造血者胜：Anthropic何以超越OpenAI

作者 | 松壑

纳斯达克互联网泡沫巅峰时刻的2000年1月，被视为最大网络服务商的美国在线以1640亿美元的市值，反向收购了时代华纳。

美国在线没有多少利润，但有不断膨胀的用户数和一轮接一轮涌入的资本。时代华纳有现金流、有内容、有基础设施，但在市场眼里，它是一家旧时代公司。

收购完成的2年后，合并实体却录得史上最大的987亿美元亏损纪录。美国在线的用户增长神话碎裂，拨号上网被宽带取代，赖以为生的订阅收入和广告收入同时塌缩。

26年后，一场结构高度相似的命运分岔正在加速递归的AI行业上演。

2026年4月7日，Anthropic宣布年化收入突破300亿美元，超过OpenAI同期的250亿美元。

这是这家公司成立以来第一次在收入维度反超对手。15个月前，它的年化收入还只有10亿美元。

同一时间，OpenAI正在为一场可能在今年四季度进行的IPO做准备。它刚刚关闭了硅谷史上最大的1220亿美元私募融资，估值达到8520亿，但同时预计2026年亏损140亿美元，现金流转正的时间被推迟到了2030年。

一个造血能力在加速增强，一个在输血需求却在悄然上升。

两条截然迥异的AI发展路线，或许从创始人离开彼此那一天就已经注定。

一

输血or造血

OpenAI的扩张速度在商业史上很难找到参照物。

2024年底年化收入37亿美元，2025年底翻到200亿，2026年2月到达250亿。山姆·奥特曼对投资者的承诺是2030年收入达到2800亿美元。为了支撑这个叙事，OpenAI在过去一年签下了包括微软、亚马逊、甲骨文等在内的超过5000亿美元的云计算合约。

这些数字的另一面是Open AI在2025年上半年的研发支出就达67亿美元，股权激励近25亿美元。2025全年现金消耗约85亿美元。2026年，仅推理成本一项预计就将达到141亿，比2025年增长68%。公司预计2026年全年亏损140亿美元，2027年现金消耗将飙升至570亿。

作为CFO的萨拉・弗莱尔（Sarah Friar）在公司内部坦承了这一现实，她与奥特曼在IPO时机上产生了分歧，弗莱尔认为公司应当先建立更稳固的财务基础，而奥特曼将IPO视为筹集基础设施资金的工具。

OpenAI背后还藏有一项潜在的财务义务，即每一美元收入中，20%要以分成形式支付给微软，这一安排延续至2032年。2026和2027两年，OpenAI预计将向微软支付超过130亿美元的收入分成。

今年3月，寿终正寝的Sora可能就是奥特曼执念于延长战线的结果。

从预览效果最早震动业界，到后来与迪士尼达成合作，Sora一度成为AI视频领域最被看重的明星项目，但据《华尔街日报》调查，Sora的全球用户在突破100万后迅速回落至不到50万。每天运营成本约100万美元。每一个生成视频的用户都在消耗有限的GPU资源。

2025年12月2日，奥特曼向全公司发出CodeRed备忘录，要求将资源从广告、健康、购物等多条战线回撤，全力改善ChatGPT。并在备忘录中直言：

公司正处于ChatGPT的关键时刻。广告计划搁置，Agent开发延期，一个名为Pulse的个性化助手项目暂停。

3个多月后的2026年3月24日，OpenAI正式决定关闭Sora，而迪士尼都是在公告发出前不到一个小时才得知消息的。

与多面作战的Open AI不同，Anthropic表现出了另一种增长逻辑。

2024年12月还是10亿美元的年化收入，2025年中就已到达约47亿，年底到达90亿。2026年2月，达到了140亿；3-4月分别达到190亿和300亿，对Open AI实现了反超。

15个月的30倍速度，在企业软件历史上几乎没有先例。

增长的核心驱动并非来自C端的用户订阅，而是企业API调用，其中80%收入来自商业客户。截至2026年4月，超过1000家企业每年在Claude上的支出超过100万美元，而财富10强中有8家是Claude的客户。

作为核心产品的Claude Code，这个2025年5月才公开发布的编程工具目前年化收入已超过25亿美元，自2026年初以来翻了一倍以上。它在AI编程的份额达到54%，远超GitHub Copilot和Cursor。目前全球4%的公开GitHub提交由Claude Code完成，预计年底将达到20%以上。

这里存在着一个关键的效率差异：Anthropic每月活跃用户的变现能力约为211美元，OpenAI约为25美元。前者是后者的8倍。用户量小得多，单位变现效率高得多。

在企业大模型的API市场，Anthropic的份额从2023年的12%升至2025年中的32%，成为市场第一，而同期OpenAI从50%降至25%。

一项来自Ramp 经济实验室的调研显示，在美国企业的AI支出中，Anthropic占Anthropic+OpenAI合计支出的比例，已从2025年初的约10%攀升至2026年2月的60-65%。

