AI王座六易主，Anthropic万亿估值反超OpenAI

最近，AI 行业引人瞩目的一幕，发生在资本市场。

二级市场交易中，Anthropic 的报价一度突破 1 万亿美元，隐含估值首次超过 OpenAI。一年前，两者的融资估值还相差近 10 倍，OpenAI 仍是几乎没有争议的行业王者。如今，王者之位已经轮替。

这并不是某一家公司单独的起落，而是整个 AI 行业竞争节奏变化的缩影。过去一年，从模型榜单到用户口碑，再到资本定价，Google、OpenAI、Anthropic这些头部AI公司，轮流站上过"最强"的位置。

被看衰的公司，可能在几个月后重新回到第一梯队；备受追捧的公司，也可能在登顶后很快迎来质疑。「深流研究所」初步统计，从"被追捧"到"被审视"，2023年前后，完成这样一个周期大约是12-18个月，现在已缩短到3-6个月。

领先开始变得难以维持，轮转还在继续加快。至于为什么会变成这样，才是这场竞争真正值得关注的部分。

2025 年至今，LMArena 排行榜上"最强模型"的位置已至少换了 6 次。从 Grok、Gemini、GPT到Claude，四家轮流登顶。

过去，一次领先还能维持几个月。到了 2026 年初，这个周期已经被压缩到不足一个月。类似的快速切换，也发生在公司口碑、市场份额和资本信号上。

Google 的变化最先被感知到。2023 年 Bard 首发翻车，2024 年 AI Overviews 又给出荒诞回答，它一度被视为"大公司病"的代表。转折发生在 2024 年底。Gemini 团队并入 DeepMind，由 Hassabis 统一管理，Google 的 AI 研发力量被重新整合。

此后，Google 的节奏开始恢复。2025 年 9 月，Gemini 登顶 App Store，首次在移动端压过 ChatGPT；11 月 Gemini 3 发布后，"Google 逆袭"开始成为主流叙事。母公司Alphabet 年内股价上涨近 70%，市值重新超过微软。从组织重整到重回第一梯队，Google 用了12 个月。

OpenAI 的变化更能说明问题。2025 年上半年，它还是不可动摇的王者：ChatGPT 周活达到 7 亿，移动端份额 69%。去年 8 月，GPT-5 发布失利成为转折点。直播出错、模型宕机，社区掀起"还我 GPT-4o"运动。此后，OpenAI 的移动端份额以月均 2.2 个百分点的速度下滑，到 2026 年初降至 45%。

今年以来，OpenAI 开始战略收缩。Sora 视频生成、硬件等副线被砍掉，资源重新集中到编程工具和企业市场。如今，它从一家什么都想做的超级实验室，变成一家必须证明商业回报的公司，被市场重新审视。

Anthropic则是这一轮变化中节奏最快的公司。2025 年下半年，Claude 在编程和企业工作流里快速建立口碑，成为开发者圈子里事实上的首选。

进入 2026 年后，Anthropic 又进入一段罕见的密集发布期。12 周内，它完成了近 20 次重大产品更新。密集发版直接推高了业绩：Anthropic 官方披露其年化收入突破 300 亿美元，创下新高；四个月前，这个数字还不到 90 亿美元。

融资曲线上，从 2024 年到 2026 年初，Anthropic 追赶 OpenAI 的速度在加快。

OpenAI 估值仍在创新高——最新一轮投后估值达到 8520 亿美元，但二级市场已经出现约 10% 的折价。今年 4 月，6 家机构试图通过 NextRound 出售合计约 6 亿美元的股份，甚至出现了滞销情况。

反观 Anthropic，估值从 2025 年 3 月的 615 亿美元飙升至 2026 年 2 月 G 轮的 3800 亿美元。更关键的是二级市场：投资者排队抢购，报价一度突破 1 万亿美元，较 G 轮溢价超过 160%，隐含估值已经反超 OpenAI。

Anthropic 登上口碑王座不久，口碑就已开始回调。最近几周，Anthropic 接连被曝出算力不足、在未通知用户的情况下悄悄降低默认推理深度等问题，用户投诉集中爆发，Fortune 也用长篇报道揭开了内部压力。Claude 从"最值得信赖的 AI"到"透明度受质疑"，只用了不到两个月。

从 Google 的逆袭，到 OpenAI 的份额流失，再到 Anthropic 的快速上升和随之而来的信任危机，看上去这些公司每一次转向，都有自己的直接原因。真正值得问的是：为什么"领先"本身，越来越难维持？

模型迭代的逻辑已经变了。

2023 年，AI 公司还在按"大版本制"发布模型。GPT-3.5 到 GPT-4 间隔 15 个月，Claude 2 到 Claude 3 间隔也接近一年。每次发布都是行业大事，一个版本足以定义一整年的竞争格局。

