跳到正文
Forrester Blogs· Srividya Sridharan·· 3 天前精选AI 评分74

Anthropic 上市后的经济模型与企业 AI 采购策略分析

Anthropic Is Public — Make Its Economics Work For You

AI 导读

Forrester 针对 Anthropic 上市披露的财务数据,为企业买家提供了大模型采购谈判与多供应商架构策略。数据显示 Anthropic 三季度营收增长 47% 至 170 亿美元,但算力与基建成本占比升至 58% 导致单季亏损 5.67 亿美元,且近半年发布的新模型贡献了超 80% 收入。

推荐理由

文章结合上市披露的算力成本与收入结构,为企业采购大模型服务提供了从任务成本谈判到双供应商容灾的可行策略。

正文 · AI 翻译

Anthropic 现已正式登陆纳斯达克,股票代码为 ANT。随着它从一级市场的承诺走向二级市场的业绩检验,企业客户也迎来了一大契机:不仅可以通过季度财报看清前沿 AI 的商业逻辑能否走通,还能享有更高的透明度与更强的议价能力。

今年 6 月我们曾指出,二级市场将倒逼企业走向理性:定价会更加切合实际,资本将助推扩张与并购,经营压力也会促使 Anthropic 进一步优化成本效率。到了 10 月,招股书(S-1)彻底暴露了 Anthropic 的商业困局:营收主要靠最新模型拉动,创始人享有极高控制权,巨额算力采购承诺更将算力利用率——而非单纯的利润率——推上了核心考验的位置。第三季度,公司营收虽然增长 47% 达到 170 亿美元,但算力及基础设施成本占营收的比重却从 48% 攀升至 58%,二季度 9.74 亿美元的营业利润也转为 5.67 亿美元的亏损。

真正的考验才刚刚开始:Anthropic 能否将旺盛的 AI 需求转化为可持续的商业模式?能否彻底革新所有知识型工作?又能否长久维系这种变革? 这对企业级 AI 的未来意味着什么?今天的上市不仅带来了一个全新的交易代码,无论在字面还是象征意义上,它对企业 AI 买家都举足轻重。

企业 AI 工作负载(及其创造的价值)才是真正的争夺焦点

Anthropic 的商业模式越来越趋向于“薄利多销”的跑量生意:尽管模型路由、缓存优化和轻量小模型降低了推理服务成本,但巨额的算力采购承诺仍逼迫它全力推高用量。随着越来越多企业级任务转向更便宜的模型,前沿能力或许会进一步向高价值任务集中。当下的挑战在于,如何在用量攀升、单位成本下降的同时,跑出可观的利润并带来足够的投资回报。正因如此,Anthropic 动力十足,千方百计想拿下更多企业工作负载、智能体、代码开发任务及业务流程——目的不仅是为了冲量,更是为了让这些用量真正赚到钱。

这意味着:Anthropic 对企业工作负载的渴求,几乎不亚于企业对其前沿智能的依赖,但它必须在拉动用量的同时守住利润率。这种博弈恰好是企业的谈判筹码:谈价格时不要只盯 Token 单价,更要按“每项已完成任务的成本”来谈;同时积极争取阶梯折扣、模型升级条款、弹性用量配额、基于基准评测的重推定价条款、未用额度结转顺延、模型支持周期保障,以及与系统可用率挂钩的服务返款。此外,云市场渠道贡献了 Anthropic 48% 的营收,不少买家可以借助现有在 AWS、Google 或微软的消耗承诺来争取筹码;今年前九个月,其前五大客户贡献了约 25% 的营收,更凸显出头部大客户关系的举足轻重。

前沿竞争绝不会放缓

不要以为受到二级市场的约束,Anthropic 就会牺牲创新来换取效率。实际上,它两手都要抓。 Anthropic 的招股书显示,截至今年 9 月 30 日的前 6 个月内发布的新模型,为其贡献了超过 80% 的三季度营收。Anthropic 需要的不仅是优质模型,更是源源不断的新顶尖模型,它也必将在这条路上继续狂飙。企业大可借力这些前沿创新,构筑属于自己的 AI 竞争壁垒。

这意味着:企业不要指望模型能长期稳定,更新换代只会越来越快。务必让另一家前沿平台随时保持生产就绪状态,并在合同与系统架构设计上降低迁移门槛。仅靠一家远远不够,企业必须推行双供应商前沿战略。前沿模型市场目前仍充满变数:超大规模云厂商纷纷构建自家的前沿模型平台,开源权重模型不断缩小差距,价格与使用政策更是一季一变。

企业买的是平台,而非单个模型

还记得以前企业挑选 AI 供应商时,往往只是单纯对比模型本身:谁的上下文窗口最大?谁的 Token 成本最低?谁给出的回答最准?这些问题固然重要,但已不能孤立看待。现在的买方评估模型时,必须结合具体任务的商业价值、可用的企业数据、由其驱动的智能体,以及公司整体的模型战略来综合考量。

这意味着:随着智能体在应用、数据和人员之间协同串联起各项工作,前沿 AI 正在成为企业级软件的新一代操作系统,助你抢在竞争对手之前实现工作流自动化。买方不仅要审视模型的智能水平,更要细究其背后的潜在风险:一旦某个平台出现故障,你能否迅速切换供应商?SLA 如何赔付,Anthropic 会不会公开故障复盘报告?你的智能体、提示词和数据能否顺利迁移?最关键的是,企业是否对 AI 的业务连续性和容灾方案做过测试?鉴于上周接连发生的技术宕机和网络现代化改造故障,务必将系统韧性、可移植性、安全与合规治理列为核心选型标准。

如需进一步探讨,欢迎预约我们的咨询或指导专场。

来源:Forrester Blogs · forrester.com

EVAOO 主站实战落地 · AI 实战方法论与团队 SOP

看完情报?回到 EVAOO 主站直接上手工具与完整 SOP

返回 EVAOO 主站