Anthropic(ANT)投資研究|企業自建算力與流程自動化如何影響 Claude 收入
企業將模型移回內網,並以 AI 將固定工作轉為程式。本文評估這兩項轉變如何影響 Claude 收入、算力承諾與股東回報。
企業觀察與投資研究 · 2026 年 11 月 22 日
近期企業端的第一手觀察顯示,愈來愈多公司開始自建算力,部分企業也運用 AI 重新設計固定流程,將可明確定義的步驟寫成程式。流程上線後,例行作業由程式直接執行,無須逐件呼叫模型。這項觀察反映部分企業的採用方式,其市場普及程度仍待量化。
這兩種做法影響 Anthropic 收入的方式不同。企業將推論移至內網,原有的雲端 API 支出便可能轉為設備與維運成本。企業若進一步將規則寫成程式,模型服務的需求則集中在開發、改版及例外處理。工程團隊仍可能續訂 Claude 席位,但程式執行次數增加,未必帶來相應的按量收入。投資評估的核心,在於新增工作帶來的模型收入,能否持續超過成熟流程減少的調用支出。
固定流程自動化與模型服務的收入週期
以每日訂單對帳為例。工程師可以請 Claude 找出兩套系統的欄位差異、整理退款與折讓的處理順序,再產生比對程式與測試。驗收後,每天由排程讀取資料庫,依訂單編號、金額與日期逐筆核對,符合規則就入帳,異常才送人工處理。輸入格式和規則穩定時,正常件從頭到尾都可用一般運算完成。真正省下來的是每筆都要人工看一次的工時,模型費則集中在建置、改版或排查新例外時。
這也界定了替代的邊界。同一份訂單若附著客戶自由書寫的爭議說明,理解文字、查明上下文仍可能值得付推論費。企業可以把這一步留給 Claude、交給本地模型,或由人員處理。於是,同一家公司可能增購開發席位、自建推論主機,同時減少成熟流程的外部 API 用量。把所有「透過 AI 完成的工作」一律換算成持續成長的 token 需求,會高估模型服務的市場。
Anthropic 的收入結構使其對調用量變化尤其敏感。前九個月營收中,263.06 億美元來自按量計費,占 79.1%,另有 69.36 億來自訂閱。按量收入也貢獻約 79% 的同比新增營收。同期約 44% 營收經雲端市集,期末市集客戶卻占淨應收約 52%。這個落差可能來自帳期。要判斷成長是否吸走營運資金,必須把通路組合、應收帳齡與實際回款一起看。公開資料仍不足以拆出 Claude Code、Cowork 與純 API 的實收價格、用戶轉換路徑或產品別毛利。 SEC 招股書,收入分拆與客戶集中度
前九個月的數據顯示,營收成長已降低算力成本占比。 前九個月營收達去年同期的 13.1 倍,算力與基礎設施費用占營收從約 172% 降至 57%,營業現金流達 65.69 億美元。第三季的成本走勢則揭示獲利壓力。 相較第二季,第三季多出 54.01 億美元營收,算力與基礎設施費用同時增加 43.05 億,兩項增額比為 79.7%。當季約使用 50 億美元短期算力。其中多少屬於相對長約的溢價,仍無披露。公司調整後營業利益由 22.35 億升至 24.63 億,利潤率卻從 19% 降至 15%。這些費用包含訓練與推論,79.7% 不能直接套在下一個客戶的毛利上。 SEC 招股書,季度損益及調整後營業利益
硬體價格與企業本地部署成本
近期亞洲通路的第一手觀察顯示,部分 SSD 與 RTX 5090 的現貨報價已降到先前的七、八折。日本秋葉原的同型號報價亦顯示相近降幅。11 月 7 日,ITmedia 報導 Dospara 秋葉原本店補進的 Palit RTX 5090 GameRock 標價 1,288,000 日圓。11 月 13 日店頭價為 999,800 日圓,一週跌 22.4%,約為前次補貨價的 7.76 折,店員也確認降價後已有售出。SSD 方面,AKIBA PC Hotline! 的 10 月上半月調查記錄到 WD Black SN8100 2TB 從前次調查的 91,440 日圓降至 70,980 日圓,跌 22.4%,同樣約 7.76 折。這些數字反映特定型號與通路的價格,亞洲整體均價與企業級採購合約仍需分別觀察。 RTX 5090 補貨價 · 降價後店頭訪查 · SSD 型號與價格調查
