Anthropic衝到650億美元，OpenAI為什麼反而落后了

一、同一組數字，為什麼會得出三種結論

圍繞Anthropic與OpenAI的營收爭議，大致有三種讀法。第一種讀法認為Anthropic已經在商業化上完成反超：第2季度收入約116億美元，高於OpenAI的67億美元；7月年化run-rate又上升到650億美元以上。第二種讀法卻把650億美元視為低於預期，因為Jefferies轉述的部分第三方追蹤此前已經把Anthropic放在700億—800億美元區間。第三種讀法認為，兩家公司的渠道結構和收入確認方式不同，任何精確的「領先幅度」都是過度解讀。

這三種判斷分別在回答不同問題。季度確認收入回答「已經賣了多少」；月度run-rate回答「現在的速度有多快」；第三方追蹤回答「產品使用和付費動量正在往哪走」；渠道經濟則回答「每1美元客户支出最后留在誰手里」。把這些數字堆在一起排名，看起來很簡單，卻會把需求、會計口徑和利潤池混為一談。

把季度數據統一換算后，Anthropic第2季度116億美元對應年化等價464億美元，OpenAI的67億美元對應268億美元，差額為196億美元，比率約為1.73倍。這是目前最接近同窗口的比較。7月run-rate只能説明Anthropic繼續加速；OpenAI的公開口徑只有「超過400億美元」這個下限，無法用來計算精確差額。

這張對照表最重要的信息是：不同提供方並非在爭論同一個數字的真假，而是在觀測不同層次。公司run-rate是最新流速，季度收入是已發生的流量，產品追蹤是需求儀表盤，渠道模型則是利潤分配圖。

二、Anthropic的650億美元，反映的是三股力量同時放大

路邊報道，Anthropic截至7月底的年化收入run-rate超過650億美元。此前的公開錨點是2025年末剛超過90億美元、2026年5月約470億美元。即使不把這些數字當成精確財務序列，增長方向也很清楚：Anthropic的收入不是線性增加，而是在產品、渠道和算力三個環節同時打開后連續上臺階。

第一股力量是Claude Code。編程工具把模型從低頻的問答工具變成持續消耗token的生產系統。它會讀取代碼庫、生成修改、調用工具、運行測試、處理失敗並再次嘗試。用户為完成一個任務產生的模型調用次數，遠高於普通聊天。客户也更容易用工程師時間、發版速度和缺陷率證明回報，因此編程預算比通用消費訂閲更容易從個人賬户擴展到團隊合同。

第二股力量是企業API。SemiAnalysis的數據指向一個容易被ChatGPT用户數掩蓋的事實：API和企業業務貢獻了兩家模型實驗室絕大部分新增ARR。前沿模型收入的增長引擎正在從「有多少人打開聊天窗口」轉向「有多少企業工作流持續調用模型」。后者的使用時長、單客消耗和續費穩定性更可能撐起大規模營收。

第三股力量是算力容量。投資人Gavin Baker提出，650億美元不僅顯示需求強，也可能與之前的容量約束和新增算力上線有關。這一推斷還缺少公司分月數據驗證，但它給出了正確的觀察方法：如果增加GPU供給后收入同步上升，説明原來的限制更接近供給不足；如果容量上線后利用率和收入沒有跟上，則需求可能比run-rate標題更脆弱。

三、OpenAI的67億美元，暴露的是用户規模與收入強度之間的落差

OpenAI在2026年第2季度的收入據報道為67億美元，高於第1季度的57億美元，環比增長約18%。這個速度對任何軟件公司都非常高，對OpenAI卻不足以滿足市場期待。原因很直接：OpenAI擁有更大的消費者入口、更高的品牌認知和更龐大的資本承諾，市場會自然要求這些優勢更快轉化為企業收入和現金流。

