Anthropic入不敷出引争议：一场诉讼背后的大模型token经济反思

本文来自微信公众号：未尽研究，作者：未尽研究

相较于此前媒体零散曝光的全年业绩以及公司间接披露的年度经常性收入（ARR），这份法庭文件呈现出更为完整的财务图景，也在一定程度上验证了市场对当前大模型商业模式的长期疑虑：推理业务的规模增长，依旧跟不上模型训练成本的快速上涨。大模型公司本质上还是在转售“token”，但附着在其上的计算毛利率仍然有限。

声明还指出，为维持运营，Anthropic不得不筹集超600亿美元的外部资本，并通过长期融资安排来支持大规模算力采购。声明同时警示，政府若以“供应链风险”为由实施制裁，可能会削弱投资者信心，加剧客户对不确定性的担忧，进而导致公司2026年的收入减少数十亿美元。

这样一来，Anthropic实现盈利的目标就更加遥远了。此前，该公司已将盈利时间线推迟至2028年。

模型盈利的叙事陷阱

此前，无论是Anthropic的阿莫迪，还是OpenAI的奥特曼，都声称模型已实现盈利，只是公司仍处于亏损状态。但这种说法仅在有限范围内成立。

去年，在GPT-5发布后的访谈中，奥特曼表示，如果公司投入3000亿美元建设数据中心，就能卖出4000亿美元的AI服务。“要是不用为模型训练付费，我们会是一家非常盈利的公司。”几乎同一时期，阿莫迪在一场访谈中也表达了类似逻辑：花1亿美元训练的模型，能赚回2亿美元，未来训练10亿美元、100亿美元的模型也会如此。“如果把每一代模型看作一家公司，旧模型其实在持续创造利润。”

如今，Anthropic的这份法律声明显示，实际情况远非如此。公司在模型训练与推理上的累计支出已超100亿美元，约为累计收入的两倍。更关键的是，在大模型厂商的算力支出结构里，无论是美国的闭源前沿模型公司，还是中国的开源模型团队，训练成本始终占据绝对主导地位。这意味着，以Claude系列目前的使用规模，几乎不可能仅靠推理收入收回模型训练成本。

算力是大模型最大成本

AI模型的真实经济状况，几乎是一个黑箱，充满了商业叙事的“陷阱”。两位业界领袖的说法，让EpochAI研究总监Jaime Sevilla感到困惑。他推测，阿莫迪所说的“模型盈利”，主要是指模型产生的毛利润足以覆盖其自身的“最终训练运行”成本。这一口径既不包含公司的整体运营开支，也不包括开发模型过程中大量的基础研究、去风险运行以及最终未发布模型所消耗的研发算力。

大模型公司的成本结构，并非“训练一个模型—部署—回本”的简单循环，更像是一家持续进行实验的研究实验室。那些隐藏在冰山之下的原始创新与失败探索，往往构成了训练成本的大头。

所谓“单个模型可以赚钱”，在现实中也往往只是短暂的阶段性现象。根据EpochAI的估算，在去年8月至12月GPT-5的生命周期内，OpenAI主要产品收入约为60亿美元。同一时期，模型推理成本约40亿美元，公司运营成本（包括薪酬、法务、行政以及超级碗广告等）约20亿美元。这意味着公司的计算毛利率约为33%，而运营利润率几乎为零。

与此同时，为训练GPT-5，OpenAI在当年4月o3发布后至8月GPT-5正式推出期间，大约投入了30亿美元训练算力、15亿美元研发人力以及约3亿美元的数据成本。也就是说，即便在其短暂的商业生命周期内实现了运营层面的盈亏平衡，GPT-5产生的毛利润仍不足以覆盖训练它所投入的研发成本。

理论上，只要模型持续运行，就能逐渐收回投入。但在现实的竞争环境中，模型很少有这样的时间窗口。在前沿模型的快速迭代中，一代模型往往还没收回训练成本，就已被下一代模型取代。随着Gemini 3的推出，GPT-5很快被后续版本GPT-5.2替代，其有效商业周期仅维持了约4个月。即便是没有明显变现压力的DeepSeek，如果迟迟未能迭代模型，也会被怀疑是否逐渐失去竞争力。

token是收入来源，但收入不止于token

但问题还不止于此。在这一阶段，大模型厂商单位算力创造收入的能力并未出现明显提升。据The Information报道，去年全年，OpenAI与Anthropic均未实现各自设定的毛利率目标，实际水平比预期低10多个百分点。事实上，在激烈竞争下，OpenAI整体计算毛利率（推理毛利/推理收入）已从去年年中的约42%，下降至全年约30%左右。

去年10月，OpenAI曾披露其“付费产品计算毛利率”已接近70%，看似接近传统软件公司的水平（通常为60%—80%）。但这一指标仅针对付费用户的推理业务，而实际用户结构中，免费用户规模远高于付费用户。同时，大模型厂商的订阅定价往往基于一个隐含假设：绝大多数用户不会用满额度。一旦出现高强度调用，边际算力成本就会迅速上升。这也是Google与Anthropic会迅速封禁利用订阅账户高频调用模型的OpenClaw用户的原因。

Anthropic的情况也没有明显不同。由于其企业客户的API调用占比更高，理论上计算毛利率会略高于以订阅为主的产品模式，但仍难以达到典型软件公司的水平。市场推测去年全年它营收45亿美元，推理成本27亿美元，对应计算毛利率约在40%左右。

