Sam Altman 估计又要失眠了。

早上，《纽约客》刚发一篇万字调查报道来指责自己是「反社会骗子」，转头 OpenAI 的年化营收就被自己最大的竞争对手 Anthropic 反超了。

2024 年初，Anthropic 的年化营收还只有 10 亿美元。十六个月后，这个数字变成了 300 亿，超过了 OpenAI 的 250 亿。

值得注意的是，年化营收（ARR）是一种推算，不是已经装进口袋的真金白银。Anthropic 的算法是把最近四周的 API 营收乘以 13，订阅收入乘以 12，加总得出。OpenAI 的计算方式与此类似，用四周总收入乘以 13。口径相对一致，但也意味着一旦某个月需求骤然爆发，数字就会被放大，反之亦然。

数字背后，还藏着两种完全不同的商业逻辑。

一个五天原型，25 亿美元的生意

Anthropic 的营收里，70% 到 75% 来自企业和开发者的 API 消耗。客户把 Claude 嵌进自家产品和工作流，用多少付多少。剩下的来自 Claude Pro、Claude Max 等消费端订阅，以及 Claude Code 的企业合同。

Claude Code 值得单独说一下。

2024 年 9 月，Anthropic 内部一位 TypeScript 工程师写了个 Apple Script 提升自己的效率，五天之内半个工程团队都在用。这个意外的原型后来变成了 Claude Code，一个在终端里运行的智能编程代理，能读懂代码库，规划操作步骤，自主执行编辑、测试、提交。

目前，Claude Code 的年化营收已经达到 25 亿美元。全球 GitHub 公开代码提交中有 4% 是由它生成的，这个数字在一个月内翻了一番，预计年底将达到 20%。届时全球每五条代码提交，就有一条出自同一个模型之手。
就是这样一个五天搓出来的原型，变成了 25 亿美元的生意。

直接去找愿意付钱的人

OpenAI 拥有 9 亿周活跃用户，ChatGPT 是人类历史上增长最快的消费级应用之一。

但这 9 亿用户中，只有大约 5% 到 6% 是付费的，其余 94% 免费使用。

此前我们写过一篇文章，指出了 OpenAI 为了维持 ChatGPT 这个「大体上免费」的产品，需要付出极高的算力成本，相当于是在做「补贴」。（考虑到 OpenAI 此前宣布在免费档上加入广告，无疑是因为在 7-8 亿周活用户的量级上做算力补贴的成本实在太难以接受。）

据 The Information 报道，OpenAI 预计 2026 年将亏损 140 亿美元，累计亏损到 2028 年底将达到 440 亿，最早也要 2029 年才能盈利——甚至，就连 ChatGPT Pro 订阅都是亏钱的，奥特曼自己也承认了这一点。

去年，汇丰银行环球投资研究对 OpenAI 的收入模型做了分析，指出：OpenAI 需要在 2030 年实现至少 30 亿周活跃用户，并且其中付费用户的比例达到 10%，才能够避免「入不敷出」。

和现在相比，这个周活跃用户只需要再翻两倍多一点；但是，付费用户数量却需要增长 6.5 倍才行。

Anthropic 走的是另一条路。

它大约 80% 的收入来自企业客户。两年前有 12 家公司每年向 Anthropic 支付超过 100 万美元，现在这个数字超过了 1000 家，而且在不到两个月内就从 500 家翻了一番。八家「财富」前十强企业都是它的客户。

Anthropic 每位月活跃用户平均收入为 211 美元，OpenAI 每位周活跃用户平均收入为 25 美元。虽然口径不一，但即便统一口径计算，A 社的变现能力都比 OpenAI 要强得多。

今年 3 月，首次购买 AI 工具的企业中，有 73% 选择了 Anthropic。十周前这个比例还是五五开，去年 12 月甚至是 60:40 偏向 OpenAI。Axios 在报道中指出，AI 竞赛的焦点正在从「谁的模型最好」转向「谁能最快变现」，而 Anthropic 正在企业客户这个最重要的战场上拉开距离。

消费互联网的流量思维和企业软件的价值思维之间，存在一种根本性的差异：OpenAI 选择了前者，用免费产品圈住数亿用户，再想办法转化。Anthropic 选择了后者，直接去找愿意付钱的人。

在 AI 模型的推理成本高居不下的今天，后者看起来是更健康的路径。但这并不意味着 OpenAI 做错了。9 亿用户这个数字还是令人不可小觑的，只是，OpenAI 这个用户体量（特别是前面提到的付费比例）想要兑现为真实收入，周期要比企业软件路线更长、风险更大。

