Anthropic CFO：Claude如何一年内收入规模300亿美元？丨Invest Like The Best

Anthropic CFO：Claude如何一年内收入规模300亿美元？丨Invest Like The Best Anthropic CFO：Claude如何一年内收入规模300亿美元？丨Invest Like The Best Modified May 14 原创 Capihom Capihom 晚点再听LaterCast2026年5月13日 22:52 北京 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 "算力是 Anthropic 这门生意的生命线。" "每一代模型都会解锁更多企业用例。" "公司内部超过 90% 的代码，已经由 Claude Code 编写。" 这一期请到 Anthropic CFO Krishna Rao，字幕里最醒目的数字，是 Claude 年化收入从年初约 90 亿美元，到一季度结束超过 300 亿美元。主持人追问的重点，落在这家公司怎么在算力、模型、产品、定价和企业销售之间做取舍。 Rao 的回答很适合工程 师、产品经理和 企业软件从业者读。Claude 的增长没有停在聊天框里，它已经进入代码仓库、财务复盘、企业 API、云平台分发和模型训练流程。文章会按原对话拆成 8 个判断：算力为什么是命门，指数增长怎么管理，三类芯片怎么被调度，前沿模型为什么能带来收入跳变，Claude Code 怎样改变组织，平台和应用边界如何取舍，定价和毛利怎么重新计算，以及 Anthropic 自己怎么在财务团队里使用 Claude。 和很多 AI 创业故事不同，Rao 的视角天然带着财务纪律。他关心模型能力，也关心一块芯片今天跑推理、晚上跑训练时，回报应该怎么算；他关心客户增长，也关心企业买家是否真的把 Claude 放进生产环境。 算力是 CFO 每天要管的命门 Patrick 一开场就问算力。Rao 没有绕弯：Anthropic 采购的算力，是这门生意的生命线，是所有产品和模型被建出来的画布。买多了，现金流会被压垮；买少了，客户服务和前沿模型都会被卡住。 最难的地方在提前量。你不能下周想要一吉瓦算力，下周就拿到。芯片、机房、电力、云合同都要提前规划。Rao 说自己现在仍然有 30% 到 40% 的时间花在算力上，说明 CFO 在前沿模型公司里已经接近基础设施负责人。 Claude 的产品能力，最后会落到一张算力采购和分配表上。 算力分配也无法简单三等分。Rao 说 Anthropic 会给模型开发设置一条底线，即使客户服务因此更紧，也要继续投入下一代模型。内部员工使用模型同样会消耗大量算力，如果全部拿去服务客户，可能对应数十亿美元收入，但公司选择保留这部分资源，用来加速研发和效率改进。 这也是很多外部观察者容易低估 Anthropic 的地方：一部分“没变成当期收入”的算力，可能正在训练下一代模型、缩短研发周期，或者让内部团队找到新的效率乘数。这些投入会晚一点进入收入表，却会先改变能力曲线、产品节奏和企业预算增长。 "我们采购的算力，是这门生意的生命线。" 指数增长不能按季度预测 Rao 用了一个词：不确定性锥。业务一旦指数增长，月增长率或周增长率的小变化，复利之后会变成完全不同的结局。传统公司三个月做一次预测、下次董事会再更新，在 Anthropic 这样的业务里会失效。 他提到，人类通常习惯线性和渐进式思考，但 Claude 的收入、客户用量、模型能力、算力需求都在指数曲线上跑。Anthropic 因此按情景管理业务，随时更新判断。某个模型一个月前还做不到的任务，今天做到了，TAM 就会被重新打开。 AI 公司的预测难题，来自能力边界在持续移动。 Rao 还提到，编码是他们最先看到这种曲线的地方。大约从 Sonnet 3.5、3.6 开始，能力跃迁先带来采用，再带来使用量和收入。现在 Anthropic 会把编码的曲线当成参照，去判断企业经济里其他知识工作会怎样扩散。 "人类大多按线性思考，而我们必须打破这种范式。" 三种芯片买的是调度弹性 Anthropic 同时使用 Amazon Trainium、Google TPU 和 Nvidia GPU。