股票
板块
用户
资讯
首页
天眼
自选
发现
开户
首页
天眼
自选
发现
我的

华泰科技 | Anthropic是如何炼成的:从“加速”到“为前沿定速”


核心观点


Anthropic成立于2021年,由7位前OpenAI研究人员创立。2026年5月完成650亿美元H轮融资、投后估值9,650亿美元,已超过OpenAI成为全球估值最高的非上市公司,同月run-rate收入突破470亿美元。9月12日,Dario Amodei发表长文《We Must Pace the Frontier》,主张放慢前沿模型能力提升的速度。本文沿几条线索展开:公司背景与基因、Dario对AI的看法与恐惧、商业闭环与单位经济性、其公共政策主张的由来,以及这套主张在产业现实中是否可行。


团队:核心资产是持续生产前沿能力的组织系统

Anthropic创立时已同时覆盖预训练/Scaling、RL、对齐评测、可解释性、治理和运营,之后又围绕产品化与基础设施按瓶颈补位,从团队配置角度看,并不是先做模型、再补安全的路径,而是从第一天起把训练、理解、对齐、评测与治理放进同一条决策链。我们认为,GPU和融资只是必要条件,真正稀缺的是把人才、算力、研究基础设施和组织决策持续转化为模型领先性的能力,这决定前沿领先能否跨代延续。


愿景:从“数据中心里的天才国家”到主张放慢

Anthropic 在正式公司文件中并不以“AGI”作为远期愿景,2025年3月,公司提交给白宫的愿景定义为:在多数领域达到或超过诺奖级专家,能够操作人类开展数字工作所使用的各类界面,自主完成持续数小时、数天甚至数周的复杂任务,并概括为 “a country of geniuses in a datacenter”。而Dario 9/12的最新文章认为AI能力提升正在加速,尤其当AI开始参与下一代AI研发后,这种加速可能进一步自我强化;与此同时,能力提升带来的安全风险也可能同步放大,希望通过放慢前沿能力提升的速度,为安全评估和治理争取更多时间。


中美竞争和上市压力下,模型迭代是否会实质放缓有待观察

Dario在9/12长文里主张导入包括第三方测评,行业标准,国际协调等机制控制前沿模型发布速度。我们认为:1)推理需求相对独立,由存量能力渗透与单任务强度驱动,训练节奏放慢并不改变需求斜率;2)真正关键是安全约束能否外生化为第三方评测和共同标准;3)中美在前沿模型能力上的差距缩小,据Stanford AI Index 2026,两国顶尖模型的Arena评分差距已收窄至2.7%。叠加上市进程对增长叙事的要求,市场对模型迭代是否实质放缓分歧较大,我们认为现阶段盖棺定论或为时尚早;Dario的主张能否影响全球AI监管政策走向仍有待观察。


需求:Coding之后的下一个杀手级应用是什么?AI研发

Coding率先跑通,因为它同时满足数字化、工具可操作、结果可验证和高频迭代。沿这一标准,Research尤其AI R&D最值得关注:若模型从“写代码/跑实验”进一步进入研究选题、实验设计和模型训练,Agent就从替代知识劳动升级为参与生产下一代智能,推动RSI逐步达成。


商业模式:Tokeneconomics价值单位由$/Token变成$/Task

投资人关注Token价格下降的影响,我们认为Anthropic的收入由模型能力、单任务消耗量、单位Token价格三者决定:单价下降被单任务Token强度上升与可自动化任务范围扩大所抵消,因此降价并不一定压低收入,行业真正应该关注的指标正在从$/Token转向$/Task。


风险提示: Token 毛利改善不及预期风险,算力承诺与利用率不匹配风险,渠道与政策风险。本研报中涉及到未上市公司或未覆盖个股内容,均系对其客观公开信息的整理,并不代表本研究团队对该公司、该股票的推荐或覆盖。


点击查看研报原文


正文


Anthropic是如何炼成的:从“加速”到“为前沿定速”

Anthropic成立于2021年,由7位前OpenAI研究人员创立。2026年5月完成650亿美元H轮融资、投后估值9,650亿美元,已超过OpenAI成为全球估值最高的非上市公司,同月run-rate收入突破470亿美元。9月12日,Dario Amodei发表长文《We Must Pace the Frontier》,主张放慢前沿模型能力提升的速度。本文沿几条线索展开:公司背景与基因、Dario对AI的看法与恐惧、商业闭环与单位经济性、其公共政策主张的由来,以及这套主张在产业现实中是否可行。



问题#1:创始人拼出了什么样的能力矩阵,足以再造一间前沿实验室?

我们认为,前沿模型实验室的门槛不在于拥有某一位明星研究者,而在于六类能力能否在创立阶段同时到位:前沿模型训练与算力工程、规模规律研究(scaling science)、对齐与评测、机械可解释性、公共政策与治理,以及组织运营与产品化。训练能力决定能否进入能力前沿;对齐与评测决定模型能否在可控风险下发布;政策治理影响部署边界与外部信任;组织运营和产品化则决定科研成果能否持续转化为产品与收入。


Anthropic在2021年5月宣布完成1.24亿美元A轮融资时,已经把这种跨学科组合写进公司定位。官方公告称,团队成员此前参与过GPT-3、Circuit-Based Interpretability、Scaling Laws、AI & Compute、Concrete Problems in AI Safety和Learning from Human Preferences等工作,融资将用于计算密集型研究,开发可控、可解释且稳健的大规模AI系统。换言之,Anthropic并不是先建立单一路线的模型团队,再逐步补齐安全和治理职能;其起点就是把前沿能力研究、训练工程、可解释性、对齐与部署放在同一研究议程中。