可能这也是为什么 OpenAI 正在考虑收缩它的消费级产品，将重心转向企业市场。

只是，这可能又落入了我们今天在前一篇文章里提到的陷阱：在 AI 事业的关键议题上，OpenAI 经常摇摆不定，会有重视-忽略-重视-忽略的循环。

谁也没法说，OpenAI 今天看重企业市场，回头过两年会不会又改主意。

（成天改主意，每次都 all in，这味道倒是像极了某公司……）

而且，转身需要时间，而 Anthropic 从一开始就已经站在终点线上。

300 亿美元的营收需要相应的基础设施来支撑，Anthropic 今天宣布与谷歌、博通的三方协议，就是为此而来。

根据提交到了美国证券交易委员会的文件，博通将承担更多谷歌 TPU 的代工业务，而从 2027 年起 Anthropic 将通过该公司获得大约 3.5 吉瓦的 TPU 算力。

瑞穗分析师估算，在 2026 年，博通仅从 Anthropic 一家就将获得 210 亿美元的 AI 收入，2027 年达到 420 亿。

Anthropic 的算力策略也值得注意。它同时使用 AWS 的 Trainium、Google 的 TPU 和 NVIDIA 的 GPU 三种芯片平台，同时也是唯一一家在 AWS Bedrock、Google Cloud Vertex AI 和 Microsoft Azure Foundry 三大云平台上都提供前沿模型的 AI 公司。

这种多平台策略，让企业客户此前无论在哪个云平台上，都可以无需更换平台即可接入 Claude 大模型 API，同时更让 Anthropic 避免了对单一供应商的依赖。

二级市场已经开始重新定价

买方对 Anthropic 股票的需求目前高达 20 亿美元，几乎找不到愿意出手的卖家。隐含估值从两个月前 G 轮融资时的 3800 亿美元上升到了约 6000 亿美元。高盛对 Anthropic 配售收取 15% 到 20% 的业绩报酬。

与此同时，价值 6 亿美元的 OpenAI 股票据说无人问津。

IPO 的话题正在变得越来越具体。据 The Information 报道，包括 CEO Dario Amodei 在内的 Anthropic 高管已经在讨论最早于 2026 年 10 月上市，公司聘请了 Wilson Sonsini 作为法律顾问，并与高盛、摩根大通组成的银行团队推进 S-1 文件的准备。

承销方预计此次募资将超过 600 亿美元，若成真，将成为科技史上仅次于 SpaceX 的第二大科技 IPO。目前的目标估值从最初的 5000 亿美元起步，市场预期最终可能突破 8000 亿美元。

华尔街日报在两家公司预计今年晚些时候上市前，获取了 OpenAI 和 Anthropic 的机密财务资料。在这场竞赛里，两家公司都在以一种惊人的速度烧钱，只是 Anthropic 的账面比率看起来稍微好看一些。

OpenAI 预计到 2028 年在算力上的支出将达到 1210 亿美元，尽管收入几乎翻了一番，但仅那一年就会亏损 850 亿美元。

剔除训练成本，两家公司现在都接近盈利；把训练成本加回去，OpenAI 的盈亏平衡目标则推到了 2030 年。Anthropic 预计会更早达到，目前其规划 2027 年实现正向自由现金流。

增长放缓几乎是不可避免的。Epoch AI 在建模时也注意到，Anthropic 的增速从 2025 年 7 月起已经从每年 10 倍降到了每年 7 倍左右。这依然是一个惊人的数字，但趋势已经在发生变化。

更大的体量意味着每一个百分点的增长都需要绝对量上更大的增量，市场会在某个时点开始出现饱和，竞争也在加剧。

两种 Token 烧法，要解决同一个问题

前文提到，OpenAI 是先圈用户，再想办法变现。这是消费互联网的经典路径，Facebook、Google、TikTok 都是这么走过来的。风险在于，AI 模型的推理成本远高于传统互联网产品，免费用户不是资产，你需要在烧光钱之前找到转化路径。

而 Anthropic 直接去找愿意付钱的人。这是企业软件的经典路径，Salesforce、Oracle、SAP 都是这么走过来的。这里的风险在于，企业市场的天花板比消费市场低得多，而且一旦增长放缓，估值就会被重新定价。

OpenAI 赌的是时间，赌推理成本会快速下降，赌 9 亿用户中总有一部分会转化为付费用户。Anthropic 赌的是确定性，赌企业客户的付费意愿足够强，赌自己能在增长放缓之前建立起足够深的护城河。

