作者 | 松壑

納斯達克互聯網泡沫巔峰時刻的2000年1月，被視為最大網絡服務商的美國在線以1640億美元的市值，反向收購了時代華納。

美國在線沒有多少利潤，但有不斷膨脹的用戶數和一輪接一輪涌入的資本。時代華納有現金流、有內容、有基礎設施，但在市場眼里，它是一家舊時代公司。

收購完成的2年后，合并實體卻錄得史上最大的987億美元虧損紀錄。美國在線的用戶增長神話碎裂，撥號上網被寬帶取代，賴以為生的訂閱收入和廣告收入同時塌縮。

26年后，一場結構高度相似的命運分岔正在加速遞歸的AI行業上演。

2026年4月7日，Anthropic宣布年化收入突破300億美元，超過OpenAI同期的250億美元。

這是這家公司成立以來第一次在收入維度反超對手。15個月前，它的年化收入還只有10億美元。

同一時間，OpenAI正在為一場可能在今年四季度進行的IPO做準備。它剛剛關閉了硅谷史上最大的1220億美元私募融資，估值達到8520億，但同時預計2026年虧損140億美元，現金流轉正的時間被推遲到了2030年。

一個造血能力在加速增強，一個在輸血需求卻在悄然上升。

兩條截然迥異的AI發展路線，或許從創始人離開彼此那一天就已經注定。

一

輸血or造血

OpenAI的擴張速度在商業史上很難找到參照物。

2024年底年化收入37億美元，2025年底翻到200億，2026年2月到達250億。山姆·奧特曼對投資者的承諾是2030年收入達到2800億美元。為了支撐這個敘事，OpenAI在過去一年簽下了包括微軟、亞馬遜、甲骨文等在內的超過5000億美元的云計算合約。

這些數字的另一面是Open AI在2025年上半年的研發支出就達67億美元，股權激勵近25億美元。2025全年現金消耗約85億美元。2026年，僅推理成本一項預計就將達到141億，比2025年增長68%。公司預計2026年全年虧損140億美元，2027年現金消耗將飆升至570億。

作為CFO的薩拉?弗萊爾（Sarah Friar）在公司內部坦承了這一現實，她與奧特曼在IPO時機上產生了分歧，弗萊爾認為公司應當先建立更穩固的財務基礎，而奧特曼將IPO視為籌集基礎設施資金的工具。

OpenAI背后還藏有一項潛在的財務義務，即每一美元收入中，20%要以分成形式支付給微軟，這一安排延續至2032年。2026和2027兩年，OpenAI預計將向微軟支付超過130億美元的收入分成。

今年3月，壽終正寢的Sora可能就是奧特曼執念于延長戰線的結果。

從預覽效果最早震動業界，到后來與迪士尼達成合作，Sora一度成為AI視頻領域最被看重的明星項目，但據《華爾街日報》調查，Sora的全球用戶在突破100萬后迅速回落至不到50萬。每天運營成本約100萬美元。每一個生成視頻的用戶都在消耗有限的GPU資源。

2025年12月2日，奧特曼向全公司發出CodeRed備忘錄，要求將資源從廣告、健康、購物等多條戰線回撤，全力改善ChatGPT。并在備忘錄中直言：

公司正處于ChatGPT的關鍵時刻。廣告計劃擱置，Agent開發延期，一個名為Pulse的個性化助手項目暫停。

3個多月后的2026年3月24日，OpenAI正式決定關閉Sora，而迪士尼都是在公告發出前不到一個小時才得知消息的。

與多面作戰的Open AI不同，Anthropic表現出了另一種增長邏輯。

2024年12月還是10億美元的年化收入，2025年中就已到達約47億，年底到達90億。2026年2月，達到了140億；3-4月分別達到190億和300億，對Open AI實現了反超。