根据公开论文贡献与官方职能,Sam McCandlish覆盖预训练、大规模训练和强化学习基础设施;Tom Brown直接参与GPT-3的大规模模型、训练基础设施、模型并行和预训练实验;Jared Kaplan与Sam共同领导Scaling Laws研究,后续又承担Responsible Scaling Officer职责;Chris Olah的代表性专长是机械可解释性;Jack Clark覆盖伦理影响、公共政策和社会影响研究;Daniela Amodei对应组织运营、文化与治理;Dario Amodei则统筹研究方向与公司战略。我们认为,创始团队已经覆盖了搭建“训练—理解—对齐—评测—治理—部署”闭环所需的大部分关键模块。更重要的是,这套班底的组织特征并非简单地把“能力派”和“安全派”放在一起,而是把两种判断嵌入同一条决策链:一方面相信模型能力会随规模扩张呈现一定的可预测规律;另一方面承认新能力和安全问题仍可能在规模化过程中以难以预料的方式出现。


后续组织扩张也呈现出“按瓶颈补位”的特征。2024年5月,Mike Krieger加入Anthropic,统筹产品工程、产品管理和设计,补强研究向产品的转化;2025年10月,Rahul Patil接任CTO,负责产品、算力、基础设施、推理、数据科学和安全,Sam McCandlish则转任Chief Architect,继续领导预训练,职责进一步延伸至提升研究效率和建设强化学习基础设施。对齐研究方面,Anthropic在2024年12月启动Fellows项目,并把可扩展监督明确列为重点方向;2026年3月成立的Anthropic Institute由Jack Clark领导,将研究边界进一步延伸至机器学习、经济学、社会科学以及AI与法治。



问题#2:Dario真正押注的终局是什么:从“数据中心里的天才国家”到“为前沿定速”

行业对 AGI 并无统一定义。OpenAI将 AGI定义为高度自主、在大多数有经济价值工作上超过人类的系统;Google DeepMind定义为在大多数认知任务上至少达到人类水平,并用generality、performance等指标衡量广度和深度。


各家大模型厂商对愿景的描述也并不相同。OpenAI 2026年强调先进 AI 充裕、可负担、安全且广泛可得,并明确全自动化不是理想终局;DeepMind把AGI视为推进科学、医学和生产力的终极工具;Meta主张 personal superintelligence;Microsoft AI 强调可控、受限的Humanist Superintelligence;xAI 聚焦科学发现与理解宇宙。



Anthropic 在正式公司文件中并不以“AGI”作为远期愿景的核心表述,而更常用 “powerful AI”和“transformative AI”。2025年3月,Anthropic 在提交给美国白宫科技政策办公室(OSTP)的 AI Action Plan 建议中,对 powerful AI 给出了非常具体的定义:在多数领域达到或超过诺奖级专家,能够操作人类开展数字工作所使用的各类界面,自主完成持续数小时、数天甚至数周的复杂任务,并通过数字连接控制实验室设备、机器人和制造工具。公司将这一能力形态概括为 “a country of geniuses in a datacenter”,并在当时判断这类系统最早可能于2026年底或 2027年出现。



Dario Amodei 在2026年1月的个人长文中进一步把这一终局具体化:训练前沿模型所使用的计算资源,未来可以转而运行数以百万计的模型实例;这些实例既可以分别处理不同任务,也可以协同工作。由此看,Anthropic 真正押注的不只是“单个模型更聪明”,而是高水平智能能够像计算资源一样大规模复制和并行调用。当这种能力成熟后,知识劳动与研发能力本身有可能逐渐成为一种可由算力扩张的新型生产要素。


在更远期的表述中,Anthropic 把能力扩张与安全治理放在同一条路径上。公司在2026年5月的政策文章中明确将使命表述为“确保人类安全且有益地完成向 transformative AI 的过渡”,并预计这种转型能够带来医学、发明和经济增长上的重大突破。Dario 在2024年10月的个人长文中对正面终局的描述更激进:他提出 “compressed 21st century” 的设想,即 powerful AI 可能把原本需要 50–100 年完成的生物和医学进步压缩到 5–10 年。综合来看,Anthropic 的长期愿景并不是单纯追求一个名为 AGI 的技术里程碑,而是构建可规模化、自主化的强大 AI,使其成为知识生产和科研创新的基础设施,同时尽可能控制这一转型的风险。


而随后在2026年9月12日的个人长文中,Dario仍重申AI可能在5–10年内治愈大多数重大疾病并加速经济增长,但随后给出核心主张——必须放慢提升模型能力的速度,并且要善用由此争取到的时间。他把原因归到两件事:一是2026年夏季以来AI进步明显加快,主要驱动力已是AI构建下一代AI的能力;二是7月OpenAI–Hugging Face智能体事故显示,一群能力更强、对齐水平相当的智能体可能造成量级完全不同的破坏。同时,Dario呼吁独立第三方机构安全审查、全球协调建立标准等来进行行业的安全升级。


问题#3:模型未来演进方向是什么?如果迭代放缓有什么影响?

如果回看ChatGPT发布以来的四年,大模型的演进并不是简单的参数扩大和模型版本迭代,而是经历了几次能力范式的跃迁。2022年底至2023年是大模型从“语言模型”走向“通用助手”的阶段。以ChatGPT和GPT-4为代表,预训练模型经过指令微调和人类反馈强化学习后,第一次能够以自然语言界面完成问答、写作、代码等广泛任务。2023年至2024年,行业的主要变化是能力快速扩散和模型边界不断拓宽。一方面,GPT-4曾经形成的能力门槛被越来越多模型追上,模型性能提升的同时推理成本快速下降,大模型因此不再只是“聊天机器人”,而开始能够读取更多现实世界的信息,并调用外部工具解决问题。


