本文来自微信公众号: InfoQ ,作者:褚杏娟,原文标题:《Anthropic 跌破开盘价,Claude 上市当天突发性能降级!靠失业焦虑撑起的万亿估值,该踩刹车了》
Anthropic于当地时间2026年11月19日正式在纳斯达克挂牌上市。其发行价为83美元,实际开盘价为111.50美元,较发行价高约34.3%。
“还没开始交易,暗盘的人已经先赚走两成了。”有网友感慨道。但在开盘后,股价一度快速冲高,随后有所回落。盘中最高触及115.1美元,最低一度跌破开盘价,来到95.05美元。

上市后的一段时间里,纳指、道指、标普500指数都出现了不同幅度的下跌,知名科技公司股价也反复震荡。


巧的是,上市当天,Claude出现性能下降。状态页面将Claude列为“性能下降”,而Claude API和Claude Code运行正常。截至本文发出,官方未解释具体原因。
这场IPO发生在一个颇为矛盾的时点。AI相关股票经历调整,投资者开始重新审视数据中心建设、算力采购和模型训练究竟能带来多少回报,但Anthropic既获得了资本市场的高度关注,又同同时被各界严厉审视。
“上市只会让我们更加坚定地做正确的事,我们绝不会向商业利益或政治压力低头!”Amodei在敲铃前的发言是对质疑者的变相回应,也在向外界展现自己的决心:
“我们将控制AI系统训练和部署的节奏,必要时不惜花更长时间,直到我们有信心它们是安全的,并将继续处于人类控制之下。我们不会屈服于商业压力,也不会屈服于政治压力。今天让公司处于更强的财务地位,而这只会增强我们做正确之事的决心。如果我们能够证明,在安全上做出正确选择的同时仍能建立一家极其成功的公司,那么行业中的其他人也会受到鼓舞,效仿我们。”
但有网友并不看好Anthropic未来走势,股价变化或许也说明了这点。

Anthropic此次IPO的发行规模超过SpaceX此前750亿美元的基础发行规模,成为全球资本市场规模最大的IPO。据报道,Anthropic创纪录的IPO吸引了约1200家机构投资者提交认购订单,但股份分配明显向美国本土投资者倾斜,超过50%的机构投资者未能获得股份配售。
本次Anthropic发行9.8亿股,预计募资约813.4亿美元。这9.8亿股中,Anthropic自身出售9.5635亿股,对应募集资金约793.8亿美元;另外2364.9万股由部分现有股东出售,对应约19.6亿美元,公司不会获得这部分资金。此外,Anthropic还计划通过私募配售筹集260亿美元。若将公开发行和私募配售合并计算,此次资本交易规模约为1073亿美元。
Anthropic的特殊之处在于,它正在把AI替代人类劳动的预期,转化为一门高速增长的生意。从Claude Code到企业Agent,AI开始接手越来越多原本需要专业人员完成的工作。模型公司的市场空间,也因此从软件采购预算延伸至企业庞大的人力成本预算。
然而,商业层面的算力短板、对“安全”叙事的过度强调等,都为亮眼的股价表现蒙上一层阴影。相比首日股价,Anthropic上市后几个季度的表现或许更为重要。
1失业焦虑如何变成生意?
Dario Amodei对AI失业的警告,已经成为科技行业讨论就业问题时绕不开的话题。但这些预测背后,还有一个与Anthropic商业模式直接相关的判断:如果越来越多原本需要专业人员完成的工作可以交给模型,AI公司面对的将不再只是软件市场,还有企业庞大的人力成本支出。
2025年5月,Amodei在接受Axios采访时提出了一项引发广泛讨论的预测:未来1至5年,AI可能取代美国约50%的初级白领岗位,并可能将失业率推高至10%—20%。他特别提到科技、金融、法律和咨询等行业,认为这些领域的入门级岗位可能率先受到冲击。
2026年6月,Amodei又在文章《Policy on the AI Exponential》中进一步讨论AI对就业和收入分配的影响。他担心,AI在推动经济高速增长的同时,也可能造成持续性的劳动力替代和收入不平等。为此,他提出工资保险、员工留任激励、职业培训等政策措施,甚至讨论通过向AI企业征税或提高资本利得税,为普惠收入机制提供资金。
这些警告触及了公众对AI最现实的焦虑:当机器开始具备承担专业工作的能力,技术进步究竟会让自己受益,还是让自己失去工作?
