Related articles
科技行业从不缺"闷声发大财"的故事，也不缺"风光无限时走钢丝"的剧本，Anthropic 正站在两者的岔路口。
据报道，这家以"AI 安全"为立根之本的大模型公司已与华尔街多家投行展开初步接洽，最早计划今年第四季度、最快 10 月挂牌上市。
一边是核心新模型即将发布、190 亿美元年经常性收入 （ARR） 创下行业增速纪录、政府和生态合作连续落地的高光时刻，另一边是文件泄露、算力缺口高企、竞争格局持续收紧的现实压力——选择在此时冲向二级市场，从来不是"乘胜追击"的顺理成章，而是一场必须赢的生存赌局。
被提前撕开的产品底牌
所有人都没想到，Anthropic 给资本市场准备的最大惊喜，会以最狼狈的方式提前曝光。
Bleeping Computer 3 月 25 日首次披露，Anthropic 因 CMS 配置错误，导致近 3000 份内部文件无需权限即可公开访问，其中就包含下一代核心模型的全部研发草稿。Anthropic 随后证实了泄露事件及新模型的真实性，但强调文件仅为早期研发草稿，不代表最终产品规划。
这套正在测试的、内部代号为"Capybara"的模型，对外发布名预计为 Claude Mythos，研发团队将其定义为"阶跃式提升 （Step-change Improvement）"。从目前披露的信息看，Mythos 确实配得上这个定位：它在多项基准测试中大幅超越近期登顶 Terminal-Bench 2.0 的 Claude Opus 4.6，是 Anthropic 现有 Opus、Sonnet、Haiku 三个产品层级之外的第四代高端线，定价显著高于当前最高端的 Opus 版本。
对技术从业者而言，Mythos 最特殊的地方在于它走了一条和行业主流不同的技术路线：没有继续堆高参数规模，而是把研发资源全部倾斜到长上下文处理精度和工具调用准确性上。这正好踩中了当下企业客户的核心痛点——越来越多的企业用大模型处理长文档、复杂工作流，之前的模型要么长上下文"前面记后面忘"，要么调用工具时频繁出错，根本没法落地到核心生产环节。Anthropic 的商业逻辑非常清晰：用 Mythos 锚定代码开发、网络安全、科研计算等高端企业客户市场，直接拉高客单价，进一步拉开和竞争对手在 B 端的商业化差距。
对 AI 创业者而言，这条路径有很强的参考价值：在通用能力打不过 OpenAI 的情况下，聚焦代码、安全等垂直场景做深度差异化，再通过绑定 B 端大客户拉高 ARR，最后靠生态合作触达 C 端——避开了直接烧钱做 C 端入口的陷阱，用更精准的商业效率跑出营收规模。
原本这张牌会在 IPO 前的发布会上正式抛出，成为推高估值的核心筹码。现在却被提前摆到了台面上——据泄露的研发时间表，Mythos 原本计划在 IPO 前一个月发布，主打代码和安全能力的差异化，现在参数细节、测试成绩、定价策略全部公开，OpenAI 和谷歌完全可以针对性调整产品策略，直接把 Anthropic 的差异化优势打掉。
更致命的是，这场泄露直接击穿了 Anthropic 成立 7 年的核心人设。从脱离 OpenAI 创业第一天起，"AI 安全"就是这家公司最鲜明的标签，创始人 Dario Amodei 多次公开表示"大模型研发必须把安全放在增速之前"，公司甚至设置了专门的"安全监督团队"，有权叫停任何有风险的研发项目。但就是这样一家把"安全"刻进品牌基因的公司，却犯了最基础的配置错误，把最高级别的商业机密直接放在了公网上。对企业客户而言，这是比产品能力不足更严重的信任危机——连自己的研发数据都保不住，怎么能让客户把核心业务数据放在你的模型里？
这场突如其来的泄露，给 Anthropic 的 IPO 计划踩了第一脚刹车：产品底牌提前曝光，安全人设的裂缝更需要时间修补。但箭在弦上不得不发，因为比起公关危机，更迫切的问题藏在财务报表里。
越赚越亏的增长悖论
产品筹码之外，支撑 Anthropic 冲击 3500-4000 亿美元估值的最硬底气，是行业前所未有的营收增速。
需要明确的是，190 亿美元 ARR 这个数字，和本次泄露文件完全无关。这是 CEO Dario Amodei 3 月 6 日在摩根士丹利 TMT 大会上的公开披露，增长动力主要来自企业级客户对 Claude 及 Claude Code 的强劲需求。作为参照，OpenAI 2024 年全年 ARR 约为 260 亿美元，Anthropic 用远小于 OpenAI 的客户体量，跑出了几乎持平的营收增速——这也是资本市场愿意给它 20 倍 PS 估值、把上市定价推到 3500-4000 亿美元区间的核心原因。
