新智元报道
编辑：定慧
Epoch AI 最新数据：Anthropic 人均年营收 900 万美元，远超 OpenAI 的 560 万和英伟达的 510 万。一家没上市的 AI 公司，人效已刷新硅谷全部历史纪录。
作为打工人，你有没有都偷偷算过这道题：
一年到底给公司挣多少钱？10 万？100 万？1000 万？
Epoch AI 最新数据：Anthropic 人均年营收 900 万美元。
900 万美元，换成人民币就是 6300 万！
这个数字看着太不真实了。
而且，Anthropic 只有三千人，Anthropic 整个公司就这么点人。
放在硅谷，塞不满一栋中型写字楼。
但 Epoch AI 公布的这组数字，让这三千人变成了硅谷最贵的三千颗脑袋。
做个参照对比。
-
英伟达，全球市值最高的芯片巨头，每人贡献的收入是 510 万美元。
-
OpenAI，ChatGPT 帝国的缔造者，每人贡献是 560 万美元。
-
Apple，市值最高的公司，人均 240 万美元—Anthropic 是它的近 4 倍。
-
Meta，220 万。
-
Google，200 万。
-
Microsoft，110 万。
苹果、谷歌、Meta、微软—几亿打工人挤破头想进的地方。它们的人均营收，都不到 Anthropic 的三分之一。
OpenAI 跟 Nvidia 是离 Anthropic 最近的两位选手。
即便如此，得 1.6 个 OpenAI 员工才能顶 1 个 Anthropic 员工，1.8 个 Nvidia 员工才能顶 1 个。
全被甩在身后。
更值得玩味的是，Epoch AI 指出，这个数字甚至超过了上述公司在 IPO 高峰期的人均营收水平。
一家还没上市的公司，效率已经碾过了硅谷巨头们的历史巅峰。
如果回顾人类发展的历史，把镜头拉到 1901 年。
那一年，J.P.摩根把卡内基的钢铁帝国整合成 US Steel—当时美国最大的工业公司。
16. 8 万名工人，年营收 4.2 亿美元。相当于每个工人，每年约 2500 美元。
这是工业时代的人均上限。人控制机器，机器把铁烧成钢。
然后时间往前走。
-
1955 年，通用汽车 62 万员工，124 亿美元营收—人均约 2 万美元。流水线吞掉了体力，把人变成可替换的工序。
-
1985 年，IBM40 万员工，500 亿美元—人均 12 万。大型机吞掉了纸面计算，西装代替了工装。
-
1995 年，微软上市第十年，1.78 万人，59 亿美元—人均 33 万。软件第一次显出真本事：一份代码可以复制一亿份，却不需要一亿个工人。
-
2004 年 GoogleIPO 那年，3,021 人，32 亿美元—人均刚好 100 万。互联网把复制的边际成本压到了零。
-
2012 年 Facebook 上市，3,500 人，51 亿美元—人均 145 万。社交网络让用户成为产品本身。
到 Apple 近年峰值，3,900 亿美元营收/16.4 万员工—人均约 240 万。这家市值最高的公司，也只走到这里。
然后 Anthropic 出现了：900 万。
124 年，3600 倍。
同一时段，美国通胀只涨了 35 倍左右。两条曲线之间的距离，就是「文明的杠杆」被拉开的速度。
900 万美元的秘密
Epoch AI 是 AI 领域最权威的独立研究机构之一，专门追踪前沿 AI 公司的算力支出、融资和运营效率数据。
这次公布的排行基于各公司最新公开的营收与员工信息推算，方法简洁，结论直白。
英伟达可不是什么低效公司。
黄仁勋的芯片帝国毛利率常年 60% 以上，华尔街把它当印钞机看。
在传统科技公司里，英伟达的人效已经是天花板级别。
Anthropic 用不到 Nvidia 七分之一的人力，在每个人头上多挤出来将近 400 万美元。
两种完全不同的商业物理学。
为什么 AI 前沿公司能做到传统巨头做不到的人效？
答案就一个词：边际成本。
传统科技公司的增长公式很朴素——多招人，多出货，多赚钱。收入翻倍，团队至少也得翻个五六成。微软、谷歌、亚马逊，过去二十年都是这么长大的。
AI 模型公司打破了这个公式。
Anthropic 的核心产品是 Claude 系列模型和 API。
模型训练是一次性重投入，权重定下来之后，服务一万个用户和一百万个用户，需要增加的主要是推理算力，不是人头。
不需要为每百万新用户多招一百个客服。不需要为新市场建产线。不需要为企业客户配专属团队。
一个模型，全球通吃。
数据验证了这个逻辑。
Anthropic 在 2024 年初的年化营收约 10 亿美元。到 2025 年底飙到近百亿。
2026 年春季，多家机构追踪显示年化营收已突破数百亿美元规模。
营收翻了十几倍，人头只多了几成。