對已經有主機、只差一張顯卡就能把敏感資料留在內網的企業,這種單卡降價可以直接改變採購決定。從零組一台主機,則只有降價零件所占的成本會下降。例如 GPU 與 SSD 合占整機六成、兩者都跌 22.4%,其他價格不變,整機成本約降 13.4%。這與下文將既有設備按原價三折估值是兩種不同情境,兩個折扣不重複套用。對 ANT 收入的影響,最終仍取決於新設備承接了多少原本要付給 Claude 的工作。完成規則化、執行時已不用模型的流程,則無須等待硬體降價。
既有設備按原價三折估值下的損益兩平分析
以現有設備原價的 30% 作為占用這批設備的經濟成本,按剩餘三年、期末殘值零平均攤提。對已付清且閒置的設備,這筆攤提代表放棄轉售或挪作他用的價值,並無同額新購現金流出。選兩種可核價的配置:四台既有 M4 Pro Mac mini,以 Apple 台灣上市起價每台 NT$46,900 為基準。一台 NVIDIA DGX Spark,以官方公告 US$4,699、情境匯率 32 換算。實際升級記憶體的 Mac 應按原發票重算。兩者只比經濟門檻,效能需按任務個別驗收。 Apple 歷史定價 · NVIDIA 價格公告 · DGX Spark 規格
情境,全表金額為新台幣 | 四台 Mac mini M4 Pro | 一台 NVIDIA DGX Spark |
|---|---|---|
三折後整組設備價值 | 56,280 元 | 45,110 元 |
每年設備攤提 | 18,760 元 | 15,037 元 |
假設全年整組平均功率 | 200 W | 150 W |
年電費,以 8,760 小時、每度 4 元估算 | 7,008 元 | 5,256 元 |
年維運工時,每月 2 小時、每小時 1,000 元 | 24,000 元 | 24,000 元 |
年固定成本合計 | 49,768 元 | 44,293 元 |
損益兩平所需合格件數,向上取整 | 10,369 件/年 | 9,228 件/年 |
全年運行,平均每天至少 | 29 件 | 26 件 |
兩案以一件通過相同品質與延遲驗收的工作為單位。情境 API 費每件 US$0.20(NT$6.40),本地每件另計 NT$1.60 的可變處理成本,排除已列的機房電費與維運工時,每件淨省 NT$4.80。損益兩平件數等於年固定成本除以每件淨省金額。若僅有 250 個工作日有流量,兩案分別須達 42、37 件/工作日。功率、電價、工時與單價都是情境值,沿用既有網路和空間。額外連線、備援、建置或人工返工要另計。若 API 同步降價 25%,每件淨省縮至 NT$3.20,全年每日門檻升至 43、38 件。若實際 API 價已低於本地每件變動成本,再多用量也無法靠攤提設備損益兩平。
多台 Mac 已可共同推論同一個大型模型。 Apple 的 MLX 可把模型分片到多台 Mac,利用各機的記憶體與運算能力,讓單機放不下的開放權重模型在企業內網執行。從 macOS 26.2 起,具 Thunderbolt 5 的 Apple silicon Mac 支援透過 Thunderbolt 的遠端直接記憶體存取(RDMA),降低節點間通訊延遲。Apple 技術文件以四台 M4 Pro Mac mini 示範叢集連線。WWDC26 則以四台 Mac Studio 實際展示 Kimi K2.6 一兆參數模型的分散式推論。兩個案例的機型、記憶體與驗證項目不同。 Apple 技術文件 TN3205 · WWDC26 大模型展示,82 分鐘處 · Apple MLX 分散式推論研究
對 Anthropic 而言,這項功能擴大了可能被搬回內網的任務範圍。企業已有四台 Mac mini 時,可以分機處理獨立小任務,也可以讓四台共同服務一個較大的模型。前者主要增加同時能處理的件數,後者讓企業有機會在本地完成原先因單機容量不足而外送的工作。DGX Spark 則提供 128 GB 統一記憶體的單機選項。前表每天 29 件與 26 件是指定成本假設下的損益兩平門檻。哪一組能以較少返工達到該門檻,取決於實際模型、量化精度、上下文、併發與驗收標準。本研究尚未取得兩組設備的同題實測。 WWDC26 本地 Agent 與 MLX 分散式推論 · NVIDIA DGX Spark 規格
