
Anthropic 首季盈利 — AI 公司終於找到賺錢公式了?
Anthropic 即將盈利了,AI 公司終於開始賺錢
> Meta Shift
Anthropic 這週跟投資人說他們即將迎來第一個盈利季度,營收預計翻倍達到 109 億美元(來源:Wall Street Journal)。這數字聽起來很猛,但真正重要的是這件事代表的意義:AI 公司終於從燒錢階段轉向實際賺錢了。
以前大家都說 AI 公司就是個錢坑,訓練模型要錢、買算力要錢、養人才也要錢,營收模式不明確,基本上就是拿 VC 的錢在燒。現在 Anthropic 證明了這個 meta 正在轉變 — 不是只有 OpenAI 一家能賺錢,Claude 也做到了。
老實說,這個時間點很有意思。就在同一天,OpenAI 傳出要準備 IPO 的消息,兩家公司幾乎同時釋放出「我們有錢途」的訊號,顯然是在為下一輪的競爭做準備。不過 Anthropic 也坦白說,因為接下來的 compute cost 會很高,今年剩下的時間可能不會持續盈利,至少人家誠實。
商業模式拆解
Anthropic 的賺錢邏輯其實不複雜:Claude 這個 chatbot 越來越多專業人士在用,企業客戶願意付錢。從他們最近的動作可以看出策略很明確 — 多元化客戶群,不只服務大企業,也開始推小企業版本和法律事務所專用工具。
這個策略比較聰明的地方是,他們沒有只押寶在 B2B 大客戶上。OpenAI 的 ChatGPT 主要靠個人用戶的訂閱費(每月 20 美元),但 Anthropic 同時在做 B2B 和 B2C,風險比較分散。據報導,很多專業人士更喜歡 Claude,可能是因為它在某些任務上的表現比較穩定,或是因為 Anthropic 在 AI safety 上的形象比較好。
從 109 億美元這個營收數字來看,假設這是年化後的數字,那 quarter-over-quarter 翻倍成長確實很驚人。作為對比,OpenAI 去年的年營收大概是 34 億美元,如果 Anthropic 的數字是真的,那他們已經跑到 OpenAI 前面去了。
不過要注意的是,營收高不代表利潤高。AI 公司的成本結構很特殊:算力成本是變動成本,用戶越多、query 越多,雲端費用就越高。Anthropic 自己也說了,因為接下來要投入更多 compute resource,今年後續可能會回到虧損狀態。這其實很合理,要維持競爭力就必須持續投資訓練更強的模型。
競爭格局
現在 AI chatbot 市場基本上是三強鼎立:OpenAI 的 ChatGPT、Anthropic 的 Claude、還有 Google 的 Gemini。微軟有 Copilot 但那比較算是生態系玩法,不是純粹的 chatbot 競爭。
OpenAI 目前還是市場老大,ChatGPT 的品牌認知度最高,用戶基數也最大。他們的策略是做平台,不只有 chatbot,還有 GPT Store、API、甚至準備做 AI agent。優勢是先發和生態系,劣勢是開始有點散焦。
Anthropic 走的是品質路線,Claude 在某些專業任務上確實表現比較好,特別是程式碼生成和分析。他們的策略比較專注,就是做更好的 LLM,然後針對不同垂直市場做客製化。優勢是產品品質和專業形象,劣勢是品牌知名度還是不如 ChatGPT。
Google 的 Gemini 有技術實力,但產品化和 go-to-market 策略一直都不太行。搜尋起家的 Google 在 consumer product 的直覺沒有 OpenAI 那麼好,Gemini 感覺還是比較像研究專案而不是商業產品。
從這次 Anthropic 的盈利消息來看,他們的商業化策略顯然奏效了。能在 OpenAI 這麼強勢的情況下還能實現盈利,代表市場夠大,不是零和遊戲。這對整個產業是好事,證明了 AI 不是只有一家能贏的局面。
Meta 判讀
這明顯是個 Meta Shift。AI 產業從「技術展示階段」正式進入「商業化成功階段」。
回想 2010 年左右的雲端運算市場,AWS、Azure、Google Cloud 都還在燒錢競爭,大家都在賭誰能先規模化、先盈利。最後證明這個市場夠大,三家都活得很好,甚至現在還有 Cloudflare、Digital Ocean 這些後來者也能找到自己的 niche。
