往前追溯，这种类比大约在2025年下半年左右开始被广泛使用。最初，它出现在投资机构的电话会议中。一些投资分析人士在评估那家向香港交易所递交上市申请的人工智能企业时，急需找到一个便于基金管理者快速理解的参照框架。由于OpenAI已被反复引用、Mistral的知名度太低，Anthropic就成了理想的选择——其营收增长轨迹优美，具有”安全驱动AI”的独特优势，同时也有利于支撑估值论证。
“中国版Anthropic”这样的描述随之被抛出，在数周内演变成行业的日常用语，又在几个月后堂皇地出现在上市文件解读、投资报告封面、分析师午间报告会的开题。
这种对标本质上是一种分析便利——用已知的东西帮助理解陌生的东西，节省精力、直观清晰、便于判断。”中国版亚马逊”、”中国版埃隆·马斯克企业”、”中国版互联网搜索引擎”——二十年的中国投资叙事，好大一部分就是由这样的比较搭建而成的。
这一回似乎也不例外，对标框架看起来恰如其分——不然市场也不会给予认可。
第一个层面是功能属性的匹配。Anthropic过去36个月最关键的举措是Claude Code在人工智能编程领域取得突破，而这个中国企业同样在强化编程功能，发布会上编程相关能力总是处于首要位置。
第二个层面是收入结构的相似。Anthropic的3000亿美元年化营收主要来自面向企业的B端客户，这个中国企业的云模型平台和企业级解决方案同样以B端为核心，金融、电力、公共事务领域的案例经常被提及。
但真正将这种对标固化在市场共识里的，是更深层的第三个维度——本土替代战略。
2025年初DeepSeek推出R1以后，整个国内人工智能产业形成了一种心照不宣的共识：美国科技企业有什么产品，中国就必须具备相应的替代品。OpenAI对应DeepSeek，Cursor对应本土编程工具，Anthropic对应这个中国企业。
这个认知框架基本不需要额外论证，已成为当下中国科技话题里最有共同理解、最能调动资源、最难被质疑的核心主线。当”中国版Anthropic”这样的措辞被讲出来时，它真正动员的，不是几个商业模型的对比分析，而是中国必然需要自有Anthropic的国家级诉求。
多家新闻机构在报导里将这个企业与Anthropic进行了比较
这种国家级诉求在股票市场上得到了令人瞩目的响应。这个企业2026年初在香港上市，发行价116.2港元，五个月内股价升至1001港元，最近股价更是超过2000港元。市场愿意付出的估值倍数令人惊讶。
但需要指出的一个现象是：其港股流动性很小，香港面向公众的发售部分认购倍数为1159倍，一般投资者持股占比并不高，稀有性本身就产生了相当水平的估值溢价。这里就不深入探讨了。
回到中心话题。当”中国版Anthropic”这个概念被功能对标、商业模式对标、国家级诉求这三个因素支撑起来的时候，它已经不仅仅是分析工具，它转化成了一个期待。
B.相同的源头，相异的环境
然而，期待与现实之间，总有差距存在。
编程能力能对得上、B端客户占比能对得上、本土替代的重大意义也能对得上，这些没有问题。然而真正应该关注的，是拉开镜头的视角，检视这两个企业扎根的环境，能否说是同样的一片区域。
想象这样的场景。
硅谷某家中等规模律师事务所的合伙人，在月初要签批一项支出，例如为整个事务所部署Claude Enterprise解决方案，年度支出数十万美元。这笔金额是怎样被批准的？通常情况下，合伙人快速扫一眼报价单，评估一下能节省多少初级律师的时间成本，交给财务负责人走个流程，一小时左右就搞定。
在美国，这就是B端信息技术产品购买的常规做法。Salesforce、Workday、Snowflake、Datadog——过去二十年，美国科技产业的SaaS生态将美国公司打磨成了全球最舍得为软件服务花费的消费者。Anthropic的3000亿美元年化收入就是长在这样的市场环境中，世界500强前十的企业里有8家是该公司的客户。
