Anthropic 上市路演全解读：42 分钟发言和 38 张幻灯片

11 月 10 日，Anthropic 的上市路演视频流出：42 分 43 秒，11 位发言人，配 57 页幻灯片。路演自己分三条主线讲：核心优势、Claude 的企业采用、"前所未有的财务模型"。我们沿用这个结构，把每一部分的发言和对应的幻灯片放在一起，讲清楚每个数字背后的逻辑。数字都来自路演材料本身，没有和招股书逐项核对。

先说结论

如果只能记住一件事，那就是：Anthropic 想让投资者相信，它的增长和它的利润来自同一个源头，也就是模型能力。模型越强，客户找到的用途越多，收入就越高；模型越高效，同样的算力能服务越多的收入，利润率就越高。季度收入从 2025 年一季度的 3.76 亿美元涨到 2026 年三季度的近 170 亿美元，而在同一时期，经调整营业利润率从 -221% 爬到了 15%。

支撑这个故事的有两组关键数字。一组是算力效率：过去六个季度，收入涨了 45 倍以上，算力成本只涨了约 10 倍。另一组是客户扩张：年支出超 10 万美元的企业客户已有 11,900 多家，老客户一年后的花费平均是原来的 9 倍，但《财富》500 强在 Claude 上的花费平均还不到总费用的 0.1%，意味着天花板还很远。

故事的另一面是巨大的承诺。Anthropic 已签下约 9,000 亿美元的算力合同，一直排到 2045 年；公司超过 90% 的代码已经由 Claude 编写，它明确说自己正在接近"递归式自我改进"。这既是卖点，也是 AI 安全领域接下来几年最需要盯住的地方。

一、发行概况与开场

这次发行 8.25 亿股，价格区间每股 70–78 美元，预计 11 月 18 日定价，在 Nasdaq 上市，代码 ANT。其中 97.1% 是公司新发的股份，只有 2.9% 是老股东出售，说明这次上市主要是为了给公司募钱，而不是让早期股东套现。另外还有 15% 的超额配售权，同样全部是新股。高盛和摩根士丹利是联席主承销商，后面跟着摩根大通、花旗、巴克莱、美银等二十多家投行。

最有意思的一行是同步私募：Google、NVIDIA、AMD、博通、美光、微软和台积电一共认购 260 亿美元的 N 类普通股。这份名单几乎就是整条 AI 算力供应链，从芯片设计、存储、代工到云服务都在里面。供应商同时也是股东，这种绑定会在后面讲到的多芯片策略和长期算力合同里反复出现。

锁定期是分批解禁的，最长的是创始人和部分投资者，要锁 365 天。募资用途写得很宽泛：营运资金、算力和基础设施投入，以及员工限制性股票结算时的代扣税款。发行主体是 Anthropic, PBC，也就是公益公司，这一点在讲治理结构时还会提到。

CEO Dario Amodei 的开场很短。他先讲了一条时间线：2024 到 2025 年，AI 写代码变得可行；现在，在知识工作的其他领域，端到端完成任务的智能体也可行了；再往后，生物、数学、物理领域的基础性发现正在变得可能。

然后他立刻转向风险："如果人类能用 AI 治愈癌症，心怀恶意的人也能用 AI 制造生物武器或发动网络攻击。不处理好这些风险，我们就不可能成功。"在一场面向投资者的路演里，第一分钟就讲风险，这是 Anthropic 一贯的风格，也是整场路演的一条暗线：它要论证的是，安全不是拖累增长的成本，而是增长本身的一部分。

二、核心优势

总裁 Daniela Amodei 接过话筒，把公司的优势归成五条：使命与专注、人才与文化、前沿与安全研究、算力策略、企业战略。路演的第一部分就按这五条展开。

使命：有限资源往哪里投

Daniela 对使命的解释很务实。她说，Anthropic 管理的是一组有限的资源：算力、人才和研究产能。使命的作用，是让团队清楚该把这些资源投到哪里。在需要艰难取舍的关键时刻，使命让决策更加清晰。

她举了两个例子。一是把 Mythos 这样的模型只部署给网络防御方。Mythos 是 Anthropic 能力最强的模型，在网络安全上的能力尤其突出，只给防御方用，意味着主动放弃了一大块潜在收入。二是承诺 Claude 永远不放广告。这两件事在投资者面前讲，用意很明显：使命不是空话，它确实约束了商业选择。

更值得投资者注意的是治理结构。除了管理层和董事会，Anthropic 还接受长期利益信托（LTBT）的指导。LTBT 是一个独立机构，和公司没有任何财务利益关系，负责选任董事会的多数席位，职责是在公司成长过程中帮助它规划并履行公益使命。换句话说，公众股东即便买了大量股票，也无法单凭持股控制董事会。对一家即将上市的公司来说，这是一个不寻常的安排，也是这次发行里最需要读懂的结构性条款之一。

Daniela 还说，AI 的未来应当由民主社会来塑造和主导。公司希望成为政府的好伙伴，通过政策团队和 Anthropic Institute 分享研究，说明前沿 AI 如何改变人们的生活。

人才：七位联合创始人一个都没走

这张幻灯片列出了七位联合创始人：Dario Amodei、Daniela Amodei、Jared Kaplan、Sam McCandlish、Tom Brown、Jack Clark、Chris Olah。幻灯片左下角总结了他们的履历：参与开发了 GPT-2 和 GPT-3，是扩展定律论文的核心作者，共同发明了基于人类反馈的强化学习（RLHF），还开创了机制可解释性这个研究领域。可以说，今天整个大模型行业的几块基石，都有这几个人的名字。

