Part 04｜LLM竞争-财务

# Sheet: LLM竞争-财务

观察 | 1. OpenAI增长降速。 |  |  |  |  |  |  |  |  |  |  | ARR 端点 + 增长倍数
 | □ 从 3×/年的复合增长骤降到约 0–20%/年的近平稳状态。 / □ 2026.4 OpenAI官方确认ARR为24B，相比于2月份的ARR，略有下降。 / □ 原因：（1）B端，Anthropic在编码和企业市场争夺份额，Claude Code 上线 11 个月做到 $2.5B ARR。（2）C端，Google Gemini 3 抢消费者流量，从已有数据可以看到，Gemini和OpenAI的消费者增长都在放缓。（3）中国模型拼 API 价格。 / □ 挑战。2026预期亏损$14B，2030前累计预期亏损$115B，2030预期ARR$200B。"Friar has expressed concerns over the company's ability to fund future compute agreements if the revenue slowdown continues"——这是 CFO 公开担忧 |  |  |  |  |  |  |  |  |  |  | 公司 | 起点 | 终点 | 区间 | 倍数
 | 2. Anthropic ARR超过OpenAI。虽然目前Anthropic的2025年实际收入仍然低于OpenAI。 |  |  |  |  |  |  |  |  |  |  | OpenAI | $200M (2023-03) | $24B (2026-03) | 36 个月 | 120×
 |  |  |  |  |  |  |  |  |  |  |  | Anthropic GROSS | $87M (2024-01) | $30B (2026-04-07) | 27 个月 | 345×
 |  |  |  |  |  |  |  |  |  |  |  | Anthropic NET | $87M (2024-01) | $22B (2026-04-13) | 27 个月 | 253×
 |  |  |  |  |  |  |  |  |  |  |  | Anthropic Claude Code | $1B (2025-11) | $2.5B (2026-02) | 3 个月 | 2.5×
 |  |  |  |  |  |  |  |  |  |  |  | Google Cloud（季度年化） | $38B (2024-Q1×4) | $80B (2026-Q1×4) | 8 个季度 | 2.1×
 |  |  |  |  |  |  |  |  |  |  |  | xAI（季度年化） | $208M (2025-Q1×4) | $428M (2025-Q3×4) | 2 个季度 | 2.1×
 |  |  |  |  |  |  |  |  |  |  |  | 年度 GAAP 营收（绝对值，USD）
 |  |  |  |  |  |  |  |  |  |  |  | 年度 | OpenAI | Anthropic | Google Cloud | xAI
 |  |  |  |  |  |  |  |  |  |  |  | 2022-FY | $28M | n/a | $26.3B | n/a
 |  |  |  |  |  |  |  |  |  |  |  | 2023-FY | $1.6B | $100M | $33.1B | n/a
 |  |  |  |  |  |  |  |  |  |  |  | 2024-FY | $3.7B | $381M | $43.2B | $91.8M
 |  |  |  |  |  |  |  |  |  |  |  | 2025-FY | $13.1B | ~$4.5B (T3) | $58.7B (4Q 求和) | $208M (9M)
 |  |  |  |  |  |  |  |  |  |  |  | 2026-FY 推算 | ~$24-30B | ~$15-20B (NET) | ~$80B+ | n/a
事件 | the informantion首次报道Anthropic的2025年毛利率~40%（2025年公司内部预测），从早先内部估计的50%下调。70%为2027-2028的预期。
消息源 | The Information，2026年1月22日，标题"Anthropic Lowers Gross Margin Projection as Revenue Skyrockets"，基于"两位了解Anthropic财务的人士"。 |  |  |  |  |  |  |  |  |  |  |  |  |  |  |  | 时点 | 毛利率 | 来源 / T_level | 备注
计算方法 | 公司用收入减去推理成本（inference costs）和其他销售成本来计算毛利率；推理成本——为付费客户在Alphabet和Amazon服务器上运行AI模型的费用——比预期高出23%。 |  |  |  |  |  |  |  |  |  |  | 成本项 | 是否计入COGS（影响40%毛利） | 处理方式 |  |  | 2024-FY | -0.94 | T3 (估算) | COGS ≈ 1.94 × 营收；training cost USD 2.7B + inference cost 摊给 USD 381M 营收