同一个种子在中国的市场土壤里，发展路径会有所不同。国内国企的产品采购遵循招标比选的流程，通常竞争对手互相压价，赢得合同的往往是出价最低、付款周期最长的。
民企的技术部在采购AI工具时，首先想到的是有没有免费开源的替代方案，其次想到的是能否内部部署来确保数据归属权，第三才考虑预算充分性。
小规模企业更实际，考虑到SaaS在中国始终没有形成规模，今天的AI业务接的就是这个未开发的市场，想盈利——难度大！
这个难题谁也解决不了，它会一笔笔地反映在财务报表上。这家企业2025年的本地化部署毛利从66%跌至48.8%，API涨价83%才换来使用量增加400%。这两组数据展示了中国B端付费市场的实际深度。
相同的种子，落入深度和质地不同的土壤，长成的果实也会有区别。
C.两个关键难点：计算能力差异与产业生态逻辑
Anthropic背后有亚马逊和谷歌支撑，亚马逊投入了80亿美元并供应关键的云算力，谷歌投入了20亿。这意味着全球最先进的两个云计算体系同时为它供能。首席运营官不断在公开场合强调，模型训练成本将从10亿攀升到100亿、乃至1000亿美元。
中国的对标企业面临的形势有所不同。一方面是先进芯片的输出限制，另一方面是单位计算力成本构造上就高于欧美同等级企业。相同的模型训练任务，需投入更高的成本、消耗更长的周期、面临更多的不确定因素。
更值得思考的是模型参数规模的问题。Anthropic发布的最新Mythos型号，参数体量已经抵达10万亿这个数量级。而且，关键是它不仅是一个模型，而是完整连接亚马逊云体系、Palantir数据管理、美国国防部IL6保密环境的综合政府AI方案。
美国国家安全部、国防机构、财务部、商务部、边境管理部、执法部、国务院，几乎整个联邦体系的机构都在使用Mythos的定制版本来完成故障诊断、体系强化、对抗评测。
这已经超越了单纯的模型销售业务，是属于Palantir模式的路线——与政府部门、国防机关、战略性企业签订长期合同，市场体量动辄几百亿美元，毛利结构完全不同于”出卖API”的商业逻辑。
这项计划汇集了AWS、苹果、谷歌、微软、英伟达等12家技术企业，为约40个维护关键基础设施的机构有限开放Mythos预览版
中国的对标企业有无可能追随类似的发展方向？理论上存在，实际上难度远大。
第一个难点在计算力层面的巨大落差。
先谈计算力。即使是硅谷诸多巨头里算力相对较弱的Meta，2026年用于人工智能的资本开支，也已接近中国头部人工智能企业的全部资本支出总和。Mythos一次训练的资本投入达到100亿美元，其深层含义不止成本高企，更在于计算资源能否足够。本土芯片的发展进度，从单卡算力、集群运行效率，只能追至H20乃至H100水准，而且受限于生产工艺，无法进行前期训练任务，主要用于预测解析。
国内最先进的芯片企业华为海思，五月份披露了”韬定律”，可理解为：利用最先进的光刻技术攻破5纳米以下工艺的技术路线已经行不通，层叠堆积成为极其困难的唯一选择。这为本土芯片工业追赶的展望蒙上了暗影。可合理推断，中美计算力差距在未来会继续扩大。
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”
第二个难点是政府和企业领域AI应用的生态体系完全相异。
Anthropic遵循的路线，本质上是市场化主体从下而上协力形成的：Anthropic负责模型，AWS提供云和计算支撑，Palantir提供政企落地框架和数据体系，三家单位各自独立，却通过交易往来和股权互持，自然产生了面对美国联邦部门的人工智能整体方案。
Palantir在十多年间已在美国防务机关、中情局、特务部门、联邦警务机关建立了渠道信任，AWS的官方云服务已获取IL6等级认证，Anthropic的型号内嵌其中就能直接运用。这是一种以商业互利为引擎、市场参与者主导、自下而上演变的政企人工智能生态。