这种焦虑正在改变人们使用AI的方式。员工开始主动学习新工具、尝试将模型引入日常工作,希望通过提高效率保持竞争力。订阅模型、使用Agent、探索自动化工作流,逐渐成为一种主动适应甚至自我保护的选择。人们担心被AI取代,却又不敢落后于AI。
而这股个人层面的使用热情,正在成为Anthropic打开企业市场的重要入口。
Anthropic在招股书中披露,Claude在企业中的扩散,很大程度上依靠自下而上的自然增长:软件开发者和个人用户先在自己的工作中使用Claude,随后成为所在组织的内部推动者,将工具带入团队和部门,推动更大范围的部署。Anthropic甚至将这批个人用户视为企业业务的重要获客入口。
这条路径颇值得关注。企业采购AI,未必始于自上而下的技术选型,也可能从某个员工的日常工作开始。当个人用户率先验证Claude的价值,再推动团队扩大使用,原本面向个人的工具便有机会进入企业的核心工作流程。Anthropic获得的不只是个人订阅收入,还有一条通向企业客户的增长通道。
员工先使用,团队再扩散,最后由企业为更大规模的部署买单。这种自下而上的渗透方式,让Anthropic有机会绕开传统企业软件漫长的销售和采购过程,直接从真实的工作需求中寻找客户。
企业采购AI的理由也在发生变化。过去,软件主要帮助员工提高效率;如今,Coding Agent、办公Agent等产品开始尝试独立完成部分工作,企业看到的是减少重复性人力投入、放缓新增招聘、降低外包成本,以及用更少的人完成更多业务的可能性。与此同时,竞争对手率先完成AI转型的压力,也在推动企业加快部署。
Anthropic正好处于这轮需求扩张的中心。公司营收从2023年的4100万美元、2024年的3.86亿美元,增长至2025年的45.85亿美元;2026年前9个月已经达到332.42亿美元,同比增长约1206%。截至2026年9月30日,过去12个月为其贡献至少10万美元收入的客户超过11900家,是一年前的12倍以上。
从个人用户到企业客户,从开发者工具到业务流程部署,Anthropic正在把AI对劳动市场的冲击预期转化为商业增长。员工希望借助AI保持竞争力,企业希望借助AI降低成本、扩大产出,而模型公司则开始从这场变化中获得越来越多的收入。
问题在于,企业愿意交给AI的工作越多,Anthropic就越需要提前准备好承接这些工作所需的算力。
2 AI接管工作,算力支出加大经营压力
AI承担的工作量持续增加,意味着模型调用和推理需求也会同步增长。但算力并不是随用随买的普通资源。为了保持模型领先、承接未来需求,Anthropic必须提前锁定大量计算资源;而这些投入能否收回,取决于企业是否真的会把更多工作交给AI。
Amodei对未来市场的判断相当乐观。他认为,今天的AI市场还只是起点。随着模型能力提升,AI的应用范围可能从软件开发继续扩展至科学研究、生物技术、网络安全和机器人等领域。这些新场景意味着AI有机会承担更多专业工作,也让Anthropic看到了比当前编程和企业知识工作更大的市场。
但市场还没有完全打开,基础设施投入已经先行。根据招股书,截至2026年9月30日,Anthropic已经签署的算力采购承诺和租赁协议合计约9009亿美元。其中,约4516亿美元预计在2030年底前发生,其余大部分预计在2031年至2045年之间发生。
这是一笔横跨数十年的资源承诺,也将Anthropic未来多年的经营表现与算力供给、使用效率和客户需求紧密绑定。
Amodei将算力称为Anthropic面临的最深层次商业困境。模型公司通常需要提前一到两年锁定算力资源,但AI能力和市场需求变化极快,很难准确判断未来究竟需要多少算力,以及提前锁定的资源最终能够创造多少经济价值。
