SemiAnalysis 最新发布的一份长篇报告认为，Anthropic 正在用以 API 为核心的高毛利模式，改变市场对 AI 商业化的传统认知。按照报告披露的数据，公司 ARR 已从 90 亿美元快速升至 600 亿美元以上，API 毛利率超过 80%，净收入留存率达到 500%，并预计第三季度 EBIT 将突破 10 亿美元。报告还进一步推演称，如果后续仍能维持类似增长节奏，到 2027 年末，Anthropic 的 ARR 有望达到 3000 亿美元，对应约 6 万亿美元估值，甚至高于英伟达当前所代表的市值量级。
换句话说，报告想表达的核心并不复杂：头部 AI 实验室不一定只能依赖持续烧钱来维持扩张，也有可能逐步演变成兼具高毛利、高留存和高增长能力的平台型公司。
根据文中信息，2026 年 7 月，Anthropic 已向 SEC 递交 IPO 申请。随后，SemiAnalysis 又通过 Tokenomics Model 对其财务结构进行了拆解：第三季度按 GAAP 口径计算的营业利润（EBIT）预计突破 10 亿美元，营业利润率约为 6%；与此同时，年化经常性收入（ARR）则从 2025 年底的 90 亿美元跃升至 600 亿美元以上。
作为对比，报告提到，同期 OpenAI 仍处于亏损状态，第二季度 EBIT 利润率约为 -100%。
在不少观察者看来，这意味着 AI 产业化可能正在进入新阶段：首次有头部大模型实验室用相对清晰的盈利与收入数据，向市场证明大模型商业模式存在跑通的可能。
Anthropic 为何选择此时推进 IPO
先看一个基础问题：Anthropic 现在上市，真的是因为缺钱吗？从报告给出的信息来看，答案并不完全是。
自成立以来，Anthropic 的累计融资已超过 1000 亿美元，非 GAAP 口径下已经实现盈利，毛利率表现也相对稳健。在 Stripe、Databricks 等大型独角兽仍倾向留在私募市场的背景下，Anthropic 重启 IPO，更像是围绕算力需求和资本结构做出的战略选择。
SemiAnalysis 预计，到 2030 年底，OpenAI 与 Anthropic 合计所需算力将超过 100GW。按这一测算，未来五年行业需要净新增约 90GW 的算力供给，而 2025 年全年新增仅为 2.5GW，2026 年预计新增 5GW。相比之下，两家公司当前可调配的总算力仅略高于 6GW。
这种紧张并不是纸面问题。报告指出，2026 年第一季度的算力短缺，已经体现在用户体验上，包括限流、宕机和服务降级。Anthropic CFO Krishna Rao 也曾在 5 月初的播客中表示，当时市场需求明显超过可用供给。
在这样的背景下，上市至少有三层现实意义：
- 拓宽融资渠道。无论是训练新一代模型、租赁更多算力，还是签订新的数据中心租约，都需要大额资金支持。进入公开市场后，融资效率和融资成本理论上都可能改善。
- 增强企业客户信任。对于计划签署数亿美元年度 API 合同的大型企业来说，公开且经审计的财报，有助于提升供应商透明度和履约可信度。
- 提升人才竞争力。在 AI 顶级人才竞争持续升温的情况下，更具流动性和兑现能力的股权激励，依然是吸引并留住核心人才的重要工具。
此外，Anthropic 此时推进上市，也被认为带有争夺“估值锚点”的意味。谁先进入公开市场，谁就更有机会成为资本市场理解 AI 大模型赛道的第一参照。收入增速、利润率、NDR 以及市销率等指标，往往会因此先被市场固化为行业比较框架。
从目前披露与推测的数据来看，Anthropic 在多个财务指标上处于领先位置，包括 6% 的 EBIT 利润率、60% 以上的综合毛利率，以及 500% 的 NDR。若其最终以约 20 倍 ARR 定价，也就是约 6 万亿美元估值，那么这一估值框架一旦形成，后上市者想完全跳出这套参照体系就会变得很难。
报告同时指出，OpenAI 仍需承担 9.5 亿免费用户带来的成本压力，而且超过 65% 的收入来自订阅业务。这意味着其收入上限和毛利率上限，相比 Anthropic 的 API 模式，可能会受到更多结构性约束。若未来 OpenAI 以折价上市，其融资成本和再投资能力都可能受到影响。
