博客 详情

AI一个季度收入168亿美元，烧钱时代结束了？

一家人工智能企业，单季度营收高达168亿美元。更值得关注的是，它向投资人透露，首次实现了经调整后的盈利。AI是否已从耗资巨大的项目转型为盈利机器？

据路透社10月14日报道，开发Claude的Anthropic向潜在投资者披露了2026年第三季度的业绩：营收约168亿美元，第二季度为116亿美元，环比增长约45%。第一季度该数字为47亿美元。短短半年内，季度收入已增长至约3.6倍。

对于日常使用AI撰写报告、处理客服、编写代码的企业而言，这不仅是美国一家公司的融资故事。过去两年，大家关注的是模型能否更智能；如今，决定市场格局的问题变为：谁能让客户持续付费，且收费速度超过算力成本的上升？

一、营收飙升，为何“烧钱终结”言之尚早？

将三份季度数据并列，增长曲线非常显著：47亿美元、116亿美元、168亿美元。从第二季度到第三季度，新增营收约52亿美元；但环比增幅从之前的高基数增长转为约45%，也表明规模扩大后，维持高速增长愈发困难。

这里最需关注的是“调整后盈利”这一术语。它是在特定调整口径下得出的结果，并不等于按照通用会计准则确认的净利润，也不自动代表自由现金流转正。企业可能剔除部分一次性成本或非现金项目；具体剔除内容需待完整披露才能判断。

而AI行业还有一个特殊情况：今天售出的模型服务，需要持续购买芯片计算、机房供电、网络和存储才能交付。模型研发费用可能集中在某个阶段，但算力合同却跨越多年。即便当季某个盈利指标转正，巨额基础设施承诺仍会影响未来现金支出。

因此，168亿美元更重要的信号并非“AI不再烧钱”，而是生成式AI已具备在短时间内创造巨大商业收入的能力。至于将收入稳定转化为净利润和自由现金流，仍需更细致的成本数据来证实。

二、谁在买单？从聊天窗口深入企业工作流

普通用户接触AI，通常从一个聊天框开始：提问、写邮件、总结材料，部分人为更强功能订阅付费。但对模型厂商而言，真正有潜力持续扩张的收入来源，还包括企业席位、API调用以及通过云服务商交付的模型能力。

个人订阅的特点是价格易懂，但用户未必每天重度使用。API则不同，一家软件公司只要将大模型嵌入代码助手、客服、法务审核或业务分析，每次真实业务调用都可能产生计费。使用频次越高，模型就越接近水、电、云计算这类生产投入。

企业级客户还有另一层价值：流程一旦形成，替换成本会提高。例如，客服机器人不仅需回答问题，还要连接订单数据库、退货流程、权限系统；代码助手不仅补全几行代码，还可能涉及测试、审查、部署环节。模型从“回答得好”走向“能完成任务”，采购预算也可能从创新试验费转为日常运营费。

但这并不意味着所有企业都会为AI支付更高价格。企业会考量响应质量、延迟、稳定性、数据安全，也会比较多家模型和开源方案。只有算出每笔订单、每段代码、每小时人工所节省的真实成本，续费才有基础。

对国内创业公司而言，启示非常直接：与其只展示模型的排行榜名次，不如将产品嵌入客户的采购、售后、设计或内部知识管理。客户最终签合同，购买的并非一次惊艳的演示，而是可复用、可验收的业务结果。

三、收入不等于利润：AI企业有四本账

第一本是训练账。大模型在预训练、后训练和评测阶段，需要芯片资源、数据、工程团队与反复试验。一个版本发布后，这些投入不会在第二天消失；追赶性能也可能继续增加研发支出。

第二本是推理账。客户每发出一个请求，模型都要消耗计算资源。长上下文、多轮推理和复杂代理任务，往往比简单问答耗费更多资源。产品越受欢迎，调用量就越大，如果收费未覆盖边际成本，用户增长也可能同步放大亏损。

