Anthropic 与 OpenAI 的营收看似可比，直到云服务会计处理改变了局面

尽管向投资者展示的年化数字十分庞大，Anthropic 与 OpenAI 的营收比较如今却多了一项重要前提。据报道，Anthropic 会将某些云合作伙伴销售的全额计入营收；而 OpenAI 则仅记录其从类似合作伙伴交易中实际保留的部分。

这种差异无需改变客户购买的内容，就可能让营收顶部数字增加或减少数十亿美元。它也令两家最大独立 AI 实验室之间看似直接的竞争变得更复杂。更高的披露运行率，并不必然意味着某家公司获得了更多现金，或建立了更健康的业务。

随着投资者试图厘清几项引人注目的数据，这一问题浮出水面。据报道，Anthropic 在 7 月达到 650 亿美元的年化运行率。OpenAI 到 9 月底接近 500 亿美元，同时预计到年末至少达到 700 亿美元。

这些数字因使用相同标签而显得可以比较，但其底层计算方式未必一致。

这一差异的重要性不止于会计争议。Anthropic 和 OpenAI 都依赖 Amazon、Google 和 Microsoft 提供基础设施、分销、融资，或三者兼具。各家公司如何记录这些合作关系，会影响外界对其增长、利润率、市场领导地位以及未来公开市场估值的判断。

同一笔云销售可能产生两种营收数字

核心问题很简单：据报道，Anthropic 和 OpenAI 会在交易的不同环节计入部分由合作伙伴促成的销售。

Anthropic 通过 Amazon Web Services 和 Google Cloud 运营的云市场提供 Claude。企业客户可以利用现有的云服务合作关系购买模型访问权限，而不必直接与 Anthropic 签约。

据 Bloomberg 报道，Anthropic 将特定合作伙伴渠道中的客户全额付款计为营收，随后将云服务商所得份额确认为费用。这通常被称为总额列报。

据报道，OpenAI 对涉及 Microsoft 的销售采取了另一种做法。在 Microsoft 获得其份额后，OpenAI 仅将归属于自身的那部分客户付款计为营收。这属于净额列报。

设想一笔简化交易：客户支付 100 个单位。采用总额列报时，模型开发商可能将全部 100 个单位记为营收，并将其中 20 个单位记为合作伙伴费用。采用净额列报时，它可能只将剩余的 80 个单位记为营收。

在这两个例子中，开发商都可能保留同样的 80 个单位。但总额法所呈现的营收会比净额法高出 25%。

这个例子并不描述两家公司的实际合同分成比例。这些条款可能因平台、产品和客户协议而异。它说明了为何会计处理选择能够实质性改变头条数字的比较结果。

这一差异反映了营收会计中的“主要责任人对代理人”框架。主要责任人在向客户转让承诺服务之前控制该服务；代理人则安排由另一方提供该服务。

作为主要责任人的公司通常记录交易总额；代理人通常只记录其费用或保留份额。

一则 SEC 会计示例 说明，这项评估取决于控制权、责任、定价权和交易结构。它并非仅为改善表面表现而任意选择的开关。

Bloomberg 的报道显示，Anthropic 和 OpenAI 都认为各自的方法符合公认会计原则。因此，即使两家公司都未违反相关准则，这种不一致仍可能存在。

