一、Anthropic (S-1) 、 智谱 (港股)、 MiniMax (港股)招股说明书对比一句话结论

招股说明书尽管在披露骨架上因监管原因高度同构（释义 → 风险 → 行业 → 业务 → 财务 → 募资用途），但在每一层的"内芯"上完全异质：Anthropic 用释义讲"能力复利"、用风险讲"AI 安全与算力霸权"、用财务讲"即将跨越盈亏平衡的万亿美元资本结构"；智谱用释义讲"境内合规主体"、用风险讲"实体清单与备案"、用财务讲"项目制政企收入支撑的百亿级亏损"；MiniMax用释义讲"WVR 与优先股七轮"、用风险讲"OISM 投资审查与迪士尼诉讼"、用财务讲"全球 C 端订阅+广告的轻资产模型"。

最关键的一条分岔线：Anthropic 已把算力从"经营费用"变成"表外长期负债 + 战略股东股权"。逐笔看：Broadcom 五年 TPU 主设备租赁租金约 161.2B∗∗；Google≥114.5B、Amazon ≥110.0B、SpaceX.AI至多120.5B、Microsoft ≥44.9B、Nscale至多44.6B、Lambda 约 41.3B；再加P408的∗∗417B 与 P410 的 **245B∗∗两段承诺总额披露及21B 短期不可取消义务——合计约 683B合同化未来付款义务，对应资产负债表上仅112.4B 现金 + 19.3B短期投资，约5倍表外杠杆∗∗。与此同时它把Amazon（1277B 把算力供应商变成债主兼股东。而智谱与 MiniMax 仍把算力当作"逐年吃掉的研发费用"（分别占研发开支 71.8% / 79.0%），智谱无长期算力合同披露、MiniMax 资本开支仅 47.9 万美元。这不是规模差异，是资本结构代际差异：Anthropic 已经是一家披着 AI 皮的资本密集型基础设施融资平台，另外两家还是纯软件式损益表结构。

即：Anthropic 用**表外长期负债 + 供应商股权 + 照付不议** 三重工具把算力风险从利润表转移到资产负债表和股东名册上；智谱与 MiniMax 把算力风险**全额留在损益表**，收入增长越快亏损越大。**Anthropic 之所以能在 H1'26 首次经营盈利，恰恰是因为它把算力成本前置锁定、换取收入端的爆发式增长；智谱与 MiniMax 尚未走到那一步，因为它们的收入模型（项目验收 / C 端订阅）无法支撑 照付不议（take-or-pay） 级别的固定成本承诺，但Anthropic全靠"能力复利能兑现成收入"这一口气吊着。因其对技术、安全、政治等等方面偏执叙事，Anthropic也被人称为“宗教公司”。

Anthropic杠杆到底几倍

分母只有 **$112.4B 现金 + $19.3B 短期投资 = $131.7B**。

- 按 **$787B** 算 → **≈ 6.0 倍**；

- 而这还只是"**明确披露、已签订**"的部分。

**更关键的是——S1 是"初步版"，满篇都是"〔待定〕美元"**（承诺总额、12 个月内到期额、之后签订的承诺……全是空的）。把这些"待定"的也算上，**真实总义务逼近 $1 万亿不是夸张，杠杆到 7–8 倍都不止。**

 结论

**不是 5 倍表外杠杆，是 6 倍起步、往 8 倍走**，而且 S1 里"待定"的空，意味着 Anthropic 的真实算力押注，很可能比 $787B 还高。

**——这是个"几乎不给自己留退路"级别的资本结构。** 62 亿美元的在手债务，加这么一张算力承诺表，全靠"能力复利能兑现成收入"这一口气吊着。

Anthropic (S-1) 、 智谱 (港股)、 MiniMax (港股)基本情况

Anthropic, PBC：2026-10-26 提交 SEC Form S-1 初步招股说明书（418 页），拟于 Nasdaq Global Select Market 上市，代码 ANT，代码 7372，特拉华州公益公司（PBC）。承销商 22 家，高盛、摩根士丹利为代表主承。文件性质为初步版（发行价区间、发行股数、募资额均留空）。

北京智谱华章科技股份有限公司 / Knowledge Atlas Technology：港交所招股章程，2025-12-30 刊发（504 页），股份代号 02513，2026-01-08 主板上市。中金公司独家保荐人兼整体协调人及稳定价格经办人。H 股架构，境内股份转 H 股。上市依据：18C 章特专科技公司（商业公司）。

MiniMax Group Inc. / 稀宇科技：港交所招股章程，2025-12-31 刊发（716 页），股份代号 0100，2026-01-09 主板上市。中金公司与瑞银联席保荐。开曼注册 + 红筹重组 + 8A 章 WVR + 18C 章未商业化公司双重身份。

招股说明书概要

本概要重点列示本招股说明书其他部分以更详细方式呈列的精选信息。

本概要并未包含您在投资我们的 A 类普通股之前应考虑的全部信息。在作出投资决策之前，您应仔细阅读本招股说明书全文，包括标题为「风险因素」「关于前瞻性陈述的特别说明」「管理层对财务状况及经营成果的讨论与分析」「业务」以及「我们的治理结构及其目标」的章节，以及本招股说明书其他部分所载的我们的合并财务报表及相关附注。除上下文另有要求外，本招股说明书中「Anthropic」「本公司」「我们」及「我们的」等术语指 Anthropic, PBC 及其合并子公司；凡提及我们的「普通股」，指我们的 A 类普通股、N 类普通股及 F 类普通股（以及在上下文有要求时，我们的 T 类普通股和 E 类普通股）。

概览

有史以来第一次，智能成为人类可以创造的东西。推理、分析、综合、决策与创造等认知能力可以大规模生产并按需获取。我们相信，这种 AI 的充裕供给将迅速改变全球经济的每一个部门，其影响之深远将超过工业化、电力、半导体和互联网。真正兑现其潜力——同时风险得到妥善管理——的 AI，能够显著加速全球增长，并大幅改善世界各地人们的生活质量。

