Anthropic 年化营收突破 650 亿美元,7 个月增长超 7 倍,首次实现盈利
截至今年 7 月底,Anthropic 年化营收运行率突破 650 亿美元,较 2025 年底的约 90 亿美元增长超 7 倍。Q2 初步收入超过 115 亿美元,同比增幅 14 倍,并首次实现营业利润转正——在前沿模型公司普遍依赖融资、持续消耗算力的阶段,这是一条罕见的增长曲线。
截至今年 7 月底,Anthropic 年化营收运行率突破 650 亿美元,较 2025 年底的约 90 亿美元增长超 7 倍。Q2 初步收入超过 115 亿美元,同比增幅 14 倍,并首次实现营业利润转正——在前沿模型公司普遍依赖融资、持续消耗算力的阶段,这是一条罕见的增长曲线。
推动增长的当然有 Claude 模型本身——但模型能力并不会自动转化为收入。过去几年,Anthropic 一面推进前沿模型,一面推出 Claude Code、MCP、Cowork 等带有新品类意味的产品。
这家公司常常能在模型跨过能力阈值后,迅速找到释放能力的产品形态,并实现商业化。这很难归因于几次偶然的产品判断。
注:年化营收运行率(ARR)为基于最近月度收入年化推算的指标,反映当前增长势能。Q2 初步收入为 Anthropic 内部统计,未经审计。
但数据只是故事的一部分。更值得追问的是:押注 Coding 的公司很多,为什么它先吃到了复利?
要理解这个问题,可以先从 Anthropic 内部一种特殊的岗位说起。Dianne Penn 是 Anthropic 第一位技术产品经理,职务名称指向一个特殊的交叉点:一端进入 AI Research,跟进模型研究团队的工作;另一端连接产品实验室 Labs,用原型探索新能力可能长出什么产品。
在传统软件公司,技术地基相对稳定,产品经理可以围绕明确需求规划功能。但在前沿模型公司,这块地基每隔几个月就可能改变。
围绕明确需求规划功能,技术地基相对稳定,路线图可以精确到季度。
跟进模型研究,判断实验室里刚出现的能力哪些接近可用;把模糊的"不好用"还原为可复现的失败。
Dianne 和团队的核心工作,正是管理这种不确定性:实验室里刚出现的能力,哪些已经接近可用?用户说"Claude 不好用",缺的是模型、工具、界面,还是工程基础设施?当用户拿 Claude 完成团队未曾设想的任务时,那是偶然技巧,还是一种新的产品可能?
2023 年 7 月,Claude 2 上线后的一次 bug 排查,初步展示了这套工作方式如何运转。
用户频繁抱怨 Claude 2"不太会遵循指令"。这个反馈看似严重,却无法直接指导模型研究。用户不会区分问题来自预训练、后训练、系统提示还是工具调用——他们只能描述任务没有完成。
Dianne 和团队开始阅读用户授权分享的失败轨迹,追问任务究竟在哪一步停下。沿着案例向下查,他们发现,在早期这类投诉中,大约 80% 都指向一个具体得近乎琐碎的问题:Claude 无法稳定输出正确的 JSON。
一个诚实的注脚:模型不会自动理解用户的抱怨。正是 Research PM 这个角色,把模糊的"不好用"变成了模型可以学习的信号。
2023 年末,Dianne 和团队又注意到一种变化。过去,人们使用代码模型主要是补一行代码、写一个函数。后来,越来越多用户开始要求 Claude 一次生成更长、更完整的代码。
没有人直接要求 Anthropic"做一个 agentic coding 产品",但用户已经改变了自己的行为。Anthropic 把长代码生成提升为 Claude 3 系列及后续模型的重点能力方向。
但模型能力并不自动等于好产品。Dianne 把这种状态称为"product overhang"——模型已经拥有潜在能力,市场上却没有合适的产品把它释放出来。
这两个产品的诞生路径高度相似:先有原型,再让真实使用决定产品去留。
支撑模型与产品协同创新的,不只是一组特殊岗位和工作流程,还有 Anthropic 内部的文化理念。
AI 大幅降低了原型成本。一个想法不必先争取完整团队和大笔资源,而是可以先做出来,交给同事使用,再根据真实行为判断是否值得继续。Anthropic 内部极为重视这种"原型文化"。
除了产品和工程团队,研究、销售、招聘等部门的员工也会主动搭建各种工具原型。那些真正有用的原型会吸引更多人使用,暴露出实验室里难以预料的用法和失败。
产品进入真实世界后,反馈规模远远超过人工处理能力。团队如今更多地使用 Claude 分析关于 Claude 的反馈——先让模型对大量反馈进行分组和聚类,找出反复出现的主题,再把零散问题抽象成可诊断的失败类型。
模型与产品由此不再彼此等待,而是在同一个 co-design loop 中共同演进。产品经理 Alex Albert 用了一个很不软件工程的词来形容这个过程——培养。模型不是按照图纸组装出来的功能,更像一个在训练环境、反馈信号和约束条件下成长的复杂系统。
AI 产业最早比的是理论突破与技术路线,随后比的是算力规模与数据质量。下一阶段,胜负或许更多取决于——产品与模型的齿轮能否真正咬合,循环能否转得足够快,以及每一次循环,能否成为下一次加速的复利。Anthropic 用 7 个月时间证明了:当反馈闭环真正转起来,商业增长只是结果,而非目标。
核心技术已落地 Claude Code 与 Cowork,登录 anthropic.com 即可体验。
anthropic.com → 体验产品