真正重要的下一次跃迁发生在2024年下半年至2025年。以OpenAI o1、DeepSeek-R1等为代表的Reasoning Model将强化学习和推理时计算引入模型能力扩展,大模型开始从依赖一次前向生成答案,转向在回答之前进行更长时间的搜索、推理、验证和纠错。Scaling的重点也由单纯增加预训练计算量,逐渐扩展到Post-training和Test-time Compute。数学、代码和复杂问题求解能力因此出现明显跃升,模型开始由“会说”向“会想”演进。


2025年以来,Reasoning进一步与工具调用结合,推动大模型由“回答问题”走向“完成任务”。Coding成为最先跑通的Agent场景,Claude Code、Codex等产品已经能够自主读取代码库、制定计划、修改文件、运行测试并反复纠错;Deep Research、Computer Use等能力则开始将这一范式扩展到研究和更广泛的知识工作。




我们认为,未来大模型的演进目标,正转向“能够长期、可靠、自主地完成复杂任务”。这意味着模型能力的评价维度也需要从单纯的知识、推理和Coding Benchmark,进一步扩展至长周期规划、执行可靠性、长期记忆和自我改进能力。


我们认为未来模型的迭代重点包括:1)从单步推理走向长周期规划。当前模型已经能够较好地完成持续几十分钟乃至数小时的复杂任务,但现实中的高价值工作往往跨越数天、数周甚至更长时间。未来模型需要具备更强的任务拆解和规划能力,能够围绕长期目标逐步形成阶段目标、具体任务和执行步骤,并根据实际进展持续调整,而不是单纯依靠更长的CoT推理过程完成复杂任务。



2)从“能够执行”走向“能够验证”。我们依旧感受到,如何保证长时间运行下的稳定性和可靠性,仍是智能体面临的核心瓶颈。模型虽然已经可以操作Terminal、Browser、Excel和Computer,但复杂任务往往包含数百乃至上千个连续Action,任何单步错误都可能在长链路中不断累积。


3)从Long Context走向真正的长期记忆。单纯扩大Context Window并不能解决长期任务中的全部记忆问题。真正的Agent不应在每次执行任务时重新读取过去所有Token,而需要形成类似人类的分层记忆体系,包括感觉记忆、短时记忆/工作记忆、长时记忆以及长时间记忆中的情景记忆、语义记忆、程序性记忆。


4)从完成任务走向持续学习和自我改进。更长期看,大模型还需要具备Recursive Self-Improvement(RSI,递归自我改进)能力,真正的RSI也需要形成更完整的闭环。



RSI从研究议题变成政策议题,是2026年最重要的变化。Dario认为,AI进步的主要驱动力已经是AI构建下一代AI的能力,若不加约束,可能超出人类理解和控制这些系统的能力。7月OpenAI–Hugging Face事故是触发行业呼吁降速的关键性事件。根据独立调查方METR的事件复盘,OpenAI在进行内部网络安全能力测试时,原本要求大量彼此隔离、无法直接访问公网的AI Agent在沙箱环境中完成漏洞利用任务,但部分Agent在寻找更高效完成评测的方法时,发现了内部基础设施中的安全漏洞,并由此突破网络隔离、建立Agent之间的信息共享渠道,最终获得真实互联网访问权限。随后,数百个Agent协同利用Hugging Face基础设施中的公开凭证,进入其生产环境,并在部分服务器和集群中执行代码。事件表明,当高能力Agent具备长程规划、漏洞发现、工具调用和多Agent协作能力后,其行为可能迅速超出原有沙箱和监控体系的控制边界,因此被视为AI Agent安全、能力评测与隔离机制中的一次重要警示。



而另一方面,我们认为模型迭代降速对算力需求的影响可能被高估。定速压的是训练侧的实验频率与发布节奏,而推理侧需求由存量能力的渗透率和单任务Token强度决定,两者并不同步。Google披露的Token量近一年增长约7倍;这些增量绝大部分来自已经发布的模型,而不是尚未发布的下一代。因此即便前沿训练节奏放慢,推理需求的斜率短期也不会改变。而真正需要观察的是两到三年后,若模型能力水平长期停滞,届时续约与扩容或出现压力。


对于“模型进步是否放缓”,市场分歧较大,我们认为宜从多个视角并看,现阶段不宜过早定性。1)技术视角:根据Dario Amodei于2026年9月12日发布的个人长文《We Must Pace the Frontier》,2026年夏季以来AI进步明显加快,主要驱动力是AI构建下一代AI的能力。2)同业视角:根据SiliconANGLE(2026/9/13)报道,Sam Altman公开表示认同“为前沿定速”,并称OpenAI也将引入嵌入式第三方评估,Elon Musk亦表态支持。我们认为,两家公司的增长叙事均依赖新一代模型的能力提升,与主动降速之间存在张力。我们认为,板块分化反映投资者对训练需求预期的分歧。我们认为,“定速”短期更可能体现为发布前评估流程的延长,而非训练投入的实质收缩;最终节奏取决于第三方评测机制如何落地以及各方执行力度,需持续跟踪。


问题#4:为什么Coding最先跑通,Coding之后的下一站在哪里?

我们认为,Coding是大模型第一个真正实现大规模商业化的Agent场景。原因在于代码工作最早满足了Agent闭环的几个关键条件:任务发生在纯数字环境,模型可以直接读取文件、修改代码和运行命令;结果有明确反馈,测试、代码提交和系统运行都可以验证;任务天然适合“理解上下文—规划—执行—验证—迭代”的循环。更重要的是,代码广泛存在于企业软件和数字工作流中,Anthropic将这一逻辑概括为“Code is everywhere”。从收入规模看,Coding已经从开发者工具成长为一个约240亿美元年化收入规模的AI原生市场。根据TickerTrends高频追踪,截至2026年8月10日,Claude Code的tracked ARR已达到151亿美元,OpenAI Codex达到88亿美元,两者合计接近240亿美元。