Anthropic 由一支研究团队于 2021 年创立，该团队取得了定义当今 AI 的诸多突破性成果。我们首先且最重要的是一家研究实验室——我们的使命是为人类的长远利益负责任地开发和维护高级 AI。这一使命指引着我们的专注方向——连同我们的人才与文化、我们的前沿与安全研究、我们的算力策略以及我们的企业战略，它是使我们脱颖而出的核心优势之一。这些优势使我们能够持续推进前沿 AI，并塑造其安全与负责任开发的标准。我们的前沿 AI——Claude——通过我们的模型、平台和应用程序交付给客户。Claude 的企业级采用速度为历史上任何技术中最快，收入从 2023 年第一季度商业化推出时的 0 美元增长至截至 2026 年 9 月 30 日止三个月的〔待定〕美元即是明证。这种快速且不断增长的采用产生了两个自我强化循环——推进 Claude 的改进循环，以及帮助为我们的前沿 AI 持续研究提供资金的投入循环。

我们的核心优势

使命与专注。 我们的所有努力都受单一使命专注的指引。这一专注使我们能够将人才、研究和算力投资集中于对人类价值最高的工作上，并避免相互冲突的优先事项。实现我们的使命意味着世界获得前沿 AI 的巨大益处，同时减轻最重大的风险，而我们相信这需要安全与能力协同推进。

人才与文化。 我们的使命与专注使我们能够吸引并留住世界级人才，包括希望自己的工作塑造更美好未来的研究人员和工程师。我们还拥有一种倡导去自我（low-ego）、求真务实的文化，在前沿 AI 能力与安全相互促进的环境中发展。我们相信，我们的文化在规模扩张过程中推动了我们的人才密度。

前沿与安全研究。 我们相信，需要持续专注于智能前沿的研究，才能构建最强大且最安全的 AI 系统。我们的前沿能力研究与安全研究深度融合，直接塑造模型设计、训练和部署，帮助我们产出更可靠、更可控、更适合实际部署（尤其是要求严苛的企业环境）的系统。我们将研究领导力转化为创新速度，并持续发布更优的模型、平台能力和应用程序。每一代 Claude 模型都协助构建下一代，帮助压缩开发周期，并在创新速度上产生复合式改进。我们将这一递归动态称为「闭环迭代」，并相信它是前沿 AI 领域最重大的结构性优势之一。

我们的算力策略。 我们将来自多个战略合作伙伴的算力作为一个单一、可互换的资源池进行管理，并根据边际单位在任一时刻预期最具生产力的工作负载，动态地在各工作负载之间调配可用算力。我们相信，这种算力策略使我们能够交付更优的模型、服务更多客户，并从算力投资中获得更高生产力。这种算力效率为我们通过研究和模型开发推进 AI 能力前沿、满足客户日益增长的需求以及保障 Claude 的内部使用奠定了基础。我们通过研究突破以及跨 AWS Trainium、Google TPU、NVIDIA GPU 和 AMD GPU 的多芯片算力架构实现了这一点，使我们能够编排工作负载以优化价格与性能。为支持我们的研究、模型开发、客户需求及 Claude 的内部使用，我们持续进行大规模投资。截至 2026 年 9 月 30 日及之后，我们已签订采购承诺及租赁协议（包括短期承诺以及尚未开始的租赁），承诺支出总额超过〔待定〕美元，其中几乎全部与算力和基础设施相关。这些承诺中约有〔待定〕美元预计在 2030 年 12 月 31 日之前发生，其余部分的几乎全部预计在 2031 年至 2045 年之间发生。这些承诺中约有〔待定〕美元在未来 12 个月内到期。更多信息请参阅标题为「管理层对财务状况及经营成果的讨论与分析——流动性与资本资源——合同义务」的章节。

企业战略。 我们的企业战略建立在这一信念之上：前沿 AI 在现实场景中价值最大，因为跨企业的部署是经济影响最大、客户反馈改进循环最丰富的地方。因此，我们围绕企业应用场景组织我们的研究优先级、产品路线图以及市场进入（go-to-market）和应用 AI 团队，这些场景涵盖从日常知识型工作到最复杂的问题。我们收集的客户反馈指引我们的研究重点，并使 Claude 随时间推移变得更强大。这拓宽了 Claude 可部署的范围，进一步扩大企业级采用，有助于确保我们 AI 的益处大规模地惠及个人和组织。

AI 正在变革智能

我们相信，强大 AI（Powerful AI）——一种高度强大且影响深远的前沿 AI 形态，具备以下关键属性——将在几年内广泛普及：

●在大多数专业和科学学科中，认知能力达到或超过顶尖人类专家的水平；

●能够操作人类在虚拟工作中可用的所有界面，包括文本、音频、视频和直接操控计算机；

●能够在较长时间内——数小时、数天或数周——自主推理完成复杂任务，并在需要时寻求澄清和反馈；

●能够跨多个实例协调，并与人类和其他 AI 系统协作；以及

●能够通过数字连接对实验室设备、机器人系统及其他机器进行数字化控制，从而与物理世界交互。

如果强大 AI 被用于解决人类最棘手的问题，且其风险得到负责任的管理，其潜力将非同寻常。这些可能性包括：将数十年的科学进步压缩为数年；加速药物发现、疾病检测和个性化疗法的交付；提供个性化定制的教育以及专家级财务和法律建议；推进电网和电池设计以实现更高的效率和可靠性；并向发展中世界延伸那些富裕国家历经数代人才建立起来的能力。