更重要的是成本端。OpenAI到2030年的年训练成本预计达到1250亿美元，Anthropic约为300亿。同一场竞赛，4倍的成本差距。Anthropic预计2027年实现自由现金流为正，OpenAI则将盈亏平衡推到了2029年甚至2030年。

二

技术人底色

两条不同AI路径背后，存在一个与AI企业创始人背景密切相关的根本性差异：达里奥・阿莫迪（Dario Amodei）他和几乎所有其他AI公司的掌舵者都不一样。

奥特曼是硅谷创投机构YC前总裁，一个职业投资人和公司运营者。DeepMind的哈萨比斯是神经科学家出身，但背后是Alphabet的组织机器，扎克伯格在哈佛宿舍里写网站出身，AI只是Meta的一条业务线。

在看国内，字节梁汝波、阿里吴泳铭、百度李彦宏大多是互联网企业家，AI对他们而言更多是重要的商业增长引擎。

阿莫迪是物理学家和计算神经科学家出身，普林斯顿的博士论文研究的是大规模神经电生理，即用电极记录真实的神经回路如何集体运作。

博士毕业后，他在斯坦福医学院做博士后，把机器学习应用于生物医学数据，然后去了百度和Google Brain做研究，直到2016年加入OpenAI并成长为研究副总裁，直接领导了GPT-2和GPT-3的开发，同时也是RLHF的共同发明人和Scaling Laws（缩放定律）的核心实践者。

这份履历决定了它的纯度。阿莫迪在正式创办公司之前，做了近十五年的一线研究，这让他更像是一个被迫学习商业的科学家。

这种背景决定了两件事。

第一，他清楚地知道AI现在能做什么、不能做什么。

在一档播客中，他这样描述能力曲线：如果你把到目前为止的曲线做一个外推，去年我们在本科水平，前年在高中生水平，现在开始接近博士水平……这确实让你觉得2026或2027可以到达AGI。但他紧接着说：仍然存在100年也达到不了的可能，只是概率在迅速降低。一个真正懂技术的人，会同时持有乐观和不确定性。

第二，他知道AI现阶段最先能在哪里创造真实价值。

2025年5月，在Anthropic首次开发者大会Code with Claude上，他被问及幻觉问题时说：这取决于你怎么衡量，但我怀疑AI模型产生幻觉的频率可能比人类低，只是幻觉的方式更令人意外。

这句话看似大胆，实则包含一个精确的限定，他承认AI的置信度表达方式是个问题，也没有回避模型的缺陷，但会把它放在一个可以被工程手段持续改进的框架里。

一个研究了十五年神经回路的人，对模型能力的边界有一种肌肉记忆式的感知。他不会因为Demo效果炸裂就急着推向市场，也不会因为投资人期待就去铺一条全模态的产品线。

这解释了Anthropic为什么没有去碰图像生成、视频生成、搜索引擎、社交App这些方向。

或许阿莫迪深知，在当前模型能力的真实边界内，这些方向要么无法产生稳定的商业价值，要么会消耗大量算力却无法转化为付费收入。

他选择把所有资源集中在文本、代码和Agent上。

这些场景的共同特征是：AI的输出可以被精确衡量，可以直接替换人工，客户愿意为可计量的生产力提升买单。

2026年1月，阿莫迪在长文《技术的青春期》(The Adolescence of Technology)中强调：

AI带来的威胁来自多个方向，减轻某些危险可能会使其他危险恶化——如果我们不能极其谨慎地穿过这根针眼的话。

他用了一个词：

intimidating gauntlet——令人生畏的关卡

其列举的风险正是技术本身失控的风险。

对边界的自觉，和对AI当前能力的清醒判断，共同塑造了Anthropic循序渐进、逐步释放能力的工程化演进路径。

三

OpenAI如何失焦

作为YC前总裁，奥特曼的核心能力不在技术，而是融资和叙事能力。

OpenAI的每一步都服务于同一个目标：在每一个可能的生态位上建立存在感，用规模叙事维持估值，用估值换取更多融资，用融资换取更大规模。

ChatGPT覆盖消费者，API覆盖开发者，Enterprise覆盖企业，Sora覆盖创意，Codex覆盖编程，Operator覆盖Agent，还有健康、购物、广告，在CodeRed备忘录之前，OpenAI同时在推进的产品线至少有七八条。

OpenAI的失焦不是2025年才开始的。它的根源可以追溯到微软130亿美元投资落地之后。

毕竟拿了钱，很多事就不由自己决定了。

这或许也是梁文锋一开始拒绝DeepSeek快速商业化和不追求融资的深层逻辑。

即使股东不是短视之辈，也倾向于以DCF视角来审视投入回报。当GPT-4在2023年遥遥领先时，以闭源防御、以加速商业化进攻，成为OpenAI的默认策略。订阅、API、Agent、打入iPhone供应链，大干快上。