右边两个数字更直接。七位联合创始人全部在职，在一个高管频繁跳槽、挖角动辄上亿美元的行业里，这并不容易。过去 12 个月的遗憾性员工流失率约 1%，也就是公司不希望走的人里，只有百分之一离开了。

视频里穿插了几段员工的回答，回答同一个问题："我为什么在 Anthropic 工作？"其中一位说，三年前哥哥因脑瘤去世，那年 42 岁，正是自己现在的年纪；"总得有人扛起把这件事做对的重担，我不想站在场边旁观。"另一位说："这里的人会先问'这件事该不该做'，再问'我们能不能做到'。"

研究：能力和安全是同一件事

Daniela 对研究的定位是一句话："让模型安全可靠的工作，和让模型更有能力的工作，是同一件事。"她说公司关心的是"有用的智能"，也就是模型处理真实任务的效果如何，能给客户带来多少价值。他们执着于回答一个问题：Claude 能做哪些其他模型做不到的事？

这张图就是这句话的注脚。它比较的是智能体终端编程测试 Terminal-Bench 4.0 的得分和成本，横轴是每次尝试花多少钱（对数刻度），纵轴是得分。图上 Opus 5.5 的曲线在每个思考强度档位上都处在左上方，意思是花同样的钱能拿到更高的分。脚注里说得更具体：Opus 5.5 用默认强度，得分就超过 Opus 5 用最高强度，成本只有大约五分之一。这一点后面在财务部分还会反复出现，因为模型越高效，Anthropic 就越有空间降价而不伤利润。

首席科学官 Jared Kaplan 接着讲研究。他说，当他们发现 AI 的扩展定律时，就意识到 AI 能力可能提升得非常快，这正是创立 Anthropic 的原因：确保如果 AI 成为一项变革性技术，它是安全且有益的。他们从能力、效率和安全三个维度评估模型，目标是让模型能在数小时乃至数天的时间跨度里，准确地规划并完成复杂工作。

他举了一个例子：一位用户用 Opus 5.5，在不到一天的时间里完成了 68 万行代码的迁移，几年前这需要一个工程团队花上几周。

这张幻灯片把能力的扩展画成一层层向外推的扇面，横轴是任务能持续多久，纵轴是任务有多复杂。2024 年那一层是查事实、修 bug、识别图片；2025 年扩展到代码重构、多步骤工作流和深度研究；今天这一层已经包括自主编程、保护关键开源软件、评估安全漏洞和起草监管文件。图的右边列出了 Anthropic 眼中的下一圈：自主网络防御、药物发现、高级疾病诊断、自主软件开发、机器人、个性化教育、专家级的金融和法律建议，以及供应链自动化。

Kaplan 还简单讲了模型是怎么训练出来的。预训练阶段，模型从人类积累的全部知识里学习，包括文本、图像、科学论文和代码，在这一阶段理解人类的基本概念。第二阶段是强化学习，Claude 在这里学会有帮助、诚实、无害，编程、知识工作和科学上的实用能力也在这里被激发出来。随着模型从对话助手转向自主智能体，强化学习已经成为研究投入最大的领域之一。他还提到，2021 年他写过一份内部备忘录，判断公司最可能做出的产品是一个"对齐的 AI 程序员"，后来证明相当准确。

这张幻灯片把安全工作分成了左右两栏。左边是"为了使命"：在可解释性、红队测试和发布前测试上投入更多，同时推进对模型被蒸馏、被滥用的检测和阻断。右边是"为了业务"：让 Claude 足够可靠，能承担关键业务，从而赢得企业的信任和采用；同时保护公司的知识产权和模型的安全防护。

这里有一个容易被忽略的细节：防止模型被蒸馏、保护知识产权，被明确放进了安全议程。蒸馏指的是用一个强模型的输出去训练另一个模型，相当于低成本复制它的能力。Anthropic 把这件事和防止滥用放在一起讲，说明在它的框架里，安全既是伦理承诺，也是竞争壁垒。

两个循环：模型越用越强

Anthropic 用两个互相咬合的循环来解释自己的增长。左边是改进循环：更好的模型带来更多用例，更多用例带来更多反馈，更多反馈又训练出更好的模型。右边是投资循环：更强的能力带来更高的增长，更高的增长吸引更多投资，更多投资又换来更强的能力。两个循环的中心都是 Claude。

首席产品官 Ami Vora 后来用 Claude Code 解释了这个飞轮怎么转：模型变强，他们用这些进步开发新功能，再训练模型更好地完成人们想做的事，从而强化整个系统。

首席架构师 Sam McCandlish 把这个逻辑推进了一步，讲的是"闭环"。他说，在 Anthropic 内部，他们越来越多地把前沿模型反过来用于改进自己的流程。Claude 已经成为平等的合作伙伴：它提升公司的安全，让训练和推理更高效，推动安全研究，帮研究员更快地尝试更多想法，让整个组织更有效率。

幻灯片上的数字很惊人。公司代码库超过 90% 的贡献由 Claude 编写。每名工程师的代码贡献量，以 2024 年为基准，2025 年四个季度分别是 1.3 倍、1.7 倍、2.1 倍和 2.7 倍，进入 2026 年后突然加速，一季度 6.2 倍，二季度 10.3 倍，三季度超过 45 倍。曲线在最后两个季度几乎是垂直的。

