“中国版Anthropic”说法很流行，但不存在

“中国版Anthropic”这个说法当下非常流行。

稍作回溯，大约是从2025年下半年开始叫开的，最早出现在卖方电话会议里。几位分析师在讨论那家刚递表港交所的AI公司时，需要一个能让基金经理瞬间听懂的参照物。OpenAI已经被叫得太多，Mistral又太冷僻，Anthropic刚好——ARR曲线漂亮，有“安全派AI”的差异化定位，对估值故事也友好。

于是“中国版Anthropic”这句话被甩了出去，几周内变成行业口头禅，几个月后，已经堂堂正正写进招股书的解读、研报的封面、卖方午餐会的开场白。

这种映射本身是分析师的便利工具，用熟悉的事物去解释陌生的事物，省事、直观、方便决策。中国版亚马逊、中国版特斯拉、中国版谷歌——过去二十年的中国投资史，大半是靠这种比喻搭起来的脚手架。

A.为什么流行开来？

这一次也不例外，脚手架看起来非常贴合——否则也不会获得市场的认可。

第一层原因是产品形态对得上。Anthropic过去三年最重要的事是ClaudeCode撕开了AI编程市场，而这家中国公司也在大力布局Coding能力，发布会上Coding能力总是被放在最显眼的位置。

第二层原因是商业模式对得上。Anthropic的300亿美元ARR大半来自B端企业客户，这家中国公司的MaaS平台和大客户解决方案也以B端为主，金融、能源、政务被反复提起。

但真正让这个比喻牢牢钉在市场叙事里的，是第三层——也是最深的一层——国产替代。

2025年初DeepSeek发布R1之后，整个中国AI行业心照不宣地进入了一个新的剧本：硅谷有什么，中国就要有对应的什么。OpenAI对应DeepSeek，Cursor对应国产Coding公司，Anthropic对应这家公司。

这个剧本几乎不必论证，构成了当下中国科技叙事里最有共识、最能调动资源、最不容挑战的那条主线。当一句“中国版Anthropic”被甩出去的时候，它真正调动起来的，不是几个商业模式的比对，而是中国必须有自己Anthropic的国家意志。

数家媒体在报道中将该公司与Anthropic类比

这套国家意志在二级市场上得到了极为热烈的回应。这家公司2026年初登陆港交所，发行价116.2港元，五个月之内股价冲到1001港元，近期股价更是爬升到2000港元以上。市场愿意付出的估值倍数极其惊人。

但也需要补充一个细节：它的港股流通盘很小，香港公开发售部分超额认购1159倍，公众持股比例不高，稀缺性本身就构成了相当一部分估值溢价。这里就不具体展开了。

回到主题。当“中国版Anthropic”这个比喻同时被产品对标、商业模式对标、国家意志这三层支撑起来的时候，它已经不只是分析师的便利工具，它变成了一种愿景。

B.同样的种子，不同的土壤

不过，愿景和现实之间，是有距离的。

Coding能力对得上、B端客户为主对得上、国产替代的非凡意义也对得上，这些都没问题。但真正需要做的，是把镜头拉远一点，看看这两家公司所根植的土壤，到底是不是同一片。

先看一个画面。

硅谷一家中型律所的合伙人，月底要审批一笔开销，例如给整个律所接入ClaudeEnterprise，年付几十万美元。这笔钱怎么签下来的？大概率是合伙人扫一眼报价，比一下省下来的初级律师工时，CFO那边走个流程，半小时就过了。

在美国，这是B端软件采购的日常。Salesforce、Workday、Snowflake、Datadog——过去二十年，硅谷的SaaS军团把美国企业训练成了世界上最舍得为软件花钱的客户群。Anthropic的300亿美元ARR就长在这片土壤上，《财富》全球500强前十里有8家是它的客户。