到了 2025 年，这个节奏被打破了。GPT-5 发布后的 7 个月里，OpenAI 连续推出 5.1、5.2、5.3、5.4 四个大版本及多个子版本，最短间隔不到一周。Anthropic 5 个月内发了至少 5 个版本。

过去 16 个月，OpenAI、Anthropic 和 Google 合计完成了超过40次重大模型发布，平均每 3 周发布一次大版本模型。模型迭代从"攒大招"，变成"小步快跑"。

模型也不再是一款单品。2023 年的 GPT-4 仍是单一旗舰模型。到了 2025 年，GPT-5 系列已经分化出 Instant、Thinking、Pro、Codex、Mini 五个版本，分别覆盖轻量对话、深度推理、编程等不同场景和不同成本带。

Anthropic 和 Google 也都走向了多档位产品矩阵。模型越来越像操作系统，持续迭代、分层供应、按需调用。

这背后是产业逻辑在发生改变。首先是预训练的边际收益在下降。花一年从头训练一个更大的模型，换来的性能提升，可能只剩几个百分点，这已很难支撑"攒一个大版本再发布"的节奏。

相反，微调、推理优化等后训练手段越来越成熟，同一个底座可以不断迭代出新性能，不必重新训练也能做出代际升级。推理成本 3 年下降约 1000 倍，开源与闭源的差距缩小到 1.7%。追赶者的起点更高了，领先者的窗口更短了。

更关键的是，头部公司都在完善训练模型的基建。OpenAI 收购训练基础设施公司 Neptune，又和 Cerebras 签下 3 年、总额超过 200 亿美元的芯片协议，开始降低对英伟达的单一依赖；Anthropic 依靠 Constitutional AI，让 AI 参与训练 AI，大幅提升后训练效率；Google 从 TPU 第七代，到 JAX，再到推理服务，几乎把整条链路都握在自己手里。

底层越扎实，上层迭代就越快。这使得过去需要一年做完的模型升级，现在更短的时间就能完成。

一旦模型基础设施化，一次模型发布的领先或落后，就不再决定胜负。单一维度上的技术领先，也越来越难转化为持久优势。

这也是为什么，过去被认为"节奏慢了"的大公司，也有机会靠组织纵深、生态积累、持续发力完成反转。

Meta 就是最新的例子。2025 年上半年，Llama 4 因刷榜争议口碑跌到谷底。之后，Meta 投入 143 亿美元收购 Scale AI、挖来创始人 Alexandr Wang，并把 AI 部门重组为"超级智能实验室"。仅用 9 个月，它就重建了技术栈。2026 年 4 月发布的 Muse Spark，也一改此前的开源路线，转向把闭源模型嵌入 Meta 自有产品生态。

类似的逻辑也在国内上演。腾讯混元过去一年经历了人员调整和方向摸索后，将研发力量收拢，重建了从预训练到强化学习的基础设施。Hy3 preview 是重建后跑出的第一个模型，目前已上线元宝、CodeBuddy、workbuddy、 ima、腾讯新闻、和平精英等十余个腾讯产品。

一个值得注意的细节，Hy3 preview 的预训练、后训练等环节是并行推进的，这也加快了Hy3 preview模型的训练进程。更为重要的是，整个基建和底座搭建完成，混元后续更多模型也将这套基建上启动训练，实现更快迭代。

Hy3 preview模型在腾讯内部编程、深度研究等业务评测表现稳定，推理效率较上一代提升约 40%，首token延迟降低54%，端到端时长降低47%，成本较上一代模型大幅下降。这意味着，跟用户体验和落地可行性相关的核心指标均被大幅优化。

同一时间，GPT-5.5和DeepSeek-V4相继发布。DeepSeek-V4 主打"交付质量接近 Claude Opus 4.6 非思考模式"的性价比，而非跑分登顶；GPT-5.5 虽仍是 OpenAI 的旗舰，强调的也不是智能上限，而是"为真实工作而设计"。

模型之外，产品战场同样战况激烈。过去一年多，仅 OpenAI、Anthropic 和 Google 三家，就完成了超过 40 次非模型级的重大产品发布。

三家的打法并不一样。OpenAI 铺得最广，Agent、编程、办公集成和消费端同时推进；Anthropic 最聚焦，仅今年 2 月到 3 月的 52 天里，这家公司就密集推出了 74 款大小产品更新，大部分围绕编程和企业工作流纵深突破；Google 没有从零做新入口，而是把 AI 能力持续嵌入搜索、办公和内容产品。

尽管方向不同，但这些密集布局背后有一个共同的驱动力：当模型能力越来越接近，谁更快把模型接进真实场景，谁就更容易成为用户的默认选择。

Agent 范式的出现，又把这个趋势往前推了一步。AI 不再只是回答问题，而是开始调用工具、执行多步骤任务，直接完成一整条工作流。这意味着，只有好模型已经不够了，还得匹配稳定的执行环境、成熟的工具链、可靠的安全机制，以及把这些东西真正串起来的工程能力。

