300 億美金。這是 Anthropic 5 月底坐穩的 run-rate 數字，跟 2025 年底的 90 億比，14 個月翻了 3 倍。再往前抓 18 個月，2024 年底是 10 億——也就是說，從 10 億跑到 300 億，Anthropic 用了一年半，翻了 30 倍。

這不是「成長很快」，這是「曲線換了一條」。

同一週，Mistral 宣布要自己設計晶片、推出企業 agentic 平台 Vibe；OpenAI 把廣告收入目標寫進了內部簡報——2026 年 25 億、2030 年 1000 億。

把這幾條放在一張桌上看，一個分岔點越來越清楚：有些公司在賣信任，有些公司在賣注意力。短期內兩條曲線都會漲，長期會分開來看。下行風險也會分開——一條被監管追，一條被基礎設施成本追。

一、Anthropic 一年 80 倍：從新創公司變成基礎設施

5 月底數字底定：Anthropic 的 annualized run-rate 達到 300 億美金，相比 2024 年底的 10 億，14 個月翻了將近 30 倍。從另一個角度抓，2024 年 1 月 run-rate 才 8700 萬美金、12 月 10 億、2025 年底 90 億、2026 年 2 月 140 億、3 月 190 億、4 月 300 億。

這個曲線跟「正常 SaaS 成長」完全不一樣。SaaS 從 10 億到 100 億常見要 5-10 年；Anthropic 用 4 個月。

支撐這個曲線的不是訂閱用戶，是企業合約。年付百萬美金以上的企業客戶超過 1000 家——兩年前這個數字是 12。Claude Code 單一產品的 run-rate 在 2 月就破了 25 億，企業使用占比超過一半。

逆向問一個問題：成長這麼快的公司，下行風險在哪？

第一個風險是算力供應。300 億 run-rate 需要的訓練 + 推論算力是「全球第幾大」等級的需求。Anthropic 5 月已經跟 Google + Broadcom 簽了 3.5GW TPU 的擴大合約（2027 年起逐步上線），加上原本的 AWS 5GW + Google 5GW，已經是 10GW 的算力承諾。但實際能不能準時交付、能源能不能跟上，是無法靠合約鎖死的變數。

第二個風險是估值與資金。Series G 把投後估值推到 3800 億美金、單輪募 300 億——這個資本結構對任何「成長放緩」的訊號都會反應很重。意思是即使年成長 100% 都可能不夠，因為市場 price-in 的是 200%。

第三個風險最隱形：單一客戶依賴度。1000 家百萬美金客戶聽起來很分散，但如果其中前 100 家就佔了 60% 收入（這在企業 SaaS 是常見曲線），那這 100 家裡有 10 家換供應商，曲線就會抖一下。Fujitsu、PwC、BMS 這種「全員部署」級別的合約解約成本對買方很高、但對賣方的風險是「一次掉一大塊」。

上行很顯眼，下行藏在合約結構裡。

來源：Anthropic Hits $30 Billion Run Rate (PYMNTS)、Anthropic Series G $30B at $380B valuation

二、Anthropic × Google × Broadcom：3.5GW TPU 大單，算力之戰換軌道

跟 run-rate 同時鋪量的是算力訂單。Anthropic 跟 Google 跟 Broadcom 簽下擴大版的 TPU 合作，鎖定 3.5GW 算力，2027 年起逐步上線。這是 2025 年 10 月那筆「超過 1GW」合約的放大版，加上原本就有的 AWS 跟 Google Cloud 部分，Anthropic 手上鎖定的算力總量達到 10GW 量級。

這幾個數字最值得看的不是規模，是選擇。Anthropic 選擇深度綁定 Google TPU 而不是 NVIDIA GPU——這跟絕大多數 AI 公司的選擇相反。

逆向想一下：NVIDIA GPU 是事實標準，生態系最完整，為什麼 Anthropic 願意把賭注押在 TPU 上？

幾個可能的答案：

  • 價格與供應的可預測性：跟 Broadcom 直接客製，比在 NVIDIA 排隊有彈性
  • 垂直整合的長期成本：模型、編譯器、晶片三層共同設計，可以把每瓦效能拉到專為自家模型優化
  • 跟 NVIDIA 的議價空間：手上有 TPU 這條後備路線，跟 NVIDIA 談 GPU 訂單時的姿態完全不同

但這個選擇也有對應的下行：如果 Google TPU 的開發跟不上 NVIDIA 的世代速度，Anthropic 會落後 OpenAI 一個世代。這不是不可能——晶片世代每 18 個月一次，TPU 跟 H100/B200/GB200 的差距曾經被縮小、也曾經拉開。Anthropic 在這個選擇上是把雞蛋放在「未來可以收斂」的籃子裡，不是「現在領先」的籃子。

