AI收入全球第一,这家公司把OpenAI都干翻了?

marsbit发布于2026-04-08更新于2026-04-08

文章摘要

美国大模型公司Anthropic年化收入达300亿美元,超越OpenAI的250亿美元,成为全球收入最高的独立大模型公司。其成功源于聚焦企业级市场,而非消费级应用。Anthropic将资源投入API稳定性、上下文窗口扩展和Claude模型,定位为提升企业生产力的引擎。约80%收入来自企业客户,采用按Token消耗的分层定价策略,使用越深收入越高。 其中,编程辅助(Coding)是增长最快、收入占比最高的品类。Claude Code年化收入从2025年4月的1700万美元飙升至2026年2月的25亿美元,占公司总收入18%以上。相比之下,OpenAI收入仍以ChatGPT订阅为主,代码相关收入微乎其微,企业编码市场份额仅21%,远低于Anthropic的54%。 国内厂商如字节跳动和智谱AI也积极布局企业级赛道。字节通过火山引擎、飞书和Coding工具Trae构建企业AI生态;智谱AI则依靠本地化部署和API调用实现收入快速增长。企业级AI市场的竞争核心已从模型能力转向高频工作流和可量化的生产力提升。

过去三年多,OpenAI几乎定义了大众对大模型的第一印象:4亿级周活、8520亿美元估值、以及AI全民入口ChatGPT。

在公众认知里,它本应该是商业化最先跑通的那家公司。

然而,市场数据却带来了不可能的反转:

4月7日,美国大模型公司Anthropic对外公布,公司年化收入(ARR)已达到300亿美元。

此金额一举超过OpenAI的250亿美元(截至2026年2月底),Anthropic成为全球收入最高的独立大模型公司。

为什么一家没有ChatGPT入口,也没有OpenAI平台体量的公司,能够在收入上跑得比OpenAI还快?

Anthropic押对了什么?

要理解Anthropic的超越,必须先看懂它与OpenAI的根本分歧。

2022年左右,ChatGPT爆火后,全行业都在复制聊天机器人,但Anthropic却将资源投向了看似枯燥的基础设施——API稳定性、上下文窗口扩展、以及名为Claude的模型。

Anthropic的定位从第一天就不是更好的聊天工具,而是嵌入提升企业生产力的引擎。

这种定位的克制在2023年至2024年显得保守甚至落后。

当时ChatGPT的日活数字是Anthropic的数十倍,OpenAI的估值一骑绝尘。

但当2025年企业级AI支出真正爆发时,Anthropic的提前布局开始兑现。

它的客户名单里出现了Thomson Reuters等专业信息服务商、硅谷的科技独角兽们,还有大量金融、法律、医疗行业的头部机构,这些客户在为生产力的提升买单。

财务数据显示,Anthropic约80%的收入来自企业级客户,而且这些客户很多按消耗量计费。只要某个企业场景开始高频使用,收入就会被迅速推高。

相比之下,OpenAI的收入结构更为多元,目前仍以ChatGPT订阅收入为主,API与授权业务约占15%-20%。

当OpenAI把资源倾向ChatGPT的语音对话、图像生成等消费者功能,Anthropic仍在继续发力企业级能力。

2025年Anthropic推出的Claude Code被开发者群体奉为代码神器,成为企业工程团队的生产力支柱。

不仅如此,两者定价策略的差异同样耐人寻味。

OpenAI的ChatGPT Plus,无论用户使用1次还是1000次,收入封顶20美元。

Anthropic则采用分层定价,从20美元到200美元不等,按Token消耗付费,使用越深、收入越高。

这背后是企业客户对生产力工具的价值认可,远超过个人消费者对聊天娱乐的付费意愿。

一位硅谷风投的观察切中要害:

OpenAI在造一座面向消费者的迪士尼,而Anthropic在修一条通往企业核心系统的收费公路。前者需要持续的创新和营销投入,后者一旦建成,维护成本极低而通行费可以年年涨价。

拉开差距的coding

Anthropic凭借企业级战略实现了对OpenAI的超越,但一个问题随之浮现:

在其庞大的企业级收入版图中,究竟是什么撑起了300亿美元的体量?

