美东时间 5 月 4 日，OpenAI 与 Anthropic 同日宣布联合顶级私募股权（PE）基金分别成立各自的落地服务合资公司，标志着全球 AI 商业化正式进入 " 最后一英里 " 肉搏战：
比的不再是模型强弱，而是谁能把 AI 真正塞进企业流程。
拐点时刻：模型很强，但客户用不起来
信号：两条增长曲线，同一个瓶颈
Anthropic 在 2026 年第一季度迎来爆发式增长。据多家媒体报道，其 ARR 在约三个月内从约 100 亿美元飙升至超过 300 亿美元，首次超过 OpenAI 的 250 亿美元；CEO Dario Amodei 称其收入和使用量增长约 80 倍，Amodei 本人称这一增速达谷歌巅峰时期的四倍。
增长驱动力主要来自 Claude Code 在开发者中的快速采用——截至 2026 年初，约 4% 的 GitHub 公开代码提交已由 Claude Code 生成。CFO Krishna Rao 更是直言：" 企业对 Claude 的需求已超过任何单一交付模式的承载能力。"
OpenAI 的需求信号同样强烈。截至 2026 年初，月活用户达 9.6 亿，ARR 约 250 亿美元，企业客户收入占比已超 40%，年底目标 50%。然而 OpenAI 2025 年营收 131 亿美元，现金亏损 80 亿美元，毛利率从 40% 下滑至 33%，每实现 1 美元收入需投入 1.6 – 2.25 美元成本。亏损根源在于：获客和交付成本远超 API 订阅收入。
增长本身就是压力测试。
Anthropic 公开承认需求增长对基础设施造成了 " 不可避免的压力 "；OpenAI 则面临企业客户签约后能否真正用起来、续费率能否撑住估值的问题。
两家公司同时面临供需两端的挑战—— Anthropic 的压力更显性于供给端，OpenAI 则更显性于需求端落地——但瓶颈都指向同一方向：AI 行业面临的瓶颈，远不止算力和算法的竞赛，落地交付能力的缺口正在成为越来越关键的限制因素。
痛点：企业要的不是 API，是 " 落地交付 "
Anthropic 描述了一个典型场景：连锁诊所网络的医生每天大量时间消耗在病历文档、医疗编码、保险预授权上，AI 完全有能力帮忙，但需要工程师跟临床医生坐在一起搭建系统—— " 医生最清楚时间浪费在哪里，工程师围绕这些知识来构建系统。"
OpenAI 的企业客户画像呈现另一种典型性：大量中型企业采购了 ChatGPT Enterprise 或 API 套餐，但真正将 AI 嵌入核心业务流程的仍是少数。其首席营收官 Denise Dresser 在致销售团队的内部备忘录中指出，企业采用 AI 的最大 " 瓶颈 " 并非技术本身，而是 " 能否真正完成部署 "。
企业需要的都不是 " 一个强大的 API 接口 "，而是有人帮它嵌入特定的、有历史包袱的业务流程。大型客户已有埃森哲、德勤等服务，中型客户——社区银行、区域医疗系统、中型制造商——有 AI 需求，但没有 AI 工程团队，也没有预算去建。这正是两家合资公司瞄准的核心靶心。
为什么 " 卖 API" 解决不了这个问题？
传统 SaaS 交付逻辑简单：开通账号、调用接口、完成。但 AI 不行。将 AI 模型部署到企业环境中，需针对特定数据结构、遗留系统和内部工作流做定制化集成——这不是技术问题，而是组织问题。
第三方调研印证了这一判断。Salesforce 的 CIO 调查显示 2026 年企业 AI 实施同比增长 282%，但 " 信任 " 已成新瓶颈；IBM 指出智能体 AI 正进入落地拐点，但大量项目仍停留在试点阶段。
中型企业 CIO 走完 AI 采购审批往往需要 12 到 18 个月。咨询公司有客户关系但缺乏对采购决策的控制权，而私募基金有董事会席位，可直接推动决策——告诉被投企业 CEO" 用这个，利润加 5 个点，退出估值多 30%"，周期从一年压缩到几周。
红杉资本合伙人 Julien Bek 在 2026 年 3 月提出 " 服务即新软件 "：
企业每花 1 美元购买软件，就要花 6 美元购买服务——那 6 美元才是真正的战场。
" 派工程师坐班 "：被验证的模式与 PE 的谋划
OpenAI 和 Anthropic 选择的模式并不新鲜。Palantir 早在二十年前就开创了前方部署工程师（FDE）制度——把工程师直接嵌入客户运营团队，直到系统跑起来。这套模式重、贵、扩张慢，但护城河极深。到了 LLM 时代，Palantir 2026 年 Q1 营收达 16.3 亿美元，同比增长 85% ——模式已被验证，OpenAI 和 Anthropic 所做的，是引入 PE 做条件优化。
