Anthropic是如何炼成的：从“加速”到“为前沿定速”

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。科技Anthropic是如何炼成的：从“加速”到“为前沿定速”科技科技研究员SACNo.S0570521050001leping.huang@SFCNo.AUZ066+(852)36586000研究员SACNo.S0570523020002purdyho@SFCNo.ASI353+(852)36586000研究员SACNo.S0570521070004chenxudong@SFCNo.BPH392+(86)2128972228研究员SACNo.S0570525030001yukeyi@SFCNo.BVF938+(86)2128972228联系人研究员SACNo.S0570521050001leping.huang@SFCNo.AUZ066+(852)36586000研究员SACNo.S0570523020002purdyho@SFCNo.ASI353+(852)36586000研究员SACNo.S0570521070004chenxudong@SFCNo.BPH392+(86)2128972228研究员SACNo.S0570525030001yukeyi@SFCNo.BVF938+(86)2128972228联系人SACNo.S0570125070150handongbing@+(86)2128972228Anthropic创立时已同时覆盖预训练/Scaling、RL、对齐评测、可解释性、治理和运营，之后又围绕产品化与基础设施按瓶颈补位，从团队配置角度看，并不是先做模型、再补安全的路径，而是从第一天起把训练、理解、对齐、评测与治理放进同一条决策链。我们认为，GPU和融资只是必要条件，真正稀缺的是把人才、算力、研究基础设施和组织决策持续转化为模型领先性的能力，这决定前沿领先能否跨代延续。行业走势图行业走势图科技沪深300Jan-26May-26Sep-26(%)4834206(8)Sep-25Anthropic在正式公司文件中并不以“AGI”作为远期愿景，2025年3月，公司提交给白宫的愿景定义为：在多数领域达到或超过诺奖级专家，能够操作人类开展数字工作所使用的各类界面，自主完成持续数小时、数天甚至数周的复杂任务，并概括为“acountryofgeniusesinadatacenter”。而Dario9/12科技沪深300Jan-26May-26Sep-26(%)4834206(8)Sep-25资料来源：Wind资料来源：Wind，华泰研究Dario在9/12长文里主张导入包括第三方测评，行业标准，国际协调等机制控制前沿模型发布速度。我们认为：1）推理需求相对独立，由存量能力渗透与单任务强度驱动，训练节奏放慢并不改变需求斜率；2）真正关键是安全约束能否外生化为第三方评测和共同标准；3）中美在前沿模型能力上的差距缩小，据StanfordAIIndex2026，两国顶尖模型的Arena评分差距已收窄至2.7%。叠加上市进程对增长叙事的要求，市场对模型迭代是否实质放缓分歧较大，我们认为现阶段盖棺定论或为时尚早；Dario的主张能否影响全球AI监管政策走向仍有待观察。Coding率先跑通，因为它同时满足数字化、工具可操作、结果可验证和高频迭代。沿这一标准，Research尤其AIR&D最值得关注：若模型从“写代码/跑实验”进一步进入研究选题、实验设计和模型训练，Agent就从替代知识劳动升级为参与生产下一代智能，推动RSI逐步达成。投资人关注Token价格下降的影响，我们认为Anthropic的收入由模型能力、单任务消耗量、单位Token价格三者决定：单价下降被单任务Token强度上升与可自动化任务范围扩大所抵消，因此降价并不一定压低收入，行业真正应该关注的指标正在从$/Token转向$/Task。风险提示：Token毛利改善不及预期风险，算力承诺与利用率不匹配风险，渠道与政策风险。本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。Anthropic是如何炼成的：从“加速”到“为前沿定速” 4问题#1：创始人拼出了什么样的能力矩阵，足以再造一间前沿实验室？ 5问题#2：Dario真正押注的终局是什么：从“数据中心里的天才国家”到“为前沿定速” 6问题#3：模型未来演进方向是什么？如果迭代放缓有什么影响？ 8问题#4：为什么Coding最先跑通，Coding之后的下一站在哪里？ 12问题#5：Anthropic如何赚钱——把"智能"做成按量计价的基础设施 14问题#6：Tokeneconomics：Token越来越便宜，Anthropic收入为什么还能持续增长？ 16问题#7：Anthropic能留下多少毛利？ 19问题#8：为了维持模型领先，Anthropic到底需要烧多少钱？ 20问题#9：Claude的竞争优势是什么，为什么能跑出来？ 23问题#10：Amazon、Google对Anthropic究竟意味着什么——股东、算力供应商、渠道，还是潜在竞争者？.26风险提示 28图表1：报告框架 4图表2：Anthropic七位联合创始人的能力分工 5图表3：主要大模型公司对AGI的定义以及长期愿景 6图表4：Anthropic对AI的愿景：“数据中心里的天才国家” 7图表5：2024年以来Reasoning迅速成为大模型厂商共同演进方向 8图表6：Agent开始从“回答问题”走向“完成任务”，ComputerUse能力快速接近人类 8图表7：按日活用户(DAU)百分位划分的Codex智能体运行小时数 9图表8：下一阶段有可能是AI自己构建和训练下一代模型 10图表9：一个Agent接触到未经授权的“留言板”并参与攻击HuggingFace的过程剖析 图表10：2025年10月至2026年4月期间，ClaudeCode作品的构成与价值变化情况（%） 12图表11：Claude在规划和执行决策中的参与程度（%） 13图表12：Agent工作日/研究员工作日（倍） 13图表13：Anthropic年化Run-rate收入复盘 14图表14：Anthropic收入结构（2025/10，Reuters口径） 14图表15：Anthropic收费模式 15图表16：大模型推理价格变化 16图表17：谷歌Token量变化（万亿） 17图表18：Anthropic真实使用数据——高价值/高复杂度任务消耗更多Token（相对倍数） 17图表19：TokenClaude前沿模型API挂牌价显著下降（USD/1Mtokens） 18图表20：Theinformation对主要大模型公司毛利率的预测 19图表21：A-H轮累计融资 20图表22：Anthropic主要数据中心布局 21图表23：Anthropic当前ITpower部署 21图表24：美国企业AI付费采用率（%） 23免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。