这种“先发上市优势”在资本市场并不罕见。率先上市的高增长公司，往往先定义赛道的估值语言，而后来者通常只能在既定框架中争取溢价或接受折价。从这个角度看，Anthropic 当前选择的上市窗口，显然更偏向战略考量。
Claude Code 是什么，它为什么重要
如果说 ChatGPT 代表了 AI 在消费端的破圈时刻，那么 Claude Code 更像是 AI 在企业市场出现商业化拐点的代表产品。
这款在 2026 年初快速升温的编程助手，据称已占 GitHub 全部提交的 7% 以上，并直接推动了 Anthropic ARR 的快速增长：2025 年底约为 90 亿美元，2026 年 1 月增加 30 亿美元，2 月再增加 70 亿美元，3 月又增加 110 亿美元，一个季度内升至约 300 亿美元。
这里的关键点在于，推动这轮增长的主要不是订阅收入，而是按用量计费的 API 收入。
按照报告数据，Anthropic 的收入结构中，API 业务占比达到 75% 至 85%，订阅收入仅约 15%。相比之下，2026 年第一季度 OpenAI 仍有超过 65% 的收入来自订阅。Anthropic 的消费者业务仅占 ARR 的约 5%，而 OpenAI 同类占比约为 40%。
不过，这并不代表 Anthropic 的消费者产品规模很小。报告提到，其免费月活用户约为 5500 万至 6000 万，付费率约 9%，高于 OpenAI 约 6% 的水平。
要理解 API 模式的优势，可以把它和传统订阅制做个简单对比。订阅制通常按席位收费，哪怕客户使用得很频繁，月费也往往相对固定；而 API 计费直接和 token 消耗挂钩，客户部署的 agent 工作流越复杂、数据处理规模越大，服务商获得的收入也就越高。
Krishna Rao 披露的一项关键数据是，Anthropic 的净收入留存率（NDR）达到 500%。对新手来说，这个指标可以理解为“老客户第二年比第一年多花了多少钱”。500% 的意思是，仅 2025 年第一季度就已存在的老客户，到 2026 年第一季度的消费额已经达到上一年同期的 5 倍。按报告口径，2025 年 Q1 的 20 亿美元老客户 ARR，到 2026 年 Q1 已扩大至 120 亿美元，占当时总 ARR 300 亿美元的 40%。
这种超高留存的背后，主要是 agentic 工作流显著放大了 token 消耗。普通聊天交互通常只消耗数百个 token，而一个自动化编码 agent 的单次任务可能消耗数百万 token。报告同时提到，自 2024 年以来，blended token 定价已有明显下降，但整体增长更多由使用量扩张带动。
Anthropic API 模式的飞轮是怎么运转的
在 SemiAnalysis 看来，API 模式比传统订阅制更适合 AI 时代，原因在于它能形成一个更强的增长飞轮：用量增加，收入提升；收入提升，研发和训练投入就能扩大；模型能力增强后，又会吸引更多工作流迁移上来，进一步带来用量增长。
相比之下，订阅制更接近固定席位收费，收入增长主要依赖客户数量线性增加；而 API 模式是对实际使用行为收费，客户用得越深，收入弹性越大。
这也是为什么在传统 SaaS 行业，120% 的 NDR 已经算优秀，150% 已经相当突出，而 Anthropic 的 500% 会被视为完全不同量级的表现。
以行业参照来看，Snowflake 在高增长阶段的 NDR 约为 170%，Datadog 最佳时期约为 140%。而 Anthropic 500% 的含义是，老客户群体在一年内贡献的收入扩大到了 5 倍，并且这种增长主要不是靠涨价，而是靠 agent 工作流覆盖深度和广度持续扩大。
最终形成的效果就是：客户使用越多，Anthropic 收入越高；收入越高，就越能投入更大规模的训练和研发；模型能力越强，又会吸引更多高价值工作流迁移到平台。相比之下，在传统订阅模式下，客户再怎么高频使用，供应商拿到的增量收入也不一定同步增加。