15個月的30倍速度，在企業軟件歷史上幾乎沒有先例。

增長的核心驅動并非來自C端的用戶訂閱，而是企業API調用，其中80%收入來自商業客戶。截至2026年4月，超過1000家企業每年在Claude上的支出超過100萬美元，而財富10強中有8家是Claude的客戶。

作為核心產品的Claude Code，這個2025年5月才公開發布的編程工具目前年化收入已超過25億美元，自2026年初以來翻了一倍以上。它在AI編程的份額達到54%，遠超GitHub Copilot和Cursor。目前全球4%的公開GitHub提交由Claude Code完成，預計年底將達到20%以上。

這里存在著一個關鍵的效率差異：Anthropic每月活躍用戶的變現能力約為211美元，OpenAI約為25美元。前者是后者的8倍。用戶量小得多，單位變現效率高得多。

在企業大模型的API市場，Anthropic的份額從2023年的12%升至2025年中的32%，成為市場第一，而同期OpenAI從50%降至25%。

一項來自Ramp 經濟實驗室的調研顯示，在美國企業的AI支出中，Anthropic占Anthropic+OpenAI合計支出的比例，已從2025年初的約10%攀升至2026年2月的60-65%。

更重要的是成本端。OpenAI到2030年的年訓練成本預計達到1250億美元，Anthropic約為300億。同一場競賽，4倍的成本差距。Anthropic預計2027年實現自由現金流為正，OpenAI則將盈虧平衡推到了2029年甚至2030年。

二

技術人底色

兩條不同AI路徑背后，存在一個與AI企業創始人背景密切相關的根本性差異：達里奧?阿莫迪（Dario Amodei）他和幾乎所有其他AI公司的掌舵者都不一樣。

奧特曼是硅谷創投機構YC前總裁，一個職業投資人和公司運營者。DeepMind的哈薩比斯是神經科學家出身，但背后是Alphabet的組織機器，扎克伯格在哈佛宿舍里寫網站出身，AI只是Meta的一條業務線。

在看國內，字節梁汝波、阿里吳泳銘、百度李彥宏大多是互聯網企業家，AI對他們而言更多是重要的商業增長引擎。

阿莫迪是物理學家和計算神經科學家出身，普林斯頓的博士論文研究的是大規模神經電生理，即用電極記錄真實的神經回路如何集體運作。

博士畢業后，他在斯坦福醫學院做博士后，把機器學習應用于生物醫學數據，然后去了百度和Google Brain做研究，直到2016年加入OpenAI并成長為研究副總裁，直接領導了GPT-2和GPT-3的開發，同時也是RLHF的共同發明人和Scaling Laws（縮放定律）的核心實踐者。

這份履歷決定了它的純度。阿莫迪在正式創辦公司之前，做了近十五年的一線研究，這讓他更像是一個被迫學習商業的科學家。

這種背景決定了兩件事。

第一，他清楚地知道AI現在能做什么、不能做什么。

在一檔播客中，他這樣描述能力曲線：如果你把到目前為止的曲線做一個外推，去年我們在本科水平，前年在高中生水平，現在開始接近博士水平……這確實讓你覺得2026或2027可以到達AGI。但他緊接著說：仍然存在100年也達到不了的可能，只是概率在迅速降低。一個真正懂技術的人，會同時持有樂觀和不確定性。

第二，他知道AI現階段最先能在哪里創造真實價值。

2025年5月，在Anthropic首次開發者大會Code with Claude上，他被問及幻覺問題時說：這取決于你怎么衡量，但我懷疑AI模型產生幻覺的頻率可能比人類低，只是幻覺的方式更令人意外。