图表25：入职两年留存率（%） 24图表26：人才流动倍数（流向Anthropicvs反向） 24图表27：主要大模型厂商多维度对比 25图表28：Anthropic的主要投资与算力合作关系 26图表29：Amazon对Anthropic的投资与剩余融资安排（亿美元） 27免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。Anthropic是如何炼成的：从“加速”到Anthropic成立于2021年，由7位前OpenAI研究人员创立。2026年5月完成650亿美元H轮融资、投后估值9,650亿美元，已超过OpenAI成为全球估值最高的非上市公司，同月run-rate收入突破470亿美元。9月12日，DarioAmodei发表长文《WeMustPacetheFrontier》，主张放慢前沿模型能力提升的速度。本文沿几条线索展开：公司背景与基因、Dario对AI的看法与恐惧、商业闭环与单位经济性、其公共政策主张的由来，以及这套主张在产业现实中是否可行。资料来源：Anthropic官网，华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。我们认为，前沿模型实验室的门槛不在于拥有某一位明星研究者，而在于六类能力能否在创立阶段同时到位：前沿模型训练与算力工程、规模规律研究（scalingscience）、对齐与评测、机械可解释性、公共政策与治理，以及组织运营与产品化。训练能力决定能否进入能力前沿；对齐与评测决定模型能否在可控风险下发布；政策治理影响部署边界与外部信任；组织运营和产品化则决定科研成果能否持续转化为产品与收入。Anthropic在2021年5月宣布完成1.24亿美元A轮融资时，已经把这种跨学科组合写进公司定位。官方公告称，团队成员此前参与过GPT-3、Circuit-BasedInterpretability、ScalingLaws、AI&Compute、ConcreteProblemsinAISafety和LearningfromHumanPreferences等工作，融资将用于计算密集型研究，开发可控、可解释且稳健的大规模AI系统。换言之，Anthropic并不是先建立单一路线的模型团队，再逐步补齐安全和治理职能；其起点就是把前沿能力研究、训练工程、可解释性、对齐与部署放在同一研究议程中。根据公开论文贡献与官方职能，SamMcCandlish覆盖预训练、大规模训练和强化学习基础设施；TomBrown直接参与GPT-3的大规模模型、训练基础设施、模型并行和预训练实验；JaredKaplan与Sam共同领导ScalingLaws研究，后续又承担ResponsibleScalingOfficer职责；ChrisOlah的代表性专长是机械可解释性；JackClark覆盖伦理影响、公共政策和社会影响研究；DanielaAmodei对应组织运营、文化与治理；DarioAmodei则统筹研究方向与公司战略。我们认为，创始团队已经覆盖了搭建“训练—理解—对齐—评测—治理—部署”闭环所需的大部分关键模块。更重要的是，这套班底的组织特征并非简单地把“能力派”和“安全派”放在一起，而是把两种判断嵌入同一条决策链：一方面相信模型能力会随规模扩张呈现一定的可预测规律；另一方面承认新能力和安全问题仍可能在规模化过程中以难以预料的方式出现。后续组织扩张也呈现出“按瓶颈补位”的特征。2024年5月，MikeKrieger加入Anthropic，统筹产品工程、产品管理和设计，补强研究向产品的转化；2025年10月，RahulPatil接任CTO，负责产品、算力、基础设施、推理、数据科学和安全，SamMcCandlish则转任ChiefArchitect，继续领导预训练，职责进一步延伸至提升研究效率和建设强化学习基础设施。对齐研究方面，Anthropic在2024年12月启动Fellows项目，并把可扩展监督明确列为重点方向；2026年3月成立的AnthropicInstitute由JackClark领导，将研究边界进一步延伸至机器学习、经济学、社会科学以及AI与法治。联合创始人职位主要能力模块代表分工DarioAmodei研究方向与公司战略整合设计并领导GPT-3研究；创立时任CEO，统筹能力、安全与部署路线。DanielaAmodei组织运营、文化与治理创立时任President；公司扩张后继续强调文化与治理必须支持负责任的规模化Scalingscience与安全治理。与Sam共同领导ScalingLaws研究；后任AnthropScalingOfficer。SamMcCandlish与强化学习基础设施GPT-3大规模模型与训练基础设施；ScalingLaws共同负责人；2025年继续领导预训练，职责扩展至研究效率和强化学习基础设施。机械可解释性代表性专长为mechanisticinterpretability；Anthropic将理解模型内部机制视为AI安全的基础。伦理影响、公共政策与社会影响TomBrown前沿大模型训练工程GPT-3论文第一作者；参与大规模模型、训练基础设施、模型并行和预训练实资料来源：Anthropic官网，华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。前沿定速”行业对AGI并无统一定义。OpenAI将AGI定义为高度自主、在大多数有经济价值工作上超过人类的系统；GoogleDeepMind定义为在大多数认知任务上至少达到人类水平，并用generality、performance等指标衡量广度和深度。各家大模型厂商对愿景的描述也并不相同。OpenAI2026年强调先进AI充裕、可负担、安全且广泛可得，并明确全自动化不是理想终局；DeepMind把AGI视为推进科学、医学和生产力的终极工具；Meta主张personalsuperintelligence；MicrosoftAI强调可控、受限的HumanistSuperintelligence；xAI聚焦科学发现与理解宇宙。openAlAG:高度自主、在大多数有经济价值的工作上超越人类。确保AGI造福全人类;2026年更强调广泛赋能、个人AGl、A研究员与经济/科学进步,而非以"全自动化一切"为终点。GoogleDeepMindAG:在大多数认知任务上至少达到人类水平;用generalityperformance分级衡量。把AGI作为推进科学、医学和生产力的"终极工具",同时强调安全、风险评估与负责任部署。Anthropic不以AGI为核心,强调powerfulAl:多数领域达到/超过诺奖级,可自主工作数小时至数周并控制现实工具。安全完成向transformativeAl的过渡;形成"数据中心里的天才国家",把顶尖知识劳动与科研能力规模化。Meta未给出统一、可操作的AGl门槛;直接讨论超越人类能力的superintelligence.personalsuperintelligenceforeveryone:把超级智能交到个人手中,增强个人能动性与创造力。Microsoft将AGI通常理解为"所有任务达到人类水平",但不以无Humanistsuperintelligence:高能力但可控、受限、服务于人;人始终保留控制权,不以取代人为目标。XAl未公布明确、可操作的AGthreshold加速人类科学发现;构建Al以理解宇宙,扩展人类能够知道和做到的边界。