Anthropic描绘30万亿蓝图：AI掀开工资单，那10美元归谁？
文章篇幅：6142字，预计阅读时间约10分钟
撰稿人｜陆媛
旧金山Press Club内的一面显示屏上，十余个AI Agent正协同推进一项任务：有的负责编写代码，有的执行代码审核，有的检索文献资料，还有的在后台跑通测试用例。站在屏幕旁的创业者，角色已悄然转变——他不再是传统意义上的工具操作者，而更像是在统筹调度一批"数字雇员"的负责人。
几乎与此同时，Anthropic和OpenAI均已以非公开方式向SEC递交了S-1注册声明初稿。在有关Anthropic上市的种种猜测里，"30万亿"这个数字格外抢眼，它所指向的是AI未来有望介入完成的全球劳动力总价值。
然而，截至9月14日，两家公司的正式招股文件均未对外发布，发行定价、拟募集金额及IPO时的估值水平均悬而未决，Anthropic方面也未曾公开阐释30万亿美元的具体测算依据。这场或将重塑AI领域资产估值范式的上市角逐，率先抛出的并非技术层面的命题，而是一个财务核算问题：人类劳动所创造的价值中，有多大比例能够转化为模型厂商的实际营收，又有多大份额最终沉淀为可支配的自由现金流？
**30万亿的故事从何而来**
2021年，Dario Amodei联合数名原OpenAI核心人员在旧金山创立了Anthropic。五载之后，Anthropic比OpenAI早一周宣布已向SEC秘密递交S-1。这意味着两家公司都已获得了登陆公开市场的入场券，但具体择时依然模糊。
资本市场给出的起跑线相当高。Anthropic于2026年5月完成了规模达650亿美元的新一轮融资，对应投后估值9650亿美元；OpenAI在3月融资落地后公布的投后估值为8520亿美元。就最新一级市场报价而言，Anthropic已反超OpenAI，但私募轮次的估值既非IPO定价锚点，更不能等同于企业的真实内在价值。
其中最需要冷静审视的便是那30万亿。目前公开渠道并未揭示该数字的推导逻辑，也无法断定Anthropic最终是否会在正式招股书中沿用这一表述。将其理解为"AI有望触及的劳动力价值总量"更为妥当，而非某家单一公司的营收预期。全人类的薪酬总额，无法简单划等号为AI厂商的营业收入。
在旧金山Press Club活动现场，一位常驻圣何塞、曾摘得CES最佳创新奖荣誉的创业者向笔者演示了一面大型显示屏。屏上并行运转着十余个AI Agent：一个在敲代码，一个在做代码走查，一个在翻查参考资料，一个在执行自动化测试，当前一个Agent交付成果后，下一个立即无缝衔接。他自己已经极少再在GitHub、Slack和浏览器窗口间来回跳转。从前，他是工具的驾驭者；如今，他的身份更接近于一位统管十数位"虚拟下属"的项目主管——下达指令、验收产出、应对突发状况，再判断下一棒交给谁来跑。
就在两年之前，他还带领着一支二十余人的团队，日常重度依赖OpenAI系列模型；而现在，仅凭两名核心成员搭配Claude Code便能撬动更大的工作量。他将这种组织瘦身部分归功于Agent所带来的生产力跃升。不仅是团队架构发生了收缩，底层调用的大模型品牌也随之切换。
据Anthropic公布的数据，公司年度化收入运行速率在2026年5月突破了470亿美元大关；其4月份发布的公告则显示，该指标已从2025年末的约90亿美元攀升至300亿美元。如此陡峭的增长曲线足以佐证企业侧需求的快速释放，但年度化运行速率本质上是对近期收入的线性外推，无法替代完整财年的实际营收、毛利水平及自由现金流表现。
**AI最大的增量空间不在软件，而在薪酬支出**
AI最具想象力的增量市场并非软件许可费，而是企业的人力成本账单；但人力成本账单并不等于模型公司的利润表。
真正值得重仓押注的问题，不是哪家公司能论证AI有能力覆盖30万亿规模的劳动场景，而是谁能将企业端每一美元的降本红利，转化为自己可持续持有的自由现金流。基础模型层、前沿部署工程师（FDE）以及行业垂直应用三者之间并非零和博弈：模型输出底层能力，FDE将能力深度嵌入客户的业务流程，垂直应用则锁定行业数据与最终效果。Palantir的实践已经证明，实施与交付环节完全可以构建极强的价值攫取壁垒。
一位来自加拿大的创业者向笔者坦言，Palantir是其团队的标杆参照。他们当下正在为中东地区的石化工厂搭建数字孪生系统，这恰好落在FDE的业务范畴之内。在他的判断中，FDE赛道未来完全有可能膨胀为一个万亿美元级别的市场。