对照 | OpenAI对比：2025年预期毛利率约46%（含付费和免费ChatGPT用户的推理成本）。 |  |  |  |  |  |  |  |  |  |  | 付费用户的推理成本 | ✅ 计入 | 主要的COGS |  |  | 45627 | ~-50% (估) | T3 | ARR 已 USD 1B；inference 单位成本下降启动
 |  |  |  |  |  |  |  |  |  |  |  | 免费用户的推理成本 | ❌ 不计入 | 如果计入，毛利率降至约38% iTiger |  |  | 2025-H1 | 0.38 | T3 | Acquinox/Pitch Book，4 来源交叉验证；推理段为正
 |  |  |  |  |  |  |  |  |  |  |  | 模型训练成本（2025年约$41亿） | ❌ 不计入 | 作为线下费用处理，因此2025年EBITDA亏损约$52亿 iTiger |  |  | 2025-FY | ~+50% | T3 | claim 2044：「gross_margin 40%」（保守口径）
Anthropic 毛利率 -94% → +70% 的驱动器 |  |  |  |  |  |  |  |  |  |  |  | 其他销售成本 | ✅ 计入 | 较小项 |  |  | 2026-Q1 | >+70% | T3 | claim 1844：「Inference gross margin 38→70+」
分子 | 单 token 推理成本下降。训练算法效率（Chinchilla scaling、稀疏 MoE、量化）让 Claude 系列在 2024-2026 共 3 代里把单 token 推理成本压了约 **80-90%**。这是分子项的「物理通缩」。Claude 3 Haiku 同质量等效价格 2024-03 → 2025-08 估降 3-5×（保守 3×，激进 5×）
分母 | 营收对固定 training cost 的杠杆。训练成本是预算化的固定支出（2024 USD 2.7B → 2025 USD 4.1B），但营收从 USD 381M 涨到 USD 4.5B（+11.8×）。同样是 USD 4.1B 训练成本，摊给 USD 4.5B 营收（占 91%）和摊给 USD 18B 营收（22%）是完全不同的毛利率。
与OpenAI的区别 | □ Anthropic的tokens输入和输出价格都是市场上最贵的。 / □ Anthropic 价格通缩 vs OpenAI 不对称：OpenAI 通过 mini/nano 极端降价（GPT-5 nano $0.40），Anthropic 选择保 Sonnet/Opus 价位、用 Haiku 渐进升级。这反映了 Anthropic 主导企业 API 段（不需要打消费者价格战）的战略选择。
 |  |  |  |  |  |  |  |  |  |  |  | OpenAI GPT-3.5 quality 同质量 token 价格累计降幅
 |  |  |  |  |  |  |  |  |  |  |  | 时点 | 同质量代表模型 | Output 价格 | 与 2022-11 比
token成本下降 |  |  |  |  |  |  |  |  |  |  |  | 44866 | text-davinci-003 | 20 | 1×
 | a16z 用 MMLU 锚定质量,所以是"iso-quality"严格口径,得到 10×/年。 / altman、Epoch AI用了别的benchmark+最低价的提供商，可能一年下降200倍。 |  |  |  |  |  |  |  |  |  |  | 44986 | GPT-3.5 Turbo | 2 | 10×
 |  |  |  |  |  |  |  |  |  |  |  | 45292 | GPT-3.5 Turbo (final) | 0.5 | 40×
 |  |  |  |  |  |  |  |  |  |  |  | 45474 | GPT-4o mini | 0.6 | 33× (但更强)
 |  |  |  |  |  |  |  |  |  |  |  | 45870 | GPT-5 nano | 0.4 | 50× (远超 GPT-3.5 quality)
 |  |  |  |  |  |  |  |  |  |  |  | 2024 | DeepSeek V3 (Web) | $0.04 (estimated) | 500×
 |  |  |  |  |  |  |  |  |  |  |  | 2025 | DeepSeek V4 Flash | 0.3 | 67×
 |  |  |  |  |  |  |  |  |  |  |  | 同质量 anchor 行业最低 | various | $0.02-0.04 | 500-1,000×
 |  |  |  |  |  |  |  |  |  |  |  | Claude同质量 token 价格累计降幅
 |  |  |  |  |  |  |  |  |  |  |  | 时点 | Claude 模型 | Output 价格 | 性能等级 (相对 baseline)
 |  |  |  |  |  |  |  |  |  |  |  | 45352 | Claude 3 Haiku | 1.25 | baseline (smallest)
 |  |  |  |  |  |  |  |  |  |  |  | 45352 | Claude 3 Sonnet | 15 | "Haiku 12× 强"
 |  |  |  |  |  |  |  |  |  |  |  | 45597 | Claude 3.5 Haiku | 5 | "Haiku 1.3 强" (近 Sonnet 3)
