三季度盈利超10億美元,Anthropic為何率先扭虧?

重點摘要
Anthropic在2026年第三季實現超過10億美元盈利,率先跨過盈虧平衡線,主因是專注B端API業務,企業客戶佔比高且黏性強。相較於OpenAI仍依賴訂閱與免費用戶導致虧損,Anthropic透過推理效率提升與TaaS模式,毛利率從-94%大幅成長至60%。
人工智慧公司 Anthropic 在 2026 年第三季度傳出捷報,當季營業利潤有望突破 10 億美元,率先在大型語言模型賽道上實現盈利。相較之下,過去長期佔據話題中心的 OpenAI 至今仍在虧損中掙扎,兩者財務狀況出現明顯分野,而背後關鍵在於截然不同的商業模式。 根據分析機構 SemiAnalysis 旗下 Tokenomics 團隊拆解的財務模型,Anthropic 在 2026 年第一季度的年化經常性收入(ARR)已從 2025 年底的 90 億美元一舉衝上 300 億美元,季內增幅分別為 30 億、70 億與 110 億美元,成長曲線極為陡峭。同一時期,OpenAI 不僅市場份額遭到蠶食,其 IPO 計畫也被迫推遲至 2027 年。兩家公司雖處於同一賽道,財務表現卻走向兩極。 驅動 Anthropic 爆發式增長的核心產品是 Claude Code。這款程式碼工具在 2026 年第一季展現驚人動能,目前已佔 GitHub 每日程式碼提交量的 7% 以上,成為公司最重要的成長引擎。更重要的是,Anthropic 的收入結構與 OpenAI 有本質差異:其 ARR 中有高達 75% 至 85% 來自基於使用量計費的 API 業務,訂閱收入僅佔約 15%;反觀 OpenAI 在 2026 年第一季仍有超過 65% 的收入來自訂閱服務。進一步細分,Anthropic 個人用戶訂閱收入佔比僅 5%,而 OpenAI 在同年第二季末該比例約為 40%。 這意味著 Anthropic 骨子裡是一家面向企業的 API 平台,而非大眾訂閱產品公司。企業客戶的付費能力與忠誠度遠高於一般消費者,一旦模型能力嵌入開發者的工作流程,就會形成極高的轉換成本與持續使用意願。Anthropic 財務長 Krishna Rao 曾在 5 月初的播客中提到,公司的淨美元留存率高達 500%,代表老客戶的支出持續大幅增長。自去年第一季至今年第一季,Anthropic 的 ARR 從 20 億美元躍升至 300 億美元,其中 120 億美元來自既有客戶復購,180 億美元來自新客戶。 除了專注 B 端市場,Anthropic 也成功卡位「代幣即服務」(TaaS)模式。大型企業往往不願直接向單一實驗室採購模型,而是偏好透過 AWS Bedrock、Azure Foundry 等成熟雲平台靈活調用各家模型。Anthropic 迅速與 AWS 等超大規模雲端運算平台深度合作,目前經由間接渠道提供的服務已佔其 ARR 的 15% 至 20%,而一個季度前該比例僅為 5% 至 10%。即便需向雲巨頭支付約 20% 的收入分成,Anthropic 仍認為這筆交易極為划算——相較於自建龐大銷售團隊去開拓大企業客戶,透過雲端渠道不僅獲客成本更低,也能更快滲入全球 2000 強企業的核心業務。據估計,TaaS 市場年收入已達 280 億美元,三大主流雲服務商掌握 85% 的市場份額,Anthropic 藉此接入了全球最大的資本與客戶管道。 商業模式差異最終反映在盈利能力上。Anthropic 完全採用高利潤、按使用量計費的模型,而 OpenAI 仍需服務大量消耗算力的免費用戶與訂閱用戶。儘管 OpenAI 正逐步靠攏 B2B 業務,但消費級用戶的龐大基數仍是沉重包袱。SemiAnalysis 預測,Anthropic 在 2026 年第三季將實現 10 億美元營業利潤,利潤率約 6%;同期 OpenAI 的營業利潤率仍在 -100% 附近掙扎。 Anthropic 能率先轉虧為盈,關鍵在於毛利率的大幅提升。2024 年,其毛利率因推理成本高昂而低至 -94%;但到了 2026 年,毛利率已彈升至約 60%。提升來源並非漲價——事實上,自 2024 年以來混合 token 的價格持續下滑——而是推理效率的飛躍。9 個月前,Anthropic 每兆瓦算力可產生 1600 萬美元 ARR,預計今年稍晚將達到 6000 萬美元,成長超過 3 倍。反觀 OpenAI 目前服務超過 9 億免費用戶,每人每月成本約 0.70 美元,直接導致毛利率損失 20 至 30 個百分點。若兩家公司同時將 ARR 做到 1000 億美元,OpenAI 的毛利將比 Anthropic 少 250 億美元。 這 250 億美元的差距,足以決定誰能在下一輪模型競賽中佔得先機。多出來的毛利潤可用於投入最新模型的訓練計算與研發,形成良性循環——Anthropic 能以遠高於 OpenAI 的速率將利潤再投資於下一代模型的訓練中。SemiAnalysis 預估,到 2030 年底,OpenAI 與 Anthropic 兩家的計算需求總量將超過 100 吉瓦,而目前兩方可使用的計算能力僅約 6 吉瓦。換言之,無論是誰,未來仍需將大量資金投入算力。Anthropic 目前超過 60% 的計算資源用於模型訓練與內部業務,並預計至少將 25% 的收入投入訓練算力採購。透過專注的 B2B 模式、按用量計費機制與高效的算力轉化率,Anthropic 正在建立一個可持續獲利且具備強大再投資能力的商業模式。
Related
相關文章

