2026.10.10 | AC | LLM | Anthropic Consumption Inflection & IPO Risks

摘要

1、近期对于大模型厂商如Anthropic、Open AI的舆情不断。Anthropic是二连发舆情，Open AI是被爆出ARR也不及预期的舆情，9月底的年化收入约为500亿美元，明显低于此前市场获悉的700亿美元目标。共同点是初创模型巨头的营收持续性、目标无法满足市场预期2、从1的结果上来看，实质上是大厂对于顶尖模型，在安全、可控、性价比条件下的退却，尽管自身模型+工具效果无法比肩最强厂商，但是仍然强推自己公司内部的能力。这种风向和结果导致了模型厂商在ARR以及市场预期的降温。这种降温最致命的后果并不是针对几家公司，而是全行业的影响。核心在于公司花费大量资产产出的结果，无法在市场上找到付费的买家，持续性进一步受损3、由于大厂热度正在退却的风向标、中小厂更加亲睐性价比高的模型，这也会引导模型公司去发起第二增长点，如AI for science等场景，目标用户稳定、也有钱。但是，短时间内科研界对其排斥较大，这个场景的变现速度无法迅速补位大厂热情退却后的付费力度，所以模型厂商在支出--收入的剪刀型局面，可能会持续一段时间

1、背景

作为全球化AI独角兽Anthropic，近期也处于关键的IPO期间，但是出现的利空不断。一方面是微软、Meta等大公司、主力消费方（年度消费量10亿美元以上），在市场放言要降低外部如Anthropic的模型用量，增加自己的模型使用频率，以降低外部支出。笔者前期一直在强调AI的出现，对于公司层面的增效可以实现，但是从价格上来考虑，降本是不一定的事实。并且，笔者一直在强调AI公司营收的持续性问题，也一直关注这方面的情况。从Meta、微软这类大公司发起降低外部模型的使用，其实上对于市场是一个拐点信号，长期来看会严重影响模型厂商的收入持续性，加上之前不少创业公司转向廉价模型，这就象征着市场上的用户对于模型的消费观念在一定程度上发生了变化，这种变化的直接影响是模型公司未来的收入增强。当然，短时间内，例如2026年的今天，诸如Anthropic、Open AI的营收趋势可能还是一个上涨的趋势；但是，市场的消费观念变化，对于模型公司长远发展，影响剧烈

另一方面，独立金融研究机构New Constructs在2026年10月6日发布的报告中，将Anthropic即将进行的IPO定性为"2026年最荒谬的IPO"，该机构对Anthropic的估值约为1500亿美元，较其2万亿美元的目标估值低约93%。其核心观点是Anthropic是一家"没有可行商业模式"的公司，另外，需要补充的是，New Constructs认为"自开源模型问世以来，闭源模型将难以盈利这一点就已显而易见

这个观点比较好理解，机构出发的角度是Anthropic此类初创模型公司，营收集中在API上，类似于FDE或者定制化解决方案一直也在成长阶段，并没有彻底的成型和彻底的壁垒已经稳定的客户，对比与生态公司如Meta、谷歌等，业务的种类和稳定性、持续性、壁垒是已经成长起来的优势，模型公司的劣势在这个阶段会被放大，特别是在市场、模型公司本身都在成长过程中，以及市场发生负面舆情的时候，会被聚焦以及放大。在上市过程中突发此类事件，对后续的正式估值可能存在一定负面影响

2、大厂的支出收缩是一个明显信号

2.1、大厂的支出收缩是一个风向标

早在2026年年中，就有不少初创、中小企业因为Anthropic的价格贵，而选择更加便宜的国产模型，这种变化其实对于市场中小企业而言，由于业务复杂性和成本考虑，比较好理解，对于Anthropic的营收而言，影响也不会太大。但是，诸如微软和Meta这种超级巨头而言，使用的收缩代表了市场上的实质信号。这些大厂在拥抱AI的过程中，已经进行了一次或者几次人员剪裁，通过剪裁的人员收益补充了、甚至是盈利了AI替代员工带来的降本，这种结果的平滑过渡和实际收益也在促进大厂全面拥抱AI，从而也是Anthropic、Open AI等公司在2026年的营收得到实质性的变化