 |  |  |  |  |  |  |  |  |  |  |  | 45931 | Claude Haiku 4.5 | 5 | "Haiku 1.4 强" (近 Sonnet 3.5)
 |  |  |  |  |  |  |  |  |  |  |  | 2026-Q1+ | Claude Haiku 5 (推测) | 估 $3-5 | "Haiku 1.5 强" (近 Sonnet 4)
 | 驱动力：算法效率（3-5）、硬件效率（1.5）、架构创新（2-3）、规模摊销（1.3-2）。
财务结构假设与盈亏平衡推算模型 — OpenAI vs Anthropic |  |  |  |  |  |  |  |  |  |  |  |  |  | 数据项 | 来源 | 口径说明
黄色单元格 = 可调参数；蓝字 = 输入；黑字 = 公式；数据来源见每行右侧 |  |  |  |  |  |  |  |  |  |  |  |  |  | OpenAI 收入 | The Information (2026.2)、CNBC、Bloomberg、SaaStr | GAAP 收入和 ARR 区分：2025 GAAP $13.1B，年末 ARR $20-21.4B；ARR = 当月收入 × 12
 |  |  |  |  |  |  |  |  |  |  |  |  |  | OpenAI 训练 compute | The Information (2025.9) | 2025 $9B（上调 $2B），2026 $19B（上调 $2B），2028 $121B（WSJ）
 | 项目 | 2024A | 2025A | 2026E | 2027E | 2028E | 2029E | 2030E |  |  | 来源 / 备注 |  |  | OpenAI 推理 compute | Sacra (2026.5)、Epoch AI | 2024 $1.8B，2025 $8.4B（4× 增长），2026 $14.1B
OpenAI |  |  |  |  |  |  |  |  |  |  |  |  |  | OpenAI 总 compute 2026 | Brockman 法庭证词（Musk 诉讼） | Brockman 2026.4 在 Musk v Altman 庭审中宣誓披露：2026 总 compute 支出 $50B
 | GAAP 收入 ($B) | 3.7 | 13.1 | 30 | 60 | 100 | 180 | 280 |  |  | The Information; 2030 内部上调后目标 $280B |  |  | OpenAI 累计烧钱 | The Information (2026.2) | 2025-2030 累计 $665B（上调 $112B），2026 $25B、2027 $57B、2028 $85B；2030 正现金流 $39B
 | 毛利率（调整后, %） | 0.3 | 0.33 | 0.38 | 0.45 | 0.52 | 0.6 | 0.65 |  |  | Sacra; 2025 实际 33%; 2030 目标 52-67% |  |  | OpenAI Microsoft 分成 | Sacra (2026.5)、WSJ | 20% 收入分成至 2032；2026-2027 合计预付 $13B+
 | 训练 compute ($B) | 3 | 9 | 19 | 35 | 60 | 90 | 125 |  |  | The Information; 2030 $125B+ |  |  | OpenAI SBC | WSJ (2026.1)、Fortune | 2025 $6B（接近收入 50%），用于留住因 Anthropic 挖角的工程师
 | 推理 compute ($B) | 1.8 | 8.4 | 14.1 | 22 | 32 | 45 | 60 |  |  | Sacra; 2025 $8.4B, 2026 $14.1B |  |  | Anthropic 收入 | The Information (2025.11)、SaaStr (2026.4) | 口径：gross basis（含 AWS/Google 转售）；2024 GAAP $0.38B、2025 GAAP $4.6B、2026.4 ARR $30B
 | 总 compute ($B) | 4.8 | 17.4 | 33.1 | 57 | 92 | 135 | 185 |  |  | → 训练 + 推理 (公式) |  |  | Anthropic 训练 compute | WSJ (2026.4)、The Information | 2025 $4.1B，2026 $12B，2028 峰值 $30B（仅 OpenAI 同期 1/4）
 | 股权激励 SBC ($B) | 3 | 6 | 8 | 10 | 12 | 14 | 16 |  |  | WSJ; 2025 $6B（约收入 50%） |  |  | Anthropic 推理 compute | Epoch AI (2026.2) | $2.7B (2025) = 营收 $4.5B × (1 − 40% 毛利率)
 | Microsoft 收入分成 (%) | 0.2 | 0.2 | 0.2 | 0.2 | 0.2 | 0.2 | 0.2 |  |  | 20% 延至 2032 |  |  | Anthropic 毛利率 | The Information (2026.1) | 2024 -94%（深度亏损）；2025 40%（从 50% 下调）；2028 目标 77%
