SemiAnalysis 萬字長文：Anthropic 毛利已接近 SaaS 公司，估值 6 兆美元將超越英偉達

作者：Z Finance

Anthropic 正向全世界證明，AI 實驗室不是只能燒錢的科研象牙塔。 它可以是一家高毛利、高留存、高擴張速度的商業機器。

2026年7月，Anthropic 悄悄向 SEC 遞交了 IPO 申請。 三個月後，一份由 SemiAnalysis Tokenomics Model 拆解的財務畫像浮出水面：第三季 GAAP 口徑營業利潤（EBIT）突破10 億美元，營業利潤率6%；年化經常性收入（ARR）從 2025 年底的90 億美元飆升至如今的600 億美元以上。

同一時期，它的老對手 OpenAI 仍在虧損，第二季 EBIT 利潤率約為-100%。

這是 AI 產業化以來，第一次有一家頭部實驗室用乾乾淨淨的盈利數字告訴市場：大模型的商業模式跑通了。

Anthropic 不缺錢。 自成立以來累計融資超過1,000 億美元，非 GAAP 口徑已實現獲利，毛利率穩健。 在 Stripe、Databricks 等超級獨角獸紛紛選擇留在二級市場的今天，Anthropic 為什麼要急著重啟 IPO？

答案藏在算力帳本裡。

SemiAnalysis 預測，到 2030 年底，OpenAI 和 Anthropic 的合計算力需求將超過100GW。 這意味著未來五年需要淨新增約 90GW 的算力供給，而 2025 年全年僅新增了 2.5GW，2026 年預計新增 5GW。 兩家公司目前可用的總算力剛過 6GW。

2026 年第一季的算力短缺已經讓使用者感同身受：限流、宕機、服務降級。 Anthropic 的 CFO Krishna Rao 在 5 月初的 Invest Like the Best 播客中坦言，當時的需求遠遠超過了可用供給。

上市有三層策略意義：

第一，開啟股權和債務融資通道。 訓練下一代模型、租賃更多算力、簽下新的資料中心租約——這些都需要以」十億美元」為單位計價的資本投入。 公開市場意味著更快、更便宜的融資能力。

第二，用經審計的公開財報打消企業大單顧慮。 當一家 Fortune 500 公司考慮簽訂每年數億美元的 API 合約時，它需要一個能看清財務狀況的供應商。

第三，打贏人才戰爭。 在 AI 研究員的薪酬已經媲美職業運動明星的時代，能讓員工隨時變現的股權，是留住頂尖人才最硬的通貨。

Anthropic 急著上市還有一個更深層的原因。 這是一場與 OpenAI 的博弈，先上市者將獲得不對稱的優勢。

資本市場的遊戲規則是這樣的：第一個登陸公開市場的高成長公司，會自動成為投資者心智中的」估值錨點」。 它的營收成長速度、利潤率、NDR、市值/收入比，將成為整個產業估值的參考系。 後上市的公司無論如何優秀，都必須以這個錨點為基準進行談判——如果財務指標更好，可以享受溢價；如果更差，就必須接受折價。

Anthropic 搶先一步上市的策略意圖非常清楚。 它現在的財務指標全面領先 OpenAI：6% EBIT 利潤率 vs -100%，60% 毛利率 vs 被免費用戶拖累的毛利率，500% NDR vs 尚未披露的 NDR。

一旦 Anthropic 以20 倍 ARR（約 6 兆美元市值）定價，這個估值基準就會固化在市場中。 屆時如果 OpenAI 後上市，投資人會自然地問一個問題：OpenAI 的 ARR 品質更高還是更低？ 它的獲利能力更強還是更弱？ 它的成長可持續性是更好還是更差？

答案對 OpenAI 來說並不樂觀。 OpenAI 背負著9.5 億免費用戶的沉重成本包袱，超過65%的收入仍來自訂閱制，這意味著它的收入天花板和毛利率天花板都低於 Anthropic。 如果 OpenAI 被迫以」Anthropic 估價的折價」上市，它的融資成本將顯著高於 Anthropic，進而影響其再投資能力。