把同样一颗种子换到中国土壤上，故事的形状会变得不太一样。国央企采购走的是招投标流程，三四家供应商互相压价，中标的那家往往是报价最低、回款最慢的。

民营企业的IT部门采购AI能力的时候，第一反应是看有没有开源替代品，第二反应是能不能本地化部署把数狙陶在自己手里，第三反应才轮到预算。

中小企业更直接，毕竟SaaS二十年没在中国真正长起来，今天的AI接的就是这个没长起来的盘子，想赚钱——太难！

这件事谁都解决不了，它会一笔一笔写进财报里。这家公司2025年的本地化部署毛利率从66%滑到了48.8%，API涨价83%才换来调用量400%的增长。两个数字摆在那里，背后是中国B端付费土壤的真实厚度。

即使是同样的种子，埋入不同厚度和性质的土壤，长出来的果实也不会一样。

C.两道坎：算力鸿沟与和生态逻辑

Anthropic身后站着亚马逊和谷歌，亚马逊投了80亿美元并提供主要的云服务，谷歌投了20亿。这意味着目前全世界最强的两套云基础设施，同时在给它供血。CEO达里奥还在公开场合反复说，训练成本会从10亿美元上升到100亿、1000亿美元。

中国对标方所处的位置不太一样。一边是高端GPU的出口管制，一边是单位算力成本结构性地高于美国同行。同样训练一次模型，要花更多的钱、用更长的时间、承担更多的不确定性。

更值得停下来想想的是模型规模这条线。Anthropic最新推出的Mythos模型，参数规模已经摸到10万亿这个量级。并且，需要指出的是，它不仅是个模型，是一整套打通了亚马逊云、Palantir平台、美国国防部IL6机密环境的政企AI解决方案。

美国国安局、国防部、财政部、商务部、国土安全部、司法部、国务院，可以说，一整圈联邦机构都在用Mythos的修改版做漏洞发现、系统加固、攻防评估。

这已经不是单纯卖模型的生意了，是Palantir那条路——政府+国防+关键行业的长期合同，市场辨模动辄几百亿美元，毛利率结构和“卖API”完全不同。

这项计划联合了AWS、苹果、谷歌、微软、英伟达s等12家科技巨头，将MythosPreview定向开放给约40家维护关键软件基础设施的组织

中国对标方有没有可能走类似的路径？理论上有，实际上要难得多。

第一道坎是算力层面的巨大鸿沟。

先说算力，Meta是硅谷巨头中算力较弱的一家公司，但2026年的AI资本支出，已经接近中国所有头部AI企业的总和。Mythos单次训练成本高达100亿美元，背后不仅仅是成本高昂，更在于算力能否充足。国产芯片的追赶，无论从单卡性能、集群效果，只能追赶到H20至多H100的水平，并且无法进行预训练，主要用于推理层面。

最顶尖的芯片公司华为升腾，5月主动曝光出“韬定律”，可以理解为，利用EUV光刻机突破5纳米以内芯片路径已经不可能，堆叠成为唯一的艰难之路。这为国产化芯片追赶之路蒙上了一层阴影。可以推测，中美之间的算力差距在接下来还会继续拉大。

何庭波在题为《半导体新路径探索与实践》的主旨演讲中，正式发表“韬（τ）定律”

第二道坎是政企AI生态的逻辑完全不同。

Anthropic走的那条路，本质上是几个商业玩家自下而上拼出来的：Anthropic出模型，AWS出云和算力，Palantir出政企落地平台和数据中台，三家公司谁也不归谁管，但通过商业合作和股权绑定，自然而然形成了一个面向美国联邦政府的AI解决方案联盟。

Palantir过去十年已经在国防部、CIA、ICE、FBI铺好了渠道和信任，AWS的GovCloud已经拿到IL6认证，Anthropic的模型嵌进去就能用。这是一个市场化的、由商业利益驱动的、自下而上长出来的政企AI生态。