McCandlish 也讲了安全是怎么内建在每个阶段的：通过对齐训练，让模型遵循用户意图、避免有害行为；通过防护措施防止滥用；通过可解释性研究，看到模型"大脑"内部在发生什么。他的结论是，只要研究和安全齐头并进，就能帮助带来人类历史上一些最重大的突破。

视频旁白在这里回顾了几个节点。2025 年，Claude 在 OpenBSD 里找到了一个 27 年无人察觉的漏洞。它还为一家量子计算公司搭建了激光锁定控制器，这项任务过去需要一组博士花一周，它一夜之间、无需人工干预就完成了。旁白的最后一句是："那条指数曲线还在前方向上延伸，一切才刚刚开始。"

算力：同样一美元，做更多的事

首席算力官 Tom Brown 的部分，是理解 Anthropic 利润率的关键。他说，到 2021 年创立公司时，他们已经明白两件事：第一，算力是这门生意的基础；第二，把每一单位算力的价值榨干，是做出越来越聪明的模型的关键。他们相信，同样一美元算力，在 Anthropic 能比在任何其他前沿实验室发挥更大的作用。这个优势有两个来源。

第一个来源是多芯片。Claude 同时在亚马逊的 Trainium、Google 的 TPU、NVIDIA 的 GPU 和 AMD 的 GPU 上训练和服务。Brown 说，这是很早以前下的一个非常规赌注。当时很多人认为让模型跑在不同芯片上不值得，因为每种芯片都需要专门的软件栈和推理栈，开发既昂贵又困难。但他们坚持做了很多年，现在做得非常好。

这带来了两个好处。在算力供给紧张的市场里，他们可以不看供应商是谁，只看哪种芯片性价比最高；还可以让每种芯片做它最擅长的事，有的更适合训练，有的更适合推理。最终，跨供应商、跨架构、跨地点的所有芯片，被当作一个可以互换调度的统一算力池。这也解释了为什么同步私募的名单里，几家芯片和云厂商会同时出现。

多芯片也让他们非常擅长导入新芯片。Brown 举的例子是 AMD：今年他们第一次开始使用 AMD GPU。过去，导入一个新芯片平台需要几十名工程师花几个月；这一次，他们让 Mythos 来试，它只用三天就让 Claude 跑在了 AMD 上，基本没有人工干预，几乎 100% 的内核是 Claude 移植或编写的。

在数据中心上，他们也换了做法。过去 Anthropic 以云服务的形式购买算力，现在增加了第二种方式：租赁芯片，放在专门为他们设计建造的数据中心里运行，称为 Anthropic Direct。这样做能降低算力的总拥有成本，也能把对数据中心的承诺和对芯片的承诺分开签。

第二个来源是算力乘数。Anthropic 关心的不是物理算力有多少，而是"总有效算力"，也就是物理算力乘以他们发现的算力乘数。算力乘数是训练和推理中算法和方法上的改进，能让同样一份算力产出更多。Brown 举了个例子：假设训练一个某种水平的模型需要 100 单位算力，一个 4 倍的乘数意味着只用 25 单位就能训练出完全相同的模型；或者，用这 100 单位训练出一个原本需要 400 单位才能训练出来的更聪明的模型。

乘数之间会互相叠加，每发现一个新的，都会让之前的乘数发挥更大作用。Brown 说，他们相信随着接近递归式自我改进，这种效应还会进一步加速，Claude 将能够完全独立地发现算力乘数，让乘数的数量增长得越来越快。这句话在投资者听来是利好，在安全研究者听来则值得多想一层。

三、Claude 的企业采用

企业真正在意什么

这张幻灯片是 Anthropic 对整个行业衡量方式的一次反驳。上排是行业常用的三把尺子，下排是 Anthropic 认为企业真正在意的东西。

按 token 计价，衡量的只是输入成本，看不出产出的价值和质量，也不包括基础设施、安全和工程上的投入；企业真正要的是业务结果。基准分数很难评估长周期任务，也看不出能力和思考强度之间的取舍；企业要的是能长时间自主完成开放式任务、并且能在性能、成本和投入之间找到平衡的"有用的智能"。单独看一个模型，脱离了企业的环境和用例；企业要的是嵌入现有系统和流程、带安全控制、为协作而设计的"虚拟协作者"。

首席商务官 Paul Smith 接着讲了一个核心判断：AI 能力不是渐进式提升的。模型一旦越过某个门槛，就会出现阶跃变化，一整类工作的做法随之改变。这张图画了三条曲线，分别是编程、网络安全和知识工作，每条线上标出了"越过门槛"的时间点。

编程是最早越过门槛的，时间是 2025 年 11 月。Smith 说，仅仅一年时间，编程就从自动补全几行代码，走到了成队的智能体全天候工作。对乐天这样的公司来说，这意味着它们推出新功能的速度比竞争对手快四到五倍。

网络安全在 2026 年 4 月越过门槛。图上的标注描述了这条曲线的演进：起点是"人类主导、一次一个目标"的辅助式安全研究，中间是达到资深安全研究员水平，终点是能在整个系统里自主发现、分级、修补漏洞的安全团队。Smith 给的例子是 Mozilla：借助 Mythos 和 Project Glasswing，Mozilla 过去每个版本修复 20 多个安全缺陷，用了 Mythos Preview 之后，一个版本发现并修复了 271 个。