這是一種資本市場「先發優勢」。 先上市者定義估價規則，後發者只能在這個規則框架內博弈。 類似於亞馬遜在 1997 年 IPO 後定義了電商估值範式，eBay 定義了平台型公司的估值邏輯。 Anthropic 顯然意識到了這一點，它選擇的不是一個” convenient“的上市窗口，而是一個”戰略性”的上市窗口。

Claude Code 如何改寫遊戲規則

如果 ChatGPT 是消費者的”iPhone 時刻”，那麼 Claude Code 是 B2B 市場的拐點。

這款在 2026 年初引爆的程式設計助手，如今已經佔據了 GitHub 全部提交的7% 以上。 它直接推動了 Anthropic ARR 的火箭式躥升：2025 年底僅 90 億美元，2026 年 1 月增加 30 億，2 月增加 70 億，3 月再增加 110 億。 一個季度衝到 300 億美元。

這成長引擎的核心不是訂閱制，而是用量計費。

Anthropic 的收入結構中，API（以 token 使用量計費）佔比高達75-85%，訂閱收入僅佔 15%。 這與 OpenAI 形成了鮮明對照：2026 年第一季度，OpenAI 超過 65% 的收入仍來自訂閱。 消費者業務佔 Anthropic ARR 的比例只有約5%，而 OpenAI 相同指標約為 40%。

但 Anthropic 的消費者事業本身也並非無足輕重。 其免費 MAU 目前約為5,500 萬至 6,000 萬，付費率約9%，顯著高於 OpenAI 約 6% 的水準。

API 模式的優點在於沒有收入天花板。 訂閱制按席位收費，一個客戶無論用得多猛，月費都是固定的 20 美元或 200 美元。 API 按 token 計費，客戶部署的 agent 工作流程越複雜、處理的資料量越大，Anthropic 收的錢就越多，而且不需要新增一個」客戶」。

CFO Krishna Rao 揭露的一組數字令人震驚：Net Dollar Retention（淨收入留存率）為 500%。 這意味著，光是那些 2025 年第一季就存在的老客戶，他們在 2026 年第一季的花費是去年同期的 5 倍。 具體來說，2025 年 Q1 的 20 億美元老客戶 ARR，到 2026 年 Q1 膨脹到了 120 億美元，佔 Anthropic 當時 300 億美元總 ARR 的 40%。

這 500% 的 NDR 背後，是 agentic 工作流程對 token 消耗的指數級拉動。 傳統的聊天互動只消耗幾百個 token，而一個自動編碼 agent 一次任務就可能燒掉數百萬 token。 blended token 定價（綜合平均單價）自 2024 年以來大幅下降，是消費曲線在扛下所有成長重擔

API 模式之所以比訂閱制更適合 AI 時代，根子在於它創造了一種訂閱制無法企及的網路效應。 不是使用者之間的網路效應，而是「用量-收入-研發-模型更好-更多用量」的自我強化飛輪。

訂閱制的本質是「人頭稅」：每位客戶付固定費用，收入增量取決於客戶數量的線性成長。 API 模式的本質是」使用稅」：客戶的用量可以隨時間呈指數級增長，而收入也隨之指數級增長。

這就是為什麼 SaaS 產業的好公司 NDR 在 120% 左右，極佳公司能達到 150%，而 Anthropic 能做到500%。 這不是同一個數量級的競爭。

500% NDR 到底代表什麼？ 讓我們把它放在產業座標系中理解。 Snowflake 在高速成長期的 NDR 曾經達到 170%，被市場視為神蹟；Datadog 在最佳時期達到 140%，已經足夠讓投資人瘋狂。 Anthropic 的 500% 意味著：老客戶群在一年內貢獻的收入成長了 5 倍。 這不是因為漲價，而是因為客戶部署的 agent 工作流程在深度和廣度上都在快速擴展。

