OpenAI 和 Anthropic
上市前的大决战

01两张截然不同的招股说明书

IPO 估值可以拆解为五个变量：

其中 N 为用户规模，P 为付费转化率，ARPU 为单用户收入，R 为留存依赖度，M 为叙事倍数。叙事倍数 M 可进一步拆分为 M_growth（市场对增长的信心）和 M_quality（市场对收入质量和毛利可持续性的信心）。OpenAI 的优势集中在 N 和 P——9 亿基数 + GUI 级低门槛转化；Anthropic 的优势集中在 ARPU 和 R——高客单价企业合同 + 深度工作流锁定。这解释了一个看似矛盾的现象：Anthropic 收入更高（$47B vs OpenAI 未披露），但 OpenAI 估值接近（$852B vs $965B）——因为市场给 OpenAI 的 M_growth 更高，给 Anthropic 的 M_quality 更高。

02CLI vs GUI：2026 年 2 月的文明级分歧

Claude Code 和 Codex 的进化路径在 2026 年 2 月出现决定性分叉。同月，Anthropic 发布 Opus 4.6（模型层升级），OpenAI 发布 Codex 桌面应用（交互层升级）。一个往深处挖，一个往宽处铺。此后 4 个月，分叉从”产品选择”变成”生态锁定”。

Claude Code 进化轨迹

Codex 进化轨迹

03多模态产品闭环差距：模型能力 ≠ 交互闭环

需要严格区分两个层次：模型层的多模态能力与产品层的多模态交互闭环。Claude 并非没有多模态能力——Claude 官方文档明确记载其具备 vision capabilities，能理解和分析图像。但在将这些能力转化为消费级产品闭环的维度上，差距显著。

Anthropic 的补课动作包括 Vercept 收购（2 月）和 Claude Design 发布（4 月，支持设计原型、营销素材、Canva 导出）。但截至 6 月，这些仍处于早期整合阶段。

04B 端高增长中的经济学裂缝

Anthropic 的 B 端收入数据令人瞩目——18 个月从 $1B 飙升至 $47B，Ramp 数据显示 B 端 AI 账单份额从 10% 跃至 60%。但同一时期，标杆企业客户开始退出，tokenmaxxing 现象遭到 Fortune 宣判”is over”。这不是矛盾，而是领先指标与滞后指标的时差。$47B 的收入是增长惯性的延续——合同周期、迁移成本和组织惰性使得收入数字总是慢于使用行为的转向。微软和 Uber 的退出则是裂缝的先兆信号，如果这类信号在 Q3-Q4 扩散，收入增速的拐点将随之显现。

5-6 月裂缝时间线

Tokenmaxxing 不仅是价格问题，更是组织行为学失败。当 token 消耗被异化为 KPI 时，Goodhart 定律必然发作——指标本身成了被操控的对象。真正的 AI 生产力来自工作流重构，不是简单自动化。

Goldman Sachs 预测到 2030 年 Agent 驱动的 token 消耗增长 24 倍。即使单 token 降价 90%，在现行按量计费模式下企业总账单仍将上涨。但需注意：按量计费并非终态——按任务计费、按结果计费、混合订阅等新模式可能重构成本结构。叠加企业数据安全天花板（三星事件、EU AI Act 2026 年 8 月透明度条款生效），B 端增长面临结构性压力。合规压力也并非 Anthropic 专属——EU AI Act 的透明度规则和 AI 生成内容标识要求同样约束 C 端 GUI Agent 在欧洲市场的扩张。

AI 裁员回旋镖

05C 端 GUI Agent 的需求飞轮与数据双刃剑

6 月 2 日 ChatGPT + Codex 合并后，9 亿用户（行业追踪估计）一夜获得 Agent 能力。”默认”本身就是护城河。

数据飞轮：战略资产还是噪声陷阱？

C 端增长带来一种难以复制的战略资产：人类物理操作行为数据集——跨应用的操作轨迹、犹豫节点、纠错记录、审批路径。这比静态语料更贴近真实工作流，是下一代 Agent 调优的稀缺燃料。

但数据飞轮是一把双刃剑。信噪比风险：9 亿大众用户中，大量无效点击、无逻辑操作、错误指令构成的噪声，可能污染模型微调池。相比之下，Anthropic 服务的专业开发者和企业用户产生的纯净高逻辑代码数据，在通往更高阶推理模型（System 2 Thinking）的道路上可能拥有更高的信噪比。隐私可用性约束：行为数据的战略价值取决于可用性而非单纯规模——可用数据 = 行为数据 × 用户同意 × 留存策略 × 隐私过滤 × 企业数据隔离政策。在数据监管趋严的环境下，”理论上可得”与”现实中可用”之间存在显著差距。

06全栈 AI 交互的行为解放模块

AI 如果只能坐在电脑桌前使用，就是对人类最大的行为限制。

端侧推理（NPU/本地模型）理论上是解决 C 端推理成本的架构级方案。但硬件现实残酷：要流畅运行 Computer Use 级多模态模型至少需要高带宽统一内存架构（如 Apple 64GB+ 统一内存），2026 年全球 PC 中满足此规格的设备渗透率极低。端侧推理在短期内无法拯救 OpenAI 的资产负债表，这仍是一个属于 2028 年甚至更远的期权。

