Anthropic在5月開發者大會上拋出的那句“原本按10倍增長規劃，結果一季度收入和使用量年化增長了80倍”，把AI行業最硬的一層矛盾攤開了：大模型能力還在往前跑，但基礎設施已經開始追不上需求。更直接的證據，是Anthropic幾乎同時向SpaceX、Amazon、Google、Broadcom、微軟、輝達和Fluidstack鎖算力、鎖電力、鎖未來幾年的資料中心資源。
這家公司最新披露的口徑是，run-rate收入已經超過300億美元，而2025年底約為90億美元；百萬美元級企業客戶從2月的500多家增至1000多家；Claude Code單獨的run-rate收入超過25億美元。換句話說，Anthropic不是靠講故事撐估值，而是已經在企業軟體、開發者工具和AI Agent工作流裡跑出了強需求。
但強需求也帶來更尖銳的問題：AI行業過去像軟體，現在越來越像能源、雲端運算和半導體的混合體。誰能拿到更多GPU、TPU、Trainium、電力、園區和長期資本，誰才能繼續迭代模型、服務客戶、維持體驗。AI行業沒有進入輕鬆賺錢的階段，反而進入了更重、更貴、更殘酷的基礎設施戰爭。
01 最強的模型不夠用，能交付的算力才稀缺
Anthropic最新一輪動作，最像一家高速擴張的雲廠商，而不是傳統意義上的AI實驗室。
5月6日，Anthropic宣佈與SpaceX達成合作，將使用SpaceX位於孟菲斯Colossus 1資料中心的全部計算能力。按照Anthropic自己的說法，這相當於一個月內新增超過300兆瓦容量，對應超過22萬塊輝達GPU；公司也同步提高Claude Code和Claude API的使用上限，取消部分高峰期限制。
這條新聞很有意思。過去大模型公司發佈新聞，往往圍繞模型參數、榜單成績、多模態能力、上下文長度。Anthropic這次講的是“使用限制放開”和“算力補貨”。這說明AI行業的瓶頸已經發生變化。
使用者不是沒有需求，企業不是不願意付錢，開發者也不是不想用。真正的問題是：平台能不能穩定供得上。
Anthropic的算力採購清單已經非常重。4月20日，公司與Amazon擴大合作，鎖定最高5GW算力，用於訓練和部署Claude；其中Trainium2和Trainium3接近1GW容量將在2026年底前上線，Anthropic還承諾未來十年在AWS技術上投入超過1000億美元。 4月6日，Anthropic又宣佈與Google和Broadcom簽署多GW級下一代TPU容量協議，預計2027年開始上線。公司稱，Claude會同時跑在AWS Trainium、Google TPU和NVIDIA GPU上，以便按照不同工作負載匹配不同晶片。
這不是普通採購，這是資源搶佔。
AI行業現在有點像新能源車早期的鋰礦爭奪。誰先鎖礦，誰就能保證電池供給；誰先鎖算力，誰就能保證模型迭代、產品體驗和企業交付。過去大家以為大模型公司的核心競爭是演算法團隊和資料；到了2026年，競爭表已經加了幾行：電力指標、晶片排產、資料中心交付、雲廠商關係、融資能力、長期現金流。
這也是為什麼Anthropic一句80倍增長，會讓市場格外敏感。Business Insider報導，Dario Amodei在2026年Code with Claude大會上稱，公司一季度收入和使用量年化增長達到80倍，遠超原本10倍增長的規劃，這種增長也直接壓迫了公司的計算資源。
80倍這個數字不只是增長炫技，它真正指向的是供需錯配。
AI應用正在從“嘗鮮”變成“高頻使用”。寫程式碼、做資料分析、跑金融模型、寫文件、處理客服、搭內部知識庫，這些任務一旦進入真實工作流，就不是每天問幾句聊天機器人，而是持續消耗Token、上下文窗口、推理算力和儲存頻寬。企業用得越深，平台越容易被打滿。
所以，大模型行業正在從網際網路邏輯切到基礎設施邏輯。
網際網路產品增長快，伺服器可以跟著雲資源擴容；大模型增長快，需要的是先進GPU、HBM、液冷、電網、土地、變壓器、長期電力合約和多雲調度。這裡面任何一個環節跟不上，前端使用者看到的就是降速、限流、排隊、漲價。
Anthropic的最新動作，本質上是在給市場釋放一個訊號：Claude需求已經不是靠幾個資料中心臨時擴容就能解決，它需要把未來幾年的基礎設施一次性提前鎖住。
這也是AI產業鏈最近被重新定價的原因。