來源：Anthropic expands partnership with Google and Broadcom、Anthropic, Google, Broadcom announce 3.5GW TPU deal (Silicon Republic)

三、Claude Security 公測 + Opus 4.7 GA：把資安變成 commodity

5 月初 Anthropic 把 Claude Code Security 改名 Claude Security 推進公測，跑在新的 Claude Opus 4.7 上。同一週 Opus 4.7 GA，對較難的軟體工程任務有明顯提升，並內建偵測「禁止用途 / 高風險資安用途」的安全層。

Claude Security 做的事跟一般 SAST（靜態分析）不一樣。傳統工具靠規則庫匹配 pattern；Claude Security 用模型讀懂程式碼跟資料流，追蹤跨檔案、跨模組的元件互動，把那種「規則匹配抓不到」的漏洞挖出來。

Anthropic 自己 2 月做過一輪實測：用 Opus 4.6 跑一批 production 的開源 codebase，挖出 500+ 個從未被發現的漏洞——這些 code 經過數十年的專家審查、peer audit、自動掃描，但仍然漏網。

接著的鋪量訊號很關鍵：CrowdStrike、Microsoft Security、Palo Alto Networks、SentinelOne、Trend.ai、Wiz 同步整合 Opus 4.7 進自家平台。換句話說，企業資安界第一線的工具供應商，幾乎全部把這顆模型納入產品線。

逆向問一個問題：這對個人開發者意義是什麼？

意義是「資安門檻」這件事的常識會變動。以前你 commit 程式碼，能不能抓出 SQL injection、SSRF、deserialization 風險，要看你公司有沒有買 Veracode / Snyk / Semgrep。未來這層能力會直接內建在開發環境裡，「沒掃過」會變成預設不該發生的事——而不是有錢公司才做的事。

但下行也要看見：模型有偽陽性 + 偽陰性。偽陽性會讓開發者疲勞（看 100 個警告 80 個是雜訊），偽陰性會給人「我跑過 AI 掃描了所以沒事」的錯誤安全感。短期實務建議是把它當「最後一層保險」，不是唯一一層。

來源：Claude Security enters public beta with Opus 4.7 (Help Net Security)、Anthropic Claude Opus 4.7 announcement

四、Mistral 開始畫自己的晶片，順便發 Vibe

歐洲那邊也動了。5/28 CNBC 報導：Mistral CEO Arthur Mensch 證實 Mistral 正在探索自研晶片，同時宣布要在法國新建一座專做推論（inference）的資料中心，並推出企業 agentic 平台 Vibe——能幫企業客戶起草工作、寫 code、自動執行任務。

這幾個動作放在一起的訊號很清楚：Mistral 把賭注押在「歐洲版 AI 完整堆疊」上。模型 + 算力 + 晶片 + 資料中心都自己做，盡量不依賴美國供應鏈。

逆向看，這個策略的下行很大：

  • 晶片設計門檻極高：從 design house 到 tape-out 到量產的成本曲線，跟模型公司熟悉的 OPEX 完全不同
  • 生態系劣勢：CUDA / PyTorch 的開發者鎖定是十年的歷史紅利，Mistral 自家晶片要重建工具鏈
  • 客戶採購週期長：歐洲企業客戶對「主權 AI」買單，但採購流程比美國長 2-3 倍

但上行也很大：歐盟法規會持續往「資料主權 + 模型主權」方向走，誰能交付「整套運行在歐盟境內的 AI 堆疊」，誰就吃下歐洲那塊增量市場的最大份。法規從來都是雙面刃——對 Mistral 是順風，對 OpenAI / Anthropic 是逆風。

把 Mistral 跟 Anthropic 並排看，能看到一個有意思的對稱：兩家都在做「垂直整合」，但走的是不同方向。Anthropic 跟 Google 綁，把垂直整合外包給 hyperscaler；Mistral 自己畫晶片，把垂直整合做在自家。一個押的是「我選對盟友」、一個押的是「我不需要盟友」。

兩種押法都對，但只有時間能告訴我們哪一種更反脆弱。

來源：Mistral to explore designing own chips (CNBC)

五、OpenAI 把 2030 年廣告收入賭到 1000 億

跟 Anthropic、Mistral 的「賣信任 / 賣堆疊」打法完全不一樣，OpenAI 在 5 月對外露出了它的長期商業模式藍圖：廣告收入從 2026 年的 25 億美金，要在 2030 年衝到 1000 億美金。