答案指向一个看似垂直、实则杀伤力极强的赛道:Coding(编程辅助)

在Anthropic的企业级业务中,Coding并非唯一的收入来源。

文档分析、客服自动化、法律审查等场景都在贡献收入,但coding无疑是确定性最强、增长最快、且最能体现企业投入意愿的品类。

这种确定性在Claude Code的商业表现中得到了极致验证。

2025年4月,这款面向开发者的AI编程助手年化收入仅为1700万美元;

到了11月,这一数字飙升至10亿美元,创下企业软件史上最快增长纪录。

2026年2月,Claude Code的ARR已突破25亿美元,占Anthropic总收入的18%以上。

更关键的是其收入结构的健康度,企业订阅占比超过一半,且自年初以来增长了四倍。

这意味着,Claude Code不仅贡献了大量收入,更成为Anthropic渗透企业级业务的超级品类。

相比之下,OpenAI在Coding领域的反应显得迟缓而被动。

在OpenAI收入结构中,Coding相关收入在很长一段时间内几乎为零。

数据显示,直到2026年初,OpenAI在代码专项产品上的商业化贡献仍微乎其微。

当OpenAI意识到Coding赛道的战略价值,转而内部开发Codex,并终于在2026年2月以macOS应用形式推出时,市场格局已定。

在企业编码市场份额上,据Menlo Ventures估算,OpenAI仅占21%,远低于Anthropic的54%。

尽管OpenAI模型能力始终强大,但在to B市场,技术领先只是入场券。

找到像Coding这样强确认的场景,以及将技术封装成企业愿意持续付费的生产力基础设施,才是真正的护城河。

而在中国,这场关于企业级的AI战争,正以另一种形态展开。

国内厂商抢占企业级赛道

Anthropic用企业级工作流把收入做大,OpenAI被迫回头补课,这个信号国内厂商当然也看到了。

无论是头部大厂还是创业公司,都各自以不同的切入方式,争夺这块最先商业化的战场。

比如大厂中比较典型的字节,目前正在把底层的云和模型,以及上层的办公、coding等应用,都接到同一个企业级AI底座上。

据IDC数据,2025年上半年,火山引擎的MaaS市场份额达49.2%,排名第一。

豆包大模型调用量更是全球领先,截至2026年4月,累计token使用超过1万亿的企业客户数量已从去年底的100家增至140家。

这表明字节正在把模型调用,做成企业客户持续消耗的基础设施业务。

飞书也已经不再只是一个协作工具,而是把AI直接打包成企业套餐。

飞书官方2026年4月的文档显示,企业可直接购买AI Basic、AI Business、AI Business Plus、AI Enterprise等多层级AI方案。

而Trae作为字节的coding入口,在2025年12月推出企业版,把开发者工作流也纳入这张企业网络里。

再看创业系大模型公司,智谱的企业级路线更为明显。

财报显示,智谱2025年全年营收7.24亿元,其中本地化部署收入占比73.7%,同比增长超100%。同时,API平台ARR过去12个月增长60倍。

这表明智谱的营收,不是单纯来自模型热度,而是来自两类最典型的企业级付费:一类是本地化部署,一类是云API调用。

2026年一季度,API提价83%后,Token调用量仍增长了400%。这种敢于涨价且用户不流失的定价权,在国内厂商中独一无二。

智谱正在证明,即便没有大厂那样完整的生态,也可以先靠企业级部署和调用把收入跑起来。

事实上,Anthropic的超越与国内厂商的集体转向,都指向了一个共同的结论:

在企业级AI市场,模型能力最强已经不再是第一优先级,高频工作流、可量化的生产力提升,才是企业选择AI产品的首要因素。

AI下半场,真正的较量才刚开始。

本文来自微信公众号“世界模型工场”,作者:世界模型工场

相关问答

Q哪家公司目前是全球收入最高的独立大模型公司?

AAnthropic

QAnthropic的年化收入(ARR)达到了多少?

A300亿美元

QAnthropic与OpenAI在商业模式上的根本分歧是什么?