现在的问题是，谁的时间窗口会先关闭。

OpenAI 的时间窗口是推理成本下降的速度。如果成本下降得不够快，免费用户就会变成一个无底洞。Anthropic 的时间窗口是企业市场的饱和速度。如果增长放缓得太快，二级市场就会开始重新定价。

两家公司都在和时间赛跑，只是跑道不同。一个在消费市场的长跑道上狂奔，一个在企业市场的短跑道上冲刺。谁会先撞线，谁会先撞墙，现在还不知道。

但有一点是确定的：AI 行业的竞争，已经从「谁的模型最好」变成了「谁能活到最后」。而活到最后的前提，是你得先找到一条能养活自己的路。

Anthropic 找到了，OpenAI 还在找。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

有多少会议的录像，你从来没有回看过？

我想有些人的答案是：几乎全部。

录制文件躺在云端，没有索引，没有摘要，于是我们宁可在手机备忘录里潦草记几行字，也不去动那个文件夹。时间一长，会议录像的意义，就只剩下一种：防止对方事后翻脸说「我没说过这句话」。

作为腾讯会议的深度用户，我用它录过选题会、采访，也录过早八课、小组讨论。录制于我而言，从来只是个存档动作。因为我总要花 3 倍于会议时长的时间，去整理笔记、提炼重点、定位关键信息。稍有不慎就会遗漏核心点，主打一个「摸鱼一时爽，整理火葬场」。

腾讯会议这次「智能录制」的升级动静不小。变的不仅是准确率，还包括整个框架。它引入了多模板机制，不同类型的会议，AI 会用不同的方式帮你整理。

看到「AI 帮你整理会议内容」，可能你和我的第一反应是：又来。这种功能见得太多了。生成出来的东西，要么是逐字稿套了个排版，要么是把你说的话复读一遍加了个标题。

但这次可能真的不一样，我拿了几种完全不同的会议来试，工作周会、大学课堂、客户拜访，看看它到底能整出什么花来。

体验入口：

第一步：在会议中开启「云录制」，会议结束后录制文件将自动保存进入你的「录制」文件中。

第二步：进入腾讯会议客户端/APP，点击「录制」（APP 请从「我」-「录制」），在全部文件中，选择任何一场会议，进入后即可查看该功能。

不同的会，终于有了不同的整理方式

我先拿了一场最常见的周会开刀。

这会会一般信息密度不高但杂乱，我过去通常的处理方式是：打开录制文件，拖着进度条找到关键段落，然后打开备忘录开始手动敲：谁说了什么、结论是什么、谁负责跟进。

这次我什么都没做，会后直接打开录制文件，选择「智能总结」模板。

在这场周会的录制里，AI 把内容切成了大约 6 个段落，排期讨论、预算确认、人员安排，每一段标题都对得上我的记忆。单是这一个功能，就帮我省下了至少一半的整理时间。

对于大多数日常工作会，这个通用模板已经够用了。但腾讯会议这次真正让我觉得有意思的，是接下来这件事。

因为不同类型的会议，对「重要信息」的定义完全不一样。

一节课的核心是知识点和考试重点，一场客户拜访的核心是预算、决策链和痛点，一次项目启动会的核心是里程碑和责任人。让一套 AI 模板包打天下，就像让同一个实习生既写课堂笔记又写销售报告。能用，但不专业。

腾讯会议这次一口气推出了 5 个场景化模板，我拿大学生最刚需的「学霸助手」先测了一场早八课。

周三早八，文学翻译鉴赏课，老师用英文开场，PPT 切换的速度比我意识清醒的速度快一倍。

和往常一样，进入会议我顺手点了云录制，然后把脑子调到了省电模式。

下课后，我先点开了逐字稿，中英夹杂，密密麻麻。「so」和「就是说」交替出现。

我在屏幕前坐了三秒，头开始疼，算了，直接看「学霸助手」模板整理的纪要。

整齐的语段就这样萌萌地看着我。

我在复盘时发现一个有趣的细节：老师在讲「Memory, like olives, is an acquired taste.」这句话如何翻译时，用了相当长的篇幅分析「acquired」，AI 纪要把这段内容压缩成了要点，而不是一堆原话的堆砌。