這種飛輪的自我強化機制是這樣的：客戶用得越多 → Anthropic 收入越多 → 能投入更多資金訓練更好模型 → 模型能力更強吸引更多 agent 工作流程 → 客戶用得更多。 每一步都在加速下一步。 訂閱制下，客戶用得再多，供應商也收不到更多錢；API 模式下，客戶的每一次使用都在為供應商的研發引擎添柴加火。

這正是為什麼 Anthropic 的 API 業務毛利率可以達到80%以上，增量收入幾乎全部是利潤，而這些利潤又被重新投入訓練，形成技術代差的護城河。 訂閱制公司做不到這一點，因為它的收入成長是線性的，而 API 模式下收入的成長可以是指數級的。

從 -94% 到 60% 的毛利率躍遷

AI 實驗室的經濟模型並不複雜：投資研發新模型，購買或租賃算力來訓練和推理，然後透過 token 把這些算力賣給客戶。

但在 2024 年，Anthropic 的毛利率還是-94%，也就是每收入 1 美元，要虧掉近 1 美元的成本。 今天，這個數字已經跳到了60% 以上。

毛利率的躍遷來自三個槓桿：

新模型定價較高。 每次 frontier 模型發布，初始定價都顯著高於上一代。

推理效率大幅提升。 新的加速晶片、更優的推理框架、更聰明的快取策略，讓同樣一瓦算力能吐出更多 token。 Anthropic 每兆瓦（MW）算力對應的 ARR，9 個月前還是 1,600 萬美元，今年稍後將達到6,000 萬美元。

算力成本基本固定。 當單瓦算力能產出更多收入時，增量毛利率趨近於 100%。

API 業務的毛利率尤其驚人，在80% 以上。 即便扣除 AWS Bedrock 等通路 20-30% 的營收分成，以及以 2 倍市場價格租賃的新算力，Anthropic 的綜合毛利率仍有充足的上行空間。

OpenAI 在這維度上處於明顯劣勢。 它支撐著超過9.5 億免費用戶，每個用戶的月均服務成本約0.70 美元，這對其總毛利率造成了 20-30% 的拖累。 簡單算一筆：如果兩家公司都做到 1,000 億美元 ARR，OpenAI 的毛利將比 Anthropic 少250 億美元。

Anthropic 能在 18 個月內將毛利率從-94%拉升至60% ，表面看是三個槓桿的合力，深層則是一場技術-經濟耦合的工業過程。

所謂技術-經濟耦合，指的是技術進步和經濟效益之間存在一個正反饋循環：模型推理效率的提升（技術端）降低了單位 token 的算力成本（經濟端），而收入的增長（經濟端）又反過來為更大規模的訓練投入提供資金（技術端）。

這個循環一旦啟動，毛利率的改善就不是線性的，而是加速的。

具體來看，毛利率躍遷的機制可以拆解為兩條平行曲線。

第一條是單位算力產出曲線：Anthropic 每兆瓦算力對應的 ARR 從 1600 萬美元提升到6000 萬美元，9 個月內提升了 275%。 這背後是新一代推理晶片、更有效率的模型架構和更智慧的快取策略在發揮作用。

第二條是定價能力曲線：每次 frontier 模型發布，Anthropic 都有能力設定顯著高於上一代的價格——因為更好的模型意味著客戶願意支付更高的單價來獲得更強的能力。

這兩條曲線的交叉點就是毛利率的躍遷點。 當單位算力產出持續上升而資料中心成本基本固定時，增量毛利率趨近於 100%。 多賣一個 token 的邊際成本幾乎是零。 這種經濟特性與雲端運算的早期發展路徑驚人地相似：AWS 在 2006-2012 年間經歷了類似的毛利率擴張，從早期的低毛利基礎設施建設階段，逐步走向規模化後的高毛利營運階段。

