Anthropic年收入超300亿超越OpenAI成美国AI新霸主

硅谷的AI权力格局,正在经历一场地震级的重塑。一份最新披露的财务数据,彻底改写了这场竞赛的剧本。
历史性反超:300亿对240亿
《华尔街日报》近日披露了一个令整个行业屏息的数字:由OpenAI前核心成员创立的Anthropic,其年化营收已突破300亿美元大关。这个数字,正式超越了OpenAI此前公布的约240亿美元年收入。

更惊人的是其增长曲线。就在2025年初,Anthropic的年化营收还停留在10亿美元级别。这意味着,在短短15个月内,其规模膨胀了30倍。这种增速在美国商业史上堪称奇迹,甚至让谷歌、Meta等科技巨头的早期增长都相形见绌。
如今,这家2024年才成立的公司,已被外界视为新的增长极。而OpenAI,则被一些媒体戏称为“追赶者”,内部甚至因此开启了紧急的“模仿”模式。

雪上加霜的是,同一份报告还揭示了OpenAI内部的困境:其旗舰产品ChatGPT多次未能达到内部设定的10亿周活跃用户目标,部分月份的营收也未达预期。公司首席财务官对能否支付未来高达6000亿美元的算力账单公开表示担忧,并与首席执行官在公司战略上产生了明显分歧。
这一切,都发生在OpenAI刚刚完成1220亿美元巨额融资后不久。屠龙少年与恶龙的故事,似乎正在上演新的篇章。
Anthropic的300亿:来自何方?
从数据上看,Anthropic的增长加速度令人咋舌。2025年底,其年化营收约为90亿美元;到今年4月,便确认突破300亿。四个月,再翻三倍多。
那么,这300亿美元究竟从何而来?为何坐拥近9亿周活用户的OpenAI,反而在收入上被反超?
答案指向了三个字:企业端。据悉,Anthropic高达80%的收入来源于企业客户。其服务已覆盖超过30万家企业,财富十强中有八家都在使用其Claude系列模型,每年支付超过100万美元的大客户数量已突破1000家,且这个数字在近两个月内翻了一番。

这揭示了两种截然不同的商业模式困境。OpenAI陷入了典型的“增收不增利”怪圈:海量的免费用户带来了巨大的流量和声望,但也伴随着天价的推理成本和极低的付费转化率。而Anthropic则专注于企业订阅模式,客户数量虽相对精炼,但客单价高、需求稳定、迁移成本更高。
市场已经给出了初步的答案:至少在现阶段,深耕企业市场的路径展现了更强的商业韧性。
更具碘伏性的是其成本效率。在取得这一营收规模的同时,第三方分析机构的数据显示,Anthropic在模型训练上的投入成本,仅为OpenAI预计峰值的四分之一左右。在技术投资回报率这个核心指标上,优势堪称碾压。
路线之争:B端“钞能力”与C端“流量池”
这场逆袭的根源,可以追溯到2024年那场著名的“出走”。当时,因对OpenAI日益激进的商业化路线和安全理念存在分歧,包括Dario Amodei及其妹妹Daniela在内的一批核心研究员选择离开,创立了Anthropic。当时,外界多视其为理想主义者的冒险。

四年后,差异化的战略选择结出了果实。Anthropic从一开始就锚定了企业市场。其客户名单上不乏亚马逊、谷歌、Salesforce、埃森哲、德勤这样的巨头,它们不仅是投资者,更是深度付费用户。特别是像Claude Code这类直接嵌入开发者工作流的工具,创造了极高的用户粘性和续约率。
更重要的是,Anthropic将“安全”和“负责任”从宣传口号,打造成了实质性的商业壁垒。对于金融、医疗、法律等高度监管的行业,AI的可控性、可解释性及部署承诺,直接关系到采购决策。这正是Anthropic Constitutional AI框架等研究带来的差异化优势。
反观OpenAI,根据披露,其ChatGPT的周活与营收多次未能达到内部激进目标。巨大的用户基数并未能有效转化为同样比例的收入。

OpenAI的内忧:算力黑洞与权力裂痕
如果说外部竞争是压力,那么内部治理的挑战则可能是更致命的隐患。近期多家媒体的报道拼凑出一幅OpenAI内部“将帅失和”的图景。
公司首席执行官萨姆·奥特曼与新任首席财务官莎拉·弗里亚尔之间的关系被描述为“剑拔弩张”。作为曾助力Square和Nextdoor上市的财务专家,弗里亚尔的任务本是护航OpenAI冲击史上最大规模的IPO。然而,她对奥特曼激进的、动辄数千亿美元的算力扩张计划提出了强烈质疑。
据报道,奥特曼已签署了价值约6000亿美元的远期算力采购合同。这意味着,即便刚刚融到1220亿美元,按照当前的烧钱速度,这笔巨款也可能只够支撑三年。弗里亚尔担忧,如果营收增长不及预期,公司将无力履行这些合同,因此她已被排除在部分关键基础设施决策会议之外。

另一大分歧在于上市时间表。奥特曼希望尽快推进IPO,而弗里亚尔则基于内部评估认为,公司的控制体系尚未准备好接受公开市场的严格审视。尽管双方已发布声明称“目标一致”,但市场似乎并不买账,相关消息一度引发主要合作伙伴股价波动。

