文章核心观点 - 文章认为，以Anthropic在2025年底年化收入（ARR）超越OpenAI为标志性事件，AI大模型行业已从以OpenAI为代表的“大模型1.0”阶段，进入由Anthropic引领的“大模型2.0”阶段 [5][6] - “大模型2.0”阶段的核心特征是以编程为核心能力，通过聚焦预训练、获取高质量行为数据飞轮、发展智能体（Agent），并服务顶尖用户（Top Users），从而构建了可持续的商业模式和财务模型 [12][16][23] - 判断该阶段赢家的关键北极星指标是token的定价权和溢价权，即AI提供思考的价值，而不仅仅是用户规模或token消耗量 [36] Anthropic的崛起路径与核心策略 - 收入实现跨越式增长：Anthropic的年化收入（ARR）在2025年底为90亿美元，4个月后（2026年5月1日）达到440亿美元，增速史无前例 [5] - 选择差异化技术路径：在2024年中行业普遍认为“预训练撞墙”时，Anthropic做出两个关键押注：押注编程（Coding）和押注预训练，认为这是通向AGI的路径 [15][16] - 构建数据飞轮与智能体：通过Claude Cowork等产品，在协同知识工作的同时收集用户行为轨迹数据，由模型自行清洗后作为高质量预训练语料，形成了“数据-预训练-编程-自主学习”的进阶飞轮，并最终催生了Claude Code等本地智能体 [16] - 采取聚焦战略：由于资源有限且无ChatGPT级C端应用，公司被迫聚焦于开发者与ToB市场，并在此过程中坚持预训练和编程，放弃了后训练、多模态和C端应用等分散精力的方向 [16][19] - 证明Transformer潜力：Anthropic的成功证明以Transformer为基础的预训练远未走到尽头，高质量的行为数据仍有巨大挖掘潜力，公司CEO Dario Amodei称从GPT-3到Claude 3.5/Opus的进步可能只是后续加速的前奏 [15] 大模型2.0阶段的商业特征 - 用户策略转变：从追求活跃用户到服务顶尖用户：Anthropic不追求互联网时代的活跃用户数，而是聚焦于最有创意和行动力的顶尖用户（Top Users）[23]。截至2026年3月底，Anthropic仅覆盖0.5%的美国成年用户，而ChatGPT覆盖12.3%，两者用户数相差25倍，但Anthropic的年化收入更高 [23] - 增长逻辑变化：从简化流程到增加用户投入：对于顶尖用户，增长策略不再是缩短注册路径，而是通过增加用户投入（如让AI深度了解用户背景）来筛选用户并提升长期价值，因为AI提供的是思考服务，深度协同是关键 [24][27] - 价值创造：从工具市场到劳动力市场：大模型2.0阶段的智能体（Agent）能直接替代高薪劳动力（如百万年薪的中层、工程师），实现了从订阅工具到劳动力的价值转换，ToB业务不再是“苦生意” [26]。过去两个月，Anthropic支出超100万美元的大客户数量翻倍，从500家扩大到1000家 [26] - 商业模式与财务可行性改善： - 收入端：拥有定价权，对企业客户改为按使用量计费；在C端可收取高达100-200美元/月的订阅费 [30] - 成本端：算力储备计划（10年，10GW，1000亿美元）比OpenAI更温和，且算力来源分散 [30]。过去四个月，其推理毛利率从38%上升至70%以上，有望在2028年实现整体盈亏平衡 [30] - 对比1.0阶段：以OpenAI的ChatGPT模式为例，即使达到Netflix约3亿付费用户的水平，年收入约720亿美元，也远低于其未来五年年均约1200亿美元的算力投入承诺，财务模型难以打正 [28] - 组织效率革命性提升：融入AI后产品迭代速度极快，Anthropic在52天内对其旗舰产品Claude发布了74项更新，涉及四支团队并行工作，这在以人为核心的传统组织中难以实现 [33] 大模型2.0阶段的竞争格局与关键指标 - 核心竞争指标：Token的定价权与溢价权：在大模型2.0阶段，北极星指标从用户数、时长，转向了token的定价权和溢价权，即AI提供的“思考”值多少钱 [36] - 行业两大并存趋势： 1. 非领先模型成本指数下降（杰文斯悖论）：例如，OpenRouter的token价格从0.9美元/百万token降至0.5美元/百万token，但处理量从6万亿上涨到12万亿 [37][38] 2. 领先模型享有高溢价：性能领先的模型能收取远高于同行的价格。例如，Anthropic的Opus系列定价一直是同期模型的至少3-10倍，优化后仍保持2倍以上溢价且供不应求 [41]。OpenAI的GPT-4.5在2025年2月发布时可收取90美元/百万token的高价，而同期谷歌Gemini Pro仅5.62美元/百万token [40] - “智能体规模定律”：黄仁勋提出的新定律指出，高智商智能体会被大量使用并产生高质量数据，这些数据反馈给预训练模型，形成增强闭环，跑通此流程的模型将获得token溢价和规模效应竞争力 [41] - 对美国竞争格局的推演： - 竞争要素将围绕大模型本身（算力与侧重点）、高质量数据、场景能力（智能体等） 三者的闭环展开 [53] - 通用大模型的胜出者可能集中在Anthropic、OpenAI和谷歌三家 [53] - OpenAI正借助ChatGPT的用户基数快速追赶编程数据飞轮，将Codex融入ChatGPT，下个季度可能带来惊喜 [53] - Meta和xAI（Grok）可能凭借与特定高质量数据或独特场景的结合，形成产业大模型的差异化优势 [53] - 对中国竞争格局的启示：中国大模型玩家过去以低成本取胜，但未来同样需要接受“思考密度”的考验，即token价格能否持续上涨，证明其模型能处理复杂任务并让客户为高质量劳动力买单 [43]