股票杠杆网

在线配资硅谷观察｜Anthropic的30万亿美元叙事：AI争夺工资单，谁能拿走其中10美元？

旧金山Press Club的一块屏幕上，十几个AI Agent正在接力工作：一个写代码，一个审查，一个搜索资料，另一个运行测试。屏幕前的创业者不再像软件使用者，更像一名数字员工的管理者。

同一时间，Anthropic与OpenAI都已经向美国证券交易委员会保密提交S-1草案。围绕Anthropic的上市讨论中，30万亿美元成为一个醒目的潜在市场口径：AI未来可能参与完成的全球工作。

但截至9月14日，两家公司均未公开招股书，发行价格、募资规模和IPO估值都没有确定，Anthropic也没有公开说明30万亿美元的计算方法。这场可能改变AI资产定价方式的上市竞赛，首先提出的不是技术问题，而是一道会计题：人类工作的价值，有多少能成为模型公司的收入，又有多少最终能留下成为自由现金流？

30万亿美元叙事从哪里来

2021年，Dario Amodei等前OpenAI成员在旧金山创办Anthropic。五年后，Anthropic先于OpenAI一周宣布保密提交S-1草案。两家公司都取得了进入公开市场的选项，但何时上市仍未确定。

资本市场已经给出很高的起点。Anthropic在2026年5月完成650亿美元融资，投后估值为9650亿美元；OpenAI在3月完成融资后披露的投后估值为8520亿美元。Anthropic的最新私募估值已经超过OpenAI，但私募估值不是IPO定价，更不是内在价值。

最需要审慎对待的是30万亿美元。公开材料尚未披露这一数字的计算方法，也无法确认Anthropic会不会最终在招股书中采用这一口径。它更适合被理解为AI可能参与的工作价值，而不是一家公司的收入预测。人类工作的价值，不能直接算成AI公司的收入。

在旧金山Press Club，一名住在圣何塞的曾经荣获CES最佳创新奖的创业者给笔者展示了一块大屏幕，屏幕上同时运行着十几个AI Agent：一个写代码，一个审查代码，一个搜索资料，一个跑测试，前一个Agent完成任务后，另一个继续接手。他本人已经越来越少在GitHub、Slack和浏览器之间切换。过去，他是软件的使用者；现在，他更像一个管理十几名数字员工的经理：分配任务、检查结果、处理异常，然后决定下一步由谁继续工作。

两年前，这位创业者组织了20人的团队，主要使用OpenAI模型；现在，他用两个人的核心团队和Claude Code完成更多工作。他把团队变化部分归因于Agent带来的效率提升。不仅公司组织结构发生变化，使用的大模型也发生了迁移。

Anthropic披露，公司年化收入运行率在2026年5月超过470亿美元；其4月公告显示，这一数字已从2025年底约90亿美元升至300亿美元。这样的增速足以说明企业需求正在加速，但年化收入运行率只是把近期收入外推一年，不能代替全年收入、毛利率和自由现金流。

AI最大的潜在市场不是软件，而是工资单

AI最大的潜在市场不是软件，而是工资单；但工资单不是模型公司的收入表。

真正值得下注的，不是谁能证明AI可以参与30万亿美元的工作，而是谁能把企业节省的一美元成本，转化为自己可以长期保留的自由现金流。基础模型、前沿部署工程师（FDE）和垂直应用并非互相排斥：模型提供能力，FDE负责把能力嵌入客户流程，垂直应用掌握数据和结果。Palantir证明实施与交付可以形成很强的价值捕获能力。

一位加拿大创业者对笔者表示，Palantir是他们学习的榜样。其团队正在为中东石油工厂开发数字孪生项目，这同样属于FDE市场。在他看来，FDE未来可能成长为万亿美元级市场。

公开市场不会只看收入和毛利率。对于AI公司，更有解释力的指标包括单位token收入和服务成本、每兆瓦算力对应的收入、客户净收入留存率，以及资本投入最终能产生多少自由现金流。硅谷可以讨论30万亿美元，投资者最终仍要回答：一单位算力能生产多少真正留下来的收入？

纽约对冲基金Amont Partners管理合伙人Rob Li对笔者表示，现阶段Anthropic最大的优势，是企业端商业模式比OpenAI的消费者业务更容易测量。他早年从事杠杆收购，此后转向全球二级市场投资，评估一家公司仍然遵循典型的私募投资逻辑：看管理层是否具备投入资本回报率意识，看自由现金流，看管理层激励，也看增长最终能否超过资本成本。