前表的每日損益兩平件數只適用於執行時仍需要模型的工作。若一條規則已能穩定完成驗收,企業應比較開發、測試、維護與普通運算的成本。替它購置推論主機,反而高估了自動化所需的資本。對精簡團隊來說,先把穩定規則寫進程式,再讓少數複雜案件用本地或雲端模型處理,三種做法可以在同一流程共存。
全球 AI 支出與 Anthropic 可取得的收入
以後文估值中間情境的年營收 1,975 億美元反推,若 Anthropic 能取得可服務市場的 30%,同一層供應商可認列的市場就要達到 6,583 億美元。若只能取得 20%,門檻升至 9,875 億美元。Gartner 預估 2027 年全球 AI 支出 4.05 兆美元,其中基礎設施占 2.397 兆,生成式模型約 510 億、Agent 與助理約 670 億、AI 軟體約 6,490 億美元。這些分類與公司的三年情境年份不同,也不能把軟體月費及其中的 API 費重複計算。多方要證明的,是 Claude 能把原本付給企業軟體、專業服務與流程供應商的預算,持續轉為自己可認列的收入。僅憑全球 AI 支出成長,無法證實它能取得所需份額。 Gartner 全球 AI 支出分類預測
開放權重模型讓企業多了一個選擇:把例行工作交給便宜模型,只在困難步驟呼叫 Claude。OpenRouter 的研究顯示,中國開放模型在其平台部分週次接近總 token 量的 30%。這個平台聚集會切換模型的買家,使用量也受單價影響,不能外推全球營收市占。對 Anthropic 有利的反例,是推論價格較高,卻能節省足夠多的人工覆核。假設每件工作多付 0.50 美元,而覆核工時每小時 60 美元,只要平均每件省下超過 30 秒,較貴的模型便可能讓企業省錢。要證明這種溢價持久,需要同一批任務的驗收結果、實付費用及返工時間。 OpenRouter 使用研究 · DeepSeek 官方模型卡
中美 AI 實力影響的是 Anthropic 能在哪裡銷售,以及客戶手裡有幾種替代選項。Stanford 統計,2025 年美國民間 AI 投資為 2,859 億美元,中國為 124 億美元。政府引導資金會使這種比較低估中國整體投入。美國的資本與雲端通路有助於取得算力,中國團隊發布的權重卻可在第三國部署,壓低當地客戶願付給 Claude 的價格。Anthropic 的銷售政策也限制部分由不支援地區控制的境外組織。中國模型即使沒有在一筆交易中收到 API 費,也可能影響 ANT 的報價。美國產業維持領先,收益仍須在晶片、雲端、模型與應用供應商之間分配。 Stanford AI Index · Anthropic 銷售地區政策
需求下滑時的算力付款義務
觀察期間 | 公司披露 | 能從中得出的結論 |
|---|---|---|
2026 年 9 月底起十二個月 | 預計支付 707 億美元,其中 42 億涉及特定條件或開始履約前終止權 | 其餘 665 億占 94.1%。客戶自己減少用量,並非公司列出的該類退場條件 |
全期合約義務 | 合計 9,009 億美元,其中 1,862 億涉及上述指定類別 | 其餘 7,147 億占 79.3%,分布於多年。交付、履約及其他救濟條款仍會影響實付時點或金額 |
明訂最低採購的三家雲端供應商 | Microsoft 472 億、Google 1,213 億、Amazon 1,100 億美元 | 三份合約的全期最低採購合計 2,785 億。Google 與 Amazon 明列差額補付及例外。部分合約期間已過 |
上述範圍重疊。零用量時,所有契約合計仍須付多少,招股書沒有披露精確比例。 94.1% 是特定合約類別的補數。三家雲端供應商的全期最低額也缺少同一天的未付餘額,直接以 2,785 億除以 9,009 億,無法估算「不可取消比例」。合約彈性確有差異,例如 SpaceXAI 的初始不可取消期結束後,各方可提前 90 天通知終止。另有未指定固定金額的安排,公司估計支出 1,500 至 1,750 億美元,實際金額隨容量、交付與價格而變。 SEC 招股書第 178–180 頁,Contractual Obligations