公开市场的定价逻辑绝不会止步于营收增速和毛利率。对AI公司而言，更具穿透力的观察维度包括：单个token的收入与服务成本之比、每兆瓦算力产能所对应的收入贡献、客户净收入留存率，以及资本开支最终能孵化出多少自由现金流。硅谷可以尽情畅想30万亿，但投资者归根结底必须回答一个问题：一单位算力究竟能产出多少真正落袋的收入？
纽约对冲基金Amont Partners联席管理合伙人Rob Li在接受笔者采访时指出，在当前阶段，Anthropic最突出的竞争力在于其企业侧商业模式的度量难度远低于OpenAI的消费级业务。他早年深耕杠杆收购领域，后转型为全球二级市场投资，评估标的时始终秉持经典的私募尽调思路：考察管理层是否具备资本回报率的敏感度，追踪自由现金流的生成能力，审视股权激励结构，并验证增长能否持续超越加权资本成本。
在他眼中，Anthropic从基因层面就更聚焦于企业客户群体。企业市场或许不如"把全球所有消费者都纳入盘子"那般壮阔，但付款主体是谁、付费动机是什么、用量有多深、单位经济性如何，每一项都更容易被量化和交叉验证。反观消费级AI，目前已被验证的变现手段基本局限于订阅制和广告，而广告生态早已由Google、Meta等巨头长期盘踞，它们手握分发网络、用户数据、充沛现金流以及自研模型。相比之下，企业端的竞争固然白热化，但收入来源的路径却更加透明可测。
正因如此，一部分华尔街资金更倾向于先套用"企业软件"的估值框架来解读Anthropic。企业采购Claude Code或Agent产品后，可以精确核算节省了多少工程师人天、项目交付提前了几个工作日、削减了多少外部承包费用。OpenAI的逻辑则截然相反——它先占据大规模消费者流量入口，再在订阅、广告、交易抽成、API调用和企业Agent之间摸索最优的组合配比。前者的商业边界眼下更为清晰，后者的可能性空间更大，但也更难给出一个令人信服的估值。
不过，这套"企业软件"的分析模板很可能很快就会显得捉襟见肘。Anthropic最锋利的破局点恰恰是编程领域，而编程之所以特殊，不在于程序员个人偏好Claude，而在于代码天然具备一种其他知识型工作极为稀缺的属性：产出可以被机器客观判定。一段程序能否成功编译、一组测试用例能否全部通过、一个缺陷是否真正修复，答案都是非黑即白的。倘若AI帮助市场部"提升了创意水准"，CFO很难量化这份提升到底值几个钱；但若Claude将原本需要六小时的编码任务压缩到一小时，企业可以立刻折算出工时节约、交付提速和项目成本的下降幅度。
硅谷初创企业NeoCognition联合创始人谷雨向笔者透露，公司目前每月在Claude相关API调用上的支出约为60万美元，团队成员日常通常同时驱动七至八个Agent辅助作业。
中国AI游戏平台陶泥儿的创始人包仲航则向笔者分享了一个有趣的观察：团队成员间的token消耗量分布极不均衡，呈现出鲜明的"二八定律"——少数高阶用户吃掉了绝大部分调用额度。
由此观之，Anthropic真正破解的核心难题，是为"智能"找到了一个可标价的计量方式。AI最先渗透的工作岗位，未必是薪资最丰厚的岗位，而更可能是那些反馈回路最短、产出最容易被自动校验、权责划分最为明确的岗位。编程不过是第一片被攻下的桥头堡，金融建模、安全攻防、法律文档起草、科学研究、市场营销乃至部分管理决策，只要能够构建起类似的"输入—执行—自动验证"闭环，都有潜力成为下一波爆发点。
走到这一步，Anthropic所面对的已不仅仅是IT部门的软件采购预算，而是整个企业的人力薪酬、外包合同、研发投入和日常运营开支。"Anthropic会不会干掉Salesforce"这个问题其实格局太小了。更贴切的描述应当是：它的终极目标，是让Salesforce退化为一个数据仓库，让Claude承担起"员工"的角色。Salesforce不会消亡，SAP不会消亡，Workday同样不会消亡——企业永远需要存储客户档案、人事信息、供应链台账和财务凭证，但今后真正去点击这些软件界面的"人"可能会越来越稀少。Agent将直接调用后端API、读取结构化记录、自主走完审批与执行流程。
过去二十年里，SaaS行业最核心的计费单元是"席位"——多招一个人，就多收一份license的钱。而Agent正在以一种更快的速度瓦解这一逻辑……