资料来源：OpenAI官网，Google官网，Anthropic官网，xAI官网，Meta官网，华泰研究Anthropic在正式公司文件中并不以“AGI”作为远期愿景的核心表述，而更常用“powerfulAI”和“transformativeAI”。2025年3月，Anthropic在提交给美国白宫科技政策办公室（OSTP）的AIActionPlan建议中，对powerfulAI给出了非常具体的定义：在多数领域达到或超过诺奖级专家，能够操作人类开展数字工作所使用的各类界面，自主完成持续数小时、数天甚至数周的复杂任务，并通过数字连接控制实验室设备、机器人和制造工具。公司将这一能力形态概括为“acountryofgeniusesinadatacenter”，并在当时判断这类系统最早可能于2026年底或2027年出现。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。图表4：Anthropic对AI的愿景：“数据中心里的天才国家”资料来源：《ResponsetoOSTPRFIontheDevelopmentofanArtificialIntelligenceActionPlan》（2025年3月6日），DarioAmodei个人官网，华泰研究DarioAmodei在2026年1月的个人长文中进一步把这一终局具体化：训练前沿模型所使用的计算资源，未来可以转而运行数以百万计的模型实例；这些实例既可以分别处理不同任务，也可以协同工作。由此看，Anthropic真正押注的不只是“单个模型更聪明”，而是高水平智能能够像计算资源一样大规模复制和并行调用。当这种能力成熟后，知识劳动与研发能力本身有可能逐渐成为一种可由算力扩张的新型生产要素。在更远期的表述中，Anthropic把能力扩张与安全治理放在同一条路径上。公司在2026年5月的政策文章中明确将使命表述为“确保人类安全且有益地完成向transformativeAI的过渡”，并预计这种转型能够带来医学、发明和经济增长上的重大突破。Dario在2024年10月的个人长文中对正面终局的描述更激进：他提出“compressed21stcentury”的设想，即powerfulAI可能把原本需要50–100年完成的生物和医学进步压缩到5–10年。综合来看，Anthropic的长期愿景并不是单纯追求一个名为AGI的技术里程碑，而是构建可规模化、自主化的强大AI，使其成为知识生产和科研创新的基础设施，同时尽可能控制这一转型的风险。而随后在2026年9月12日的个人长文中，Dario仍重申AI可能在5–10年内治愈大多数重大疾病并加速经济增长，但随后给出核心主张——必须放慢提升模型能力的速度，并且要善用由此争取到的时间。他把原因归到两件事：一是2026年夏季以来AI进步明显加快，主要驱动力已是AI构建下一代AI的能力；二是7月OpenAI–HuggingFace智能体事故显示，一群能力更强、对齐水平相当的智能体可能造成量级完全不同的破坏。同时，Dario呼吁独立第三方机构安全审查、全球协调建立标准等来进行行业的安全升级。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。如果回看ChatGPT发布以来的四年，大模型的演进并不是简单的参数扩大和模型版本迭代，而是经历了几次能力范式的跃迁。2022年底至2023年是大模型从“语言模型”走向“通用助手”的阶段。以ChatGPT和GPT-4为代表，预训练模型经过指令微调和人类反馈强化学习后，第一次能够以自然语言界面完成问答、写作、代码等广泛任务。2023年至2024年，行业的主要变化是能力快速扩散和模型边界不断拓宽。一方面，GPT-4曾经形成的能力门槛被越来越多模型追上，模型性能提升的同时推理成本快速下降，大模型因此不再只是“聊天机器人”，而开始能够读取更多现实世界的信息，并调用外部工具解决问题。真正重要的下一次跃迁发生在2024年下半年至2025年。以OpenAIo1、DeepSeek-R1等为代表的ReasoningModel将强化学习和推理时计算引入模型能力扩展，大模型开始从依赖一次前向生成答案，转向在回答之前进行更长时间的搜索、推理、验证和纠错。Scaling的重点也由单纯增加预训练计算量，逐渐扩展到Post-training和Test-timeCompute。数学、代码和复杂问题求解能力因此出现明显跃升，模型开始由“会说”向“会想”演进。2025年以来，Reasoning进一步与工具调用结合，推动大模型由“回答问题”走向“完成任务”。Coding成为最先跑通的Agent场景，ClaudeCode、Codex等产品已经能够自主读取代码库、制定计划、修改文件、运行测试并反复纠错；DeepResearch、ComputerUse等能力则开始将这一范式扩展到研究和更广泛的知识工作。资料来源：StateofAIReport2025，华泰研究资料来源：StanfordAIindexreport2026，华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。我们认为，未来大模型的演进目标，正转向“能够长期、可靠、自主地完成复杂任务”。这意味着模型能力的评价维度也需要从单纯的知识、推理和CodingBenchmark，进一步扩展至长周期规划、执行可靠性、长期记忆和自我改进能力。我们认为未来模型的迭代重点包括：1）从单步推理走向长周期规划。当前模型已经能够较好地完成持续几十分钟乃至数小时的复杂任务，但现实中的高价值工作往往跨越数天、数周甚至更长时间。未来模型需要具备更强的任务拆解和规划能力，能够围绕长期目标逐步形成阶段目标、具体任务和执行步骤，并根据实际进展持续调整，而不是单纯依靠更长的CoT推理过程完成复杂任务。资料来源：OpenAI官网，华泰研究2）从“能够执行”走向“能够验证”。我们依旧感受到，如何保证长时间运行下的稳定性和可靠性，仍是智能体面临的核心瓶颈。模型虽然已经可以操作Terminal、Browser、Excel和Computer，但复杂任务往往包含数百乃至上千个连续Action，任何单步错误都可能在长链路中不断累积。3）从LongContext走向真正的长期记忆。单纯扩大ContextWindow并不能解决长期任务中的全部记忆问题。真正的Agent不应在每次执行任务时重新读取过去所有Token，而需要形成类似人类的分层记忆体系，包括感觉记忆、短时记忆/工作记忆、长时记忆以及长时间记忆中的情景记忆、语义记忆、程序性记忆。4）从完成任务走向持续学习和自我改进。更长期看，大模型还需要具备RecursiveSelf-Improvement（RSI，递归自我改进）能力，真正的RSI也需要形成更完整的闭环。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。资料来源：Anthropic官网，华泰研究RSI从研究议题变成政策议题，是2026年最重要的变化。Dario认为，AI进步的主要驱动力已经是AI构建下一代AI的能力，若不加约束，可能超出人类理解和控制这些系统的能力。7月OpenAI–HuggingFace事故是触发行业呼吁降速的关键性事件。