但这个让所有人眼红的数字背后，是更夸张的投入窟窿。据报道，Anthropic 2024 年光是算力采购支出就高达 120 亿美元，扣除研发、人力、运营成本后，公司仍处于大幅亏损状态。更关键的是，它的现金流高度依赖亚马逊的云服务授信——作为 Anthropic 的最大投资方，亚马逊承诺的数十亿美元投资中，有相当一部分是 AWS 的云服务抵扣额度，这意味着 Anthropic 的每一分收入增长，背后都绑定着对亚马逊云服务的采购需求，本质上是"左手进、右手出"的增长。
对一级市场投资人而言，这套模式的风险已经摆在台面上：
第一，ARR 的可持续性存疑。 当前大模型行业价格战已经从消费级蔓延到企业级，OpenAI 今年已多次下调 API 价格，谷歌 Gemini 企业版的定价更是比 Claude 低 30% 左右，Anthropic 靠高端产品维持的高客单价能撑多久，仍是未知数。
第二，供应链集中度风险过高。 所有算力资源都绑定 AWS，一旦亚马逊的支持力度下降，或者微软、谷歌用算力资源绑定自己的客户，Anthropic 的产能和成本都会直接受到冲击。
第三，早期投资方的退出压力。 从 2022 年 A 轮融资到现在，不少早期基金已经持有超过 3 年，在一级市场估值已经接近天花板的情况下，IPO 几乎是唯一的退出通道。
从这个角度看，Anthropic 选择在四季度推进 IPO，大概率出于两重考量：一是当前 190 亿美元 ARR 正处于高速增长期，更容易获得二级市场的高估值，这是最好的时间窗口；二是下一代大模型训练的算力投入需求迫在眉睫，仅靠一级市场融资和亚马逊的战略投资已难以覆盖。据 AI 行业投资人测算，Anthropic 若要在 2026 年追上 OpenAI 的模型迭代速度，至少需要补充数百亿美元的长期资金。
IPO 从来不是"要不要"的选择题，而是"能不能赶得上窗口"的生死题——一旦 Mythos 的增长不及预期，或者价格战导致营收增速下滑，估值很可能直接腰斩。好在紧锣密鼓的筹备期里，Anthropic 连续拿到了两张外部利好牌。
并不稳固的入场券
就在泄露事件爆发的第二天，Anthropic 等来了一个关键的政策利好。
3 月 26 日，加州北区联邦地区法院法官 Rita F. Lin 下达初步禁令，暂停五角大楼将 Anthropic 列为"供应链风险"的决定，认定该决定可能构成"非法报复"。这直接扫清了 Anthropic 进入美国政府订单市场的最大障碍——美国联邦政府每年的 IT 采购预算超过 6000 亿美元，AI 相关采购增速达 30%，拿下这个市场，等于拿到了长期的营收基本盘，也为二级市场投资者提供了相对稳定的监管预期。
紧接着生态端也传来好消息。据报道，苹果 iOS 27 将通过"Extensions"框架开放 Siri 接入第三方 AI 助手，Claude 已入选首批合作名单。这意味着 Anthropic 有机会直接触达全球超 15 亿苹果用户，不需要自建 App 的获客成本，就能拿到海量终端流量入口，反过来还能用 C 端数据反哺模型能力。
但这个利好远没有看起来那么美：OpenAI 的 GPT 同样在入选名单里，合作没有任何排他性。 苹果本质上是做了一个 AI 应用商店，把选择权交给了用户，Anthropic 能不能在体验上抢过 OpenAI，还是未知数。
更严峻的竞争格局还在后面：老对手 OpenAI 有微软的充沛算力支持，今年光算力采购预算就超过 200 亿美元，完全有能力打持久的价格战；谷歌更是有自研 TPU 芯片的闭环生态，推理成本比依赖第三方云服务的 Anthropic 低 40% 以上，就算打价格战也有足够的利润空间。
现在 Anthropic 手里的牌好坏参半：好牌是有差异化的产品、行业第二的营收规模、政策和生态的入场券；坏牌是安全人设受损、现金流高度绑定亚马逊、竞争对手的攻势越来越猛。IPO 就是把这些牌全部摆到二级市场的桌面上，让投资人来定价。
Anthropic 的 IPO，本质上是大模型战争从一级市场烧到二级市场的标志性事件。之前不管是 OpenAI 的融资还是谷歌的内部投入，都是巨头和一级市场玩家的游戏，普通人只能围观；而 Anthropic 上市之后，大模型行业的竞争会直接变成所有投资者都能参与的公开赌局。
后续最值得关注的节点，是 Mythos 的正式发布会：产品能不能达到宣传的效果、定价会不会超出市场预期、企业客户的预购数据好不好，都会直接决定 IPO 的估值，甚至决定这家公司在接下来的行业竞争里能不能活下来。如果这款模型真能拿出比 GPT-4o Advanced 强 30% 以上的性能，IPO 之路会顺畅得多；如果性能不达预期，190 亿 ARR 和苹果生态入场券，都不过是空中楼阁。
对整个行业来说，Anthropic 的上市也是一个重要的分水岭：之前大家比的是谁的故事更好、谁的融资更多，上市之后比的就是谁的营收更健康、谁的成本控制更好、谁的产品真正能给客户创造价值。高光之下的焦虑，从来不是 Anthropic 一家的问题，而是所有大模型公司都要面对的共同考题。（本文首发钛媒体 APP，作者 | 硅谷 Tech-news，编辑 | 焦燕）