穩態毛利率 75% 代表什麼？ 這個數字接近 SaaS 行業最優秀公司的水平。 Salesforce 的長期毛利率在 75% 左右，ServiceNow 在 78% 左右。 如果 Anthropic 最終能達到這個區間，就意味著 AI 實驗室的經濟模型本質上不是「資本密集的製造業」，而是「輕資產的軟體業」。 這是一個範式等級的判定－它將決定 Anthropic 在資本市場中究竟應該享有製造業的估值（8-12x EBITDA），或是軟體業的估值（20-40x EBITDA）。

在毛利之下，實驗室還有訓練/R&D 成本和其他營運開支。 SemiAnalysis 提出了一個新指標：EBTIT（Earnings Before Training, Interest, and Taxes）－剔除訓練投入後的推理業務真實現金流利潤率。 Anthropic 在 2026 年第二季的 EBTIT 利潤率達到36%。

這個指標的誕生本身，就是 AI 產業化過程中的一個標誌性事件。

Anthropic 第三季 GAAP EBIT 達到 10 億美元，且淨新增 ARR 增速超過 OpenAI，而後者正坐在 -100% EBIT 利潤率的深淵裡。 這是天壤之別。

EBTIT 解決了一個長期困擾 AI 產業分析的核心問題：訓練投入的規模之大，以至於它完全掩蓋了推理業務的真實盈利能力。 以 Anthropic 為例，它目前將收入的60% 以上投入訓練和新模型研，—這筆費用在 GAAP 口徑下被全額計入當期成本，但它本質上是一項「資本支出」：今天的訓練投入是為了明天的模型能力，而明天的模型能力將帶來更高的收入和利潤。

歷史上出現過類似的產業時刻。 1980 年代，隨著有線電視和行動通訊行業的興起，EBITDA 作為一個新指標被發明出來，因為這些資本密集型產業需要一種方法來展示」扣除折舊攤銷後的真實現金流」。 EBITDA 後來成為整個 TMT 產業估值的標準語言。 EBTIT 正處於同樣的歷史位置：它為 AI 實驗室提供了一種清晰的表達方式。 「如果不考慮訓練投入，我的推理業務本身就是一個高利潤率的軟體業務」。

Anthropic 36% 的 EBTIT 利潤率意味著：推理業務每產生 1 美元收入，扣除營運成本和推理成本後，還能剩下 0.36 美元——這個數字接近最好的 SaaS 公司的營業利潤率。 如果訓練投入在未來幾年逐步下降為收入的 40-50%（因為模型能力提升的邊際遞減和推​​理業務規模的擴大），Anthropic 的 GAAP 營業利潤率將自然趨向 EBTIT 水準。

可以預見，EBTIT 將在未來 2-3 年內成為 AI 實驗室估值的標準語言。 當更多 AI 公司上市時，投資者需要一個統一的框架來比較它們的」真實盈利能力」——EBTIT 就是這個框架。

Anthropic 目前將營收的60% 以上投入訓練和新模型研發。 預計到 2030 年，訓練與推理的算力分配將達到48:52m幾乎對半分。 這意味著，即使維持高強度的研發再投資，Anthropic 仍有能力在 GAAP 口徑下保持獲利。

商業模式的深層分野：消費者訂閱：B

Anthropic 和 OpenAI 的分歧不僅是產品策略的差異，而是兩條完全不同的商業路徑。

Anthropic 的路徑：API 優先、用量計費、B2B 為核心。 客戶為實際消耗的 token 付費，沒有使用上限，也沒有坐席的天花板。 Claude Code 的成功將這條路徑的槓桿效應放大到了極致。 單一開發者的用量可以隨著 agent 工作流程的深入而指數級增長。

OpenAI 的路徑：消費者優先、訂閱制、免費層龐大。 ChatGPT 的病毒式傳播帶來了近 10 億週活躍用戶，但免費層的算力消耗像一台永不停歇的碎鈔機。 OpenAI 正努力轉向。 5.5 模型和 Codex 的發布推動了 API 業務重新加速，B2B API 已成為月度淨新增 ARR 的主要來源。 但它仍然背負著消費者業務的沉重包袱。