变革认知型工作的近期机遇

前沿 AI 正在变革认知型工作——即运用知识、推理和判断来创造经济价值的工作。我们相信，它将使人类的能力大幅提升，并扩大世界从事这类工作的整体能力，包括加速科学发现和帮助企业成长。知识工作者是这一机遇的最前沿。随着前沿 AI 的进步，更强大的模型可以解锁全新的应用场景，同时也能在能力—成本—速度曲线上大规模高效地服务于广泛的认知型工作。我们相信，知识工作者所从事的工作在 2025 年于全球创造了超过 40 万亿美元的经济价值，¹ 而凭借前沿 AI 使其生产力显著提升的潜力，我们的近期机遇是扩大这一价值并加速经济增长。尽管现在预测前沿 AI 对整个经济的全面影响仍为时过早，但国际数据公司（International Data Corporation，简称「IDC」）估计，对 AI 解决方案和服务的投资到 2031 年将产生累计 22.5 万亿美元的全球经济影响。² 我们相信，实际影响可能更大。

¹ 请参阅标题为「行业、市场及其他数据」的章节，了解我们如何计算全球可归因于知识工作者的年度经济价值。

² IDC，《AI 的经济影响：2026 年版》（The Economic Impact of AI: 2026 Edition），文件编号 US54452226，2026 年 4 月。反映 AI 解决方案和服务创造的年度价值、对 AI 基础设施供应链的投资，以及 AI 释放的企业生产力和效率提升。

³ IQVIA 人类数据科学研究所（IQVIA Institute for Human Data Science），《2026 年全球药物使用趋势》（Global Medicine Use Trends 2026），2026 年 2 月。

前沿 AI 有望重塑整个行业并加速全新发现

我们相信，前沿 AI 代表着比以往任何技术周期更大的机遇，而 Claude 已在展示这一潜力。Claude 现在能够自主执行复杂项目，并将开放式任务转化为已完成的高质量交付成果。这些能力使其能够变革经济中最大的几个部门，推动生产力和产出的显著提升。前沿 AI 的能力可能超越现有市场，开辟全新的市场，触及机器人、先进制造和物流等领域，并加速科研进步，包括药物发现和材料科学。例如，在生命科学领域——2026 年全球年度药品支出预计将超过 2 万亿美元³——我们的客户、我们的生物技术合作伙伴以及我们自己的研究人员都在使用 Claude 进行药物发现和开发。我们还将 Claude 延伸至机器人领域，我们的模型硬件标准（Model Hardware Standard）使 AI 智能体能够操作实验室和生产设备，如显微镜、液体处理设备和现成的机械臂。最终，我们相信前沿 AI 将帮助推动全球经济增长。随着前沿 AI 使工作者和组织更具生产力、嵌入其交付的产品和服务中，并解锁新的商业模式，它将创造出此前不存在的经济产出。我们相信，我们的机遇是在全球经济扩张的同时，不仅捕获当今经济活动的份额，也捕获新创造产出的份额。

安全与伦理行为的重要性

尽管 AI 的潜在益处非同寻常，但其快速进步将以可能造成重大破坏的方式影响经济和社会，尤其是在该技术未得到负责任地开发和部署的情况下。例如，恶意行为者已利用 AI 的能力实施了一系列高调的网络攻击，用于发现漏洞、生成恶意软件并逃避检测工具；滥用带来的其他风险（包括生物学领域）可能造成更大的伤害。大规模部署的 AI 还有可能使权力和财富在国家内部和国家之间集中，从而可能侵蚀信任、损害社会并破坏地缘政治秩序的稳定。失准的 AI 系统可能损害机构决策，或通过其用户和运营者无法看到或无法理解的自主行动造成大规模伤害。我们相信，前沿 AI 公司必须投资于安全和对齐，以帮助确保这项技术的负责任扩散。我们还相信，安全、对齐和伦理行为在企业中引起尤为强烈的共鸣，在任务关键型工作负载中选择 AI 合作伙伴时，严密的安全防护措施、可预测的模型行为和可证明的问责已成为决定性标准。

Claude 作为虚拟协作者

我们相信，我们已经到达一个拐点：AI 系统能够在专业工作中充当真正的协作者。它们能快速完成实质性任务，这些任务原本可能占用一名熟练专业人士数小时、一整天甚至更长时间。AI 系统也正变得越来越有能力完成以前过于困难或成本过高而无法完成的任务，或提出原创洞察和分析。我们将这些与人类并肩工作、以专业水平执行复杂多步骤工作的 AI 系统称为虚拟协作者（Virtual Collaborators）。虚拟协作者拥有其组织授予的访问权限、系统连接和上下文，这使其能够更准确、更可靠地运行。它们能够导航和使用内部工具，并执行跨越多个步骤、需要持续推理的工作流程。虚拟协作者是被设计为嵌入工作发生之处的 AI，我们的目标是持续将其延伸至全球知识工作者——这一人群预计到 2028 年将超过十亿。⁴

⁴ IDC，《全球开发者人口增长预测，2025–2029》（Worldwide Developer Population Growth Forecast, 2025–2029），文件编号 US53789825，2025 年 9 月。

Claude Code。 当今虚拟协作者最清晰的体现是 Claude Code——我们的编码智能体，也是我们认为最具体地定义了自主 AI 工作形态的产品。Claude Code 改变了市场对 AI 系统能与软件开发者协作完成什么工作的理解：模型不仅能建议下一行代码，还能进一步规划、编写、测试和调试——这一过程产出生产级代码。在发布后数月内，自主编码就成为衡量前沿 AI 进步的基准点。对于企业级 AI 应用场景，我们相信 Claude Code 的发布在其影响力上可与首批被广泛采用的对话式 AI 助手的问世相提并论。Claude Code 之所以是虚拟协作者，在于其持续推理能力、将意图转化为行动的执行框架、在开发者本地机器或沙盒云环境中保持持久化状态的执行环境、与现有工具和系统的集成，以及用户友好的界面。它的用途极其多样且常常出人意料：例如，NASA 的工程师使用 Claude Code 为火星「毅力号」探测器规划和编写导航指令，实现了首次由 AI 规划的火星行驶。软件开发者是 Claude 的有力拥护者——他们了解系统如何运作，在评估技术工具方面具有公信力，且常常是采用新技术的内部推动者。赢得他们的信任为虚拟协作者在企业员工中更广泛的扩散奠定了基础。我们已看到这一模式在上演：非技术团队越来越多地采用 Claude Code 和 Claude Cowork 来管理他们自己的工作流程。