基于这一逻辑，报告认为 Anthropic 的 API 业务毛利率能够达到 80% 以上，并不只是因为定价高，更是飞轮效应和规模效应共同作用的结果。增量收入的利润率更高，而这些利润又会继续反哺模型训练，形成技术与商业叠加的护城河。
Anthropic 毛利率为何能从 -94% 提升到 60% 以上
AI 实验室的底层经济模型其实不难理解：先投入研发训练模型，再采购或租赁算力进行训练和推理，最后通过 token 服务向客户收费。
真正让市场关注的是，Anthropic 在 2024 年毛利率还只有 -94%，也就是每获得 1 美元收入，几乎都要付出超过 1 美元的成本；但到了现在，这一指标已经提升到 60% 以上。
报告将这种改善归纳为三个主要因素：
- 新模型初始定价更高。每一代 frontier 模型发布后，早期定价通常会高于上一代。
- 推理效率持续提升。更先进的加速芯片、更优的推理框架以及更智能的缓存策略，让同样的算力可以产出更多 token。
- 算力成本相对固定。当同样的算力资源能换来更高收入时，增量毛利率就会快速抬升。
按 SemiAnalysis 估算，Anthropic 每兆瓦（MW）算力对应的 ARR，9 个月前约为 1600 万美元，到今年晚些时候有望达到 6000 万美元。
报告还指出，Anthropic 的 API 业务毛利率高于 80%。即便扣除 AWS Bedrock 等渠道 20% 至 30% 的收入分成，以及以高于市场价格租赁新算力带来的成本，其综合毛利率仍有继续上行的空间。
作为对照，OpenAI 因需承载超过 9.5 亿免费用户，每名用户月均服务成本约 0.70 美元，对整体毛利率形成了 20% 至 30% 的拖累。报告据此推算，若两家公司未来都达到 1000 亿美元 ARR，OpenAI 的毛利润可能比 Anthropic 少 250 亿美元。
技术进步如何转化为商业回报
SemiAnalysis 认为，Anthropic 在 18 个月内把毛利率从 -94% 提升到 60% 以上，表面上是定价、效率和成本结构共同作用的结果，背后其实是一种“技术进步和经济回报相互强化”的过程。
简单说就是，模型推理效率提升，会降低单位 token 成本；而收入增长，又能支持更高强度的训练和更先进模型研发。这个循环一旦形成，毛利率改善就不再是缓慢线性变化，而更像加速扩张。
报告把它拆成两条并行曲线：
- 单位算力产出曲线。Anthropic 每兆瓦算力对应 ARR 从 1600 万美元提升至 6000 万美元，9 个月内提升约 275%。
- 模型定价能力曲线。frontier 模型能力增强后，企业客户愿意为更高质量模型支付更高单价。
当这两条曲线同时向上，而数据中心与算力底层成本又相对固定时，增量毛利率就会快速逼近 100%。报告把这种路径类比为早期 AWS 的毛利率扩张：前期是重资本基础设施建设，规模形成后逐步进入高毛利运营阶段。
如果未来稳态毛利率能达到 75% 以上，那么其经济特征会更接近优质 SaaS 公司，而不再只是传统意义上的资本密集型基础设施业务。这一点，也会影响资本市场如何看待 AI 实验室的估值体系。
EBTIT 是什么，为什么它值得关注
在毛利率之下，AI 实验室还要承担训练、研发和其他运营支出。为了更清楚地衡量推理业务本身的盈利能力，SemiAnalysis 提出了 EBTIT（Earnings Before Training, Interest, and Taxes）这一指标，也就是剔除训练投入后的推理业务现金流利润率。按其测算，Anthropic 在 2026 年第二季度的 EBTIT 利润率达到 36%。
对新手来说，可以把它理解为一个“把训练这种大额再投资先单独拿出来看”的分析口径。因为训练投入非常大时，往往会掩盖推理业务自身的现金流质量。
报告认为，这个指标的出现，本身就是 AI 商业化进程中的一个重要变化。Anthropic 预计第三季度 GAAP EBIT 可达 10 亿美元，同时净新增 ARR 增速高于 OpenAI；而 OpenAI 仍处于 -100% EBIT 利润率区间，二者差异相当明显。