這句話看似大膽，實則包含一個精確的限定，他承認AI的置信度表達方式是個問題，也沒有回避模型的缺陷，但會把它放在一個可以被工程手段持續改進的框架里。

一個研究了十五年神經回路的人，對模型能力的邊界有一種肌肉記憶式的感知。他不會因為Demo效果炸裂就急著推向市場，也不會因為投資人期待就去鋪一條全模態的產品線。

這解釋了Anthropic為什么沒有去碰圖像生成、視頻生成、搜索引擎、社交App這些方向。

或許阿莫迪深知，在當前模型能力的真實邊界內，這些方向要么無法產生穩定的商業價值，要么會消耗大量算力卻無法轉化為付費收入。

他選擇把所有資源集中在文本、代碼和Agent上。

這些場景的共同特征是：AI的輸出可以被精確衡量，可以直接替換人工，客戶愿意為可計量的生產力提升買單。

2026年1月，阿莫迪在長文《技術的青春期》(The Adolescence of Technology)中強調：

AI帶來的威脅來自多個方向，減輕某些危險可能會使其他危險惡化——如果我們不能極其謹慎地穿過這根針眼的話。

他用了一個詞：

intimidating gauntlet——令人生畏的關卡

其列舉的風險正是技術本身失控的風險。

對邊界的自覺，和對AI當前能力的清醒判斷，共同塑造了Anthropic循序漸進、逐步釋放能力的工程化演進路徑。

三

OpenAI如何失焦

作為YC前總裁，奧特曼的核心能力不在技術，而是融資和敘事能力。

OpenAI的每一步都服務于同一個目標：在每一個可能的生態位上建立存在感，用規模敘事維持估值，用估值換取更多融資，用融資換取更大規模。

ChatGPT覆蓋消費者，API覆蓋開發者，Enterprise覆蓋企業，Sora覆蓋創意，Codex覆蓋編程，Operator覆蓋Agent，還有健康、購物、廣告，在CodeRed備忘錄之前，OpenAI同時在推進的產品線至少有七八條。

OpenAI的失焦不是2025年才開始的。它的根源可以追溯到微軟130億美元投資落地之后。

畢竟拿了錢，很多事就不由自己決定了。

這或許也是梁文鋒一開始拒絕DeepSeek快速商業化和不追求融資的深層邏輯。

即使股東不是短視之輩，也傾向于以DCF視角來審視投入回報。當GPT-4在2023年遙遙領先時，以閉源防御、以加速商業化進攻，成為OpenAI的默認策略。訂閱、API、Agent、打入iPhone供應鏈，大干快上。

代價首先體現在算力分配上。

2024年5月，OpenAI對齊團隊負責人Jan Leike辭職并加入Anthropic。彼時他坦言，過去幾年里，OpenAI安全文化和流程已經讓位于“閃亮產品”。他還透露團隊一直在為獲取算力而掙扎，但那些本該用于關鍵研究的計算資源越來越難爭取到。

幾乎同時，聯合創始人兼首席科學家伊利亞?蘇茨克弗（Ilya Sutskever）也宣布離職，他們更早前掀起的那場"政變，表面上是一場關于AI安全的路線之爭，但更深層矛盾可能在于：OpenAI的最高優先級到底應該是模型能力的持續推進，還是商業產品的快速變現。

之后的人才流失如同多米諾骨牌。

作為前CTO的MiraMurati離職創業并從OpenAI招走大量核心人才。研究主管安德烈?卡帕西（Andrej Karpathy）離開。多位關鍵研究員轉投Anthropic、Meta和其他競爭者。

從結果看，OpenAI模型版本迭代時的“驚艷度”也在快速的邊際下降，甚至去年末發布GPT-5.2時，它對訓練過程幾乎只字未提，只說找到了優化訓練各階段的方法。

過早的商業化，在相當程度上分散了通往更強模型的精力。這既包括了算力調度的分配，也帶來了人才凝聚力上的消耗。

許多頂尖研究者，并不是靠高薪就能留住的，這些人走掉，反而是因為公司方向與他們的探索預期分道揚鑣了。

到了奧特曼意識到不對勁的2025年末時，OpenAI在LMArena上已不是第一，企業API市場份額從50%跌至25%，模型能力的相對退步和商業化的過度擴張，幾乎是同一枚硬幣的兩面。