知识工作的门槛就在前方，图上标的是"阈值将至"，终点是自主的智能体编队。科学研究、投资分析、核保承保都是正在发生的例子，比如 Claude 帮 AIG 把报价时间缩短了 55%。Smith 说，在每个领域，他们都看到同样的模式：先是改进，然后是阶跃变化，接着一整类工作快速转变。

产品与平台

首席产品官 Ami Vora 先介绍了模型家族。她说，Claude 模型家族的设计，是为了在客户可能追求的各种目标上都提供价值，无论优化的是成本、速度还是智能。Haiku 最快，适合定义清晰、需要大规模执行的任务；Sonnet 兼顾速度和智能，是日常工作的主力；Opus 擅长深度推理和复杂的智能体编程；最高端是 Mythos 和 Fable，用于最难、运行时间最长的智能体工作，客户用它们加固网络基础设施、做出新的科学发现。

她提出了一个问题：即便模型能力呈指数级提升，大多数人用模型做的事情并没有变得那么快。怎么让每个人都能从这一整套模型中受益？她的答案是三条产品原则。

第一条是在客户所在的地方服务客户。用户可以通过 Anthropic 自己的应用使用 Claude，比如 Claude Code、桌面端和移动端；也可以在 Word、Excel 这样的企业应用里使用。他们还深入各个垂直行业，弄清楚这个领域的专家需要什么才能立刻上手见效。比如律师有 Claude for Legal 套件，直接连接需要的工具；医疗、金融服务、生命科学也都有对应的套件。

第二条是模型和产品并行构建，为明天的模型开发产品，而不只是为今天的模型。Claude Code 就是这样诞生的：几年前，他们看到预发布模型理解代码的能力在变强，那时还做不到所有事，但趋势线已经很清楚。他们围绕这个判断做了产品，几个月后 Claude Code 就发布了，它让人们认识了一种全新的编程方式。

第三条是缩小前沿能力和日常用法之间的差距。大多数人仍然把 AI 当作搜索的替代品或简单的问答工具。Vora 说，没有强大的产品，不断增长的智能和用户实际用法之间的差距只会越拉越大。他们的目标是让人们可以像对待同事一样对待 Claude，每次都得到高质量的产出。

对开发者，Claude 平台提供三条构建路径。从左到右，控制越来越少、自主性越来越高：API 让开发者完全自己掌控；Agent SDK 提供搭建智能体的框架；Claude Managed Agents 则由 Anthropic 托管运行智能体。三条路径共享一组底层能力，包括记忆、工具调用、技能、MCP、提示缓存、网页搜索和思考强度控制。企业可以用它们构建内部使用的智能体，也可以构建对外销售的产品。

这张图把平台和产品的关系画得很清楚：最左边是前沿智能，中间分成两路，平台面向开发者，产品（Claude Code、Cowork 和各种应用）面向终端用户，最后都汇到右边的"跨行业扩散"。平台这一路的作用是"走在能力的前面"，产品这一路的作用是"帮组织从模型能力里拿到最大价值"。

市场推广上，Anthropic 是第一家同时入驻三大云厂商（AWS、Google Cloud、Microsoft Azure）的前沿实验室。企业可以在自己原有的云环境里部署 Claude，借用云厂商的全球销售团队；同时 Anthropic 仍和终端客户保持直接关系，包括对定价的掌控。生态伙伴里有埃森哲、德勤、毕马威、普华永道这些咨询公司，也有 Snowflake、Salesforce 这样的数据和软件平台。还有一家叫 Ode with Anthropic 的 AI 服务公司，专门把 Claude 的能力带给各行业的中型企业。

产品端最新的信号是 Claude Cowork。这张图把两个产品放在同一起跑线上比较：横轴是研究预览发布后的天数，纵轴是年化收入。Claude Code 在 2025 年 2 月发布研究预览，Cowork 在 2026 年 1 月。在同样的天数下，Cowork 的曲线明显更陡。Claude Code 已经是 Anthropic 增长最重要的引擎之一，Cowork 跑得比它当年还快，这是路演想传递的信息。

客户价值的三个支柱

Anthropic 把客户从 Claude 身上拿到的价值分成三类，三类的渗透深度依次加深。

第一类是员工更高效：每个开发者和知识工作者都能做更多的事，主要靠 Claude Code、Claude Cowork 和各行业的解决方案。第二类是流程更快：核心工作流端到端地跑起来，人只负责审批结果，从而节省时间和金钱，主要靠 Claude 平台上的定制智能体、Claude Managed Agents 和网络安全方案。第三类是智能嵌入产品：Claude 驱动客户卖给自己客户的产品，直接带来收入，主要是 AI 原生应用、AI 编程平台和企业软件平台。

幻灯片给每个支柱配了两个客户案例：

客户	场景	效果
美客多	工程产出	2.3 万名开发者使用 Claude Code，合并的代码量同比增长 100% 以上；二季度部署量同比增长约 75%，回滚反而减少
Salesforce	工程产出	每名开发者的有效产出同比提升 151%，Claude Code 是其主要编程智能体
百时美施贵宝	研发速度	一个真实世界证据问题，从约 2 个月缩短到约 5 分钟；Claude 跨 30 到 40 个医疗记录和理赔数据库工作
AIG	运营速度	投保申请审核时间改善 90% 以上；核保员报价快 55%，最终承保成交的申请增加 40%
沃尔玛	收入增长	与 Anthropic 合作的购物智能体 Sparky，订单平均金额比非 Sparky 订单高约 35%，销量环比翻倍以上
Legora	客户覆盖	服务 1,500 多家律所和企业法务团队，Claude 负责规划和分派文书起草、文件审阅和研究