 | Microsoft 分成 ($B) | 0.74 | 2.62 | 6 | 12 | 20 | 36 | 56 |  |  | → 收入 × 分成比率 |  |  | Anthropic 2028 预测 | The Information (2025.11) | 2028 收入 $70B、现金流 $17B（正向）；2029 收入 $148B（上调 +40%）
 | 其他运营费用 ($B) | 2 | 4 | 7 | 11 | 15 | 20 | 25 |  |  | 员工、SG&A、研究非 compute |  |  | Anthropic 法律负债 | TechCrunch (2025.11) | $1.5B 作者版权和解（书籍训练相关）
 | 总成本+费用 ($B) | 10.54 | 30.02 | 54.1 | 90 | 139 | 205 | 282 |  |  | → compute + SBC + 分成 + opex |  |  | Compute / 收入比效率 | Fortune Magazine、WSJ | Anthropic 2028 $2.10 营收/美元 compute vs OpenAI $1.60
 | 营业利润 ($B) | -6.84 | -16.92 | -24.1 | -30 | -39 | -25 | -2 |  |  | → 收入 − 总成本
 | 营业利润率 (%) | -1.84864864864865 | -1.29160305343511 | -0.803333333333333 | -0.5 | -0.39 | -0.138888888888889 | -0.00714285714285714 |  |  | → 营业利润 / 收入
 |  |  |  |  |  |  |  |  |  |  |  |  | 方法论说明
Anthropic |  |  |  |  |  |  |  |  |  |  |  |  |  | 毛利率定义 | 毛利率 = (收入 − 推理 compute − 训练 compute 摊销) / 收入。这是「服务一个客户的边际成本」，不含 R&D、人力、SG&A 等固定费用
 | GAAP 收入 ($B) | 0.4 | 4.6 | 18 | 45 | 70 | 100 | 130 |  |  | The Information; 2028 $70B 内部预测 |  |  | 营业利润公式 | 营业利润 = 收入 × 毛利率 − SBC − 其他运营费用 − 收入分成
 | 毛利率 (%) | -0.94 | 0.4 | 0.5 | 0.62 | 0.7 | 0.75 | 0.77 |  |  | Information; 2024 -94%, 2028 目标 77% |  |  | 盈亏平衡公式 | 盈亏平衡收入 = (SBC + 其他费用) / (毛利率 − 分成率)
 | 训练 compute ($B) | 2 | 4.1 | 12 | 22 | 30 | 50 | 80 |  |  | Information; 2025 $4.1B, 2028 峰值 $30B |  |  | compute 单位成本下降假设 | 本模型假设两家都随规模实现 compute 单位成本下降；如果不下降，毛利率不会从当前 30-50% 提升到 60-77%
 | 推理 compute ($B) | 0.7 | 2.7 | 7 | 14 | 21 | 28 | 35 |  |  | Epoch AI; 2025 $2.7B, 2026 $7B |  |  | 不包含项 | （1）CapEx：OpenAI $600B+ 长期承诺、Anthropic 3.5GW TPU；（2）融资活动现金流：OpenAI 累计 $176B+；（3）法律或有负债如 Musk 诉讼 $134B 索赔
 | 总 compute ($B) | 2.7 | 6.8 | 19 | 36 | 51 | 78 | 115 |  |  | → 训练 + 推理 |  |  | ARR vs GAAP 差异 | ARR 是 run-rate（当月 × 12），GAAP 是实际确认收入；两者在高速增长期差距大。本模型用 GAAP 收入做盈亏判断更准确
 | 股权激励 SBC ($B) | 1 | 2.5 | 4 | 7 | 10 | 13 | 16 |  |  | 估算（员工总开支 <25% 总支出） |  |  | gross vs net 收入 | Anthropic 通过 AWS/Google 转售按 gross 计入收入；OpenAI 不这样。直接对比 ARR 时 Anthropic $30B 应剔除约 $8B markup ≈ $22B net
 | 其他运营费用 ($B) | 1 | 2 | 4 | 7 | 10 | 13 | 16 |  |  | 员工现金薪酬、SG&A、研究非 compute |  |  | 关键不确定性 | （1）训练 compute 是否真能在 2028-2030 见顶；（2）推理成本是否每年下降 10×（Anthropic 内部假设）；（3）OpenAI Microsoft 关系演变
 | 总成本+费用 ($B) | 4.7 | 11.3 | 27 | 50 | 71 | 104 | 147 |  |  | → compute + SBC + opex (无 MSFT 分成)
 | 营业利润 ($B) | -4.3 | -6.7 | -9 | -5 | -1 | -4 | -17 |  |  | → 收入 − 总成本
 | 营业利润率 (%) | -10.75 | -1.45652173913044 | -0.5 | -0.111111111111111 | -0.0142857142857143 | -0.04 | -0.130769230769231 |  |  | → 营业利润 / 收入