AI告别烧钱换增长：用经济学思维看懂Anthropic盈利逻辑

前两天，一个朋友转给我一条新闻：“Anthropic单季营收109亿美元，首次盈利。”

他问了我一个问题：“等等，Anthropic是哪个？就是做Claude的那个？它居然赚钱了？”

我理解他的困惑。因为在过去两年里，我们听到的AI新闻几乎都是同一个叙事——烧钱。OpenAI去年亏了385亿美元，全球五大云厂商今年AI资本开支合计6900亿美元，整个行业像是在往一个无底洞里倒钱，边倒边喊"未来可期"。

然后Anthropic突然说：我赚了。

Q2营收109亿美元，环比暴涨127%，运营利润5.59亿美元。从2024年毛利率-94%（每赚1块钱亏9毛4）到2026年运营盈利，只用了两年。原本公司自己预测2028年才能盈利，结果提前了整整两年。

这不是一个"终于熬出头"的故事。这是一个"从一开始就走了一条不同的路"的故事。

而理解这条路最好的方式，不是看财报，不是读研报，是看一本15年前的经济学入门书——罗伯特·弗兰克的《牛奶可乐经济学》。

为什么牛奶是方的，可乐是圆的？

如果你还没看过这本书，我先讲它最经典的一个问题：

为什么牛奶装在方盒子里卖，可乐却装在圆瓶子里卖？

第一反应是材质问题？错了。是审美？也不对。

答案是成本效益原则——经济学最底层的逻辑。

牛奶需要冷藏。超市冰柜的空间极其昂贵，每多一升容积都意味着更多的电费和租金。方形纸盒能紧密排列，几乎不留空隙，同样大小的冰柜能多装约20%的牛奶。省下来的仓储成本，远大于方盒包装可能增加的制造费用。

可乐呢？大多数时候常温摆放，不需要昂贵的冷藏空间。圆瓶握持更舒服，单手拿就能喝，运输中也不容易磕碰。圆瓶浪费的那点货架空间，跟它带来的用户体验提升相比，根本不值一提。

你看，同一个问题，约束条件不同，最优解就完全不同。

弗兰克说，经济学不是一套数学公式，而是一种看世界的方式。你只需要问一句：这件事的额外收益，是否大于额外成本？

他在康奈尔大学教了40多年书，最喜欢做的事就是让学生观察日常生活中的"经济学谜题"，然后用最朴素的经济学原理解释。学生问出来的问题千奇百怪——为什么电影院爆米花那么贵？为什么女装扣子在左边、男装扣子在右边？为什么24小时营业的便利店白天也开着灯？

但所有问题的答案，都指向同一个核心：每一个看似"理所当然"的现象背后，都有一笔精密的成本收益账。

现在，让我们用这把钥匙，去打开Anthropic盈利之谜。

Anthropic做对了什么？一个"方盒子"式的选择

很多人以为Anthropic的盈利是靠运气——恰好赶上了企业AI需求爆发。但仔细看它的商业模式，你会发现它做的事情，跟"方盒子牛奶"的逻辑一模一样：在正确的约束条件下，找到了最优解。

先说一组关键数据：

注意到了吗？Anthropic几乎没有在做C端用户。它不跟OpenAI抢那8亿周活跃用户，不做20块钱一个月的订阅服务，不烧钱打广告冲下载量。

它选择了一个完全不同的约束条件：不做最便宜的产品，做最"值得贵"的产品。

这就是弗兰克在书里说的成本效益原则的企业版——不是看"我能省多少钱"，而是看"客户愿意为解决多大的问题而付多少钱"。

对企业来说，一个AI编程助手替代的是年薪几十万美元的高级工程师；一套深度集成的AI工作流，省掉的是整个部门几十个人的重复劳动。毕马威直接把Claude向全球27.6万名员工开放，深度融入审计、税务、咨询等核心流程。在这种量级的价值面前，每年付给Anthropic的钱不是成本，是投资。

企业客户对token成本不敏感，因为AI替代的是几十万到几百万美元的人力成本。 这就是Anthropic的"方盒子优势"——它不需要把每一个立方厘米的冰柜空间都省到极致，因为它卖的本来就不是牛奶，而是高端定制营养方案。

更精妙的是Anthropic的MCP生态。当企业的50条数据管道通过MCP协议焊到Claude上面之后，切换供应商要换掉的就不是"一个AI工具"，而是整条运营神经系统。这种锁定效应让Anthropic的客户粘性极高，续费率远超行业平均水平。

OpenAI的机会成本：8亿用户值多少钱？

弗兰克在《牛奶可乐经济学》里反复强调一个概念——机会成本。

做一件事的真正成本，不是你花了多少钱，而是你为了做这件事放弃的其他所有选择中最好的那一个。

上大学的机会成本不是学费，是你四年不工作损失的工资收入。免费看一场演唱会的机会成本不是门票钱（因为是免费的），而是你用那三个小时本来可以做的最有价值的事。

弗兰克说：“你选的，不是重点；你放弃的，才是代价。”