Rao 说这些芯片会被用于模型开发、内部提效和客户服务，Anthropic 花了多年时间，才把不同平台的算力变成可调度资源。 他们甚至会从芯片层往上做编译器和调度层，也会和 Amazon Annapurna Labs 一起影响芯片路线图。Rao 的判断是，一美元算力在 Anthropic 内部能走得更远。 三种芯片的价值，体现在训练、推理、内部实验和客户需求可以被放进同一套资源池。 字幕里还有一组更重的数字：Anthropic 上个月与 Google、Broadcom 签下从 2027 年开始的 5GW TPU 协议，也与 Amazon 签了最高 5GW 的 Trainium 协议，承诺规模超过 1000 亿美元。Rao 把这些算力形容成 layer cake，不同时间到货、不同能力、不同价格表现，要被动态比较和调度。 "我们使用三种不同芯片平台：Amazon Trainium、Google TPU 和 Nvidia GPU。" 前沿模型会直接解锁新收入 主持人问，为什么必须站在前沿，不能用六个月前更便宜的模型。Rao 的回答抓住了 Claude 的商业核心：模型智能不能被压成一个 IQ 分数，要看它能否做真实任务、处理长周期任务、调用工具、并更快完成 agentic work。 他给出的例子很硬：Anthropic 年初约 90 亿美元年化收入，一季度结束超过 300 亿美元。Rao 认为，这种变化来自模型能力跃迁，以及围绕模型做出来的产品。企业客户会把新模型放进更多流程，购买更多 token。 在企业市场里，前沿智能带来的回报还没有放慢。 模型效率也在一起提升。Rao 用汽车打比方：大家以为从普通轿车换到跑车，油耗一定更差；但在 Claude 的模型迭代里，他们看到能力大幅提升，同时 token 处理效率也提高。更高效的推理会让客户服务更便宜，也会让强化学习沙盒里的训练更高效。 "每一代模型都会让你做更多、做得更好、也做得更高效。" Claude Code 让模型反过来造模型 谈到递归式自我改进时，Rao 没有把它说成科幻。他说 Anthropic 内部已经看到进展加速，扩展定律仍然成立。更具体的是，公司内部超过 90% 的代码实际由 Claude Code 编写，很多 Claude Code 自己的代码也由 Claude Code 生成。 这解释了为什么 Anthropic 愿意把本可以服务客户、带来收入的算力留给内部使用。模型帮助研究员和工程师开发下一代模型，内部提效会变成未来能力和未来收入。Rao 还强调，人才密度比人才规模更重要，最好的模型会放大最强研究员和推理工程师的产出。 Anthropic 的研发循环也来自客户反馈。Rao 说企业客户会告诉他们模型在哪里卡住、还缺什么能力、哪些产品想做但暂时做不了。企业侧不会拿客户数据训练，pro 用户也只有选择加入才会用到数据；但这些痛点会成为训练目标，让模型能力继续往真实任务靠近。 "公司内部超过 90% 的代码，实际由 Claude Code 编写。" 平台越强，应用边界越难划 主持人问了一个敏感问题：Anthropic 应该只做底层平台，还是亲自做应用？Rao 的答案是，大部分精力会放在平台上。他把 Claude 平台类比为早期 AWS：不只是原始模型访问，还包括 prompt caching、虚拟机、Claude Code、Dispatch、Agents SDK 和 managed agents。 Anthropic 也会做自己的应用，比如 Claude Code、金融服务、生命科学、安全方向的产品组合。Rao 给出的标准很实用：当公司能提前看到模型能力要去哪里，或者能给生态演示一种新价值时，就会自己做。 Anthropic 想赚平台的钱，也希望客户在平台上赚到更多钱。 客户对这种边界会紧张，Rao 承认前沿模型能力有时连 Anthropic 自己都会惊讶。他的回应是尽量保持伙伴导向：早期访问、听客户要什么能力、和安全、设计、金融服务等生态伙伴合作。模型进步把过去 5 年、10 年、20 年才发生的平台变化压缩到几个月里，生态关系自然会更敏感。 "我们的目标是做最好的模型，再做让这种智能在客户内部扩散的产品、工具和服务。" 