OpenAI的用户規模和收入強度之間存在三道轉化關口。第一道是免費用户到付費用户。大量免費請求增強網絡效應，也同時產生推理成本。第二道是個人訂閲到企業合同。企業需要權限、安全、審計、數據隔離和採購合規，產品熱度無法自動穿過這些門檻。第三道是通用聊天到高強度工作負載。只有當模型持續完成編程、文檔、數據和工具調用任務時，使用量才更容易變成穩定的經常性收入。

CNBC曾轉述OpenAI首席財務官Sarah Friar的內部表述，稱7月年化收入已超過整個第2季度的收入規模。如果把這句話按「7月單月收入乘12，與第2季度三個月收入合計比較」理解，對應run-rate將超過804億美元，與同時市場普遍引用的400億美元以上明顯不一致。兩個數字不可能在同一定義下同時成立，更可能使用了不同的業務範圍、ARR定義或比較窗口。因此，該表述可以作為「7月動量改善」的信號，不應該被當成804億美元收入的確認。

這也是OpenAI目前最大的價值判斷難題：它可能同時擁有更強的產品動量和更弱的當期收入變現。如果Codex、企業產品和新模型把用户流量轉成高頻工作負載，第2季度的落后可能只是階段性。如果增長主要來自降價和免費用量，產品份額回升反而會延長盈利路徑。

四、SemiAnalysis的貢獻，是把「收入」拆成需求、會計、分銷和算力

SemiAnalysis估計，Anthropic在2026年第2季度超過40%的ARR來自間接渠道，其中包括Amazon Bedrock、微軟Foundry和Gemini Agent Enterprise。這一數據的重要性遠高於「哪家雲平臺賣得更多」，因為它同時改變了客户獲取、收入確認、費用分類和算力歸屬。

第一層是需求。企業可以直接與Anthropic簽約，也可以在已有云合同中採購Claude。后者免去了新供應商准入、安全審查和預算遷移的阻力，對全球大企業尤其重要。SemiAnalysis認為，實驗室通過雲廠商已有的大型企業合同獲得分銷優勢，並避免了建立同等規模直銷團隊的高成本。間接渠道所帶來的收入因此並不是虛假需求，它反映了真實客户和真實token消耗。

第二層是會計。根據具體合同，雲平臺可以收取基礎設施費、收入分成，或兩者兼有；模型實驗室可能作為記錄賣方，將客户支出按gross ARR反映在自己賬上。這不能被簡單稱為「重複計收入」，因為會計上是否總額確認取決於合同和主要責任人判斷。同一份終端token消費，在實驗室和雲廠商的管理口徑中可以被描述為不同的收入流，只有看到合同層細節才能避免經濟活動的重複歸因。

第三層是利潤。SemiAnalysis指出，某些收入分成會被實驗室記入銷售與市場費用，而不是直接衝減收入。如果合同確實如此，gross ARR和毛利率就不能完整表達渠道經濟，經營利潤纔會更接近真正留存的利潤池。雲廠商則可能同時獲得IaaS收入、更高價值的token服務收入和客户粘性。這解釋了為什麼Anthropic收入高增長可以同時利好實驗室和雲平臺，但兩者分到多少利潤仍是零和博弈。

第四層是算力。間接工作負載運行在雲廠商的兆瓦級基礎設施上，卻服務於Anthropic的模型。如果分析者在估算前沿模型需求時，既把它計入Anthropic的需求，又把它當成雲廠商獨立的模型需求，就會高估終端工作負載。SemiAnalysis在Tokenomics模型中使用交易級費率、gross/net、兆瓦分配、直接/間接渠道和每兆瓦收入，核心目的就是把同一份需求分配到正確的收入與利潤主體。

這四層拆解把問題從「650億美元真不真」推進到了更有價值的層次：這650億美元需要多少直銷投入，雲廠商拿走多少，需要多少兆瓦容量，最后又有多少變成經營利潤和現金流。

五、Claude Code與Codex的數據，一邊證明規模，一邊提醒分母陷阱

編程智能體是目前最容易把模型能力變成企業收入的場景。任務價值可測量，使用頻率高，團隊還可以統一採購、權限和審計。這些特徵使得Claude Code和Codex不只是產品份額指標，也是兩家公司收入結構的先行信號。