奧特曼曾在去年11月寫道：大型基礎設施項目需要時間來建設，這就是為什么我們需要現在開始。這是我們正在做的賭注，鑒于我們所處的有利位置，我們感覺不錯。

奧特曼的野心可以理解：規模會成為壁壘。只要足夠大，足夠早，競爭者就沒有空間。

關鍵問題在于，AI不是社交網絡、短視頻或者電商，不存在網絡效應驅動的贏家通吃邏輯。

每一次推理請求都有真實的GPU成本。用戶越多，虧損越大——除非能在每一個場景上都實現足夠高的付費轉化率。

OpenAI的9億周活躍用戶中，付費訂閱只有5000萬個。75%的收入依賴訂閱。消費側的單位經濟模型遠未跑通。企業側，份額正在被Anthropic蠶食。

2025年底，ChatGPT的網站流量在10月觸及60億次后連續兩個月下滑。Salesforce的CEO Marc Benioff在Gemini3發布后公開宣布棄用ChatGPT；一位前OpenAI研究員則對《財富》雜志表示：CodeRed本身就很說明問題。

四

深層競爭賬本

有一個被AI敘事長期忽略的反直覺事實：

大模型可能會殺死SaaS，但大模型不是SaaS。

傳統SaaS的邊際成本趨近于零。多一個用戶，多一點存儲和帶寬，成本可以忽略不計。軟件的毛利率往往可以達到70%-80%甚至更多。

模型的推理是實打實的算力消耗。

OpenAI的毛利率約為33%。相當于每收入1美元，有67美分花在了GPU上。Anthropic的毛利率約為40%，推理成本比內部預期超出了23%。

在找到高頻、剛需、高付費意愿的應用場景之前，用戶增長本身就是一個財務黑洞。

規模有可能成為護城河，但同時也會讓支出同步攀升。

OpenAI的2025年推理支出已達約84億美元，預計2026年將增至141億。它的收入在增長，但成本的增長更快。

Anthropic選擇了一條更窄但更落地的路徑。

它沒有試圖讓AI成為一個無所不能的萬能入口，而是把AI明確為一個高效工作工具。

Claude Code替換的是企業預算中的具體項目，產品團隊也反復強調這一點：

企業客戶每年花100萬美元以上，是因為Claude替代了原來在付費的東西。

Agent路線的核心邏輯是：不賣通用智能，賣自動化勞動。

它讓AI完成可計量、可定價、可重復的任務。每一次Agent執行一個工作流，都是一次有明確ROI的交易。

這就解釋了為什么Anthropic能在遠小于OpenAI的用戶規模上，實現更高的收入。它的客戶不是在為"聊天"付費，而是在為"生產力替代"付費，兩件事的單價差是迥然相異的。

五

刷榜這件小事

這背后可能還隱藏著兩大AI巨頭對商業目標的定義分歧。

很長時間以來，AI行業存在一種對刷榜的癡迷，最典型的莫過于行業公認的LMArena平臺，它接受用戶盲測兩個模型結果然后投票，排名結論會被各家AI公司的敘事中被反復引用。

2025年4月，斯坦福、MIT等機構的一項聯合研究發現，Meta、OpenAI、Google、Amazon等公司被允許私下測試多個模型變體，然后只公布得分最高的版本。

Meta在Llama4發布前私下測試了27個變體。Google在2025年初測試了10個Gemini和Gemma的變體。通過選擇性提交，單個模型的得分可以被虛增多達100分。

離開Open AI的卡帕西就曾坦言，LMArena吸引了“不成比例的巨大關注度”，各實驗室都在對它過擬合。AI評測公司Surge AI的措辭更激烈，分析了500條LMArena投票后得出結論：在這個系統里，“自信擊敗了準確，格式擊敗了事實”。

Meta的Llama4事件或許是最典型案例。2025年4月，Llama4Maverick以1417的ELO分登上排行榜第二。但社區很快發現，提交給LMArena的是一個專門為對話風格優化的實驗版本，回答冗長且充滿emoji——這種風格恰好能討好隨機投票者。公開發布的版本在評測中直接跌到了第32-35名。

