务,它还通过 Anthropic Direct 直接租芯片,在专门为它运营的数据中心运行。这样可以先把建设周期更长的数据中心容量订下来,等需求更清楚,再决定里面要放哪些芯片、放多少。
第二件事,是让已有资源做更多事。路演举了一个假设:以前训练出某种能力要用 100 份算力,改进方法后,如果效率变成四倍,就只需要 25 份;也可以仍然用 100 份,去训练一个原先够不着的模型。四倍是讲原理的例子,不是说每项工作都已经省了四分之三。更具体的内部案例是,Anthropic 说它让 Mythos 参与 AMD 芯片适配,约三天跑通了 Claude。这个案例说明 AI 已经在帮助研发团队改进部分基础设施,但不意味着模型已经能自行训练、验证并发布下一代自己。单件工作变便宜,公司的总账却可能变大。 Anthropic 给过一个具体对比:按公司测算,Opus 5.5 在典型任务上的使用成本比 Opus 5 低约 40%。但如果查一份报告变便宜,企业可能不再只给总部用,也给各地团队用。原来做不起、做不过来的任务,现在也会有人去做。模型每次少用一点算力,不代表整个系统就会少用算力。 难点在于,算力不能等客户排队了再慢慢建。Anthropic 披露,通常会提前 12 到 18 个月订算力;临时补买的资源更贵。按 11 月 10 日招股书的披露口径,公司已签的采购与租赁承诺合计约 9,009 亿美元,几乎都与算力及基础设施相关,横跨多年,部分合同还有先决条件或终止安排。它不是已经支出的现金,也不是等额的当期债务。真正难的是,很多客户没有长期用量承诺,但公司得先对供应商作出承诺:买少了,需求上来时要付高价补货;买多了,需求放缓时仍可能为闲置资源付钱。

05|一个季度收入约 170 亿美元,为什么还不能说它已经赚钱?
路演里最醒目的数字,是 Anthropic 2026 年第三季度收入约 170 亿美元,是上年同期的 12 倍多。但收入是公司按会计规则确认卖了多少,不是银行账户收了多少,更不是最后剩下多少。要看这门生意有没有跑通,至少得分开看三件事。第一,看实际营业利润。按美国通用会计准则,Anthropic 这一季营业亏损约 5.67 亿美元,营业利润率约为负 3%。而公司披露的调整后营业利润率约为正 15%。
怎么一正一负?后一个口径剔除了两项主要费用:给员工的股权激励,以及公司用股份配捐产生的非现金费用。调整口径有助于看剔除这些项目之后的经营表现,但这些费用不能因为没有当场付现金,就当作没有代价。第二,看现金怎么进出。同一份招股书显示,2026 年前三季度,经营活动带来的净现金流约为正 65.69 亿美元。这不是第三季度单季的数据,也不能当作未来投了设备和基建以后还能剩下的钱。反过来,如果只看第三季度约 233 亿美元的净亏损,也不能说它当季烧掉了这么多钱;其中约 219 亿美元,是可转债等融资工具随估值变化而产生的非现金账面调整。 第三,看增长有没有让生意变得更轻。公司提出的长期目标是调整后营业利润率超过 35%,前提是算力更高效、采购结构改善,其他费用占收入的比例也降下来。
眼前的经营数字却不是一路向上的:第二季度调整后营业利润率约 19%,第三季度降到约 15%。公司在招股书里解释,第三季度交付了约 50 亿美元的短期承诺算力,而短期算力往往更贵。需求来得快是好事,但接住这波需求,可能先要付出更贵的成本,这比给公司贴上“已经赚钱”或者“还在烧钱”的标签更有意思。
客户愿意多付费、某一口径利润为正、未来得投入大笔资金,可以同时成立。也就不难理解,为什么收入涨得这么快,公司还要融资:有些算力要在开始产生收入之前就投入。Anthropic 要证明的,是随着更多客户把更多工作交给 Claude,赚到的钱能不能持续覆盖这门生意的成本,而不是只在一个好看的季度里算得过来。