但是，Meta和微软的这次从高端模型降低一般模型的使用，对于初创公司的影响就会摆在眼前，大厂作为消费的主力军，承担起了主要的支出，根据市场数据显示，Anthropic的营收中的25%，被两家大厂所贡献；以及在过去的28天里，Meta在Claude Code上的支出仍超过1.05亿美元

另一方面，大厂的模型降温，也表达了公司层面本身对于先进智能的需求度高低，既能公司可以为了支出而退而求其次，那么对于先进智能的高需求度，也就是一个伪命题，这种需求与当下各大模型厂商突破技术瓶颈的大量支出，是一个背道而驰的现象。换句话说，尽管未来Anthropic可以通过大量的投入，换来更高的智能，但是价格与价值匹配的同时，连大厂都消费不起，从而变成有价无市的局面，营收的量也无法被持续性扩大，这对于初创公司而言，是一个较大的打击

最后，Meta和微软可以这样做，其他大厂呢？也能效仿或者节源开流使用低价格低模型。那么诸如Anthropic、Open AI受到的打击将是巨大的，其ARR与实际的营收将会出现剪刀形态，市场预期将进一步放低。更重要的是，这种悲观的情绪会被放大，直接阻碍模型性能进一步的发展，原因在于即便市场迭代出更强的模型，奈何价格太贵，也没有大厂去使用，入不敷出的局面让导致一大批的模型厂商停滞迭代，这种市场带来的正面冲击远远比竞争以及其他硬件的限制，穿透力更强，伤害性更大

从这种强调自研产品的使用比重增加，外部产品的比重缩小，尽管内部产品性能与外部存在差距，但是一直强调推崇自身的产品，也是一个自控力的表现。即大厂对于可控性的要求较高，并不想将自身的技术关键被其他厂商把控，笔者在2023年AI刚出来的时候强调过这点的重要性，但是随着时间的流逝，市场焦点没在这个上面，不过从大厂目前的动作来看，正在凸显这部分的重要性。另外的佐证就是，尽管近期Anthropic有降价的策略，但是并没有影响大厂们的最终选择

2.2、营收持续性的问题来的更早一些

根据市场消息显示，在Anthropic在招股书中指出，公司大多数大客户并未与其签署长期合作协议，客户随时可能削减甚至中止相关采购支出。值得注意的是，这一招股书披露的核心风险，可能让市场拐点危机提前落地，其营收不稳定性远比市场此前预判的更为严峻

结合微软、Meta两大核心客户的降本动作来看，这种无长期绑定的合作模式，基本是没有什么风险缓冲空间的现状。两大巨头贡献了Anthropic超四分之一的营收，是公司核心收入基本盘，但双方始终为短期按需采购的合作模式，无锁量、无锁价、无长期履约约束。当下大厂代表主动缩减外部高端模型采购、转向自研自用模型，并非短期策略调整，而是企业降本增效、优化AI成本结构的长期战略，在没有长期协议约束的前提下，其采购规模的下滑将是不可逆的，出现阶段性回弹的概率较低，核心是企业结构的确定性能够被性价比模型的智能满足

另外，相较于中小企业客户的零散流失，头部大厂的撤离具备极强的示范效应和传导效应。行业内其余互联网、科技大厂均处于AI成本管控升级阶段，原本部分企业仍观望头部大厂的采购策略，而微软、Meta的减采动作叠加Anthropic无长期合作兜底的短板，会导致一众大客户加速跟风节流，优先舍弃高价闭源模型采购，转向自研模型或高性价比开源模型、平价替代模型等，会直接导致Anthropic的客户流失从个别现象演变为行业普遍趋势。而且，这一问题让机构质疑的“无可行商业模式”得到了也是一种实质的佐证。其高度依赖API单次调用收入，定制化解决方案、长期生态合作等稳定营收板块尚未成型，客户留存完全依靠模型性能的短期优势，却无商业壁垒锁定客源。在市场消费观念彻底转向“性价比优先”、不再盲目追求顶级模型性能的背景下，单纯的技术优势已经无法支撑营收稳定性