Claude Cowork。 所有数字化工作最终都是代码的表达，而 Claude 对代码的精通支撑着虚拟协作者处理远超软件开发范围的复杂工作。Claude Cowork 将 Claude Code 的同一智能体架构延伸至广大知识工作者，通过将用户的意图转化为完成的工作，自主读取文件、导航应用程序并在用户的桌面上执行多步骤工作流程，同时将底层代码抽象隐藏。通过以针对特定职业和行业垂直领域量身定制的应用延伸超越 Claude Code，我们加速了 Claude 向新类别知识型工作的扩散，并深化了我们在企业中的渗透。截至 2026 年 9 月 30 日，Claude Cowork（我们于 2026 年 1 月以研究预览版形式推出）的采用速度，已超过 Claude Code 在 2025 年 2 月研究预览版发布后同等时点的采用速度。2026 年 9 月，我们开始将 Claude Cowork 与 Claude.ai 合并，将智能体式工作与对话式工作带入一个统一的应用程序。用户现在可以在同一对话中从简单提问过渡到复杂的多步骤任务。

延伸虚拟协作者。 我们相信虚拟协作者的发展轨迹清晰且正在加速。每一代 Claude 模型都在多个维度上扩展：推理的深度和严谨性、所能维持工作的时长和自主性、所能完成任务的复杂性，以及所能产出有用成果的数量。能力评估和基准测试显示，Claude 各版本模型在能够可靠完成的任务时长和复杂性方面均有大幅提升，其中较新的模型版本展现出尤为显著的进步。我们正在迈向这样一个世界：Claude 可以被交办长达数小时、数天或数周的开放式任务，然后以一位杰出同事的判断力和主动性自主执行这些任务。最终，数以百万计的虚拟协作者可以并行运行，各自独立处理互不相关的问题，或无缝协作以实现共同目标。其结果是史无前例的：我们称之为「数据中心中的天才之国」，可供经济中的每一个组织和部门使用。

Claude 的企业级采用

我们企业客户采用的速度和深度，是 Claude 处于 AI 前沿的有力证据。截至 2026 年 9 月 30 日，我们的客户群包括：

●超过 11,900 家 TTM 收入 10 万美元或以上的客户；

●超过 1,900 家 TTM 收入 100 万美元或以上的客户；以及

●约 250 家 TTM 收入 1,000 万美元或以上的客户。

我们相信，客户选择 Claude 用于各种各样的应用场景，从日常知识型工作到他们最重要的问题。他们找到我们，是为了通过我们的平台和应用程序获得能带来现实成果的前沿 AI。我们从客户行为中看到这种信念：企业一致地在我们的最新、最强大模型发布后立即使用，为其最高价值的工作选择最先进的选项。我们的客户将我们视为长期合作伙伴——为了我们今天提供的前沿能力，为了他们期待我们未来的创新，也为了我们沿能力—成本—速度曲线满足其需求的能力。

除我们的模型外，Claude 平台（Claude Platform）还提供基础构件（primitive），使客户能够加速实现价值，并在各种应用场景中利用 Claude 的智能。这些基础构件与我们用来构建自己应用程序的完全相同。我们的应用程序（如 Claude Code 和 Claude Cowork）成倍放大员工的影响力。随着时间推移，我们的应用程序变得更强大，现在经常被用来与员工一起执行长期运行的自主工作。我们的模型、平台和应用程序的改进惠及我们的客户，并推动持续采用。

我们对使命的承诺使客户有信心选择 Claude 作为值得信赖的合作伙伴。我们在 AI 对齐、可解释性、网络安全和企业级控制方面的研究投资，旨在交付面向客户和受监管场景的组织所需的可预测性和可靠性。这种信任意味着企业可以扩大委托给 Claude 的工作范围，以及 Claude 集成到的系统范围。企业正围绕 Claude 制定战略，并确信我们正在构建的前沿 AI 将长期服务于其需求。

今天，企业依靠 Claude 在复杂的工作流程中进行推理、规划和执行，其可信度和判断力是我们认为以往几代 AI 无法提供的。客户通过三种主要方式从 Claude 获得价值：更高效的员工、更快的流程，以及嵌入其产品中的智能。随着 Claude 能力的增长，我们的客户受益，并往往在新的工作流程中扩大对 Claude 的采用。这种角色的扩大反映了 Claude 在企业内部使用方式的更广泛转变——从一个响应离散提示的工具，转变为一个虚拟协作者。

我们推动 Claude 扩散的主要方式是使其在多个产品界面上可访问。例如：

●Claude 平台，我们全面的智能体开发环境，使客户能够直接访问基础构件，以构建、部署和扩展他们自己的应用程序，从而在其自己的产品和工作流程中利用 Claude 的能力。

●Claude Code，我们的编码智能体，与人类软件开发者并肩进行端到端软件开发：在生产级代码库中编写、规划、编辑、测试、调试和提交代码。

●Claude Cowork，我们的知识型工作智能体，具备计算机操作（computer use）能力，能够与专业人士共同处理端到端的业务任务：自主研究、起草、分析、综合及执行其他知识型工作。

