一家 AI 公司第一次把自己的账本摊开：Anthropic 递交 S-1 之后，企业签 AI 合同前要多问五句

10 月 26 日，Anthropic 向美国证券交易委员会递交 S-1 注册文件，股票代码 ANT，计划在纳斯达克全球精选市场上市。高盛担任首位承销商，摩根士丹利紧随其后，摩根大通、花旗、巴克莱、富国银行、美国银行、德意志银行、加拿大皇家银行资本市场与瑞银投行等也在承销团中。文件尚未披露发行股数与价格区间。

这件事的分量在于「第一次」。过去两年，前沿实验室的财务状况主要以传闻、融资估值和偶尔流出的营收数字的形式存在，采购方很难拿到完整口径。而招股书是一种法定的、全公开的披露格式——它可以被审计、被引用、被写进你的风险评估报告。

文件正文的第一句话同样值得记下来：历史上第一次，智能成为人类可以亲手打造的东西。招股书里有一张完整的循环图——这一代 Claude 接手研发，跑实验、生成训练数据、做评测与安全审计、写代码审代码；更强的 Claude 于是被用来训出下一代 Claude；而更快的算力效率又让下一代 Claude 接着干下一轮的活。Anthropic 称之为「合上循环」，并把它列为前沿 AI 领域最重要的结构性优势之一。

对企业采购方来说，这套叙事最终会落到一个非常具体的问题上：你的模型供应商，正在把自己的研发效率、算力承诺和盈利节奏绑定在一个自我加速的循环上。这个循环跑得顺，你的续约价格会跟着降；这个循环哪天被算力供给、监管或安全事件卡住，交付节奏会跟着变。理解这一点，才谈得上看懂这份文件对采购方的实际含义。

把招股书里的收入数字排成一条线，斜率是理解这家公司现状的最快方式。2023 年，Claude 刚开始商业化，全年收入 4100 万美元；2024 年涨到 3.86 亿美元；2025 年冲到 45.85 亿美元；2026 年上半年就达到 162.86 亿美元，约为上年同期 11.63 亿美元的 13 倍。

单季数字更直观。2026 年第一季度 47.31 亿美元，第二季度 115.55 亿美元，同比增长 1368%，也就是去年同期的 14.7 倍。经济日报援引招股书草案提到，第三季度营收环比再增 45% 至 168 亿美元，不过增速较第二季度已经放缓。

与收入同样显眼的是客户结构。截至 9 月 30 日，过去 12 个月贡献营收 10 万美元以上的客户超过 1.19 万家，100 万美元以上的超过 1900 家，1000 万美元以上的约 250 家。超过一半的《财富》500 强企业和超过 30% 的《福布斯》全球 2000 强企业是其客户。净收入留存率约 900%，意思是一年前就在付费的企业客户，如今花在 Claude 上的钱大约是当初的九倍。

还有一个容易被忽略但对采购方很关键的细节：前五大客户合计贡献约 25% 的营收，但没有任何单一客户的占比超过 10%。这意味着大客户在这家供应商的收入结构里并不处于被单独依赖的地位——它有能力在价格谈判上给出相对强的回应。反过来说，如果你的采购量在这份名单上排不进前五，那你在这轮议价里的权重并不高。

上半年净亏损 807.48 亿美元，这个数字大到足以让任何高管会议停摆，但它需要拆开看。其中约 723.88 亿美元来自可转换票据等金融工具的公允价值变动——原因是公司自身估值不断上升，账面上的负债跟着重估。这不是烧掉的现金。更能反映经营状况的是另外两组数字：同期经营活动现金流净流入 39.29 亿美元，而上年同期是净流出 15 亿美元。

第二季度在 GAAP 口径下实现营业利润 9.74 亿美元，利润率 8%，把股权激励等开支全部计入之后仍然是盈利；上半年经营亏损 6.93 亿美元，较上年同期的 21.35 亿美元明显收窄，调整后经营利润为 16.2 亿美元。

这轮盈利的关键变量是算力效率。2025 年第一季度，每 1 美元收入要花掉 2.51 美元的算力与基础设施开支；到 2026 年第二季度，这个数字降到了 0.48 美元，不到一半。上半年算力与基础设施支出 89.45 亿美元，上年同期为 23 亿美元，而营收增速远高于这个数字。公司把这归因于收入增长与计算资源、运营效率的提升。

这一组数字对采购方有一层直接含义：当供应商的单位算力成本在快速下降时，它有空间把一部分效率让渡成价格。Claude Opus 5.5 在 9 月发布时官方称运行成本较上一代下降 40%，就是这种让渡的体现。反过来，如果你正在签一份为期两三年的固定价合同，而对方的成本还在快速下降——那你多半会在续约时面临重新定价，而不是继续享受旧价。

