Anthropic客户一年消费翻9倍：谁在为AI掏钱？

一家名为Anthropic的人工智能公司，在其提交给监管机构的招股说明书中公布了一组令人不安的增长数字——过去一年的客户消费从1美元扩张到了9美元。这组数字被称为“净收入留存率”，用来衡量同一批现有客户的消费变化。对于这家即将上市的企业而言，900％的净收入留存率不仅意味着客户粘性极强，更揭示了一个尚未被广泛讨论的事实：企业正在用真金白银投票，而这场AI商业化的序幕远比大多数人想象的还要早。

900％留存率：免费试用之后的自然扩张

900％是什么意思？如果一家公司在2024年第一季度从某家客户那里收到1美元的服务费，到2025年第二季度，同样的客户已经花费了9美元。而在更早的第一季度，这个留存率还是500％，也就是说当时的老客平均消费是5美元。客户消费在一年的时间内从5美元翻倍到9美元，增长的速度并没有放缓。

Anthropic的收入模型与传统的软件许可证完全不同。大多数SaaS产品靠订阅制锁定客户，续费率达到100％以上已经被视为优秀。Anthropic采用的是按使用量计费的模式——客户调用多少次Claude API、消耗多少token，就付多少钱。这意味着每一笔新增收入的产生都不需要销售团队去推销续约合同，而是由真实的业务需求驱动。

Joey Brookhart，SemiAnalysis的研究员，也是Tokenomics模型共同负责人，在解读这份招股书时指出：“这些增长基本都直接落到利润上。对于按使用量计费的业务，你不需要做太多额外的推销，就能让客户增加消费。”

这种模式的可贵之处在于它的自我验证机制。如果AI工具对企业没有实质价值，客户会减少调用频率甚至完全弃用。当大量客户自发选择增加消费规模时，说明Claude已经在嵌入企业的日常运营流程中。前五大客户合计占收入的约25％，这是一个相对健康的分散度——既不像某些初创公司依赖单一客户的极端集中，也不像过度分散导致获客成本失控的情况。约48％的收入来自云服务商渠道（主要是AWS Bedrock和Google Vertex），其余约27％来自其他直接客户，头部客户与云渠道之间不存在简单的叠加关系。

推理业务的盈利曲线正在陡峭化

与超高留存率同样引人注目的是Anthropic的成本控制能力。按SemiAnalysis的分析口径，其推理毛利率达85％，算力利润率41％，增量毛利率接近90％。

这个数字组合背后反映的是同一个逻辑：随着模型技术成熟和硬件优化，单位计算能力的变现效率在快速提升。招股书显示，截至6月30日的三个月内，Anthropic的收入同比增长1368％，而同期算力和基础设施支出仅增长300％。换句话说，每多花一块钱的算力成本，能撬动远超四块五块的额外收入。

单看推理算力效率的图表更能说明问题——每兆瓦收入从去年的约1600万美元升至当前的逾6000万美元，增幅近4倍。这是整个机群层面的数据，包括了持续投入新模型训练时的综合表现。

实现这一效率的关键在于多元化的芯片策略。Anthropic同时部署了TPU、Trainium、NVIDIA GPU和AMD GPU，并根据不同任务选择最合适的加速器。Jordan Nanos在解读中强调：“谁拥有最好的软件，能给这些东西写代码，就能最快获得新硬件上线带来的红利。”

这种能力并非一日之功。在过去几年里，Anthropic通过让Claude本身参与二进制程序的逆向工程和GPU编程测试，实际上在用模型能力反哺底层硬件适配效率。竞争对手如OpenAI则更多依赖于单一供应商路线，在供给可获得性和成本控制灵活性方面处于劣势。

0．1％渗透率：天花板远未被触及

一组反差极大的数字同时出现在招股书中：客户消费翻9倍的同时，Anthropic在《财富》500强运营费用预算中的占比仅约0．1％。折算下来，每个员工每月平均支出不足八美元。

这个数字之所以重要，是因为它改变了我们对“AI是否已经大规模商业化”的判断。如果企业花在Anthropic上的费用占总运营费用的比例只有0．1％，即使考虑到所有前沿模型实验室加在一起，这个比例也不会发生质的改变。

Brookhart用一个生动的比喻描述了当前阶段：“我们现在还在铺地基、画停车线，沥青都还没干。”他进一步估算，若普通员工的AI支出能从当前水平提升到第75百分位用户的水平，仅企业办公场景就存在数量级的增长空间。

关键信号正在出现。过去12个月中，消费额达1000万美元的客户已有250家，超100万美元的客户达1900家。Claude企业客户中排名前5％的用户年均花费约1．8万美元，而不使用Claude Code的用户月消费不足75美元。这两组数字之间的巨大落差表明，AI应用的扩展未必需要所有用户成为超级重度用户，只要中等规模的采用群体扩大，整体市场就有成倍增长的可能。

另一个常被忽视的维度是模型迁移速度。第三季度约80％的收入来自四月以后发布的新模型，仍有约20％停留在旧模型。这说明企业在升级时有时间差——大型企业通过Bedrock采购、需要内部认证，《财富》500强企业存在迁移滞后；相比之下，初创公司和中小企业切换更加灵活。但这不代表黏性弱，相反，它反映了不同行业对AI集成的渐进式接受过程。

价格战阴影下的OpenAI困境

招股书的披露也间接暴露出OpenAI的竞争压力。当Anthropic占据高端产品位置并享有溢价利润率时，OpenAI的定位正滑向价格竞争一方。

Jeremie Eliahou Ontiveros，SemiAnalysis董事总经理，在访谈中指出：“只要客户已经向Anthropic作出大量预付款承诺，OpenAI就很难切入。”更根本的问题在于品牌定位——在模型能力层面暂时持平之后，客户选择哪个平台取决于已形成的使用习惯和成本结构。

Doug O‘Laughlin总结了一个更具普遍性的产业规律：“在半导体行业，第二名通常意味着份额更小、利润率更差。AI行业的竞争逻辑与此类似。还有几千亿美元的残羹剩饭可以捡，OpenAI不会消失，但会一直困在价格战里。”

这一判断并非空穴来风。公开信息显示，OpenAI自2026年七月以来确实在执行力层面有所改善，近期也在向Anthropic客户提供折扣、争夺企业合同。但消费者订阅基数庞大、免费用户服务成本高企的事实，使其变现效率难以匹敌按使用量计费的精细化运营模式。

接下来看什么

Anthropic的招股书揭示了三个可追踪的观察指标：

第一，企业IT预算周期的转向节奏。传统企业将AI纳入年度预算是一个里程碑事件。如果2027年Q4被验证为第一个AI全面入表的财报季，那么现有的低渗透率格局将被打破，市场空间可能呈现非线性的跃升。

第二，算力利用率与供需关系的拐点。目前数据中心容量仍紧张，但若Anthropic及同类玩家的算力建设周期完成，明年可能出现供给侧大幅释放。届时按需定价的溢价是否收窄，将成为检验商业模式可持续性的关键指标。

第三，客户集中度演变趋势。尽管当前前五大客户占比仅25％，但在一个快速增长的市场中，头部客户的相对份额可能因预算收缩而被动下降。跟踪大客户支出占比的变化轨迹，比关注总数更有解释力。

这些数据不是预测，而是可以定期验证的事实节点。它们决定了我们是正在见证一场AI商业化的加速启动，还是在为一个过热预期的泡沫提供最后的佐证。答案不在任何人的判断里，在下一份财报里。