Claude 的扩散大部分是有机的。我们通过市场进入和应用 AI 团队放大这一效应，这些团队通过分销合作伙伴关系将 Claude 置于客户现有技术栈中，从而扩大我们的覆盖面。例如，Claude 可在所有三大云平台上使用——Amazon Web Services（简称「AWS」）、Google Cloud Platform（简称「GCP」）和 Microsoft Azure（简称「Azure」）。我们与这些云服务提供商（CSP）采取联合市场进入方式，通过该方式我们与客户建立直接合同关系，同时向各 CSP 支付费用。这一结构使我们能够与这些 CSP 培养更紧密的商业协同、避免渠道冲突、自主定价，并实现算力效率持续改进带来的财务效益。生态系统合作伙伴关系也扩大了我们的覆盖面，使客户能够通过系统集成商（SI）（如 Accenture、Deloitte、KPMG 和 PwC）、顾问以及数据平台（如 Salesforce 和 Snowflake）采用 Claude。我们最近与领先的私募股权公司合作推出了一家 AI 服务公司 Ode with Anthropic，将 Claude 的能力带给各行业的中型公司，在 Claude 平台上构建解决方案并长期支持客户。

我们财务模式的优势

构建和扩展前沿 AI 是历史上最重要、最资本密集的事业之一。我们的财务模式赋予我们以下优势，使我们能够高效地构建和扩展：

●收入快速增长。 我们的企业战略旨在通过将 Claude 直接嵌入业务关键型工作流程并支持构建基于 Claude 的产品，来推动持久的客户采用。我们相信，企业客户从 Claude 中获得可观的投资回报，因为智能体式工作流程既能推动收入增长，又能提升效率。这使我们能够与客户快速扩大合作，截至 2026 年 9 月 30 日约 900% 的净收入留存率（Net Revenue Retention）即是明证。随着我们的模型变得更强大、更高效，扩散也在加速，使我们能够降低客户的单任务成本。例如，与 Claude Opus 5 相比，Claude Opus 5.5 将客户的单任务成本降低了约 40%。更低的单任务成本推动更大的使用量，进而推动 Claude 更广泛的扩散。我们的算力效率使我们能够在保持利润率的同时实现这些降低。

●算力效率。 我们的算力效率从研究和模型开发中获得更多智能，我们相信与其他策略相比，这一策略能够在相同算力下支持更多的客户使用和 Claude 内部使用。我们的算力效率体现在：截至 2026 年 6 月 30 日的三个月收入同比增长 1,368%，而同期算力和基础设施费用增长 300%。

●运营效率。 我们的运营效率源于我们高密度的人才、高效的市场进入策略，以及我们的团队在工作中使用 Claude 的广泛程度，使我们能够以相对于其他大型企业技术公司更精简的团队进行扩张。我们的运营效率体现在：截至 2026 年 9 月 30 日，TTM 人均收入超过 660 万美元，而截至 2025 年 9 月 30 日为 140 万美元。

我们的财务模式所展现的增长、规模和效率，帮助我们继续进行重大长期投资，以负责任地构建前沿 AI。我们的业务发展轨迹和财务状况使我们能够从投资者和合作伙伴那里获得资本并确保算力。截至 2026 年 6 月 30 日，我们已累计筹集 1,411 亿美元资本，拥有现金及现金等价物 1,124 亿美元以及短期投资 193 亿美元。

我们的自我强化循环

我们的规模和增长创造了使 Claude 随时间推移变得更好、且我们相信能带来持久竞争优势的自我强化循环。

●改进循环。 Claude 的企业级部署加深了我们对客户最看重的难题、边缘案例和领域特定挑战的理解。我们根据客户在其业务中生产环境使用我们产品的反馈，改进我们的模型、平台和应用程序。这些改进带来更广泛的部署和采用，为下一轮改进循环提供燃料。

●投入循环。 企业级采用扩张带来的收入帮助我们为改进 Claude 所需的算力、研究和人才提供资金。Claude 不断进步的能力扩展了客户使用 Claude 的任务和工作流程范围，拓宽了我们的可服务市场，推动更深层次的部署、更多收入以及对 Claude 的持续再投入。

Claude 正在加速我们的闭环迭代

Claude 本身已成为我们进步最强大的驱动力之一——每一代新 Claude 模型都直接加速下一代的开发。后续各代模型的研究、训练和测试的许多环节现在都有 Claude 的参与，包括运行实验、生成和处理训练数据、自动化评估和安全审计，以及编写和审查代码。我们将这一递归动态称为「闭环迭代」。这一动态的直接体现是我们不断加快的算力乘数（compute multiplier）产出速度。更强大的模型帮助我们的研究人员更快地发现这些改进；反过来，更强大的算力乘数使我们能够训练更强大的模型并更高效地部署它们。

我们的增长战略

我们相信，AI 在全球经济中的扩散代表着历史上最大的改善人类生活和工作方式的机遇之一，而这仅仅是个开始。在我们看来，世界才刚刚开始使用当今前沿模型的能力，Claude 所能做的与它被使用的广泛程度之间的差距，代表着我们最大的增长机遇之一，与前沿的持续进步并驾齐驱。Claude 的能力近年来已显著演进，我们预计它们将继续快速进步。这不仅将带来可服务市场的扩大，还将带来对世界影响范围的扩大。

我们力求确保这一影响尽可能积极。我们的核心优势、Claude 企业级采用的速度和规模，以及我们前所未有的财务模式，使我们能够继续积极投资，构建一个广泛造福人类的 AI 赋能未来。我们增长战略的要素包括：

●人才与文化。 为招募世界级研究人员和工程师并留住卓越人才，我们打算持续投资于我们的去自我、高影响力、与使命对齐的文化，这一文化在我们规模扩张过程中推动了我们的人才密度。

●算力。 我们打算在现有承诺之外确保更多算力，扩大我们自己的数据中心布局以确保额外的长期算力，提升我们多芯片算力架构的算力效率，并在模型效率方面取得更多算法进步。