招股书里体量最大的承诺项不是收入，是支出。公司披露未来十年在云服务与算力等方面至少支出 5180 亿美元，总成本口径可能升至 7500 亿美元。媒体根据五笔主要合同统计的合计金额超过 5500 亿美元：与博通约 1612 亿美元的五年期设备租赁租金（不含利息）；与谷歌至少 1145 亿美元的云服务承诺至 2033 年，另有 2028 至 2031 年间 1250 至 1500 亿美元的 TPU 采购预估；与亚马逊至少 1100 亿美元至 2036 年；与微软至少 449 亿美元至 2033 年；以及与 SpaceX 旗下 AI 实体 SpaceX.AI 最高 1205 亿美元的英伟达 GPU 算力协议，期限延续至 2029 年，全部容量交付后预计每月支出约 31 亿美元。另有与 AMD 的 200 亿美元级合作，覆盖 2027 年首批 Helios 机架系统。

算力供应横跨英伟达 GPU、谷歌 TPU、亚马逊 Trainium 与 AMD GPU 四种路线，这本身是一个值得注意的信号：一家公司同时押注四家不同的硬件供应体系，说明它在做的是用采购规模换供应确定性，而不是押注单一架构。

但这组数字对采购方有更直接的含义。如果供应商把未来十年的收入增长押在这批算力合同上，那么当需求增速放缓时，这些合同就成了刚性支出。反过来看，当它需要把这些算力转售给外部客户时，你作为 API 客户就是转售链条上的一个终端。算力供给偏紧与长期预订支撑的价格走势，会通过这条链路传导到你的账单上。

招股书本身也提示了这一点：公司明确表示，随着持续扩建算力与基础设施，资本开支预计将大幅增长，未来一段时期经营及投资活动净现金流出将维持高位，即使财务表现改善，现金流出也可能继续增加。这句话是写给投资者的，但作为客户，它同样值得抄进你的供应商风险评估里。

招股书里有一段关于 Claude Code 的披露，数据非常具体：在开放式工程难题上——这类任务没有明确规格、过去依赖资深工程师的判断——Claude Code 的成功率在 2026 年 9 月达到约 90%，九个月里提升约 50 个百分点。结果是工程师的角色从逐行写代码转向定方向、审结果：截至 9 月 30 日的三个月里，每位工程师每天向代码库贡献的代码量，达到 2024 年日均水平的 45 倍以上；9 月份，代码库超过 90% 的贡献出自 Claude。

内部使用 Claude 的价值同样被量化：从 2026 年 1 月到 9 月，按公开标价计算的内部使用价值暴涨 250 倍以上；4 月份，这个月度数字第一次超过了公司每月的人力开支（不含股权激励）。公司还披露，从 2024 年底至今员工人数涨了 5 倍多，而 2026 年第三季度营收已是 2024 年第四季度的 86 倍，过去 12 个月人均创收超过 660 万美元，一年前这个数字是 140 万美元。

安全侧的变化同样剧烈。卡内基梅隆大学研究者开发的漏洞利用基准 ExploitBench 上，Claude 的成绩从 Opus 4.8 的 40%，涨到 Claude Mythos 5 的 78%，再到 Opus 5.5 的 91%，前后只用了约四个月。这种能力强大到公司自己都不敢直接开放——训练 Claude Mythos Preview 时，评估认为其网络安全能力已强到不加新护栏就大范围开放会带来重大风险，补上新护栏之后才以 Claude Fable 5 的名义推向公众。

把这三条串起来看，这家企业正在用自己验证一个命题：AI 可以成为自己的研发工具，而这个循环一旦转起来就是复利。对采购方来说，它的现实意义是双向的。一方面，这家供应商的交付能力与成本下降能力有明确的内部证据支撑；另一方面，这四个月内 40% 到 91% 的漏洞利用能力提升，也等于向所有使用同一批模型的企业提了一个醒：能力增长的速度，比大多数人的安全预案准备速度快。

招股书的风险因素部分有九条与安全相关的条款，其中六条直接涉及 AI 自身的能力与行为，包括武器开发、网络攻击、自主行为，以及递归自我改进。文件在承认这些风险的同时，表示将采用负责任扩展政策与前沿安全路线图来应对。

「递归自我改进」这个词出现在一家公司面向公众监管机构的正式文件里，本身就是一个信号。它的含义是：模型一代一代地把下一代的研发做得更强，而这个过程一旦足够快，就不再完全受人类掌控节奏的约束。公司把同一件事也写进了自己的竞争优势叙事——一方面作为风险条款披露，另一方面作为「合上循环」的结构性优势来主张。