其中三家客户的高管在视频里亲自讲了经验，比幻灯片上的数字更能说明企业在意什么。

百时美施贵宝的 Greg Meyers 先讲了他们为什么在 AI 上下重注：他们认为 AI 能把开展一项临床试验的时间缩短 20% 到 30%，一款药如果能提前两三年上市，那些目前没有解决方案的患者就能更早得到治疗，对患者和公司都是巨大的利好。至于为什么选 Anthropic，他说其中一个原因是企业级能力最成熟："拥有一个能用的聊天机器人是一回事，真正把它放进一个环境里，让它访问公司最机密的一些信息，同时能做可观测性、管理安全、精细控制给用户开放的权限，那完全是另一回事。这些就是 IT 部门非常看重的企业级管控。"

BMS 把 Claude 推广到了全部 3 万名员工，Meyers 说这是他们历来推广过的 AI 工具中最快、采用度最好的一个。现在提一个非常复杂的问题，Claude 会自己判断该查询哪个或哪些数据库，然后生成一份已经内嵌流行病学背景的报告。过去回答一个简单问题通常要一到两个月，现在四五分钟就能拿到。

埃森哲的 Julie Sweet 说，AI 是一项突破性创新，但只有彻底重塑业务，才能拿到 AI 所承诺的价值。埃森哲有数万名工程师每天在整个软件开发生命周期里用 Claude，这释放了时间，让工程师能把更多精力花在解决客户难题、主导决策和制定战略上。埃森哲为数千家客户抵御网络攻击，他们把 Claude Code 和 Agent SDK 接进了自己的安全平台 Cyber.ai，过去需要几天的扫描，现在一小时内就能完成。

AIG 总裁兼 CEO Eric Andersen 说，很难想象 Claude 嵌入 AIG 内部的速度有多快。它帮 AIG 培养了更好的核保人员：Claude 把投保申请的信息提取出来，整理成核保人员可以直接处理的格式，他们做决策的速度明显提升，能以更一致的方式处理更多申请，对客户的响应也更快了。Andersen 特别强调了监管：AIG 和监管机构就如何使用 AI 保持着相当密切的沟通，人的因素和人工监督对 AIG 和监管机构都非常重要，并且已经嵌入流程之中。

三位高管讲的角度不同，但有一个共同点：他们都没有只谈模型有多聪明，而是在谈权限、可观测性、监管和人工监督。这正是企业把 AI 放进核心业务之前必须跨过的门槛。

渗透还在早期

Paul Smith 接着给出了大客户的覆盖情况。在《财富》500 强里，按行业取最大的 10 家公司来看：软件和 IT 服务、互联网、银行这三个行业，10 家全部在用 Claude；制药和半导体各有 9 家；医疗有 8 家。Anthropic 的合作覆盖了全部《财富》10 强。

覆盖面已经很广，但花费还很浅。超过 50% 的《财富》500 强、超过 30% 的全球 2000 强在 Anthropic 的年支出超过 10 万美元。可这些《财富》500 强客户花在 Claude 上的钱，平均不到它们总费用的 0.1%；即便是前 10 大客户，也不到 1%。Smith 的解读是，他们仍处在一场持续数十年的变革的早期。这张图的横轴一直画到 90%，几乎全是空白，视觉上就是在说"还有很大空间"。

那么客户是怎么从"用一点"变成"用很多"的？Smith 描述了一个典型的客户旅程。它通常从一个单一用例开始，往往是开发者和工程师使用 Claude Code，然后很快扩展到相邻岗位。接着，知识工作者开始把 Claude 用在价值最高的工作上；团队把更多业务流程自动化，把 AI 建进核心基础设施；最终，客户把 Claude 嵌入全新的产品和服务。

这个过程发生得很快，所以 Anthropic 的净收入留存率达到了约 900%，也就是说，老客户一年后的平均花费是一年前的 9 倍。作为对比，企业软件公司的净收入留存率通常在 110% 到 130% 之间，能到 150% 已经算非常出色。900% 是一个几乎没有先例的数字。

这张图用三个行业的代表客户展示了这种扩张。一家全球量化交易公司在 Claude 上的支出同比增长 69 倍，一家全球半导体制造商增长 168 倍，一家全球制药公司增长 115 倍。三家客户的柱状图形状几乎一样：前几个季度贴着地面，最近两三个季度陡然拉升。

从单个用户的角度看，扩张空间同样很大。不用 Claude Code 的普通 Claude Enterprise 用户，月均支出约 75 美元；而 Claude Code 用户里前 5% 的重度用户，月均支出约 1,500 美元，是前者的 20 倍左右。这前 5% 用户的支出在三季度还环比增长了约 50%。言下之意是，随着更多员工采用智能体方案，单个企业的支出还有一个数量级的上升空间。

走出实验室的例子

视频里有一段旁白，讲的是 Claude 走出办公室、进入现实世界的几次应用。

2025 年 12 月，Claude 帮助规划了毅力号火星车在火星上的行驶路线。它用火星车自己的标记语言编写了代码，工程师在指令发出前逐一检查，火星车行驶了 400 米，任务完成。2026 年夏天，约 950 个 Claude 智能体用 21 个小时筛查了 19 亿个蛋白质簇，其中一个发现了一个不寻常的模式：一个带有类 CRISPR 重复阵列的系统。Anthropic 的科学家在实验室里验证了这个发现，它此前从未被发表过，是一项真正的新发现。2026 年 9 月，应对刚果东部埃博拉疫情的团队借助 Claude，能在一小时内处理完各地区的每日报告，更清楚地掌握疫情全貌，也腾出了更多时间照护病人。