试想一下：Anthropic 某个工程师周一推了一个推理优化，让延迟降低5%。到周五，这个优化已经在全球数百万个 API 调用里生效。
一个人的工作，乘以百万倍的杠杆。
900 万美元就是这么来的。
芯片卖的是原子
如果说 Anthropic 是做软件的，那么和做硬件的英伟达做一个对比。
英伟达是有史以来最赚钱的半导体公司，但英伟达的生意有一个结构性约束——它卖的是原子。
设计芯片要人。流片要人。封装测试要人。供应链管理要人。全球客户支持要人。每卖出一批 GPU，背后都有一条长长的人力链条。
AI 模型公司卖的是硬件的产出物——智能本身。
一块 H100 从设计到交付，需要上百人接力。Claude 从训练完成到服务第一百万个 API 调用，中间增加的人力趋近于零。
说到底，900 万对 510 万，比的不是谁更勤奋。是两种商业模型对人力的依赖度根本不同。
英伟达再怎么优化流程，也绕不开原子世界的物理约束。AI 模型公司的天花板，理论上只取决于算力供给和市场需求。
这才是 Epoch AI 这组数字真正要说的事：商业效率的定义正在被重写。
Anthropic vs OpenAI：效率暗战
看完了软硬对决，再来看看同样是软件公司，Anthropic 强在哪里？
其实就是这个数据还藏着一个更微妙的信号：ASI 双雄之间的效率鸿沟。
Anthropic 人均 900 万。
OpenAI 人均 560 万。差距超 60%。
两家公司产品形态相似，客户群高度重叠，技术路线在同一赛道上。但人效差出一大截。
一个可能的解释是战线长度。
Dario Amodei 多次表示不会大规模扩招，核心精力聚焦一件事：把 Claude 做到极致。
Sam Altman 的路线完全不同。
过去两年，OpenAI 从大模型扩展到硬件设计、机器人、搜索引擎、消费产品等多条战线，团队快速膨胀到 3500 人以上。
战线拉长，人均产出被摊薄，这是组织扩张的基本规律。
当然，这并不意味着 OpenAI 的选择是错的。
多线作战牺牲短期人效，换的是长期生态壁垒。代价先反映在人均数字上，收益可能要过两年才看得见。
但 Epoch AI 的另一项研究指出了一个更劲爆的趋势：按照当前增速差异，Anthropic 有可能在 2026 年中旬在总营收上追平甚至超过 OpenAI。
如果这真的发生，决赛格局将出现最耐人寻味的一幕——后发者用更少的人、更短的时间、更聚焦的战线，赚到了更多的钱。
泡沫还是范式
回到数据本身。
很多人第一反应：这不就是烧 VC 的钱撑出来的虚假繁荣吗？
这种怀疑完全合理。
2023 到 2024 年，不少 AI 公司的营收来自免费试用期后的短暂付费高峰，续费率堪忧。
如果 900 万美元只是靠融资补贴烧出来的数字，那整组数据就是精心包装的幻觉。
但当前的证据不支持这个判断。
Anthropic 的收入主要来自企业 API 调用和 ClaudePro/Team 订阅。
付费用户为实际的生产力买单——代码生成、文档处理、数据分析、客户服务自动化。据公开信息，企业客户数已超过 30 万家，且在持续增长。每一笔支出都对应真实的工具消费。
熟悉商业史的人会想起一个参照。1990 年代末，雅虎和 eBay 也一度人均营收高得离谱。但那时的高人效建在广告泡沫上，广告主信心一崩，数字跟着蒸发。
AI 公司的收入基础不同。企业为生产力工具付费的逻辑比广告投放刚性得多，不会因为市场情绪波动就一刀砍预算。
一个把 Claude 嵌进核心工作流的企业，换掉它的成本远大于续费的成本。
900 万美元能否持续，取决于一个关键变量：随着规模扩大，Anthropic 是否不得不大幅招人。
DarioAmodei 的答案很明确：保持「异常精简」，即使营收继续翻倍。
三千人就够了
过去一百年，商业世界有一条不成文的规律：千亿级营收需要十万级团队来支撑。
通用汽车如此，沃尔玛如此，微软和谷歌基本也如此。
Anthropic 正在证明这条规律可能过时了。
把 900 万美元再拆细一点：每个员工每个工作日平均创造约 3.6 万美元的营收。每小时约 4500 美元。
十年前，这种人效只存在于对冲基金和顶级律所的合伙人层面。但那些行业有一个致命限制——做不大。
AI 前沿公司做了一件没有先例的事：把对冲基金级别的人效，装进了可以指数扩张的商业模型里。
极小的团队。极高的杠杆。极快的扩张。极低的边际成本。
这四个特征同时出现在一种企业身上，商业史上第一次。
三千人，撑起了一台全天候运转的智能引擎，训练和运营着全球最强 AI 模型之一，让全世界为此付费。
旧时代需要十万人才能撑起的生意，现在三千人就够了。
而这，可能还只是开始。
参考资料：
https://epoch.ai/data-insights/revenue-per-employee-ai-companies
