Anthropic的收入曲線正在打破網際網路時代的增長常識。2025年底，公司年化收入執行率還只有約90億美元，到今年5月已升至470億美元，7月底進一步突破650億美元，半年多時間翻了七倍以上。今年第二季度，Anthropic收入做到116億美元，首次超過OpenAI同期的67億美元。

反常之處在於，Anthropic並不是那家看起來最該賺這麼多錢的公司。它沒有ChatGPT那樣龐大的消費者入口，也沒有微軟、Google現成的軟體生態。按過去二十年網際網路的經驗，使用者多、入口大的一方更容易賺錢，搜尋、電商、社交、SaaS莫不如此。Anthropic偏偏是個例外。

很多人把答案歸結為Claude Code。今年2月，Claude Code年化收入已超過25億美元，商業訂閱較年初增長四倍，超過一半收入來自企業客戶。但算一下賬就會發現對不上：當時Anthropic整體年化收入已達140億美元，Claude Code只能解釋其中一小部分；此後公司收入一路衝到650億美元，單靠Coding業務很難填上中間幾十億美元的差距。更何況，賣Coding Agent的公司已快比真正寫程式碼的AI公司還多——OpenAI有Codex，微軟有Copilot，Cursor、Windsurf也都在搶程式設計師的錢。

問題可能從一開始就問錯了。Claude Code確實賺錢，但Anthropic真正賺到的，從來不只是Claude Code的錢。它沒有搶到最大的使用者池，卻站到了最費Token的那群人身後。

一個程式設計師可以一天都不開啟Claude官網，也不碰Claude Code。他可能待在Cursor裡寫程式碼，也可能一直在Copilot裡工作。介面屬於別人，使用者也屬於別人，但只要後台跑的是Claude，Anthropic照樣能收到錢。Claude Code、Cursor、Copilot、Codex都被塞進「AI程式設計工具」這個籃子裡，看起來彼此競爭，其實位置並不一樣：Cursor和Copilot首先是應用，Claude、GPT、Gemini首先是模型；前者搶使用者，後者搶呼叫。Anthropic特殊的地方在於兩邊都做——Claude Code自己下場搶程式設計師，Claude模型又被塞進別人的產品裡賺錢。Cursor每多一個使用者，看起來是Cursor的增長；但如果這個人一天讓Claude在後台讀幾十次程式碼、跑幾十輪測試，Anthropic一樣能跟著收租。

這也是為什麼只盯著Claude Code的25億美元，很容易低估Anthropic吃到的市場。它真正參與的，不是一個產品的增長，而是整個Coding Agent市場膨脹之後不斷增加的模型消耗。當然這筆賬現在還沒人能徹底拆開——Anthropic沒有披露650億美元收入裡，Claude Code、API、企業直銷和第三方Agent各佔多少。Claude Code只是擺在檯面上的生意，真正肥的那一塊，藏在別人的產品裡。

時間差是關鍵。2024年6月Claude 3.5 Sonnet釋出後，Claude慢慢在程式設計師群體裡形成了一種很難量化卻很值錢的偏好：遇到Coding任務，先試Claude。這並不意味著它之後每個Benchmark都穩居第一，模型能力排名變化太快，一張榜今天第一，下個月就可能被新模型頂下去。真正重要的是，Anthropic比較早地在Coding上建立了優勢，並維持了足夠長的時間。Menlo Ventures的企業AI調查顯示，到2025年底，Anthropic已拿下約54%的企業Coding模型份額，OpenAI約21%；半年前，Anthropic的份額還是42%。

