买球平台(股份有限公司)-官方网站

　　2026年，AI不再只是“问答对话”的工具，开始真正“完成工作”，这背后发生了一连串技术变化，从模型Scaling转向智能上界、推理效率、长程任务、Agent系统。

　　Anthropic有望在9月下旬公开招股书，智谱发布上市以来的首份中期业绩。

　　中美两家大模型公司都展现出AI商业化狂飙的一面：据彭博报道，Anthropic年化收入已从今年年初的约200亿美元一路攀升至7月底的约650亿美元，并在二季度实现首次经营盈利。智谱上半年同样实现收入（+399.7%）、截止今年8月底MaaS平台用户数（+144%）大幅增长，量价齐升。

　　但偏偏，这两家公司都没有着墨于商业，反倒花大量篇幅解释同一件事，模型如何进入更长、更复杂、可被持续付费的工作流。

　　Anthropic在各种宣传渠道都强调Claude Fable 5.1如何处理编码、知识工作和长时间问题解决任务，如何以更低的成本达到与 Fable 5 相似甚至更优的性能。

　　智谱这份中报甚至读起来像一篇技术博客：前半段是收入结构、Token调用量、API均价，后半段满页都是Scaling deep、长程训练、Fully Self 买球股份有限公司Training。

　　这背后是一个行业级判断：AI的关键词，正在从“模型能力”切换为“任务交付”，智能与成本持续突破，才能打造下一代生产力基础设施。

　　Coding为什么率先跑通？因为它同时满足三个条件：任务结果可自动验证，价值可以按节省的工程师工时直接计价，工作环境天然数字化、可被模型完整接管。

　　智谱画了一个“能力阶梯”概括这种变化：Chat→Coding→Co-work→Autonomous AI，每向上一级，任务更长、单位经济价值更高。

　　报告期内，智谱的重心正处在Coding到Cowork之间，已在网络安全、法律、金融等方向展开尝试。

　　其实就是AI行业前沿正在发生的变化：以大模型能力为底，AI应用的价值逐渐从回答问题的工具，向完成工作的基础设施进化。

　　据彭博报道，Anthropic二季度收入超过115亿美元，首次实现约5.59亿美元经营盈利；收入结构约80%来自企业侧，年支出超过100万美元的企业客户超过1000家，财富500强前十中的8家在使用其产品。

　　在AI行业普遍以亏损换增长的阶段，这组数字的意义在于，模型进入代码库级迁移、企业Agent、长任务工作流，客户愿意为“交付结果”支付与人力成本对标的价格。

　　Anthropic在《2026年智能体编码趋势报告》中进一步描绘了下一步：AI编码智能体正进化为“智能体军团”，长时运行智能体能够独立构建完整系统，AI与人类将形成“智能协作”模式。

　　Anthropic验证了AI商业化的第一条曲线——任务价值：任务链越长，Token消耗越多，收费依据越清晰。

　　这条曲线的行业意义，是为整个AI板块提供了估值锚：当一家公司证明模型交付工作的能力可以直接折算为收入，所有沿着同一路线前进的公司都会获得重估。

　　智谱GLM系列在约11个月内完成了从4.6到5.3的六代迭代，智能指数从32提升至60。

　　2026年上半年，智谱的收入结构发生了根本性切换：项目交付为主的收入形态已被云端调用改写，按调用计费的开放平台及API服务收入占比由2025年末的26.3%提升至86.5%。

　　这一切换不是主动设计的结果，而是模型能力提升带来的自然演进，每解锁一个更复杂的任务场景，就多一片可持续付费的需求。

　　随着智能上界的突破，量价同步抬升。截至8月末，MaaS平台Token调用量较年初增长超过40倍，其中Coding Plan调用量增长超过23倍；同期API平均售价提高约101%，Coding Plan订阅价格亦有上调。均价提升背后是任务结构的上移，高价值任务占比在提高。