以 Anthropic 为例，当前其将收入的 60% 以上投入训练和新模型研发。这部分支出在 GAAP 口径下会计入当期成本，但从商业逻辑看，也具有明显的长期投入属性。
历史上也有类似情况。上世纪 80 年代，有线电视和移动通信行业扩张期间，EBITDA 成为一种重要财务语言，用于展示扣除折旧摊销后的经营能力。SemiAnalysis 认为，EBTIT 在 AI 行业中有望承担类似功能，帮助市场区分“训练再投资”和“推理业务自身盈利能力”。
Anthropic 36% 的 EBTIT 利润率意味着，推理业务每产生 1 美元收入，在扣除推理成本和运营开支后，仍可保留 0.36 美元。若未来训练投入占收入比例逐步下降至 40% 至 50%，其 GAAP 营业利润率也可能更接近 EBTIT 水平。
报告进一步预计，未来 2 至 3 年内，EBTIT 可能会成为 AI 实验室估值比较中的常用指标。当前 Anthropic 仍将 60% 以上收入用于训练和新模型研发，预计到 2030 年，训练与推理的算力分配将达到约 48:52，接近对半分。这也意味着，即便维持高强度再投资，公司仍可能在 GAAP 口径下保持盈利。
Anthropic 和 OpenAI 的商业模式差异在哪里
Anthropic 与 OpenAI 的差异，不只是产品路线不同，更是两种商业模式的区别。
Anthropic 走的是 API 优先、按用量计费、以 B2B 为核心的路径。客户为实际 token 消耗买单，没有固定席位上限。Claude Code 的增长，进一步放大了这种模式的杠杆效应：开发者和企业把 agent 工作流用得越深，消费规模通常就越大。
OpenAI 则更偏向消费者优先、订阅制主导，并拥有庞大的免费层。ChatGPT 的全球传播帮助其建立了品牌和用户规模，但免费用户带来的算力成本，也形成了持续负担。虽然 5.5 模型和 Codex 的推出推动其 API 业务重新提速，B2B API 也已成为月度净新增 ARR 的主要来源之一，但消费者业务的成本结构仍是现实约束。
这种结构性差异最终影响的是再投资能力。SemiAnalysis 的模型显示，到 2027 年，Anthropic 在扣除 COGS 后可用于训练、研发和算力采购的再投资资金约为 1600 亿美元，而 OpenAI 约为 920 亿美元。按这一估算，Anthropic 每年可多投入近 700 亿美元，用于模型训练和技术迭代。
TaaS（Token-as-a-Service）也在放大这一优势。通过 AWS Bedrock、Azure Foundry、Google Vertex 等渠道，Anthropic 约 15% 至 20% 的 ARR 来自间接销售，而一个季度前这一比例仅为 5% 至 10%。对企业客户来说，通过云平台统一采购模型服务，可以复用既有合规框架，也能降低供应商审查成本。
根据 SemiAnalysis 估计，2026 年第二季度 TaaS 市场 ARR 已达到 280 亿美元，其中三大云厂商合计占据约 85% 份额。对 Anthropic 而言，虽然需要向渠道让出 20% 至 30% 的收入，但换来的企业客户触达效率和覆盖深度，依然具有现实价值。
为什么 OpenAI 转向 B2B API 不会很轻松
报告认为，Anthropic 与 OpenAI 所选路径的差别之一，在于这种路径并不是完全可逆的。
Anthropic 从一开始就是 B2B 优先，没有庞大的免费用户群，也没有消费者产品主导的组织惯性。它的产品设计、定价逻辑、销售体系和客户成功团队，都是围绕 API 和用量计费模式建立的，因此能在这条路线持续推进。
OpenAI 的情况则更复杂。它拥有 AI 领域认知度极高的消费者品牌 ChatGPT、接近 10 亿量级的周活跃用户，以及以订阅收入为主的现有结构。对商业化转型来说，这些优势同时也是惯性。每一位免费用户都意味着持续成本，而当规模达到十亿级时，整体毛利率就会受到结构性影响。
更深层的问题在于组织文化。以消费者产品为核心的公司，通常围绕用户增长、DAU 和订阅转化配置 KPI 与资源；而转向 B2B，则意味着重新调整销售组织、产品路线图、考核机制，甚至企业文化。这样的转型通常很难一步完成。