換句話說，在Coding Agent真正大規模爆發之前，Claude已經先把位置占上了。2024年Claude 3.5 Sonnet剛出來時，今天這輪Agent浪潮還沒完全起來：Cursor還在擴張，Copilot正從單模型變成多模型，大量企業也沒有真的把Agent塞進日常開發流程。Anthropic先贏下的是一批程式設計師對模型的偏好，然後市場突然開始膨脹。原來Claude可能只是幫一個程式設計師寫一段函式、解釋一段程式碼；後來Cursor、Copilot和各種Coding Agent開始接管完整任務，Claude面對的就不再是幾個Prompt，而是一整套工作流。這就像一條原本沒什麼車的高速公路，Anthropic提前把收費站修好了，等真正的車流來了，很多車自然往這裡灌。

不過，即使這樣，650億美元還是有點誇張。半年時間裡，全球程式設計師沒有突然多出七倍，Cursor也沒有憑空多出七倍使用者。真正暴漲的是另一件東西——每一個人背後的機器，開始幹更多活了。

聊天機器人時代，模型消耗被人卡得很死：你問一句，它答一句；你不動，它也基本不會自己往下幹。所以不管模型多聰明，呼叫量最後還是受制於時間——人一天只有24小時。Agent把這個限制拆掉了一部分。比如讓一個Coding Agent修Bug，人只說一句「把這個問題修掉」，後面的事情就不一定需要人繼續參與：Agent先讀程式碼、找檔案、判斷問題、改程式碼，然後跑測試；失敗了再看報錯，繼續改，再跑。使用者只發起一個任務，後台可能已經產生幾十輪模型呼叫。真正重要的不是「大家更愛用AI了」，而是以前幾乎繫結在一起的兩件事被Agent拆開了：人的操作次數和模型呼叫次數。以前一個人點十次，大致產生十幾次、幾十次互動；現在一個人點一次，機器自己可以往下跑很久。人下班了，機器還可以接著加班，一個人甚至可以同時僱好幾個Agent加班。

OpenAI今年公佈的Codex資料就很典型：到5月，70.2%的抽樣個人使用者至少交給Codex過一次相當於人類1小時以上工作量的任務，25.6%的使用者交過至少一次8小時以上的任務；到了6月，最重度的1%使用者通過多個Agent並行工作，一天甚至可以產生超過60小時的Agent工作回合。一天只有24小時，為什麼能幹60小時的活？因為已經不是一個人在幹，機器可以同時開工。

這才是Agent對模型公司最直接的商業意義。過去AI公司想多賺錢，無非兩條路：拉更多使用者，或者讓現有使用者多交一點訂閱費。Agent突然多出第三條：讓同一個使用者背後的機器多幹一點活。而Coding恰好非常適合這套模式——程式設計師本身工資高，企業願意花錢換效率；軟體開發裡的任務又足夠密集，寫程式碼、改Bug、測試、重構一環套一環。更重要的是，程式碼是少數AI幹完活之後可以馬上被機器檢查的知識工作：能不能編譯，能不能跑，測試過沒過，結果擺在那裡。這讓企業敢把更長、更復雜的任務交給Agent，也讓Agent可以放心在後台多跑幾輪。一邊是很貴的人，一邊是可以持續消耗模型的機器，中間還有一套相對清晰的驗收標準。Coding幾乎是給Agent商業化量身定做的第一塊市場。

過去網際網路公司最喜歡講使用者——日活多少，月活多少，付費率多少，因為整個商業模式幾乎都是圍著人設計的。AI最早也是這麼講故事：ChatGPT有多少周活，Claude有多少訂閱使用者，哪個AI App下載量更高。這套邏輯當然還有效，但到了Agent這裡，只看使用者數已經越來越容易看漏東西。假設一家公司有1億使用者，每個人每天問AI五句話；另一家公司只有2000萬用戶，但這2000萬人背後的Agent每天跑幾個小時——哪一家能給模型廠商貢獻更多收入？答案已經沒那麼明顯。因為對於按Token和呼叫收費的模型公司來說，人只是起點，真正產生賬單的是機器。一個人開啟App十次，價值未必比得上另一個人扔進去一個複雜任務、讓Agent自己跑兩小時。