輝達、HBM、先進封裝、光模組、液冷、電力裝置、天然氣、核電、銅、電網，都不是外圍題材。AI擴張越快，這些環節越從“成本項”變成“戰略資產”。大模型公司負責講能力，資本市場開始給“能不能交付能力”定價。
02 Anthropic真正打穿的，是企業AI預算那堵牆
Anthropic能瘋狂掃貨算力，底氣不只來自融資，也來自企業收入已經跑出來了。
公司2月宣佈完成300億美元G輪融資，投後估值3800億美元。當時披露的run-rate收入為140億美元，Claude Code run-rate收入超過25億美元，且年初以來已經翻倍；財富10強中有8家是Claude客戶，年化支出超過100萬美元的客戶超過500家。 到4月，Anthropic又披露run-rate收入超過300億美元，百萬美元級客戶超過1000家，不到兩個月翻了一倍。
這些數字背後，真正值得看的是收入結構。
Anthropic不是純消費級AI流量公司。它的強項在企業和開發者，尤其是Claude Code。這個產品很像AI時代的第一個超級工作流入口：不是陪使用者聊天，而是直接進入程式碼庫、開發環境、工程協作和企業交付鏈條。
這類場景一旦打進去，商業意義比普通聊天更大。
消費級AI應用容易被價格、流量和模型免費策略擾動。使用者今天用A，明天用B，平台要持續補貼推理成本，還要面對免費模型和開源模型的擠壓。企業級AI不同。只要進入權限、審計、安全、合規、組織流程和IT預算，遷移成本會變高，付費周期會變長，客戶擴張也更清晰。
Claude Code就是一個典型樣本。
它從開發者個人工具切進去，然後向團隊、企業、金融、法務、資料分析等更深場景擴展。Anthropic在5月又發佈金融服務Agent範本，覆蓋pitchbook製作、KYC篩查、月末關帳等任務，並通過Claude Cowork、Claude Code外掛和Claude Managed Agents交付。這不是單點工具，而是把AI嵌進金融機構日常流程。
同時，Anthropic還與Blackstone、Hellman & Friedman、Goldman Sachs組建新的企業AI服務公司，面向中型企業部署Claude，由Anthropic應用AI工程師與合作方團隊一起改造企業營運。
這一步很關鍵。
大模型公司過去最大的難題，是“能力很強，但客戶不知道怎麼用”。企業不是買一個聊天框就能提高效率，真正麻煩的是流程改造、資料接入、權限管理、合規審計、ROI衡量和員工培訓。Anthropic現在把服務公司、私募股權、金融機構拉進來，本質上是把AI銷售從“賣模型API”推進到“賣組織改造方案”。
這會改變AI公司的估值敘事。
傳統SaaS賣席位，收入跟使用者數和續費率掛鉤。Anthropic正在走向另一套模型：賣智能體生產力，收入跟任務量、Token消耗、算力使用和業務嵌入深度掛鉤。
這更像雲端運算早期的邏輯。AWS不是按“有多少員工登錄控制台”收費，而是按計算、儲存、網路和資料庫資源收費。Anthropic如果能在企業裡跑出類似模式，估值錨就不再只是SaaS，而會更接近AI時代的雲平台入口層。
這也是它敢不斷鎖算力的原因。
如果企業客戶只是試用，平台不敢提前簽這麼重的基礎設施合約。真正推動Anthropic下重注的，是客戶已經開始把Claude當作生產工具，而不是演示工具。
當然，這裡面也有一個非常現實的變化：AI公司的收入越快，成本也越快。
傳統軟體的邊際成本接近於零，使用者越多毛利越漂亮；大模型不是這樣。每一次推理、每一次長上下文呼叫、每一個Agent任務，都要消耗真實算力。使用者使用越深，收入增長越快，算力成本也跟著漲。
所以，Anthropic的高增長不是傳統網際網路意義上的“躺著擴張”，而是更接近“邊收錢邊建電廠”。
這才是AI商業化最微妙的地方：企業需求證明了價值，但算力成本決定了利潤質量。
03 AI下半場不缺需求，缺的是誰能扛住資本開支
Anthropic現在最吸引人的地方，也是它最危險的地方。
它已經證明自己不是一個只會講安全理念的研究公司，而是正在成為企業AI核心玩家。Claude Code、金融Agent、企業AI服務公司、多雲部署、監管行業客戶，都讓它在OpenAI之外打出了自己的陣地。
但它也提前暴露了AI行業接下來最難的一道題：需求越強，資產負債表越重。
過去網際網路公司最性感的地方，是輕資產。寫出一個產品，複製給全球使用者，利潤率一路向上。現在的大模型公司反過來了：增長越快，越需要提前購買或繫結巨量算力；客戶越大，越需要本地化部署、合規資料中心、多區域推理能力；模型越強，訓練和推理成本越高。