报告还指出，TaaS 渠道对 Anthropic 的意义也不只是销售。通过 AWS Bedrock 等 hyperscaler 渠道销售模型服务，企业客户可以保留更灵活的模型切换空间，从而降低被单一模型锁定的风险。这种灵活性反过来也有助于提升企业采用 AI 的意愿，并为 Anthropic 提供更广的客户进入路径。
Anthropic 面临哪些主要风险
尽管报告对 Anthropic 的增长逻辑评价较高，但也明确列出了一些需要关注的风险因素。
第一是 Token Budgeting，也就是企业 AI 预算收缩。包括 Coinbase 在内的部分公司，已经公开讨论 AI 支出的 ROI 审视问题。不过 SemiAnalysis 的调研认为，这类预算收缩更多出现在前期投入过快的企业。Anthropic 官方数据称，Claude Code 企业用户月均花费仅为 150 至 250 美元，90% 用户日均支出低于 30 美元。
第二是开源竞争。如果 Google DeepMind、Meta SuperIntelligence 等在编程场景推出更具竞争力的模型，token 定价可能承压。报告认为，即便市场演化为“四强竞争”，Anthropic 的净新增 ARR 也未必会转负，因为前沿模型通常仍具备一定溢价空间，而工作负载扩张与新模型发布仍可能带动增长。
第三是监管风险。这是报告强调的系统性变量。如果美国政府出于安全考量限制 frontier 模型发布，Anthropic 的商业化节奏可能受到明显影响，云厂商支持的竞品也可能借机追赶。
除这些风险外，报告还提到网络安全可能成为下一个增长垂直。随着 Mythos/Fable 系列模型能力释放，相关场景可能在下半年以快于 Claude Code 的节奏推动 ARR 加速。报告称，年付费超过 10 万美元的客户数量在过去一年增长了 7 倍，年付费超过 100 万美元的客户在过去两年增长约 42 倍。
如何理解算力需求与风险评估框架
对于 Anthropic 这类高增长、同时又存在较高不确定性的公司，报告强调，单纯罗列风险并不够，更有效的方法是建立一个概率框架，从发生概率、影响程度和可控性三个维度来评估。
高概率风险：TaaS 渠道占比上升对利润率的压缩。当前 AWS Bedrock、Azure Foundry 等渠道已贡献 Anthropic 15% 至 20% 的 ARR，且比例仍在提升。考虑到渠道分成通常在 20% 至 30% 区间，渠道扩张会对综合毛利率形成一定压力。不过这一风险相对可控，因为渠道同时也带来了更高的客户获取效率和规模化能力。
中概率风险：开源竞争加剧，带来 token 定价下行压力。如果 Google DeepMind、Meta SuperIntelligence 以及中国开源模型在编程和推理等关键场景快速追平 Claude，价格压力可能上升。技术领先能部分对冲这一风险，但若行业整体进入价格战阶段，头部模型的溢价空间也可能被压缩。
低概率但高影响风险：监管封锁。若美国对 frontier 模型发布或出口实施更严格限制，Anthropic 的商业化进度可能被显著打断。报告认为，这类风险更适合通过情景分析，而非精确概率预测来应对。
从风险管理角度看，Anthropic 的核心逻辑并不在于单一结果，而在于不同情景下收益与风险分布的平衡。需要注意的是，任何高增长科技公司的估值与经营判断，都存在较强的外部变量影响，市场需要保持审慎理解。
Anthropic 6 万亿美元估值逻辑怎么来的
SemiAnalysis 给出的基准估值是：按 2027 年末 3000 亿美元 ARR、20 倍 ARR 计算，企业价值约为 6 万亿美元。这一假设建立在 2027 年月均净新增 ARR 约 150 亿美元的基础上。
这个数字看起来非常激进，但报告认为，其背后假设未必属于最极端情形。Anthropic 当前月均 NNARR 已超过 100 亿美元，如果 Fable 模型发布、新客户放量以及网络安全等新垂直同步推进，将月均 NNARR 提升至 150 亿美元，在报告看来并非完全不可触及。
