2026 年，AI 不再只是 " 问答对话 " 的工具，开始真正 " 完成工作 "，这背后发生了一连串技术变化，从模型 Scaling 转向智能上界、推理效率、长程任务、Agent 系统。

这些变化，汇聚在 " 先行者 " 自述的字里行间。

Anthropic 有望在 9 月下旬公开招股书，智谱发布上市以来的首份中期业绩。

中美两家大模型公司都展现出 AI 商业化狂飙的一面：据彭博报道，Anthropic 年化收入已从今年年初的约 200 亿美元一路攀升至 7 月底的约 650 亿美元，并在二季度实现首次经营盈利。智谱上半年同样实现收入（+399.7%）、截止今年 8 月底 MaaS 平台用户数（+144%）大幅增长，量价齐升。

但偏偏，这两家公司都没有着墨于商业，反倒花大量篇幅解释同一件事，模型如何进入更长、更复杂、可被持续付费的工作流。

Anthropic 在各种宣传渠道都强调 Claude Fable 5.1 如何处理编码、知识工作和长时间问题解决任务，如何以更低的成本达到与 Fable 5 相似甚至更优的性能。

智谱这份中报甚至读起来像一篇技术博客：前半段是收入结构、Token 调用量、API 均价，后半段满页都是 Scaling deep、长程训练、Fully Self Training。

这背后是一个行业级判断：AI 的关键词，正在从 " 模型能力 " 切换为 " 任务交付 "，智能与成本持续突破，才能打造下一代生产力基础设施。

拐点到来，Coding 验证 AI 规模化付费需求之后

AI 应用探索了三年，最早跑通的付费场景不在陪伴、不在搜索，而在代码。

据 Menlo Ventures 估算，2025 年企业生成式 AI 支出约 370 亿美元，同比增长 3.2 倍；其中 AI Coding 支出从 2024 年的约 5.5 亿美元增至约 40 亿美元，占部门级 AI 支出的 55%。

Coding 一个场景，撑起了企业 AI 预算的半壁江山。

因此，Anthropic 旗下 Claude Code 的收入轨迹：上线 5 个月年化收入约 1 亿美元，2026 年 2 月达到约 25 亿美元，5 月约 80 亿美元，8 月已接近 150 亿美元。

同样的变化发生在智谱身上。

Coding 为什么率先跑通？因为它同时满足三个条件：任务结果可自动验证，价值可以按节省的工程师工时直接计价，工作环境天然数字化、可被模型完整接管。

代码之后，同样的逻辑正在向法律、金融、网络安全、运维等场景复制。

智谱画了一个 " 能力阶梯 " 概括这种变化：Chat → Coding → Co-work → Autonomous AI，每向上一级，任务更长、单位经济价值更高。

报告期内，智谱的重心正处在 Coding 到 Cowork 之间，已在网络安全、法律、金融等方向展开尝试。

所以，智谱和 Anthropic 到底做了什么，让商业化进程持续加速？

其实就是 AI 行业前沿正在发生的变化：以大模型能力为底，AI 应用的价值逐渐从回答问题的工具，向完成工作的基础设施进化。

但是，要把这件事做成，光有模型是不够的。

价值曲线与成本曲线：一个向上，一个向下

从 Chat 一直发展到 Autonomous AI，本质是价值密度的提升。

这一点，在 Anthropic 身上体现无疑。

据彭博报道，Anthropic 二季度收入超过 115 亿美元，首次实现约 5.59 亿美元经营盈利；收入结构约 80% 来自企业侧，年支出超过 100 万美元的企业客户超过 1000 家，财富 500 强前十中的 8 家在使用其产品。

在 AI 行业普遍以亏损换增长的阶段，这组数字的意义在于，模型进入代码库级迁移、企业 Agent、长任务工作流，客户愿意为 " 交付结果 " 支付与人力成本对标的价格。

Anthropic 在《2026 年智能体编码趋势报告》中进一步描绘了下一步：AI 编码智能体正进化为 " 智能体军团 "，长时运行智能体能够独立构建完整系统，AI 与人类将形成 " 智能协作 " 模式。

Anthropic 验证了 AI 商业化的第一条曲线——任务价值：任务链越长，Token 消耗越多，收费依据越清晰。

这条曲线的行业意义，是为整个 AI 板块提供了估值锚：当一家公司证明模型交付工作的能力可以直接折算为收入，所有沿着同一路线前进的公司都会获得重估。

智谱与 Anthropic 的相似，在财报数据之前就已经写进技术路线。

智谱 GLM 系列在约 11 个月内完成了从 4.6 到 5.3 的六代迭代，智能指数从 32 提升至 60。

2026 年上半年，智谱的收入结构发生了根本性切换：项目交付为主的收入形态已被云端调用改写，按调用计费的开放平台及 API 服务收入占比由 2025 年末的 26.3% 提升至 86.5%。

这一切换不是主动设计的结果，而是模型能力提升带来的自然演进，每解锁一个更复杂的任务场景，就多一片可持续付费的需求。

智谱把它更明确地称为 " 智能上界 "。

随着智能上界的突破，量价同步抬升。截至 8 月末，MaaS 平台 Token 调用量较年初增长超过 40 倍，其中 Coding Plan 调用量增长超过 23 倍；同期 API 平均售价提高约 101%，Coding Plan 订阅价格亦有上调。均价提升背后是任务结构的上移，高价值任务占比在提高。