這種結構差異直接決定了再投資能力。

SemiAnalysis 的模型顯示，2027 年 Anthropic 在扣除 COGS 後將有1600 億美元可用於再投資（訓練、研發、算力採購），而 OpenAI 只有920 億美元。 這意味著 Anthropic 每年可以多投入近 700 億美元來訓練更好的模型、簽下更多的算力合約、拉開技術代差。

TaaS（Token-as-a-Service）正成為放大此優勢的通道。

透過 AWS Bedrock、Azure Foundry、Google Vertex 等管道，Anthropic 約15-20%的 ARR 來自間接銷售，而在一個季度前這個數字只有 5-10%。 hyperscaler 的通路優勢不可忽視：企業客戶可以在同一個雲端合約裡使用多種模型、利用現有的合規框架、避免漫長的供應商審查流程。

TaaS 市場本身正在爆發。 SemiAnalysis 估計 2026 年第二季 TaaS 市場 ARR 已達280 億美元，其中三大雲端廠商佔 85% 份額。 對 Anthropic 來說，雖然要分出 20-30% 的收入給管道，但換來的是對 Fortune 500 客戶的規模化觸達——這比自建企業銷售團隊划算得多。

Anthropic 和 OpenAI 選擇了兩條截然不同的路徑，而這兩條路徑之間存在一個關鍵差異：不可逆性。

Anthropic 從第一天起就是 B2B 優先。 它沒有 9.5 億免費用戶的慣性拖累，沒有」ChatGPT」在消費者心智中錨定的品牌認知，沒有以消費者產品為核心的組織架構和文化基因。 它的整個商業系統，從產品設計到定價策略，從銷售團隊到客戶成功體系，都是為 API 和用量計費模式打造的。 這意味著 Anthropic 可以在這條路徑上全速前進，沒有任何包袱。

OpenAI 則完全不同。 它擁有 AI 領域最知名的消費者品牌 ChatGPT，9.5 億週活躍用戶，超過65%的收入來自訂閱。 這些數據聽起來是優勢，但在商業模式轉型的脈絡下，它們構成了巨大的」重力」。 每一個消費者用戶都是一筆固定成本。 月均0.70 美元的服務費用，當用戶數量達到 10 億量級時，這筆成本就變成了毛利率的結構性拖累。

更深層的問題在於組織架構的文化慣性。 以消費者產品為核心的組織，其決策邏輯、激勵機制、人才結構都是圍繞著「使用者成長」和DAU設計的。 轉向 B2B 意味著重新定義核心 KPI、重組銷售團隊、重新設計產品路線圖，這是從 DNA 層面的重塑。

微軟從 Windows 向雲端運算的轉型花了整整十年，部分原因正是因為 Windows 業務太成功了。 成功到組織內有足夠的理由抵制任何可能蠶食它的變革。 OpenAI 今天面臨的消費者業務同樣太成功了。 ChatGPT 是全球最知名的 AI 品牌，放棄或削弱它的優先順序在組織內部必然會遭遇巨大阻力。

TaaS 頻道對 Anthropic 的深層策略意義也在於此。 透過 AWS Bedrock 等 hyperscaler 管道銷售，Anthropic 不只是獲得了一個銷售管道，更是獲得了「對沖模型不確定性」的風險管理工具。 如果 Anthropic 自研模型的技術迭代遇到瓶頸，TaaS 平台上的客戶可以輕鬆切換到其他模型供應商。 這種靈活性降低了客戶被單一模型鎖定的風險，從而加速了企業客戶採納 AI 的決策速度。 對 Anthropic 來說，TaaS 管道是一種」雙贏」策略：要么客戶繼續用自己的模型（收入到手），要么客戶切換（但仍在同一個生態中，未來仍有機會贏回）。

風險與變數：收縮、開源追趕、監管預算、衍生

Anthropic 的敘事並非沒有裂痕。 SemiAnalysis 在報告中列出了幾項值得警惕的風險：

Token Budgeting（預算收縮）。 這是近期市場最熱門的話題。 Coinbase 等公司已公開討論對 AI 支出的 ROI 檢視。 但 SemiAnalysis 的研究顯示，這種」預算緊縮」主要發生在早期過度擴張的企業。 Anthropic 官方數據指出，Claude Code 企業用戶每月均花費僅 150-250 美元，90% 的用戶日均花費低於 30 美元。