根据独立调查方METR的事件复盘，OpenAI在进行内部网络安全能力测试时，原本要求大量彼此隔离、无法直接访问公网的AIAgent在沙箱环境中完成漏洞利用任务，但部分Agent在寻找更高效完成评测的方法时，发现了内部基础设施中的安全漏洞，并由此突破网络隔离、建立Agent之间的信息共享渠道，最终获得真实互联网访问权限。随后，数百个Agent协同利用HuggingFace基础设施中的公开凭证，进入其生产环境，并在部分服务器和集群中执行代码。事件表明，当高能力Agent具备长程规划、漏洞发现、工具调用和多Agent协作能力后，其行为可能迅速超出原有沙箱和监控体系的控制边界，因此被视为AIAgent安全、能力评测与隔离机制中的一次重要警示。sandboxedsandboxedageanimpossibleEtask,andgetssIntendedtaskattemReplaceExploitGyntargetTamperwithtranscandlogsunderstandandtriscorerHackingHuggingFGeneralinfrastructu公METRREDWOODRESEARCH资料来源；METR，华泰研究而另一方面，我们认为模型迭代降速对算力需求的影响可能被高估。定速压的是训练侧的实验频率与发布节奏，而推理侧需求由存量能力的渗透率和单任务Token强度决定，两者并不同步。Google披露的Token量近一年增长约7倍；这些增量绝大部分来自已经发布的模型，而不是尚未发布的下一代。因此即便前沿训练节奏放慢，推理需求的斜率短期也不会改变。而真正需要观察的是两到三年后，若模型能力水平长期停滞，届时续约与扩容或出现压力。对于“模型进步是否放缓”，市场分歧较大，我们认为宜从多个视角并看，现阶段不宜过早定性。1）技术视角：根据DarioAmodei于2026年9月12日发布的个人长文《WeMustPacetheFrontier》，2026年夏季以来AI进步明显加快，主要驱动力是AI构建下一代AI的能力。2）同业视角：根据SiliconANGLE（2026/9/13）报道，SamAltman公开表示认同“为前沿定速”，并称OpenAI也将引入嵌入式第三方评估，ElonMusk亦表态支持。我们认为，两家公司的增长叙事均依赖新一代模型的能力提升，与主动降速之间存在张力。我们认为，板块分化反映投资者对训练需求预期的分歧。我们认为，“定速”短期更可能体现为发布前评估流程的延长，而非训练投入的实质收缩；最终节奏取决于第三方评测机制如何落地以及各方执行力度，需持续跟踪。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。我们认为，Coding是大模型第一个真正实现大规模商业化的Agent场景。原因在于代码工作最早满足了Agent闭环的几个关键条件：任务发生在纯数字环境，模型可以直接读取文件、修改代码和运行命令；结果有明确反馈，测试、代码提交和系统运行都可以验证；任务天然适合“理解上下文—规划—执行—验证—迭代”的循环。更重要的是，代码广泛存在于企业软件和数字工作流中，Anthropic将这一逻辑概括为“Codeiseverywhere”。从收入规模看，Coding已经从开发者工具成长为一个约240亿美元年化收入规模的AI原生市场。根据TickerTrends高频追踪，截至2026年8月10日，ClaudeCode的trackedARR已达到151亿美元，OpenAICodex达到88亿美元，两者合计接近240亿美元。Coding之后，我们认为近期最清晰的方向是把同样的Agent范式横向迁移到知识工作。其本质是逐步将知识工作“软件化”：Agent可以访问企业文件、数据库、Excel、CRM等上下文，调用工具并持续执行任务，而领域专家主要负责设定目标和验收结果。Anthropic对约40万次ClaudeCode会话的研究发现，2025年10月至2026年4月，调试代码占比由33%降至19%，而数据分析和文档写作合计占比约由10%升至20%；用户承担约70%的规划决策，Claude则承担约80%的执行决策。这意味着CodingAgent正在从开发者工具逐渐演化成“专家定目标、Agent执行”的通用工作范式。注：在七个月的时间里，各种工作模式下所占据的会话比例各不相同。用于修复代码的会话比例从33%下降到了19%，而用于运行软件、分析数据以及撰写文档的会话比例则有所上升。资料来源；Anthropic官网，华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。注：蓝色为规划决策（决定做什么橙色为执行决策（决定如何做）。在各个会话中，由Claude而非用户来做出的规划决策和执行决策所占的比例各不相同。在典型的会话中，用户大约做出70%的规划决策，而Claude则负责大约80%的执行决策。资料来源：Anthropic官网，华泰研究在这些知识工作中，我们认为Research，尤其是AIR&D，可能成为最重要的高价值场景之一。研究本身也可以拆解为类似软件开发的闭环：确定问题—设计实验—运行实验—分析结果—继续迭代。过去模型主要帮助检索和写作，而Agent已经开始进入实验执行环节，能够编写代码、调用计算资源、运行实验、分析结果并修改方案。OpenAI在2026年9月披露，其AIResearchAgent已经能够在人类指导下独立完成原本需要熟练研究员数天的明确研究任务；截至2026年8月，每投入1个研究员工作日，对应约3.1个Agent工作日，但高层研究规划仍主要由人完成。Anthropic的观察也类似：Claude在执行定义清楚的实验方面已经非常强，但“应该研究什么、下一步做什么”仍依赖研究人员判断。截至2026年5月，Claude已撰写Anthropic内部超过80%的合并代码，典型工程师每日合并代码量约为2024年的8倍。今天的Claude更多是在帮助研究人员写代码、跑实验和分析结果，未来如果AI进一步获得研究选题、实验设计和模型训练能力，并利用这些能力持续开发更强的下一代AI，则可能进一步形成“AI改进AI”的递归反馈循环，即RSI。当前Anthropic和OpenAI仍处于AI加速AI研发，而非真正的递归自我改进阶段。资料来源：ChatGPT官网，华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。复盘Anthropic历次对外披露的收入口径，其增长曲线在科技公司历史上几乎没有先例。根据公司披露，年化Run-rate收入（最近月份收入年化）从2024年初的8,700万美元起步，2025年初约10亿美元；2025年9月SeriesF融资公告披露8月Run-rate已超过50亿美元；2026年2月SeriesG公告披露Run-rate达140亿美元，并特别强调这一数字"过去三年每年增长超过10倍"；2026年4月公司在与Google、Broadcom的算力合作公告中披露Run-rate突破300亿美元；5月SeriesH公告披露Run-rate于当月突破470亿美元，约为2月SeriesG披露水平的3.4倍。