Anthropic 年化營收跨越 300 億美元，Claude 首度超越 OpenAI

山姆·奧特曼於 2023 年 1 月寄給 OpenAI 員工、宣布 ChatGPT「超新星」的信函中表示，該實驗室達成了無人能及的成就：一款具備真正大眾市場吸引力的消費級人工智慧產品。三年後，多數人仍與人工智慧革命畫上等號的這家公司，其年化營收已被一家從未推出爆紅消費應用的競爭對手超越。

2026 年 4 月 7 日，Anthropic 揭露其年化營收執行率已突破 300 億美元，此消息由 SaaStr 報導並經多家企業消息來源證實。相較之下，OpenAI 同日約落在 250 億美元的年化營收執行率。差距並非巨大，但趨勢方向明確。Anthropic 的 ARR 在 2025 年初約為 10 億美元，年底成長三倍至 90 億美元，隨後在四個月內再成長三倍至 300 億美元。史上沒有任何企業軟體公司曾以連續兩年、此等速度複合增長 ARR。

在 ARR 數據流傳的同一週，Anthropic 發布了 Claude Opus 4.7——該模型在業界最艱難的程式碼指標 SWE-bench Pro 上取得 64.3% 的成績，對比 OpenAI 的 GPT-5.5 為 58.6%。營收領先與程式碼指標領先的結合，代表著結構性轉變：Anthropic 已從安全優先的替代選項，轉變為前沿人工智慧領域的商業主導力量。

三百億美元營收超車，卻無消費級應用

Anthropic 如何走到這一步的機制值得理解。與 OpenAI 約 60% 營收來自 ChatGPT 消費級訂閱不同，Anthropic 約 80% 營收來自企業客戶按 API 代幣計費的支付。在 2023 與 2024 年的成長階段，此比例曾是劣勢——當時 ChatGPT 的 4 億週活躍使用者賦予 OpenAI 品牌優勢，進而轉化為企業銷售對話機會。如今，這已成為結構性優勢。

採用代幣計價的企業客戶具備消費級訂閱使用者所沒有的兩項特質。第一，其消費量隨部署深度自動擴張——一家將 Claude 整合至內部程式碼審查流程的財星 500 大企業，無需 Anthropic 銷售團隊推動即可增加支出；它只需送出更多 pull request。第二，企業買家以任務表現評估模型，而非熟悉度。這意味著每次 Anthropic 發布可信的指標改善，都擁有通往擴大計費的直接路徑。

這些數據支持上述解讀。根據 Anthropic 的資料，年支出超過 10 萬美元的企業客戶在過去一年成長了七倍。年支出超過 100 萬美元的帳戶數在 4 月突破 1,000 個，高於 2 月的 500 個——在不到 60 天內翻倍。財星 10 大企業中有 8 家目前是 Claude 的活躍客戶。這些數字描繪出一台客戶獲取引擎，其運作速度幾乎超越企業軟體產業所見的任何先例。

以四分之一成本訓練模型的 3,800 億美元實驗室

Anthropic 在 2026 年 2 月的募資輪——由 GIC 和 Coatue 領投的 300 億美元 G 輪，投後估值達 3,800 億美元——常被引述為市場熱情的證據，但更具分析價值的數字是訓練成本的差異。

根據 The 資訊報導中引述的內部規劃文件，OpenAI 預計到 2030 年每年在模型訓練上花費 1,250 億美元。Anthropic 在同一時間範圍內的對應預測約為 300 億美元。這四比一的效率差距並非源於 Anthropic 野心較小；根據獨立指標評估，Claude Opus 4.7 是更強的程式碼模型。這個差距來自於該公司自 2021 年創始團隊從 OpenAI 分拆以來持續精進的架構與資料篩選選擇。

代理式程式碼產品 Claude Code 展現了這種效率的商業槓桿。該產品截至 2026 年 2 月的年化營收達 25 億美元，而這個數字在 4 月前成長超過一倍。其定價與前一代大致持平：每百萬輸入代幣收費 5 美元，每百萬輸出代幣收費 25 美元。然而，Opus 4.7 的發布中隱含一項較不明顯的成本變化。新模型搭載修訂後的 tokenizer，對相同的輸入文字會產生最多 35% 更多的代幣。對於高流量推論的企業工作負載而言，這轉化為 20% 至 30% 的實際成本增加，即使表面價格持平。大規模整合 Opus 4.7 的採購團隊在合約續約時將遭遇這個落差。

OpenAI 的 Terminal-Bench 領先優勢與尚未結束的程式碼戰爭

競爭格局比 ARR 差距單獨顯示的更為細緻，在得出策略結論之前值得仔細梳理。

OpenAI 於 4 月 23 日向 Plus 及企業使用者推出的 GPT-5.5，在 Terminal-Bench 2.0 測試中拿下 82.7% 的分數，較 Claude Opus 4.7 在同一測試中的 69.4% 高出 13 個百分點。Terminal-Bench 模擬命令列與 shell 工作流程的完成任務，這對 DevOps 與基礎設施自動化至關重要。對於營運大規模部署管線的雲端工程團隊而言，GPT-5.5 在命令列上的優勢既真實且具有實務意義。