在他看来，Anthropic从一开始就更明确地面向企业客户。企业市场即使不像把全球消费者都算进去那样宏大，但谁在付钱、为什么付钱、用量多少、单位经济如何，都更容易验证。消费者AI目前经过验证的货币化模式主要仍是订阅和广告，而广告市场已经被Google、Meta等公司长期经营，它们拥有分发、数据、现金流和自己的模型。相比之下，企业竞争虽然激烈，但收入路径目前更清晰。

这也是为什么一些华尔街投资人更愿意先用“企业软件”框架理解Anthropic。企业购买Claude Code或者Agent，可以直接计算节省了多少工程师工时、项目提前多少天上线、减少多少外包费用。OpenAI则相反，它先获得大规模消费者入口，再寻找订阅、广告、交易、API和企业Agent之间的最优组合。前者的边界目前更明确，后者的可选性更大，也更难估值。

但这个“企业软件市场”的框架可能很快就不够用了。Anthropic最成功的突破口是coding，而coding的真正价值，并不是程序员喜欢Claude，而是代码具备其他知识劳动很少拥有的特征：结果可以被机器验证。程序能不能编译、测试能不能通过、Bug有没有修好，都有相对明确的答案。如果AI替市场人员“提高了创造力”，CFO很难知道这项提升值多少钱；如果Claude把六小时的编码任务压缩到一小时，企业可以马上计算工时、交付速度和项目成本。

硅谷初创公司NeoCognition联合创始人谷雨告诉笔者，公司目前每月为Claude相关API调用支付约60万美元，团队成员通常会同时运行七八个Agent支持工作。

中国团队AI游戏平台陶泥儿创始人包仲航告诉笔者，团队成员的token调用量差异很大，同样呈现明显的二八分化，少数高水平使用者消耗了大部分用量。

所以Anthropic真正找到的，是给“智能”标价的方法。AI最先进入的工作，未必是工资最高的工作，而更可能是反馈周期最短、结果最容易验证、责任边界最清晰的工作。Coding只是第一块滩头阵地，金融分析、网络安全、法律文书、科研、营销运营甚至部分管理任务，只要能形成类似验证闭环，都可能成为下一块市场。

这时，Anthropic面对的已经不只是软件预算，而是工资、外包、研发和运营成本。“Anthropic会不会取代Salesforce”其实把问题问小了。更准确地说，它真正想做的，是让Salesforce变成数据库，让Claude变成员工。Salesforce不会消失，SAP不会消失，Workday也不会消失，企业仍然需要保存客户、员工、供应链和财务记录，但以后真正打开这些软件的人可能越来越少。Agent会直接调用API、读取记录、完成流程。

过去二十年，SaaS最重要的收费单位是seat，多一个员工，往往意味着多卖一个席位。Agent正在更快地拆开员工数量和软件席位之间的关系：一个员工可以管理多个Agent，却不需要为每个Agent购买一套传统SaaS账号。AI可能先减少的不是软件，而是人必须亲手操作软件的时间。

这正是30万亿美元叙事的逻辑：它计算的不是传统软件采购，而是AI未来可能参与完成的工作。

理论市场和基础模型的分成率有多远

30万亿美元也是最容易制造估值幻觉的数字。假设一家企业过去花100美元让人完成某项工作，AI把成本降低到60美元，Anthropic不会自动得到那40美元。可能20美元留在企业利润表里，5美元给云厂商，5美元进入垂直Agent公司，还有一部分通过竞争回到客户，模型公司最终只能获得其中的一部分。

这里最重要的区别是：价值创造不等于价值捕获。

一位佛罗里达大学研究人员对笔者表示，谷歌Gemini体系拥有更为多元的产品入口，正在更接近形成从用户需求到交易的闭环。在他看来，基础模型最终能够获得多少分成，不仅取决于模型能力，也取决于谁掌握用户入口和交易场景。

一家交易所的联合创始人对笔者表示，目前平台上以GPU为抵押品的期货交易量很大，但交易所的抽成只有十万分之二，即0.002%。这进一步说明，交易规模很大，并不意味着平台能够按同样比例捕获价值；市场规模与实际费率之间可能相隔甚远。

这带来第一个反直觉真相：Anthropic的TAM越大，基础模型的抽成率反而可能越低。如果Claude像电力一样进入所有企业，它也可能越来越像电：使用量巨大，单位价格却不断下降。Google、OpenAI、Meta、DeepSeek以及开放模型，都在给智能设置价格上限。AI能够参与30万亿美元的劳动，不意味着任何一家模型公司拥有30万亿美元的定价权。

OpenAI则从完全相反的方向逼近同一个终点。Anthropic先占领企业内部的高价值任务，OpenAI先占领消费者。因此今天继续把OpenAI理解为一家ToC订阅公司已经不准确。ChatGPT最重要的资产并不只是每个月20美元订阅，而是意图。Google知道一个人在搜索什么，Facebook知道一个人在看什么，Amazon知道一个人在买什么，而ChatGPT越来越知道一个人在这一刻想完成什么。

