Anthropic 招股书 交叉验证了什么？首份公开招股书揭示前沿模型的经营拐点，以及数千亿美元算力承诺背后的资本循环。

两条商业化路线，验证同一条资本链

2026 年 10 月 26 日，Anthropic 向美国 SEC 公开提交 S-1，使一家独立前沿模型公司的季度收入、经营费用、付费客户结构及长期算力合同首次被放在统一的公开财务框架下。另一边，OpenAI 仍主要提供运营数据、融资公告与媒体披露，却掌握规模更大的消费者触达。两家公司不是同一条路线的复制品；正因其不同，才有机会检验 AI 产业链中更具有普适性的经济机制。

核心论点不是“B 端优于 C 端”，而是不同收入入口都在把模型推向高频工作、持续付费和更高算力消费。当用户价值逐渐转化为供应商合同和资本负担，真正的分母就从 Token 数量变成了可偿付的长期现金流。

B 端深度与 C 端入口，真正的差异在获客和收费机制

Anthropic 的初始优势来自开发者与企业：API 让模型直接嵌入工作流，Claude Code、Cowork 让模型更贴近具体任务。2026 年上半年，它的按量计费占收入约 80%；企业客户所购买的不是简单的聊天时长，而是任务执行需要的智能能力。但当前主要收入计量单位仍然是 Token，企业价值并未直接变成按任务成功收费。

OpenAI 的初始分发路径则不同：ChatGPT 从免费使用和个人订阅出发，以普及程度降低企业部署的学习成本，再通过企业产品、API、Codex 和广告实现多样化变现。它在 2026 年 3 月已披露企业收入占比超过 40%，所以将 OpenAI 定义成“纯 C 端订阅公司”已不准确；更准确的定位是以 C 端入口起势、向 B 端和 Agent 平台延伸的混合商业模式。OpenAI 官方

营销与评效：同一套 KPI 会产生误判

商业模式不同决定了营销投资回收期的不同：B 端采购可能慢、但嵌入后扩张迅速；C 端可以建立庞大触达，但免费层和高频重度使用也可能消耗可观推理算力。每个指标必须对应它所解释的商业过程，不能用 Anthropic 的 NRR 与 OpenAI 的 WAU 直接排名。

两家公司经营数据面对面：先统一分母，再比较增长

把两家公司的经营数据并排后，首先看到的不是一个唯一赢家，而是披露分母的差异。Anthropic 的资料重点集中在高价值企业客户与经审计可追溯的收入项目；OpenAI 则提供用户、付费订阅和平台生态的里程碑，但迄今缺少完整公开 GAAP 财务报表。以下表格因此逐项保留披露时点和信息属性。

官方：Anthropic S-1、OpenAI 融资及经营公告、OpenAI DevDay、Enterprise Signals；报道：Reuters 2026-10-08。

最容易被忽略的比较陷阱：收入运行率不是统一口径收入

OpenAI 9 月的年化收入运行率先后出现接近 $70B 与约 $50B 的报道。Reuters 引述知情人士说明，约 $50B 的新口径与云合作伙伴渠道销售的呈现方法有关；而 Anthropic 将部分云渠道销售以总额记录、同时支付渠道费用。二者即使都采用 GAAP，主事人还是代理人的判断也会改变报表收入表现。把年度化运行率与实际季度收入混在同一张排名表，会把商业模式和会计呈现的差异误写成真实竞争结果。 Reuters

Anthropic 在 2026 H1 的经营支出还包含约 $3.168B 的「销售、营销与合作伙伴」费用，但它不是纯粹 CAC。若据此与 OpenAI 的消费者免费转化效率比较，不仅缺少 OpenAI 同类费用，而且会把渠道服务、免费产品与品牌营销的成本混在一起。

模型经济学开始跑通，但利润表并未覆盖整个资本周期

Anthropic 的公开报表使模型规模效应第一次有了可连续观察的财务样本。2025 年四个季度收入由 $0.376B 增至 $2.040B，2026 Q1 为 $4.731B，Q2 跃升至 $11.555B；同期 Q2 GAAP 经营利润达到 $0.974B。但 2026 H1 经营结果依然为 -$0.693B，单季转正不能外推为跨周期利润率。

2026 H1 已确认收入 $16.286B，同期 Compute & Infrastructure 费用 $8.945B，相当于收入的 54.9%。逐季观察，收入/算力基础设施费用由 2025 Q1 的约 0.40× 上升到 2026 Q2 的约 2.08×。其中既可能包含规模效应与利用率改善，也可能包含单批算力交付、结算时点和模型服务产品组合的影响，不能仅凭比率推出某座数据中心的 ROIC。