Anthropic已經不只是買雲服務，而是在給未來十年的產能排班。
Amazon 5GW，Google和Broadcom 5GW，SpaceX 300兆瓦，微軟和輝達300億美元Azure容量，Fluidstack 500億美元美國AI基礎設施投資，這些加起來，已經把Anthropic推向一家重資產基礎設施公司的經營難度。公司自己也承認，增長給基礎設施帶來了壓力，並且需要通過多平台硬體來提高韌性。
這裡面有三個風險。
第一個風險，是資本開支節奏可能跑在商業回報前面。
今天企業願意試AI，因為效率提升看起來很大，管理層也不想錯過技術窗口。可是到了規模部署階段，CFO會算得更細：每年花幾千萬美元買AI，究竟省了多少人力？收入提升多少？風險有沒有降低？如果AI Agent在一部分企業裡達不到預期ROI，大模型公司的訂單增速會被重新打折。
第二個風險，是雲巨頭既是夥伴，也是控制變數。
Amazon、Google、Microsoft既給Anthropic提供基礎設施，也都有自己的AI戰略。短期看，這是Anthropic快速擴張的必要條件；長期看，它很難完全擺脫雲巨頭。算力價格、晶片供應、資料中心區域、客戶入口、管道關係，都可能影響Anthropic的利潤率和戰略自由度。
第三個風險，是AI價格戰會壓縮行業利潤。
OpenAI、Google Gemini、Meta、Mistral、xAI都在向前衝。閉源模型在搶企業客戶，開源模型在壓低基礎能力價格，雲廠商在用自研晶片降低推理成本。未來很可能出現一種看起來矛盾的局面：AI需求繼續暴漲，但模型公司利潤率沒有同步改善。
需求增長，不等於利潤增長。
這句話會成為AI下半場的核心審稿標準。
市場現在已經不再懷疑AI有沒有需求。Claude Code的爆發、企業客戶數量翻倍、金融機構主動入局，都說明AI正在進入真實預算。問題變成：誰能把需求轉成利潤？誰能用更低成本交付同等能力？誰能在算力價格、客戶續費、模型迭代和資本開支之間找到平衡？
Anthropic的優勢，是企業心智和安全標籤。它在金融、醫療、政府、開發者等場景裡更容易被大型機構接受，Claude Code又幫它抓住了開發者這個高價值入口。
Anthropic的挑戰，是現金流紀律。估值越高，市場越會要求它證明自己不是一家“收入高速增長但永遠缺算力”的公司。它需要的不只是更強模型，還要更好的單位經濟模型：同樣一次Agent任務，能不能用更少Token完成？同樣一個企業客戶，能不能把毛利做厚？同樣一座資料中心，能不能把利用率打滿？
AI行業過去拼的是“誰的模型更聰明”。接下來拼的是“誰的基礎設施效率更高”。
這場比賽會把很多玩家分層。
第一層，是擁有模型、客戶和算力資源的公司；第二層，是有模型但缺算力、缺企業管道的公司；第三層，是只能靠免費、開源或低價搶使用者的公司。需求越大，分層越快。因為AI不是一門只要程式碼寫得好就能贏的生意，它正在變成資金、能源、晶片、雲、客戶和產品的綜合戰爭。
04 AI最殘酷的變化，是從技術理想回到工業帳本
Anthropic這一輪算力掃貨，把AI行業帶回了一個更樸素的問題：再強的模型，也要跑在真實機器上。
過去兩年，市場喜歡討論AGI、超級智能、Agent替代白領。這些話題當然重要，但2026年的AI競爭已經越來越接近工業競爭。電力、晶片、資料中心、雲合同、資本開支、客戶預算、毛利率，會比排行榜上的零點幾分差距更決定公司命運。
Anthropic的爆發證明了一件事：企業AI不是偽需求。開發者願意為Claude Code付費，金融機構願意把Agent引入流程，私募和投行願意參與企業AI服務公司，這些都說明AI已經從“創新預算”進入“生產預算”。
但Anthropic的擴張也提醒市場：AI不是無限輕資產。每一輪模型升級、每一次Agent呼叫、每一家企業部署，背後都有算力帳、電力帳和現金流帳。未來的大模型公司，不能只像軟體公司那樣講增長，也必須像雲廠商和工業公司那樣講效率。
所以，AI下半場最值得看的，不是某家公司又發佈了多強的模型，而是誰能用更低的基礎設施成本，穩定服務更多高價值客戶。
模型能力決定上限，算力供給決定速度，現金流決定誰能活到最後。
Anthropic已經跑在前面，但前面的路也更貴。AI行業真正的分水嶺，不是有沒有需求，而是誰能扛住這張越來越重的帳單。 (美股研究社)