从目前披露的数据来看，这在一定程度上反映了大模型厂商的普遍盈利结构，中国公司也不例外。已披露年报的MiniMax显示，其全年毛利率约为25.4%。公司收入主要来自AI原生产品与API调用，而销售成本则主要包括推理相关的云计算费用以及平台佣金。

自商业化以来，大模型单位算力创造收入的能力并没有显著提升。年初，OpenAI首席财务官Sarah Friar披露，从2023年到2025年，公司可提供的计算能力从2023年的0.2GW（吉瓦）提升至2025年的1.9GW，增长10倍。与此同时，公司的年度经常性收入也几乎沿着相同曲线增长，从2023年的20亿美元上升至2025年的超过200亿美元，增长10倍。

这意味着，OpenAI过去三年的收入增长几乎是算力扩张的线性映射。换句话说，公司更像是英伟达AI芯片的“经销商”，虽然“买得越多，赚得越多”，但要赚得更多，还得继续买更多。这使得其收入增长高度依赖资本性投入，一旦GPU、能源或资本成本上升，利润弹性就会非常有限。而英伟达的毛利率维持在70%以上。

OpenAI收入3年10倍达200亿美元，奥特曼为何最终选择广告

2026/01/19完整阅读>

事实上，尽管像谷歌这样的科技巨头不定期披露不断攀升的token调用量，却将AI相关收入与成本隐藏在庞大的综合损益表中，使得外界难以单独评估模型的真实经济结构。

Code、Claw与高价值任务

当然，在技术周期的早期阶段，投资者往往更看重增长而非利润。只要企业能迅速占据市场，资本通常愿意相信盈利终将到来。

Anthropic与OpenAI也不负众望。过去几年，Anthropic的收入每年复合增长约10倍，而OpenAI的收入年复合增长约为3.5倍。按照这一增长趋势，如果没有这次风波，Anthropic的年度经常性收入很可能在2026年8月左右反超OpenAI。

Anthropic收入快速追赶OpenAI

如果根据其历史披露的ARR数据进行简单倒推，将各时间点的ARR折算为对应的月度收入，并结合ARR的增长轨迹估算全年平均收入，那么自商业化以来，Anthropic的累计收入大约在50–60亿美元之间，基本符合公司CFO的陈述。按相同口径估算，OpenAI的累计收入约在230–260亿美元左右。

但与此同时，两家公司的资本支出也在迅速膨胀，从而不断推迟其实现盈利的时间表。按照OpenAI的规划，公司在2030年前的算力支出预计将达到约6000亿美元，届时将迎来公司盈利。这意味着OpenAI们不仅要扩大收入规模，更要改变收入增长高度依赖token调用量增长的局面。

规模仍然重要，它可以摊薄成本并提升利润率，但真正决定商业模式关键的，仍是每一单位算力所创造的价值。如果单位算力创造的收入长期停滞，大模型行业的结构很可能最终收敛为三条路径：算力寡头、平台化竞争，以及不可避免的价格战。

原因在于，在当前的模型经济学下，收入几乎与算力规模线性相关，更多算力意味着更多token，也意味着更多收入。这会使行业逐渐演变为一种典型的资本密集型产业，只有少数公司能够承担持续扩张的算力投资。同时，模型能力正在逐渐趋同，开源模型持续扩散，算力供应也在快速增加。一旦算力成本下降或开源模型进一步普及，token价格很可能被迅速压低，而训练与研发投入却仍在不断上升。

在这种情况下，大模型厂商最直接的出路就是提高每一单位算力所创造的价值。这既来自模型性能的持续提升，也来自更高价值的应用层。这也是各大模型厂商正迅速向原本由SaaS占据的应用层扩张，并积极推动智能体式（Agentic）AI发展的原因。AI不再只是对话，而是直接参与生成代码，甚至自动执行企业的生产流程。在这一阶段，OpenAI对AGI的定义才开始显得具体，即在认知领域完成达到人类水平、并具有经济价值的任务。

在这种模式下，AI的商业模式也从“出售计算能力”逐渐转向“出售自动化劳动力”。对企业客户而言，付费逻辑也随之改变，他们不再为token调用付费，而是为完成一项任务付费。大模型厂商与应用厂商，都有动力完成从重视token数量向重视token价值的转型，让利润更多地沉淀于自己一侧。

为了实现这种转变，OpenAI等公司也在重新设计自己的商业结构，从单一的模型调用收费转向更复杂的产品与平台收入体系。这也是OpenAI一再调整自己收入结构蓝图的原因。现在，它预期未来的收入主要来自四个部分：ChatGPT的消费者业务（包括免费用户的广告变现）、企业服务（包括智能体、研究助手）、平台业务（包括在微软Azure上的API销售），以及新产品（包括AI硬件等）。

OpenAI的收入结构蓝图

开源模型社区已经开始积极拥抱OpenClaw，纷纷推出兼容的实现版本。OpenAI也迅速作出反应，将该爆款产品的开发者招致麾下，并在GPT-5.4系列中引入原生computer-use能力。过去一年持续发布一系列产品的奥特曼，显然也不打算让“垂直一体化的个人智能体”停留在太遥远的未来。与此同时，Anthropic则在Claude体系中较早将工具调用能力模块化，并以“Skills”的形式进行封装，Claw能力最终也很可能被进一步引入其企业服务护城河之中。

也许在2026年，大模型商业化竞争最大的看点之一，已经不再是Anthropic何时反超OpenAI，而是谁能率先将自己的收入增长从单纯依靠token销售量的扩张中摆脱出来。