根据笔者之前的分析，重视持续性指标到同时，并未认为拐点会来的如此迅猛。但是，按照大厂+中小厂释放的信号来看，营收持续性风险可能将在未来1～2年逐步显现。核心是头部客户无长期协议的短板叠加大厂集中缩支，让风险提前爆发，公司营收增速放缓、规模缩水的压力即刻凸显。最终会形成技术迭代投入持续走高、市场营收持续走弱的错位格局，营收与市场预期的剪刀差持续拉大

2.3、增长的第二动力在这个时期时期更加重要

对于大厂的降低AI支出，面对大厂持续削减通用大模型 API 采购支出的行业变局，单纯依靠通用模型调用这一单一增长引擎已经风险凸显，AI模型厂商拓展第二增长曲线的紧迫性显著提升。当下不少头部模型厂商纷纷押注AI for science赛道，试图把科研领域的模型落地，打造脱离互联网大厂通用API采购之外的收入来源，解决单一收入问题。但这条备选赛道并非坦途，近期又有多名数学家联名公开反对AI for Science相关方向，也折射出这条第二增长曲线潜藏的巨大争议与落地难题

但是，从营收结构来看，通用API业务高度依赖微软、Meta这类超级客户，订单波动大、无长期锁单协议，一旦大厂转向自研模型，收入就会快速承压。在此背景下，AI for Science当下被视作对冲通用API业务风险的核心第二动力。该赛道面向生物医药、材料、计算数学、能源仿真等垂直科研场景，客户以科研院所、药企、化工企业为主，客户群体和互联网大厂完全错位，理论上可以降低对科技巨头API采购预算的依赖。同时垂直科研场景对模型精度、推理可靠性有硬性要求，相比通用场景，更容易形成定制化解决方案、项目制交付模式，有机会构建起比单纯API调用更强的客户粘性，补齐Anthropic这类公司商业模式短板

不过，从目前的发展速度来看，AI to Science虽然是理想中的第二增长曲线，但从时间线上来看，短期难以承接通用API下滑留下的收入缺口。市场当下放大它在营收中的比重，更多是资本市场对模型公司寻找新出路的期待，而非已经成熟稳定的收入基本盘。模型厂商想要依靠AI for Science对冲大厂砍单风险，既要解决模型科学推理可信度的学术质疑，还要攻克科研场景商业化慢、项目定制成本高的现实难题。如果第二增长曲线迟迟无法规模化变现，当通用API收入承压，公司整体营收压力会进一步放大，IPO估值逻辑也会持续受到挑战

3、总结

1、笔者之前一直强调越强的AI价格越贵，普通人很难用得起。现在，就连大厂也开始在这方面降本了，这是一个拐点性的时刻，很容易引起市场共振，引导其他厂商效仿，转向更加性价比高的模型。这种后果不仅是模型厂商营收下降，最致命的是直接阻碍AI未来发展的速度

2、营收的持续性受损，不仅仅带来头部效应，而是市场用户包括大厂，更加清醒的认知到自身需求和模型性能之间的配置，以及大厂自身对于技术可控的强制性。尽管可能自研不够优秀，但是好在可控，这也是当下AI市场不容忽视的一个问题

3、第二增长动力会成为各大厂商寻找的目标，例如AI to Science场景。只不过当下发展的速度以及市场的矛盾点问题，整体的补位效果远远达不到要求。但是，这不影响各大模型厂商的推动，毕竟还是要找到愿意大力付费的用户，而不是大面积低价值付费的用户