也就是说,企业今天开始为AI采购服务,模型公司却可能需要提前数年为未来的需求买单。一旦企业自动化需求没有按照预期增长,已经签下的长期资源承诺就可能成为经营压力。
Anthropic的应对方式,是根据相对谨慎的需求预测安排长期算力采购,再通过短期资源补足超出预期的部分,尽量在算力不足和过度投入之间寻找平衡。截至2026年9月底,公司拥有约956亿美元现金及现金等价物、363亿美元短期投资,另有信贷额度,为持续投入提供了较大的资金缓冲。
算力投入能否产生足够回报,已经有了一组值得关注的数据。
招股书显示,Anthropic每美元算力投入对应的收入,从2025年第一季度的0.40美元提升至2026年第二季度的2.08美元,但第三季度又回落至1.72美元。公司解释,其中一个重要原因是当季新增约50亿美元短期算力采购,这部分资源的价格明显高于多年期采购。
这意味着,模型使用量和收入规模持续扩大,并不代表单位算力成本会一直下降。尤其当公司需要通过短期采购应对需求激增时,更高的资源价格可能直接影响经营效率。
利润数据也呈现出类似的矛盾。2026年前9个月,Anthropic实现约40.81亿美元调整后营业利润,调整后营业利润率约为12%,但仍有约12.6亿美元营业亏损。调整后利润与会计口径下的营业亏损之间存在差异,说明公司仍处于高速扩张和大规模投入并行的阶段。
Anthropic已经证明企业愿意为模型服务支付巨额费用,也初步展现了经营效率,但它仍然需要回答一个更难的问题:如何让不断增加的AI工作负载,持续产生足以覆盖算力投入的商业回报?
如果企业自动化需求增长放缓,长期算力承诺可能成为沉重的固定成本;如果需求继续高速增长,昂贵的短期算力又可能侵蚀利润率。IPO带来的资金能够增强公司的承受能力,却无法消除算力投入与商业回报之间的时间差。
外媒估算,Anthropic需要实现每年约6020亿美元的营收,才能在其约1万亿美元的算力承诺上获得20%的投资回报率。
具体而言,按照1万亿美元资本投入、40%的营业利润率和17%的税率计算,若要实现20%的投资回报率,Anthropic每年需要创造约6020亿美元的收入。这一营收规模将超过Alphabet目前约4710亿美元和苹果约4780亿美元的年收入,相当于标普1500指数中全部76家软件及IT服务公司的合计营收(9080亿美元)的约三分之二。
Amodei押注的是,随着模型能力提升,今天建设的算力最终能够支撑一个远大于当前市场的AI产业。但科学研究、生物技术、网络安全和机器人等领域能否形成持续的客户需求,仍需要时间验证。
3模型越来越便宜,Anthropic溢价还能撑多久
即使AI能够进入越来越多企业工作流程,Anthropic也未必能够独享这部分新增市场。
随着模型能力逐渐普及,企业可以选择的供应商越来越多,单纯依靠模型性能领先获取高额溢价,将变得越来越困难。
前沿模型的竞争正在形成一种新的矛盾:训练更强模型需要投入更多算力和研发资源,但模型能力一旦被竞争对手追赶,企业客户又未必愿意为性能提升支付更高价格。
企业并不需要为所有工作购买最强模型。对于简单的信息整理、文本处理和基础代码生成,成本更低的模型已经能够满足不少需求;但在复杂编程、金融分析、专业研究和高风险业务中,准确性、可靠性和任务完成能力仍然决定企业是否愿意支付更高价格。
这意味着,Anthropic必须守住的,是那些对模型能力和任务可靠性要求更高、也更愿意支付溢价的市场。
随着开放权重模型不断进步,DeepSeek等厂商也在推动模型能力与使用成本之间的重新平衡,前沿闭源模型的技术和价格优势都面临挑战。Anthropic也承认,竞争对手可能以更低成本实现接近的模型能力,企业客户则可能同时采购多家模型服务,根据任务复杂度、价格和性能分配不同工作负载。一旦模型之间的能力差距缩小,单纯依靠技术领先维持价格溢价就会越来越困难。