代价首先体现在算力分配上。

2024年5月，OpenAI对齐团队负责人Jan Leike辞职并加入Anthropic。彼时他坦言，过去几年里，OpenAI安全文化和流程已经让位于“闪亮产品”。他还透露团队一直在为获取算力而挣扎，但那些本该用于关键研究的计算资源越来越难争取到。

几乎同时，联合创始人兼首席科学家伊利亚・苏茨克弗（Ilya Sutskever）也宣布离职，他们更早前掀起的那场"政变，表面上是一场关于AI安全的路线之争，但更深层矛盾可能在于：OpenAI的最高优先级到底应该是模型能力的持续推进，还是商业产品的快速变现。

之后的人才流失如同多米诺骨牌。

作为前CTO的MiraMurati离职创业并从OpenAI招走大量核心人才。研究主管安德烈・卡帕西（Andrej Karpathy）离开。多位关键研究员转投Anthropic、Meta和其他竞争者。

从结果看，OpenAI模型版本迭代时的“惊艳度”也在快速的边际下降，甚至去年末发布GPT-5.2时，它对训练过程几乎只字未提，只说找到了优化训练各阶段的方法。

过早的商业化，在相当程度上分散了通往更强模型的精力。这既包括了算力调度的分配，也带来了人才凝聚力上的消耗。

许多顶尖研究者，并不是靠高薪就能留住的，这些人走掉，反而是因为公司方向与他们的探索预期分道扬镳了。

到了奥特曼意识到不对劲的2025年末时，OpenAI在LMArena上已不是第一，企业API市场份额从50%跌至25%，模型能力的相对退步和商业化的过度扩张，几乎是同一枚硬币的两面。

奥特曼曾在去年11月写道：大型基础设施项目需要时间来建设，这就是为什么我们需要现在开始。这是我们正在做的赌注，鉴于我们所处的有利位置，我们感觉不错。

奥特曼的野心可以理解：规模会成为壁垒。只要足够大，足够早，竞争者就没有空间。

关键问题在于，AI不是社交网络、短视频或者电商，不存在网络效应驱动的赢家通吃逻辑。

每一次推理请求都有真实的GPU成本。用户越多，亏损越大——除非能在每一个场景上都实现足够高的付费转化率。

OpenAI的9亿周活跃用户中，付费订阅只有5000万个。75%的收入依赖订阅。消费侧的单位经济模型远未跑通。企业侧，份额正在被Anthropic蚕食。

2025年底，ChatGPT的网站流量在10月触及60亿次后连续两个月下滑。Salesforce的CEO Marc Benioff在Gemini3发布后公开宣布弃用ChatGPT；一位前OpenAI研究员则对《财富》杂志表示：CodeRed本身就很说明问题。

四

深层竞争账本

有一个被AI叙事长期忽略的反直觉事实：

大模型可能会杀死SaaS，但大模型不是SaaS。

传统SaaS的边际成本趋近于零。多一个用户，多一点存储和带宽，成本可以忽略不计。软件的毛利率往往可以达到70%-80%甚至更多。

模型的推理是实打实的算力消耗。

OpenAI的毛利率约为33%。相当于每收入1美元，有67美分花在了GPU上。Anthropic的毛利率约为40%，推理成本比内部预期超出了23%。

在找到高频、刚需、高付费意愿的应用场景之前，用户增长本身就是一个财务黑洞。

规模有可能成为护城河，但同时也会让支出同步攀升。

OpenAI的2025年推理支出已达约84亿美元，预计2026年将增至141亿。它的收入在增长，但成本的增长更快。

Anthropic选择了一条更窄但更落地的路径。

它没有试图让AI成为一个无所不能的万能入口，而是把AI明确为一个高效工作工具。

Claude Code替换的是企业预算中的具体项目，产品团队也反复强调这一点：

企业客户每年花100万美元以上，是因为Claude替代了原来在付费的东西。

Agent路线的核心逻辑是：不卖通用智能，卖自动化劳动。

它让AI完成可计量、可定价、可重复的任务。每一次Agent执行一个工作流，都是一次有明确ROI的交易。

这就解释了为什么Anthropic能在远小于OpenAI的用户规模上，实现更高的收入。它的客户不是在为"聊天"付费，而是在为"生产力替代"付费，两件事的单价差是迥然相异的。

五

刷榜这件小事

这背后可能还隐藏着两大AI巨头对商业目标的定义分歧。

很长时间以来，AI行业存在一种对刷榜的痴迷，最典型的莫过于行业公认的LMArena平台，它接受用户盲测两个模型结果然后投票，排名结论会被各家AI公司的叙事中被反复引用。