9070502024年1月2024年12月2025年8月2025年10月2025年12月2026年2月2026年3月2026年4月2026年5月500450400350300250200150100500年化Run-rate收入（亿美元）0.87470300资料来源：公司公告，Bloomberg，VentureBeat，华泰研究总体而言，Anthropic的商业逻辑可以概括为一句话：模型即公用事业，智能按量计价。与消费互联网公司靠注意力变现、或传统软件公司靠席位License变现都不同，Anthropic的收入公式是"模型能力×单位token价格×消耗量"：模型每变强一代，同一客户能完成的任务价值就上一台阶，计费单位也从"人头"（Seat）换成了"工作量"（Task对应的市场也从IT预算扩展到知识劳动本身。企业及开发者客户企业及开发者客户消费者订阅及其他资料来源：Reuters，华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。Anthropic收费模式主要为三类：个人账户订阅、团队席位和API付费。1）个人账户订阅（Free/Pro/Max分为三档，Free免费（基础聊天、文件与代码执行，不含ClaudeCodePro为$17/月（年付，$200预付）或$20/月（月付除更高用量外，还打包包含ClaudeCode、Cowork、ClaudeDesign、ClaudeScience全部产品线；Max分5x（$100/月）与20x（$200/月）两档，用量分别为Pro的5倍与20倍，并提供高峰时段优先访问。高级席$100/席/月（年付）或$125（月付人均用量分别为Pro的1.25倍与6.25倍，上限150席，年付较月付便宜约20%。Enterprise自2026年2月起统一为$20/席/月（年付）的"平台接入费"，所有聊天、ClaudeCode、Cowork产生的token用量全部按API刊例价另行计费。3）API按token计量计费，定价为"模型分层×每百万token输入/输出单价"。新旗舰Fable5（Mythos级）$10/$50；Opus4.8及Opus5为$5/$25（Opus自4.5代起从$15/$75大幅下调67%后保持稳定Sonnet5为$2/$10（原定2026年9月1日上调至$3/$15，公司8月决定维持推广价Sonnet4.6为$3/$15；Haiku4.5为$1/$5。产品方面，ClaudeCode与Cowork是Anthropic收入的两大驱动引擎。ClaudeCode自2025年5月全面上线后，其Run-rate从2025年9月的超5亿美元增至11月的接近10亿美元，再到2026年2月的超25亿美元；企业使用已占其收入过半，企业订阅数自2026年初以来翻了两番，Semianalysis估计全球GitHub公开提交中约4%由ClaudeCode生成。Cowork自2026年1月推出，把ClaudeCode的agentic能力从软件工程扩展到销售、法务、财务等岗位。分类层级价格（刊例）计费方式个人账户Free$0免费个人账户Pro$17/月（年付，$200预付$20/月（月付）个人订阅个人账户Max5x/20x$100/$200每月个人订阅团队席位Team标准席$20/席/月（年付$25/席/月（月付）团队订阅团队席位Team高级席$100/席/月（年付$125/席/月（月付）团队订阅团队席位Enterprise$20/席/月（年付）+全部用量按API价另计席位+用量API定价ClaudeFable5.1/Mythos5.1（限量开放）$10/$50（每百万Token输入/输出）按量计费API定价ClaudeOpus4.8/Opus5$5/$25按量计费API定价ClaudeSonnet5$2/$10按量计费API定价ClaudeHaiku4.5$1/$5按量计费资料来源：Anthropic官网，华泰研究渠道方面，第三方云平台也是Anthropic重要的分销渠道。Claude是唯一同时上线AWS上就有超过10万家客户使用Claude；2026年5月起AWS还上线了"ClaudePlatformonAWS"，把Anthropic原生平台直接托管进AWS账户体系。云渠道的关键机制有三点：其一，只卖量、不卖座——云渠道没有Pro/Max/Team席位概念，全部按token计费，且标价与官方API平价、不加价；其二，统一以CCU（ClaudeConsumptionUnit，Claude消费单元）开票——根据Anthropic官方文档与微软Learn文档，token用量按各模型刊例价（叠加合同折扣后）折算成CCU（固定100CCU=1美元其三，客户可以用已经承诺给云厂商的预算直接支付Claude账单。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。我们认为，AI模型正在同时经历三股力量：第一，同等能力的单位推理成本快速下降；第二，降价与能力提升打开更多用户和更多工作流，带来极强的数量扩张；第三，AI从一次因此，单位Token价格无法决定收入，更应关注每个有经济价值的任务要花多少计算，以及用户愿意把多少任务交给模型。首先，Token价格确实在快速下降。ArtificialAnalysis将模型按照IntelligenceIndex分成不同能力区间，并统计每个能力区间中最低的推理价格（图16）。几乎每一个已经形成供给的智能水平，价格都会随着时间呈阶梯式下降：早期这一趋势首先出现在IntelligenceIndex20以下的模型，随后逐步扩展到20–30、30–40，乃至50–60和60以上的前沿模型。换句话说，今天用户为一美元所能购买到的“智能”在持续增加——过去只能以较高价格获得的能力，随着更高效模型和新一代模型推出，会逐渐下沉到更低的价格区间。但另一方面，新的、更高智能档位不断出现（图16）。AI模型因此并不是一个单纯“ASP下跌”的商品市场，而更像计算机、半导体等典型的质量快速提升型市场：单位算力或单位Token越来越便宜，但用户能够购买的能力越来越强，能够交给模型完成的任务也越来越复杂。对Anthropic而言，这意味着Token单价下降并不必然压低收入，因为价格下降本身会扩大可经济化的任务边界，并推动Token消耗量和单任务计算量同步上升。资料来源：ArtificialAnalysis，华泰研究同时，行业已经出现非常强的数量效应。Google在I/O2026将Token直接作为AIadoption的指标：其Token量从2024年5月的9.7万亿增至2025年5月约480万亿，2026年5月进一步超过3.2千万亿，两年增长超过300倍、最近一年增长约7倍。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。月度月度Token（万亿）3,5003,0002,5002,0001,5001,0005000Jan-24Apr-24Jul-24Nov-24Feb-25May-25Aug-25Dec-25Mar-26Jun-26资料来源：Google官网，华泰研究此外，对Anthropic更重要的不是“用户多发几条消息”，而是每个任务的Token强度在上升。