OpenAI VS. Anthropic誰優？　兩大獨角獸爭鬥資本市場

OpenAI和Anthropic一年內將ＩＰＯ，擴大在市場影響力。雖然現在Anthropic的市佔率和看好度都優於OpenAI，OpenAI有科技大咖背後支撐，也不是省油的燈。

文／魏聖峰

ＡＩ正在改變我們的生活模式，並從先前的大語言模型能力的競爭，進入商業化效率的競賽，當今金融市場更在意現金流量與ＡＩ投入後的成本回升與投資回報率等的焦點。ＡＩ產業鏈中，當今兩檔還沒掛牌上市的OpenAI和Anthropic獨角獸最受市場矚目。從去年下半年以來，市場對兩隻獨角獸的偏好度逐漸轉向Anthropic，並認爲從客戶、財務體質和未來的獲利結構來看，有逐漸佔上風的現象。

Anthropic市佔率領先

OpenAI和Anthropic都以大語言模型（ＬＬＭ）對外銷售算力爲主。實際上，兩者略有不同。OpenAI定位上以ＡＩ平臺爲主，主要客戶結構是消費者，最近OpenAI正努力開發企業客戶，以穩定營收來源。OpenAI成名較早，並曾在企業大語言模型市佔率領先對手。但這樣的優在去年下半年遭到Anthropic超越，也讓近半年Anthropic的聲量逐漸超越OpenAI。OpenAI的ChatGPT在產品推出後一度深獲消費者喜愛。不過，自從谷歌推出的Gemini 3後，市場認爲谷歌的這個大語言模型的技術優於ChatGPT，造成OpenAI的市佔率明顯滑落，除了擴大落後給Anthropic外，也逐漸遭到谷歌的大語言模型追上來。

OpenAI的ＡＩ平臺，以消費者的付費訂閱爲主要的收入來源，但OpenAI客戶羣中，免費客戶佔比仍高，加上該公司的推論成本耗費不貲，即使OpenAI年收入二五○億美元，仍屬於虧損狀態。日前華爾街日報報導，OpenAI近期每週用戶數與收入增長均低於內部設定的目標，引發市場對其營收成長速度可能無法支撐龐大數據中心與算力支出。從OpenAI內部文件顯示，今年虧損可能達一四○億美元，未來五年要投入約六千億美元在ＡＩ伺服器和雲端基礎設施。預估要到二○三○年時的年營收目標達到一千億美元，公司纔會開始轉虧爲盈，之後每年的盈利將會出現強勁的成長。但市場擔心的是，OpenAI雖然找了Nvidia、軟體銀行的投資，加上大股東微軟的財務支援，仍被市場高度質疑該公司的現金流量能否撐到二○三○年。從二○一九年起至今，微軟已投資OpenAI一三○億美元，並持有二六．七九％的股權。去年下半年因爲OpenAI虧損緣故，微軟認列四一億美元的稅前損失。OpenAI爲了擴大營運來源，今年ＡＩ市場很紅的養龍蝦軟體公司的OpenClaw創辦人已加入OpenAI團隊，兩家公司人才合併。OpenClaw流量大，有利擴大OpenAI影響力。

OpenAI有龐大的免費客戶，市場流量的確很大，也超過Anthropic，卻也因爲這些免費客戶無法轉變爲現金流量，以及OpenAI的基礎設施現階段很燒錢，都是OpenAI當前最需要解決的問題。從企業用大語言模型市佔率觀察，Anthropic在去年下半年超越OpenAI後，最新市佔率已超越三成，並持續擴大與OpenAI的差距，這是Anthropic在技術定位、產品策略與企業信任度上精準切中市場需求形成的結果。Anthropic產品以Claude（程式碼）爲主，在技術工程師眼中普遍認爲Claude（特別是3.5/4系列） 產出的代碼Bug更少、邏輯更清晰，其推出的Claude Code產品進一步鞏固開發者的黏着度。

其次，Anthropic從創立以來就深耕企業市場（Ｂ２Ｂ），與OpenAI品牌基因偏向大衆市場（Ｂ２Ｃ）有所不同。企業客戶在實際落地程式應用時，更在意模型的迴應是否穩定、控管是否細膩，也會比一般消費大衆更願意掏錢出來訂閱程式碼。只要實用且能提升程式運作效率，企業客戶層相對穩定。

對雲端的綁定也是擴大客戶層的發展空間的原因。Anthropic同時與AWS的Bedrock和谷歌雲端（Google Cloud）深度合作，使其能觸及更廣泛的雲端企業用戶。OpenAI僅深度綁定微軟Azure，在程度上限制其他雲端平臺使用者的選擇空間。現代企業傾向採用多供應商策略，以降低對單一服務商的依賴，這讓後發先至的Anthropic獲得大量升級和切換的機會。Claude模型在大規模數據檢索與長文本的解析度上有相對穩定表現，使其在法律、金融等專業服務領域的採用率激增。尤其是Claude推出的Artifacts動態工作空間，顯著提升了非技術人員與ＡＩ協作的體驗，增加客戶的黏着度。

現金流與商業化效率

今年OpenAI與Anthropic的競爭本質出現結構性轉折，ＡＩ產業已從模型能力競賽，演變成現金流與商業化效率的競賽。這樣的框架下，OpenAI在流量的確遠超過Anthropic，也把ChatGPT打造成全球最大的AI應用，包括程式應用介面和開發者在內的完整生態系，並與微軟深度綁定。OpenAI的推論成本一直都很高，這與ＧＰＵ的運效率、記憶體頻寬瓶頸和模型推論機制有關。目前ＧＰＵ運算核心速度遠快於記憶體傳遞速度，造成ＧＰＵ大部分時間在等待資料，形成算力浪費，大幅提高OpenAI的推論成本。（全文未完）

全文及圖表請見《先探投資週刊2403期精彩當期內文轉載》