2026 年 5 月 20 日，三件事挤在同一天。
SpaceX 向 SEC 公开提交了 S-1 招股书，目标估值 1.75 万亿美元，6 月 12 日在纳斯达克挂牌。华尔街日报独家报道 OpenAI 最快本周五提交 confidential filing，9 月上市。而 Anthropic 的年化营收已经超过了 OpenAI——Axios 在 4 月的专栏里写下了 $300 亿对 $250 亿这个数字，Counterpoint Research 的数据进一步印证了 Anthropic 以 31.4% 的全球 LLM 营收份额位居第一。
三家公司总估值加起来超过 3.5 万亿美元。这将是公开市场历史上最大规模的技术公司集中上市。媒体叙事集中在”谁先抽干资金池”，但这个叙事漏掉了一个更深的问题：这三份招股书不是三家公司竞争故事的终点——它们是整个 AI 行业被迫向公开市场交出的三份答卷。答卷上的问题不是”你能赚多少钱”，而是”你赌 AI 的终局长什么样”。
AI 行业过去三年的核心信仰可以用一句话概括：更多的算力等于更好的模型。这个信仰支撑了从 GPT-3 到 GPT-5 的每一次跃迁，也支撑了各大实验室不断打破融资纪录。但进入 2026 年之后，证据开始指向另一个方向。
在标准基准测试上，模型之间的差距正在急剧缩小。Stanford HAI 的 2026 AI Index 显示，MMLU-Pro 上排名前 15 的模型分差已不到 5 个百分点。独立的基准测试平台 LLM Stats 发现，14 个主流测试中有 8 个已经”饱和”——顶级模型的表现接近天花板。Kilo AI 做了一个直接对比：让 GPT-5.1、Gemini 3.0 和 Claude Opus 4.5 做同样的真实编程任务，结果几乎平手。
与此同时，推理成本在以每年 10 倍的速度下降。GPT-4 级别的性能在 2022 年底的价格是每百万 token $60，到 2025 年底已经降到 $0.40。a16z 的分析直言”智能正在变得太便宜以至于无法计量“。如果这个趋势继续，那么单纯靠”我有更好的模型”来建立护城河的逻辑会越来越难成立。
这些信号加在一起，指向一个正在发生的行业分裂：从一条单一的 Scaling Law 曲线，分裂成三条同时运行的轨道——预训练仍然重要但不是唯一的驱动力，RL 后训练和推理时计算正在接过增长接力棒。
Ilya Sutskever 在离开 OpenAI 后公开说了一句被反复引用的话：“2010 年代是 Scaling 的时代，现在我们已经重新进入了发现和探索的时代。” Sebastian Raschka 在 Ahead of AI 上系统性地梳理了推理时计算的几个分支方向，并引用了今年 2 月的一篇论文：一个 10 亿参数的模型配上推理时计算，可以超过一个没有推理时计算的 4050 亿参数模型。
这个范式转移在三家公司的资本开支上留下了完全不同的痕迹。
OpenAI 的 Stargate 项目标称 5000 亿美元，实际到位的股权只有 520 亿美元，剩下 4480 亿需要债务或新融资来填补。关键是，这笔投资的时间点恰好落在行业从预训练 Scaling 向多轨范式过渡的拐点上。如果推理时计算和 RLVR 成为未来能力跃迁的主要引擎，那么 Stargate 这一批为”把模型训得更大”而建的算力中心，就可能成为这个行业第一批”搁浅资产”。这不是在赌算力够不够用——是在赌能力跃迁的物理路径有没有走对。
Andrej Karpathy 的选择为这个赌注提供了一个精确的注脚。5 月 19 日——Musk 输掉诉讼的第二天——Karpathy 宣布加入 Anthropic 的预训练团队。他的具体任务是组建一个新团队，用 Claude 来自动化 Anthropic 自己的预训练研究。这是一个递归式的命题：用 AI 来建造更好的 AI 的建造工具。他在 2025 年底的年终回顾中明确写道，RLVR（可验证奖励驱动的强化学习）是 2025 年驱动最大能力跃迁的技术路径，实验室正在把计算资源从预训练重新分配到 RL 优化上。
他不是在说”预训练死了”。他是在说预训练需要被重构——从堆更多 GPU 和更多互联网语料，转向 AI 辅助的数据精编、自动化研究和效率优化。他选择 Anthropic 而不是 OpenAI，暗示他认为 Anthropic 对这套新方法论的投资更彻底。
Anthropic 的营收增速是美国企业史上最快的。它从 2025 年底的 $90 亿年化营收，用四个月跑到了 $300 亿。管理层告诉投资者的指引已经更新：盈利可能从 2028 年提前到 2027 年。The Information 的分析认为今年年内年化营收可能触及 $1000 亿。