Claude Code的商业表现,已经给出了另一种竞争方向。企业购买AI的对象,正在从单纯的模型能力扩展至完整的任务执行体验。
一个模型能够生成代码,与它能否理解整个代码库、调用开发工具、规划任务、定位错误并完成修复,是两回事。工具调用、上下文管理、代码库理解、任务规划和错误修复等系统工程能力,同样决定AI能否真正承担工作。OpenAI Codex等产品也在补齐类似能力,模型公司的竞争逐渐延伸至产品体验、企业工作流和工具生态。
对企业来说,模型能力只是起点。能否将一项工作从头到尾交给AI,才决定它是否值得将相应预算从人力或外包支出转向AI服务。Agent能否稳定完成任务、能否融入现有工作流、是否能够连接企业工具和数据系统,以及人工介入成本能否持续降低,都会影响企业的采购决策。
Anthropic正在沿着这条路径扩大市场。它从聊天和API服务切入,再向编程领域扩展,通过Claude Code将模型能力转化为实际的软件开发工作;未来还希望将这种能力延伸到科学研究、生命科学、网络安全和其他专业领域。每进入一个新的工作场景,公司就有机会获得新的企业预算。
上市当天,趁热发布的宣传视频
不过,市场空间扩大并不意味着Anthropic能够自动获得相应收入。2026年前9个月,公司前五大客户贡献了约25%的收入,但部分大客户并没有长期采购承诺,可以根据业务需求调整甚至停止支出。企业也可以将预算分配给多家模型供应商,或者在试点结束后转向成本更低的方案。
这让Anthropic面临双重考验:一方面,要不断提高模型能力和产品体验,让AI承担更多高价值工作;另一方面,还要让企业客户持续扩大使用,而不是在模型价格下降后转向其他供应商。
真正的竞争壁垒,最终要落在工作流程中。企业曾经购买过Claude,并不意味着未来会一直使用它;只有当Claude能够稳定承担那些企业不愿意轻易交回给人类员工的工作,并且替换成本足够高,Anthropic才有机会把一次采购变成长期收入。
4中国模型公司将面临更严格考验
Anthropic的上市,也为其他前沿模型公司提供了一个重要的公开市场参照。未来,投资者评价OpenAI等公司的商业价值时,可能不仅会关注模型能力和用户规模,还会进一步审视企业客户的真实使用情况、收入质量、算力成本,以及AI能否真正承担企业工作。这种影响也会延伸至中国模型厂商。
Rhodium Group在2026年9月发布的报告中,对中美模型公司的估值与年度经常性收入(ARR)进行了比较。报告估算,Anthropic的估值/ARR倍数约为21倍,OpenAI约为34倍;中国智谱约为46倍,月之暗面约为50倍,DeepSeek则达到163倍。
这些数字反映出,部分中国模型公司的估值已经包含了较高的未来增长预期。不同公司的业务结构、收入规模、商业化阶段和融资环境存在差异,但Anthropic上市后,市场将有更多机会观察一家前沿模型公司如何通过企业客户、产品服务和持续收入支撑自己的估值。
如果Anthropic在公开市场维持较强表现,可能进一步强化资本对前沿模型公司商业价值的信心。对于智谱、MiniMax等已经上市的公司,以及DeepSeek、月之暗面等其他模型公司而言,Anthropic的财务披露也提供了新的比较维度:企业客户增长有多快,客户是否持续扩大使用,收入能否覆盖算力投入,以及模型服务能否形成稳定的利润空间。
中国模型厂商并不一定需要在所有任务上追赶最顶尖的闭源模型。开放权重、低成本推理和本地部署,仍然可以在大量企业场景中形成优势。尤其对于预算敏感、数据安全要求较高,或者希望自主掌握模型部署能力的企业来说,这些路线可能具有更强的实际吸引力。
但低价和开放也带来另一个商业问题:模型被广泛使用,并不意味着原始开发者能够获得与使用规模相匹配的收入。如果企业可以低成本获取模型,再自行构建Agent和业务系统,模型厂商如何从中获得持续收入?
