Anthropic 今年上半年，服务客户花了 24 亿美元，研发花了 97 亿，大头都是算力。比去年同期，前者涨到 2.3 倍，后者涨到 5.3 倍。研发涨得快，是要做更好的模型；非做不可，是因为对手也在做。所以最大的一笔开销花多快，是竞争定的。眼下看，模型越大越好也越贵，收入只能拼命跑在前面。出路是往上走，做成客户离不开的产品，比如 Claude Code 和 Codex，用惯了一种就不想换。要是改个接口就能换掉你，你就没有定价权，也没有护城河。
英伟达过去有三条护城河：芯片性能最好，比谷歌的 TPU 灵活，还有工程师熟悉的 CUDA，换平台得重写底层代码。可它的大客户就那么几家，以前嫌重写不划算；现在算力投资动辄几千亿美元，就划算了。当年大云厂商重写软件，性能更好的 AMD 就从英特尔手里抢走了市场。现在谷歌把 TPU 卖给外人，第一单就是 Anthropic。可 ChatGPT 每周八亿多用户，对手只能一个一个抢。护城河深不深，要看买家多少。买家越少越大，越能绕开你，英伟达长期要担心利润变薄。
GPT-1 好像主要拿同人小说这类文学文本训练，大概只有十亿词，覆盖面很窄，在这类文本上变好，换到别的任务就不跟着变好。到 GPT-2 改用从网上大范围抓来的文本，模型才开始举一反三：给它一串房价和面积，没见过这种题也能大致推出两者的关系。后来让模型做题拿奖励的训练也在重走这条路，从数学竞赛扩到编程再到很多任务，很可能也会越来越会举一反三。所以搭这么多练习环境，图的不是教会每项技能。
2022年底的ChatGPT，训练很费算力，回答问题却省，模型吐出什么就给用户什么。2024年9月OpenAI推出会先想再答的o1，每个回答要多生成一大段思考过程，又因为更好用，被用得更多。到2025年底，能自己把活干完的AI出现，一个任务要反复调用会思考的模型，它自己运转还要大量普通处理器，而且更有用，用得会更多。所以几家云巨头都说算力需求超过供给，眼下的大笔建设投入不是投机，而是在追赶需求。
2025年11月24日，Anthropic发布Opus 4.5，起初没什么动静；到了12月，搭配它的Claude Code似乎突然能做以前做不到的事，OpenAI的Codex也差不多，有的活一干几个小时，还干对了。关键不全在模型，而在指挥模型的那层软件：它让模型写代码，再用别的工具跑一遍看能不能用，不行就重来，全程不用人管。至少在写代码这种能核对对错的事上，当初胡编乱答的老毛病大体压住了，剩下一个毛病：想清楚拿它干什么。
微软曾在财报会上夸自己和OpenAI深度绑定；OpenAI差点散架后，又改口说模型是大路货。可2026年3月它推出新的企业套餐E7，每个用户每月99美元，是原先最高档E5的两倍，主打的Copilot Cowork却不能随便换模型，因为这种能自己干活的AI要模型和指挥它的软件配成一体。这等于承认，至少眼下，模型可能不是大路货。利润总是流向配成一体的环节，就像苹果软硬一体能长期卖高价，所以Anthropic和OpenAI可能比2025年底看上去赚钱得多。
2026年3月，Anthropic 给企业客户改成按用量计费，一个季度收入翻倍。约三个月后，OpenAI 把最便宜的模型 Luna 降价80%，一下追到离 Anthropic 只差一个船身，年化收入接近700亿美元。两家卖的是同样的模型，只是对准不同买家、定不同的价。这两步说明今年商业模式上的创新比技术更要紧；一个季度就能让这么大的收入变样，说明市场还没定型。
在 Ramp 平台上买了写代码 AI 助手的企业里，87% 买的是 Claude Code，比一年前高了56个百分点。在 Artificial Analysis 的智能指数测试里，Claude Opus 5.5 做一道题要5.98美元，OpenAI 的 GPT-6 Astra 是3.26美元，谷歌的 Gemini 4 Argon 是1.99美元。Anthropic 在这块市场上敢定高价，每件活收得比别家都贵。
大众对 AI 的印象几乎就是 ChatGPT，这个品牌领先。可消费级产品火不火可遇不可求，Instagram 那次就是这样，所以把整个产品战略押在找一个爆款上大概不明智，还会错过眼前的机会。Claude 的长处是开发者和动手做东西的人喜欢它，Anthropic 法务团队就有人用它给家人做专属软件。所以该认清自己是谁，往帮人干活、让人把几个小时的工作交给 Claude 这方面深挖，而不是去学别人。
一开始给 Claude 做和其他软件的连接，每一个都得从零重做，没法复用。两位工程师提出把它做成一套公开规则，也就是 MCP：别人做一次连接，Claude 能用，以后 ChatGPT、Gemini 也能用。Anthropic 做的是模型，不是做连接的公司，作为追赶者，别人不会专门为它做连接。做成通用规则后，大家的工作不再白费，连接越来越多，反过来对它有利，这就是让互补品变得便宜的老道理。
三年前，Anthropic 只融到几亿美元，OpenAI 已经从微软拿到 130 亿，大科技公司手里握着一两千亿。当时的说法是：如果别人花 10 亿能做的事，我们 1 亿就能做到，那投我们的钱效率就高十倍；钱少只是暂时的缺陷，能补上，做东西又好又便宜的本事才是根本。那时差距是上千倍，现在融了快 200 亿，对手有一千亿，靠顶尖人才扎堆仍然能竞争，收入每年涨十倍就是证明。