成本与盈利:决定胜负的关键差距
营收的反超固然醒目,但真正奠定长期优势的,是成本结构的巨大差异。
根据《华尔街日报》引述的财务文件及行业分析,OpenAI预计在2028年左右的单年算力支出可能高达1210亿美元,而Anthropic的对应训练成本峰值预计约为300亿美元,接近前者的四分之一。

这不仅仅是数字游戏。它意味着在研发投入的性价比上,Anthropic获得了数倍于对手的灵活性和利润空间。
更致命的或许是盈利时间表的差距。分析普遍预测,Anthropic有望在2027年实现正向现金流,而OpenAI的盈利时间点则被推后至2030年左右。在技术迭代以月计算的AI行业,三年的差距足以构建起坚固的生态壁垒,也可能导致现金流断裂。
局势正在变得清晰:一方凭借高效的B端模式和成本控制轻装上阵;另一方则背负着庞大的免费用户负担和算力债务艰难前行。Anthropic近期宣布与谷歌、博通达成算力合作,进一步巩固了基础设施优势。而OpenAI内部,董事会已开始质疑其扩张策略的可持续性。
内部的焦虑情绪正在蔓延。据报道,OpenAI的首席营收官已直接点名Anthropic,警告团队市场竞争“前所未有地激烈”。更具标志性的是其战略调整——砍掉了Sora等项目,全面转向B2B,并加速跟进企业级代码助手等产品线。

当一个市场的先行者开始模仿后来者的战略时,通常意味着它承认了对方路径的有效性。

万亿俱乐部门前的新秩序
这场反超的时机尤为微妙。就在几周前,OpenAI刚刚以1220亿美元的融资和8000亿美元的估值震惊市场。然而,资金到账的喜悦尚未散去,残酷的财务对比就已摆上台面。

数据显示,OpenAI当前年收入约240亿美元,而年运营成本预计超过200亿美元,利润空间极其微薄。其雄心勃勃的“星际之门”等项目总投资规模高达6000亿美元,使得刚刚到账的融资更像是一笔“预付款”。
这似乎形成了一个值得警惕的循环:融资用于购买算力,算力服务于难以盈利的庞大免费用户,为了维持增长和估值故事,又需要寻求更大规模的融资。OpenAI有高管曾质疑Anthropic的营收计算方式,但无人能否认其反超的事实。而这,正是内部路线分歧的根源所在。
资本市场的反应最为直接。Anthropic的二级市场估值正逼近1万亿美元大关。部分OpenAI的早期投资者开始重新评估其估值合理性,一些深度绑定的合作伙伴股价也出现回调。真金白银正在重新投票。


这场逆袭最深远的意义,在于它清晰地揭示了AI行业商业化路径的两种选择:是沿用互联网“先圈用户、再寻变&现”的流量模式,还是采用企业软件“价值驱动、稳健增长”的深耕模式?
Anthropic用300亿美元的营收,为后者投下了有力的赞成票。至少在当前阶段,市场和资本更青睐这条路径。
当然,这场战争远未结束。OpenAI手中依然握有GPT系列的技术底蕴、微软的生态支持以及全球最大的用户基础。但权力的天平无疑已经发生了倾斜。属于单一巨头的垄断时代,或许已经终结。AI产业的下半场,将是技术、商业、资本与战略的多维混战,而一切才刚刚开始。
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
银河通用LDA模型全谱系数据跑通Scaling Law
近期,具身智能领域迎来密集突破,两大技术路线相继发布重要进展。 先是Generalist AI推出GEN-1模型,凭借卓越的数据效率与闭环控制性能,刷新了多项操作记录,引发行业广泛关注。短短两周后,另一重要参与者Physical Intelligence发布了新模型π 0 7,其核心聚焦于“组合与泛
Llama 3 GGUF模型加载报错层数不匹配的快速修复方法
在llama cpp或text-generation-webui中加载Llama 3的GGUF模型时,如果遇到“层数不匹配”或“量化版本不兼容”的错误提示,不必过于焦虑。这类问题通常源于模型文件的网络结构深度(如n_layers值)与加载器预期不符,或是量化等级超出了当前运行环境的支持范围。遵循以下
赛博朋克霓虹夜景设计教程 Canva可画轻松制作
做赛博朋克风格海报,最怕的就是霓虹灯不够亮、夜景没层次、整体感觉太平淡。如果你在Canva里也遇到了类似问题,别急着换模板,问题很可能出在图层叠加的逻辑、色彩对比度,或者少了那么点“动”起来的细节。下面这几个步骤,能帮你把海报的视觉冲击力拉满。 一、启用高对比度霓虹配色方案 赛博朋克的灵魂,就在于那
Karpathy LLM Wiki本地部署教程 有道云笔记与Claude Code实践指南
你的手机里是不是存了几百篇“稍后再看”的文章?笔记软件里是不是躺着上千条收藏,落满了数字灰尘,再也未曾打开。 别不好意思,这几乎是数字时代每个人的通病。每天面对海量的行业报告、技术文章和灵感碎片,我们总在重复“收藏即遗忘”的动作。标签、文件夹、搜索功能,在信息量突破某个临界点后,便彻底失灵了。我们以
Claude技能编写避坑指南:从入门到精通实战教程
设计Claude Skills时,许多开发者容易陷入一个认知误区:认为功能越全面、指令越“智能”,最终效果就越好。然而实践往往证明恰恰相反。以下七个常见的设计陷阱,正是导致技能输出不稳定、难以复用的根本原因。我们将以具体的“Figma UI设计审计”技能为例,深入剖析如何有效避开这些陷阱,从而构建出
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