Tickerplus估算，截至8月10日當周，Claude Code追蹤ARR達到151.2億美元，佔Anthropic追蹤總ARR的21.9%，月度增長5.2%；Codex追蹤ARR為88.3億美元，約佔OpenAI企業ARR的45%，月度增長20.8%。Claude Code的追蹤規模約是Codex的1.71倍，Codex的單月增速卻約是Claude Code的4倍。這組數據比一個簡單排名更有信息量：Anthropic已經把編程場景做成大規模收入，OpenAI則在更小基數上快速追趕。

但兩個佔比的分母完全不同。按151.2億美元除以21.9%反推，Tickerplus的Anthropic追蹤總ARR約為690億美元，與公司報道的650億美元run-rate相當接近。按88.3億美元除以45%反推，對應的是約196億美元OpenAI企業ARR，不是OpenAI公司總收入。如果直接把21.9%和45%並列，會錯誤得出「Codex對OpenAI的貢獻高於Claude Code對Anthropic的貢獻」；實際上，一個分母是公司追蹤總ARR，另一個分母只是企業ARR。

第三方追蹤還會受到降價影響。SemiAnalysis提醒，OpenAI在OpenRouter和Vercel AI Gateway等渠道的價格下調可能明顯提高可見token份額，但token份額上升不一定意味着收入份額同幅上升。對Codex更合理的跟蹤方法是同時看使用量、實際價格、企業留存和每客户消費，而不是隻看單月ARR增速。

Anthropic經濟指數深度｜Claude使用節奏、產出形態與AI勞動預期

六、收入高增長之后，兩家公司在競爭不同的利潤池

Anthropic的優勢更接近「企業工作負載+多雲分銷」。Claude Code提供高強度使用，雲平臺提供大客户入口，兩者合在一起可以很快做大收入。它的代價是與Amazon、微軟和谷歌分享客户控制權和利潤。如果企業通過雲平臺進行比價、切換或統一計費，模型實驗室的定價權會隨着模型可替代性上升而下降。

OpenAI的優勢更接近「用户入口+產品組合」。ChatGPT提供龐大觸達，Codex將其中一部分用户帶入高強度工作負載，企業產品則把這些能力封裝成可採購、可管理的合同。OpenAI如果能在同一個企業客户內同時銷售聊天、編程、API和智能體，單客收入可以快速上升。問題是大量免費流量和激進降價可能讓使用量領先於收入，收入又領先於利潤。

據媒體報道，OpenAI第2季度經營虧損從第1季度的93億美元擴大到123億美元，虧損增幅約32%，快於收入約18%的環比增幅。當季經營虧損約是收入的1.84倍。該數字包含股權激勵，不等同於現金流出，但它仍然表明OpenAI在訓練、推理、免費用户和人才競爭上承擔了巨大成本。Anthropic同期據稱取得小幅調整后經營利潤，但缺少對股權激勵、渠道分成和其它調整項的統一定義，無法與OpenAI直接對比。

兩家公司的核心差異因此不是「一家會賺錢，一家不會」。Anthropic的收入結構可能更靠近企業使用，但間接渠道會分走利潤；OpenAI擁有更大入口，但轉化和免費成本拖累當期經濟。最終勝負取決於誰能更快把收入增長轉成留存利潤，而不是誰先發佈一個更高的ARR數字。

風險提示: 投資涉及風險，證券價格可升亦可跌，更可變得毫無價值。投資未必一定能夠賺取利潤，反而可能會招致損失。過往業績並不代表將來的表現。在作出任何投資決定之前，投資者須評估本身的財政狀況、投資目標、經驗、承受風險的能力及瞭解有關產品之性質及風險。個別投資產品的性質及風險詳情，請細閲相關銷售文件，以瞭解更多資料。倘有任何疑問，應徵詢獨立的專業意見。