年付费 10 万美元以上的客户从 950 家涨到 1.19 万家，NRR 高达约 900%，但这份增长不是靠「人手一个账号」堆出来的。招股书披露：约 1/4 营收来自两家未具名客户，前五大客户占 25%，且多数大客户没签长期合同。真正的增长引擎是企业从调用 API 起步，再铺 Claude Code、Cowork，年消费 10 万美元客户里超一半同时用两类产品；Claude Code 前 5% 客户月支出是普通客户的 20 倍。客户数的『厚』与营收的『集中』是同一枚硬币两面。

Anthropic 营收狂飙的另一面：2025 年有 47% 的销售额（约 21.6 亿美元）是经由亚马逊、谷歌的云市场代收的，为此向两者支付约 3.51 亿美元渠道费；同时它签下了覆盖到 2029 年、累计上限 1205 亿美元的 GPU 算力协议，仅 12 月单月算力费用就约 31 亿美元。这意味着「卖得多」和「赚得多」之间隔着一层渠道与算力的成本结构——它更像在给云厂商和算力供应商打工。

作者的核心推理是：客户质量高→付费意愿强→收入反馈多→研发投入足→产品更强→继续吸引客户，循环一旦启动差距不可逆。这个链条成立的关键前提有两个：一是客户能算清 AI 的 ROI（制造、批发贸易类企业投入 100 万一年只省几十万，算不过来）；二是客户本身有利润（美国制造业入围 500 强企业平均利润约为中国的 4.9 倍）。一旦「客户有钱且算得清账」不成立,产品力驱动的正循环就变成成本驱动的消耗战——这也是论证链最脆弱的一环。

文章把差距归因于客户质量与利润，但另一条叙事同样成立：Anthropic 的放缓正是被价格战撕开的。The Information 报道 OpenAI 给大客户折扣最高到九成，Rippling 交给 OpenAI 的编码活儿占比从 16% 升到 52%，Anthropic 从 57% 掉到 18%；一家资产 70 亿美元的美国银行 ChatGPT 席位从 250 加到 500 却不加价，每用户不到 7 美元。一边是「客户没钱所以买不起」，一边是「头部厂商靠亏损换份额把价格打穿」——同一笔增长,两种解释都能自洽。

把天花板归到市场环境，出口就只有出海。当下已有可观察信号：2026 年申报企业中海外收入过半的占比从 15% 升到 25%，有海外团队的从 46% 升到 65%；MiniMax 超 70% 收入来自海外，某参与新加坡计划的企业 2026 上半年海外收入占约 60%。焦点不在「要不要出海」，而在能否在欧美高付费市场真正渗透——目前大多数出海仍集中在东南亚、日韩。这个拐点要靠单家公司的海外利润数据才能看清，现在还看不出定论。

文章断言很多传统企业 AI 项目「ROI 算不过来」，但已有反向案例：联想联宝工厂 AI 排产把 6 小时人工压缩到 1.5 分钟、产量提升 19%；常州一家高铁零件厂排产从 5 人 10 小时压到 15 分钟，订单逾期率从 16-18% 降到个位数；汽车零部件厂排产耗时从 4 小时降到 10 分钟、关键设备利用率提升约 8%。分歧点在于：这些案例都高度依赖前期把工艺、物料、工时数据梳理干净（有厂为此花两个月理编码规范）。真正值得问的不是「AI 有没有用」，而是「多少比例的中国工厂具备跑通它的数据底子」。