旁白接着说，影响现实世界的能力，让安全变得更加重要。所以 Claude 完整的生物学能力只开放给经过验证的机构；Claude 有一部"宪法"，让它在从未遇到过的情境中也能做出判断；公司在可解释性和对齐上投入了大量精力，让 Claude 在人们依赖它的情境中始终可以被问责。旁白的结论是："我们一次又一次发现，安全并没有拖我们的后腿。恰恰相反，正因为我们能信任 Claude 的工作，才能把它的发现应用到现实世界中。"

四、财务模型

CFO Krishna Rao 的部分最长，也是数字最密集的部分。他的开场白是：AI 对全球经济的改造是历史上最大的经济机遇，而 Anthropic 处于把握这个机遇的独特位置。他们在前沿占据领先地位，并且预计价值会差异化地向前沿集中。

总览：增长和盈利同时发生

这张幻灯片把 Anthropic 的财务状况压缩成六个数字。上排讲增长：10 月的年化收入约 810 亿美元，三季度单季收入 170 亿美元、同比增长约 12 倍，年支出超 10 万美元的客户超过 11,900 家。下排讲效率：年初至今的算力利润率 43%，毛利率 85% 以上，经调整营业利润率 12%。

Rao 特别强调了一点：公司已经实现正自由现金流。一家收入一年翻 12 倍的公司，通常会大量烧钱换增长；Anthropic 想证明的是，它的增长本身就是赚钱的。但他也说，尽管盈利能力很强，公司仍处在积极投入期，专注于把这门生意做深做长远。

这条收入曲线上密密麻麻标满了模型和产品的发布节点，从 2023 年 3 月商业化，到 Claude 2、Claude 3、Claude 3.5 Sonnet、MCP，再到 Claude 4 之后几乎每隔几周一次的发布。曲线在 Claude 4 之后明显变陡。Rao 想用这张图说明的是，收入是跟着模型能力走的。

五个差异化要素

Rao 把 Anthropic 的商业模式归纳成五个差异化要素，这是整个财务部分的骨架。

第一个要素是"模型驱动型增长"。Anthropic 构建能提供最有用智能的模型，随着不断推进前沿，客户为 Claude 找到了更有价值的工作，收入增长随之而来。季度收入从 2025 年一季度的 3.76 亿美元增长到 2026 年三季度的近 170 亿美元，背后正是模型在编程、智能体工作流和真实任务上的能力大幅提升。

Rao 在这里补充了一个容易被忽略的逻辑：更聪明的模型效率也更高。它们可以在更低的思考强度下完成任务，消耗更少的 token。前沿智能还会从大模型层层传导到小模型，覆盖成本、能力和速度的完整谱系。他举例说，近期发布的 Claude 5 系列，相比几个月前的 Claude 4 系列能力大幅跃升，按单次任务成本计算却便宜得多。这意味着 Anthropic 可以在给定成本下提供能力最强的模型，在大多数客户的工作负载上走向帕累托最优。

第二个要素是领先的平台和产品。平台是业务的基础，客户在 API 和 SDK 之上构建产品、重塑流程，空间非常大；自有产品则是推动普及的关键引擎。Rao 说，Claude Code 本质上是对模型指数级进步的一次下注，把它交到客户手中，使 Anthropic 在智能体编程能力急剧提升时得以及时把握红利；Cowork 沿用了同样的打法。三季度，超过 50% 的企业客户同时使用平台和至少一款产品，而 2025 年四季度这一比例只有 30%。

产品迭代速度也在加快。2026 年前 9 个月，公司发布了 250 项模型、产品和功能；同期全公司员工对 Claude 的使用量增长了 250 倍以上。这些因素共同推动人均创收从 2025 年三季度的 140 万美元提升到 2026 年三季度的 660 万美元以上，增长超过 4.5 倍。

第三个要素是算力效率，我们放在下一节单独讲。

第四个要素是对企业的持续专注。Anthropic 很早就判断，企业将成为 AI 最大也最好的客户群体，自 2023 年一季度商业化以来一直专注于这个市场。

年支出超 10 万美元的客户数量，2023 年底约 20 家，2024 年底约 200 家，2025 年底约 1,500 家，到 2026 年 9 月底已超过 11,900 家，仅今年就增长了 7.5 倍以上。右边三个数字说明这不是少数几个大户撑起来的增长：年支出超 100 万美元的客户约 1,900 家，超 1,000 万美元的约 250 家，三季度 79% 的收入来自前五大客户以外。

Rao 还说，Anthropic 是第一家同时入驻三大云厂商的前沿实验室，这让市场推广效率远高于同行。他给了一个对比：公司全部的非算力费用，包括销售与营销、人员、行政和其他营业费用，占收入的比例，比企业软件公司中位数仅在销售与营销这一项上的占比还要低。

第五个要素是不断扩大的市场空间。Rao 说，每个行业的每一家公司都将被强大的 AI 改造。这个进程从编程开始，正在向知识工作扩散，那是一个 40 万亿美元、才刚开始渗透的市场。随着前沿继续推进，它还会开辟全新的业务线。

