Anthropic毛利率冲高至70%，AI价值链正加速向下游模型层迁移

2026年5月2日，SemiAnalysis发布了一份最新的研究报告，揭示了一个关键趋势：大模型厂商Anthropic的毛利率已飙升至70%，但掌握稀缺算力资源的上游巨头英伟达和台积电，在定价上却按兵不动。

根据SemiAnalysis的数据，Anthropic的ARR（年化运营收入）在不到一个月的时间里，从300亿美元（4月7日数据）猛增至440亿美元。更引人注目的是，其毛利率从38%跃升至70%以上，一举打破了大模型厂商“增收不增利”的反规模经济魔咒。

反观英伟达和台积电，即便坐拥利用率超100%的产线和近乎垄断的产能，其定价策略几乎没有变化。

这幅图景，与三十年前互联网革命走过的路惊人相似：价值链的重心，正开始从上游向下游迁移。

20世纪90年代末，PC互联网时代爆发，英特尔和微软几乎垄断了整个价值链的上游。但在随后的二十年里，价值不断地从硬件层，向更下游的软件、平台和应用层转移。从卖CPU的英特尔，到卖操作系统的微软，再到卖搜索的谷歌、卖社交的Facebook，每一轮迁移，都让更贴近用户的下游玩家攫取了更大的价值份额。

今天，AI产业链似乎正沿着同一轨迹前进。唯一的不同是，这次的演进速度更快。

上游的黄金时代：2023-2025

硬件层通吃

2023年5月，英伟达一纸季报引爆市场，盘后股价跳涨25%。随后的三年里，AI的价值链几乎完全沉淀在基础设施层。

年份	价值猎手	表现
2023	英伟达	首次炸裂财报，盘后跳涨25%，全年上涨239%
2024	电力公司（Vistra、GE Vernova）	标普500表现最佳，分别上涨265%和146%
2025	内存厂商（SanDisk、Micron等）	集体上涨200%以上

市场逻辑非常简单：谁掌控了算力，谁就掌控了AI。那时，早期大模型厂商的毛利率普遍为负。ChatGPT在当时很多人看来，不过是“稍好一点的Google搜索”外加“吉卜力风格的自拍生成器”。不少人认定AI就是一场泡沫，永远无法兑现那数千亿美元的资本支出。

这个阶段的特征，与PC时代的早期极为相似。1980年代，IBM统治着整个PC产业链。那时没人能想到，三十年后，一家卖搜索引擎的公司市值会是IBM的十倍。

转折：Agentic AI改变了一切

2025年12月：拐点到来

2025年12月之前，AI主要是一个“对话工具”（chatbot）。在此之后，Agentic AI（以标志性产品OpenClaw为代表）开始真正发挥作用。Agentic AI的核心突破在于：它不再只是回答问题，而是能独立完成复杂任务。简单说，AI开始化身为数字员工。

以SemiAnalysis自身的实践为例，他们用AI完成了过去需要初级分析师耗费数小时才能完成的工作：

• 将Excel模型自动转换为可视化面板
• 为所有笔记自动创建图表
• 构建财务模型并分析公司收益

Token经济学的重构

当AI进化为劳动力，token的价值便开始取决于它能“替代多少人力”的经济价值。

• SemiAnalysis在AI tokens上的年化支出，已达到员工薪酬的30%。
• 每位员工每月平均消耗近50亿tokens。
• 部分员工每月的消耗量甚至超过1000亿tokens。

Agentic场景下的成本结构也在发生变化。Anthropic的Opus 4.7标价为输入$5/百万tokens、输出$25/百万tokens。但在Agentic工作负载中，由于极高的输入输出比（300:1）和超过90%的缓存命中率，实际混合价格仅为$0.99/百万tokens。

SemiAnalysis认为，用户为每百万tokens支付的实际金额可能只有1美元，而这1美元所创造的价值，或许等同于100美元的人力工资。

成本的断崖式下降

与此同时，token的生产成本正经历断崖式下跌。以下数据源自SemiAnalysis的测算。

首先是软件优化带来的14倍吞吐量提升：

• 无优化时：吞吐量约为1,000 tokens/秒/GPU
• 加上wideEP + disagg优化：吞吐量上升至8,000 tokens/秒/GPU
• 再加MTP：吞吐量再次上升至14,000 tokens/秒/GPU

其次是更为剧烈的硬件代际跃迁：

• 最优化的GB300 NVL72，在FP8下吞吐量比最优化的H100高出17倍。
• 若切换到FP4，这个差距会跃升至32倍。
• 而单GPU的总拥有成本仅高出约70%。