最让我觉得贴心的是，组队人数、抽签规则、评分占比等重要细节都无一遗漏。

但 AI 的输出不是终点。我还可以随时在要点下面加一段自己的理解，操作就像在一篇文档里插入注释一样自然。 我的思考、我的补充、我的疑问，都能和课程内容牢牢绑定在一起，随着学习过程不断丰富，最终变成完全属于我的学习资产。

对中小企业来说，多模板可能更值钱

除了学霸助手，腾讯会议还准备了汇报总结、项目启动纪要、客户拜访纪要（MEDDICC）和客户分析（BANT）四套模板。

我有个做 ToB 销售的朋友，团队六个人，没有 CRM 系统，客户信息全靠微信收藏和脑子。每次见完客户回来，主管问一句「对方预算多少？谁拍板？」他就开始翻手机备忘录上潦草的三行字，剩下的全凭印象。

他不是不知道 BANT、MEDDICC 这些专业销售框架好用。客户预算、决策人、需求、时间线，哪条漏了都可能跟错单。但六个人的小团队，哪有精力每次见完客户还坐下来花半小时填表？

行业里有个数据说，用对了销售资格认定框架，成交率能提高 67%。道理大家都懂，卡就卡在执行上。

这次我帮他试了一下 MEDDICC 模板。操作很简单：客户拜访时开着腾讯会议的云录制，聊完之后切到 MEDDICC 模板，AI 直接把聊天里提到的预算范围、谁是最终决策人、客户痛点、竞品情况这些信息，按框架归好了类。

他看完说了句：「我以前花半小时填的东西，它开完会就填好了。」

BANT 模板也是同样的逻辑，预算、决策权、需求紧迫度、时间线四个维度自动归位。对他这种小团队来说，这招属于「轻资产、重方法」。

买不起几十万的 CRM，请不起咨询公司做销售培训，但开个腾讯会议、选对模板，AI 就能帮你把客户信息按专业框架整好。说白了，方法论本身不贵，贵的是执行成本。现在执行成本被 AI 干掉了。

会议能被追问，元宝是我的私人秘书

如果说智能纪要解决的是「会后整理」，那「问元宝」解决的是更深一层的问题：会议内容能不能被追问。

我们或许都经历过，在五六个人的工作会议中，大家都在说话，你很难在实时对话中同时追踪每个人的立场演变，注意力往往被最强势的那个声音带走了。

现在你直接点击逐字稿里参会者的昵称，就可以让元宝总结 ta 的全场观点。分人总结之后，这五六个人分别说了什么、各自强调了什么、在哪个问题上有过保留意见，全部清晰呈现。

会后追问，才是「问元宝」更日常的用法。

做访谈时，有位受访者提到了心盲症（Aphantasia）这个概念，我当场不好打断就没追问。会后让元宝结合那段访谈内容和外部资料给我解释，它把受访者的个人描述和认知科学的外部知识结合起来，标注了哪些内容来自录制，哪些来自联网检索。

之前遇到陌生概念，要花几小时翻知网、查文献，既耗时又容易出错。现在元宝直接完成「访谈内容解读 + 权威知识补充 + 信源标注」一站式服务，整理好的内容稍作调整核对，就能直接放进论文附录或注释里了。

大学生们课后如果需要给组员发组队通知，直接输入「根据本节课的分组要求，生成一份组队通知，明确组队时间、人数要求、报告占比、抽签规则」，一份清晰得体的通知立刻生成，复制粘贴就能发到群里。

这样一来，「会议内容」就从一段只能播放的音视频，变成了一个可以被追问、被延伸的知识库。你只需要告诉 AI 你想知道什么，它帮你从里面捞出来。

会议录制的终点，是「随时调用的记忆」

以前我对会议效率的期待，就是开完能有份纪要就谢天谢地了。但纪要只是信息的归档，归档之后的信息怎么再流转、怎么被用起来，才是真正决定效率的环节。

这一年腾讯会议把 AI 嵌进了会议的每一个角落。现在，多模板管整理，元宝管追问，整条链路终于没有断点了。

你可以追着它问、往里面加自己的笔记，甚至让它联网帮你查资料。会议录制文件第一次变成了一个活的东西。

我翻了翻云端那堆从来没打开过的旧录制文件，原来早就支持了，过往文件也能用。

那些在云端躺了几个月的早八课录像，我可能要重新打开了。不是为了复习，只是想知道，那节我快睡着的课，AI 眼里的「核心知识点」到底是什么。

与其说这是会议录制，不如说是把工作生活里，那些过去没有被好好整理的上下文记忆都留存了起来。

这，才是「会议录制」这个动作之后真正应该有的结局。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。