若依据 S-1 按功能列示的费用附注重建 2026 H1 收入成本，约 $2.380B 的 Cost of Revenue 对应约 85.4% 的会计毛利率；但同期间 R&D 约 $9.741B，其中大量涉及训练与研究算力。报表毛利不包含全部前沿模型开发成本，因此不能把 85.4% 当作模型的全生命周期毛利，也不能将其与缺乏同口径报表的 OpenAI 直接比较。

经营现金流是另一个不可省略的检验：Anthropic 2026 H1 CFO 为 +$3.929B，购建固定资产现金流约 $0.482B。但云服务承诺、尚未开始的租赁和项目交付条件会把相当部分未来付款排在以后年度；当一批新算力投产时，利润和现金流可能重新承压。

OpenAI 的对照证据更多来自规模而非利润表。其 2026 年 3 月公告显示公司当时每月收入约 $2B，企业贡献超过收入 40%；9 月由 Reuters 报道的年化运行率约 $50B。快速货币化得到证实，但由于缺少同级别的经营费用、资本化政策与现金流报表，无法负责任地推导其 GAAP 毛利率或自由现金流。OpenAI Reuters

从 Token 到工作：Agent 的证据已经前进到哪一步？

两家公司在开发者和企业任务上的扩张，给 Token Economy 提供了比模型评测榜单更重要的验证。Anthropic 在 2026 年 9 月披露，约 11,900 家 TTM 高消费客户中，过半同时使用 Claude Platform 与至少一项自有应用；这意味着客户不只是调用模型 API，也正在采用更上层的工作界面。其约 900% 的 NRR 反映一组既有客户的收入扩张速度，而不是 90% 的毛利率、更不是任何一家典型客户的使用增长倍数。

OpenAI 2026 年 6 月公布 Codex 超过 500 万周活用户，非开发者约占 20%。Enterprise Signals 则披露，当月企业客户在 Codex 与 ChatGPT 合计输出 Token 中有 64% 来自 Codex。需要谨慎：Agent 往往执行更多步骤，输出 Token 份额不等于任务份额，也不等于客户节省的人力比例。OpenAI Codex Enterprise Signals

前两层已有越来越多数据；后两层仍显不足。模型可以完成更多任务，不代表每个任务都可以产生足以覆盖推理成本和人工复核成本的净经济收益。真正的长周期模型是：有效工作量 × 每份工作的货币化能力 − 推理及服务成本 − 代际研发成本。Token 是当前重要的计费单位；Task 是用户愿意付费的更深层原因，两者不应混为一谈。

模型公司与资本供应方：谁最终承担算力账单？

两家公司对 AI Capital Cycle 的交叉验证，首先发生在供给端：更高模型能力需要更多训练与推理，更多使用又加速对低延迟推理系统与数据中心的投资。区别在于，Anthropic 的 S-1 给出了详细的合同性质，而 OpenAI 的公开资料更多呈现融资与伙伴体系。它们同时证明资本正在向计算能力集中，却没有共同证明所有已宣布 GW 都已建设完毕、通电并产生正回报。

Anthropic 的合同规模，要先拆成三种不同性质

合同规模依据 Anthropic S-1「Infrastructure Service Arrangements / Equipment Leases」等章节。存在期限、费用性质和潜在项目重叠，表内金额不汇总为“总负债”；其中部分是上限、估计值或未来交付触发支付。SEC

OpenAI 则于 2026 年 3 月宣布一轮 $122B committed capital 的融资，投后估值 $852B，参与者包括 Amazon、NVIDIA、SoftBank、Microsoft 等战略或金融投资者；公司同时强调 Microsoft、Oracle、AWS、CoreWeave、Google Cloud、NVIDIA、AMD、Cerebras 及自有芯片合作构成算力战略。战略投资、算力购买与设备供应可能发生在相同产业主体之间，不能把各节点的合同金额当成数份独立终端需求重复相加。官方

2026 年 10 月 22 日，Bloomberg 报道 OpenAI 正就新一轮约 $30B 融资谈判，估值目标从约 $1.4T 调至约 $1.25T。该轮谈判尚未完成；变化说明投资人开始更加关注价格与未来现金流，而不是证明企业的估值已经发生经审计的减值。Bloomberg