定价要看算力回报，不看老 SaaS 模板 Patrick 追问定价：既然大家都缺算力，为什么不大幅涨价？Rao 说 Anthropic 的价格总体相对稳定，最大一次调整发生在 Opus 4.5 发布时：他们降低了 Opus 家族价格。原因是他们发现 Opus 级模型相对于能力被低估了，很多客户在把 Opus 问题塞进 Sonnet 工作负载里。 降价后，消费量增长远超预期，Rao 称之为 Jevons paradox。毛利问题也很难套传统软件公式，因为算力不只是简单的增量可变成本。服务客户、模型开发、内部提效都在同一个算力信封里互相支撑。 Anthropic 衡量的核心，是整包算力支出带来的回报。 投资人现在最难理解的，也正是算力的用法。Rao 说，一块芯片上午可能跑推理，下午或晚上又用于模型开发，这和传统软件公司、工厂、研发团队的成本分类完全不同。他会问模型公司三个问题：整体算力 ROI 怎么样，客户是否真的获得 ROI，未来算力从哪里来。 客户 ROI 也有硬指标。Rao 提到，Anthropic 的年化净美元留存率超过 500%，已经服务 9 家 Fortune 10 公司。他在来录制节目的 Uber 上，20 分钟内还签了两个八位数美元承诺。企业客户已经从试点走到重大的购买决策。 "我们降了 Opus 的价格，但消费量增长得远超预期。" 财务团队自己先变成超级用户 最有说服力的一段，来自 Anthropic 财务团队自己的用法。Rao 说，一年前他们就开始把 Claude Code 当成数字同事，而不只用于写代码。今天，所有法律实体的法定财务报表都可以用 Claude 产出，人类负责检查。 他们还做了 Ant Stats 实时平台，财务团队有 70 多个 Claude skills。月度财务复盘 skill 可以把 MFR 做到 90% 到 95% 就绪，团队讨论的重点从“发生了什么”转成“下一步怎么做”。过去一份收入或算力利用率周报要花数小时，现在约 30 分钟完成。 Claude 在 Anthropic 内部先证明了：知识工作可以从整理事实，转向判断含义。 Rao 还看 token 使用榜。最重度用户并不只来自刚入职、周末也写代码的年轻人；财务团队里最资深的人也在大量使用 Claude，税务负责人甚至成了头号用户之一。Rao 的标准很直接：Anthropic 自己先成为超级用户，客户才更容易相信这套工作方式。 Rao 对未来形态的描述，是一个 virtual collaborator：它理解组织上下文，能使用公司自研或购买的工具，有记忆，能从人和自己的错误中学习，并在很长时间跨度上推进一个想法。Anthropic 现在的产品开发已经从“三个月做一个项目”变成每天发布，有一组 agent 围绕具体任务工作，人的角色越来越像管理者。开发者率先采用 Claude Code，Rao 认为同样的变化会扩散到更多知识工作。 "月度财务复盘可以做到 90% 到 95% 就绪。" 写在最后 这期最值得带走的判断，落在 Claude 背后的经营方式：用算力抢能力，用能力打开企业工作流，再用客户需求反推下一轮算力和产品。普通团队可以从一条具体流程开始，先让 AI 接住真实任务，再谈更大的组织改造。先选一条每天发生、结果可验收、失败有人负责的流程，Claude 的故事才会从新闻变成自己的工作方法。 内容来源："How Claude went from $9 billion to $45 billion in one year | CFO explains"丨Invest Like The Best 原视频：https://www.youtube.com/watch?v=wEEZPpx8qow Audio or video is not supported Please download the file and open it with the appropriate software. 