成本在暴跌，但用户愿意支付的价格并未同等幅度地暴跌，因为token所创造的价值反而在上涨——从简单对话变成了自动完成工作。这一价格与成本之间的剪刀差，正是驱动大模型公司利润率飙升的根本原因。

回看历史：PC互联网的价值链迁移

英特尔：从价值链顶端到被超越

1990年代，英特尔是整个PC产业链中最有价值的公司。“Intel Inside”曾是那个时代最牛的广告词。2000年，英特尔市值达到5000亿美元的峰值。但到了2024年，其市值已不足微软的十分之一。原因并非英特尔失去了制造能力，而在于制造能力本身在产业链中的价值占比持续下降。

微软：从操作系统到云服务

2000年，微软的核心是卖Windows操作系统和Office软件，这是PC时代的平台层，占据着价值链中最肥美的位置。但微软没有固守于此，它主动向下游迁移：先向企业应用层进军（Dynamics、LinkedIn），再向云计算层转型（Azure），最终进入AI模型层（与OpenAI合作、推出Copilot）。2024年，微软市值超过3万亿美元，其中很大一部分来自Azure和AI服务，早已不再依赖Windows和Office的授权收入。

谷歌、Facebook、亚马逊：下游的价值爆发

谷歌、Facebook、亚马逊的崛起，是下游价值爆发的最佳例证。它们不生产芯片，不制造服务器，也不拥有操作系统，但它们占据了价值链的最终端——用户界面。搜索引擎、社交网络、电商平台，这些离用户最近的应用，最终捕获了产业链中最大的价值。

AI价值链迁移：速度更快

虽然不像SemiAnalysis所说的“AI一日，互联网一年”那样夸张，但AI时代的发展速度确实远快于PC和互联网时代。回顾历史：

• PC时代从硬件主导到软件主导，花了约15年（1985-2000）。
• 互联网时代从基础设施到应用爆发，花了约10年（1995-2005）。
• 移动互联网从硬件到平台再到应用，花了约8年（2007-2015）。
• 而在AI时代，大模型实验室的崛起仅用了不到3年。

为什么上游不涨价？

当前，台积电N3的利用率预计在2026年下半年超过100%，DRAM工厂也已运行在90%以上的利用率，AI算力需求远超供应。在这种典型的卖方市场环境下，大多数公司都会选择涨价。但英伟达和台积电没有，背后主要有三点考量：

1. 反垄断压力：英伟达正面临越来越多的反垄断审查，台积电也有类似的顾虑。
2. 维护下游生态：如果把产业链利润全部吸走，下游生态长期无利可图，就会失去创新积极性，也难以融到资。Anthropic、OpenAI都在筹备IPO，预留一部分利润有助于让资本游戏持续下去。
3. 避免为竞争对手培植土壤：过高的利润率会坚定下游客户转向替代方案的决心。目前谷歌TPU、亚马逊Trainium的扩张速度很快。如果英伟达保持过高利润率，只会让下游更坚定地拥抱它们。并且，近期有消息称，Anthropic除了采购英伟达、谷歌、亚马逊的芯片，还在洽谈购买一家英国公司的AI芯片。

下游的崛起：最先进的模型厂商开始掌握定价权

SemiAnalysis给出了一个清晰的论断：“顶尖模型提供商的低毛利率时代已经结束。Agentic AI永久地提高了token的价值，且这一趋势不可逆转。”

模型厂商为何现在拥有了定价权？

• 开源难以替代闭源：无论跑分多高，开源模型在实际工作中仍明显落后于最先进的闭源模型。例如，Kimi K2.6（$0.95/百万tokens输入，$4/输出）的定价，对Opus几乎没有产生影响。
• 供不应求的市场格局：Anthropic已开始将Claude Code锁定在每月100美元以上的订阅价格，主动摒弃了部分市场。Token需求在可预见的未来都将远超供应。
• 用户支付意愿由价值决定：当token的能力从“回答问题”变为“完成工作任务”，用户的支付意愿便不再由“替代搜索”决定，而是由“替代人力”决定。SemiAnalysis的token支出已达员工薪酬的30%，这就是最好的证明。

总而言之，表象是算力供不应求，但本质是算力所产出的“智能”供不应求。AI的价值链，已经正式开始向掌握最前沿模型的厂商迁移。

身处这个技术变革的时代，如何在海量信息中快速建立起自己的知识体系，是每个技术人和投资者都需要思考的问题。在 云栈社区，你可以找到关于AI模型演进、算力趋势、技术架构等深度讨论，与众多开发者和行业观察者一同交流，在信息洪流中保持清晰判断。