產業分析

Anthropic第二季本業轉盈 高毛利能否支撐AI模型的持續研發

發布 · 更新

Anthropic公開招股書顯示,2026年第二季在扣除當季已認列的研發、人事、銷售等營業費用後,已產生約9.74億美元營業利益。這為AI模型公司的獲利能力提供了正面證據。不過,85.4%的上半年毛利率仍須負擔龐大研發,上半年合計也尚未轉盈。後續關鍵是收入能否持續支付模型更新、算力擴張及長期合約付款。

2026年10月26日,Anthropic正式公開遞交S-1招股文件,讓外界能更完整地檢視Claude背後的收入、成本與資金需求。[1][2]

文件同時呈現兩個看似矛盾的數字:2026年上半年淨虧損達807.48億美元,第二季卻已產生9.74億美元營業利益。差異主要來自營業外的金融工具重估損失;要理解生意是否成立,必須把本業、會計損益與現金流分開觀察。[2]

對AI模型公司而言,更值得關注的問題是:提供服務後留下的毛利,能不能持續支付讓模型保持競爭力的研發支出?

第二季已認列的研發費用,包含在這次營業利益計算內。 因此,這是一個比「服務有毛利」更進一步的訊號,但還需要後續季度驗證。

一 85.4%的毛利率之後 還有哪些費用

Anthropic主要損益表依算力、人事等費用性質分類;財報附註第8項則提供依功能分類的營收成本、研發、銷售及管理費用。後者有助於看清楚,營收在支付各項費用後,還剩下多少。[2]

以下為2026年上半年數字,單位均為億美元:

項目金額說明
營收162.86已認列收入,不是年化營收
減:營收成本23.80主要為服務客戶的運算成本,另含部分人事與分攤費用
毛利139.06依營收減營收成本計算
減:研究開發費用97.41模型開發、研究、內部使用運算、人事及相關費用
毛利扣除研發後餘額41.65尚須支付銷售與管理費用,不能稱為營業利益
減:銷售與行銷費用38.08包括通路成本、行銷、人事及免費服務相關運算等
減:一般與行政費用10.50包括人事、設施、法律及捐贈配比義務等
營業損益−6.93上半年合計仍為營業虧損

*來源:S-1附註第8項,文件頁碼F-40。毛利及中間餘額由IndustryAtlas依揭露數據計算。功能分類與主要損益表的費用性質分類是同一批費用的不同呈現,不能重複相加。期中財報未經審計。[2]*

依此計算,上半年毛利率約為85.4%,研發費用則相當於營收的59.8%。高毛利提供了支付研發與組織成本的空間,但毛利率本身不足以代表公司最終的獲利能力。

這也說明,為何「毛利扣掉研發仍為正」與「本業已經賺錢」需要分開。前者尚未扣除銷售、通路與管理等費用;後者應以營業利益判斷。

二 持續研發是維持競爭力的一部分

AI模型公司的研發,部分用來開拓新能力,部分則支撐既有產品持續被客戶採用。若模型更新停滯,競爭者可能在能力、成本或特定工作表現上縮小差距。

Anthropic在招股書中明確指出,開源或開放權重模型可能在部分用途取得市場,對價格造成壓力,或促使客戶轉用替代方案。公司也提醒,當較小、較便宜的模型已足以處理客戶需求,前沿模型的額外能力未必能支持較高收費。[2]

IndustryAtlas的解讀是,競爭者不必在所有能力上超越Claude,才會影響其營收。對某項工作而言,只要替代模型的表現已足夠、整體使用成本更低,就可能改變客戶的採購選擇。企業也會衡量整合、可靠性、資安與支援,因此技術差距縮小並不必然立即造成流失,卻會提高維持差異化的壓力。

這使持續研發具有兩種作用:創造新收入來源,以及維持現有服務的吸引力。分析獲利時,不能假設公司只要停止訓練下一代模型,就能長期保留目前的收入與毛利。

同樣地,也不能把每一筆現有研發費用都當成永久固定支出。不同專案的回報、效率及必要性仍可能改變;招股書沒有將「維持既有競爭力」與「開拓新領域」的研發逐項量化,現階段不宜自行推算一個確定的最低研發預算。

三 第二季轉盈 已經扣除當季研發等營業費用

上半年仍虧損,並不代表兩季的經營狀況相同。從季度損益可看到,第二季營收的增加,已超過同期營業費用的增加。[2]

項目2026年第一季2026年第二季2026年上半年
營收47.31115.55162.86
營業費用總額,含營收成本63.98105.81169.79
營業損益−16.67+9.74−6.93
營業利益率−35.2%+8.4%−4.3%

*單位:億美元;利益率由IndustryAtlas計算。來源:S-1文件頁碼148、158。季度與期中數字未經審計。[2]*

第二季的9.74億美元,是一般公認會計原則下的營業利益,已扣除當季認列的模型開發與研究相關費用,以及人事、銷售、管理等營業費用,也包含當季認列的股票薪酬。

利息收入與金融工具重估損益則列在營業利益以下。因此,這項本業轉盈並非依靠現金利息收入,也不是把研發費用排除後才得到的調整數字。[2]

