AI创企收入榜：两大巨头占据九成市场，34家企业ARR超5000亿

根据The Information最新发布的生成式AI数据库分析，全球34家领先AI初创公司的年度经常性收入（ARR）总额已接近800亿美元，折合每月约66亿美元。与半年前相比，这一数字实现了112%的显著增长。

▲34家企业ARR变化图（图源：The Information）

这800亿美元的ARR规模，其增长主要爆发于2023年之后。其中，仅Anthropic一家公司就贡献了近半壁江山，若加上OpenAI，两家合计占据了约89%的市场份额，相比半年前提升了4.5个百分点。

▲Anthropic和OpenAI与另32家企业的ARR占比变化图（图源：The Information）

一个值得关注的动态是，凭借在代码生成和企业级办公两大场景的快速渗透，Anthropic近期的ARR已实现对OpenAI的反超。

这种高度集中的营收格局，印证了红杉资本等投资机构此前的判断：在当前的AI浪潮中，核心软件价值正加速流向掌握最先进底层模型能力的厂商。

原因很现实：市场上绝大多数AI应用公司的产品，其技术栈都深度依赖于Anthropic或OpenAI的模型。

然而，即便收入在高速增长，这份名单中的多数AI初创企业仍未实现稳定盈利。更关键的是，这种对底层模型的深度依赖，正在挤压应用层公司的增长潜力和利润空间。

以AI编程公司Cursor为例，截至今年1月的季度，其毛利率仍为负23%。尽管之后已转正，但这个案例清晰地揭示了问题：过度依赖OpenAI和Anthropic的模型，尤其是在后者宣布提价后，会给应用层公司带来巨大的成本压力。

另一方面，Anthropic和OpenAI自身也面临着高昂的运营成本。据估算，两家公司每年的现金消耗可能超过300亿美元，其中大部分用于AI模型的训练与迭代。它们正持续推出面向特定行业和岗位的新模型与产品，直接切入企业级工作流，这意味着它们开始与依赖其模型的AI应用公司形成直接竞争。

长期来看，这种“既提供基础设施又下场竞争”的局面，可能让大量AI初创公司的增长路径愈发狭窄。这种压力也催生了近期“AI Neolab”（AI新实验室）概念的融资热潮，这些新兴公司正试图通过研发全新的模型架构与技术路线，来挑战现有的市场格局。

不过，Anthropic与OpenAI亮眼的收入数据背后，也存在一定的收入分成安排。

例如，Anthropic需要与负责转售其模型服务的云厂商（如亚马逊和谷歌）分享收入。而OpenAI则根据早期投资协议，需在2030年前将部分收入分给微软，支付总额上限为380亿美元。仅今年一年，微软可能获得的分成就高达60亿美元。

视线转向榜单上的其他公司。尽管其余32家AI模型及应用创业公司的营收规模远不及两大巨头，但增长势头依然强劲。

自去年12月以来，已有三家公司成功突破5亿美元ARR的关口，分别是AI搜索公司Perplexity、语音AI公司ElevenLabs，以及AI编程公司Cognition。加上此前已达到这一规模的Cursor，ARR超过5亿美元的阵营现已扩充至四家。

然而，在评估整个AI产业的营收时，一个“重复计算”的问题值得注意。同一笔收入，可能在产业链的不同环节被计入多家公司的账上。

例如，上述4家ARR超过5亿美元的AI公司，以及榜单上的其他公司，每年需要向OpenAI和Anthropic支付数十亿美元的模型调用费用。这笔支出是它们最大的成本项之一，但同时也构成了后者的核心收入来源。

与此同时，几乎所有公司的产品都运行在英伟达的GPU服务器上，这使得英伟达成为AI产业链中隐形的利润中心。该公司也通过投资反哺生态，向名单中的至少13家公司进行了投资，其中包括对OpenAI和Anthropic的巨额资金支持。而这些资金，很大程度上又回流用于支付更多的算力租赁费用。

需要指出的是，这份统计并未涵盖那些具备自主研发AI模型能力的上市科技巨头。

例如，微软通过其Copilot系列产品已获得至少60亿美元的实际收入，部分技术底层便整合了OpenAI的模型。谷歌的Gemini模型和AI搜索功能，也正在实质性地推动其核心搜索广告业务的增长。

此外，包括Salesforce、ServiceNow在内的大型企业软件公司，正通过推出AI功能和智能体（agent）产品，每年创造数十亿美元的营收。它们同样是Anthropic和OpenAI的大客户，既采购模型用于内部业务，也依托其技术对外提供服务，近期也不得不应对Anthropic上调定价所带来的成本压力。

结语：生成式AI价值高度集中，新兴厂商寻求突破

整体来看，全球生成式AI产业正经历营收的爆发式增长，但结构性矛盾也随之凸显。

尽管AI创业生态在过去一年展现出惊人的收入扩张速度，但其增长结构正迅速走向集中化。无论是应用层的快速迭代，还是基础模型的能力外溢，最终的价值捕获仍然高度集中在OpenAI与Anthropic这类底层模型厂商手中。

在这种“底层模型收税化”的行业结构下，大量AI应用公司更像是在为巨头充当价值分发渠道，而非建立起独立、可持续的利润中心。

为了打破这种依附关系，新兴的AI实验室正积极探索全新的技术路线。未来，创新型的模型厂商或许有机会实现突破；但另一方面，OpenAI与Anthropic凭借其高度集中的底层模型优势，仍可能使大多数应用型公司继续面临盈利空间受限、增长天花板清晰的挑战。

来源：互联网