中国的政企人工智能体系，进展路径完全相反。它由信创制度规范和界定。央企全面信创取代的时间表是2027年，2026年是冲刺期间。这表示所有进入政企的AI解决方案，最初的审核不是效能、不是商业价值，而是”能否归属信创产品清单”。处理器需选龙芯/海光/鲲鹏，操作体系需用麒麟/统信，数据存储系统需用达梦/人大金仓，AI芯片需入安全可控产品范畴。这套运作流程本身就是官方领导的，而不是市场竞争者形成的。
换句话说，美国的政企人工智能生态运作如同商业市场，中国的政企人工智能生态长得像行政地图。这两种体系的财务报表形象差异很大。Anthropic的政府业务能整合成”低成本、高毛利”的云服务经营模式；中国对标企业在政府领域的业务，更似乎”每笔交易都需重头部署、本地化影响毛利”的合同制项目经营模型。
这一点，恰好对应其本地部署毛利从66%下滑到48.8%的财务数据。
两个难点共同作用，”中国版Anthropic + Palantir + AWS”这条发展线路，在中国目前是无法实现的。不是没有机构愿意尝试，而是这条路在中国呈现的形态本身就不同，走通了也不会成长为Anthropic的那种形象。
再看一下那两份财报。Anthropic在2024末的年度营业额是10亿美元，一年多以后增加到3000亿美元，2026年5月完成650亿美元规模的H轮融资，融后估值9650亿美元，正在为内地股市做准备。
这个中国企业2025年的营业收入是7.24亿人民币，净利亏空47.18亿人民币，四年来累积亏空大约85亿元，目前年化收入约为2.4亿美元，峰值公司价值接近1500亿美元。
假如死套Anthropic的P/营收比例，1500亿美元的公司价值对应的营业额应该在40亿美元级别。从2.4亿增长到40亿，相差16倍。要消除这16倍差距，这个企业从此以后每个月都得维持150%以上的环比成长——即使硅谷增长最快的云计算巨头都没实现过这样的增速。
走到现在，”中国版Anthropic”已经不再是商业分析，更似一种公司估值的期许。
而这种期许能否变成现实，取决的不是这个企业，而是其脚下的土壤、其上方的天空，以及——接下来要论述的——它对标的那个参照物，自己究竟有多稳定。
D.Anthropic是否能成为一个有效参照？
到了这一步，如果只批评中国企业，其实是片面不诚实的。真正诚恳的剖析必须讲清另一面，就是当作标杆的Anthropic，自己脚跟也不够稳。
把时间推回到三年以前。2023年初，焦点是ChatGPT。几乎所有中国创业者都在讨论”中国版OpenAI”，在GPT-4发表时候，评论普遍以为OpenAI已经获得了这场竞争。
半年之后Gemini迎了上来，谷歌在多维度内容识别、上下文理解长度、天然融合上获得了部分领先，Gemini 2.0推出之后，”OpenAI已经赢了”的说法开始瓦解。
再过一年，Claude崭露头角，Claude Code在编程市集撕开局面，2026年5月，Anthropic以9650亿美元估值超越OpenAI的8520亿美元，成为全球市值最高的人工智能企业。
三四年的时间跨度，竞争的主角换过好几轮。每一轮主角都被宣称”已经稳定获胜”，每一轮都被接下来的迭代改写。
即便是当今的Anthropic，位置也远远称不上巩固。它在编程这一个专业细分领域推出了热销品，可法律领域、诊疗领域、金融领域、教育领域、设计领域、文创领域、客户支撑、供货体系……每个可能的赛道都规模更大，它一个都还没真正拿下。它的盈利仅仅才开始，2026年第二季度5.59亿美元的单季经营利润是第一回盈利，达不到常态水平。
它的计算成本还在飞速增长，首席执行官在公开场合表示未来训练开支会走向百亿乃至千亿美元量级，这意味着它要继续借债、继续增加算力投入承诺，才能稳住现有优势。
有意见认为：OpenAI在视听、影像等领域都保持着竞争力；谷歌在影像、语音等层面继续加大投资，而Anthropic的优点几乎全部集中在编程
2026年4月，Claude Enterprise的计费从固定订购调整为”基础费+逐次费用”，重度用户开支增加了三倍——这是按客户数承载不了算力消耗的迹象，同时也是商业体系还在大幅改革中的迹象。