66c861bdcbc24bc8bf52aff5dc3bf06e.mp4 · 383.23MB 66c861bdcbc24bc8bf52aff5dc3bf06e 00:00 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣ 原创 Capihom Capihom 晚点再听LaterCast2026年5月13日 22:52 北京 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 "算力是 Anthropic 这门生意的生命线。" "每一代模型都会解锁更多企业用例。" "公司内部超过 90% 的代码，已经由 Claude Code 编写。" 这一期请到 Anthropic CFO Krishna Rao，字幕里最醒目的数字，是 Claude 年化收入从年初约 90 亿美元，到一季度结束超过 300 亿美元。主持人追问的重点，落在这家公司怎么在算力、模型、产品、定价和企业销售之间做取舍。 Rao 的回答很适合工程 师、产品经理和 企业软件从业者读。Claude 的增长没有停在聊天框里，它已经进入代码仓库、财务复盘、企业 API、云平台分发和模型训练流程。文章会按原对话拆成 8 个判断：算力为什么是命门，指数增长怎么管理，三类芯片怎么被调度，前沿模型为什么能带来收入跳变，Claude Code 怎样改变组织，平台和应用边界如何取舍，定价和毛利怎么重新计算，以及 Anthropic 自己怎么在财务团队里使用 Claude。 和很多 AI 创业故事不同，Rao 的视角天然带着财务纪律。他关心模型能力，也关心一块芯片今天跑推理、晚上跑训练时，回报应该怎么算；他关心客户增长，也关心企业买家是否真的把 Claude 放进生产环境。 算力是 CFO 每天要管的命门 Patrick 一开场就问算力。Rao 没有绕弯：Anthropic 采购的算力，是这门生意的生命线，是所有产品和模型被建出来的画布。买多了，现金流会被压垮；买少了，客户服务和前沿模型都会被卡住。 最难的地方在提前量。你不能下周想要一吉瓦算力，下周就拿到。芯片、机房、电力、云合同都要提前规划。Rao 说自己现在仍然有 30% 到 40% 的时间花在算力上，说明 CFO 在前沿模型公司里已经接近基础设施负责人。 Claude 的产品能力，最后会落到一张算力采购和分配表上。 算力分配也无法简单三等分。Rao 说 Anthropic 会给模型开发设置一条底线，即使客户服务因此更紧，也要继续投入下一代模型。内部员工使用模型同样会消耗大量算力，如果全部拿去服务客户，可能对应数十亿美元收入，但公司选择保留这部分资源，用来加速研发和效率改进。 这也是很多外部观察者容易低估 Anthropic 的地方：一部分“没变成当期收入”的算力，可能正在训练下一代模型、缩短研发周期，或者让内部团队找到新的效率乘数。这些投入会晚一点进入收入表，却会先改变能力曲线、产品节奏和企业预算增长。 "我们采购的算力，是这门生意的生命线。" 指数增长不能按季度预测 Rao 用了一个词：不确定性锥。业务一旦指数增长，月增长率或周增长率的小变化，复利之后会变成完全不同的结局。传统公司三个月做一次预测、下次董事会再更新，在 Anthropic 这样的业务里会失效。 他提到，人类通常习惯线性和渐进式思考，但 Claude 的收入、客户用量、模型能力、算力需求都在指数曲线上跑。Anthropic 因此按情景管理业务，随时更新判断。某个模型一个月前还做不到的任务，今天做到了，TAM 就会被重新打开。 AI 公司的预测难题，来自能力边界在持续移动。 Rao 还提到，编码是他们最先看到这种曲线的地方。大约从 Sonnet 3.5、3.6 开始，能力跃迁先带来采用，再带来使用量和收入。现在 Anthropic 会把编码的曲线当成参照，去判断企业经济里其他知识工作会怎样扩散。 "人类大多按线性思考，而我们必须打破这种范式。" 三种芯片买的是调度弹性 Anthropic 同时使用 Amazon Trainium、Google TPU 和 Nvidia GPU。Rao 说这些芯片会被用于模型开发、内部提效和客户服务，Anthropic 花了多年时间，才把不同平台的算力变成可调度资源。 他们甚至会从芯片层往上做编译器和调度层，也会和 Amazon Annapurna Labs 一起影响芯片路线图。Rao 的判断是，一美元算力在 Anthropic 内部能走得更远。 三种芯片的价值，体现在训练、推理、内部实验和客户需求可以被放进同一套资源池。 