AI chatbot 市場現在很像那個時候的雲端運算。技術門檻高、需要大量資本投入、但市場潛力巨大。Anthropic 能實現盈利,證明了這個市場不是贏者通吃,是可以多強並存的。
這個 shift 會帶來幾個影響:
- 投資邏輯改變 — 投資人不再只看技術 demo,開始要看實際的商業指標
- 競爭策略調整 — 不能再只燒錢衝用戶,要開始考慮 unit economics
- 新玩家進場門檻提高 — 要有明確的商業化路徑才能拿到投資
歷史上類似的案例是 2012 年左右的 SaaS 市場。那時候 Salesforce 證明了 SaaS 模式可行,接下來幾年各種垂直領域的 SaaS 公司如雨後春筍般出現。現在 AI 領域可能也會走類似路線 — 通用型 AI 公司(OpenAI、Anthropic)先證明商業模式可行,接下來會有更多專門化的 AI 公司針對特定行業或用例。
工程師該怎麼看
對工程師來說,這個趨勢有幾個重要啟示:
技術選型方面,現在可以更放心地把 AI API 整合進產品裡。之前很多人擔心這些 AI 公司會倒掉或是大幅調價,但現在至少 OpenAI 和 Anthropic 都證明了商業模式可行,短期內不會有生存問題。
職涯方向上,AI 相關的職位會越來越多,不只是 ML engineer,還包括 AI product engineer、AI infra engineer 這些新興角色。會整合 AI API 的 full-stack engineer 也會很搶手。
Side project 角度,現在是做 AI 相關項目的好時機。市場已經被教育了,用戶願意為 AI 功能付費,而且 API 成本在可控範圍內。可以考慮做一些垂直領域的 AI 工具,比如針對設計師的 AI 助手、程式碼審查的 AI 工具等等。
不過也要注意,現在進入 AI 領域的門檻其實沒有想像中低。雖然調用 API 很簡單,但要做出真正有價值的產品,還是需要對 prompt engineering、model fine-tuning、甚至 AI infra 有深入理解。技術護城河可能不在模型本身,而在如何把 AI 能力包裝成好用的產品。
延伸閱讀
Waiting7777
WoW Arena 冠軍轉前端,用電競 meta 思維拆解技術趨勢。
相關文章
AIAI Agents+1AI 寫的 code 都是 slop?一個月 11,000 個 PR、revert 率 0.5% 的團隊怎麼做
Lauren Tan(poteto)在 AI Engineer 講她的團隊一個月發 11,000 個 PR、revert 率還維持在 0.5%,靠的不是更好的模型,是把規則寫成 lint、把 token 花在驗證上,聽完回頭看自己的 repo,發現踩過的坑只寫在註解裡,沒有任何檢查會擋。
2026年11月17日 · Waiting7777 · 9 分鐘閱讀
繼續閱讀 →
AIAI Agents+1換到新模型之後,寫給 AI 的規則檔要怎麼整理?拆解 Anthropic 的 prompt-audit
換了新模型之後,之前對著舊模型調出來的 CLAUDE.md 跟 skill 要不要跟著整理?把 Anthropic 公開的 prompt-audit 從頭讀了一遍,看它怎麼判斷哪句該刪、哪句不能刪,再拿自己的 code review skill 試一次,結果一行都沒少。
2026年11月16日 · Waiting7777 · 8 分鐘閱讀
繼續閱讀 →
AIAI Agents+1做 code review agent 之前,我先拆了阿里的 open-code-review
規劃 code review agent 時越做越發現什麼都能寫成 code,於是拆了阿里開源的 open-code-review,看它怎麼把不能錯的步驟交給程式、只把判斷留給模型,整理成七條設計原則,再回頭判斷這件事到底該不該做成 agent。
2026年10月27日 · Waiting7777 · 9 分鐘閱讀
繼續閱讀 →這篇文章對你有幫助嗎?
每週一篇 — 技術趨勢背後的商業邏輯
AI 產業在變什麼、工程師該注意什麼——拆清楚寄到你的信箱。