价格围绕价值波动，但对于大模型企业来说，如何推广 AI 应用，实现科技普惠，还需要考虑一个关键要素：成本。价值曲线向上的同时，成本曲线也要同步向下。

今年以来，不管是 Anthropic，还是智谱，都在押注一个更重要的未来：同样的智能，如何以可规模化的成本交付。

Agent 任务会连续调用模型、搜索、代码执行和外部工具，任务价值提高的同时，Token 消耗成倍增加，这是倒逼基础设施效率持续升级的牵引力。

为此，Anthropic 依靠 Amazon、Google、Microsoft 和长期协议锁定算力供给，借助美国科技巨头的基建去获取普惠的算力。

而智谱则 All-in-Infra：以 10 万级国产芯片实现规模化低成本推理，单位 Token 推理成本较年初下降 80%，端到端服务性能提升 3 倍。管理层提到一个关键指标 " 算力乘数 "：每投入一元算力对应的开放平台及 API 收入，较去年上半年整体提升 14 倍。

从大模型智能上限，到算力基础设施效率，两条曲线同步变动，" 智能上界 × Token 消耗 " 的 AGI 商业价值飞轮才会加速转动。

AI 公司进入系统能力竞赛阶段

先有能力，再有生意。

围绕能力提升，AI 产业正在发生三个迁移。

第一是技术迁移。智谱强调 Scaling deep 和 Fully Self Training，Anthropic 推出 Fable、Mythos，行业从参数规模转向长程任务和持续反馈。

第二是成本迁移。智谱建设国产推理集群，Anthropic 锁定全球算力，模型公司同时控制能力上限和单位智能成本。

第三是商业迁移。智谱加速转向 MaaS，Anthropic 进入 Coding 和企业 Agent，AI 从提供答案转向交付工作。

这三场迁移指向一个共同点：AI 公司的竞争力，很难由某一代模型单独建立，模型、用户、任务、算力、数据需相互供给。

过去市场评判一家公司主要看模型榜单排名和 API 调用量，但 2026 年以来，单点模型优势的时间窗口越来越短，领先位置从未稳固，竞争对手数月内就能追平。能够持续领先的公司，靠的不是某一代模型的惊艳，而是一套让每一代模型都能比上一代更强的系统。

目前，智谱和 Anthropic 是行业中为数不多的把模型、Infra、任务环境和商业落地做整体设计的公司。

智谱的系统围绕三个层次搭建：算力层，10 万级国产芯片实现规模化推理，单位 Token 成本下降 80%，每 1 元算力投入对应的 API 收入提升 14 倍；数据层，Fully Self Training 让模型互评互训，GLM-5.3 与 5.2 同样架构参数，仅靠扩大后训练规模端到端完成率就提升超 50%；进化层，下一代 GLM-6.0 定位于 " 自进化 "，逐步脱离人工干预，走向自主优化路径。

Anthropic 的逻辑异曲同工：算力层联手 SpaceX、谷歌锁定大规模 GPU 供给；数据层通过 "Outcomes Loop" 和 "Dreaming" 功能让 AI 自主评估、后台试错；进化层明确提出 " 递归自我改进 "，AI 已开始协助构建下一代 AI 系统，Claude 8 帮助构建 Claude 9，速度将进一步提升。

两家公司本质上在做同一件事：建立 " 算力→模型→任务→数据 " 的闭环，让每一轮迭代都比上一轮更快、更便宜、更强。而行业未来格局，很可能就取决于哪种飞轮转得更快、更稳、更久。

此外，还有一个至关重要的因素，安全。

随着智能增强，安全与合规能力正在成为头部 AI 公司的基础设施。

Anthropic 在 8 月风险报告中强调 AI 安全贯穿研发与部署全链路，智谱则选择最敏感的能力受控开放，开源前由第三方独立评估，漏洞通过国家漏洞库披露，基准分数自己报，风险判断交给外部确认。

对 To B 生意而言，这套 " 智能 - 成本 - 安全 " 的系统，本身就是生产力方案的一部分。

2026 年，AI 产业正在孕育下一代科技公司商业模式。

Anthropic 用 650 亿美元年化收入和 Coding 场景的爆发证明任务价值曲线成立，智谱用 2736% 的 API 收入增速和成本曲线的自主可控证明规模化路径成立。

两家公司在同一张考卷上写下相似的解法，共同指向一个上升螺旋：" 更强模型→更复杂任务→更多 Token 与收入→更多训练和基础设施投入→更低推理成本与更多真实反馈→下一代模型 "。

判断 AI 公司的价值，也从此有了新的坐标：模型升级能否带来任务完成率提升，任务能力提升能否转化为调用量与价格，调用增长能否伴随单位 Token 成本下降，真实任务能否沉淀为下一代模型的训练资产。

Anthropic 上市估值最高可能达到 2 万亿美元。若最终实现，将跻身全球规模最大的 IPO 之列，届时港美股 AI 板块估值都可能重写。

AI 商业化下半场的哨声已经吹响。