现在，让我们算算OpenAI的机会成本。

OpenAI选择了C端用户路线。ChatGPT周活跃用户8亿，个人订阅用户约5000万，占比仅6%左右。85%的营收来自消费者订阅，每人每月20美元。

8亿用户，换来的季度收入大约62.5亿美元——不到Anthropic Q2的三分之二。

更致命的是，这8亿用户每个人都在消耗算力。多一个用户问一句话，模型就得实打实跑一次推理，烧一次算力。用户越多，烧得越多。OpenAIQ1每收入1美元，就要赔1.22美元。预计到2030年才能盈利，至2029年累计预计亏损1150亿美元。

这就是C端AI产品的残酷真相：用户不是资产，是成本。 跟传统互联网产品完全不同——微信多一个用户，服务器成本几乎不涨；但AI产品多一个用户，算力成本直线上升。

反观Anthropic，它放弃了8亿普通用户，换来了1000个年付千万美元的企业客户。从用户数量看，这简直是天壤之别。但从成本效益的角度看，1000个大客户的管理成本、算力消耗、服务压力，远远低于8亿散客。

OpenAI选择用户规模的机会成本，是放弃了在B端建立定价权和利润率的可能性。这就像是为了在隔壁杂货店买一个便宜10块钱的闹钟，放弃了去城里省10块钱买电脑的机会——按百分比来想问题，而不是按绝对值来想问题。 弗兰克最反对的就是这种思维陷阱。

酒吧花生的经济学：为什么免费的东西最贵？

书里还有一个经典案例，我特别喜欢：

为什么酒吧里花生米免费，白开水却要收费？

花生米本身有成本，白开水几乎没成本。但酒吧不是慈善机构，免费花生米不是为了让你吃饱。花生米是咸的，吃了就渴，渴了就点酒——酒才是利润来源。免费花生米是"引流品"，带动高利润酒水的销量。

白开水呢？不刺激消费，没利润空间，还占肚子（喝饱了就不点酒了），当然要收费。

这个故事在AI行业有一个完美的映射。

过去两年，整个AI行业都在做"免费花生米"。ChatGPT免费用、豆包免费用、各大模型疯狂打价格战，100万token从100块降到1块钱，大家都在用免费或近乎免费的方式拉用户。

逻辑是什么？先用免费吸引用户，等用户习惯了、离不开了，再慢慢涨价变现。 经典的互联网打法——先圈地，再收割。

但弗兰克告诉我们，每一件看似免费的礼物，都暗中标好了价格。

免费用户的算力成本谁在付？是投资人在付。这些成本能收回来吗？ChatGPT的8亿用户中，只有6%愿意付钱。剩下94%的用户，每一秒都在消耗算力，但一分钱都不贡献。

更深层的问题是：互联网时代的"免费→垄断→涨价"路径，在AI时代可能根本走不通。因为AI产品的边际成本不是零。你多服务一个用户，就多一份实打实的算力支出。用户规模不是利润的来源，而是成本的放大器。

Anthropic从一开始就不做"免费花生米"。它的API就是按token收费的，企业客户就是按年付千万美元的。没有免费试用、没有疯狂补贴、没有用低价换规模。

结果呢？ 它成了全球第一个盈利的头部AI实验室。

而那些靠"免费花生米"拉来的用户呢？豆包日均token调用量达到180万亿，日收入却不足100万元。180万亿token换来不到100万日收入——这个数字，残酷到不需要任何注释。

当然，最近行业风向也在变。豆包推出了最高5088元的年费套餐，DeepSeek实施峰谷定价策略，ChatGPT开始在免费用户界面植入广告。当"免费"模式撑不下去的时候，所有人都在回头看Anthropic的路——原来直接做付费生意，才是最快的路。

边际思考：为什么"少做一步"反而更明智

弗兰克在书中还提出了一个特别实用的概念——边际思考。

大多数决策不是"做还是不做"的全有全无，而是"多做一点还是少做一点"的增量选择。比如"要不要再吃一块蛋糕"，你只需要考虑：多吃这一块的快乐，是否超过它带来的热量和健康风险？

这个思维工具用在商业上，就是：每多做一步，额外收益是否大于额外成本？如果不是，就停。

Anthropic的整个发展策略，就是一次教科书级的边际思考。

它没有一开始就追求规模最大化。当OpenAI在用户量上疯狂扩张时，Anthropic控制了客户数量，算力采购更接近"按需购买"而非"按预期购买"。

这意味着什么？意味着它没有为"未来可能增长的用户"提前囤积算力，没有为还没签下的合同提前建数据中心。每一步扩张，都是确认了收益大于成本之后才迈出的。

这种"战略纪律"被很多人包装成"克制"或"保守"。但从经济学角度看，这就是最朴素的边际思考。

但这里有一个值得注意的nuance。Anthropic的盈利里有三层因素在同时起作用：

第一层是结构性优势——B2B高客单价、MCP生态锁定、高客户生命周期价值。这些是Anthropic真正"做对了"的事，不会因为竞争加剧而消失。

第二层是资本结构红利——亚马逊既是Anthropic最大的投资人（累计超80亿美元），也是最重要的算力供应商。这意味着Anthropic从AWS拿到的算力价格，大概率不是市场价。这层关系是竞争对手无法复制的。