对采购方而言，这个双重表述提醒了一件事：你正在采购的模型供应商，其自身的安全立场是这项业务的核心变量。Anthropic 在本次公开文件中的处理方式是先承认能力上到了需要加护栏的程度，再选择用护栏后的版本面向公众；同一时期它把 Agent Skills 标准和 MCP 一并捐给了 Linux 基金会旗下的中立基金会，把标准的治理权让渡出去。两件事指向同一个取向——用制度化的方式换取可持续性。

对企业自己的系统来说，这段披露有一个非常实用的副产品：它提供了一份由前沿实验室自己给出的风险清单语言。核武、网络攻击、自主行为、递归改进——这四类风险，以及它们与能力阈值的关系，可以直接引用到你的内部风险登记册与第三方评估问卷里，而不必自己从头造词。

把前面所有信息叠起来，会得到几个相当具体的判断。这些判断都不是关于「AI 好不好」，而是关于「我的合同该怎么写、我的用量该怎么排、我的风险该怎么记」。

第一，议价位置在改善，但有时间窗口。供应商的单位成本在快速下降（每美元收入的算力成本一年半内从 2.51 美元降到 0.48 美元），而它同时在用降价换取规模（Opus 5.5 成本较上一代降 40%）。对用量增长型企业，这是罕见的双向利好；但如果你的用量已经稳定，未来的降价更可能以「续约重新议价」的形式到来，而不是自动落到现有账单上。

第二，八成营收来自按量计费这件事，对你是双向信息。好的一面是，供应商的收入与你的用量正相关，说明它有强动机把 API 做得更便宜、更好用；需要留意的一面是，你的用量增长会自动转化为对方的营收增长，在续约时这是一个你没有筹码的事实。知道这一点，比不知道更能让你在谈判时保持理性。

第三，前五大客户占约 25% 营收、单一客户均未超 10%——这说明大型客户在这家供应商那里没有被特殊对待。它在谈判中给出的条件，大概率是按公开政策来的。这也提示了一条务实策略：与其指望一对一谈判拿到特殊条款，不如盯住它的公开降价节奏，把自己的续约时点对齐到降价周期之后。

第四，它的现金压力是真实的。招股书自述即便财务改善，净现金流出仍将维持高位；5500 亿美元级的算力承诺是刚性支出。这不是明天就会发生的事，但它决定了未来一两年它会更在意现金流质量——对客户而言，这意味着「预付换折扣」这类对它有利的条款会变多，而「锁定长价」这类对客户有利的条款会变难谈。

这件事在过去很难做，因为拿不到数据。现在不同了——至少对头部供应商，公开披露已经提供了可引用的口径。对中小企业的采购与风控岗位来说，这是一次可以立刻落地的流程升级。

第一步是建一份供应商档案，把「公开财务与能力披露」作为固定字段：营收与增速、净收入留存率、单位成本变化趋势、算力与基础设施承诺规模、重大客户集中度、能力安全阈值披露、上次重大事件的处置记录。每一次模型发布或财报更新时刷新一次，来源直接写链接。

第二步是把「依赖度」量化。你的业务里，有多少条链路依赖单一供应商的模型？这些链路里，有多少条在供应商不可用时仍然能跑通？这两条比例，比任何价格谈判都更能决定你在续约时的从容程度。

第三步是把退出成本提前算出来并写在纸上。包括：业务规则与提示词是否与某一模型的输出格式强耦合、数据与向量库能否完整导出、备用模型切换需要多少工程工时、历史对话与评测样本是否可迁移。很多人在真正需要切换的那天才开始算，那时候算出来的数字只会很大。

把前面的分析落成可以直接使用的条款与问题，是这篇文章最实用的部分。以下五句话建议逐条写进供应商评估问卷与合同谈判清单。

第一句：这份价格合同的有效期多长，价格调整的触发条件是什么？问的不是「会不会涨价」，而是「在什么条件下会变」。写清楚触发条件，就等于把一部分定价风险从供应商转回你自己的判断。

第二句：当服务降级或中断时，我的降级路径是什么，SLA 的赔偿口径是什么？同时问清哪些接口承诺可用性、哪些只是尽力而为。对按量计费的 API 来说，把「用量补偿」写进条款往往比争取固定赔偿更有用。

第三句：我的数据在什么位置、被用于什么、保留多久、谁能访问？这一条在采购初期最容易被跳过，但在公开披露显示供应商自身数据流向越来越复杂之后，它反而成了最容易谈的条款——因为双方都清楚它的分量。

第四句：模型版本变更时，怎么通知、能不能锁版本、我的评测结果会不会因此失效？版本锁定与变更通知期，是把「模型换代」从一次技术事件变成可管理事件的唯一办法。

第五句：如果我需要把工作负载迁移到别家，合同如何终止、数据与评测资产如何交接？这句话往往会让谈判气氛变得微妙，但它恰恰是这份 S-1 带来的最大好处——供应商的经营状况第一次变成了公开信息，而公开信息的价值，就在于你不必靠猜。