Anthropic的收入規模突然超過OpenAI，真正需要解釋的不是誰暫時排在第1，而是程式設計工具、企業API和雲管道如何重寫了模型公司的收入結構。
一、同一組數字，為什麼會得出三種結論
圍繞Anthropic與OpenAI的營收爭議，大致有三種讀法。第一種讀法認為Anthropic已經在商業化上完成反超：第2季度收入約116億美元，高於OpenAI的67億美元；7月年化run-rate又上升到650億美元以上。第二種讀法卻把650億美元視為低於預期，因為Jefferies轉述的部分第三方追蹤此前已經把Anthropic放在700億—800億美元區間。第三種讀法認為，兩家公司的管道結構和收入確認方式不同，任何精確的“領先幅度”都是過度解讀。
這三種判斷分別在回答不同問題。季度確認收入回答“已經賣了多少”；月度run-rate回答“現在的速度有多快”；第三方追蹤回答“產品使用和付費動量正在往那走”；管道經濟則回答“每1美元客戶支出最後留在誰手裡”。把這些數字堆在一起排名，看起來很簡單，卻會把需求、會計口徑和利潤池混為一談。
把季度資料統一換算後，Anthropic第2季度116億美元對應年化等價464億美元，OpenAI的67億美元對應268億美元，差額為196億美元，比率約為1.73倍。這是目前最接近同窗口的比較。7月run-rate只能說明Anthropic繼續加速；OpenAI的公開口徑只有“超過400億美元”這個下限，無法用來計算精確差額。
這張對照表最重要的資訊是：不同提供方並非在爭論同一個數字的真假，而是在觀測不同層次。公司run-rate是最新流速，季度收入是已發生的流量，產品追蹤是需求儀表盤，管道模型則是利潤分配圖。
二、Anthropic的650億美元，反映的是三股力量同時放大
路邊報導，Anthropic截至7月底的年化收入run-rate超過650億美元。此前的公開錨點是2025年末剛超過90億美元、2026年5月約470億美元。即使不把這些數字當成精確財務序列，增長方向也很清楚：Anthropic的收入不是線性增加，而是在產品、管道和算力三個環節同時打開後連續上台階。
第一股力量是Claude Code。程式設計工具把模型從低頻的問答工具變成持續消耗token的生產系統。它會讀取程式碼庫、生成修改、呼叫工具、運行測試、處理失敗並再次嘗試。使用者為完成一個任務產生的模型呼叫次數，遠高於普通聊天。客戶也更容易用工程師時間、發版速度和缺陷率證明回報，因此程式設計預算比通用消費訂閱更容易從個人帳戶擴展到團隊合同。
第二股力量是企業API。SemiAnalysis的資料指向一個容易被ChatGPT使用者數掩蓋的事實：API和企業業務貢獻了兩家模型實驗室絕大部分新增ARR。前沿模型收入的增長引擎正在從“有多少人打開聊天窗口”轉向“有多少企業工作流持續呼叫模型”。後者的使用時長、單客消耗和續費穩定性更可能撐起大規模營收。
第三股力量是算力容量。投資人Gavin Baker提出，650億美元不僅顯示需求強，也可能與之前的容量約束和新增算力上線有關。這一推斷還缺少公司分月資料驗證，但它給出了正確的觀察方法：如果增加GPU供給後收入同步上升，說明原來的限制更接近供給不足；如果容量上線後利用率和收入沒有跟上，則需求可能比run-rate標題更脆弱。
三、OpenAI的67億美元，暴露的是使用者規模與收入強度之間的落差
OpenAI在2026年第2季度的收入據報導為67億美元，高於第1季度的57億美元，環比增長約18%。這個速度對任何軟體公司都非常高，對OpenAI卻不足以滿足市場期待。原因很直接：OpenAI擁有更大的消費者入口、更高的品牌認知和更龐大的資本承諾，市場會自然要求這些優勢更快轉化為企業收入和現金流。
OpenAI的使用者規模和收入強度之間存在三道轉化關口。第一道是免費使用者到付費使用者。大量免費請求增強網路效應，也同時產生推理成本。第二道是個人訂閱到企業合同。企業需要權限、安全、審計、資料隔離和採購合規，產品熱度無法自動穿過這些門檻。第三道是通用聊天到高強度工作負載。只有當模型持續完成程式設計、文件、資料和工具呼叫任務時，使用量才更容易變成穩定的經常性收入。
CNBC曾轉述OpenAI首席財務官Sarah Friar的內部表述，稱7月年化收入已超過整個第2季度的收入規模。如果把這句話按“7月單月收入乘12，與第2季度三個月收入合計比較”理解，對應run-rate將超過804億美元，與同時市場普遍引用的400億美元以上明顯不一致。兩個數字不可能在同一定義下同時成立，更可能使用了不同的業務範圍、ARR定義或比較窗口。因此，該表述可以作為“7月動量改善”的訊號，不應該被當成804億美元收入的確認。
這也是OpenAI目前最大的價值判斷難題：它可能同時擁有更強的產品動量和更弱的當期收入變現。如果Codex、企業產品和新模型把使用者流量轉成高頻工作負載，第2季度的落後可能只是階段性。如果增長主要來自降價和免費用量，產品份額回升反而會延長盈利路徑。
四、SemiAnalysis的貢獻，是把“收入”拆成需求、會計、分銷和算力
SemiAnalysis估計，Anthropic在2026年第2季度超過40%的ARR來自間接管道，其中包括Amazon Bedrock、微軟Foundry和Gemini Agent Enterprise。這一資料的重要性遠高於“那家雲平台賣得更多”，因為它同時改變了客戶獲取、收入確認、費用分類和算力歸屬。
