【新智元導讀】Epoch AI最新資料：Anthropic人均年營收900萬美元，遠超OpenAI的560萬和輝達的510萬。一家沒上市的AI公司，人效已刷新矽谷全部歷史紀錄。
作為打工人，你有沒有都偷偷算過這道題：
一年到底給公司掙多少錢？10萬？100萬？1000萬？
Epoch AI最新資料：Anthropic人均年營收900萬美元。
900萬美元，換成人民幣就是6300萬！
這個數字看著太不真實了。
而且，Anthropic只有三千人，Anthropic整個公司就這麼點人。
放在矽谷，塞不滿一棟中型寫字樓。
但Epoch AI公佈的這組數字，讓這三千人變成了矽谷最貴的三千顆腦袋。
做個參照對比。
- 輝達，全球市值最高的晶片巨頭，每人貢獻的收入是510萬美元。
- OpenAI，ChatGPT帝國的締造者，每人貢獻是560萬美元。
- Apple，市值最高的公司，人均240萬美元—Anthropic是它的近4倍。
- Meta，220萬。
- Google，200萬。
- Microsoft，110萬。
蘋果、Google、Meta、微軟—幾億打工人擠破頭想進的地方。它們的人均營收，都不到Anthropic的三分之一。
OpenAI跟Nvidia是離Anthropic最近的兩位選手。
即便如此，得1.6個OpenAI員工才能頂1個Anthropic員工，1.8個Nvidia員工才能頂1個。
全被甩在身後。
更值得玩味的是，Epoch AI指出，這個數字甚至超過了上述公司在IPO高峰期的人均營收水平。
一家還沒上市的公司，效率已經碾過了矽谷巨頭們的歷史巔峰。
如果回顧人類發展的歷史，把鏡頭拉到1901年。
那一年，J.P.摩根把卡內基的鋼鐵帝國整合成US Steel—當時美國最大的工業公司。
16.8萬名工人，年營收4.2億美元。相當於每個工人，每年約2500美元。
這是工業時代的人均上限。人控制機器，機器把鐵燒成鋼。
然後時間往前走。
- 1955年，通用汽車62萬員工，124億美元營收—人均約2萬美元。流水線吞掉了體力，把人變成可替換的工序。
- 1985年，IBM40萬員工，500億美元—人均12萬。大型機吞掉了紙面計算，西裝代替了工裝。
- 1995年，微軟上市第十年，1.78萬人，59億美元—人均33萬。軟體第一次顯出真本事：一份程式碼可以複製一億份，卻不需要一億個工人。
- 2004年GoogleIPO那年，3,021人，32億美元—人均剛好100萬。網際網路把複製的邊際成本壓到了零。
- 2012年Facebook上市，3,500人，51億美元—人均145萬。社交網路讓使用者成為產品本身。
到Apple近年峰值，3,900億美元營收/16.4萬員工—人均約240萬。這家市值最高的公司，也只走到這裡。
然後Anthropic出現了：900萬。
124年，3600倍。
同一時段，美國通膨只漲了35倍左右。兩條曲線之間的距離，就是「文明的槓桿」被拉開的速度。
900萬美元的秘密
Epoch AI是AI領域最權威的獨立研究機構之一，專門追蹤前沿AI公司的算力支出、融資和營運效率資料。
這次公佈的排行基於各公司最新公開的營收與員工資訊推算，方法簡潔，結論直白。
輝達可不是什麼低效公司。
黃仁勳的晶片帝國毛利率常年60%以上，華爾街把它當印鈔機看。
在傳統科技公司裡，輝達的人效已經是天花板等級。
Anthropic用不到Nvidia七分之一的人力，在每個人頭上多擠出來將近400萬美元。
兩種完全不同的商業物理學。
為什麼AI前沿公司能做到傳統巨頭做不到的人效？
答案就一個詞：邊際成本。
傳統科技公司的增長公式很樸素——多招人，多出貨，多賺錢。收入翻倍，團隊至少也得翻個五六成。微軟、Google、亞馬遜，過去二十年都是這麼長大的。
AI模型公司打破了這個公式。
Anthropic的核心產品是Claude系列模型和API。
模型訓練是一次性重投入，權重定下來之後，服務一萬個使用者和一百萬個使用者，需要增加的主要是推理算力，不是人頭。
不需要為每百萬新使用者多招一百個客服。不需要為新市場建產線。不需要為企業客戶配專屬團隊。
一個模型，全球通吃。
資料驗證了這個邏輯。
Anthropic在2024年初的年化營收約10億美元。到2025年底飆到近百億。
2026年春季，多家機構追蹤顯示年化營收已突破數百億美元規模。
營收翻了十幾倍，人頭只多了幾成。
