Anthropic ARR 首超 OpenAI 达 300 亿美金，极度聚焦编程和B2B

如果从收入角度来看，AI 大模型的头号宝座首次发生了易主。今天，Anthropic 宣布，其年化收入 Run Rate 已经超过了 300 亿美金，而 2025 年底的时候才 90 亿美金，相当于 4 个月涨了 210 亿美金的 Run Rate。

Anthropic 在官方博客里说，2 月份 Anthropic 宣布 G 轮融资时，超过 500 家企业客户的年化支出超过了 100 万美金，现在这个数字已经超过了 1000，不到两个月翻了一番。

而 OpenAI 目前截至 3 月份公布的年化收入是 250 亿美金，其收入增长或许没有想象的那么快，其 CFO 最近被爆与 Sam Altman 发生了冲突。下面是两家公司营收增长的一个大致对比图（来源 ARR.Club）：

针对 Sam Altman 的激进 IPO 计划，她认为目前的收入增长放缓难以支撑公司的支出计划，而且由于支出成本高昂，导致 OpenAI 的利润率比较低。据说从去年 8 月份开始其 CFO 就不直接向 Sam 汇报了，而是向 OpenAI 应用 CEO Fiji Simo 汇报，但 Fiji Simo 最近请了病假。

最近 OpenAI 开始对战略进行大调整，首先是砍掉各种分散精力的产品，战略聚焦打造超级桌面 App《OpenAI 打造超级桌面 App，All-In-One 统一入口》。

而最近 Lenny 与 Anthropic 增长负责人 Amol Avasare 的对话，揭示了 Anthropic 的几个增长策略。

首先是专注于“大动作”而非微小优化。与传统增长团队将大部分精力（60%-70%）花在微小优化（Micro-optimizations）上不同，Anthropic 的增长团队将 70% 的精力投入到“大动作”（Larger Swings）中。

这包含了1）指数级思维： 团队认为 AI 产品的价值在两年内可能会增长 100 到 1000 倍。在如此剧烈的价值波动下，通过微小测试获得的 1% 提升在长远来看微不足道。

Amole Evasari 说，传统的线性增长图表（Linear Charts）已经失去了存在的意义，所有人都会要求“给我看对数线性（Log-linear）比例的图表”，这是他们理解规模的唯一方式。

Anthropic 增长团队 60%–80% 的项目没有 PRD。对于小项目，启动通常发生在 Slack 上——通过与具备产品思维的工程师来回沟通，他们会提出质疑并问对问题。对于大项目，他们更倾向于进行一次标准的 30 分钟跨职能 kickoff（包括法务、安全、相关利益方），以便尽早暴露潜在问题。

2）AI 原生策略： 这种策略特别适用于核心价值由 AI 支撑的产品。他们认为，如果产品价值随 AI 能力指数级上升，就必须采取更具风险和前瞻性的产品尝试。

其次，利用 Claude 实现“自动增长”（CASH 项目）。Anthropic 正在探索如何通过 AI 自身来推动增长。其增长平台团队启动了一个名为 CASH（Claude Accelerates Sustainable Hypergrowth） 的项目。

它具有自动化实验循环： 利用 Claude 自动识别增长机会、构建功能、进行测试以及分析数据。和效率提升： 目前，该系统在文案更改和 UI 微调方面的表现已接近拥有 2-3 年经验的初级产品经理（PM）水平，并能直接产生收益。

工程团队正在获得最多的 AI 杠杆——同时也在挤压 PM 和设计师的空间。借助 Claude Code，一个 5 人工程团队现在可以产出相当于 15 到 20 名工程师的工作量。但 PM 和设计的生产力并没有同比例提升。

结果就是比例被压缩：一个 PM 实际上在管理一个规模大得多的工程团队产出。Anthropic 的增长团队正在通过两种方式应对：一是招聘更多 PM，二是正式让具备产品思维的工程师在小于两周工程量的项目中充当“迷你 PM”。

第三，极度精准的战略聚焦：编程与 B2B。Anthropic 在市场竞争中通过极度聚焦实现了“逃逸速度”。编程作为反馈循环，他们很早就决定深耕 AI 编程（Claude Code）。这不仅是因为市场巨大，更因为编程能力的提升可以加速内部的研究循环，让模型反过来帮助研究员开发更好的模型。

另外一个领域就是聚焦B2B 与知识工作者， 相比于竞争对手广泛布局消费端，Anthropic 早期更专注于 B2B 和专业知识工作者，这种聚焦在资源有限的情况下帮助他们顶住了 Meta、Google 和 OpenAI 的压力。

第四，独特的激活与入门策略。他们引入了 ChatGPT 记忆，这是一个聪明的举措，通过允许用户导入 ChatGPT 的记忆，极大地降低了新用户的搬迁成本，解决了 AI 产品的“冷启动”难题，最近Google 的 Gemini 也在使用这个策略。

“正确的摩擦”： 在获客漏斗中，他们不盲目追求减少步骤，而是通过增加高质量的问询环节（摩擦）来了解用户身份和意图，从而为用户推荐最合适的 AI 功能，这反而提高了长期留存和转化率。

第五点是构建一个应对“成功灾难”的敏捷组织。由于增长太快，增长负责人 Amole 约 70% 的时间花在处理所谓的“成功灾难（Success Disasters）”上，即因为用户量激增导致的各种系统和流程崩溃。

而工程师则担任“微型 PM”： 为了保持高效，对于开发周期在两周以内的项目，工程师会直接承担 PM 的职责，负责跨部门沟通和协调，而 PM 则转向更高杠杆的战略引导工作。

目前 PM 工作中 AI 还无法替代的一部分：让六个人在一个房间里达成一致。Amol 和设计负责人开玩笑说，即便到了 AGI 时代，让六个利益相关者对齐仍然不可能。跨职能协作——管理不同意见、处理组织政治、权衡取舍——仍然是 AI 无法触及的大项目瓶颈。

最后一点是文化与使命驱动的力量。Anthropic 被描述为一家极度透明且使命驱动的公司，员工会通过内部的“Notebook Channels”（类似内部推特）公开讨论想法甚至挑战领导层。同时把安全作为竞争优势，作为一家公益企业（PBC），他们有时宁愿舍弃短期收益也要确保安全。这种对安全和质量的坚持，在长期看来成为了吸引企业客户和人才的独特竞争优势。

其实不只是营收超越 OpenAI，Anthropic 最近在私募二级市场的受欢迎度也超过了 OpenAI，已经成为目前最受欢迎的二级交易对象。