报告同时援引 SaaS 行业历史估值作为参照。Snowflake、Datadog、Cloudflare 在 2022 至 2023 年之前的高景气阶段，曾以 50 倍以上远期收入交易。而按报告口径，AI 实验室在增长速度、NDR 和利润率扩张轨迹上，相比传统 SaaS 具备更高弹性。
其核心判断在于，Anthropic 正在展现一种更接近优质软件公司的经济模型：
- 毛利率向 75% 区间靠拢，增量毛利率趋近 100%
- 训练与研发占总算力比例降至约 48%
- 其他运营开支控制在收入的 20% 左右
- 长期 EBIT/FCF 利润率有望达到 30% 至 40%
报告进一步提出，累计 EBTIT 优势本身也是护城河。按其测算，到 2028 年，Anthropic 相比 OpenAI 的累计 EBTIT 优势可能达到 2500 亿美元，而这些优势可继续转化为更多训练算力、更强模型和更大的能力差距。
其中还提到，自 2024 年第一季度以来，累计 80 亿美元训练投入已换来约 600 亿美元 ARR，这被视为一项较强的资本回报表现。若网络安全、生物科技、医疗健康、金融等更多垂直场景形成新增曲线，ARR 仍可能进一步提升。
在情景分析上，报告构建了四种估值区间：
- 基准情景：2027 年末 ARR 3000 亿美元，20 倍 ARR，对应 6 万亿美元。
- 乐观情景：2027 年末 ARR 4000 亿美元，25 倍 ARR，对应 10 万亿美元。
- 保守情景：2027 年末 ARR 2000 亿美元，15 倍 ARR，对应 3 万亿美元。
- 悲观情景：2027 年末 ARR 1500 亿美元，10 倍 ARR，对应 1.5 万亿美元。
决定这些情景差异的核心变量主要有三项：NNARR 增速、毛利率轨迹和竞争格局演变。其中，NNARR 增速被视为最关键因素，因为它直接决定 ARR 规模，而 ARR 又是估值模型中的重要基础变量。
Anthropic IPO 对 AI 产业意味着什么
在报告看来，Anthropic 的 IPO 不只是单一公司上市，更可能意味着 AI 产业融资结构开始从私募主导，逐步转向公开市场主导。
过去，AI 实验室主要依赖 VC 和战略投资者融资，例如 Microsoft、Google 等。但随着训练成本、算力采购成本和数据中心投入持续上升，私募市场可承接的资金体量正在逼近上限。全球 VC 行业一年的投资总额大致在 3000 亿至 4000 亿美元级别，而单个头部实验室未来的资本需求已可能达到数百亿美元甚至更高。
公开市场可以提供两种私募融资较难替代的工具：
- 大规模股权融资能力。上市公司可以在较短时间内完成数十亿美元级别的再融资。
- 长期债务融资能力。AI 基础设施建设具有明显的长期资产属性，更适合匹配长期债务，而不是完全依赖股权融资。
报告还提到，近期 Alphabet 完成 847.5 亿美元股权融资，Meta 也准备跟进，这些动作都与 AI 算力建设密切相关。未来 2 至 3 年，Anthropic、OpenAI、Google、Microsoft、Meta、Amazon 所构成的生态系统，可能每年都需要极大规模的融资来支撑算力扩张。
从这个角度看，当 Anthropic 以单季 10 亿美元净利润级别的表现进入公开市场，它打开的不仅是自身融资通道，也可能是整个 AI 产业从“科研试验”走向“工业资本密集扩张”的新阶段。
Dario Amodei 于 2021 年初离开 OpenAI 创办 Anthropic 时，ChatGPT 的爆发尚未到来，大模型商业化也几乎还未真正展开。数年之后，Anthropic 与 OpenAI 合计已站上约 1000 亿美元 ARR 量级，而在盈利能力维度上，市场已经看到更清晰的分化。
因此，Anthropic 的 IPO 更像是整个 AI 资本化进程中的一个关键节点。对于行业来说，这既意味着商业模式成熟度正在接受公开市场检验，也意味着未来围绕算力、模型、资金与估值体系的竞争，将进入新的阶段。需要说明的是，以上内容基于公开报告与估算口径整理，不构成任何投资建议，相关数据与判断仍可能受到行业竞争、预算变化及监管环境等因素影响，需理性看待其中的不确定性。
