Claude狂印钞！Anthropic人均营收900万美元，吊打英伟达

新智元报道 编辑：定慧 【新智元导读】 Epoch AI最新数据：Anthropic人均年营收900万美元，远超OpenAI的560万和英伟达的510万。一家没上市的AI公司，人效已刷新硅谷全部历史纪录。 作为打工人，你有没有都偷偷算过这道题： 一年到底给公司挣多少钱？10万？100万？1000万？ Epoch AI最新数据：Anthropic 人均年营收900万美元 。 900万美元，换成人民币就是6300万！ 这个数字看着太不真实了。 而且，Anthropic只有三千人，Anthropic整个公司就这么点人。 放在硅谷，塞不满一栋中型写字楼。 但Epoch AI公布的这组数字，让这三千人变成了硅谷最贵的三千颗脑袋。 做个参照对比。 英伟达，全球市值最高的芯片巨头，每人贡献的收入是510万美元。 OpenAI，ChatGPT帝国的缔造者，每人贡献是560万美元。 Apple，市值最高的公司，人均240万美元—Anthropic是它的近4倍。 Meta，220万。 Google，200万。 Microsoft，110万。 苹果、谷歌、Meta、微软—几亿打工人挤破头想进的地方。它们的人均营收，都不到Anthropic的三分之一。 OpenAI跟Nvidia是离Anthropic最近的两位选手。 即便如此，得1.6个OpenAI员工才能顶1个Anthropic员工，1.8个Nvidia员工才能顶1个。 全被甩在身后。 更值得玩味的是，Epoch AI指出，这个数字甚至超过了上述公司在IPO高峰期的人均营收水平。 一家还没上市的公司，效率已经碾过了硅谷巨头们的历史巅峰。 如果回顾人类发展的历史，把镜头拉到1901年。 那一年，J.P.摩根把卡内基的钢铁帝国整合成US Steel—当时美国最大的工业公司。 16.8万名工人，年营收4.2亿美元。相当于每个工人，每年约2500美元。 这是工业时代的人均上限。人控制机器，机器把铁烧成钢。 然后时间往前走。 1955年，通用汽车62万员工，124亿美元营收—人均约2万美元。流水线吞掉了体力，把人变成可替换的工序。 1985年，IBM40万员工，500亿美元—人均12万。大型机吞掉了纸面计算，西装代替了工装。 1995年，微软上市第十年，1.78万人，59亿美元—人均33万。软件第一次显出真本事：一份代码可以复制一亿份，却不需要一亿个工人。 2004年GoogleIPO那年，3,021人，32亿美元—人均刚好100万。互联网把复制的边际成本压到了零。 2012年Facebook上市，3,500人，51亿美元—人均145万。社交网络让用户成为产品本身。 到Apple近年峰值，3,900亿美元营收/16.4万员工—人均约240万。这家市值最高的公司，也只走到这里。 然后Anthropic出现了：900万。 124年，3600倍。 同一时段，美国通胀只涨了35倍左右。两条曲线之间的距离，就是「文明的杠杆」被拉开的速度。 900万美元的秘密 Epoch AI是AI领域最权威的独立研究机构之一，专门追踪前沿AI公司的算力支出、融资和运营效率数据。 这次公布的排行基于各公司最新公开的营收与员工信息推算，方法简洁，结论直白。 英伟达可不是什么低效公司。 黄仁勋的芯片帝国毛利率常年60%以上，华尔街把它当印钞机看。 在传统科技公司里，英伟达的人效已经是天花板级别。 Anthropic用不到Nvidia七分之一的人力，在每个人头上多挤出来将近400万美元。 两种完全不同的商业物理学。 为什么AI前沿公司能做到传统巨头做不到的人效？ 答案就一个词：边际成本。 传统科技公司的增长公式很朴素——多招人，多出货，多赚钱。收入翻倍，团队至少也得翻个五六成。微软、谷歌、亚马逊，过去二十年都是这么长大的。 AI模型公司打破了这个公式。 Anthropic的核心产品是Claude系列模型和API。 模型训练是一次性重投入，权重定下来之后，服务一万个用户和一百万个用户，需要增加的主要是推理算力，不是人头。 不需要为每百万新用户多招一百个客服。不需要为新市场建产线。不需要为企业客户配专属团队。 一个模型，全球通吃。 数据验证了这个逻辑。 Anthropic在2024年初的年化营收约10亿美元。到2025年底飙到近百亿。 2026年春季，多家机构追踪显示年化营收已突破数百亿美元规模。 营收翻了十几倍，人头只多了几成。 试想一下：Anthropic某个工程师周一推了一个推理优化，让延迟降低5%。到周五，这个优化已经在全球数百万个API调用里生效。 一个人的工作，乘以百万倍的杠杆。 900万美元就是这么来的。 芯片卖的是原子 如果说Anthropic是做软件的，那么和做硬件的英伟达做一个对比。 英伟达是有史以来最赚钱的半导体公司，但英伟达的生意有一个结构性约束——它卖的是原子。 设计芯片要人。流片要人。封装测试要人。供应链管理要人。全球客户支持要人。每卖出一批GPU，背后都有一条长长的人力链条。 AI模型公司卖的是硬件的产出物—— 智能本身 。 一块H100从设计到交付，需要上百人接力。Claude从训练完成到服务第一百万个API调用，中间增加的人力趋近于零。 说到底，900万对510万，比的不是谁更勤奋。是两种商业模型对人力的依赖度根本不同。 英伟达再怎么优化流程，也绕不开原子世界的物理约束。AI模型公司的天花板，理论上只取决于算力供给和市场需求。 这才是Epoch AI这组数字真正要说的事：商业效率的定义正在被重写。 Anthropic vs OpenAI：效率暗战 看完了软硬对决，再来看看同样是软件公司，Anthropic强在哪里？ 其实就是这个数据还藏着一个更微妙的信号：ASI双雄之间的效率鸿沟。 Anthropic人均900万。 OpenAI人均560万。差距超60%。 两家公司产品形态相似，客户群高度重叠，技术路线在同一赛道上。但人效差出一大截。 一个可能的解释是战线长度。 Dario Amodei多次表示不会大规模扩招，核心精力聚焦一件事：把Claude做到极致。 Sam Altman的路线完全不同。 过去两年，OpenAI从大模型扩展到硬件设计、机器人、搜索引擎、消费产品等多条战线，团队快速膨胀到3500人以上。 战线拉长，人均产出被摊薄，这是组织扩张的基本规律。 当然，这并不意味着OpenAI的选择是错的。 多线作战牺牲短期人效，换的是长期生态壁垒。代价先反映在人均数字上，收益可能要过两年才看得见。 但Epoch AI的另一项研究指出了一个更劲爆的趋势：按照当前增速差异，Anthropic有可能在2026年中旬在总营收上追平甚至超过OpenAI。 如果这真的发生，决赛格局将出现最耐人寻味的一幕——后发者用更少的人、更短的时间、更聚焦的战线，赚到了更多的钱。 泡沫还是范式 回到数据本身。 很多人第一反应：这不就是烧VC的钱撑出来的虚假繁荣吗？ 这种怀疑完全合理。 2023到2024年，不少AI公司的营收来自免费试用期后的短暂付费高峰，续费率堪忧。 如果900万美元只是靠融资补贴烧出来的数字，那整组数据就是精心包装的幻觉。 但当前的证据不支持这个判断。 Anthropic的收入主要