这张幻灯片列出了三条新业务线，每条都写了长期愿景、正在建设的东西和目前的进展：

方向	长期愿景	正在建设	现状
网络安全	让防御方占先机：在攻击者利用之前找到并修复软件漏洞	Claude Security、开源软件扫描器、面向经过验证的防御方的前沿模型	网络验证计划中，合作方已发现 12.9 万个以上经过验证的漏洞
生命科学	把几十年压缩到几年，加速药物发现和科学突破	顶尖科学人才、垂直行业方案、分子生物学实验室	与百时美施贵宝、礼来合作
机器人	加速物理世界，把前沿智能扩展到现实场景	开放标准（Model Hardware Standard）	公司自己的数据中心内部部署

网络安全被放在第一位，而且是唯一一个被称作"扩展核心业务"、而不是"新业务"的方向。12.9 万个经过验证的漏洞，是整份材料里和安全行业关系最直接的一个数字。

算力效率：最关键的一张图

如果整份路演只能看一张图，我们会选这一张。灰色柱子是每季度的收入，橙色柱子是算力和基础设施的花费，黑色折线是两者的比值，也就是每花一美元算力能换回多少收入。

2025 年一季度，这个比值是 0.40，意思是每花 1 美元算力只换回 40 美分收入，公司在每一笔生意上都在亏钱。之后它一路上升，到 2026 年二季度达到 2.08，三季度回落到 1.72。过去六个季度，收入增长了 45 倍以上，算力成本只增长了约 10 倍，算力效率提升了 4.3 倍。

三季度的回落值得一提。脚注解释说，三季度底层的效率提升，被一批新交付的算力部分抵消了，其中包括约 50 亿美元的短期算力合约，而短期算力目前比多年期合约的成本高出很多。换句话说，需求增长太快，公司不得不临时高价采购算力。

这种效率的提升直接体现在毛利率上：年初至今的毛利率已经升到 85% 以上，而去年同期只有 29%。Rao 说，他们把这些效率收益看作可以主动配置的资本：有时通过降价让渡给客户，推动 Claude 在客户内部普及；有时留存这部分利润，再投资于更多算力，让优势不断复利累积。

这张图解释了上面那个三季度回落的来源。Anthropic 的算力分三档，按单位成本从低到高排列。最便宜的是 Anthropic Direct，即公司自己运营的芯片，包括定制芯片，放在按自己规格设计的设施里，资本承诺尽量安排在产能上线前后。中间是和云合作伙伴签的中长期合约。最贵的是短期算力，只在需求高峰时按需购买。Rao 说，预计未来几年 Anthropic Direct 在算力底座中的占比会不断提升，这也是长期利润率能继续改善的原因之一。

降价换增长

Anthropic 的定价策略是：模型能力提升，同时客户成本下降。这张幻灯片列了三个例子：Fable 5.1 比 Fable 5 的客户成本低约 25%，Opus 5.5 比 Opus 5 低约 40%，Haiku 5.5 比 Haiku 4.5 低约 75%。

Rao 详细讲了 Opus 5.5 的例子。这个模型今年 9 月发布，能力大幅提升，同时把客户成本降低了 40%。他说这次降价对利润率是中性的，因为 Opus 5.5 的服务成本本身就低得多。降价虽然会牺牲一些短期收入，但按他们的经验，更低的智能成本会推动更广泛的使用和普及，很快就会转化为收入顺风。

幻灯片右边给出了证据：Opus 4.5 比 Opus 4.1 的成本低 67%，之后收入的环比增速从 2025 年四季度的 48% 加快到了 2026 年一季度的 132%。

经营杠杆：Claude 也在给 Anthropic 省钱

算力之外的成本，包括人员、销售营销和行政，占收入的比例从 2025 年一季度的 70% 一路降到 2026 年三季度的 27%。幻灯片右侧解释了原因，主要是公司内部大量使用 Claude：三季度每名工程师贡献的代码量是 2024 年均值的 45 倍以上，9 月份超过 90% 的代码由 Claude 编写，2026 年 1 月到 9 月，按标价计算的内部 Claude 使用量增长了 250 倍以上。

这是"闭环"在财务报表上的体现：Claude 不只是 Anthropic 卖的产品，也是它压低运营成本的工具。

两条成本线同时下降，结果就是经营杠杆。经调整营业利润率在 2025 年四个季度分别是 -221%、-129%、-93% 和 -84%，2026 年一季度收窄到 -13%，二季度转正到 19%，三季度 15%，七个季度提升了 236 个百分点。三季度比二季度略降，脚注同样归因于那 50 亿美元的高价短期算力。

这里要提醒一点：这是非 GAAP 口径，剔除了股权激励等项目。按 GAAP 口径，2026 年前三个季度的营业利润率分别约为 -35%、8% 和 -3%。也就是说，按标准会计口径，Anthropic 三季度其实还是小幅亏损的。

投入方向与长期框架

Rao 说，鉴于机会的规模和业务的表现，公司正在三个方向上大举投入。

第一是算力。算力是增长的关键支撑，既支持研发，也用来满足不断扩大的客户需求。他们计划在未来几年对算力进行重大投资，既包括短期和多年期的云合作协议，也包括直接租赁的数据中心和芯片，也就是 Anthropic Direct。