如果把AI能产生价值的整个范围描绘成一份地图，编程领域已经是成熟的大陆——体量不小，但仅仅是地图的一部分。
Anthropic在这一块大陆上树立了旗帜，但远远未能掌控全部领地。OpenAI在消费者市场树立了旗帜，可在消费市场之外的处女地比消费市场本身规模还大得多。Gemini盘踞着搜索这块基地，搜索之外的范围内它也在不断探索。
过去三四年人工智能的进程，看不出一个赢家垄断的故事特征，反而像是一场新的开拓时代的序幕。大约每隔一年多，竞争者就轮换一次，每个新的主角都认为自己已经胜出，每个都很快认识到地球比他们的想象要大。
所以用Anthropic作为参照来判断中国对标方的价值，存在两个根本问题：一是这个中国企业找不到Anthropic所需的那样的成长土壤；二是Anthropic自己还在旅程中，并非终点，只是目前这个航段暂时在前的船队。
E.困难条件下的科学管理
可是从另一个视点看，”中国版Anthropic是虚构的”这样的结论，其实并不悲观。
观念上，从”模型企业能膨胀到什么规模”转变为”AI在什么土壤下能产生什么价值”，或许，中国的现状反而隐藏了一种没被充分看到的可能。
做一个不太恰当但很易懂的比喻：以色列的农业科技世界领先。不是由于以色列土地肥沃，而是相反，以色列的地质条件恶劣、淡水严重匮乏、气候环境不友好。
正因为基础条件贫瘠，每单位的水资源、每克的肥料都要精算，这才推动出了微灌、温室、引淡、节水种子这整套世界最先进的密集农业体系。
同样一株番茄，在加州的富饶环境里随性种植就行，在以色列需投用一整个精密体系才能种出。而这套精密体系反而变成以色列农业最宝贵的产品。
当下人工智能的格局，某种程度也能比拟。
欧美的人工智能体系如同加州，算力资源丰沛、商业客户付费能力强、政企生态成体系、投资资本充足，发展出Anthropic这类”年度耗资百亿换百倍营收”的创新成果是很自然的。
但另一方面，正因为土壤这样肥沃，欧美人工智能企业其实缺少”投产比”微观优化的动因，它们的策略是”先做大营业额，利润的事以后再议”。直到2026年Q2才出现Anthropic首度单季盈利，已能说明这个问题。
中国的人工智能生态如同以色列。芯片储量受约束、商业客户付费意愿薄弱、用户更加挑剔、回款困难、财政补助也会耗尽。在这样的条件下，单纯仿照Anthropic的花钱路线是死胡同。而贫瘠的条件反而会逼迫出一种全新的能力：使AI更精实、更经济、更融进实际情景、更具有可量化的商业价值。
DeepSeek借R1已经展示了这种思路的一个样本，相同的产品用十分之一的花销做出来。然而这只是刚开始。AI真实的重大商业落地，很可能并不在”练出全世界最优秀的型号”这个环节，而在”把尚可的型号打入真实业务、产生实际进账”这个环节。后面这种事需要的不是更多算力，是更透彻的行业认识、更体贴的客户沟通、更精细的成本安排、更成熟的技术工艺。
这些素质，在贫困的条件下反倒容易产生。
谁已经具有这些？极可能不是那些把自己包装为”中国版哪家哪家”的市场参与者。讲这样的故事的机构，骨子里仍在跟随美国的思路，而不在创作属于自己的故事。真正能冒头的，大概率是那些已在中国的现实市场中耕耘了十几二十年、握着庞大的现成消费者体系、建立了完整运营链闭环、具有坚实组织基础、支撑稳固利润流的那些”老牌力量”。
这类”老前辈”不需要”发明最强大的模型”，它们只需”把AI融进已经形成的既有体系里”——而这件事，恰好是Anthropic、OpenAI、Google穿越太平洋也做不了的工作。
AI最有价值的部分从不是模型本身，而是模型融入实际用途之后能释放多少价值。这在全球范畴都创立，在中国尤为关键。这表示，中国版Anthropic是不存在的，但AI在中国的历程，才真正开始。
这也印证了秦朔先生近期的主张，AI是一个”伟大泡沫”，有胆量身在泡沫、应对泡沫、刺穿泡沫的企业，才是真的伟大企业。