Coding之后,我们认为近期最清晰的方向是把同样的Agent范式横向迁移到知识工作。其本质是逐步将知识工作“软件化”:Agent可以访问企业文件、数据库、Excel、CRM等上下文,调用工具并持续执行任务,而领域专家主要负责设定目标和验收结果。Anthropic对约40万次Claude Code会话的研究发现,2025年10月至2026年4月,调试代码占比由33%降至19%,而数据分析和文档写作合计占比约由10%升至20%;用户承担约70%的规划决策,Claude则承担约80%的执行决策。这意味着Coding Agent正在从开发者工具逐渐演化成“专家定目标、Agent执行”的通用工作范式。




在这些知识工作中,我们认为Research,尤其是AI R&D,可能成为最重要的高价值场景之一。研究本身也可以拆解为类似软件开发的闭环:确定问题—设计实验—运行实验—分析结果—继续迭代。过去模型主要帮助检索和写作,而Agent已经开始进入实验执行环节,能够编写代码、调用计算资源、运行实验、分析结果并修改方案。


OpenAI在2026年9月披露,其AI Research Agent已经能够在人类指导下独立完成原本需要熟练研究员数天的明确研究任务;截至2026年8月,每投入1个研究员工作日,对应约3.1个Agent工作日,但高层研究规划仍主要由人完成。Anthropic的观察也类似:Claude在执行定义清楚的实验方面已经非常强,但“应该研究什么、下一步做什么”仍依赖研究人员判断。截至2026年5月,Claude已撰写Anthropic内部超过80%的合并代码,典型工程师每日合并代码量约为2024年的8倍。


今天的Claude更多是在帮助研究人员写代码、跑实验和分析结果,未来如果AI进一步获得研究选题、实验设计和模型训练能力,并利用这些能力持续开发更强的下一代AI,则可能进一步形成“AI改进AI”的递归反馈循环,即RSI。当前Anthropic和OpenAI仍处于AI加速AI研发,而非真正的递归自我改进阶段。



问题#5:Anthropic 如何赚钱——把"智能"做成按量计价的基础设施

复盘Anthropic历次对外披露的收入口径,其增长曲线在科技公司历史上几乎没有先例。根据公司披露,年化Run-rate收入(最近月份收入年化)从2024年初的8,700万美元起步,2025年初约10亿美元;2025年9月 Series F 融资公告披露8月Run-rate已超过 50 亿美元;2026年2月Series G公告披露Run-rate 达140亿美元,并特别强调这一数字"过去三年每年增长超过 10 倍";2026 年 4 月公司在与Google、Broadcom 的算力合作公告中披露Run-rate突破300亿美元;5月Series H公告披露Run-rate于当月突破 470 亿美元,约为2月Series G披露水平的3.4倍。



总体而言,Anthropic 的商业逻辑可以概括为一句话:模型即公用事业,智能按量计价。与消费互联网公司靠注意力变现、或传统软件公司靠席位 License 变现都不同,Anthropic 的收入公式是"模型能力 × 单位 token 价格 × 消耗量":模型每变强一代,同一客户能完成的任务价值就上一台阶,计费单位也从"人头"(Seat)换成了"工作量"(Task),对应的市场也从 IT 预算扩展到知识劳动本身。



1)个人账户订阅(Free/Pro/Max),分为三档,Free免费(基础聊天、文件与代码执行,不含 Claude Code);Pro为$17/月(年付,$200 预付)或$20/月(月付),除更高用量外,还打包包含 Claude Code、Cowork、Claude Design、Claude Science 全部产品线;Max 分 5x($100/月)与 20x($200/月)两档,用量分别为 Pro 的 5 倍与 20 倍,并提供高峰时段优先访问。


2)团队席位,Team与 Enterprise两档。Team 为标准席$20/席/月(年付)或$25(月付)、高级席$100/席/月(年付)或$125(月付),人均用量分别为 Pro 的 1.25 倍与 6.25 倍,上限 150 席,年付较月付便宜约 20%。Enterprise自2026年 2月起统一为$20/席/月(年付)的"平台接入费",所有聊天、Claude Code、Cowork 产生的 token 用量全部按 API 刊例价另行计费。


3)API按token计量计费,定价为"模型分层×每百万token输入/输出单价"。新旗舰 Fable 5(Mythos级)$10/$50;Opus 4.8 及 Opus 5 为$5/$25(Opus自4.5代起从 $15/$75大幅下调67%后保持稳定);Sonnet 5 为$2/$10(原定2026年9月1日上调至 $3/$15,公司 8 月决定维持推广价),Sonnet 4.6 为$3/$15;Haiku 4.5为$1/$5。


产品方面,Claude Code与 Cowork是Anthropic收入的两大驱动引擎。Claude Code 自2025年5月全面上线后,其Run-rate 从2025年9月的超5亿美元增至11月的接近 10亿美元,再到2026年2月的超25亿美元;企业使用已占其收入过半,企业订阅数自 2026年初以来翻了两番,Semianalysis估计全球GitHub公开提交中约4%由Claude Code生成。Cowork自2026年1月推出,把Claude Code的agentic能力从软件工程扩展到销售、法务、财务等岗位。



渠道方面,第三方云平台也是Anthropic重要的分销渠道。Claude 是唯一同时上线 AWS(Bedrock)、Google Cloud(Vertex AI)和 Microsoft Azure(Foundry)的前沿模型,仅 AWS 上就有超过 10 万家客户使用 Claude;2026 年 5 月起 AWS 还上线了"Claude Platform on AWS",把 Anthropic 原生平台直接托管进 AWS 账户体系。


云渠道的关键机制有三点:其一,只卖量、不卖座——云渠道没有 Pro/Max/Team 席位概念,全部按 token 计费,且标价与官方 API 平价、不加价;其二,统一以 CCU(Claude Consumption Unit,Claude 消费单元)开票——根据 Anthropic 官方文档与微软 Learn 文档,token 用量按各模型刊例价(叠加合同折扣后)折算成 CCU(固定 100 CCU = 1 美元);其三,客户可以用已经承诺给云厂商的预算直接支付 Claude 账单。


问题#6:Tokeneconomics:Token越来越便宜,Anthropic收入为什么还能持续增长?

