最近，Anthropic 正式向美国 SEC 递交 S-1 招股书、冲刺纳斯达克上市，正在成为全球 AI 产业的一道分水岭。

这家成立仅 5 年的公司，带着上半年 162.86 亿美元营收、逼近万亿美元的估值预期，成为全球首个登陆二级市场的前沿大模型标的。

它的巨大成功，其实也释放出了另一个值得大家注意的信号：大模型行业的估值逻辑，已经彻底从 " 技术参数叙事 " 转向 " 经营结果兑现 "。

01  万亿估值的新锚点

两年前，评判一家大模型公司，核心指标是参数规模、基准跑分、训练算力。资本愿意为 " 技术领先性 " 付溢价，哪怕公司还没规模化收入。

但 Anthropic 的招股书把二级市场的新定价标准：高粘性、高客单价的企业级收入，才是撑起超高估值的核心支柱。

数据显示，Anthropic2026 年上半年营收 162.86 亿美元，同比增长约 13 倍；超过七成核心收入来自年付费 10 万美元以上的企业客户，企业级编程工具 Claude Code 与企业 API 是拉动增长的双引擎。

年化经常性收入从 2025 年末的约 90 亿美元，一路攀升至 2026 年中的数百亿美元量级，成为机构测算估值的核心依据。

这和早期 AI 公司的估值逻辑形成鲜明对比。

过去一级市场给大模型定价，看的是 " 技术壁垒 + 想象空间 "，市销率可以突破传统行业的所有框架；

进了二级市场，投资者开始用成熟企业软件的标准审视 AI 公司——收入增速能不能持续、客户留存有多高、付费粘性有多强、能不能从单点工具渗透到核心业务系统。

说白了，二级市场不再为 " 最强模型 " 买单，而愿意为 " 最能帮企业赚钱的模型 " 付溢价。

Anthropic 能在亏损扩大的背景下依然拿到万亿级估值预期，本质就是资本市场认可其 ToB 商业化的确定性。

02  效率悖论

但产业落地的现实，远没有财务数据看起来那么美好。

麦肯锡 2026 年全球 AI 调查揭示了一个普遍存在的 " 效率悖论 "：80% 的受访企业员工认为 AI 提升了个人生产率，但仅有 37% 的企业表示 AI 对息税前利润产生了正面贡献，且这一比例与 2025 年基本持平。

个人效率上去了，企业整体利润没跟上，这正是当前产业 AI 转型的核心痛点。

背后的原因，远不止一个。

很多企业的 AI 部署停在单点工具层面：客服拿 AI 做问答、销售拿 AI 写话术、生产拿 AI 做质检，应用彼此割裂，数据不通、流程不连，局部效率提升传导不到经营端。

更关键的是，多数 AI 项目由技术部门主导，没和收入增长、成本控制、利润改善这些核心经营目标绑定，最后变成了 " 看着亮眼、却算不出价值 " 的盆景式试点。

传统 AI 服务模式的局限也慢慢显现，单纯卖模型 API 只能提供基础智能，适配不了企业的专有业务逻辑；标准化 Agent 大多局限在轻量单点任务，处理不了复杂的生产决策；传统 IT 集成商又缺乏对前沿 AI 能力的深度理解，很难完成从技术到业务的融合。

所以现在企业对 AI 的期待开始改变，早期采购 AI，是为了提升局部环节效率；现在采购 AI，目标直指经营结果——能不能帮我多卖货、降成本、提利润。

这种需求变化，又放过来直接重构了 AI 公司的竞争壁垒：比的不再是谁家模型参数更大，而是谁能真正理解企业业务逻辑，谁能把 AI 落地成可验证的经营成果。

03  二级市场的价值标准

估值逻辑一切换，国内大模型行业也开始阵营分化。

一部分玩家仍在加码超大参数模型的技术竞赛，想靠技术优势抢市场；

另一批头部公司已经主动调头，转向产业 AI 转型，提前对接二级市场的估值标准。

零一万物是其中转型路径比较清晰的代表。

这家由李开复创办的公司，2023 年靠开源 Yi 系列大模型在全球打响知名度，却在 2025 年初主动退出超大参数基模竞赛，把战略重心全面转向产业 AI 转型，定位 " 企业 AI 转型服务商 "。

和单纯做行业模型精调或外围助手不同，零一万物搭了一套完整的 AI 转型操作系统：

以 " 一号位工程 " 推动企业从经营目标出发做 AI 转型，避免技术和业务脱节；以自主研发的万策 AI 平台为技术基座，通过企业本体、多智能体协作打通企业分散的数据与业务流程；再通过 FDE 前沿部署工程师团队深入业务现场，完成技术到经营成果的转化落地。

据说，目前相关方案已在制造、能源、金融投资等多个头部客户场景落地验证。

近期，零一万物获得杭州市、临平区两级国资数亿元联动投资，总部正式落地杭州临平区，并打造产业 AI 转型基地。

这笔融资正卡在其 Pre-IPO 战略布局的关键阶段。按规划，公司设定了 2026 年订单额 15 亿元、2027 年完成 IPO 的目标。

这种从技术向产业落地的转型路径，本质上是在主动匹配新的估值逻辑，用可验证的企业经营价值，替代单一的技术叙事。

其实这并非个例。

国内多家头部大模型公司都在 2026 年加大了 ToB 业务投入，从卖 API、卖模型，转向提供行业解决方案与转型服务。

这背后共识都是一致的，单纯的技术优势撑不起长期估值，只有跑通商业化、证明收入质量与增长确定性，才能在未来的 IPO 中获得二级市场认可。

04  下半场定价权

Anthropic 的 IPO，标志着全球大模型行业正式进入"价值兑现期"。

对所有冲刺二级市场的 AI 公司来说，接下来的估值考核只会更务实、更苛刻。

未来二级市场认可的 AI 公司，需要跨过三道门槛：

第一是收入结构，企业级收入占比足够高，且以长期订阅、深度合作为主，而非零散的单次调用；高客单价、高留存率的大客户，远比分散的 C 端流量值钱。

第二是规模化能力，能把头部客户的深度定制经验，沉淀为可复用的平台能力与标准化产品，在持续创造客户价值的同时降低交付成本，摆脱 " 项目制 " 的增长瓶颈。

第三是价值可量化，能清晰证明 AI 对企业经营的实际贡献——提升了多少营收，还是降低了多少成本，最终体现在客户财务报表上，而不是停留在 " 提升效率 " 的模糊表述。

从技术竞赛到商业兑现，AI 行业的下半场已经开启。

曾经资本为 " 模型有多强 " 买单，未来市场只为 " 价值有多大 " 定价。

那些真正能深入产业核心、帮企业改写经营结果的 AI 公司，才会成为下一轮估值周期的主角。

格隆汇声明：文中观点均来自原作者，不代表格隆汇观点及立场。特别提醒，投资决策需建立在独立思考之上，本文内容仅供参考，不作为实际操作建议，交易风险自担。