字節發佈多模態圖像創作模型 Seedream 5.0 Pro:複雜信息可視化、交互式精準編輯
首頁 > 智能時代>人工智能 字節發佈多模態圖像創作模型 Seedream 5.0 Pro:複雜信息可視化、交互式精準編輯 2026/7/8 21:33:51 來源:IT之家 作者:沁滄(實習) 責編:沁滄 評論: IT之家 7 月 8 日消息,字節跳動今日宣佈,正式發佈多模態圖像創作模型 Seedream 5.0 Pro。據介紹,相比之前版本,Seedream 5.

3位工程師靠「刪AI代碼」創業,一週收費1萬美元:10萬行刪到3.5萬行,網友:“會Vibe Coding的,誰還花錢找你們?”
三個擁有多年軟體工程經驗的開發者,最近創立了一家名為 Slopfix 的新創公司,他們的商業模式相當奇特:專門協助企業刪除由 AI 生成的程式碼,而且每週收費一萬美元。這個點子迅速在開發者社群引發兩極討論,有人認為這是 AI 時代下的全新剛需,也有人質疑「懂得 Vibe Coding 的人,何必花錢請人收拾殘局?

不到半年,MiniMax與智譜身價差6000億港元了
國產大模型雙雄智譜與MiniMax上市半年後市值差距拉開至超過6000億港元,智譜股價持續大漲,MiniMax則從高點大幅回撤。市場更看好智譜聚焦企業級Coding工作流的商業模式,而MiniMax的消費娛樂敘事面臨定價權與解禁壓力,後者高達45%的股份即將解禁,可能重演商湯老路。

Cloudflare 與 OpenAI 啟動試點項目,利用全球網絡洞察數據提升 AI 搜索效率
Cloudflare 與 OpenAI 啟動研究試點,將利用 Cloudflare 全球網絡的網站洞察數據,協助 AI 搜索引擎更高效地發現與索引內容。該計劃結合 Cloudflare 的網絡信號與 OpenAI 的模型及查詢數據,旨在提升 AI 回答的準確性與時效性。

WAIC前瞻:Agent接管終端、機器人進廠,AI敘事邏輯劇變
2026年世界人工智能大會(WAIC)將於7月17日開幕,主題從去年的參數競賽轉向AI技術落地,重點展示智能體(Agent)手機、Agent操作系統等軟硬體產品。此外,人形機器人、具身智能也將百花齊放,智元等廠商展示機器人已進入工廠實際作業,AI正從虛擬概念改造物理世界。

Linus:別指望Rust能修復所有Bug、沒人能徹底搞懂Linux內核的3500萬行代碼
賬號設置我的關注我的收藏申請的報道退出登錄登錄搜索36氪Auto數字時氪未來消費智能湧現未來城市啟動Power on36氪出海36氪研究院潮生TIDE36氪企服點評36氪財經職場bonus36碳後浪研究所暗湧Waves硬氪氪睿研究院媒體品牌企業號企服點評36Kr研究院36Kr創新諮詢企業服務核心服務城市之窗政府服務創投發佈LP源計劃VClubVClub投資機構庫投資機構職位推介投資人認證投資人服務尋求報道36氪Pro創投氪堂企業入駐創業者服務創投平臺AI測評網 首頁快訊資訊推薦財經AI自助報道安徽最新創投汽車科技專精特新直播視頻專題活動搜索尋求報道我要入駐城市合作Linus:別指望Rust能修復所有Bug、沒人能徹底搞懂Linux內核的3500萬行代碼CSDN·2026年07月08日 19:36486時代該結束了 “我完全不反對 Rust,但我也希望降低大家對它的期待,不要認為 Rust 能夠像魔法一樣修復所有 Bug。” 近日,Linux、Git 之父 Linus Torvalds 現身印度孟買,在與 Verizon 開源項目辦公室負責人 Dirk Hohndel 展開最新一輪圍爐式深度對話時如是說道。這場對話伴隨 Linux 7.1 新版本發佈,此次他同樣摒棄了正式演講、以自由問答形式拆解開源內核數十年運轉邏輯。 在 3500 萬行龐大內核代碼的維護壓力下,Linus 再次強調自己早已不再是一線寫核心代碼的程序員,日常工作核心是把控“大局”,關注 Linux 的整體架構。 同時他進一步解釋了 Linux 最新版本中眾人關注的熱點話題:淘汰 486S 處理器、內核中兩套 NTFS 實現的並行競爭、Rust 語言定位邊界,也直面道出 AI 給內核社區帶來的雙面衝擊 ——LLM 能挖出埋藏多年的隱蔽 Bug,卻只會產出缺乏全局思考的 “創可貼式補丁”,至今仍缺失成熟工程思維。