元股证券:ygzq.hk

“帮我写程序”“研究这家公司”“替我安排旅行”“帮我找工作”，这些不是普通流量，而是距离行动和交易非常近的一类数据。

免费用户或是OpenAI的分发资产

第二个反直觉真相是：OpenAI今天最昂贵的免费用户，可能是未来最值钱的分发资产。消费者使用AI会产生真实推理成本，但如果ChatGPT最终成为搜索、购物、工作和Agent执行入口，免费推理也可以被视为获客成本。ChatGPT本身已经是杀手级App。OpenAI尚未完全解决的是，订阅、广告、交易、Agent、API和企业收入怎样组合，才能获得最高的投入资本回报率。

一位硅谷创业者告诉笔者，他已经在使用可以连接财务信息的AI工具管理个人开支。系统提出的节流建议让他感到意外，他随后取消了部分不必要的订阅和支出。

这也是为什么OpenAI正在从模型公司变成一家越来越难分类的公司：一部分像Google，一部分像Microsoft Office，一部分像AWS，现在又开始像Nvidia。

2026年6月24日，OpenAI与Broadcom共同发布首款定制推理芯片Jalapeño（墨西哥辣椒），计划在2026年底开始初步部署。它真正重要的地方不是某一项基准测试，而是OpenAI为什么必须做芯片。答案仍然写在利润表里：传统软件每多服务一个用户，新增成本接近于零；AI不是。Agent思考越久、调用工具越多、运行步骤越复杂，背后需要的GPU、电力、存储和网络越多。智能有原材料成本。

因此，Anthropic收入越快增长，它就越需要购买算力；OpenAI用户越多，也必须承担越多推理成本。模型公司的商业模式正在反过来改变芯片和数据中心产业。

一名硅谷的圣何塞工程师在屏幕上多开十个Agent，类似的蝴蝶效应，最终可能传导成得州多建一座数据中心、台湾增加一批先进封装、韩国扩建HBM产能，以及美国电力公司的资本开支上升。

这也是黄仁勋所谓AI“五层蛋糕”真正值得投资者理解的地方：能源、芯片、基础设施、模型、应用，从来不是五个彼此独立的市场，而是同一笔经济价值在产业链上的重新分配。

由此又产生一个更重要的资本市场判断：AI时代最伟大的公司，未必产生AI产业里最伟大的股票回报。模型层可能增长最快，但也是资本开支最重、价格竞争最快、技术更新最剧烈的一层。反而是电力设备、HBM、先进封装、网络、冷却、土地和并网资源这些看上去不那么性感的环节，可能因为真实稀缺性拥有更稳定的定价权。

Rob Li也提醒，AI资本开支能否最终覆盖资本成本，要看融资成本、折旧周期和真实需求。大型云厂商的安全垫更厚，因为算力既可以出租，也可以内部使用；越靠近消费者，商业模式越需要直接证明用户最终愿意付多少钱。

因此，Anthropic真正公开招股书的那一天，其重要性可能超过下一次Claude发布。私人市场可以不断讨论AGI、30万亿美元TAM和下一代模型，公开市场最终会把所有宏大叙事压缩成几个冷冰冰的数字：毛利率、推理成本、资本开支、客户留存和自由现金流。

这场IPO还存在监管风险。Anthropic与美国国防部围绕模型使用边界和“供应链风险”认定的争议已经进入司法程序。2026年8月下旬，加州联邦地区法院裁定部分处理违法，但其他法律程序和政府采购争议仍未结束。对于一家准备进入公开市场、同时服务企业和政府客户的AI公司而言，这些不确定性会进入估值。

Anthropic的企业路径目前更清楚，OpenAI拥有更大的消费者分发和更多商业模式可选性。谁会成为更伟大的公司，现在已经可以争论；谁会成为更好的股票，却必须等价格。

Rob Li的观点笔者有同感，一次IPO配售、赚取短期价差可以是一笔交易，但不要把交易和投资混为一谈。真正的投资，必须能够通过业务、现金流和资本回报解释估值。

因为一家1万亿美元的公司，如果五年以后仍然价值1万亿美元，并不是一家失败的公司，却完全可能是一笔失败的投资。

谁能将30万亿美元市场变成可持续现金流？

回到Press Club，那个来自圣何塞的工程师仍然面对同一块屏幕，十几个Agent同时工作。今天看，他不过是一个把AI用得更充分的创业者；但如果这一幕变成未来公司的一般工作方式，五年以后我们回头看2026年的旧金山，也许会发现真正的转折点从来不是某一天Claude超过GPT，或者GPT再次超过Claude，而是人在公司里的位置变了。