产业链真正的偿付检验

对算力服务商而言，重要的不是合同签了几千亿美元，而是这些合同何时启动、由谁承担违约责任、项目能否交付及客户是否持续使用。每一层都需要区分不同的 MW：签约电力、并网容量、Power-ready MW、通电 IT MW、已部署加速卡以及实际贡献收入的有效算力。只有把这些时点对齐，才能将客户合约转成 EBITDA/MW、FCF/MW，并最终观察 ROIC−WACC。

上游收入不等于终端价值：产业利润向谁分配？

需求侧同时增长并不意味着供应链所有节点都具有同样的利润质量。NVIDIA 和 Broadcom 面临不同的芯片架构和客户集中度；云厂商需要在自建与转售之间分配利润；独立算力平台要承受融资利率、施工延期、折旧与残值风险；电力和土地开发商则常在资产投入早期收取相对稳定的费用。

当模型公司扩大固定算力采购时，短期看可能强化上游确定性；但若应用层价格竞争和模型降价超出单位推理成本下降的速度，下游可用现金流就可能跟不上采购承诺。因此，最值得追踪的不是哪一家公司与 Anthropic 或 OpenAI 同台宣布合作，而是谁获得可撤销性最弱、现金流优先级最高、资本开支回收最短的经济权利。

以 CoreWeave、IREN 和 Nebius 为例，运营商间的比较必须统一实际交付的 IT MW 和利息口径；不能用“签约电力 GW”除以客户总订单，也不能把预期合同全额视为立即产生的现金流。对上游电力资产，则应重新确认终端负载接入速度与资产出租方是否担保设备残值。

万亿美元估值与股东回报之间，还有几道门槛？

Anthropic 的 2026 年 5 月 Series H 融资有公司官方公告：融资 $65B，投后估值 $965B。它随后公开提交 IPO S-1，但初稿尚无最终发行价格和公开发行数量，不能据此给出可靠每股目标价。上市后普通股股东还需要研究 Class F 创始人投票权、Long-Term Benefit Trust 控制结构，以及可转工具未来潜在的稀释。Anthropic SEC

OpenAI 的 $852B 是 3 月已完成融资的投后估值；10 月的 $1.25T 则是媒体报道的谈判目标。这两个数字与 Anthropic 的 $965B 同属于私募交易及估值范畴，却分属不同日期、交易结构与稀释条件，不能用不同口径的 run-rate revenue 简单得出有意义的相对 P/S 高低。

即使忽略估值口径，模型公司的长期股东回报还需同时满足四件事：第一，用户支付意愿增长；第二，模型推理与训练成本的下降速度足以维持利润；第三，未来最低算力付款能被经营现金流吸收；第四，新增股权融资和特殊治理权不会显著稀释普通股东的经济回报。前两者得到逐步证实，后两者目前仍然需要更长的时间序列。

交叉验证的结论：需求端成立，资本回报端仍待证明

来自两个商业化路径的证据，在需求端相互印证：消费者高频使用和企业高强度付费并行存在，Agent 也开始从辅助问答走向任务执行。因此，AI 是真实的产业投资周期，而不只是模型排行榜驱动的短期交易主题。

但证据在资本端并未闭环。Anthropic 已呈现模型经营杠杆与巨大合同承诺并存的特征；OpenAI 已显示全球用户分发和大型融资能力，却尚未披露足够完整的同口径盈利与现金流数据。一个证明了若干经营可能性，另一个证明了分发规模及融资规模；二者都没有证明终端智能价值能够无条件偿付所有未来数据中心和芯片资本开支。

下一轮研究应观察五组数据

AI Capital Cycle 最终不是关于谁拥有最多参数、用户或 GPU，而是关于智能工作创造的支付能力，能否在覆盖物理设施、资本成本与技术迭代之后，仍留下持续增长的自由现金流。

主要来源与证据边界

以下将一手财务文件、公司自述与独立媒体明确分开。所有财务数字按各自报告截止日引用；运行率、融资谈判和未来供应义务不按已实现结果处理。

证据边界：OpenAI 没有像 Anthropic S-1 那样的完整公开财务分部数据；不能制作同口径净利润、ROIC、CAC 或资本化租赁偿付覆盖率横表。对每 GW 收入、任务成功率及长期残值等指标，本文仅明确验证方向，不推算缺乏数据支持的单点数值。

相关研究：从终端需求沿资本链继续追踪

1GW AI Capital Cycle 统一账本 — 将已签约算力与通电 IT MW 分开。

AI Cloud 单位经济学 — 进一步观察成本、利润和债务结构。

Agent 数字劳动经济学 — 从 Token 消费进入可货币化的工作成果。