中国的政企AI生态，长得不是这个样子。它是被信创框架定义的。2027年央企信创全面替代是硬目标，2026年是冲刺年。这意味着所有进政企的AI能力，第一道关不是性能、不是ROI，而是“是否符合信创目录”。CPU要用龙芯/海光/鲲鹏，操作系统要用麒麟/统信，数据库要用达梦/人大金仓，AI芯片要进安全可靠目录。这一整套流程，本身就是政府主导的，不是商业玩家拼出来的。

也就是说，美国的政企AI生态长得像一个市场，中国的政企AI生态长得像一张行政地图。这两种生态的财报形状是不一样的。Anthropic的政企生意可以做成“边际成本递减、毛利率递增”的SaaS曲线；中国对标方在政企侧的生意，更接近“每一单都要重新做集成、毛利率被本地化部署拖着走”的项目制曲线。

这一点，正好对应它本地化部署毛利率从66%滑到48.8%的财报现实。

两道坎叠在一起，“中国版Anthropic+Palantir+AWS”这条路，在中国短期内是走不通的。不是没有人愿意走，而是这条路在中国的形状本来就不一样，走通了也不会长成Anthropic那种样子。

再回到那两份财报。Anthropic在2024年底的年化收入是10亿美元，一年半之后冲到300亿，2026年5月完成650亿美元H轮融资，投后估值9650亿美元，已经在筹备IPO。

这家中国公司2025年全年收入7.24亿元人民币，净亏损47.18亿元，四年累计亏损约85亿，当下ARR大约2.4亿美元，市值高点接近1500亿美元。

如果硬要按Anthropic的P/ARR倍数倒推，1500亿美元市值对应的ARR应当在40亿美元上下。从2.4亿到40亿，差着16倍。要补上这16倍的缺口，这家公司未来每个月都得维持150%以上的环比增速——这个数字，连硅谷最猛的SaaS明星都没跑出来过。

走到这一步，“中国版Anthropic”已经不算商业判断了，更像一种估值上的许愿。

而许愿能不能成真，并不取决于这家公司，取决于它脚下那片土壤、它头顶那片天空，以及——这是接下来要谈的——它对标的那个对象，自己究竟稳不稳。

D.Anthropic是否构成一个锚？

到这里，如果文章只批评中国对标方，其实是不公平的，也是不准确的。真正诚实的分析必须把另一面讲清楚，即被当作锚的Anthropic，自己也站得没那么稳。

把时间拉回三年前。2023年初，主角是ChatGPT。所有中国创业者开口闭口“中国版OpenAI”，GPT-4发布的时候几乎所有评论都认定OpenAI已经赢下了这场战争。

一年后Gemini追上来了，谷歌在多模态、长上下文、原生集成上拿到了局部领先，Gemini2.0发布之后，“OpenAI已经赢了”这个说法开始松动。

又一年后，Claude追上来了，ClaudeCode撕开了编程市场，2026年5月，Anthropic以9650亿美元估值反超OpenAI的8520亿美元，成了全球估值最高的AI公司。

三四年时间，主角换了好几波。每一波都曾被宣告“已经赢了”，每一波都很快被下一波改写。

即便是当下的Anthropic，位置也远谈不上稳固。它跑出了编程这一个垂直领域的爆款，可法律、医疗、金融、教育、设计、内容、客服、供应链……每一块潜在的市场都比编程大，它一个都还没真正攻下来。它的盈利刚刚到来，2026年二季度5.59亿美元的单季营业利润是首次盈利，谈不上常态。

它的算力成本还在指数级上涨，CEO公开警告未来训练成本要到百亿甚至千亿美元级别，这意味着它必须不断融资、不断扩大算力承诺，才能维持现在的位置。

有观点认为：OpenAI在视觉、图像等方向均有强势布局；谷歌同样在图像、语音等环节上加码，而Anthropic的优势几乎全部集中在编程上

2026年4月，ClaudeEnterprise从固定订阅改成“基础费+按量计费”，重度用户成本翻三倍——这是按用户数收费已经覆盖不了算力成本的信号，也是商业模式仍在剧烈调整中的信号。