OpenAI 为此搭建了 Apps SDK 和 AgentKit，试图让开发者更快构建可调用外部工具的 AI 应用；Anthropic 推出 MCP 协议和 Computer Use，前者统一了 AI 与外部数据源的连接方式，后者让 Claude 可以直接操作电脑完成任务。

在国内，OpenClaw 今年 3 月爆火后，大厂的 Agent 布局也迅速提速。

腾讯一周内上线了 WorkBuddy、QClaw、CodeBuddy 等多款 Agent 产品，并围绕 Lighthouse 云端部署、ADP 智能体开发平台、安全沙箱等能力搭起了一整套 Agent 基础设施，是动作最敏捷的大厂之一。字节跳动上线了云端方案 ArkClaw，此前已推出 Agent 开发平台扣子和 AI 编程工具 TRAE；阿里也推出了开源桌面 Agent 工具 QwenPaw。

这场竞争的门槛，已经不只在模型本身，而在模型之外的工程化交付能力。腾讯集团高级执行副总裁汤道生近期也提到，"AI 落地不只是一道算法题，更是一道工程题"。主流模型之间的能力差距在收敛，真正拉开差距的，是谁能把 AI 放进具体场景里，并把链路做深、做稳、做顺。

这也意味着，竞争形态已经变了。过去，大家追求的是全面领先；现在，越来越多公司追求的是局部优势。Anthropic 是最典型的例子。它并不试图在所有维度上压过 OpenAI，而是把编程和企业工作流做到开发者首选，最终用场景深度换来了市场份额反超。

场景理解、工具链和用户粘性，这些东西比模型跑分更难复制，也更难追平。谁在自己的主场打得更深，谁的位置就更稳。"阶段性占优"正在取代"长期统治"，成为这个行业更真实的常态。

2026 年，仅 Amazon、Google、Meta 和 Microsoft 四家的 AI 资本支出，就预计达到 5870 亿至 6700 亿美元，接近 2025 年的两倍。真正值得注意的，不只是规模，而是钱花在了哪里。

过去三年，AI 竞赛的瓶颈几乎每年都在变。2023 年，核心问题是谁先训练出最强模型；2024 年，瓶颈变成 GPU 供应，H100 一卡难求；2025 年，推理算力成为新卡点，推理在 AI 算力支出中的占比从 33% 翻倍至 66%。

到了 2026 年，瓶颈继续往下沉，落到电力和物理基建。全球数据中心年耗电量预计突破 1000 TWh，接近日本全国一年的用电量；有机构预测，未来三年美国数据中心的电力缺口高达 47 GW。

现在，每投入 1 美元做 AI，背后大约还要配套 2.3 美元的基础设施支出。今天的 AI 军备竞赛，大部分钱已经不是花在模型上。

这改变了AI行业的竞争逻辑。决定一家公司能否继续扩张、谁会被迫减速的，越来越不只是模型能力，而是电力、数据中心和交付能力。

拥有自建基础设施的平台公司，因此获得了结构性优势。相反，纯模型公司一旦用户增长超出基建承载力，就可能被物理瓶颈卡住。

Anthropic 今年的算力危机就是最直接的例子：模型赢了，收入创了历史新高，但基础设施没跟上，最终被迫下调输出质量。领先本身，反而可能成为负担。

巨额投入也在同步抬高市场预期。尽管四大巨头计划支出超过 6500 亿美元，近一半美国数据中心项目仍可能因为电力设备短缺而延期或取消。到现在为止，还没有哪家 AI 公司真正证明了持续、规模化的正向 ROI。

钱投得越多，市场的容错率可能就越低；预期越高，一次产品事故或一次交付失速带来的口碑损伤就越大。

过去，市场习惯用一个简单框架理解 AI 公司：谁的模型最强，谁就会赢。如今，真正决定市场评价的，不再只是模型跑分，而是一组更复杂的变量：推理能力有没有跃迁，Agent 能力是否可感知，商业模式能否可持续，生态壁垒是否足够高。

一家公司在一段时间里发布节奏失焦、体验不及预期、对外叙事脱离用户和开发者体感，就可能从"默认赢家"变成"被重新审视的对象"。

反过来，一家公司如果能在关键窗口里同时做到模型能力明显提升、工具链和工作流补齐、再拿出几个强信号产品接住体验，也有机会完成一轮口碑反转，获得阶段性优势。

技术趋同，让"最强"失去决定性意义；竞争外溢，让"统治"失去稳定基础；资本加速，则让市场预期变得更高。

三层变化叠在一起，AI 行业进入了一个结构性的快速轮转期。领先的保质期在缩短，行业也正在从"谁最强"的时代，走向"谁最持久"的时代。