第二是客户价值。他们要确保客户在 Claude 上的每一笔支出都获得最强的回报，途径是开发能力最强、对齐最好、最实用的模型，并在模型效率提升时降低客户成本。

第三是安全与对齐。Rao 说，安全是 Anthropic 运营方式的核心，随着模型能力快速提升，他们在人员、流程和算力上投入更多资源来支持安全与对齐工作。他认为对安全的专注会持续构成商业优势，因为客户和开发者需要他们能够信任的模型和产品。一位 CFO 在上市路演里把安全列为三大投资方向之一，并且用"商业优势"而不是"合规成本"来定义它，这本身就很说明问题。

最后是长期财务框架，也就是 Anthropic 给投资者的长期利润率目标：

单位：百万美元	2026 年一季度	2026 年二季度	2026 年三季度	长期稳态
收入	4,731	11,555	16,956	—
收入同比增长	1,158%	1,368%	1,127%	—
算力与基础设施占收入	72%	48%	58%	约 45%–50%
销售与营销占收入	22%	18%	14%	约 7%–10%
人员及其他费用占收入	20%	14%	13%	约 7%–10%
经调整营业利润率	-13%	19%	15%	35% 以上

长期目标是经调整营业利润率 35% 以上。Rao 给出了三条路径。随着效率持续提升、Anthropic Direct 的占比提高，以及更多算力从训练转向推理，算力与基础设施费用占收入的比例有望降到 45% 到 50%。随着规模扩大、云渠道分成占收入的比重下降，销售、营销与合作伙伴费用预计降到 7% 到 10%。随着 Claude 提升团队生产力、人员规模高效增长，人员及其他费用预计也降到 7% 到 10%。

对照三季度的实际数字，差距主要在算力：三季度算力占收入 58%，离 45% 到 50% 的目标还有不小的距离，而这恰恰是短期高价算力拖累的那一项。

再看家底。Anthropic 累计融资 1,410 亿美元，账上的现金和短期投资有 1,320 亿美元，上市前总流动性 2,160 亿美元。这 2,160 亿美元里，除了现金，还有 820 亿美元的战略融资额度和 148 亿美元未动用的循环信贷。按发行价区间中值每股 74 美元估算，这次 IPO 预计净募资约 850 亿美元。

为什么需要这么多钱？答案藏在附录的这张表里。截至 9 月 30 日，Anthropic 已经形成合同义务的算力承诺约 3,200 亿美元，其中绝大部分是采购承诺，主要是云服务托管，共 3,138 亿美元。此外，已签约但尚未开始的数据中心、芯片和云合约还有 4,512 亿美元。再加上可取消部分和 9 月 30 日之后新签的合约，承诺总额约 9,009 亿美元，一直排到 2045 年。

这是理解整场路演的另一面。Anthropic 的增长故事很漂亮，但它押上的是接近一万亿美元的长期算力合同。这些承诺能否被收入覆盖，取决于前面讲的那条模型能力曲线能否继续向上。

五、结语

路演以 Dario Amodei 的发言结束。他说："今天我们看到的癌症、阿尔茨海默病、心脏病、精神疾病，我认为在不到十年内都会成为过去。"他也说，能把风险处理好的公司，才会是拿到社会运营许可的公司，是社会信任、并且相信它能以正确方式创造福祉的公司。

"如果我们把这件事做对，就能开创一个奇迹时代，让人类解决那些困扰了我们数千年的难题。我们必须非常审慎地应对这项技术所有的风险、所有可能出错的方式，同时把它的福祉带给世界，并建立起一门可持续的生意。"

我们怎么看

作为一家做 AI 安全的公司，我们读这份路演时最关注的不是收入数字，而是安全在其中扮演的角色。有四点值得记下来。

第一，安全已经进了商业论证。百时美施贵宝和 AIG 解释为什么选 Anthropic 时，谈的都是可观测性、权限控制、人工监督和监管沟通，而不是模型在某个基准测试上多了几分。这些是企业把 AI 放进核心业务之前必须跨过的门槛。CFO 把安全列为三大投资方向之一，并且用"商业优势"来定义它。这说明在企业市场，安全能力已经直接影响收入，不再只是一项合规成本。

第二，漏洞发现的速度已经超过了修补的速度。Mozilla 一个版本修复 271 个缺陷，网络验证计划里发现了 12.9 万个以上经过验证的漏洞，埃森哲把几天的扫描压缩到一小时以内。AI 找漏洞的效率已经远超人工修补的节奏。如果防守方不把分级、修补和验证也自动化，发现得越多，积压就越多。另一面是，同样的能力一旦扩散到攻击方，从漏洞被发现到被利用的窗口会被急剧压缩。Mythos 只部署给防御方的做法能维持多久，是整个行业都需要关心的问题。

第三，模型正在改造自己的研发。超过 90% 的代码由 Claude 编写，Mythos 三天移植一个新芯片平台，Claude 将能"完全独立地"发现算力乘数。这些在路演里都是作为卖点讲的，Anthropic 也明确提到了"递归式自我改进"。当模型深度参与自身的训练、部署和基础设施建设时，它的权限边界在哪里、每一步操作怎么审计、哪些环节必须有人复核，会成为接下来几年 AI 安全最核心的问题之一。

第四，智能体正在接管带权限的关键流程。从 Claude Managed Agents，到"人只负责审批结果"的端到端工作流，再到能跨 30 到 40 个医疗和理赔数据库自主查询的研发助手，企业正在把越来越多需要权限的操作交给智能体。智能体能访问哪些数据、能调用哪些工具、出了问题怎么追溯，这些正是 AI Agent 安全要解决的问题，也是 ClawGuard 每天在做的事。

只有几分钟？可以先看简讯版，17 张幻灯片看懂要点。