第一層是需求。企業可以直接與Anthropic簽約，也可以在已有雲合同中採購Claude。後者免去了新供應商准入、安全審查和預算遷移的阻力，對全球大企業尤其重要。SemiAnalysis認為，實驗室通過雲廠商已有的大型企業合同獲得分銷優勢，並避免了建立同等規模直銷團隊的高成本。間接管道所帶來的收入因此並不是虛假需求，它反映了真實客戶和真實token消耗。
第二層是會計。根據具體合同，雲平台可以收取基礎設施費、收入分成，或兩者兼有；模型實驗室可能作為記錄賣方，將客戶支出按gross ARR反映在自己帳上。這不能被簡單稱為“重複計收入”，因為會計上是否總額確認取決於合同和主要責任人判斷。同一份終端token消費，在實驗室和雲廠商的管理口徑中可以被描述為不同的收入流，只有看到合同層細節才能避免經濟活動的重複歸因。
第三層是利潤。SemiAnalysis指出，某些收入分成會被實驗室記入銷售與市場費用，而不是直接沖減收入。如果合同確實如此，gross ARR和毛利率就不能完整表達管道經濟，經營利潤才會更接近真正留存的利潤池。雲廠商則可能同時獲得IaaS收入、更高價值的token服務收入和客戶粘性。這解釋了為什麼Anthropic收入高增長可以同時利多實驗室和雲平台，但兩者分到多少利潤仍是零和博弈。
第四層是算力。間接工作負載運行在雲廠商的兆瓦級基礎設施上，卻服務於Anthropic的模型。如果分析者在估算前沿模型需求時，既把它計入Anthropic的需求，又把它當成雲廠商獨立的模型需求，就會高估終端工作負載。SemiAnalysis在Tokenomics模型中使用交易級費率、gross/net、兆瓦分配、直接/間接管道和每兆瓦收入，核心目的就是把同一份需求分配到正確的收入與利潤主體。
這四層拆解把問題從“650億美元真不真”推進到了更有價值的層次：這650億美元需要多少直銷投入，雲廠商拿走多少，需要多少兆瓦容量，最後又有多少變成經營利潤和現金流。
五、Claude Code與Codex的資料，一邊證明規模，一邊提醒分母陷阱
程式設計智能體是目前最容易把模型能力變成企業收入的場景。任務價值可測量，使用頻率高，團隊還可以統一採購、權限和審計。這些特徵使得Claude Code和Codex不只是產品份額指標，也是兩家公司收入結構的先行訊號。
Tickerplus估算，截至8月10日當周，Claude Code追蹤ARR達到151.2億美元，佔Anthropic追蹤總ARR的21.9%，月度增長5.2%；Codex追蹤ARR為88.3億美元，約佔OpenAI企業ARR的45%，月度增長20.8%。Claude Code的追蹤規模約是Codex的1.71倍，Codex的單月增速卻約是Claude Code的4倍。這組資料比一個簡單排名更有資訊量：Anthropic已經把程式設計場景做成大規模收入，OpenAI則在更小基數上快速追趕。
但兩個佔比的分母完全不同。按151.2億美元除以21.9%反推，Tickerplus的Anthropic追蹤總ARR約為690億美元，與公司報導的650億美元run-rate相當接近。按88.3億美元除以45%反推，對應的是約196億美元OpenAI企業ARR，不是OpenAI公司總收入。如果直接把21.9%和45%並列，會錯誤得出“Codex對OpenAI的貢獻高於Claude Code對Anthropic的貢獻”；實際上，一個分母是公司追蹤總ARR，另一個分母只是企業ARR。
第三方追蹤還會受到降價影響。SemiAnalysis提醒，OpenAI在OpenRouter和Vercel AI Gateway等管道的價格下調可能明顯提高可見token份額，但token份額上升不一定意味著收入份額同幅上升。對Codex更合理的跟蹤方法是同時看使用量、實際價格、企業留存和每客戶消費，而不是只看單月ARR增速。
六、收入高增長之後，兩家公司在競爭不同的利潤池
Anthropic的優勢更接近“企業工作負載+多雲分銷”。Claude Code提供高強度使用，雲平台提供大客戶入口，兩者合在一起可以很快做大收入。它的代價是與Amazon、微軟和Google分享客戶控制權和利潤。如果企業通過雲平台進行比價、切換或統一計費，模型實驗室的定價權會隨著模型可替代性上升而下降。
OpenAI的優勢更接近“使用者入口+產品組合”。ChatGPT提供龐大觸達，Codex將其中一部分使用者帶入高強度工作負載，企業產品則把這些能力封裝成可採購、可管理的合同。OpenAI如果能在同一個企業客戶內同時銷售聊天、程式設計、API和智能體，單客收入可以快速上升。問題是大量免費流量和激進降價可能讓使用量領先於收入，收入又領先於利潤。
據媒體報導，OpenAI第2季度經營虧損從第1季度的93億美元擴大到123億美元，虧損增幅約32%，快於收入約18%的環比增幅。當季經營虧損約是收入的1.84倍。該數字包含股權激勵，不等同於現金流出，但它仍然表明OpenAI在訓練、推理、免費使用者和人才競爭上承擔了巨大成本。Anthropic同期據稱取得小幅調整後經營利潤，但缺少對股權激勵、管道分成和其它調整項的統一定義，無法與OpenAI直接對比。
兩家公司的核心差異因此不是“一家會賺錢，一家不會”。Anthropic的收入結構可能更靠近企業使用，但間接管道會分走利潤；OpenAI擁有更大入口，但轉化和免費成本拖累當期經濟。最終勝負取決於誰能更快把收入增長轉成留存利潤，而不是誰先發佈一個更高的ARR數字。 (404K)