Anthropic 則反駁，SWE-bench Pro——該測試涵蓋真實世界儲存庫中的多檔案 GitHub 問題解決——才是更能代表生產環境軟體工程的指標。在此一標準下，Opus 4.7 領先 5.7 個百分點。Anthropic 的指標性企業客戶之一樂天（Rakuten）公布的內部資料顯示，從 Opus 4.6 升級至 4.7 後，生產任務完成率提升 3 倍，此結果與 SWE-bench 的趨勢一致。

更尖銳的競爭訊號並非來自 OpenAI，而是 Google DeepMind。《The Verge》與《Sherwood News》本月報導指出，DeepMind 內部組成了一支「突擊小組」，創辦人 Sergey Brin 親自參與，目標明確鎖定縮小與 Anthropic 在程式碼效能上的差距。一個專責內部補強計畫的存在，本身就是一種承認：預設的 Gemini 技術堆疊，在企業買家優先考量的任務組合上，並未達到 Claude 的水準。Google 上週確認的 400 億美元 Anthropic 投資計畫，與這項內部追趕努力並列，形成一種矛盾——一家公司同時試圖擊敗競爭對手，又開出創投史上最大的一張支票。

從 AWS Bedrock 到樂天：企業整合深入核心

若將營收數字與其所在的基礎設施層一併檢視，其策略分量更為沉重。Anthropic 與亞馬遜在 4 月達成的合作——承諾長期投入 1,000 億美元於 AWS 運算資源，並以取得 5 吉瓦（GW）Trainium 晶片產能為核心——並非單純的品牌協議。它重新改寫了在企業規模下部署 Claude 的經濟邏輯。

亞馬遜 Bedrock 專為 Opus 4.7 打造的次世代推論引擎，為 AWS 雲端客戶提供一條與該模型架構高度優化的部署路徑。此一優化在延遲與每代幣成本上，創造出 Anthropic 自行營運推論基礎設施在高負載工作負載下無法比擬的特性。其效應是第二層次的客戶鎖定：已將 AWS 資料基礎設施標準化的企業，如今有財務誘因將人工智慧工作負載導向 Claude，而非管理跨雲端的多模型策略。

生產面的證據在多條戰線上持續累積。樂天發布的指標顯示，每單位運算資源成本所能解決的任務量是 Opus 4.6 的三倍，這是來自具名客戶的具體數據點，而非實驗室的自說自話。Fortune 10 的滲透率——美國市值前十大企業中有八家——反映的是銷售週期早在 Claude 的表現明顯落後 GPT-4 時就已啟動。這些客戶在 Anthropic 於程式碼指標上超前後仍持續留下並擴大支出，指向的是結構性的黏著度，而非試探性的部署。

兩大超大規模雲端業者為何選擇 Anthropic 而非自行開發

未來 18 個月最重要的策略訊號，不是 ARR 數字或 SWE-bench 分數，而是亞馬遜與谷歌——全球兩大雲端基礎設施業者，各自擁有數千名人工智慧研究人員——已承諾投入數百億美元支持 Anthropic，而非押注自家實驗室能獨立縮小差距。

亞馬遜的 Trainium 承諾與谷歌最高 400 億美元的計畫股權投資，代表的是經由各自獨立盡職調查程序所得出的評估：Anthropic 在企業程式碼人工智慧領域的技術領先，其永續性足以讓買入使用權比自行複製更划算。這項判斷比任何指標都更具證據分量，因為做出判斷的人對自家內部實驗室的路線圖有完整掌握。

根據多位創投分析師引用的數據，Anthropic 的次級市場隱含估值已於 2026 年 4 月達到 1 兆美元。在此水準下，Anthropic 的定價不是一家人工智慧實驗室，而是潛在的平台——未來十年企業軟體大規模改寫所依賴的技術基礎。此估值是否合理，完全取決於程式碼指標的領先究竟是持久的結構性優勢，還是 OpenAI 與谷歌能以足夠的運算資源投資加以追平的暫時性部位。

300 億美元的訓練效率差距——Anthropic 相較 OpenAI 至 2030 年的預期支出——是認為領先可能持續的最具體理由。前沿人工智慧競爭屬於資本密集型，但並非純由資本決定。架構效率會產生複利效應。能以較低訓練成本達成同等效能的實驗室，可以吸收指標上的落敗，並以對手資本成本的一小部分收復失土。Anthropic 在十二個月內已做到兩次。第三次迭代已在訓練中。

十五個月前，Anthropic 是一家年化營收十億美元的公司，一個備受尊敬、以安全為重的研究實驗室，且在消費者心目中遠遠落後於 OpenAI 與 Google，位居第三。如今，它在企業營收上領先，在企業買家最重視的程式編寫指標上領先，並已取得其兩大最接近競爭對手所供給的基礎設施合作關係。這一系列進展並非運氣或時機使然，而是深思熟慮策略的成果：在能帶來收益的任務上以表現取勝，而非追求博取頭條的指標。如今，這些成果正以科技產業中最終定奪競爭勝負的唯一指標兌現。

資料來源：SaaStr、Anthropic、The 資訊、Sherwood News、The Verge、亞馬遜網路服務