Anthropic擬向IPO投資者主張其AI可服務的年收入機會超過30萬億美元
Anthropic擬向IPO投資者主張其AI可服務的年收入機會超過30萬億美元，該口徑按模型理論上能夠完成的人類工作總量計算，而非傳統軟件訂閱或雲服務支出市場。
據報道，該公司考慮以約2萬億美元估值融資最高1000億美元；該融資規模若落實，將超過SpaceX此前約862億美元的IPO融資紀錄。上述計劃仍處於籌備和銀行家討論階段，並非已提交或已定價的公開發行條款。
30萬億美元的TAM不是Anthropic對近期收入的預測，而是“若公司佔據全部可由AI完成工作”的理論收入上限。該測算路徑與傳統自下而上的市場規模計算不同：後者統計企業軟件、雲計算或AI預算，前者把可自動化任務對應的勞動價值納入可服務市場。
Anthropic年化收入運行率在7月底超過650億美元，較2025年底約90億美元增長逾7倍；按650億美元與30萬億美元比較，公司當前對應的理論市場滲透率約0.22%。該收入爲運行率而非已審計完整財年收入，且不同媒體對其統計時點和口徑的轉述存在差異。
公司內部目標指向2028年1900億至2000億美元收入區間。即便達到2000億美元，按30萬億美元理論TAM計算，滲透率約0.67%；但收入目標是否實現，取決於企業採購、模型性能、推理成本、競爭格局、監管要求及客戶將AI節省轉化爲供應商支出的比例。
Anthropic的市場規模論證據稱部分建立在其Economic Index框架上：該框架將模型使用情況映射到美國勞工部O*NET數據庫約2萬個職業任務，並估計計算機、數學和金融等職業類別中，AI理論可處理的工作比例可超過80%，部分指標接近94%。任務可由模型協助或完成，不等於相關崗位工資將全部轉化爲Anthropic收入。
市場機制上，30萬億美元敘事把投資者注意力從當前收入倍數轉向勞動替代空間：企業買方若以減少客服、編碼、文檔、分析與後臺流程成本爲目標，會將預算從工資、外包和傳統軟件轉向模型調用、AI應用和算力；受益方是掌握模型、GPU、雲計算和企業分發渠道的公司，承壓方是可被標準化拆分的重複性白領服務和低附加值外包。模型供應商能否獲取其中大部分價值，則取決於其是否擁有客戶關係、工作流控制權和持續定價權。fortune+1
來源：公開信息
ABAB AI 解讀
Anthropic的30萬億美元口徑延續了它自身的勞動任務研究，而不是從軟件預算外推。Anthropic Economic Index此前使用Claude.ai對話樣本與O*NET職業任務庫，試圖測量AI在不同職業中的使用分佈；該框架關注的是任務暴露度，而不是崗位被替代比例。把任務可完成性擴展成TAM，是將“潛在生產率空間”轉譯爲“潛在供應商收入空間”。兩者之間仍隔着企業流程改造、客戶議價、競爭分潤和監管成本。
資本路徑已經非常明確：Anthropic以大規模融資購買訓練與推理算力，以Claude模型進入企業工作流，再嘗試把工資、諮詢費、外包費和軟件預算中的一部分轉化爲模型使用費。不同於Salesforce按席位、AWS按計算資源收費，Anthropic的終局敘事是按被替代或增強的工作價值收費。該模式的上限很高，但也意味着客戶會要求以節省的人力成本、完成任務質量和業務結果爲依據重新談判價格，而非永久接受高毛利的通用Token收費。
SpaceX在其IPO文件中曾提出約28.5萬億美元的“人類歷史最大可服務市場”，其中大部分與AI和太空基礎設施相關；Uber在2019年上市材料中也曾以約6萬億美元的全球出行市場支撐長期敘事。相似點是以巨型TAM解釋高估值，差異在於Anthropic已出現650億美元級年化收入運行率，並以2028年1900億至2000億美元爲近端錨點。真正的資本市場問題不是30萬億美元是否數學上成立，而是這家公司能在競爭和客戶議價後保留多少收入、多少毛利與多少自由現金流。
本質屬於定價權轉移：過去，企業把知識勞動拆分爲工資、外包合同、SaaS許可和專業服務費；AI供應商試圖把這些支出重新聚合爲模型推理和自動化工作流收入。定價權不會因爲模型能完成任務而自動產生，只有當模型供應商控制任務入口、數據上下文、結果責任和切換成本時，勞動成本節省纔會穩定地沉澱爲模型公司的收入。否則，收益會被客戶、開源模型、雲平臺和垂直應用共同分走。
ABAB News · 認知定律
任務可自動化，不等於價值可被一家收取
市場上限講故事，現金流上限定價格
替代勞動的利潤，取決於誰控制工作入口