AAnthropic的定位是嵌入提升企业生产力的引擎,而OpenAI更侧重于面向消费者的聊天工具。Anthropic约80%的收入来自企业级客户,而OpenAI目前仍以ChatGPT订阅收入为主。

Q在Anthropic的企业级业务中,哪个赛道是增长最快、贡献最大的?

ACoding(编程辅助)

Q根据文章,国内厂商中哪家公司的MaaS市场份额在2025年上半年排名第一?

A火山引擎

你可能也喜欢

BTC“数字黄金”的叙事是不是失败了?

这篇文章从三个核心问题探讨了比特币的现状与未来,强调提供的是思考框架而非投资建议。 **如何看待比特币资产?** 作者认为比特币是一种全新的、更优秀的“黄金”资产。其优势在于总量恒定、转移便捷、交易可审计。尽管早期与灰色地带关联,但合规化是趋势。目前全球数字货币渗透率仅3%-4%,类比互联网和电商的早期阶段,意味着比特币仍处于发展初期,潜力巨大但波动性也极高。 **如何理解本轮下跌?** 比特币自2025年10月高点(近12.6万美元)持续下跌,2026年2月一度跌破6.1万美元,单日跌幅达15%,随后又快速反弹。这被解读为遵循四年减半周期的共识性获利了结。特别之处在于,美国比特币ETF的批准引入了机构资金,也促使早期低成本持有者(如矿工和信仰者)进行大规模“换手”,这是资产迈向主流化的必经过程。历史数据显示,比特币历次大跌的幅度在收窄(从93%到当前的约50%),表明资产正在成熟,波动率逐步下降,但高波动仍是其获取超额回报的固有特征。 **长期如何看待发展?** 长期价值可对标黄金。当前比特币市值仅为黄金市值的约7%,若“数字黄金”叙事实现一半,上行空间依然显著。但作者提醒,短期市场脆弱,换手可能未完,底部无法预测。真正的风险并非资产归零(概率较低),而在于错误的仓位管理(如All-in或加杠杆)以及对资产缺乏深刻理解。投资者必须计算并承受潜在的最大回撤(例如从已跌50%的位置再跌50%),才能存活至长期价值兑现。 文章最后以亚马逊在互联网泡沫后暴涨为例,指出关键不在于比特币未来是否上涨,而在于投资者能否通过理性的仓位管理和深度认知,扛过剧烈波动存活到那一天。文末提问引导读者反思:当前黄金涨、比特币跌的局面,究竟意味着“数字黄金”叙事失败,还是资产进化过程中的换手阵痛?这取决于每个人对比特币最底层的信仰。

marsbit9小时前

BTC“数字黄金”的叙事是不是失败了?

marsbit9小时前

BTC“数字黄金”的叙事是不是失败了?

标题:BTC“数字黄金”的叙事是不是失败了? 作者:@wuk_Bitcoin 本文从三个核心问题出发,探讨比特币的现状与未来。 **如何看待比特币?** 作者认为比特币是一种全新的、更优秀的“黄金”类资产。其优势在于:总量恒定(2100万枚);资产可转移性极强,在全球不确定性时代具备溢价;所有交易链上可审计,透明度高。反驳了比特币主要用于灰色地带的过时观点,指出其正走向合规。目前全球数字货币渗透率仅约3%-4%,类比互联网和电商早期,意味着该资产类别仍处早期,潜力与巨大波动并存。 **如何理解本轮下跌?** 比特币自2025年10月高点(近12.6万美元)持续下跌,2026年2月初曾单日暴跌15%,跌破6.1万美元。这被视为遵循其四年减半周期的规律性回调,是长期持有者在周期高点锁定利润的结果。本轮下跌的特殊性在于:美国比特币ETF的批准引入了大量机构新资金,但也促使成本极低的早期持有者(矿工、OG)进行历史性抛售,即从“早期信仰者”向“长期配置机构”的换手过程。历史数据显示,比特币历次大回撤的跌幅在逐步收窄(从93%到目前的约50%),表明资产在成熟,波动率在下降,但高波动仍是获取超额回报的代价。 **长期怎么看?** 若将比特币视为“数字黄金”,其当前总市值(约1.4万亿美元)仅为黄金总市值(约20万亿美元)的7%。即使该叙事仅部分实现,上行空间依然可观。但作者强调短期风险:换手可能未结束,市场脆弱,不排除进一步下跌。真正的风险不在于资产归零(概率极低),而在于错误的仓位管理(如All-in、加杠杆)和对资产缺乏深度理解,这可能导致投资者无法承受巨大波动而提前被迫出局。 **最后对比** 作者以亚马逊在互联网泡沫破裂后股价跌95%又最终上涨42倍为例,指出关键在于“活着等到那一天”。对于比特币,核心同样是能否通过理性仓位管理活到其价值兑现之时。文末提问:当黄金大涨而比特币大跌,这究竟是“数字黄金”叙事的失败,还是资产进化过程中的阵痛?答案取决于每个人对比特币最底层的信仰。

