Anthropic 的年化收入公式：AI 增长叙事该拆开看了

Reuters Breakingviews 的 Karen Kwok 援引知情人士称，Anthropic 对 “run-rate revenue” 的定义分两段：最近 28 天的按量计费收入乘以 13；月订阅收入乘以 12；两者相加。

这句话后来被 Simon Willison 摘引出来。信息源不是 Simon，原始出处是 Reuters Breakingviews，口径也只是“知情人士”说法。

有意思的不是公式本身，而是它放在 AI 行业里很刺眼。按量消费不像房租，也不像固定年费。它可能来自稳定工作流，也可能来自一轮测试、一次迁移、一个大客户集中跑任务。

所以，这条新闻讨论的重点不是 Anthropic 有没有收入，也不是指控它财务造假。材料支撑不了那种说法。真正的问题是：AI 公司越来越需要用年化收入讲增长故事，而年化口径天生容易把短期速度写成长期确定性。

这个 run-rate revenue 到底怎么算

run-rate revenue 可以理解成“按当前速度年化后的收入”。它不是已经落袋的全年收入，也不是审计后的年度账本。

更像一张速度表。车此刻开到 120 公里，不代表接下来 12 小时都能这么跑。

这里最关键的分界线只有一条：run-rate revenue 不等于已实现全年收入。

对投资人来说，它可以是估值模型里的输入，但不能直接当现金流质量。对企业客户来说，它能说明供应商有商业化进展，却不能单独证明这家公司已经穿过采购周期、续费周期和预算审查。

如果你在企业里负责 AI 采购，这类数字最多能帮你判断供应商“热不热”。真正下单前，还得看三件事：合同稳定性、客户留存、模型成本能不能压住。否则，采购会更倾向延后大规模迁移，先用小范围试点卡住风险。

为什么 AI 的按量收入更容易制造幻觉

按量计费本来不是问题。云计算、API、算力平台都大量使用这种模式。它的好处很直接：客户用多少付多少，供应商收入也能跟着使用量增长。

但 AI 的按量收入有一个现实约束：用量波动可能很大。

开发者试 API，会在几天内跑大量请求。企业做 POC，会集中测试多个模型。团队迁移工具链，也可能在短期内制造一波异常用量。这些都可能是真需求的一部分，但不一定会变成长期日常消耗。

区别在这里：

所以我不太买账的是那种顺滑叙事：收入跑得快，所以商业化已经坐实。

不一定。

AI 公司当然可能有真实增长。Anthropic、OpenAI 这类公司最值钱的地方，也正是模型进入企业流程后，用量会随业务扩张。这个判断不能抹掉。

但同一个 run-rate 数字里，可能混着试用、预算冲刺、迁移峰值和真实留存。年化口径的问题不是它一定骗人，而是它太适合融资桌上的讲法。

互联网泡沫时期也有类似惯性：把几个月的用户增长、点击量、订单增速外推成长期确定性。今天不完全一样，AI 有真实企业需求，也有更硬的技术门槛。可“天下熙熙，皆为利来”，人性没有升级。

融资时，最贵的从来不只是收入，而是“收入会继续高速增长”的信念。

真正要看的不是速度，是收入质量

这件事对不同人影响不一样。

投资人要拆收入。按量收入、订阅收入、续费收入，不能揉成一个漂亮年化数就结束。企业客户要拆风险。供应商增长快是好事，但如果增长主要靠短期用量峰值，大客户迁移就不能只看声量。

开发者和产品团队也会受影响。一个模型平台看起来很强，不等于它的价格、稳定性、长期供给都已经安全。团队如果要把核心能力绑到某家 API 上，至少要给替代方案留接口，不要把退出成本做死。

我更在意的观察项很朴素：

• 按量收入能不能连续几个周期保持，而不是只靠某 28 天漂亮；
• 订阅收入有没有续费和扩容，而不是一次性拉新；
• 企业客户是否从试点进入正式预算；
• 推理成本下降能不能跟上用量增长；
• 现金流和毛利能不能支撑这个增长速度。

这些问题没有 Reuters 这段引述给出答案。它只给了一个窗口：AI 商业化已经走到“财务叙事精装修”的阶段。

模型能力还重要，但不够了。接下来拼的是把模型塞进真实工作流，把试点变成续约，把短期跑量变成可重复收入。

收入看着更快，越要拆开看。AI 估值真正的分水岭，不在年化数字多好看，而在这些数字能不能穿过续费、预算和使用疲劳期。

回到开头那个公式：28 天乘以 13，听起来只是会计口径。放到今天的 AI 牌桌上，它更像一面镜子。

镜子里有真实需求，也有叙事加速。聪明的读者，不该只看速度表。