●Claude 的智能、能力与安全。 我们计划继续同步推进 Claude 的核心智能与安全，拓展 AI 系统能可靠完成工作的前沿，并开拓 AI 在专业领域应用的新方式。

●Claude 的可及性。 我们计划继续使 Claude 的智能在每一个工作发生的界面上都可访问，包括通过我们自己的平台和应用程序、通过 AWS、GCP 和 Azure，以及通过嵌入企业应用程序。

●Claude 的采用。 我们打算发展我们的直接市场进入和应用 AI 团队，深化云分销合作伙伴关系，投资于品牌和营销，并扩大我们的国际布局，以推动 Claude 成为全球组织信赖的 AI 合作伙伴。

●进入新市场。 我们打算延伸前沿 AI 以加速全新发现，触及从医疗保健和生命科学到机器人和体力工作的领域，我们相信复合式增长的模型能力能够解锁变革性机遇。

●战略交易与合作伙伴关系。 我们打算有选择地寻求收购、投资和战略合作伙伴关系，包括与系统集成商（SI）、顾问和数据平台的生态系统合作伙伴关系，以加速我们的使命、扩大我们的覆盖面并巩固我们的竞争地位。

我们对公共利益的承诺

我们创立 Anthropic 的信念是：人类历史上最具变革性的技术需要非同寻常的责任感，而这一责任远不止于构建安全的系统。我们打算将相当一部分资源用于确保前沿 AI 的安全及其益处的广泛分配，我们称之为我们的公共利益举措。

作为这些举措的一部分，我们向 Anthropic 公益基金（Anthropic Public Benefit Fund, LLC，简称「Anthropic 公益基金」）——我们致力于公司宗旨（定义见下文）的全资子公司——注入 846,840,960 股我们的 N 类普通股，占截至 2026 年 6 月 30 日我们完全稀释股份的 5%（假设 Amazon 票据（定义见下文）全额转换）（该等发行称为「初始公共利益发行」）。我们的董事会还批准了一项框架，根据该框架，董事会可酌情向 Anthropic 公益基金（或其他指定受益方）发行我们的 N 类普通股，数量最高为我们当时已发行股份（加上受期权、限制性股票单元和其他可转换证券约束的股份以及 Anthropic 公益基金持有的任何股份）的额外 2%，每一次触发条件为我们的股价较前一股价里程碑上涨 50%，自我们的首次公开发行价格开始（「公共利益发行」）。此外，我们的联合创始人每人已承诺将其个人持有的 Anthropic 股权的 80% 用于慈善事业。有关这些承诺的更多信息（包括相关风险），请参阅标题为「风险因素——与持有我们的 A 类普通股相关的风险」的章节。

除联合创始人的承诺外，我们还维持一项捐赠配比计划，员工可以通过该计划将其股权奖励的相当一部分用于慈善捐赠，我们以我们的 N 类普通股进行配比。

我们的治理结构及其目标

我们新颖的资本和公司治理结构经过精心设计，与其他上市公司存在显著差异。我们努力帮助人类安全地进入一个变革性 AI 对广泛的人类事业施加巨大且可能具有决定性影响的时代。作为公益企业（public benefit corporation，简称「PBC」）运营，使我们的董事会有必要的余地来平衡股东的财产利益、受我们行为重大影响者的最佳利益，以及我们所促进的特定公共利益宗旨。我们的特定公共利益宗旨是为人类的长远利益负责任地开发和维护高级 AI（「公司宗旨」）。此外，一个财务上无利害关系的信托——我们称之为长期利益信托（Long-Term Benefit Trust，简称「LTBT」）——通常有权选举和罢免我们董事会多数法定成员，旨在为恰当地实现这种平衡提供激励和洞见。我们还相信，我们的七位联合创始人特别有能力成为我们使命的守护者。

公益企业地位

与我们对 AI 安全和责任的长期承诺一致，我们根据特拉华州法律注册为 PBC。PBC 是一类旨在创造公共受益并以负责任和可持续方式运营的公司。根据特拉华州法律，PBC 须在其公司注册证书中载明其将促进的公共利益，其董事有义务以平衡公司股东的财产利益、受公司行为重大影响者的最佳利益以及公司注册证书中载明的特定公共利益宗旨的方式管理公司事务。正如我们经修订及重述的公司注册证书所载，我们促进的公共利益——我们在管理公司时必须始终考虑——即公司宗旨。

长期利益信托

2023 年，我们实施了一项以 LTBT 为特色的创新治理结构，旨在确保我们以负责任地平衡我们作为 PBC 的三方目标的方式受到管理：股东的财产利益、受我们行为重大影响者的最佳利益，以及公司宗旨。LTBT 旨在作为一个由五名财务上无利害关系的表决受托人（「受托人」）组成的独立机构运作，这些受托人在 AI 安全、国家安全、公共政策和社会企业方面拥有专长。通过一类特殊类别的普通股——T 类普通股，LTBT 通常有权选举和罢免 T 类董事，这些董事合计将构成本公司董事会多数法定成员。我们的 T 类普通股在提交股东一般表决的事项上不享有其他表决权。

创始人表决权结构

我们相信，我们的七位联合创始人——Dario Amodei、Daniela Amodei、Tom Brown、Jack Clark、Jared Kaplan、Sam McCandlish 和 Christopher Olah——作为一个群体，特别有能力成为我们使命的守护者。本次发行完成前，我们将向一家有限责任公司发行一股 F 类普通股（我们普通股中的一个特殊类别），我们的七位联合创始人最初将是该公司的唯一成员（「创始人 LLC」）。