链捕手9小时前

BTC“数字黄金”的叙事是不是失败了?

链捕手9小时前

从代码到认知:机器人大脑进化的万字指南

本文概述了机器人大脑从传统代码控制到现代人工智能模型驱动的演进历程。文章首先回顾了前大型语言模型(LLM)时代,机器人依赖手工编码的模块化技术栈(感知、状态估计、规划、控制)和行为树,虽稳定但泛化能力差。随后,深度学习改进了感知,强化学习和模仿学习进入了控制层,但策略仍较为狭窄。 ChatGPT的出现带来了转折。LLM最初被用作自然语言编译器,将指令转化为机器人可执行的原子技能序列(如谷歌的SayCan)。但更重要的突破是视觉-语言-动作模型(VLA),例如谷歌的RT-2和开源的OpenVLA,它能将视觉、语言信息融合,直接输出动作指令,实现了推理与行动的耦合。 目前最先进的系统采用“双脑”架构(如Figure AI的Helix、NVIDIA GR00T):一个慢速、参数多的“系统2”负责高层次推理和规划;一个快速、小巧的“系统1”负责高频动作生成。其下还可能有一个“系统0”反射层处理平衡等底层控制。出于延迟和可靠性考虑,安全关键的控制回路通常在机器人本地(如NVIDIA Jetson模块)运行,而对话界面和集群学习等任务可交由云端。 开源模型(如OpenVLA、GR00T、π0)降低了行业门槛,让初创公司能在其基础上用自有数据微调。然而,当前VLA机器人仍存在任务中途恢复能力弱、样本效率低、缺乏物理常识和长期规划能力等局限。 这催生了下一代方向:世界模型。这类模型(如NVIDIA Cosmos、Meta V-JEPA)能根据当前状态和动作预测未来结果,让机器人在行动前进行模拟和评估,从而改善恢复能力、泛化能力和长期规划。架构上主要分为像素级视频扩散、联合嵌入预测架构(JEPA)和潜在动作世界模型等流派。 文章最后指出,数据采集(特别是远程操作数据)是核心竞争力,仿真训练至关重要,机器人成本正在迅速下降。当前物理AI的发展阶段大约相当于“GPT-2时代”,虽未完全自主,但正通过架构的持续演进(从代码到感知、规划、策略,最终到世界模型),朝着更通用、更强大的方向稳步前进。

marsbit10小时前

从代码到认知:机器人大脑进化的万字指南

marsbit10小时前

交易

现货
合约

热门文章

加密市场宏观研报:原油飓风、AI巨浪与比特币的十字路口

全球金融市场正经历一场由地缘冲突引发的系统性重估:霍尔木兹海峡封锁导致原油一度暴涨30%,G7紧急释放储备后涨幅收窄,滞胀风险取代通胀成为核心担忧,美元成为“唯一避风港”并逼近100大关,亚太及美股遭遇“黑色星期一”全线重挫;AI领域则冰火两重天,国家发改委提出“十五五”末10万亿规模目标,OpenClaw项目火爆推动概念股狂飙;比特币在宏观风暴中跌破70000美元关键防线。

549人学过发布于 2026.03.12更新于 2026.03.12

加密市场宏观研报:原油飓风、AI巨浪与比特币的十字路口

相关讨论

欢迎来到HTX社区。在这里,您可以了解最新的平台发展动态并获得专业的市场意见。以下是用户对AI(AI)币价的意见。

活动图片