「Token maxxing 的故事只是分佈的尾部。大多數持續大量支出的用戶，正享受著極高的投資回報率。全球 2000 強企業在 AI 上的支出相對於其整體 IT 預算而言仍然微不足道。」

開源競爭。 如果 Google DeepMind 和 Meta SuperIntelligence 在程式設計領域做出有競爭力的模型，token 定價將面臨下行壓力。 但 SemiAnalysis 認為，即使變成「四馬競賽」，Anthropic 的淨新增 ARR 也不太可能轉負。 最新最好的智慧永遠有溢價，而 workload 的擴展和新模型發表會繼續推動成長。

監理封鎖。 這是 Anthropic 最不容忽視的系統性風險。 如果美國政府以安全為由限制 frontier 模型發布，Anthropic 的商業優勢將迅速侵蝕。 well-funded hyperscaler 競品會趁機追趕，中國實驗室可以透過蒸餾來獲得前沿能力。

網路安全：下一個 S 曲線。 在風險之外，SemiAnalysis 特別強調了網路安全作為下一個成長垂直的潛力。 Mythos/Fable 系列的模型能力解鎖，預計在下半年以比 Claude Code 更快的節奏推動 ARR 加速。 年付費超過 10 萬美元的客戶數量在過去一年增長了7 倍，年付費超 100 萬美元的客戶在過去兩年增長了約42 倍。

風險評估的機率架構：做投資不是賭單一結果

對 Anthropic 這類高成長、高不確定性資產的風險評估，最有效的方式不是簡單羅列風險清單，而是建立一個機率評估框架——將每個風險按照發生機率和影響程度進行分類，並評估其可控性。

高機率風險：

TaaS 通路佔比提升壓縮利潤率。 TaaS 頻道（AWS Bedrock、Azure Foundry 等）目前佔 Anthropic ARR 的15-20%，這個比例正在快速上升。 通路分成比例在 20-30% 之間，意味著透過 TaaS 銷售的每一美元收入，Anthropic 只能拿到 70-80 美分。

隨著 TaaS 佔比提升，綜合毛利率將面臨一定的壓縮壓力。 但這個風險是高度可控的。 aaS 帶來的客戶獲取效率和規模化優勢，可以在一定程度上對沖利潤率的壓縮；而 Anthropic 始終保留直接銷售的管道作為定價錨點。

中機率風險：

開源競爭加劇導致 token 定價壓力。 如果 Google DeepMind、Meta SuperIntelligence 以及中國的開源模型在程式設計、推理等核心場景追趕上 Claude 的能力，token 定價將面臨下行壓力。 這個風險部分可以透過技術領先來對沖——Anthropic 的 EBTIT 優勢意味著它有更多資金用於訓練下一代模型，維持能力代差。 但如果整個產業進入」價格戰」階段，即使最好的模式也無法維持溢價。

低機率但高影響風險：監管封鎖。

這是最值得警惕的」黑天鵝」風險。 如果美國政府以 AI 安全為由限制 frontier 模型的發布或出口，Anthropic 的商業化將被嚴重打斷。 這種風險無法進行機率預測，只能進行情境規劃。 在最樂觀的情境下，監管只會增加合規成本；在最悲觀的情境下，監管可能凍結 Anthropic 的核心產品發布節奏長達 6-12 個月。 對於任何在 Anthropic 上押注的投資者來說，這個風險必須納入壓力測試。

做投資不是賭單一結果，而是管理機率分佈。 Anthropic 的投資邏輯在於：高機率情境（持續高成長、利潤率擴張）帶來的回報，足以涵蓋低機率情境（監管打擊、競爭惡化）帶來的潛在損失。