我们认为,AI 模型正在同时经历三股力量:第一,同等能力的单位推理成本快速下降;第二,降价与能力提升打开更多用户和更多工作流,带来极强的数量扩张;第三,AI 从一次性问答走向 reasoning、tool use 和 agentic workflow 后,单个任务本身变得更“吃 Token”。因此,单位Token价格无法决定收入,更应关注每个有经济价值的任务要花多少计算,以及用户愿意把多少任务交给模型。


首先,Token 价格确实在快速下降。Artificial Analysis 将模型按照 Intelligence Index 分成不同能力区间,并统计每个能力区间中最低的推理价格(图16)。几乎每一个已经形成供给的智能水平,价格都会随着时间呈阶梯式下降:早期这一趋势首先出现在 Intelligence Index 20 以下的模型,随后逐步扩展到 20–30、30–40,乃至 50–60 和 60 以上的前沿模型。换句话说,今天用户为一美元所能购买到的“智能”在持续增加——过去只能以较高价格获得的能力,随着更高效模型和新一代模型推出,会逐渐下沉到更低的价格区间。


但另一方面,新的、更高智能档位不断出现(图16)。AI 模型因此并不是一个单纯“ASP下跌”的商品市场,而更像计算机、半导体等典型的质量快速提升型市场:单位算力或单位 Token 越来越便宜,但用户能够购买的能力越来越强,能够交给模型完成的任务也越来越复杂。对 Anthropic 而言,这意味着 Token 单价下降并不必然压低收入,因为价格下降本身会扩大可经济化的任务边界,并推动 Token 消耗量和单任务计算量同步上升。



同时,行业已经出现非常强的数量效应。Google 在 I/O 2026 将 Token直接作为 AI adoption的指标:其Token量从2024年5月的9.7万亿增至2025年5月约480万亿,2026 年 5 月进一步超过 3.2 千万亿,两年增长超过 300倍、最近一年增长约7倍。



此外,对 Anthropic 更重要的不是“用户多发几条消息”,而是每个任务的 Token 强度在上升。Anthropic 2026 年 6 月 Economic Index 明确指出,Claude 的使用正在从对话转向 long-running agentic tasks;其真实使用数据中,生成 App 的对话消耗超过中位对话 3 倍的 Token,映射到最高工资三分位职业的典型对话消耗是最低工资三分位的 2.07 倍;跨不同输出类型看,AI 自主度与中位 Token 消耗的相关系数达到 0.68。换言之,模型开始承担更复杂、更高价值、更端到端的工作后,“Token/任务”本身是上升的。



Anthropic 自己的产品定价也体现出,API定价有所下降,但是任务的Token强度在提升。Sonnet 4 的 API 价格为 3/15 美元(输入/输出,百万 Token),Sonnet 5 已降至 2/10 美元;Opus 4 的 15/75 美元也在 Opus 4.5 后降至 5/25 美元并延续到 Opus 5。与此同时,Sonnet 5 发布页明确表示,公司提高 Chat、Cowork、Claude Code 和 Platform 的 rate limits,是为了容纳 higher effort levels 带来的更高 Token 使用量。更值得注意的是,Sonnet 5 更新了 tokenizer,同一输入文本会对应约 1.0–1.35 倍 Token(取决于内容类型),因此名义 $/MTok 下降 33% 并不等于同一份文本的账单也下降 33%。Anthropic 在 Opus 5 发布页甚至直接用 cost per task 比较经济性,并允许用户通过 effort setting 在 intelligence 与 Token 消耗之间取舍。也就是说,Anthropic 正在用更低的单位价格换取更高的计算预算、更广的使用范围和更强的任务完成率;真正更接近商业价值的指标正在从 $/Token 转向 $/task。



从商业模式看,这也是为什么“前沿能力”比“单个 Token”更适合作为价值单位。Big Technology 对 Dario Amodei 的采访显示,他的判断是:即使客户成本维持不变,模型进步也会让客户获得更多 intelligence per dollar;Anthropic 同时披露,2025 年八位数和九位数合同数量同比增至 3 倍,企业客户平均支出达到前一年的 5 倍。能力提升可以让同一客户从简单问答扩展到 coding、research、data analysis、workflow automation,形成明显的 wallet-share expansion。


问题#7:Anthropic 能留下多少毛利?

2025年7月,The Information报道称,Anthropic直接销售模型的毛利率约为60%,目标向70%提升;2026年6月,据PitchBook估算,公司整体毛利率约为44%。我们认为,两类口径的差异主要来自第三方云渠道的算力成本与分成,直销业务的单位经济性明显优于公司综合口径。以AWS Bedrock为例,SemiAnalysis假设Anthropic全额确认Claude Token收入,同时向AWS支付约25%的收入分成和约750万美元/MW/年的固定IaaS费用;按其估算,1Q26 Anthropic在Bedrock上约实现2,600万美元/MW收入,对应渠道毛利率约46%,若单位算力收入提升至3,000–4,000万美元/MW,则毛利率约为50%–56%。我们认为,第三方渠道毛利率低于直销,主要因额外承担云算力费与渠道分成。



问题#8:为了维持模型领先,Anthropic 到底需要烧多少钱?