如果把AI能创造价值的所有领域画成一张地图，编程是其中一块已经成型的大陆——很大，但只是一块。

Anthropic在第一块大陆上插了旗，但远远没有占领整张地图。OpenAI在C端插了旗，可C端之外的处女地比C端本身大得多。Gemini守着搜索这块自留地，搜索之外它也还在摸索。

AI过去三四年的故事，并不像是一个赢家通吃的故事，倒更像是一场罢刚开始的大航海。每隔一年半载，主角就换一波，每一波主角都以为自己赢了，每一波都很快发现地图比想象中大得多。

所以拿Anthropic当锚去定价中国对标方，有两层根本性挑战：一是这家中国公司没有Anthropic生长所需要的那片土壤；二是Anthropic自己也还在路上，它不是终点，只是这一段航程暂时领先的那条船。

E.贫瘠土壤上的精耕细作

但话说回来，“中国版Anthropic不存在”这件事，其实不是悲观结论。

认知上，从“模型公司能做多大”换成“AI能在哪片土壤上创造多大价值”，也许，中国的处境反而藏着一种被低估的可能性。

打一个不太严谨但很形象的比方：以色列的农业技术世界一流。原因不是以色列土壤好，恰恰相反，以色列的土壤极差、水极少、气候极端。

正是因为底子薄，每一滴水、每一克肥料都要精打细算，才逼出了滴灌、温室、海水淡化、节水育种这一整套世界领先的精细化农业技术。

同样一颗西红柿，在加州的丰沃土壤上随便种就行，在以色列必须用一整套精密系统才能种出来。而这套精密系统反过来变成了以色列农业最值钱的资产。

AI目前的状况，跟农业有点像。

美国的AI生态像加州，算力充裕、B端付费能力强、政企生态发达、风险资本管够，跑出Anthropic这种“年烧100亿美元换300亿美元ARR”的明星是完全合理的。

但反过来说，正因为土壤这么肥，美国的AI公司其实没有动力去做“投入产出比”的精细化优化，它们的商业模式是“先把ARR做大，盈利留给以后”。直到2026年Q2才出现Anthropic的首次单季盈利，已经说明问题。

中国的AI生态像以色列。算力受限、B端付费薄弱、企业更挑剔、回款更慢、补贴也终有尽头。在这种土壤上，单纯复制Anthropic的烧钱打法是死路一条。但贫瘠土壤反过来逼出来的，可能是一种完全不一样的能力：把AI做轻、做便宜、做进真实场景里、做出可计算的ROI。

DeepSeek已经用R1证明了这种可能性的一个角度，同样的能力可以用十分之一的成本做出来。但这只是开始。AI真正大的商业落地机会，可能从来都不在“训练出全球最强模型”这件事上，而在“把还行的模型嵌进真实场景里、产生可计算的现金流”这件事上。后者需要的不是更多GPU，是更深的行业理解、更耐心的客户陪跑、更精细的成本结构、更强的工程化能力。

这些东西，在贫瘠的土壤上反而更容易长出来。

谁手里有这些？大概率不是那些把自己讲成“中国版谁谁谁”的玩家。讲这种故事的公司，本质上还在追赶硅谷剧本，而不是在写自己的剧本。更可能跑出来的，是那些已经在中国的真实土壤上耕耘了十几年、二十年，手里握着海量真实用户、成熟商业闭环、深厚组织能力、稳定现金流的那些“老资产”。

这些“老登”们不需要“做出最强模型”，他们只需要“把AI嵌进自己已经成型的存量里”——而这件事，恰恰是Anthropic、OpenAI、Google隔着太平洋做不了的事。

AI最珍贵的东西从来都不是模型本身，是模型嵌入真实场景之后能撬动多大的存量。这件事在全球都成立，在中国尤其成立。这意味着，中国版Anthropic不存在，但AI在中国的故事，才刚刚开始。

这也印证了秦朔先生最新的论证，AI是一个“伟大的泡沫”，那些敢于投身泡沫、迎战泡沫、挤掉泡沫的企业，是真正伟大的企业。