这要求中国模型公司进一步思考:如何通过API服务、企业部署、行业解决方案、Agent产品和生态合作,将模型能力转化为企业愿意长期付费的生产力。
Anthropic的商业路径提供了一种值得观察的样本:从个人开发者使用开始,通过Claude Code等产品进入具体工作流程,再借助企业API和Agent服务扩大商业收入。它的增长说明,模型公司有机会从企业的软件采购预算进一步进入人力成本预算。
中国模型公司需要找到自己的切入点,把技术能力转化为企业真实的业务成果,并在开放生态、低成本推理和企业服务之间建立可持续的商业模式。
Anthropic的IPO,最终检验的已经不只是Claude能否继续保持模型领先,也不只是这家公司能否实现更高的收入和利润。
过去几年,AI行业最宏大的商业想象之一,是机器将逐渐接管人类的部分工作,而企业也将因此重新分配原本用于支付人类劳动的成本。如今,这个故事开始进入资本市场的定价体系。
华尔街正在为人类劳动的未来定价。Anthropic接下来需要证明的,是它能否把这种对未来的想象,变成企业每天都愿意付费的生产力。
5“安全”叙事可能遭遇反噬
不过,Anthropic面临的考验,可能不止于商业模式和技术竞争。对于一家将AI安全作为核心使命的公司,另一个更难回避的问题是:当它不断追求更强大的AI时,是否还能坚持最初的安全承诺?
Amodei的战略逻辑中存在一个值得关注的矛盾:他认为超级智能可能给人类带来毁灭性风险,但同时坚信,避免这一结局的最好办法,是让Anthropic率先开发出超级智能。这套思路被称为“向上竞赛”,其基本判断是,AI竞赛不可避免,最终赢家将获得巨大的技术和社会影响力,而Anthropic比竞争对手更有能力负责任地使用这种力量。
但这套逻辑并没有获得所有员工的认同。部分员工希望公司主动放慢前沿模型研发,甚至限制训练所需的算力投入。Amodei则认为,即使Anthropic停止研发,竞争对手也不会停下来。与其退出竞争,不如争取领先地位,确保超级智能最终掌握在更有能力负责任开发它的公司手中。
围绕AI监管和政策游说,公司内部也出现了分歧。一些员工对Anthropic参与推动限制州级AI监管的政策草案表示不满,认为相关行动与公司长期强调的安全使命存在张力。当一家AI公司一边强调技术风险,一边又试图影响监管规则时,它究竟是在推动更有效的安全治理,还是在为自己争取更有利的竞争环境,已经成为无法回避的问题。
这种质疑在临上市前夕进一步延伸到了公司外部。上市前夕,Hugging Face联合创始人Thomas Wolf、xAI联合创始人Igor Babuschkin、哈佛大学教授Steven Pinker、图灵奖得主Judea Pearl等人参与签署了《反Anthropic宣言》(MisAnthropic Statement)。
声明指出,Anthropic一方面警告递归自我改进(RSI)可能导致权力集中,甚至让AI脱离人类控制,另一方面却在竞相开发这项技术,试图率先获得竞争优势。声明还指责Anthropic利用安全形象吸引投资者、员工和公众,同时削弱此前的安全承诺,并推动符合自身利益的监管政策。声明最终给出了一个相当尖锐的结论:“Anthropic并不是一家安全的AI公司。”

这场争论已经超出了AI安全理念本身,延伸至公司治理、商业利益和公众信任。Amodei坚信自己能够负责任地开发超级智能,但管理层的自我判断并不足以替代外部监督。尤其当技术领先意味着更大的商业回报和社会影响力时,安全原则能否真正约束公司的研发和商业决策,将受到更严格的审视。
Anthropic的IPO因而面临着两套检验。资本市场需要判断,它能否把AI替代人类劳动的预期转化为持续收入和利润;公众则需要判断,当一家公司的目标是率先开发可能改变人类社会的超级智能时,它是否真的有能力约束这股力量。