前沿模型竞争进入高资本强度阶段,Anthropic的资金约束正由“研发团队扩张”转向“算力容量锁定”。复盘公开信息,A–H定价轮融资公告金额累计1200亿美金左右;可明确量化的主要算力项目形成15GW容量;人员方面,3,000–4,000人规模对应的现金工资约为7.5–14亿美元/年。我们认为,为维持模型领先,Anthropic当前需要同步比拼融资能力、长期算力获取与商业化兑现能力。


融资能力快速抬升,为前沿模型投入提供资本基础

融资自2025年起明显提速。Series E–H四轮公告金额合计1,115亿美元,占A–H定价轮公告总额约98%,推动公司单轮融资能力由早期十亿美元级快速进入数百亿美元级。并且战略股东持续加码,进一步增强资本供给。Google早在2023年已有约3亿美元入股,随后又有20亿美元承诺;Amazon到2024年累计投入80亿美元,截至2026年二季度累计投入已达180亿美元;2026年Google又提出最高400亿美元的新安排,其中100亿美元为当前现金承诺、300亿美元与绩效条件挂钩。



算力布局进入多云、多芯片与多数据中心并行阶段

数据中心部署由单一云采购转向多供应商组合。Anthropic目前同时布局AWS Trainium、Google TPU/Broadcom定制芯片、NVIDIA GPU与多家neocloud/数据中心。按公司及供应商已正式签署或确认的协议口径,可量化的远期算力规模约14.3GW+,其中 AWS 最高约5GW,Google/Broadcom约6GW以上。


年限明确的算力合同名义年化已超过340亿美元。按公开金额与合同期限标准化,AWS 十年超过1,000亿美元对应>100亿美元/年;SpaceX按12.5亿美元/月满额对应约150亿美元/年;Nscale 450亿美元/6年对应75亿美元/年;Volta 100亿美元/6年对应约17亿美元/年,四项合计超过342亿美元。我们认为,相较GW本身,该口径更直接反映Anthropic为模型训练与推理提前锁定资源的资本强度。




员工规模进入数千人阶段,人才成本高但并非资本消耗主项

员工规模方面,据Revelio Labs workforce数据,截至2026年3月Anthropic全球员工约4,020人。按约4,000人、25–35万美元人均年化现金工资(我们的假设)测算,年化现金工资约为10–14亿美元,明显低于已披露的数百亿美元级算力采购名义年化。我们认为,人力成本的重要性更多体现在核心研究人才股权激励、稀缺人才留存与组织效率,而非决定公司现金消耗规模的第一变量。


估值:9,650亿美元投后估值隐含高增长延续与毛利率修复两项核心假设

本文不给出目标估值,但就市场关注的“Anthropic值多少钱”给出我们的理解。根据公司2026年5月28日H轮融资公告,公司投后估值为9,650亿美元;根据彭博(2026/8/17)报道,公司7月末run-rate收入约650亿美元。我们测算,投后估值约为run-rate收入的14.8倍。作为对照,根据TechCrunch(2026/8/10)援引彭博的报道,OpenAI于8月完成约70亿美元员工股份回购,估值维持8,520亿美元;根据彭博(2026/8/14)报道,OpenAI年化收入超过400亿美元。我们测算,其估值约为年化收入的21倍。上市方面,根据Business Insider(2026/9/14)报道,公司寻求约2万亿美元或以上的上市估值;根据路透(2026/8/14)报道,公司IPO估值讨论以2028年收入预测1,900–2,000亿美元为定价锚(非公司指引)。我们测算,按此口径,2万亿美元约为2028年预测收入的10倍,9,650亿美元约为5倍。我们认为,当前估值并非基于当期利润,而是隐含三项假设:1)run-rate收入在2026–2028年仍保持多倍增长;2)综合毛利率持续改善至六至七成;3)长期算力承诺能被收入覆盖,现金流在上市后数年内转正(均为我们的假设)。


估值超出预期的条件包括:Agent任务从Coding扩展到更广泛的知识工作与AI研发,$/Task定价被客户接受;Fable/Mythos级模型维持能力领先与价格溢价;直销占比提升带动毛利率改善。低于预期的条件包括:run-rate增速明显放缓或出现头部客户流失;开源模型与同业降价压低净价;数据留存等合规问题拖累高价值客户导入;算力利用率不足导致现金流转正推迟;以及市场对高增长资产的整体估值下修。招股书披露的GAAP收入、毛利率、客户集中度与现金流,将是检验上述假设的关键。


问题#9:Claude 的竞争优势是什么,为什么能跑出来?

据Ramp在2026年8月的统计,Anthropic在商业人工智能领域的领先优势进一步扩大。美国有43.8%的企业选择了Anthropic的订阅服务或相关产品,这一比例环比7月上升了 0.34个百分点。相比之下,OpenAI占比达到39.8%。我们认为,Claude的竞争优势可能来自:1)战略定位上聚焦企业级工作场景;2)人才持续净流入且留存率行业领先;3)模型harness领先。



战略定位:聚焦企业级工作场景,商业模式与任务形态相匹配。OpenAI 的战略重心偏向消费市场:据公司披露,ChatGPT 周活跃用户数2026年2月已达9亿,产品覆盖聊天、语音、图像、视频、电商等多个方向。Anthropic消费端用户规模显著小于ChatGPT,将资源集中于编码、数据分析、财务、法务等目标明确、结果可验证的知识工作任务,以及为此付费的企业客户。收费模式与上述定位相匹配:OpenAI 收入以包月订阅为主(SemiAnalysis估计其2026年一季度订阅收入占比超过65%,其中约四成来自个人用户),用量扩张直接推高服务成本,商业激励上倾向于控制用量;Anthropic 收入以按用量计费为主(SemiAnalysis 估计占比约75%–85%)。我们认为,消费端份额的落后属于Anthropic 主动的战略取舍,企业端份额的反超才是其资源投入的直接结果。