合同可能为每家模型开发商和云服务商分配不同的义务。一家合作伙伴可能仅负责处理销售；另一家则可能控制客户关系、捆绑服务，或承担额外的履约责任。

这些合同细节决定了会计处理结果。这也意味着，投资者无法通过扣除一个统一的合作伙伴比例来安全地标准化比较两家公司。

当媒体报道将年化营收作为记分牌时，问题会进一步放大。年化营收是将短期销售额推算至全年。它有助于展示当前势头，但并不等同于已完成的年度营收。

运行率本身已经会放大短期状况。再叠加不一致的总额与净额列报，就增加了第二层不确定性。

这并不意味着这些数字毫无意义，而是说，在它们能够支撑可信的排名前，还需要明确口径、披露渠道数据并进行对账。

Anthropic 与 OpenAI 的营收比较需要统一基准

当一家公司纳入云合作伙伴的份额、另一家公司将其排除时，直接排名便不再可靠。

据报道，Anthropic 在 7 月底的年化营收超过 650 亿美元。根据 年化营收报道，这相当于其 2025 年底运行率的七倍以上。

OpenAI 在 9 月底的年化营收约为 500 亿美元。知情人士表示，在企业业务增长的推动下，该公司预计到年末达到或超过 700 亿美元。

这项 年末预测 意味着最后一个季度还将实现显著增长。不过，预测数字和 9 月运行率回答的是不同问题。

据报道，这一 500 亿美元数字反映了 OpenAI 常规的净额会计处理。此前流传的接近 700 亿美元的数字，旨在估算 OpenAI 若采用 Anthropic 的总额方法时的营收。

这一调整解释了为何看似互相矛盾的 OpenAI 数字会在短时间内出现。一个代表公司的实际会计口径，另一个则试图为投资者建立可比基础。

Axios 随后报道称，OpenAI 的运行率接近 500 亿美元，比此前按总额推算的估值低约 200 亿美元。其 营收对账报道 称，投资者曾要求获得可进行同类比较的视角。

这一事件显示，标准化估算多么容易脱离其原有语境。一旦在没有定义的情况下被反复引用，它便开始看起来像普通的披露营收。

这一差距并不能自动证明 Anthropic 高估了自身业务，也不能证明 OpenAI 在全公司范围内采取了更保守的理念。

两家公司拥有不同的合同、合作伙伴网络、客户关系和交付义务。这些差异可能在同一准则下导向不同的会计结论。

不过，对投资者而言，这一结果并不令人满意。营收顶部数字的比较至少应区分三项指标。

第一项是按照各家公司常规会计口径确认的营收。第二项是直接和合作伙伴渠道的客户总支出。第三项是在向合作伙伴分配后保留的金额。

确认营收回答的是正式会计问题。客户总支出展示流经公司产品的经济活动。保留营收则更接近于在计算成本和其他运营成本之前可供使用的资金。

这些指标都无法单独描述业务质量。每一项都揭示了商业模式的不同部分。

客户总支出可以展示产品覆盖范围，尤其是在云市场负责采购时。然而，它可能夸大模型开发商实际保留的经济价值。

净营收更能反映开发商在一笔交易中的直接份额。但与采用总额列报的竞争对手相比时，它可能低估客户需求。

这种选择也会影响利润率的解读。记录总额营收的公司，通常会将合作伙伴付款计入营收成本或其他费用类别。

它的营收看起来更高，但披露利润率也反映了新增的合作伙伴成本。采用净额列报的公司则从较小的顶部数字开始，并不会将同一笔合作伙伴金额再次作为费用列报。

因此，投资者不能独立比较营收增长和毛利率。这两个数字必须一并调整。

只改变顶部数字会再次扭曲分析。有效的标准化处理必须以同一基础重建营收、合作伙伴成本和利润率。

云分销如今已成为竞争角逐的一部分

云市场并非被动的结账页面；它们会影响采用、客户归属、商业经济性和披露规模。

大型公司早已通过云服务协议购买基础设施、数据库、安全软件和应用程序。通过 AWS 或 Google Cloud 购买 Claude，可以适配既有的采购系统和承诺支出安排。

这种便利性能够缩短销售流程，也可以让模型融入开发者和信息技术团队已经在使用的工具中。

Anthropic 对这一渠道的依赖程度很高。据报道，Reuters 审阅的一份机密文件显示，其 2025 年销售额中有 47% 通过 Amazon 和 Google 的市场流转。