人类监督带宽：Agent 并行的认知天花板

多 Agent 并行 ≠ 生产力线性提升。人类前额叶的认知带宽是固定的——一个非开发者同时监控、审批、干预 3-5 个并行 Agent 工作流时，就会触及认知负载的物理极限。这意味着 ARPU 的提升不是线性函数，而是存在一个由人类注意力决定的低天花板。除非 AI 实现从 Co-pilot（副驾）到 Auto-pilot（全自动）的跃迁，否则人类监督成本将锁死 Agent 产品的溢价空间。这个约束对 C 端（个人独自监督）比 B 端（团队分工监督）更严重。

GUI Agent 的责任归属问题

GUI Agent 操作电脑时，出错对象不再是”回答错了”，而是”操作错了”——可能误发邮件、误改报价、误删客户记录、误投广告预算。C 端的验证成本更隐性、更分散、更难量化。当 Agent 误操作造成商业损失时，用户、模型供应商、插件供应商、平台方如何分担责任？这是 2026 年下半年 C 端和 B 端都将面临的法律与商业风险，且目前无行业共识。

07惯性、约束与多极博弈

Anthropic 大概率路径

短期（Q3）：深耕编程。Opus 4.9/5.0、Dynamic Workflows 正式版。Opus 4.8 的可靠性改进正在重建信任。

中期（Q4~Q1 2027）：被迫加速 GUI 和 C 端。Vercept 整合、Claude Design 迭代。受制于多模态产品闭环缺失，大概率通过收购/深度合作补齐。

Anthropic 的防御资产

Anthropic 不只是”CLI + B 端”。对 Fortune 100 企业，数据隐私隔离、私有化部署、模型透明性的权重远大于交互界面易用性。AWS/Azure/GCP 三云策略构成合规护城河。Opus 4.8 强调的 honesty/transparency 在金融、医疗、政府采购中提高采购概率。这不是小 TAM，而是另一种 TAM：低人数、高合规、高合同额。Ramp 数据显示 B 端份额从 10% 跃至 60%——这是被成本叙事遮蔽的另一面。

OpenAI 大概率路径

短期（Q3）：Codex 嵌入 ChatGPT，插件 6→20+，语音交互上线。

中期（Q4）：IPO 冲刺。需要 MAU 和 ARPU 双增长。

OpenAI 的 C 端毛利率陷阱

9 亿用户高频调用并发 Agent 时，单用户推理成本极有可能远超 $20 订阅费。这是 B 端 token 危机的镜像问题但非对称结构——B 端成本由客户承担（客户可以离开，收入直接受损），C 端成本由 OpenAI 自身承担（用户继续使用但平台持续亏损补贴）。前者是收入风险，后者是利润风险，危机传导路径和爆发时点不同。$20/月全家桶是强大的价格锚点优势，但能否持续取决于端侧推理成熟度和新计费模式的探索。

第三极力量：平台权力与垂直 SaaS 反击

GUI Agent 的终极入口未必是 ChatGPT 或 Claude，竞争格局可能是三极博弈：

操作系统层：微软取消 Claude Code 许可并转向 Copilot CLI，本质是平台方把 Agent 收回自有生态。Windows 内置 Copilot、macOS 集成 Apple Intelligence——操作系统级的”默认入口”比任何第三方应用的分发都更深。

浏览器层：Chrome 嵌入 Gemini 后，网页端工作流的 Agent 入口可能绕过 ChatGPT 和 Claude。Google 的 AI 网络流量份额一年内从 5.7% 涨到 21.5%。

垂直 SaaS 层：Salesforce（Agentforce）、Adobe、Figma、Canva、Notion、Atlassian、ServiceNow 不会轻易让渡工作流入口。它们可能将 Agent 内置到原生产品中，削弱通用 GUI Agent 的入口优势。当 Codex 通过插件连接 Salesforce 时，Salesforce 自己的 Agent 正在同一界面内原生运行——谁的默认权更高？

第三极力量可能使终局从”OpenAI vs Anthropic 谁赢”变成”应用层 Agent vs 平台层 Agent vs 垂直 Agent”的多极格局。在这个格局中，拥有操作系统或垂直 SaaS 入口的玩家，可能对两家纯模型公司都构成”平台抽税”风险。

083 月论文验证、修正与可证伪预测

三个关键修正

修正一：“生成 vs 控制”不是二元相变，是融合。Codex 同时做生成+控制+编排，现实是叠加而非替代。

修正二：落地路径不是”录屏训练”，而是平台化插件分发。

修正三：从”物理摩擦阶梯”扩展为三层”行为自由度阶梯”——移动交互解放 + 端侧推理突破 + 人类监督带宽约束。

可证伪预测：2026 Q3-Q4 验证窗口

09上市前的大决战，本质是”服务谁”的决战

Anthropic 服务那极少数的精英开发者和企业 CTO——深度无人能及，合规护城河坚固。但面临 token 成本天花板和数据安全的双重约束。

OpenAI 服务绝大多数的普通知识工作者——编程深度不够（盲测 67% 认为 Claude 代码更强），但 GUI 分发、多模态交互、移动贯通构建宽度优势。不过推理成本的经济学约束同样真实。

两家都在向对方渗透。但渗透速度不对等：让数亿人学会用 GUI Agent 比让几千万程序员换终端工具容易得多。

第三极力量——操作系统平台、浏览器生态、垂直 SaaS——可能同时冲击两家的分发入口，使终局从双寡头对决走向多极博弈。

2026 年下半年，本文设置的五个可证伪判据将陆续进入验证窗口。本研究所将持续跟踪并发布后续分析。