人才结构:对 OpenAI、DeepMind 形成持续净流入,且留存率行业领先。据 SignalFire 2025年5月发布的人才报告,工程师由OpenAI流向Anthropic的概率约为反向流动的8倍,由Google DeepMind流向Anthropic接近11倍;入职两年留存率Anthropic为80%,高于DeepMind的78%、OpenAI的67%与Meta的64%。2026年以来,这一净流入延续且层级上移:1月,OpenAI安全研究负责人Andrea Vallone加入;3月,OpenAI研究副总裁Max Schwarzer加入;5月,OpenAI联合创始人Andrej Karpathy加入并组建预训练团队,方向为利用Claude模型加速预训练研究;6月,2024年诺贝尔化学奖得主、AlphaFold 项目负责人John Jumper自DeepMind加入。




产品工程:harness 影响 Agent 可用性,自用闭环缩短迭代周期。行业内的普遍共识是,Agent类产品中模型能力仅决定部分体验,模型外围的工程层(harness),包括上下文管理、外部工具接入、操作权限控制与错误回退等重要性提升;该层能力不进入基准评测,但直接决定长任务的实际完成率。Claude Code的领先主要体现在此:其最初为Anthropic内部工具,开发者与用户高度重合;据The Anthropic Institute,截至2026年5月,Anthropic 合并代码中超过80%由Claude撰写,产品持续接受内部高强度使用检验。对比来看,OpenAI 的同类产品Codex起步较晚,且长期作为ChatGPT的附属功能而非独立工作流进行打磨。


竞争格局:第一梯队集中于少数闭源厂商,差异更多体现在客户定位、算力与分发。从多维度对比看(图表27),我们认为:OpenAI兼顾C端与B端;Google依托自研TPU、云以及搜索、安卓、Workspace等入口,具备全栈与成本优势,或为中长期综合实力最强的对手; DeepSeek与智谱以开源权重和低价切入,在性价比敏感的开发者与政企私有化市场形成竞争。我们认为,Anthropic的相对优势在于企业级Agent与Coding场景、按量计费模式以及研究与产品一体的组织;相对劣势在于C端入口、多模态能力以及算力对云伙伴的依赖。



开源模型:主要压制中低端价格带,对前沿溢价的影响取决于代差能否维持。我们认为开源模型影响可分三层:1)收入端,摘要、分类、客服、简单代码补全等中低端API对价格敏感、切换成本低,开源模型或将持续压低这一价格带的净价;根据VentureBeat(2026/7/30)报道,OpenAI将GPT-5.6 Luna降价80%,根据Anthropic官网(2026/9/15),Sonnet 5现行定价较Sonnet 4.6低约33%,均反映这一价格带的竞争;但Anthropic收入集中于Coding与长链路Agent,客户按任务完成率与可靠性付费,现阶段的能力代差仍可支撑溢价。2)毛利端,若公司通过降价守份额,毛利率修复节奏可能慢于预期;若代差进一步收窄,前沿溢价空间将被压缩。3)终局上,我们倾向于认为开源与闭源并非二选一,而是分层并存:前沿能力、安全要求高和强Agent场景以闭源为主,成熟能力以开源权重形式快速商品化,企业通过多模型路由按任务选型或将成为常态;根据TechCrunch(2026/7/27)报道,Dario表示不具备危险能力的开源权重模型是一种公共品。


问题#10:Amazon、Google 对 Anthropic 究竟意味着什么——股东、算力供应商、渠道,还是潜在竞争者?

云厂商已成为Anthropic资本、算力与分销体系的重要组成部分,我们认为合作关系现阶段整体仍偏正和,但长期价值分配取决于两个尚未充分披露的变量。第一,战略投资与长期云采购之间的资金循环程度:云厂商一边向Anthropic提供股权或融资,一边通过算力合同锁定未来采购,外部融资最终有多少转化为对同一批供应商的支出。第二,云渠道对收入与毛利的影响:Claude经Bedrock、Vertex AI、Foundry及Marketplace等渠道销售后,Anthropic实际确认多少收入、承担多少推理成本与渠道让利、最终保留多少毛利。前者影响融资与现金流质量,后者决定长期利润率与估值。公开资料目前不足以对两项指标进行精确量化,但现有合同结构已经显示,Amazon、Google、Microsoft同时承担股东、算力供应商和分销渠道等多重角色。我们认为,Anthropic本质上以部分长期采购承诺与生态绑定,换取当前的资本、稀缺算力和企业客户触达;这一安排有助于加快规模扩张,但也使未来现金流与毛利率更依赖云伙伴的商业条款。而三大云分工差异明显,AWS偏主训练,Google偏TPU,Microsoft偏企业分销。



Amazon与Anthropic的合作已由股权投资进一步延伸至“融资支持+算力交付”联动。Amazon最新10-Q披露,截至2026年6月底已累计向Anthropic投入180亿美元,其中2023-2025年累计80亿美元,2026年二季度又参与G轮和H轮各50亿美元。2026年4月公布的最多200亿美元后续融资安排,在H轮使用50亿美元后剩余额度为150亿美元;该额度需随AWS算力交付里程碑逐步释放,投资工具包括无投票权优先股及可转票据。我们认为,Amazon不仅是财务股东,也通过融资安排提高Anthropic采用AWS算力的确定性。


2026年4月双方约定Anthropic未来十年在AWS投入逾1,000亿美元,协议覆盖最多5GW;公告时计划2026年底合计近1GW Trainium2/3容量上线。此外,Anthropic与Annapurna Labs持续将Claude训练反馈用于后续Trainium设计,合作已延伸至低层优化与芯片架构。



Google同时具有资本伙伴、TPU供应商与模型竞争者三重角色。据Reuters在2026年4月24日引述Anthropic的说法,Google当期投资安排包括100亿美元现金承诺,以及另外300亿美元与绩效目标挂钩的条件承诺。同月Anthropic与Google、Broadcom宣布多个GW下一代TPU合作,预计2027年起上线。我们认为,Google对Anthropic的支持与Gemini竞争并不矛盾:其既可分享Claude成长,也可从TPU与Google Cloud需求扩张中获益。