值得注意的是，Anthropic 合资公司与已有的 Claude Partner Network 形成互补：已与埃森哲、德勤、普华永道等合作服务头部企业；新合资公司瞄准的是 Accenture 们通常服务不到的中型客群。
这一判断有历史先例。云计算早期，AWS 推出后催生了庞大的 MSP 生态；Salesforce 的 Professional Services、SAP 的咨询网络，本质上都在解决同一问题。OpenAI 和 Anthropic 正在做的，是这个规律在 AI 时代的重演。
PE 的独特角色：客户渠道 + 决策推动者
私募基金的价值远不止提供资金，更关键的是背后的企业网络：黑石约有 250 家被投企业，Apollo 约 200 家，TPG、Brookfield、贝恩资本、Advent 各有数百家。OpenAI 的合作方合计覆盖超过 2000 家潜在企业客户。进入一家 PE 的生态网络，就等于同时获得几十甚至上百家企业的接触权。
PE 有董事会席位，可从上至下推动采购决策。更关键的是，PE 的激励结构天然对齐——同时持有合资公司股权（合同收益）和被投企业股权（推 AI 提升利润，退出时卖更高价），两头赚钱。黑石总裁乔恩 · 格雷（Jon Gray）表示，增加高技能实施伙伴的数量 " 将帮助企业消除采用 AI 过程中最重大的瓶颈之一 "。
条款差异折射出两家公司的战略风格。
OpenAI 拉了 TPG、Brookfield、Advent、贝恩资本、软银、Dragoneer 等约 19 家投资方，用保底锁定五年，更接近金融产品——本质是购买 2000+ 家企业的 " 优先销售权 "。
Anthropic 只选 3 个锚定方（Blackstone、Hellman & Friedman、Goldman Sachs）加少数跟投方（General Atlantic、Leonard Green、Apollo、GIC、Sequoia Capital 等），但参与者更 " 战略 " ——高盛资产管理、红杉资本等把合资公司当作战略基础设施来参与。
" 企业对 Claude 的需求已经显著超过了任何单一交付模式的承载能力。这家新公司将把交付能力进一步延伸到中型企业市场。"
—— Krishna Rao，Anthropic CFO
把低毛利拆出去，把高估值留下来
这是本次事件中最值得玩味的资本结构设计。两家公司不约而同地将驻场服务业务放在独立实体中运作，而非纳入母公司——这不是偶然的架构选择，而是经过精密计算的估值工程。
核心逻辑在于毛利率鸿沟。驻场工程师服务毛利率约 30% – 50%（Palantir 已验证），SaaS API 毛利率通常在 80% 以上，差距 30 到 50 个百分点。资本市场对 " 软件 + 服务 " 混合型公司估值倍数通常在 8 – 15 倍营收区间，纯软件公司则在 20 – 30 倍——差距显而易见。
以 Anthropic 约 300 亿美元的 ARR 体量估算，这是数千亿美元级别的估值差异。Anthropic 融资时估值约 9000 亿美元，最新市场隐含估值已升至约 1.2 万亿美元；OpenAI 在 2026 年 3 月完成 1220 亿美元融资后估值约 8520 亿美元。在这个量级，估值倍数每差一个点就是上百亿美元。
拆出去之后，Anthropic 在 IPO 路演时可以说 " 我们是纯软件公司，毛利率 80%，给 25 倍 "，合资公司同时在地面跑驻场服务。一级和二级市场各讲最有利的故事。
OpenAI 愿意给 PE 保底 17.5% 年化回报，本质是用短期财务成本换长期估值空间。以 PE 出资约 40 亿美元计算，年保底回报约 7 亿美元，与 2026 年预计 140 亿美元亏损相比成本可控但杠杆明显。换来的不仅是 2000+ 家企业的优先销售权，更是 IPO 前企业级收入可预见性的证明。
看整个行业的成本与收入结构，这种紧迫感更为清晰。
仅 Anthropic 自身，公开的算力合同承诺已超 3000 亿美元——其中对谷歌云承诺 2000 亿美元（五年），对 AWS 承诺约 1000 亿美元。据报道，OpenAI 和 Anthropic 两家合计，占亚马逊 AWS、微软 Azure、谷歌云、甲骨文云四大云服务商约 2 万亿美元收入积压的近一半。合资企业承担的使命，正是通过驻场服务把算力投入转化为企业实际支付的费用，把 " 卖能力 " 变成 " 卖经常性收入 "。
这个模式能跑通吗？
到目前为止战略逻辑是清晰的，但必须指出执行端存在的结构性风险。
人才瓶颈：可能是最致命的硬约束