2025年4月，斯坦福、MIT等机构的一项联合研究发现，Meta、OpenAI、Google、Amazon等公司被允许私下测试多个模型变体，然后只公布得分最高的版本。

Meta在Llama4发布前私下测试了27个变体。Google在2025年初测试了10个Gemini和Gemma的变体。通过选择性提交，单个模型的得分可以被虚增多达100分。

离开Open AI的卡帕西就曾坦言，LMArena吸引了“不成比例的巨大关注度”，各实验室都在对它过拟合。AI评测公司Surge AI的措辞更激烈，分析了500条LMArena投票后得出结论：在这个系统里，“自信击败了准确，格式击败了事实”。

Meta的Llama4事件或许是最典型案例。2025年4月，Llama4Maverick以1417的ELO分登上排行榜第二。但社区很快发现，提交给LMArena的是一个专门为对话风格优化的实验版本，回答冗长且充满emoji——这种风格恰好能讨好随机投票者。公开发布的版本在评测中直接跌到了第32-35名。

刷上限许多时候能够成为能力边际的突围，但有些时候只是一种证明自己的行为，是一种赢学。

它既能够让市场中习惯了预期叙事的击鼓传花游戏玩下去，也符合某些大企业的官僚主义和向上汇报文化。

它的受众并非客户，有时只是为了解决投资人焦虑和大企业内部的KPI，在LMArena上排名更高，融资路演的PPT上就多一份素材。

事实上，在国内科技公司的AI竞赛中，一些公司也痴迷于用基准测试或刷榜来证明自己领先，但模型的实际效果与使用率如何，不同用户心中反而有一杆不同于比武结果的秤。

这终究是一条执着于获得融资性现金流乃至市值管理的路径。

与此不同的是，Anthropic的产品逻辑却并不执念于刷榜来自我证明，也不围绕对话讨好度进行工程改造，它集中资源在SWE-benchVerified（衡量模型解决真实GitHub代码问题的能力）、Terminal-Bench（终端环境下的编程任务）、OSWorld（真实计算机操作任务）这类任务评价上。

它们的共同点是，测的不是模型能不能说漂亮话，而是能不能把活干完，这是两件截然不同的事。

Anthropic在发布Opus4.6时，曾精确描述了自己的实现细节：

我们用Claude构建Claude，我们的工程师每天用Claude Code写代码，每个新模型首先在我们自己的工作上测试。

当Replit的CEO说Sonnet4.5把代码编辑的错误率从9%降到了0%，当Cognition的CEO说它让Devin的端到端评测分提高了12%，这些就不再是排行榜上的数字，而是客户续约的理由。

许多时候，口碑和完成度的意义远远胜于跑分，因为跑分更多服务于估值叙事，而口碑才能提高客户留存。

六

等待中的校验

刷上限换来的融资性现金流，把活干完才能换来经营性现金流。

这两种思路的差异，在15个月内制造了从落后到反超的结果。

单就估值而言，目前OpenAI仍然保持着AI领域的领先估值，其以8520亿美元估值对应250亿年化收入，市销率约34倍。Anthropic以3800亿美元估值对应300亿年化收入，市销率约13倍。

市场看的固然不是OpenAI的未来现金流，而是在为一个”最大AI用户规模“的叙事买单，但随着未来1-2年这些AI巨头的陆续IPO，这个叙事迟早要接受公开市场的验证。

2026年下半年，OpenAI和Anthropic可能前后脚完成IPO。Anthropic计划最早10月上市，目标融资600亿美元以上，OpenAI的时间表也在四季度或2027年初。

现在让我们再回到文章开头的美国在线的巅峰期故事。

2000年，美国在线能用资本叙事吃掉了时代华纳，但故事始终有一个致命弱点：

需要不断被续约。

一旦增长停滞，一旦新的融资轮无法覆盖旧的亏损，故事就会迅速崩塌。

时代华纳的现金流在合并后依然在产生，美国在线的用户数在两年内归零。

狂热的早期，融资性现金流可以买来时间和声量，可泡沫褪去之后，唯有经营性现金流能让一家公司活着走出去。

阿莫迪和奥特曼在2021年分道扬镳时，几乎没有人认为Anthropic能活下来。五年后，它的年化收入超过了OpenAI，训练成本是对方的四分之一。它没有9亿用户，没有1.4万亿美元的基础设施承诺，没有迪士尼的合作，甚至失去了五角大楼的合同。

它只有一项令其他对手望尘莫及的长板：

更高效的自我造血。

*本文为全天候科技原创作品，未经授权不得转载，如需转载，请在后台回复“转载”二字，获取转载格式要求。

点“在看”，变好看哦。