試想一下：Anthropic某個工程師周一推了一個推理最佳化，讓延遲降低5%。到周五，這個最佳化已經在全球數百萬個API呼叫裡生效。
一個人的工作，乘以百萬倍的槓桿。
900萬美元就是這麼來的。
晶片賣的是原子
如果說Anthropic是做軟體的，那麼和做硬體的輝達做一個對比。
輝達是有史以來最賺錢的半導體公司，但輝達的生意有一個結構性約束——它賣的是原子。
設計晶片要人。流片要人。封裝測試要人。供應鏈管理要人。全球客戶支援要人。每賣出一批GPU，背後都有一條長長的人力鏈條。
AI模型公司賣的是硬體的產出物——智能本身。
一塊H100從設計到交付，需要上百人接力。Claude從訓練完成到服務第一百萬個API呼叫，中間增加的人力趨近於零。
說到底，900萬對510萬，比的不是誰更勤奮。是兩種商業模型對人力的依賴度根本不同。
輝達再怎麼最佳化流程，也繞不開原子世界的物理約束。AI模型公司的天花板，理論上只取決於算力供給和市場需求。
這才是Epoch AI這組數字真正要說的事：商業效率的定義正在被重寫。
Anthropic vs OpenAI：效率暗戰
看完了軟硬對決，再來看看同樣是軟體公司，Anthropic強在那裡？
其實就是這個資料還藏著一個更微妙的訊號：ASI雙雄之間的效率鴻溝。
Anthropic人均900萬。
OpenAI人均560萬。差距超60%。
兩家公司產品形態相似，客戶群高度重疊，技術路線在同一賽道上。但人效差出一大截。
一個可能的解釋是戰線長度。
Dario Amodei多次表示不會大規模擴招，核心精力聚焦一件事：把Claude做到極致。
Sam Altman的路線完全不同。
過去兩年，OpenAI從大模型擴展到硬體設計、機器人、搜尋引擎、消費產品等多條戰線，團隊快速膨脹到3500人以上。
戰線拉長，人均產出被攤薄，這是組織擴張的基本規律。
當然，這並不意味著OpenAI的選擇是錯的。
多線作戰犧牲短期人效，換的是長期生態壁壘。代價先反映在人均數字上，收益可能要過兩年才看得見。
但Epoch AI的另一項研究指出了一個更勁爆的趨勢：按照當前增速差異，Anthropic有可能在2026年中旬在總營收上追平甚至超過OpenAI。
如果這真的發生，決賽格局將出現最耐人尋味的一幕——後發者用更少的人、更短的時間、更聚焦的戰線，賺到了更多的錢。
泡沫還是範式
回到資料本身。
很多人第一反應：這不就是燒VC的錢撐出來的虛假繁榮嗎？
這種懷疑完全合理。
2023到2024年，不少AI公司的營收來自免費試用期後的短暫付費高峰，續費率堪憂。
如果900萬美元只是靠融資補貼燒出來的數字，那整組資料就是精心包裝的幻覺。
但當前的證據不支援這個判斷。
Anthropic的收入主要來自企業API呼叫和ClaudePro/Team訂閱。
付費使用者為實際的生產力買單——程式碼生成、文件處理、資料分析、客戶服務自動化。據公開資訊，企業客戶數已超過30萬家，且在持續增長。每一筆支出都對應真實的工具消費。
熟悉商業史的人會想起一個參照。1990年代末，雅虎和eBay也一度人均營收高得離譜。但那時的高人效建在廣告泡沫上，廣告主信心一崩，數字跟著蒸發。
AI公司的收入基礎不同。企業為生產力工具付費的邏輯比廣告投放剛性得多，不會因為市場情緒波動就一刀砍預算。
一個把Claude嵌進核心工作流的企業，換掉它的成本遠大於續費的成本。
900萬美元能否持續，取決於一個關鍵變數：隨著規模擴大，Anthropic是否不得不大幅招人。
DarioAmodei的答案很明確：保持「異常精簡」，即使營收繼續翻倍。
三千人就夠了
過去一百年，商業世界有一條不成文的規律：千億級營收需要十萬級團隊來支撐。
通用汽車如此，沃爾瑪如此，微軟和Google基本也如此。
Anthropic正在證明這條規律可能過時了。
把900萬美元再拆細一點：每個員工每個工作日平均創造約3.6萬美元的營收。每小時約4500美元。
十年前，這種人效只存在於避險基金和頂級律所的合夥人層面。但那些行業有一個致命限制——做不大。
AI前沿公司做了一件沒有先例的事：把避險基金等級的人效，裝進了可以指數擴張的商業模型裡。
極小的團隊。極高的槓桿。極快的擴張。極低的邊際成本。
這四個特徵同時出現在一種企業身上，商業史上第一次。
三千人，撐起了一台全天候運轉的智能引擎，訓練和營運著全球最強AI模型之一，讓全世界為此付費。
舊時代需要十萬人才能撐起的生意，現在三千人就夠了。
而這，可能還只是開始。 (新智元)