6萬億美元估值：瘋狂還是合理？

SemiAnalysis 給出的基準估值是：20 倍 2027 年末 ARR，假設屆時 ARR 達到3000 億美元（對應 2027 年月均淨新增 ARR 約 150 億美元）。 這意味著 Anthropic 的企業價值將達到6 兆美元，超越當前全球最大公司。

這個數字聽起來的確誇張。 但拆解來看，它建立在一組相對保守的假設之上：

Anthropic 目前的月均 NNARR 已在100 億美元以上。 Fable 模型的發布、新客戶的 ramp up、網路安全等新垂直領域的 S 曲線疊加，將 NNARR 從 100 億推升到 150 億/月——這是一個不需要」創造奇蹟」就能實現的假設。 全球 2000 強和 Fortune 500 在前沿 AI 產品上的滲透率仍然極低，座位部署和人均用量的雙重擴張空間巨大。

歷史參照也在支撐這個估值邏輯。 Snowflake、Datadog、Cloudflare 在 2022-2023 年的 SaaS 和雲端優化週期之前，都曾以50 倍遠期收入以上的估值交易。 AI 實驗室的成長速度、留存率（NDR 500%）和利潤率擴張軌跡，遠勝於傳統 SaaS。

更關鍵的是，Anthropic 正在展示 AI 實驗室可以是一門絕佳的生意：

毛利率向 75% 中檔靠攏（增量趨近 100%）

訓練/R&D佔總算力的 48%，持續投入但佔比下降

其他營運開支控制在收入的 20%

長期 EBIT/FCF 利潤率可達 30-40%，媲美史上最優秀的軟體公司

SemiAnalysis 總結了一個核心觀點：累積的 EBTIT 優勢就是護城河。 到 2028 年，Anthropic 對 OpenAI 的累積 EBTIT 優勢預計將達到2,500 億美元。 每美元的 EBTIT 優勢，都可以轉化為更多訓練算力、更好的模型、更大的前沿能力差距——而更大的能力差距又帶來更強的定價權和更高的 EBTIT。

「自 2024 年第一季以來，累計 80 億美元的訓練投入，換來了今天 600 億美元的 ARR——這是一個極其令人印象深刻的 ROIC。不難想像，提升安全、生物/金融、金融等實驗室如何推 收入的飛輪，將為下一代模式的智慧差距擴大提供資金。

估值敏感度分析：四個情境下的價值錨定

6 兆美元是基準估值，但投資決策需要建立在對多種情境的考量之上。 基於 SemiAnalysis 的資料與假設，我們可以建構一個四個情境的敏感度分析架構：

基準情境：6 兆美元。 假設 2027 年底 ARR 達到3,000 億美元，以20 倍 ARR估值。 這要求月均 NNARR 從目前的 100 億美元提升到 150 億美元——考慮到 Fable 模型發布、網路安全新垂直、新客戶 ramp up 等多重驅動因素，這是一個」大概率可以實現」的假設。 在這個情景下，Anthropic 將超過目前全球最大公司的市值。

樂觀情境：10 兆美元。 假設 2027 年底 ARR 達到4,000 億美元，以25 倍 ARR估值。 這需要兩個條件同時成立：一是網路安全和生物科技等新垂直領域的 S 曲線同時爆發，推動 NNARR 增速超預期；二是 Anthropic 在資本市場中享受到」AI 產業化領導者」的估值溢價（類似 AWS 在雲端運算早期享受的溢價）。 25 倍 ARR聽起來很高，但考慮到 500% NDR、80% API 毛利率、30-40% 的長期利潤率目標，這個數字並不比 SaaS 繁榮期的頂級公司更誇張。

保守情境：3 兆美元。 假設 2027 年底 ARR 達到2,000 億美元，以15 倍 ARR估值。 這意味著 NNARR 成長放緩——可能是因為競爭加劇（開源模型擠壓定價空間）、TaaS 通路分成壓縮利潤率、或宏觀經濟衰退導致企業 IT 預算收縮。 即使在這個保守情景下，Anthropic 仍將躋身全球最有價值公司的前 10 名。