核心矛盾：客户越多，工程师越多，管理复杂度越高。Palantir 花了近二十年才建起经过充分训练的 FDE 队伍，OpenAI 和 Anthropic 计划在几个月内复制这个规模，在人才市场上几乎不可能完成。AI 前沿部署工程师是全新岗位：需懂 AI 模型、懂行业业务逻辑、有沟通能力，还要能快速交付——这种复合型人才全球极度稀缺。收购只能缓解数量问题，未必解决质量和组织整合问题。
据报道，OpenAI 和 Anthropic 的合资企业正在洽谈收购帮助企业管理 AI 系统的实施服务团队，希望纳入数百名工程师和顾问。两家合计已筹集约 55 亿美元用于此类收购。人才战才刚刚开始。
财务风险：保底条款的隐忧
OpenAI 17.5% 年化保底承诺更接近类固收结构，带来三个隐忧：第一，会计处理——保底回报如何确认可能影响 IPO 利润表；第二，证券监管——类债务结构在上市审查中可能引发额外问询；第三，长期现金流——预计亏损 140 亿美元叠加每年最高 7 亿保底支出，收入增长不及预期时将加剧资金压力。
Anthropic 虽无保底条款压力，但风险以另一种形式存在。其合资公司采用 " 联合运营 " 模式，Anthropic 未取得绝对控制权，这意味着运营决策需与 PE 投资方协商，执行效率可能受到影响。更重要的是，Anthropic 当前 ARR 约 300 亿美元、最新市场隐含估值已升至约 1.2 万亿美元，算力合同承诺已超 3000 亿美元——收入增速一旦放缓，资本市场的估值预期将面临剧烈回调。在 " 高估值 + 高投入 + 低控制权 " 的组合下，一旦合资公司交付不及预期，反噬母公司估值的速度可能比 OpenAI 更快。
生态冲突：利益分配的无解难题
合资企业与母公司关系远比表面复杂。第一层：合资企业收购的团队可能与母公司直销团队竞争，客户也可能绕过合资公司直接向母公司采购。第二层：模型收入归母公司，服务收入归合资公司——客户要 " 一站式解决方案 " 时利益如何分配？第三层：合资公司与埃森哲、德勤等原有合作伙伴之间存在潜在客户争夺。目前交易文件未公开，这些问题尚无明确答案。
模式跑通概率：Palantir 的前车之鉴
Palantir 在 2012 到 2015 年经历了大量项目交付困难的阶段，合同毛利被严重侵蚀，花了多年才摸索出一套可复制的实施体系。AI FDE 面临的挑战只会更复杂——大量企业的数字化基础设施可能远比预期中脆弱。如果工程师的产能被大量消耗在 " 清理烂摊子 " 而非 " 创造价值 " 上，规模化的节奏会大幅滞后于资本市场的时间表。
行业影响与预判
对全球 AI 行业的冲击
两家行业天花板公司同日做出同一决策，本身就构成行业性信号—— AI 竞争的核心叙事正从 " 谁的模型更强 " 转向 " 谁能帮客户用起来 "。连 OpenAI 都需要建服务团队，那些只卖 API 的 AI 创业公司拿什么竞争？当模型层边际差异持续缩小——推理成本快速下降、开源模型快速追赶——仅靠模型能力已很难建立可持续壁垒。
传统 IT 外包已感受到压力。印度 IT 外包巨头整体增长明显承压，Wipro 在 2024 财年出现了自 2021 年以来的首次年度收入下滑，TCS 营收增速同样显著放缓。AI 行业可能是云计算之后第一个需要 " 重新加重 " 的企业级软件品类——从轻量 API 调用回到重度人工服务。
中国镜像：不同路径，相同本质
据 IDC 及多家行业报告，国内大量企业 AI 项目仍停留在试点阶段，核心障碍不是工具不够好，而是企业 " 从业务痛点出发 " 的能力不足。中国 AI ToB 不会照搬 PE 合资模式——更依赖渠道商、系统集成商和云厂商的生态驱动——但核心结论相通：纯 API 调用无法完成企业级落地，落地服务才是真正壁垒。
区别在于节奏和路径：美国由 PE 资本驱动，通过董事会压力加速采纳；中国由云厂商主导，AI 能力被嵌入已有的 IaaS/PaaS 销售体系。但 " 劳动密集型 " 的本质相通——无论哪种模式，都需要大量懂 AI 的人深入企业现场，做脏活累活。
当然也存在另一种可能：这些合资企业最终跑不起来。人才供给跟不上、交付质量不达标、PE 耐心耗尽——任何一条都可能导致模式崩塌。Palantir 用了近二十年才打磨出可复制体系，OpenAI 和 Anthropic 的时间窗口极窄。
但无论如何，2026 年 5 月 4 日的两笔交易已传达清晰信号：AI 行业价值链重心正在移动——从模型竞赛到落地竞赛，从 API 分发到深度嵌入。这不是战术调整，而是结构性转向。
最终通向哪里取决于三个变量：实施方法论能否快速成熟，保底承诺的财务结构能否持续，合规框架能否跟上部署速度。但有一点已确定—— AI 商业化的 " 最后一英里 "，从来没有捷径可走。（本文首发钛媒体 APP，作者 | 硅谷 Tech_news，编辑 | 焦燕）