字幕里还有一组更重的数字：Anthropic 上个月与 Google、Broadcom 签下从 2027 年开始的 5GW TPU 协议，也与 Amazon 签了最高 5GW 的 Trainium 协议，承诺规模超过 1000 亿美元。Rao 把这些算力形容成 layer cake，不同时间到货、不同能力、不同价格表现，要被动态比较和调度。 "我们使用三种不同芯片平台：Amazon Trainium、Google TPU 和 Nvidia GPU。" 前沿模型会直接解锁新收入 主持人问，为什么必须站在前沿，不能用六个月前更便宜的模型。Rao 的回答抓住了 Claude 的商业核心：模型智能不能被压成一个 IQ 分数，要看它能否做真实任务、处理长周期任务、调用工具、并更快完成 agentic work。 他给出的例子很硬：Anthropic 年初约 90 亿美元年化收入，一季度结束超过 300 亿美元。Rao 认为，这种变化来自模型能力跃迁，以及围绕模型做出来的产品。企业客户会把新模型放进更多流程，购买更多 token。 在企业市场里，前沿智能带来的回报还没有放慢。 模型效率也在一起提升。Rao 用汽车打比方：大家以为从普通轿车换到跑车，油耗一定更差；但在 Claude 的模型迭代里，他们看到能力大幅提升，同时 token 处理效率也提高。更高效的推理会让客户服务更便宜，也会让强化学习沙盒里的训练更高效。 "每一代模型都会让你做更多、做得更好、也做得更高效。" Claude Code 让模型反过来造模型 谈到递归式自我改进时，Rao 没有把它说成科幻。他说 Anthropic 内部已经看到进展加速，扩展定律仍然成立。更具体的是，公司内部超过 90% 的代码实际由 Claude Code 编写，很多 Claude Code 自己的代码也由 Claude Code 生成。 这解释了为什么 Anthropic 愿意把本可以服务客户、带来收入的算力留给内部使用。模型帮助研究员和工程师开发下一代模型，内部提效会变成未来能力和未来收入。Rao 还强调，人才密度比人才规模更重要，最好的模型会放大最强研究员和推理工程师的产出。 Anthropic 的研发循环也来自客户反馈。Rao 说企业客户会告诉他们模型在哪里卡住、还缺什么能力、哪些产品想做但暂时做不了。企业侧不会拿客户数据训练，pro 用户也只有选择加入才会用到数据；但这些痛点会成为训练目标，让模型能力继续往真实任务靠近。 "公司内部超过 90% 的代码，实际由 Claude Code 编写。" 平台越强，应用边界越难划 主持人问了一个敏感问题：Anthropic 应该只做底层平台，还是亲自做应用？Rao 的答案是，大部分精力会放在平台上。他把 Claude 平台类比为早期 AWS：不只是原始模型访问，还包括 prompt caching、虚拟机、Claude Code、Dispatch、Agents SDK 和 managed agents。 Anthropic 也会做自己的应用，比如 Claude Code、金融服务、生命科学、安全方向的产品组合。Rao 给出的标准很实用：当公司能提前看到模型能力要去哪里，或者能给生态演示一种新价值时，就会自己做。 Anthropic 想赚平台的钱，也希望客户在平台上赚到更多钱。 客户对这种边界会紧张，Rao 承认前沿模型能力有时连 Anthropic 自己都会惊讶。他的回应是尽量保持伙伴导向：早期访问、听客户要什么能力、和安全、设计、金融服务等生态伙伴合作。模型进步把过去 5 年、10 年、20 年才发生的平台变化压缩到几个月里，生态关系自然会更敏感。 "我们的目标是做最好的模型，再做让这种智能在客户内部扩散的产品、工具和服务。" 定价要看算力回报，不看老 SaaS 模板 Patrick 追问定价：既然大家都缺算力，为什么不大幅涨价？Rao 说 Anthropic 的价格总体相对稳定，最大一次调整发生在 Opus 4.5 发布时：他们降低了 Opus 家族价格。原因是他们发现 Opus 级模型相对于能力被低估了，很多客户在把 Opus 问题塞进 Sonnet 工作负载里。 降价后，消费量增长远超预期，Rao 称之为 Jevons paradox。毛利问题也很难套传统软件公式，因为算力不只是简单的增量可变成本。