第三本是渠道账。模型厂商可直接卖给企业，也可借助云平台和软件合作伙伴触达客户。后者能减少获客阻力，但也涉及分成、销售和技术支持。公布的收入是按总额还是净额计入，同样会影响外界对规模与毛利的理解。

第四本是现金账。服务器、芯片及长期算力采购合同并不会因利润表出现一个正数就自动免单。折旧、预付款、合同承诺与实际付款时间可能不同。因此，投资者看经营，不应只看一个季度的收入增幅，还需核实毛利率、经营现金流、资本性支出和合同义务。

一个简化的例子：假设某个AI产品每月向企业收取100万元，而推理资源、云渠道、客户支持和获客合计花掉90万元，看起来还能留下10万元。但如果尚未考虑持续研发与长期基础设施投入，便不能据此推断整个公司已经赚钱。这是说明商业逻辑的假设计算，并非Anthropic实际财务数据。

四、AI商业竞争，正从“模型多强”转向“单笔业务多赚”

过去模型公司努力证明的，是谁能回答更难的问题；下一阶段，需要进一步证明谁能用更低成本稳定完成相同质量的任务。

同样一份合同审阅，有的系统调用昂贵模型十次，有的系统先检索资料，再把关键条款交给高性能模型；结果质量相近时，后者可能更有利润空间。同样是企业客服，如果大部分基础问题交给小模型，复杂争议再转人工或高阶模型，单位订单成本就可能下降。

因此，模型路由、缓存、推理优化和垂直数据治理会越来越重要。它们不像发布一个全新大模型那么容易制造话题，却可能直接改变企业每月账单，也改变AI服务商的毛利。

这场竞争对中国市场尤其有参考意义。一方面，国内开源模型和多供应商选择，为应用企业提供了成本谈判空间；另一方面，模型价格下降会使单纯转售调用额度的商业模式承压。真正有议价能力的，可能是懂行业流程、掌握客户场景、能够对交付结果负责的服务商。

例如，制造企业关心设备停机时间，金融机构关心合规和可追溯，零售商关心库存周转。这些指标与模型考试分数并不相同。谁把“每次调用多少钱”转换成“每完成一项业务节省多少钱”，谁才更容易获得下一轮预算。

五、巨额收入之后，AI还要回答三个问题

第一个问题是客户会不会持续用。试点项目集中上线，容易拉高某一季度收入；但模型成为企业采购的常规项目，需要证明续费、使用深度和客户留存。高速增长可来自新客户，也可能来自老客户调用量增加，两者背后的商业稳定性并不完全相同。

第二个问题是降价之后还能不能赚。基础模型服务越来越像标准化能力，客户对价格和性能都敏感。厂商只有通过技术效率提升、产品差异化或更高附加值的工作流，才能抵消竞争带来的价格压力。

第三个问题是收入增长能否覆盖远期资本承诺。越来越大的数据中心和算力投资，可能提前锁定成本。一个季度的调整后盈利值得关注，但要判断这是否是长期拐点，需要连续多个季度、相同口径的经营数据和现金流验证。

这也是168亿美元最值得中国企业读者注意的地方：AI市场已经不再只是“有没有人愿意付钱”的初级阶段，而是逐步进入“付多少钱、能用多久、交付一次成本多少”的精细经营阶段。

对企业主来说，采购AI不必追逐每一次参数升级，而应盯住一个具体指标：每投入一元模型服务费，究竟能带来多少可核算的效率提升或新增收入。对AI创业者来说，真正要争取的，也不是安装量截图，而是客户下个月仍愿意支付的那张账单。

Anthropic的高增长，说明市场愿意为有用的AI能力付费；调整后盈利则释放了一个积极信号。但“烧钱时代结束”这句话，现在下结论仍然太早。AI行业的新赛程，或许恰恰从今天开始：谁不只是能卖出昂贵的智能，还能把智能变成可持续的生意。

本文来自微信公众号“BT财经”（ID：btcjv1），作者：BT财经，36氪经授权发布。