　　价格围绕价值波动，但对于大模型企业来说，如何推广AI应用，实现科技普惠，还需要考虑一个关键要素：成本。价值曲线向上的同时，成本曲线也要同步向下。

　　今年以来，不管是Anthropic，还是智谱，都在押注一个更重要的未来：同样的智能，如何以可规模化的成本交付。

　　Agent任务会连续调用模型、搜索、代码执行和外部工具，任务价值提高的同时，Token消耗成倍增加，这是倒逼基础设施效率持续升级的牵引力。

　　为此，Anthropic依靠Amazon、Google、Microsoft和长期协议锁定算力供给，借助美国科技巨头的基建去获取普惠的算力。

　　而智谱则All-in-Infra：以10万级国产芯片实现规模化低成本推理，单位Token推理成本较年初下降80%，端到端服务性能提升3倍。管理层提到一个关键指标“算力乘数”：每投入一元算力对应的开放平台及API收入，较去年上半年整体提升14倍。

　　从大模型智能上限，到算力基础设施效率，两条曲线同步变动，“智能上界×Token消耗”的AGI商业价值飞轮才会加速转动。

　　第二是成本迁移。智谱建设国产推理集群，Anthropic锁定全球算力，模型公司同时控制能力上限和单位智能成本。

　　第三是商业迁移。智谱加速转向MaaS，Anthropic进入Coding和企业Agent，AI从提供答案转向交付工作。

　　这三场迁移指向一个共同点：AI公司的竞争力，很难由某一代模型单独建立，模型、用户、任务、算力、数据需相互供给。

　　过去市场评判一家公司主要看模型榜单排名和API调用量，但2026年以来，单点模型优势的时间窗口越来越短，领先位置从未稳固，竞争对手数月内就能追平。能够持续领先的公司，靠的不是某一代模型的惊艳，而是一套让每一代模型都能比上一代更强的系统。

　　目前，智谱和Anthropic是行业中为数不多的把模型、Infra、任务环境和商业落地做整体设计的公司。

　　智谱的系统围绕三个层次搭建：算力层，10万级国产芯片实现规模化推理，单位Token成本下降80%，每1元算力投入对应的API收入提升14倍；数据层，Fully Self Training让模型互评互训，GLM-5.3与5.2同样架构参数，仅靠扩大后训练规模端到端完成率就提升超50%；进化层，下一代GLM-6.0定位于“自进化”，逐步脱离人工干预，走向自主优化路径。

　　Anthropic的逻辑异曲同工：算力层联手SpaceX、谷歌锁定大规模GPU供给；数据层通过“Outcomes Loop”和“Dreaming”功能让AI自主评估、后台试错；进化层明确提出“递归自我改进”，AI已开始协助构建下一代AI系统，Claude 8帮助构建Claude 9，速度将进一步提升。

　　两家公司本质上在做同一件事：建立“算力→模型→任务→数据”的闭环，让每一轮迭代都比上一轮更快、更便宜、更强。而行业未来格局，很可能就取决于哪种飞轮转得更快、更稳、更久。

　　Anthropic在8月风险报告中强调AI安全贯穿研发与部署全链路，智谱则选择最敏感的能力受控开放，开源前由第三方独立评估，漏洞通过国家漏洞库披露，基准分数自己报，风险判断交给外部确认。

　　对To B生意而言，这套“智能-成本-安全”的系统，本身就是生产力方案的一部分。

　　Anthropic用650亿美元年化收入和Coding场景的爆发证明任务价值曲线%的API收入增速和成本曲线的自主可控证明规模化路径成立。

　　两家公司在同一张考卷上写下相似的解法，共同指向一个上升螺旋：“更强模型→更复杂任务→更多Token与收入→更多训练和基础设施投入→更低推理成本与更多真实反馈→下一代模型”。

　　判断AI公司的价值，也从此有了新的坐标：模型升级能否带来任务完成率提升，任务能力提升能否转化为调用量与价格，调用增长能否伴随单位Token成本下降，真实任务能否沉淀为下一代模型的训练资产。

　　Anthropic上市估值最高可能达到2万亿美元。若最终实现，将跻身全球规模最大的IPO之列，届时港美股AI板块估值都可能重写。