我们的 F 类普通股将有权就提交股东一般表决的事项（包括选举 T 类董事以外的董事）投总计等于我们已发行股本总表决权 50.1% 的票数。

董事会治理

有关我们业务和事务的决策由我们的董事会作出。本次发行完成前，我们将与 LTBT 和创始人 LLC 签订一份股东协议（「股东协议」），根据该协议，双方将同意表决其股份并采取其他行动，以落实我们治理文件中所述的董事会组成、董事提名和董事罢免条款。LTBT 和创始人 LLC 合计将有能力选举我们董事会的所有成员。无论董事由哪一类或哪些类别股票选举产生，董事可任职的届数没有限制。

虽然 LTBT 通过其通常有权选举和罢免董事会多数法定成员的能力对我们的董事会具有重大影响力，但 LTBT 和受托人均无权参与公司日常管理或战略制定。LTBT 的角色是选举能够胜任的董事，以进一步负责任地平衡股东的财产利益、受我们行为重大影响者的最佳利益和公司宗旨，并通过建议和指导支持我们管理层的决策。

创始人 LLC 也将通过表决我们的 F 类普通股对我们的业务和事务产生重大影响，该股份有权就提交股东一般表决的事项（包括选举 T 类董事以外的董事）投总计等于我们已发行股本总表决权 50.1% 的票数。

更多信息请参阅标题为「风险因素——与我们的治理结构相关的风险」「我们的治理结构及其目标」「管理层」「特定关系及关联人交易」以及「股本结构说明」的章节。

特定术语定义

以下是本招股说明书中使用的某些缩写、首字母缩略词及术语的定义：

"agent loop"（智能体循环）指一种迭代循环：AI 智能体接收任务，采取行动（如规划项目、运行代码或调用工具），观察结果，并决定下一步操作，该循环不断重复，直至任务完成。智能体循环是智能体 AI（agentic AI）行为的核心执行模式。

"agentic AI"（智能体 AI）指能够在不同自主程度下规划、确定并编排行动、并执行这些行动以实现既定目标的 AI 系统，包括代表用户与外部工具、服务、数据集及环境进行交互。

"AI"（人工智能）指一种基于机器的系统，该系统从数据中学习或接受训练，并针对明确或隐含的目标、以不同程度的自主性处理数据，以推断模式、生成输出（如预测、内容、推荐和决策），并对物理或虚拟环境采取行动。

"AI accelerators"（AI 加速器）指为预训练、后训练、优化及运行 AI 模型所需的大规模计算而专门制造或改造的处理器。在处理 AI 工作负载方面，这类处理器比通用处理器显著更高效、更快速。

"API"（应用程序编程接口）指一种标准化接口，允许外部软件以编程方式访问系统的功能。AI 模型提供商可提供 API，使软件开发者能够向 AI 模型发送输入并接收输出，从而将模型集成到软件开发者的产品和工作流程之中。

"Applied AI"（应用 AI）指一门学科及组织职能，专注于将 AI 能力直接嵌入生产业务环境，以满足特定客户需求。应用 AI 团队（包括前置部署工程师）与企业合作，设计并部署定制解决方案、专门化工作流程，以及针对客户自身系统和流程量身定制的领域特定实施方案。

"closing the loop"（闭环迭代）指一种开发循环，即 AI 模型的后续版本协助构建下一个版本，目标是随着时间推移实现能力提升的复合式增长。

"compute"（算力）指用于训练和运行 AI 模型的计算处理资源，包括但不限于部署于数据中心或其他物理计算环境中的专用 AI 加速器、内存、网络、存储及电力系统。

"compute multipliers"（算力乘数）指训练和推理领域的算法及方法论改进，可提升给定数量算力的有效产出。

"computer use"（计算机操作）指一种 AI 能力，允许模型观察图形用户界面并与之交互（如点击、键入及导航应用程序），其方式与人类操作员类似。

"Constitutional AI"（宪法式 AI）指使用一套书面原则训练 AI 模型的方法，我们将这套原则称为 Claude 宪法（Claude's constitution），目前围绕四项优先事项组织：广泛安全、合乎广泛伦理、符合我们的准则，以及真正有用。在宪法式 AI 方法下，我们的模型依据这些原则评估、批判并修订自身的回应，使我们能够通过可审计的原则来定义和控制模型行为，而非仅依赖固定的基于规则的指令或人工审查者。

"context window"（上下文窗口）指 AI 模型在单个请求中可处理的最大文本、代码或其他内容量（以词元计量），涵盖指令、先前对话历史、用户输入以及模型的输出。

"CSP"（云服务提供商）指拥有并运营大规模云计算基础设施、提供按需算力、存储及联网服务的技术公司。CSP 还可充当分销渠道，AI 产品和服务经由该渠道提供给客户。规模最大的 CSP（有时称为超大规模云厂商）在全球范围内运营，拥有庞大的基础设施和较高的市场集中度。

"customer"（客户）指使用我们的模型、平台或应用程序的个人专业用户（prosumer）或组织。

"customers with $100,000 or more of revenue on a TTM basis"（TTM 收入 10 万美元或以上的客户）、"customers with $1 million or more of revenue on a TTM basis"（TTM 收入 100 万美元或以上的客户）与 "customers with $10 million or more of revenue on a TTM basis"（TTM 收入 1,000 万美元或以上的客户）分别指在截至计量日的过去十二个月（"TTM"）期间贡献收入等于或超过相应金额的客户。就本指标而言，我们将客户定义为一个独立的组织，即根据内部记录和可用数据，将我们判定属于同一组织的账户予以归集后加以识别。我们并未单独定义或在内部追踪"企业"（enterprise）客户类别，我们的客户在内部也并非参照某一客户是否为"企业"进行细分或计量。由于在我们的产品上支出 10 万美元或以上通常是组织使用而非个人使用的特征，我们在本招股说明书中以 TTM 收入 10 万美元或以上客户的数量及其收入作为企业采用及参与 Claude 情况的衡量指标，包括在提及"企业客户"（enterprise customers）和"企业采用"（enterprise adoption）之时。