第三层是会计节奏——B2B合同预付全年费用，算力成本按月发生。收入先到、成本后到，在快速扩张期制造了利润放大效应。

5.59亿美元的运营利润里，有多少来自第一层，有多少来自第二层和第三层？这个比例才是判断Anthropic长期竞争力的真正依据。Anthropic自己也预警：下半年可能难以维持盈利——因为Colossus超算每月12.5亿美元的账单即将全面到来。

但至少，Anthropic证明了：在AI行业，先赚钱再扩张是可能的。 不是所有公司都必须走"先亏十年再慢慢回本"的互联网老路。

供大于求还是供不应求？AI定价的反直觉真相

弗兰克还讲了一个道理：价格不由成本决定，而由供需决定。

为什么一线城市的房价比三四线城市高好几倍？不是建造成本更高，而是需求远大于供给。为什么演唱会门票被黄牛炒到上万？不是印刷成本高，而是粉丝太多、座位太少。

这个原理在AI行业正在上演一场精彩的反转。

C端AI市场，本质上是供大于求的。模型太多了，能力差距在缩小，用户选择太多，没有忠诚度。所以价格只能越打越低——从100块/百万token到1块钱/百万token，最后连"价格屠夫"豆包都扛不住，开始收费了。

但B端AI市场完全不同。当一个企业把Claude的API与内部Slack、ERP系统、代码库、数据库深度打通之后，切换供应商的成本就不是"换个API接口"那么简单了。它要重建整条运营神经系统。

这就是为什么Anthropic的企业客户续费率极高，为什么它能收高价，为什么它的毛利率能从-94%飙升到70%以上。

在B端，AI不是供大于求的商品，而是供不应求的能力。企业愿意为"别人做不到的智能"付溢价，而不是为"大家都有的token"付成本价。

这也是为什么中国大模型走的"白菜价"路线，短期内很难颠覆Anthropic的商业模式——因为白菜价打的是C端的供大于求市场，而Anthropic赚的是B端供不应求的溢价。两个市场，两套供需逻辑，两条完全不同的路。

对我们普通人意味着什么？

说了这么多商业分析，可能你会问：这跟我有什么关系？

关系大了。

第一，警惕"免费"的陷阱。 无论你是AI产品的用户还是从业者，都要记住弗兰克的话——每一件免费的礼物，都暗中标好了价格。免费用的AI工具，你的数据和注意力就是代价。免费拉用户的公司，你的投资（如果你持有）正在被烧掉。天下没有免费的午餐，这话老套但真实。

第二，理解"机会成本"的力量。 你在工作中选择用AI做什么，和不做什么，同样重要。把AI用在写周报、回邮件这类低价值的事情上，机会成本是你本可以用它做深度分析、战略思考、创造性工作的高价值产出。就像那8亿免费用户——看起来很热闹，但机会成本是几十亿美元的利润。

第三，学会"边际思考"。 不是所有事情都值得做到极致。有时候"少做一步"反而更明智。AI行业正在从"烧钱换增长"转向"效率优先"，我们个人的工作方式也一样——不是用AI做更多的事，而是用AI做更对的事。每天多问自己一句：多做这一步的额外收益，是否大于额外成本？

第四，关注"不可替代性"而非"劳动量"。 弗兰克说，个人收入不取决于辛苦程度，而取决于不可替代性。在AI时代，这一点只会越来越明显。你的价值不在于你能做多少AI也能做的事，而在于你能做什么是AI做不了的——那些需要判断力、创造力、共情力和跨界整合能力的事。

写在最后

罗伯特·弗兰克在《牛奶可乐经济学》里说：“经济学不是一套数学公式，而是一种看世界的方式。”

牛奶是方的，可乐是圆的，不是因为审美不同，而是因为约束条件不同。

Anthropic盈利了，OpenAI还在亏，不是因为技术差距，而是因为选择不同。

有时候，最反直觉的真相往往最简单——最贵的那个，反而最先赚到了钱。

不是因为它更聪明，而是因为它从一开始就问了一个不同的问题：不是"我能服务多少人"，而是"我能为这些人创造多大价值"。

这个问题，不只在商业世界里有效。放在我们每个人的人生规划里，同样成立。

与其追求"被很多人需要"，不如追求"被少数人深度需要"。前者是流量，后者是价值。流量的边际成本越来越高，价值的边际成本却越来越低。

这可能是Anthropic教给我们最重要的一课。也可能是《牛奶可乐经济学》这本看似简单的小书，最深刻的洞见。

💬 今日互动

你身边有没有类似"牛奶盒子"的选择——看起来不够酷、不够大众，但其实是最优解？或者你有没有经历过"追求规模"最后发现"追求质量"才是正路的时刻？

欢迎在评论区聊聊，我们一起用经济学的眼光，重新审视那些"理所当然"的选择。

📚 推荐书籍

《牛奶可乐经济学》——罗伯特·弗兰克

一本让你重新看懂日常生活的经济学入门书。不装、不炫、不堆公式，就是教你多问一句"为什么"，然后用成本收益的逻辑找到答案。适合所有想在信息过载的时代保持清醒头脑的人。