Microsoft补充了云供给与企业软件入口,合作价值更偏向分销。2025年11月合作公告中,Anthropic承诺采购300亿美元Azure算力,并约定最多1GW扩展;Microsoft、NVIDIA的投资承诺上限分别为50亿和100亿美元。产品侧,Claude已进入Foundry、GitHub Copilot、Microsoft 365 Copilot和Copilot Studio;Azure提供基础设施、企业采购和账单入口,NVIDIA则提供GPU架构与协同优化,两者经济角色并不相同。我们认为,Microsoft的增量价值在于把Claude嵌入企业既有开发与办公工作流,在分散算力来源的同时降低客户导入成本。


资金循环值得关注,但现阶段不宜直接定义为“循环收入”。Amazon 一边向 Anthropic 提供股权与融资支持,一边通过 AWS 锁定其长期算力采购;截至 2026 年 6 月底累计投资 180 亿美元,另有最多 150 亿美元剩余额度,而 Anthropic 同时承诺未来十年在 AWS 投入逾 1,000 亿美元。会计上,投资是融资流入、算力采购是成本支出,不能据此认为云厂商投资直接抬高收入;但从经济关系看,融资方与核心算力供应商高度重合。我们认为,这一模式有助于 Anthropic 提前锁定资本与产能,但若需求不及预期,长期采购承诺也可能增加现金流压力。上市后更值得关注最低采购额、退出条款、cloud credits 与折扣等披露。


渠道毛利可能是决定 Anthropic 长期利润率的更关键变量,但目前仍难量化。Claude Platform on AWS 和 Foundry 更接近“Anthropic 提供产品、云厂商提供采购与账单入口”,Anthropic 对产品和客户关系的控制更强;Bedrock 则由 AWS 更深度参与托管和推理。公开资料尚未披露不同渠道的分成比例和实际毛利,因此跨云标价相同并不代表 Anthropic 留存毛利相同。我们认为,上市后最值得跟踪的是 direct API 与各 cloud channel 的收入占比和毛利率;若云渠道占比提升而整体毛利率仍稳定,说明云渠道更多发挥低摩擦获客作用,反之则需关注渠道让利和基础设施成本压力。


风险提示

1)招股书披露口径与市场预期存在差异的风险:公司尚未上市,现有收入口径多为 run-rate 或第三方建模,与 GAAP 口径可能存在差异;


2)Token 净价下降快于单位推理成本,毛利改善不及预期的风险;


3)Token 消费量增长不及预期的风险:可靠性提升可能同时减少重试,每次调用 Token 或持平乃至下降;


4)长期算力承诺与实际利用率不匹配,形成经营杠杆、现金流转正推迟并依赖持续外部融资的风险;


5)开放模型追赶速度快于产品化速度,前沿窗口收窄的风险;


6)云渠道分成与收入确认口径变化,影响收入质量的风险;


7)政府采购与监管政策变化、相关诉讼进展不确定,导致渠道与收入波动的风险;


8)核心研究人员流失,影响模型迭代与产品节奏的风险;


9)客户集中度较高,关键客户流失或用量下降,以及旗舰模型数据留存政策影响高敏感行业客户导入的风险;


10)本研报中涉及到未上市公司或未覆盖个股内容,均系对其客观公开信息的整理,并不代表本研究团队对该公司、该股票的推荐或覆盖。



文章来源


研报《Anthropic是如何炼成的:从“加速”到“为前沿定速”》2026年9月16日

黄乐平 分析师 S0570521050001 | AUZ066

何翩翩 分析师 S0570523020002 | ASI353

陈旭东 分析师 S0570521070004 | BPH392

于可熠 分析师 S0570525030001 | BVF938

韩冬冰 联系人 S0570125070150 


关注我们


华泰证券研究所国内站(研究Portal)

https://inst.htsc.com/research

访问权限:国内机构客户


华泰证券研究所海外站

https://intl.inst.htsc.com/research 

访问权限:美国及香港金控机构客户

添加权限请联系您的华泰对口客户经理


免责声明

▲向上滑动阅览

本公众号不是华泰证券股份有限公司(以下简称“华泰证券”)研究报告的发布平台,本公众号仅供华泰证券中国内地研究服务客户参考使用。其他任何读者在订阅本公众号前,请自行评估接收相关推送内容的适当性,且若使用本公众号所载内容,务必寻求专业投资顾问的指导及解读。华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。

本公众号转发、摘编华泰证券向其客户已发布研究报告的部分内容及观点,完整的投资意见分析应以报告发布当日的完整研究报告内容为准。订阅者仅使用本公众号内容,可能会因缺乏对完整报告的了解或缺乏相关的解读而产生理解上的歧义。如需了解完整内容,请具体参见华泰证券所发布的完整报告。

本公众号内容基于华泰证券认为可靠的信息编制,但华泰证券对该等信息的准确性、完整性及时效性不作任何保证,也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期,华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。

在任何情况下,本公众号中的信息或所表述的意见均不构成对任何人的投资建议。订阅者不应单独依靠本订阅号中的内容而取代自身独立的判断,应自主做出投资决策并自行承担投资风险。订阅者若使用本资料,有可能会因缺乏解读服务而对内容产生理解上的歧义,进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果,华泰证券及作者均不承担任何法律责任。

本公众号版权仅为华泰证券所有,未经华泰证券书面许可,任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失,华泰证券保留追究一切法律责任的权利。华泰证券具有中国证监会核准的“证券投资咨询”业务资格,经营许可证编号为:91320000704041011J。

原文链接
多空观点 观点仅供交流,不构成投资建议
点赞
踩一踩
收藏
分享

评论 (0)

0/200
声明:社区内容仅代表用户个人观点,不构成任何投资建议。投资有风险,入市需谨慎。