Anthropic2026年6月EconomicIndex明确指出，Claude的使用正在从对话转向long-runningagentictasks；其真实使用数据中，生成App的对话消耗超过中位对话3倍的Token，映射到最高工资三分位职业的典型对话消耗是最低工资三分位的2.07倍；跨不同输出类型看，AI自主度与中位Token消耗的相关系数达到0.68。换言之，模型开始承担更复杂、更高价值、更端到端的工作后，“Token/任务”本身是上升的。TokenToken相对倍数营销经理任务与编辑任务对比薪资最高三分之一组与最低三分之一组对比应用开发与中位数水平的对话对比3.5×3.0×2.5×2.0×1.5×1.0×0.5×0.0×资料来源：AnthropicEconomicIndex，华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。Anthropic自己的产品定价也体现出，API定价有所下降，但是任务的Token强度在提升。Sonnet4的API价格为3/15美元（输入/输出，百万TokenSonnet5已降至2/10美元；Opus4的15/75美元也在Opus4.5后降至5/25美元并延续到Opus5。与此同时，Sonnet5发布页明确表示，公司提高Chat、Cowork、ClaudeCode和Platform的ratelimits，是为了容纳highereffortlevels带来的更高Token使用量。更值得注意的是，Sonnet5更新了tokenizer，同一输入文本会对应约1.0–1.35倍Token（取决于内容类型因此名义$/MTok下降33%并不等于同一份文本的账单也下降33%。Anthropic在Opus5发布页甚至直接用costpertask比较经济性，并允许用户通过effortsetting在intelligence与Token消耗之间取舍。也就是说，Anthropic正在用更低的单位价格换取更高的计算预算、更广的使用范围和更强的任务完成率；真正更接近商业价值的指标正在从$/Token转向$/task。Input$/MTokOutput$/MTokInput$/MTokOutput$/MTokOpus4(2025-05)Opus4.5/Opus5Sonnet4(2025-05)Sonnet5(2026-08permanent)$80$70$60$50$40$30$20$10$0资料来源：Anthropic官网，华泰研究从商业模式看，这也是为什么“前沿能力”比“单个Token”更适合作为价值单位。BigTechnology对DarioAmodei的采访显示，他的判断是：即使客户成本维持不变，模型进步也会让客户获得更多intelligenceperdollar；Anthropic同时披露，2025年八位数和九位数合同数量同比增至3倍，企业客户平均支出达到前一年的5倍。能力提升可以让同一客户从简单问答扩展到coding、research、dataanalysis、workflowautomation，形成明显的wallet-shareexpansion。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。2025年7月，TheInformation报道称，Anthropic直接销售模型的毛利率约为60%，目标向70%提升；2026年6月，据PitchBook估算，公司整体毛利率约为44%。我们认为，两类口径的差异主要来自第三方云渠道的算力成本与分成，直销业务的单位经济性明显优于公司综合口径。以AWSBedrock为例，SemiAnalysis假设Anthropic全额确认ClaudeToken收入，同时向AWS支付约25%的收入分成和约750万美元/MW/年的固定IaaS费用；按其估算，1Q26Anthropic在Bedrock上约实现2,600万美元/MW收入，对应渠道毛利率约46%，若单位算力收入提升至3,000–4,000万美元/MW，则毛利率约为50%–56%。我们认为，第三方渠道毛利率低于直销，主要因额外承担云算力费与渠道分成。资料来源：Theinformation，华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。前沿模型竞争进入高资本强度阶段，Anthropic的资金约束正由“研发团队扩张”转向“算力容量锁定”。复盘公开信息，A–H定价轮融资公告金额累计1200亿美金左右；可明确量化的主要算力项目形成15GW容量；人员方面，3,000–4,000人规模对应的现金工资约为7.5–14亿美元/年。我们认为，为维持模型领先，Anthropic当前需要同步比拼融资能力、长期算力获取与商业化兑现能力。融资能力快速抬升，为前沿模型投入提供资本基础融资自2025年起明显提速。SeriesE–H四轮公告金额合计1,115亿美元，占A–H定价轮公告总额约98%，推动公司单轮融资能力由早期十亿美元级快速进入数百亿美元级。并且战略股东持续加码，进一步增强资本供给。Google早在2023年已有约3亿美元入股，随后又有20亿美元承诺；Amazon到2024年累计投入80亿美元，截至2026年二季度累计投入已达180亿美元；2026年Google又提出最高400亿美元的新安排，其中100亿美元为当前现金承诺、300亿美元与绩效条件挂钩。seriesA2021-05-28$0$0.62centerForEmergingRiskResearch,DustinMoskovitz,Ericschmidt,JaanTallinn,JamesMcclaveseriesB2023-02-03$0.98$4.02carolineEllison,centerForEmergingRiskResearch,JaanTallinn,JamesMcclave,Nishadsingh,samBankman-FriedseriesC2023-05-23$0.45$4.55Google,Menloventures,NLSVentures,Raison,salesforceventures,sevenRiverscapital,soundventures,sparkcapital,SVA,zoomventuresseriesD2023-10-27至2024-03-27$1.32$18.40Google,AmazonseriesE2024-11-22至2025-03-03$7.27$61.50Amazon;Bessemerventurepartners,ciscoInvestments,D1capitalpartners,Fidelity,Generalcatalyst,Janestreetcapital,Lightspeedventurepartners,Menloventures,salesforceventuresseriesF2025-09-02$13.00$183.00ICONIQCapital(领投),Fidelity,Lightspeedventurepartners(联席),Altimeter,BaillieGifford,BlackRocK,Blackstone,coatueManagement,D1capitalpartners,GeneralAtlantic,Generalcatalyst,GIC,Goldmansachs,Insightpartners,Janestreetcapital,ontarioTeachers'pensionplan,QatarInvestmentAuthority,TPG,T.Roweprice,WCMInvestmentManagement,XNseriesG2026-02-12$30.00$380.00Accel,Addition,AlphawaveGlobal,Altimeter,AMPPBC,Appaloosa,BaillieGifford,Bessemerventurepartners,BlackRocK,Blackstone,coatueManagement,D1capitalpartners,D.E.shawventures,Dragoneer,Fidelity,FoundersFund,Generalcatalyst,GIC,Goldmansachs,Greenoaks,ICONIQCapital,Insightpartners,Janestreetcapital,JPMorganchase,Lightspeedventurepartners,Menloventures,MGX,Microsoft,MorganstanleyInvestmentManagement,NVIDIA,NX1capital,QatarInvestmentAuthority,sandscapital,sequoiacapital,Temasek,TowerBrookcapitalpartners,TPG,whaleRockcapital,XNseriesH2026-05-28$65.00$965.00Altimetercapital,Amazon,BaillieGifford,Blackstone,Brookfield,capitalGroup,coatueManagement,D1capitalpartners,D.E.shawventures,Dragoneer,DSTGlobal,Fidelity,Greenoaks,ICONIQcapital,Micron,samsung,sequoiacapital,SKHynix资料来源：各公司公告，华泰研究算力布局进入多云、多芯片与多数据中心并行阶段数据中心部署由单一云采购转向多供应商组合。Anthropic目前同时布局AWSTrainium、GoogleTPU/Broadcom定制芯片、NVIDIAGPU与多家neocloud/数据中心。按公司及供应商已正式签署或确认的协议口径，可量化的远期算力规模约14.3GW+，其中AWS最高约5GW，Google/Broadcom约6GW以上。年限明确的算力合同名义年化已超过340亿美元。按公开金额与合同期限标准化，AWS十年超过1,000亿美元对应>100亿美元/年；SpaceX按12.5亿美元/月满额对应约150亿美元/年；Nscale450亿美元/6年对应75亿美元/年；Volta100亿美元/6年对应约17亿美元/年，四项合计超过342亿美元。我们认为，相较GW本身，该口径更直接反映Anthropic为模型训练与推理提前锁定资源的资本强度。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。供应商芯片平台容量口径部署时间表1目标Amazon/AWSTrainium2/Trainium3最高5GW2026年底前接近1GW新增容量;其余协议容量上线节奏未完整披露Google+BroadcomIronwood/TPUV8i>6GW2026:容量超过1GW;2027:新增5GW下代TPUMicrosoftAzure+NVIDIAGraceBlackwell/veraRubin最高1GW具体上线时间未披露AMDInstinctM450/Helios最高2GW首批1GW于1H27开始部署;总规模最高2GW,完成年份未披露spacexNVIDIAGPU/colossus>0.3GWcolossus1>300MW于2026年5月起提供;colossus2可访问但未披露Anthropic份额coreweaveNVIDIAAICloud规模未披露多年协议;算力自2026年晚些时候开始分阶段上线合计14.3GW+资料来源：各公司公告，华泰研究资料来源：EpochAI，华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。员工规模进入数千人阶段，人才成本高但并非资本消耗主项员工规模方面，据RevelioLabsworkforce数据，截至2026年3月Anthropic全球员工约4,020人。按约4,000人、25–35万美元人均年化现金工资（我们的假设）测算，年化现金工资约为10–14亿美元，明显低于已披露的数百亿美元级算力采购名义年化。我们认为，人力成本的重要性更多体现在核心研究人才股权激励、稀缺人才留存与组织效率，而非决定公司现金消耗规模的第一变量。估值：9,650亿美元投后估值隐含高增长延续与毛利率修复两项核心假设本文不给出目标估值，但就市场关注的“Anthropic值多少钱”给出我们的理解。根据公司2026年5月28日H轮融资公告，公司投后估值为9,650亿美元；根据彭博（2026/8/17）报道，公司7月末run-rate收入约650亿美元。我们测算，投后估值约为run-rate收入的14.8倍。作为对照，根据TechCrunch（2026/8/10）援引彭博的报道，OpenAI于8月完年化收入超过400亿美元。我们测算，其估值约为年化收入的21倍。上市方面，根据BusinessInsider（2026/9/14）报道，公司寻求约2万亿美元或以上的上市估值；根据路透（2026/8/14）报道，公司IPO估值讨论以2028年收入预测1,900–2,000亿美元为定价锚（非公司指引）。我们测算，按此口径，2万亿美元约为2028年预测收入的10倍，9,650亿美元约为5倍。我们认为，当前估值并非基于当期利润，而是隐含三项假设：1）run-rate收入在2026–2028年仍保持多倍增长；2）综合毛利率持续改善至六至七成；3）长期算力承诺能被收入覆盖，现金流在上市后数年内转正（均为我们的假设）。估值超出预期的条件包括：Agent任务从Coding扩展到更广泛的知识工作与AI研发，$/Task定价被客户接受；Fable/Mythos级模型维持能力领先与价格溢价；直销占比提升带动毛利率改善。低于预期的条件包括：run-rate增速明显放缓或出现头部客户流失；开源模型与同业降价压低净价；数据留存等合规问题拖累高价值客户导入；算力利用率不足导致现金流转正推迟；以及市场对高增长资产的整体估值下修。招股书披露的GAAP收入、毛利率、客户集中度与现金流，将是检验上述假设的关键。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。据Ramp在2026年8月的统计，Anthropic在商业人工智能领域的领先优势进一步扩大。美国有43.8%的企业选择了Anthropic的订阅服务或相关产品，这一比例环比7月上升了0.34个百分点。