这些市场销售额合计约 21.6 亿美元。据报道，Anthropic 支付了约 3.51 亿美元的分销费用，即每 1 美元市场营收约支付 16 美分。

这些 云渠道数据 展示了合作伙伴分销的价值与成本。云服务公司带来客户和采购入口，但也会保留交易的一部分。

这些历史数字不应被机械地套用到 Anthropic 当前的运行率上。渠道组合、合同条款和产品需求都可能迅速变化。

但它们仍说明了总额与净额处理为何重要。当近半销售额通过合作伙伴完成时，列报方式会显著影响披露营收的顶部数字。

OpenAI 与 Microsoft 也存在同样关键的合作关系。Azure 提供计算基础设施，并通过企业产品和云服务分销 OpenAI 模型。

Microsoft 也拥有自己的客户合同、定价结构和捆绑产品。这些特征可能会改变在会计规则下由哪一方控制承诺服务。

因此，商业竞争的范围远不止 Claude 对阵 ChatGPT，还包括围绕各自模型构建的分销体系。

Anthropic 受益于同时触达 AWS 和 Google Cloud 客户。OpenAI 则受益于 Microsoft 的企业覆盖范围，以及其在生产力和开发产品中的整合能力。

这些合作关系同时创造了杠杆和依赖。云合作伙伴可以让模型更容易购买，但也可能控制计费、打包和客户访问。

模型开发商或许获得快速分销，却要让渡每笔销售的一部分收益。它也可能依赖一家同时销售竞争模型或开发自有模型的合作伙伴。

Amazon 在支持 Anthropic 的同时，也通过 Bedrock 提供其他模型。Google 投资 Anthropic 的同时，也在打造 Gemini。Microsoft 支持 OpenAI，同时扩展自身的模型和云战略。