"frontier AI"（前沿 AI）指在能力和安全性方面处于当前最前沿的 AI 系统，在广泛任务范围内表现达到或接近现有系统的最高水平。

"hallucinations"（幻觉）指 AI 模型以貌似确信的方式生成事实性错误或虚构信息的输出。

"inference"（推理）指经训练的 AI 模型处理输入并生成输出的过程。每当用户或智能体与 AI 系统交互时，均会发生推理。

"interleaved thinking"（交错思考）指一种能力，即 AI 模型在单次回应内的连续工具调用之间插入离散的推理步骤，而非将推理局限于起始的单一规划阶段。

"interpretability"（可解释性）指针对 AI 模型如何以及为何产生特定输出的研究，其目标是使模型行为更加透明且可验证，尤其是在高风险应用中。

"knowledge work"（知识型工作）指复杂的认知工作及相关专业活动，包括通过编码、起草分析、综合研究成果、构建财务模型以及管理与自动化文档及工作流程等任务，来获取、生成、分析和传达信息。

"LLMs"（大语言模型）指主要在大型数据集上训练、以理解和生成自然语言及计算机代码的 AI 模型。

"mechanistic interpretability"（机制可解释性）指可解释性研究的一个分支，专注于对神经网络内部计算进行逆向工程。机制可解释性并非仅凭输入和输出推断模型行为，而是力求识别模型内部引发特定行为的特征与回路，其目标是使模型推理在机制层面可被审计，并检测在标准测试中可能不会显现的失效模式，包括欺骗性或不安全的行为。

"model weights"（模型权重）指对经训练 AI 模型的行为进行编码的数值参数，是前沿 AI 开发商的主要知识资产，体现了在算力、数据和研究方面的累计投入。

"multi-agent orchestration"（多智能体编排）指一种架构，其中多个 AI 智能体就同一共享任务进行协作，由一个智能体负责协调，其余智能体并行执行子任务，从而能够完成单个智能体无法独立完成的更复杂、更长周期的工作。

"Net Revenue Retention"（净收入留存率）反映截至某一计量日客户的扩张、收缩及流失情况。我们以合格客户（Qualified Customers）的当期（Current Period）收入除以其基期（Base Period）收入来计算净收入留存率。合格客户指在基期至少有 1 美元收入的客户，但不包括 Claude Pro 和 Max 订阅计划的订阅者，因为此类固定价格订阅无法反映本指标旨在捕捉的扩张与收缩行为。基期指截至计量日一年之前的三个月。当期指截至计量日的三个月。

"open-weight"（开放权重）指其经训练的模型权重（即对模型习得行为进行编码的数值参数）已公开发布的 AI 模型，允许第三方在该模型许可条款的约束下下载、运行和修改模型，但不必然提供对底层训练数据或代码的访问权限。

"pay-for-intelligence"（按智能付费）或 "consumption"（按用量计费）指我们的收入模式：客户就其对我们智能服务的使用量付费，该使用量以词元计量，并按所选模型定价。

"persistent"（持久化）在 AI 应用语境中，指表示在单个操作、会话或交互边界之外持续保留的数据、状态或上下文，其在后续步骤、会话或工作流程中保持可访问以供复用，而无需重新初始化。

"post-training"（后训练）指应用于预训练模型以优化其行为的一系列技术，包括强化学习、监督优化方法及其他对齐方法。后训练是完成使前沿模型变得有用、准确且安全这一大量工作的阶段，其中包括安全与对齐技术的应用。

"pre-training"（预训练）指训练 AI 模型的初始阶段。在该阶段，模型通常通过预测序列中的下一个词元，从文本、代码及其他数据的大规模数据集中学习通用模式与表示。预训练的输出是一个具备广泛能力、但尚未针对任何特定部署场景进行适配的基础模型。

"primitives"（基础构件）指软件系统的基础性、模块化构建单元，更复杂的应用程序和工作流程由其构建而成。

"prompt injection"（提示词注入）指一种对抗性技术，将恶意指令嵌入 AI 模型被要求处理的内容（如网站、文档或工具输出）之中，旨在覆盖或操纵模型的预期行为，且通常在用户不知情的情况下实施。

"prosumers"（个人专业用户）指订阅 AI 工具以从事知识型工作的个人用户。

"reinforcement learning"（强化学习）指一种机器学习方法，模型通过采取行动、接收称为"奖励"的反馈信号，并调整自身行为以最大化其随时间累积的奖励，从而学会执行任务。在当代 AI 开发中，强化学习被广泛用于在预训练之后优化模型行为，包括提升有用性、准确性以及对安全准则的遵循程度。

"RLHF"（基于人类反馈的强化学习）指强化学习的一种具体形式，由人类评估者对模型的回应进行评分，这些评分被用作引导训练的奖励信号。

"Run-Rate Revenue"（年化收入）是一项运营指标，指截至某一计量日我们收入创造活动的估计年化价值，计算方法为：(i) 我们在截至计量日的过去 28 天期间的按用量计费收入乘以 13，与 (ii) 我们截至计量日的月度订阅费总额乘以 12 之和。就年化收入的计算而言，按用量计费收入与订阅费收入均源自客户使用量及有效订阅。

"SIs"（系统集成商）指第三方技术与专业服务公司，其通过将来自多家技术供应商的产品和服务组合为针对客户需求量身定制的统一系统，为客户设计、构建并部署集成解决方案。

"tokens"（词元）指 AI 模型将其所处理数据（包括文本、图像、音频和视频）转换而成的数值单元，其数量因所应用的模型和分词器而异。词元是语言模型最小的独立单元，可对应于单词、子词、字符或字节。分词器（tokenizer）是模型的一个组件，它将客户输入转换为模型所处理的词元序列，再将处理后的词元转换为客户提供给客户的输出。