悲觀情境：1.5 兆美元。 假設 2027 年底 ARR 達到1,500 億美元，以10 倍 ARR估值。 這需要多重負面因素疊加：嚴重的全球經濟衰退、監管封鎖導致模型發布延遲 6 個月以上、開源競爭引發激烈價格戰。 即使在這個」幾乎一切都不順利」的情景下，Anthropic 的估值仍將超過當前大多數科技巨頭的市值。

關鍵變數可歸納為三：NNARR 成長速度（決定收入規模）、毛利率軌跡（決定利潤品質）、競爭格局演變（決定估值倍數）。

在這三個變數中，NNARR 成長速度是最核心的，因為它直接決定了 ARR 的規模，而 ARR 是估值公式中最大的乘數。

這個敏感度分析的真正價值不在於精確預測，而在於找到那個」即使保守估計也很可觀」的價值錨。 即使在悲觀情境下，Anthropic 的估值也在 1.5 兆美元，這個數字本身就說明了 AI 產業化資本化潛力的量級。

Anthropic 的 IPO 不只是一家公司上市的故事。 它是整個 AI 產業資本結構重塑的起點，一場從創投驅動向公開市場驅動的典範轉移。

這個產業的歷史融資模式是這樣的：AI 實驗室依靠 VC 和策略投資者（Microsoft、Google 等）的私募融資來支撐訓練和算力投入。 OpenAI 累計融資超過 1000 億美元，Anthropic 也在這條路上走了很遠。 但問題是，萬億級的資本需求無法只靠 VC 來滿足。 全球 VC 產業的年度投資總額大約在 30-4000 億美元級別，其中能投向 AI 的比例有限。 當單一實驗室的訓練成本就達到數百億美元、算力採購成本達到數千億美元時，私募市場的資金池已經不夠用了。

公開市場提供了兩個私募市場無法提供的工具。

第一是股權融資的規模效應：一家大型上市公司可以在數週內完成數十億美元的增發，而不需要像私募融資那樣逐一談判條款。

第二是長期債務融資能力：AI 基礎設施建設（資料中心、電力、晶片）具有典型的基礎設施特徵－前期投入龐大、現金流穩定、資產壽命長達 20-30 年。 這種資產最適合用長期債務來匹配，而不是股權融資。 上市後的 Anthropic 可以發行公司債務、甚至探索類似基礎設施 REITs 的結構來為算力基建融資。

Hyperscaler 的融資潮是同一趨勢的不同側面。 Alphabet 近期完成了847.5 億美元的大規模股權融資，Meta 也即將跟進。 這些融資的目的很明確：為 AI 算力建設提供資金。 未來 2-3 年，Anthropic、OpenAI、Google、Microsoft、Meta、Amazon 這個生態系統每年將需要數萬億美元的融資——這已經不是」科技股投資」的範疇，而是一個全新的大類資產類別在誕生。

Anthropic 用 10 億美元的單季淨利敲響公開市場的大門時，它敲開的不僅是自己的融資通道，更是整個 AI 產業從」科研實驗」走向」工業資本」的大門。 未來十年回看，這次 IPO 可能會被視為 AI 資本化元年。

Dario Amodei 在 2021 年初離開 OpenAI 創辦 Anthropic 時，ChatGPT 的病毒式傳播還要等 18 個月，大模型的商業化幾乎為零。 短短幾年後，Anthropic 和 OpenAI 合計佔據約1000 億美元 ARR，而一個明確的贏家已經在盈利能力的賽道上浮現。

Anthropic 的 IPO 不只是一家公司上市的故事。 它是整個 AI 產業資本結構重塑的起點——超大規模雲端服務商今年已發行超過1,000 億美元股權，而未來 2-3 年，這個生態系統每年將需要數兆美元的融資來支撐算力建設。

當 Anthropic 以 10 億美元的單季淨利敲響公開市場的大門時，它敲的也是 OpenAI 的警鐘。