三季度盈利超10亿美元,Anthropic为何率先扭亏?

夏瑶小哥_2226

夏瑶小哥_2226

2026-07-10

428人浏览

原创

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

今年,anthropic无疑是ai领域绝对的c位。

短短一个季度,ARR从90亿美元激增至300亿美元。6月,Anthropic秘密提交IPO申请。

而就在同一时期,曾经的老大哥OpenAI却陷入了被动,不仅市场份额遭到蚕食,IPO计划被迫推迟至2027年。

但这还不是最扎心的部分。

今天,SemiAnalysis旗下Tokenomics团队对两家公司的财务模型做了一次深度拆解,结论令人震惊:在OpenAI仍深陷亏损泥潭时,Anthropic在2026年第三季度很有可能盈利超过10亿美元,率先跨过了盈亏平衡线

同一条赛道,为何如今境遇如此不同?答案藏在两家公司截然不同的商业模式里。

押注B端市场,Anthropic API收入占比近8成

如果说ChatGPT是消费领域的iPhone时刻,那么Claude Code则是B2B领域的转折点。

2026年第一季度,Claude代码的爆发式增长,使Anthropic的ARR在短短一个季度内从2025年底的90亿美元激增至300亿美元。一季度的三个月里,Anthropic的ARR增幅一次比一次猛,分别为30亿美元、70亿美元和110亿美元。

截至目前,Claude Code已经占GitHub每日代码提交量的7%以上。这是Anthropic增长最重要的驱动力。

除了增长,更多的细节在于Anthropic的商业模式里。

在Anthropic的收入结构中,绝大多数ARR来自基于使用量的API业务,贡献了75%-85%的收入。相比之下,订阅收入仅占总ARR的15%。

作为对比,OpenAI在2026年第一季度,超过65%的收入仍然来自订阅服务。

这背后是Anthropic和OpenAI客户群体的差异。现在,Anthropic的个人用户订阅收入占比只有5%,而OpenAI在2026年第二季度末这一比例约为40%。

表面上看,两家公司虽然都在做大模型生意,但本质上有很大不同。Anthropic是一家面向企业的API平台,OpenAI更像一家面向大众的订阅产品公司。

企业客户占比高的好处,体现在两个维度:付费能力强,粘性大

企业客户的付费意愿和忠诚度,远非C端散户可比。一旦将模型能力嵌入开发者的工作流,就会形成极强的粘性。只要客户采用更多智能工作流,就会消耗更多token,自然带来更多收入。

Anthropic首席财务官Krishna Rao于5月初的播客里提到,Anthropic的净美元留存率(衡量与公司合作至少一年的客户支出增长幅度)达到500%。

什么概念?去年一季度,Anthropic的ARR只有20亿美元,而今年一季度涨了到300亿美元。其中,120亿美元来自老客户的复购,另外180亿美元来自新客户。

除了专注于B端市场外,拥抱TaaS(Token-as-a-Service,代币即服务)模式也是Anthropic成功的一个重要原因

对于大型企业而言,直接向单一实验室购买模型,不仅选择受限,还面临数据安全和合规风险。他们更倾向于通过AWS Bedrock、Azure Foundry等成熟的云平台,灵活调用各家模型。

Anthropic敏锐地捕捉到了这一趋势,并迅速与AWS等超大规模计算平台深度绑定。

目前,Anthropic通过AWS Bedrock等间接渠道提供的服务,已经占到其ARR的15%-20%,而一个季度前这一比例仅为5%-10%。

虽然通过这些渠道分发,需要向云巨头支付约20%的收入分成。但在Anthropic看来,这笔买卖极其划算。

相较于自建庞大的销售团队去死磕大企业客户,借道云巨头的渠道,不仅获客成本更低,而且能更快地渗透进全球2000强企业的核心业务。

Claude Code Agent
Claude Code Agent

通过MCP协议程序化控制Claude Code,执行命令、管理会话、搜索和编辑代码,以及协调代理团队进行开发。

下载

企业对TaaS业务的采用势头极其强劲。据预估,该市场的年收入已达280亿美元,其中85%的市场份额由三大主流云服务商占据。

Anthropic通过TaaS模式,成功将自己接入了全球最大的资本和客户管道,实现了指数级的业务扩张。

单位推理效率提升3倍,26年毛利率达60%

Anthropic和OpenAI的商业模式差异,最终指向了一个更关键的结果,盈利能力的天壤之别。

Anthropic完全采用高利润、基于使用量计费的商业模式,而OpenAI则主要服务于付费用户及订阅用户群体,这些用户会产生大量消耗计算资源的代币使用量。

尽管OpenAI正逐步向Anthropic靠拢,新增ARR越来越依赖B2B业务和API服务,但消费级用户的庞大基数,仍然是拖累其利润率的沉重包袱。

据SemiAnalysis预测,2026年第三季度,公司将实现10亿美元的经营利润,利润率约6%。而同期OpenAI的经营利润率,仍在-100%附近挣扎。

Anthropic之所以能率先盈利,关键在于毛利率的提升。

2024年,由于推理成本高昂,Anthropic的毛利率为-94%。但到了2026年,其毛利率已攀升至60%左右。

API的毛利率提升的原因无非两点:要么每单位算力处理更多token,要么对这些token收取更高价格。逻辑不难理解,在基于使用量的API业务里,算力成本相对固定,每多输出一个Token或提高定价,其边际利润几乎接近100%。