服务客户、模型开发、内部提效都在同一个算力信封里互相支撑。 Anthropic 衡量的核心，是整包算力支出带来的回报。 投资人现在最难理解的，也正是算力的用法。Rao 说，一块芯片上午可能跑推理，下午或晚上又用于模型开发，这和传统软件公司、工厂、研发团队的成本分类完全不同。他会问模型公司三个问题：整体算力 ROI 怎么样，客户是否真的获得 ROI，未来算力从哪里来。 客户 ROI 也有硬指标。Rao 提到，Anthropic 的年化净美元留存率超过 500%，已经服务 9 家 Fortune 10 公司。他在来录制节目的 Uber 上，20 分钟内还签了两个八位数美元承诺。企业客户已经从试点走到重大的购买决策。 "我们降了 Opus 的价格，但消费量增长得远超预期。" 财务团队自己先变成超级用户 最有说服力的一段，来自 Anthropic 财务团队自己的用法。Rao 说，一年前他们就开始把 Claude Code 当成数字同事，而不只用于写代码。今天，所有法律实体的法定财务报表都可以用 Claude 产出，人类负责检查。 他们还做了 Ant Stats 实时平台，财务团队有 70 多个 Claude skills。月度财务复盘 skill 可以把 MFR 做到 90% 到 95% 就绪，团队讨论的重点从“发生了什么”转成“下一步怎么做”。过去一份收入或算力利用率周报要花数小时，现在约 30 分钟完成。 Claude 在 Anthropic 内部先证明了：知识工作可以从整理事实，转向判断含义。 Rao 还看 token 使用榜。最重度用户并不只来自刚入职、周末也写代码的年轻人；财务团队里最资深的人也在大量使用 Claude，税务负责人甚至成了头号用户之一。Rao 的标准很直接：Anthropic 自己先成为超级用户，客户才更容易相信这套工作方式。 Rao 对未来形态的描述，是一个 virtual collaborator：它理解组织上下文，能使用公司自研或购买的工具，有记忆，能从人和自己的错误中学习，并在很长时间跨度上推进一个想法。Anthropic 现在的产品开发已经从“三个月做一个项目”变成每天发布，有一组 agent 围绕具体任务工作，人的角色越来越像管理者。开发者率先采用 Claude Code，Rao 认为同样的变化会扩散到更多知识工作。 "月度财务复盘可以做到 90% 到 95% 就绪。" 写在最后 这期最值得带走的判断，落在 Claude 背后的经营方式：用算力抢能力，用能力打开企业工作流，再用客户需求反推下一轮算力和产品。普通团队可以从一条具体流程开始，先让 AI 接住真实任务，再谈更大的组织改造。先选一条每天发生、结果可验收、失败有人负责的流程，Claude 的故事才会从新闻变成自己的工作方法。 内容来源："How Claude went from $9 billion to $45 billion in one year | CFO explains"丨Invest Like The Best 原视频：https://www.youtube.com/watch?v=wEEZPpx8qow Audio or video is not supported Please download the file and open it with the appropriate software. 66c861bdcbc24bc8bf52aff5dc3bf06e.mp4 · 383.23MB 66c861bdcbc24bc8bf52aff5dc3bf06e 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. 66c861bdcbc24bc8bf52aff5dc3bf06e.mp4 · 383.23MB 66c861bdcbc24bc8bf52aff5dc3bf06e 00:00 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣ 🔗 原文链接： https://mp.weixin.qq.com/s/ybtpaJYR... https://mp.weixin.qq.com/s/ybtpaJYR...