06|一家卖更强 AI 的公司,为什么不把最强能力都放出去?
做 Firefox 浏览器的 Mozilla,在 Firefox 150 里修复了由 Claude Mythos Preview 找到的 271 个安全问题。Mozilla 自己的复盘比数字更有意思:模型找出可疑问题之后,团队还得判断严重程度、去掉重复报告、写补丁、测试并发布。模型找问题变快了,工程师并没有从流程里消失,反而得想办法消化更多发现。
同一种本事,防守方用来找漏洞,攻击者也可能用来找入口。所以 Anthropic 在 Project Glasswing 中先给防御伙伴受控访问 Mythos Preview,而不是直接向所有人开放。到了 2026 年 11 月,官方介绍的 Fable 5.2 和 Mythos 5.2 来自同一个底层模型:Fable 加上较强的网络安全和生物安全防护后广泛提供,Mythos 则通过验证渠道向符合条件的网络安全或生命科学用途开放。能不能做、谁可以用、谁对结果负责,是三个不同的问题。 在科学里,也是同一个道理。Anthropic 介绍过一次实验:Claude 从大量基因数据中找出一处异常的重复序列,研究人员再到实验室做初步验证;那个系统究竟如何运作,仍有待研究。NASA 的喷气推进实验室也披露,Claude 参与规划过火星车“毅力号”的行驶路线,但工程团队先用虚拟火星车检查了指令,才把它发去火星。这些例子最值得看的,不是 AI 已经能独立做科学家或者驾驶火星车,而是它能扩大人可以探索的范围,而重要结果仍有办法验证。
在公司的说法里,安全也不只是发模型前加一道门槛。它还包括在训练时教模型遇到有害请求时该怎样处理,以及研究模型内部为什么会出现某种行为。对企业而言,这和“系统能不能访问某份文件、出问题能不能追查”也不是同一件事:一个是模型本身的行为,另一个是部署到真实工作时的权限和责任。 至于商业压力下谁有权作决定,Anthropic 还有一层公司治理安排。它是按美国特拉华州法律设立的公共利益公司:可以营利,也有兼顾公共利益的责任。按招股书描述,若这次发行完成,持有特殊股份的长期利益信托一般可以任免七个董事会席位中的四席,但不负责日常经营,也不是每次模型发布的审批人。这套安排值得关注,却不是公司一定会做对的保证。限制访问可能少卖一些服务,更多安全测试也会花钱。反过来,能解释权限、审计和责任,可能让更多客户敢把重要任务接进来。这两面需要分开看。

回到开头那份保险申请。AI 整理完材料,核保员还在做决定。但那段原本耗时的工作已经被重新分配了:机器处理它擅长的部分,人把时间留给需要专业判断的部分。对 Anthropic 来说,如果这种改变能在更多工作里发生,而且每多交付一份可靠结果,成本没有跟着失控,它卖的就不只是一款好用的聊天助手。
所以路演之后,我会继续看三件事:老客户愿不愿意把更重要的工作交给 Claude;把一件事可靠做完的总成本,算上人工复核和返工,能不能继续下降;以及当安全与增长真的发生冲突,公司会做什么选择。
这三件事,比一次演示有多惊艳,或者一个季度的增长有多快,更能说明这家公司会走到哪里。如果你正想把 AI 引进自己的团队,也可以从同一个问题开始:下一件值得交出去的工作是什么?如果做错了,谁看得出来,又由谁接回来?
此页面包含第三方内容,不构成任何建议,不代表 Gate 认可其观点。详见声明。
BMYBMY+1.74%
ACNACN+0.21%
GOOGLGOOGL-0.98%
MSFTMSFT+0.22%


请输入评论内容
请输入评论内容

评论 4
北辰Alpha
山顶老师分析的很全面呀
山顶Ryak作者
北辰老师早ノ☀
币靠普
年度创作者你看好谁?🏆
辣手屯币
年度创作者你看好谁?🏆