刷上限許多時候能夠成為能力邊際的突圍，但有些時候只是一種證明自己的行為，是一種贏學。

它既能夠讓市場中習慣了預期敘事的擊鼓傳花游戲玩下去，也符合某些大企業的官僚主義和向上匯報文化。

它的受眾并非客戶，有時只是為了解決投資人焦慮和大企業內部的KPI，在LMArena上排名更高，融資路演的PPT上就多一份素材。

事實上，在國內科技公司的AI競賽中，一些公司也癡迷于用基準測試或刷榜來證明自己領先，但模型的實際效果與使用率如何，不同用戶心中反而有一桿不同于比武結果的秤。

這終究是一條執著于獲得融資性現金流乃至市值管理的路徑。

與此不同的是，Anthropic的產品邏輯卻并不執念于刷榜來自我證明，也不圍繞對話討好度進行工程改造，它集中資源在SWE-benchVerified（衡量模型解決真實GitHub代碼問題的能力）、Terminal-Bench（終端環境下的編程任務）、OSWorld（真實計算機操作任務）這類任務評價上。

它們的共同點是，測的不是模型能不能說漂亮話，而是能不能把活干完，這是兩件截然不同的事。

Anthropic在發布Opus4.6時，曾精確描述了自己的實現細節：

我們用Claude構建Claude，我們的工程師每天用Claude Code寫代碼，每個新模型首先在我們自己的工作上測試。

當Replit的CEO說Sonnet4.5把代碼編輯的錯誤率從9%降到了0%，當Cognition的CEO說它讓Devin的端到端評測分提高了12%，這些就不再是排行榜上的數字，而是客戶續約的理由。

許多時候，口碑和完成度的意義遠遠勝于跑分，因為跑分更多服務于估值敘事，而口碑才能提高客戶留存。

六

等待中的校驗

刷上限換來的融資性現金流，把活干完才能換來經營性現金流。

這兩種思路的差異，在15個月內制造了從落后到反超的結果。

單就估值而言，目前OpenAI仍然保持著AI領域的領先估值，其以8520億美元估值對應250億年化收入，市銷率約34倍。Anthropic以3800億美元估值對應300億年化收入，市銷率約13倍。

市場看的固然不是OpenAI的未來現金流，而是在為一個”最大AI用戶規模“的敘事買單，但隨著未來1-2年這些AI巨頭的陸續IPO，這個敘事遲早要接受公開市場的驗證。

2026年下半年，OpenAI和Anthropic可能前后腳完成IPO。Anthropic計劃最早10月上市，目標融資600億美元以上，OpenAI的時間表也在四季度或2027年初。

現在讓我們再回到文章開頭的美國在線的巔峰期故事。

2000年，美國在線能用資本敘事吃掉了時代華納，但故事始終有一個致命弱點：

需要不斷被續約。

一旦增長停滯，一旦新的融資輪無法覆蓋舊的虧損，故事就會迅速崩塌。

時代華納的現金流在合并后依然在產生，美國在線的用戶數在兩年內歸零。

狂熱的早期，融資性現金流可以買來時間和聲量，可泡沫褪去之后，唯有經營性現金流能讓一家公司活著走出去。

阿莫迪和奧特曼在2021年分道揚鑣時，幾乎沒有人認為Anthropic能活下來。五年后，它的年化收入超過了OpenAI，訓練成本是對方的四分之一。它沒有9億用戶，沒有1.4萬億美元的基礎設施承諾，沒有迪士尼的合作，甚至失去了五角大樓的合同。

它只有一項令其他對手望塵莫及的長板：

更高效的自我造血。

*本文為全天候科技原創作品，未經授權不得轉載，如需轉載，請在后臺回復“轉載”二字，獲取轉載格式要求。

點“在看”，變好看哦。