較精確的判斷是:Anthropic在2026年第二季,已能以當季營收支付當季已認列的完整營業費用,並留下約8.4%的營業利益。

這為AI模型服務的商業可行性提供了實際證據。它也比「未來只要規模夠大就會賺錢」更具體,因為收入超過已認列營業費用的情況已經發生。

但這個結論的適用期間是第二季。全年是否獲利、下一輪模型研發與算力交付後能否維持利潤,仍需後續資料。公司也指出,新增算力交付及相關費用認列,會讓季度營運結果波動。[2]

四 巨額淨虧損與營業利益 為何可以同時存在

2026年上半年807.48億美元淨虧損中,723.88億美元來自可轉換票據、衍生負債及其他融資工具的公允價值變動。招股書說明,這些變動主要受到公司估值提高影響;另有其他非現金金融工具費用。[2]

因此,淨虧損不能直接當成當期現金消耗。第二季也可能同時出現本業營業利益與帳面淨虧損。

不過,非現金費用仍可能與股權稀釋、融資條件及股東權益有關。評估本業能否賺錢時,應優先看營業損益;評估普通股股東取得的回報時,則仍須納入這些融資工具的影響。

五 營業利益轉正之後 還有算力擴張的現金需求

截至2026年6月底,Anthropic持有約1,316.51億美元現金、約當現金與短期投資。上半年營業活動現金流為正39.29億美元,顯示營運收付款已有改善,但也受到客戶收款、供應商付款及營運資金變動的影響。[2]

六月底資金部位不能直接當成十月底餘額;更不能把當期營業利益,視為足以支付所有未來投資的證明。

Anthropic正增加專用資料中心與直接租用設備等安排。公司預告,這類投資需要在算力可用前先支付資金,並預期相關建置將在可見未來造成大量營業及投資活動現金流出,即使財務績效改善,也可能增加現金需求。[2]

另一個風險來自收入與支出的調整速度。上半年約80%的營收按使用量計費,許多算力合約卻有多年最低付款承諾。若客戶減少使用,收入可以迅速變動,支出未必能同步縮減。[2]

本次初始公開版本中,部分最新承諾總額及逐年付款彙總仍留白;附註雖已揭露多項合約與後續事項,尚不適合把不同範圍的金額直接相加,據此斷言公司已能負擔全部長期擴張。

六 對AI產業鏈的意義 是終端付費能力獲得更多證據

從產業鏈角度,Anthropic第二季營業利益轉正,支持了一個重要判斷:至少在這個期間,終端客戶付費已足以支付模型公司的當期服務、研發與其他營業費用。

這比只看到晶片或伺服器訂單增加,更接近AI商業化能否持續的核心。模型公司若能穩定產生營業利益與現金流,上游算力需求就更有機會由經營收入支撐。

不過,這仍是一家公司的單季證據,無法直接代表所有AI業者,也不能據此判定整體資料中心投資規模都合理。供應鏈需求還取決於新增合約、設備交付、利用率與後續融資;公司有獲利能力,也不代表任何IPO價格都合理。

IndustryAtlas的觀察重點

這份招股書讓Anthropic的獲利路徑更具體。高毛利提供支付研發的空間,而第二季營業利益轉正,進一步證明公司曾在負擔當期已認列研發等費用後,仍能留下利潤。

目前較合理的評價,是AI模型公司的商業可行性得到更強證據,但長期自給自足仍需驗證。 判斷的重心應從單看毛利率,移向公司能否在持續投入必要研發後,穩定留下營業利益與現金。

本文所列億美元,由原始財報的百萬美元除以100換算。毛利率=(營收-營收成本)÷營收;營業利益率=營業利益÷營收。2026年上半年與季度資料未經審計;毛利、毛利扣除研發後餘額及百分比為依申報數字計算,非額外公司獲利指標。本文採用當日初始公開版本,後續應以S-1/A及正式財報更新。

資料來源與備註

  • 1. Anthropic,2026年10月26日,Anthropic files S-1 with the SEC for proposed initial public offering。
  • 2. Anthropic, PBC,2026年10月26日,Form S-1,SEC申報編號0001628280-26-067168。主要核對章節:
  • - Results of Operations,文件頁碼148–150;Quarterly Results of Operations,頁碼158–160。
  • - Supplemental Operating Expense Information,財報附註第8項,頁碼F-40。
  • - Consolidated Balance Sheets,頁碼F-6;Consolidated Statements of Cash Flows,頁碼F-13–F-14。
  • - Liquidity and Capital Resources,頁碼162起;Cash Flows,頁碼169起;Contractual Obligations,頁碼170起。
  • - Risk Factors中的市場競爭、較低成本替代模型、客戶用量及長期算力承諾相關段落。

回到完整供應鏈,理解文章中的角色

從投入材料、製程工作到交付內容,查看本文涉及的上下游分工。

AI 服務:模型、資料與應用整合

從語言、圖像與機器視覺三種工作出發,比較算力、資料、模型、應用與導入服務的角色。模型能力、軟體功能和部署後的成效,需要分開查核。

探索相關產業與上下游