換算成倍數，是 4 年 40 倍。

這個目標背後的邏輯不複雜：ChatGPT 月活已經是手機 App 等級的數字，把廣告塞進 chat 介面、塞進搜尋結果、塞進 agentic 推薦流程，廣告變現的 TAM 是「替代 Google 搜尋廣告 + 部分顯示廣告」這個量級——抓 20% 市佔就是 1000 億美金以上。

但這個賭注有兩個遞迴的下行風險：

第一個是商業模式上的內在矛盾。賣廣告要求最大化使用者停留時間、最大化曝光、最大化 CTR——這些目標跟「給使用者最準確、最快的答案」是內在衝突的。Google 在搜尋市場花了十年才把這個矛盾穩住，過程中市佔率被 TikTok / 短影音侵蝕。OpenAI 在 chat 介面複製一次廣告變現，會遇到一樣的拉扯，但消費者的耐受度比搜尋更低（chat 是個人化的，廣告插入感更強）。

第二個是監管風險。歐盟的 AI Act、英國 ICO、美國 FTC 都在盯廣告 + AI 個人化推薦的邊界。一旦廣告變成主要收入來源，每一個監管動作都會直接影響收入曲線。

把 OpenAI 跟 Anthropic 並排看：

  • Anthropic：年付百萬美金的企業客戶超過 1000 家，收入結構是「少數大客戶 × 高黏性合約」
  • OpenAI：消費者付費 + 廣告變現，收入結構是「大量散戶 × 廣告 ARPU」

兩條曲線在「上行潛力」上是平的，但反脆弱性差很多。企業合約抗景氣衰退、抗監管擾動的能力，比廣告 + 個人訂閱強。當下一輪經濟衰退來臨時，這個結構差異會把這兩家公司分開來看。

來源：OpenAI projects $100B advertising revenue by 2030、OpenAI, Anthropic expand services push (CIO)

把五則串起來：兩條完全不同的曲線

這週的五則新聞拼起來，會看到一個正在分岔的局面：

第一條曲線：賣信任。Anthropic + 它鎖定的算力堆疊、Mistral + 它的主權 AI 堆疊、Claude Security + 它整合進企業資安平台的鋪量——這條線打的是「進入企業核心業務」的長期合約，收入結構穩、但成長靠企業採購週期，撞天花板的時間點是「全球企業 IT 預算的天花板」。

第二條曲線：賣注意力。OpenAI 的廣告變現、把 ChatGPT 變成新的搜尋介面、把 agentic 推薦塞進日常使用——這條線打的是「替代 Google 廣告」，收入結構彈性大、但要承受監管 + 商業模式內在矛盾，撞天花板的時間點是「使用者對廣告化 AI 的耐受度」。

兩條曲線短期都會漲。長期會分開。

對工程師個人的決策意義有兩層：

選工具的時候，知道你選的工具背後的商業模式。Anthropic 走企業合約、Claude Code 短期內不太可能塞廣告；OpenAI 走廣告變現，ChatGPT 介面長期一定會有更多商業內容，得有心理準備。

選工作的時候（如果你考慮去 AI 公司），同樣的邏輯。賣信任的公司週期長、流動性低，但抗景氣循環；賣注意力的公司週期快、收入彈性大，但對監管、對廣告主預算、對使用者耐受度的依賴更深。

決策框架不是「哪條曲線更好」，是「你個人的風險偏好對應哪條曲線」。

補充三條觀察

  • 企業 AI 採購曲線進入「全員部署」階段。PwC 3 萬人、BMS 3 萬人、Fujitsu 10 萬人——這三個合約在 5 月密集落地。試點時代結束，這對所有「想等成熟再用」的觀望者來說，意思是市場已經沒有更多時間等。

  • 算力的議價權正在從晶片商往模型商移動。Anthropic + Broadcom 跳過 NVIDIA 的議價結構、Mistral 自研晶片、xAI 跟 SpaceX 共用 Colossus——三個方向都在打同一場戰：誰能直接控制算力供應，誰就能控制 P&L。

  • 資安是下一個「不需要解釋為什麼要用 AI」的領域。CrowdStrike、Microsoft Security、Palo Alto 集體整合 Opus 4.7 進產品線，等於告訴市場：傳統 SAST 已經被擠到「合規檢查」這個角色，主動式漏洞挖掘整個產業會被 AI 重新做一遍。

下一次新聞看到「某公司宣布跟 Anthropic / OpenAI 簽下 X 萬名員工部署」這種頭條，記得把它放回這個分岔的脈絡看。誰在賣信任、誰在賣注意力——這個分類比「誰的模型比較強」對長期判斷更有用。