Anthropic不是在跟OpenAI比誰家門口排隊的人更多，它站的位置更像是賣鏟子，而礦工已經開始24小時輪班。Claude Code自己掙錢；Cursor呼叫Claude，Anthropic掙錢；Copilot把部分任務路由給Claude，Anthropic還是掙錢；未來再冒出新的Coding Agent，只要它覺得Claude最好用，Anthropic依然能從裡面拿到錢。以前想賺錢得先把使用者搶過來，現在Anthropic可以不擁有這些使用者，只要最後幹活的是Claude，也能分到錢。所以650億美元真正值得看的，並不是Anthropic突然多出了七倍程式設計師使用者，而是Agent開始把一個人的工作需求拆成越來越多機器呼叫。以前AI賣的主要是「使用權」，現在它開始越來越像在賣另一種東西——機器工時。

但如果故事停在這裡，Anthropic幾乎像是找到了AI時代最舒服的商業模式：自己不用承擔所有獲客成本，Cursor拉使用者，Copilot佔入口，各種Agent負責把AI塞進更多工作，Anthropic只需要在後面收模型呼叫的錢，別人越成功它越賺錢。問題也恰好出在這裡——這些使用者從來不是Anthropic的。今天Cursor覺得Claude寫程式碼最好，就把任務交給Claude；明天GPT更強，或者Gemini更便宜，切過去也沒有那麼難。GitHub Copilot早就開始多模型化，Cursor也一直在補自己的模型能力。對這些應用公司來說，Claude、GPT和Gemini說到底都是供應商。一個越來越成熟的Agent平台，甚至不需要讓使用者自己挑模型，它完全可以在後台自動判斷：簡單任務丟給便宜模型，難題交給Claude，某些特殊任務再換GPT。使用者最後只看結果，根本不關心背後是哪家公司在跑。真到了這一步，模型公司就沒今天這麼體面了——Cursor手裡拿著訂單，Claude、GPT、Gemini站在門口競價，誰便宜、誰快、誰這一週能力更強，活就給誰。

Google當年最值錢的不是搜尋演算法本身，而是搜尋入口；Meta真正牢固的是社交關係鏈；微軟最難替代的是Office和企業工作流。這些東西一旦佔住，使用者想換需要付出很高成本。但模型未必有這麼幸運：如果應用層已經把所有體驗封裝好了，後台把Claude換成GPT，使用者甚至可能感覺不到。這就是Anthropic這輪增長最有意思的地方——它的優勢和風險來自同一件事：不用擁有使用者，也可以賺使用者的錢；但使用者不在自己手裡，下一筆錢也未必一定是自己的。

今年第二季度，Anthropic已從此前的大額虧損改善到小幅調整後經營盈利，而同期OpenAI的經營虧損繼續擴大。至少眼下，這說明Anthropic這套生意已經不只是拿收入換增長。但它能不能長期保持這種利潤狀態，還要看一個今天很難回答的問題：模型到底能不能一直擁有足夠大的差異化。如果可以，Anthropic現在佔住的位置非常值錢；如果不可以，那今天看起來像「收費站」的模型層，最後也可能變成一個競爭激烈的供應鏈環節。到那時，Anthropic會發現一個有點尷尬的事實：幫別人賺到越多使用者，自己拿到的呼叫可能越多；但別人一旦真正掌握了這些使用者，也就有了壓價和換供應商的底氣。

所以650億美元真正重要的地方，並不是證明Anthropic已經贏了。它證明的是，AI公司開始找到一種不依賴使用者數量暴漲、也能讓收入快速增長的辦法。程式設計師不需要多七倍，使用者甚至都不用多七倍，只要原本由人親手完成的工作越來越多被扔給Agent，模型的工作量就可以繼續往上走。而Coding之所以最先跑出來，也沒什麼神秘的：人貴，活多，還能驗收。三個條件湊在一起，機器自然最先在這裡加班。