美国联邦贸易委员会此前曾审查过这类关系。其云合作伙伴研究说明，投资、云容量、分发以及技术依赖如何可能彼此交织。

这种结构使收入归属不只是记账问题。它揭示了价值与控制权如何在 AI 供应链中流动。

对企业采购方而言，通过云渠道分发可以简化治理和计费，但也可能让模型支出更难与更广泛的基础设施承诺区分开来。

一家公司可能因为已承诺但尚未使用的 AWS 额度而选择 Claude。另一家公司则可能通过既有的 Microsoft 协议部署 OpenAI 服务。

这些决策代表真实需求，但并不总是类似于直接购买软件订阅。商业渠道会同时影响采购行为及其衡量方式。

因此，核心竞争不只是 Anthropic 对阵 OpenAI，而是总额渠道会计与净额渠道会计这两种衡量商业规模的视角之争。

头条数字仍未揭示的内容

收入呈现方式无法回答关于现金留存、算力成本、客户集中度或需求可持续性等更棘手的问题。

年化收入以近期某个销售周期为基础，将该周期的速度延伸至未来十二个月。当需求和定价相对稳定时，这一指标最为有效。

AI 需求并不持续满足这一条件。新模型发布、Agent 的采用、企业合同以及短期使用量激增，都可能显著改变月度消耗。

一家公司可能因某个异常强劲的月份而形成很高的运行收入速度，但这并不保证同样的活动会在接下来的十一个月延续。

按使用量计费的 API 收入带来了另一层复杂性。当新模型表现出色时，客户可能迅速增加工作负载；当竞争对手在质量、延迟或成本上有所改善时，客户也可能转移流量。

因此，运行速度比起未来的确定性，更有效地衡量当前动能。除非披露信息支持这一解释，否则不应将其视为已签约的经常性收入。

客户集中度带来相关风险。少数大型买家可以贡献大量使用量，同时也使未来收入对个别客户的续约或路由决策更为敏感。

云市场可能让外部观察者难以看清这种集中度。投资者能看到渠道总额，却未必知道由哪些最终客户产生。

总额会计还能在不改变模型开发商实际留存收益的情况下放大可见数字。净额会计则可能隐藏客户支出的完整规模，同时更接近呈现公司所占的份额。

单凭这两种方法都无法揭示算力经济性。提供先进模型服务需要加速器、网络、电力、存储和工程支持。

这些成本会因模型、工作负载、硬件供应商和合同而异。随着公司优化推理流程或推出更高算力密集型系统，成本也会发生变化。

合作伙伴费用只是收入扣减项之一。模型服务成本、训练费用、股权薪酬、销售成本和研发支出仍是盈利能力的核心因素。

一家公司可能在客户总支出方面领先，却从每一笔合作伙伴销售中留存较少现金。另一家公司报告的收入可能较低，但能保留其确认收入中更大的比例。

当前数字无法解决这种可能性。

对于盈利声明，也应采取同样谨慎的态度。据报道，Anthropic 已向投资者表示，在剔除部分支出的指标下，公司实现了季度运营盈利。

这一结果将标志着一项具有重要意义的运营里程碑，但未必等同于符合上市公司披露预期的净盈利。

同样的标准也应适用于 OpenAI。在其增长预测足以支持有关经济实力的结论前，仍需要费用、现金流和基础设施方面的背景信息。

另一个不确定性在于不同渠道之间的一致性。当合同对控制权的分配不同，公司可能对一个合作伙伴采用总额呈现，对另一合作伙伴采用净额呈现。

因此，即便是公司层面的标签也可能过度简化账目。投资者需要渠道层面的解释，而不是一句“某公司按总额确认收入”的笼统说法。

两家公司仍为私营企业，这限制了公众获取经审计财务报表和详细附注的渠道。公开报道的数据往往来自投资者文件或熟悉内部业绩的人士。

这类来源并不会使信息失效，但要求进行精确归因并保持克制。

最有力的结论比头条竞争更为狭窄。在未经调整的情况下，Anthropic 和 OpenAI 披露的运行收入速度无法被清晰排序。

同样，假设全部差异都源于会计处理也具有误导性。产品需求、渠道组合、时间点和企业业务增长同样会影响总额。

严谨的比较必须区分报告收入、经总额化的交易价值、留存收益以及已完成期间的销售额。在此之前，表面上的领先者部分取决于所选择的栏目。

投资者在比较定义之前已开始比较增长

会计口径的不匹配，促使投资者和媒体在宣布胜者之前先定义所使用的指标。

AI 公司使用年化收入，是因为其业务扩张速度快于传统年度报告所能反映的节奏。过去十二个月的累计总额可能在发布前就已显得过时。

这使运行速度在高速扩张期很有用，但也令该指标容易受到选择性时间点和不一致构建方式的影响。

最新的 Anthropic 与 OpenAI 收入争论正体现了这种脆弱性。一家公司的数字可能包含合作伙伴经济收益，而另一家公司则将其排除在营收顶线之外。

投资者可以通过建立报告结果与标准化结果之间的调节表来应对这一问题。该调节表应列示直接销售、合作伙伴销售、合作伙伴扣减项以及最终确认金额。