很多人可能会认为,Anthropic利润这么高,肯定是因为他们掌握了定价权,一直在涨价。

但事实恰恰相反。自2024年以来,随着竞争加剧,混合token的价格实际上是在持续下滑的。

Anthropic毛利率提升,靠的是推理效率的提升。9个月前,Anthropic每兆瓦算力产生的ARR为1600万美元,预计今年晚些时候将达到6000万美元,增长了3倍多。

相比之下,OpenAI就没这么轻松了。目前,OpenAI服务着超过9亿免费用户,每位用户每月成本约0.70美元,这直接导致其毛利率损失20-30%。

这意味着,假设OpenAI和Anthropic同时把ARR做到1000亿美元,OpenAI的毛利将比Anthropic少250亿美元。

250亿美元的差额,足以决定谁能在下一轮模型竞赛中占据先手。

逻辑很简单,这部分“多出来”的毛利润可以重新投入业务,用于最新模型的训练计算与研发工作,由此形成良性循环。

久而久之,Anthropic将以远高于OpenAI的速率,将利润重新投资于下一代模型的训练中。这种复利循环一旦转起来,差距只会越拉越大。

SemiAnalysis预计到2030年底,OpenAI与Anthropic两家的计算需求总量将超过100吉瓦。而目前两家可使用的计算能力仅为6吉瓦出头。

也就是说,无论是OpenAI还是Anthropic,未来仍然需要将大量资金投入到计算资源中。据估算,Anthropic目前超过60%的计算资源用于模型训练及内部业务需求,并预计至少将25%的收入投入训练算力采购。

从这个角度看,Anthropic凭借专注的B2B商业模式、基于Token的按量计费机制以及高效的算力转化率,正在建立一个可盈利且具备极强再投资能力的商业模式。

本文来自微信公众号“硅基观察Pro”,作者:阿奇 ,36氪经授权发布。

相关专题

更多
Aionclaw智能助手介绍
Aionclaw智能助手介绍

本专题汇总了AionClaw(AI龙虾助手)的功能介绍与在线使用入口。AionClaw是杭州趣猿人工智能有限公司推出的桌面级AI智能体,能直接在电脑上读写文件、运行脚本、操作浏览器,自动交付Word、PPT、Excel等成品。

2026.09.20

20

13

AionClaw AI智能体与电脑自动化任务执行功能使用教程
AionClaw AI智能体与电脑自动化任务执行功能使用教程

AionClaw专题整理AI智能体与电脑自动化相关功能使用教程,涵盖安装部署、AI任务执行、Skills技能、文件处理、浏览器控制、电脑操作、持久记忆、聊天工具连接以及办公、编程和内容创作等功能,帮助用户快速掌握AionClaw的实际使用方法。

2026.09.20

0

15

AI视频生成软件推荐
AI视频生成软件推荐

本专题汇总了当前主流的AI视频生成软件推荐与排行榜单,涵盖seko、AniShort、剧云、Lovart、LiblibAI及立刻mv等热门工具。同时整理了各软件在文生视频、图生视频、时长限制、画质表现及免费额度等方面的差异对比,助您快速选对适合创作需求的AI视频生成工具。

2026.09.16

180

9

ai生成视频的工具免费版合集
ai生成视频的工具免费版合集

本专题汇总了当前免费AI生成视频工具的排行榜与推荐清单,涵盖seko、讯飞智作、AniShort及剧云、Lovart等多模型集成平台。同时整理了各工具的免费额度、输出时长、水印政策及适用场景差异,助您快速选择合适工具开启AI视频创作。

2026.09.16

100

10

Pandas时间序列分析与可视化报表
Pandas时间序列分析与可视化报表

本专题整理Pandas日期转换、时间索引、重采样、滚动窗口、时区处理、plot绘图、Styler表格样式和报表输出方法。

2026.09.16

80

23

Pandas数据筛选索引与清洗处理
Pandas数据筛选索引与清洗处理

本专题整理Pandas中的loc、iloc、条件筛选、query查询、缺失值处理、重复值删除、类型转换和字符串列清洗方法。

2026.09.16

60

25

Pandas数据读取导入与文件导出处理
Pandas数据读取导入与文件导出处理

本专题整理Pandas读取CSV、Excel、JSON、SQL、Parquet等文件的方法,以及to_csv、to_excel、to_sql和to_parquet等常用数据导出流程。

2026.09.16

40

27

GDB怎么设置断点
GDB怎么设置断点

本专题介绍GDB按照函数名、源代码行号和文件位置设置断点的方法,详细说明run、continue、next、step等命令的配合使用,帮助定位程序崩溃、逻辑异常及代码未按预期执行的问题。

2026.09.11

400

28

GDB怎么查看变量值
GDB怎么查看变量值

本专题介绍GDB调试过程中查看变量值的具体方法,涵盖局部变量、函数参数、数组、结构体和指针内容查询,同时整理变量持续显示、格式化输出及无法读取变量时的排查思路。

2026.09.11

120

22

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
ChatGPT入门手册
ChatGPT入门手册

共0课时 | 0人学习

ChatGPT使用教学
ChatGPT使用教学

共2课时 | 175人学习