Anthropic IPO 让企业 AI 的回报问题成为焦点

SEC 文件揭示了这家厂商商业增长的规模，同时引出一个更宏大的问题：企业买家如何判断 AI 支出是否物有所值。

SEC 文件揭示了这家厂商商业增长的规模，同时引出一个更宏大的问题：企业买家如何判断 AI 支出是否物有所值。

Anthropic 本周的 IPO 申报凸显了企业对前沿 AI 模型日益增长的需求，但企业能否从这些投资中获得可衡量的价值，仍是企业领导者面临的关键问题。

公司报告 2026 年上半年收入为 163 亿美元。据 SEC 文件，其企业客户群也迅速扩张：截至 9 月 30 日，Anthropic 在此前 12 个月内每家贡献至少 10 万美元收入的客户超过 11,900 家，而一年前还只有 950 多家。

对部署前沿 AI 的企业来说，挑战在于判断收益能否证明部署该技术的全部成本的合理性。这意味着不能只看模型或订阅价格，还要把集成、人工监督、持续维护以及厂商锁定风险都算进去。

Anthropic 的数字显示了在其技术上的支出增长有多快，但仅凭客户数量和供应商收入，无法揭示企业是否从这些支出中获得了回报。

（编者注：原文此处及文中另两处「Related:」相关文章链接，属站点相关推荐，已按口径剔除。）

企业对 AI 的需求加速

AI 模型的进步，以及能够编写代码、分析信息、自动化多步骤业务流程的智能体的出现，正在把企业对该技术的使用从实验阶段向外拓展。

企业 AI 厂商 Glokal AI 创始人兼 CTO、SAP API 项目经理 Jeet Pattanaik 表示，这些进步再加上更便捷的采购，正在推动采用。

「最简单的原因是，模型现在已经好到能干真正的活了，」Pattanaik 说。他还表示，现有的云合同也能让企业更容易获取 AI，并将其使用扩展到试点项目之外。

然而，随着公司将 AI 整合进更多工作流，仅凭使用量无法揭示这项技术到底交付了多少价值。员工可能经常使用 AI 工具，却并未让工作流更快或更有效。影响取决于 AI 是否降低成本、节省时间、提升生产力或改善结果。

全球技术服务公司 Concentrix 全球产品组织全球副总裁 Kathryn Harrison 表示，企业 AI 支出既反映了对这项技术的信心，也反映了董事会和 CEO 要求加快步伐的压力。「不应把它读作各公司已经想清楚经济账的证明，」Harrison 说。她还表示，企业还需要投资于那些能让员工与技术有效协同的运营变革。

更深的采用带来新的成本与依赖

随着企业把 AI 移入更多工作流，让技术落地的成本可能变得愈发难以管理。在初步实验中看似可控的开支，会随着部署扩大而增长。

科技咨询公司 Precocity 的 CEO、Generational Group 首席数字官 Tim Doll 表示，企业常常低估扩展部署的开销，尤其是当它们把昂贵的前沿模型用于例行任务时。

Doll 说，人工监督也会推高成本，因为员工必须核查 AI 生成输出的准确性和有用性。

当企业的数据没有准备好、系统之间连接不畅时，也会面临挑战。

「大多数组织没有真正考虑在内的另一件事，是数据的就绪度和系统的连接，」他说。

Harrison 表示，公司还必须为员工培训以及员工学习新系统所花的时间做预算。随着 AI 技术变化，企业可能需要重新审视或重建工作流，带来初始部署之外的成本。

Anthropic 的申报文件也说明，AI 的经济逻辑对供应商和客户可以截然不同。公司表示，让 Claude 在企业工作流和产品中的使用不断扩大，有助于推动收入增长。它还描述了一个循环：单任务成本下降鼓励更多使用，进而带来更广泛的采用。对 Anthropic 而言，这种扩张可以带来额外收入。但对企业来说，问题是 AI 使用量增加所带来的收益，能否证明额外支出的合理性。

模型定价是这个计算中的一个因素。随着供应商提高效率并推出更低价的模型，企业也许能以更低成本运行某些工作负载。「更便宜的模型是好消息，但它们很少降低总账单，」Pattanaik 说，「东西变便宜了，人们就用得更多。所以每项任务的花费更少，但总体支出上升了。」

对企业买家而言，真正的指标不是每 token 价格或订阅费，而是部署并维护一个……（原文至此截断）