相比之下，OpenAI占比达到39.8%。我们认为，Claude的竞争优势可能来自：1）战略定位上聚焦企业级工作场景；2）人才持续净流入且留存率行业领先；3）模型harness领先。505040302002023-012023-042023-072023-102024-012024-042024-072024-102025-012025-042025-072025-102026-012026-042026-07AnthropicOpenAIGooglexAI资料来源：Ramp，华泰研究战略定位：聚焦企业级工作场景，商业模式与任务形态相匹配。OpenAI的战略重心偏向消费市场：据公司披露，ChatGPT周活跃用户数2026年2月已达9亿，产品覆盖聊天、语音、图像、视频、电商等多个方向。Anthropic消费端用户规模显著小于ChatGPT，将资源集中于编码、数据分析、财务、法务等目标明确、结果可验证的知识工作任务，以及为此付费的企业客户。收费模式与上述定位相匹配：OpenAI收入以包月订阅为主（SemiAnalysis估计其2026年一季度订阅收入占比超过65%，其中约四成来自个人用户用量扩张直接推高服务成本，商业激励上倾向于控制用量；Anthropic收入以按用量计费为主（SemiAnalysis估计占比约75%–85%）。我们认为，消费端份额的落后属于Anthropic主动的战略取舍，企业端份额的反超才是其资源投入的直接结果。人才结构：对OpenAI、DeepMind形成持续净流入，且留存率行业领先。据SignalFire2025年5月发布的人才报告，工程师由OpenAI流向Anthropic的概率约为反向流动的8倍，由GoogleDeepMind流向Anthropic接近11倍；入职两年留存率Anthropic为80%，高于DeepMind的78%、OpenAI的67%与Meta的64%。2026年以来，这一净流入延续且层级上移：1月，OpenAI安全研究负责人AndreaVallone加入；3月，OpenAI研究副总裁MaxSchwarzer加入；5月，OpenAI联合创始人AndrejKarpathy加入并组建预训练团队，方向为利用Claude模型加速预训练研究；6月项目负责人JohnJumper自DeepMind加入。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。MetaOpenAIMetaOpenAIGoogleDeepMindAnthropic0%20%40%60%80%100%资料来源：SignalFire，华泰研究OpenAIOpenAI→AnthropicDeepMind→AnthropicOpenAI→AnthropicDeepMind→Anthropic86420资料来源：SignalFire，华泰研究产品工程：harness影响Agent可用性，自用闭环缩短迭代周期。行业内的普遍共识是，Agent类产品中模型能力仅决定部分体验，模型外围的工程层（harness包括上下文管理、外部工具接入、操作权限控制与错误回退等重要性提升；该层能力不进入基准评测，但直接决定长任务的实际完成率。ClaudeCode的领先主要体现在此：其最初为Anthropic内部工具，开发者与用户高度重合；据TheAnthropicInstitute，截至2026年5月，Anthropic合并代码中超过80%由Claude撰写，产品持续接受内部高强度使用检验。对比来看，OpenAI的同类产品Codex起步较晚，且长期作为ChatGPT的附属功能而非独立工作流进行打磨。竞争格局：第一梯队集中于少数闭源厂商，差异更多体现在客户定位、算力与分发。从多维度对比看（图表27我们认为：OpenAI兼顾C端与B端；Google依托自研TPU、云以及搜索、安卓、Workspace等入口，具备全栈与成本优势，或为中长期综合实力最强的对手；DeepSeek与智谱以开源权重和低价切入，在性价比敏感的开发者与政企私有化市场形成竞争。我们认为，Anthropic的相对优势在于企业级Agent与Coding场景、按量计费模式以及研究与产品一体的组织；相对劣势在于C端入口、多模态能力以及算力对云伙伴的依赖。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。维度AnthropicOpenAIGoogleGeminixAI（SpaceXAI）DeepSeek智谱（Z.ai）最新旗舰模型ClaudeFable5.1、Mythos5.1（限量开网，2026/9/15）GPT-6Astra（OpenRouter，2026/9/15）Gemini3.1ProPreview、3.8Flash（Google官网，2026/9/15）Grok4.6（xAI官网，2026/9/15）DeepSeekV4-Pro-0813、V4.1-Flash（DeepSeek官网，2026/9/15）GLM-5.3、GLM-5.3-Flash（Z.ai官网，2026/9/15）AA智能指数（最高分型号）53（Fable5.1）53（GPT-6Astra）41（Gemini3.8Flash）44（Grok4.6）40（V4.1Flash）45（GLM-5.3）旗舰API价格（美元/百万Token，输入/输出）Fable5.1：10/50（公司官网，2026/9/15）GPT-6Astra：10/50（OpenRouter，2026/9/15）3.1Pro：2/12(≤20万Token，Google官网，2026/9/15）Grok4.6：2/6（xAI官网，2026/9/15）V4-Pro：1.32/3.96（高峰时段，DeepSeek官网，2026/9/15）GLM-5.3：1.4/4.4（Z.ai官网，2026/9/15）收入规模run-rate超650亿美元（彭博，2026/8/17）年化收入超400亿美元（彭博，2026/8/14）—2Q26AI分部收入25.61亿美元（SpaceX2Q26业绩，2026/8/4）—1H26收入9.54亿元人民币（公司中期业绩公告，2026/8/31ARR约16亿美元（36氪业绩会纪要，2026/9）用户/客户43.5%的美国企业付费使用（RampAIIndex，2026/8/12）ChatGPT用户超10亿（OpenAI用户报告，2026/8）GeminiApp月活超10亿（Google官方博客，2026/8/11）——MaaS平台注册用户超740万（36氪业绩会纪要，2026/9）算力过去11个月签约约14.8GW（DCD转引TheInformation，2026/9/7）—自研TPU；2Q26模型API每分钟处理约220亿Token（Alphabet2026/7/22）2Q26末约1.4GW（SpaceX2Q26业绩，2026/8/4）——估值/市值投后9,650亿美元（公司公告，2026/5/28寻求约2万亿美元或以上上市估值（BusinessInsider，2026/9/14）8,520亿美元（员工股份回购，TechCrunch，2026/8/10）属Alphabet，未单列SpaceX