当年在 OpenAI，几位后来创办 Anthropic 的人和 Paul Christiano 一起发明了用人的反馈训练模型、让它照人的意图做事的方法。但这个方法用在当时很小的 GPT-1 上不管用，于是才把模型做大成 GPT-2、GPT-3，好在大规模上研究这些方法。所以让模型安全和让模型更强，比想象中缠得更紧，很难分开单独做；真正能把这个领域往好的方向推的，是组织层面的决定：什么时候发布、哪些先在内部研究。
2023 年，还没人把 Anthropic、Claude 和写代码放在一起说；当时 GPT-4 也有人拿来写代码，但只是众多用途之一。可已经能看到，有人不只用模型补全一两行，而是让它写成段的长代码。于是训练 Opus 3 时专门往这上面加强。从训练上看这只是个不大的改动，却在早期帮 Claude 跟对手拉开了差别，吸引来最早一批热心用户和开发者，因为它给了他们当时觉得做不到的东西。
当年 OpenAI 内部讲的是让安全、研究、创业三派互相制衡，可真到要取舍时，安全感觉排不到第一。直到今天，全行业一年投进去约 3000 亿美元，全世界做 AI 安全的人可能还不到一千个。安全很要紧，又几乎没人做，多一份投入分量就很大。所以 OpenAI 几个安全团队的负责人出来另立门户，要一个既站在最前沿、又把安全放在一切之前的地方。
当年外界估计，训练 GPT-3 花了约 500 万美元。这对个人是一大笔钱，对一家公司却不算多，所以刚起步的 Anthropic 完全买得起训练同等模型的算力。在把这件事看作史上最重要技术的人眼里，全世界做这件事的好像只有 30 来个人。虽然不清楚别人在做什么，但感觉自己就站在最前沿。钱比别人少得多，可多数人用算力并不讲效率，所以把算力用得特别省，就有机会换来很大的领先。
最初的 GPT-4 在 MMLU 这套考题上大约得了 86.4%，下一个超过它的 Gemini 得了 90%。在这套题上，这是很大的差距，完全能确定两者真不一样，这很有价值。要是一套测试只有 100 道题，结果会很不稳定，误差范围很宽，很多差别都算不上数，很难据此做决定。好的测试要让小差距也有意义，才能顺着有效的方向一步步改；此外还得跑得快、用起来方便。
当年 OpenAI 做 GPT-3 时从 TPU 换到显卡，部分原因是显卡上的 PyTorch 比 TPU 上的 TensorFlow 好用。底层软件可靠，就能快速做实验，很快搭出一整套能跑的系统。如今 Anthropic 用的芯片平台多了，难处恰恰在于要把每个平台上的软件都写好。所以最要紧的，是练出把底层软件写好的本事，让在上面干活的人都用得顺手。
Anthropic 刚起步时，OpenAI 手里有 10 亿美元和一众明星人物；这边只是疫情期间的七个联合创始人，连做不做产品、做什么产品都不知道。最早加入的人本可以去别处拿更大的名气和更多的钱，却是为了使命而来。如今公司约 2000 人，似乎还没有内部政治渗进来，很大程度上是因为最早那一百人都是为使命来的：一旦有人看起来不是在为使命做事，就会有人举手指出来。
ChatGPT 发布前大约九个月，Anthropic 内部已经有一个放在 Slack 里的 Claude 1 聊天机器人。当时不确定该不该把它做成产品，不知道推出来对世界是不是好事，也没想清楚要靠什么产生影响。正因为拿不定主意，就迟迟没去搭对外大规模提供服务的系统；回头看，就算当时想推，也推不出来。犹豫太久本身就耽误了准备，这是一个教训。
Claude 把写代码当成一大主攻方向，这不是偶然。看到多少公司开始靠 Claude 的模型写代码、规划多步任务，这份实际用量会反过来决定下一代模型重点往哪练。各家盯着的测试分数差不多，但 Claude 有 Claude 的味道，GPT 有 GPT 的味道，性格语气不同，擅长的事也不同。这样一代代练下去，模型很可能越来越不一样，而不是越来越像。
GPT-4 刚出、还不能看图时，拿它写 Swift，要把界面用字符画出来，再去冲杯咖啡，回来能拿到一个八成完成度的版本；换成现在 3.7 Sonnet 这样的模型，大概能到九成五到九成九。工程师要的本事随之变了，得跨好几个领域，懂得该做什么和懂得具体怎么实现一样重要。Anthropic 很多甚至大多数好产品，都来自工程师自己动手做的原型。
Claude.ai 当初只是用来展示模型的橱窗，ChatGPT 的网站很可能也是，并不是给复杂的多产品平台打的地基。去年做的项目、Artifacts、对话这些功能当时很有价值，现在却逼用户想清楚它们彼此什么关系；产品要干的事远超当初，再往上加东西越来越难也越来越慢。所以正推倒一部分，重做核心体验：让该有的背景资料进到对的对话里，用户总知道下一步去哪，Claude 帮着指出接下来最该做什么。
Anthropic 一开始就注册成公益公司，法律上可以不把股东回报放在头一位；ChatGPT 推出前它已有自己的聊天机器人，出于安全考虑没有发布。增长团队也这样做事：宁可让指标少涨一些，也要守住安全、品牌、质量和用户体验，因为放长了看，最好的产品都是这么做的，长期反而增长更多。风险和代价越来越高时，坚持安全很可能会变成一大竞争优势。
Anthropic 过去是这一行里最小、钱最少的玩家：没有 Meta 和 Google 那样的现金流和用户渠道，也没有 OpenAI 先发的优势。钱少、规模小、没渠道，路反而清楚了：哪怕手里是一门什么都能干的技术，也只能挑一个很窄的方向，才最有机会冲出去。专注编程和企业客户，一部分就是这么逼出来的；另一部分来自领导层很早就认定编程能加快自家研究。