它还应说明计量周期。7 月的月度速度、9 月的季度速度和年末预测，不应在没有明确标签的情况下出现在同一排名中。

已完成季度的收入提供了更稳固的起点。它反映的是实际报告期，而非将短期区间外推至全年。

不过，季度数据仍需要会计口径标准化。按总额计量的完整季度，不能与按净额计量的完整季度直接比较。

现金收款提供了另一项有用的核查，但时间差异可能使其产生噪音。递延收入、客户预付款和合作伙伴结算安排都可能使现金在不同期间之间转移。

在理解收入和成本分类的前提下，毛利可以提供帮助。但如果一家公司将合作伙伴费用计入收入成本，而另一家公司从未将其入账，毛利就会产生误导。

客户活动可提供独立信号。企业席位数、活跃开发者、API 消耗和工作负载留存情况，可以显示报告增长是否反映了可持续的使用。

这些指标也需要谨慎定义。注册账户、付费客户和活跃工作负载描述的是不同事物。

这种压力同样延伸至公有云服务商。当模型需求推动客户使用其基础设施时，Amazon、Microsoft 和 Google 都会从中受益。

然而，与模型开发商相关的云收入可能涉及相互投资、基础设施承诺和市场费用。同一经济活动可能出现在多家公司的叙述中。

这会在更广泛的 AI 市场中形成重复计算的风险。一家模型公司报告客户活动，而云服务商则报告与该活动相关的基础设施或市场收入。

每种会计处理在各自公司内部都可能有效，但将每一个头条数字简单相加，仍可能夸大该行业独立的终端需求。

随着模型开发商接近可能的上市，公开市场投资者将提出更尖锐的问题。经审计的申报文件要求更清晰的收入政策、渠道集中度、关联方披露和费用分类。

这些文件应能降低不确定性，但无法消除判断空间。委托人和代理人分析取决于合同细节与控制权评估。

审计师可以认定两种方法都符合会计准则。投资者仍必须判断哪种经济指标最适合其估值模型。

对企业采购方而言，这场争议提供了一个实际提醒：不应从单一年化数字推断供应商规模。

采购方应审查可用性、模型性能、治理、切换选项、服务承诺和总体部署成本。会计呈现方式并不决定哪种模型适合某项工作负载。

开发者面临类似选择。通过熟悉的云服务进行分发，可以简化凭证、计费和部署；直接访问则可能提供不同的功能或经济性。

合作伙伴渠道既塑造产品体验，也影响财务报表。因此，渠道策略是一项值得追踪的竞争变量。

三项信号将厘清真正的收入竞赛

Anthropic 与 OpenAI 收入竞争的下一阶段，将取决于经审计的披露、标准化的渠道数据和持续的客户使用。

第一项信号是在经审计申报文件中披露详细的收入确认政策。投资者需要两家公司说明其何时作为委托人、何时作为代理人。

该披露应识别重要合作伙伴渠道，并说明费用如何进入利润表；还应解释该政策是否在不同报告期之间发生变化。

清晰的申报文件将增强市场对两家公司数据可被标准化比较的信心。模糊的表述则会延续当前不确定性，并削弱简单排名的意义。

第二项信号是年化收入与实际季度销售额之间的调节。该调节应识别运行速度所采用的期间，以及任何总额化调整。

对于 OpenAI，投资者将关注该公司能否在年末实现至少 700 亿美元的预测。投资者还将追问这一数字是否采用常规净额口径。

对于 Anthropic，关键问题是 7 月之后的增长是否支撑其披露的 650 亿美元运行速度。相比又一次时点外推，一个完整季度将提供更有力的证据。

持续的季度表现将强化两家公司都在经历可持续企业需求的判断。显著差距则会削弱基于年化快照所得出的结论。

第三项信号是扣除云分发费用和模型服务成本后留存的收入金额。这一指标更接近各家公司实际保留的经济价值。

投资者应综合关注合作伙伴费用、推理成本、毛利、现金使用和客户集中度。没有任何单一数字能够替代这种组合。

更高的留存将表明规模正在转化为运营杠杆。留存恶化则意味着头条增长可能高度依赖成本高昂的基础设施或分发渠道。

这些信号之所以重要，是因为市场资助的不只是两家软件供应商，而是由模型实验室、云服务商、芯片、数据中心和企业应用构成的互联系统。

该系统某一部分的收入，往往会成为另一部分的费用或投资。理解最终是谁留住了客户支付的每一美元至关重要。

当前的会计差异并不会抹去 Anthropic 的增长或 OpenAI 的覆盖范围，但它改变了两家公司头条数字所能证明的内容。

披露的运行收入速度表明，客户正在为两家公司投入大量资金；但它们并不能在共同口径下证明谁是明确的收入领先者。

读者应当警惕下一个看似简单的排行榜，除非其中的数字旁附有明确的定义。要问清每个数字是总额、净额、年化数值、已完成数值，还是经调整后的数值。

接着，要问在向合作伙伴和算力提供商支付费用后，哪家公司能保留更多交易收入。这个答案比最大的新闻标题更能揭示 AI 商业竞争的真实态势。