短期流動性取決於付款時程與可用資金。一年內預計支付的 707 億,相當於全額增額配售後備考現金及短期投資 2,446 億美元的 28.9%。公司有調整時間。交割後實際現金、未來回款、其他支出與融資條件,決定這段時間有多長。前九個月營業現金流扣除設備採購與相關預付,簡化餘額為 36.89 億美元,也受營運資金時點影響。需求若放緩,股東可能先承受利潤壓縮與發股融資的攤薄。只有當低利用率持續、現金消耗與再融資壓力一起升高,問題才會演變成存續危機。以固定總價容量作示例,利用率從 80% 降至 60%,每單位實際使用量分攤的固定成本就上升三分之一。公司實際容量利用率尚未披露。 SEC 資本表、現金流量表及合約附註
88.91 美元股價隱含的營收與現金流條件
11 月 20 日收盤價 88.91 美元,比 83 美元發行價高 7.1%,比上市首日收盤低 8.5%。按全額增額配售後備考會計流通股數約 125.198 億股計,基本股權價值約 1.113 兆美元,為近十二月營收的 31.5 倍,或第三季年化營收的 16.4 倍。後者把單季乘四,只用以顯示分母對倍數的影響。另有約 28.48 億股選擇權與 RSU 未納入此基本股數,實際攤薄仍取決於行使、歸屬、結算及其他轉換。 公司 IPO 交割公告 · SEC 資本表 · 歷史收盤
假設投資人要求年化 10% 報酬,三年內不分配現金、股數不變,期末股權價值須達約 1.482 兆美元。若市場屆時給予 30 倍股權自由現金流,年股權自由現金流須接近 494 億。若能將營收的 25% 轉為這項現金流,年營收須達約 1,975 億美元。從第三季年化的 678.24 億美元出發,約需連續三年複合成長 43%。若延至第五年才達成,在同樣報酬要求、倍數及現金流率下,所需年營收升至約 2,390 億美元。以上為估值反推,未另計期間攤薄或超額現金分配。
同樣實現第三年營收 1,975 億美元 | 股權自由現金流率 | 期末倍數 | 從 88.91 美元買入的估計年化報酬 |
|---|---|---|---|
收入成長,現金轉換也達標 | 25% | 30 倍 | 約 10.0% |
舊算力、設備及其他支出侵蝕現金 | 20% | 30 倍 | 約 2.1% |
現金轉換較弱,市場也調低倍數 | 20% | 25 倍 | 約 −3.9% |
即使三年後營收達到第三季年化水準的 2.9 倍,股東報酬仍可能為負。現價對營收成長、股權自由現金流率及期末估值倍數均有要求。三者之中,現金流率尤其取決於已承諾算力的使用效率。
網路泡沫經驗與股東回報
Global Crossing 經歷破產重整,它鋪設的光纖仍可供後來的企業與客戶使用。AI 同樣可能普及於更多產業,應用層的新企業也可能在更便宜的硬體上獲利,而提前鎖定高成本容量的先行者承擔損失。Anthropic 已有付費需求與備考現金緩衝,使「眼前就會倒下」缺乏證據。更近、也更能用財報驗證的風險,是它必須維持研發、兌現算力採購,卻無法以足夠價格賣出全部容量。 FCC 關於 Global Crossing 重整與資產移轉的文件
接下來要追的是同一批已上線的流程。 每季分別記錄它們完成多少件、多少件只靠程式、多少件使用本地模型、多少件仍付費調用 Claude,再另計新流程開發、改版與維護帶來的席位及 API 收入。原本靠人工作業、首次由 AI 寫成程式的流程,創造的是新價值。從逐件呼叫 Claude 改為直接執行程式的流程,才會直接削減既有按量帳單。兩者若混在一起,容易把尚未取得的收入誤寫成流失。
支持上修估值的證據,包括新流程開發、複雜任務與維護收入合計超過成熟流程減少的調用支出,且客戶回款與每股現金產出同步改善。反之,若同一批客戶完成的工作量增加,支付給 Claude 的總額卻持續下降,而 Anthropic 的最低採購付款仍在上升,股東須承擔的閒置容量風險便會增加。公司已披露收入與供應承諾,尚未提供上述客戶流程層級的資料。以 88.91 美元收盤價衡量,現有證據仍不足以支持估值具備充分安全邊際。