这个增速很大程度上来自企业客户的深度绑定。KPMG 和 Anthropic 宣布了一项全球合作：Claude 被嵌入 KPMG 的 Digital Gateway 平台，27.6 万员工全员接入。PwC 在认证 3 万名专业人员使用 Claude。高盛的工程师已经在和 Anthropic 联合开发用于交易对账、客户准入和合规流程的 AI Agent——不是试点，是嵌入银行的运转体系内部。ServiceNow 把 Claude 设为其 Build Agent 的默认模型，这个 Agent 在 ServiceNow 每年 800 亿个工作流的平台上运行。超过 1000 家企业客户每年在 Claude 上的消费超过 $100 万，这个数字在两个月内翻了一倍。
这些数字讲述的是一个企业级锁定的故事——一种试图复制 Salesforce 或 SAP 那种”一旦接进去就很难拔出来”的深度集成。Anthropic 同时在 AWS、Google Cloud 和 Microsoft Azure 上部署，训练混合使用 Trainium、TPU 和 Nvidia GPU。多平台策略本身也给企业客户传递了一个信号：你不会被绑在单一供应商的生态里。
但这里有一个关键的反例。
a16z 在一篇分析中记录了这样一个现象：随着 Agentic 工作流的兴起，企业确实在提示词工程和护栏设计上投入了大量资源，也让它们更不愿意切换模型供应商。但同一篇文章也记录了一家企业的真实反馈：“换模型是一个工程量很大的工作，但正因为如此，我们一开始就在设计灵活的多模型架构。”
ServiceNow 既是 Anthropic 的标杆客户，也是这个矛盾的缩影。它把 Claude 设为 Build Agent 的默认模型——但同时也和 OpenAI 保持着语音和通用自动化领域的合作。Snowflake 签了 $200M 的 Anthropic 大单，同时也没有放弃 Google 的 Gemini。大企业在有意避免把赌注压在单一供应商身上。
这就形成了一个张力。Anthropic 的营收在飙升，客户在深度集成，但集成的底层架构被有意设计成可替换的。这不是 SAP 那种”你换不掉我的数据库”的硬锁定。这是一种软锁定——切换成本真实存在，但不像传统企业软件那样不可逆转。而推理成本每年下降 10 倍的现实，意味着竞争对手随时可以用”你一半的价格给你差不多的性能”来打破这种锁定。
三家公司在这个赌注上的位置不同。Anthropic 押注企业深度集成可以对抗模型商品化。OpenAI 押注消费端品牌和分发——ChatGPT 有 9 亿周活跃用户——并且正在用广告 beta 试图把注意力转化为可预测的收入流。SpaceX 押注物理基础设施层的稀缺性——GPU 集群、轨道算力、发射能力——赌的是不管你用谁的模型，你都得在某个人的 GPU 上跑。
这个赌注在三家之间表现得最不对称，也最容易被误读。
Anthropic 的定位一直是”最安全的 AI 实验室”。它的公司结构是 Public Benefit Corporation，它的品牌叙事围绕着宪法式 AI 对齐和负责任的扩展政策。这套叙事在私有市场获得了溢价——投资者愿意为”安全的 AI”支付更高的估值倍数。
但今年 3 月发生了一件事，直接挑战了这个假设。五角大楼根据 10 U.S.C. § 3252 将 Anthropic 正式列为”供应链风险”，禁止国防部承包商与 Anthropic 进行商业往来。起因是合同谈判中 Anthropic 拒绝让 Claude 被用于完全自主武器和大规模国内监控。Anthropic 起诉了特朗普政府，Just Security 的法律分析认为国防部长的行动”远超其法定授权”。
与此同时，xAI 的 Grok 正在被整合进五角大楼的机密网络，国防部长公开表示这意味着”伦理束缚被拿掉了”。
这不是一个关于”国防承包商身份能否带来监管豁免”的问题。证据不支持那个命题——FTC 在 2022 年照样起诉了洛克希德·马丁。SpaceX 旗下公司获得的监管宽容，机制不是”国防承包商身份”，而是 Musk 本人与总统的个人政治联盟。当 Musk 担任政府效率部（DOGE）负责人期间，司法部撤销了对 SpaceX 的雇佣歧视诉讼，多个正在调查 Musk 公司的联邦机构的监察长被解职。这种保护是不可转移的——它附着在个人身上，不附着在机构身上。Anthropic 给 SpaceX 付算力费，不等于 Anthropic 也能享受同等的政治保护。事实证明了相反的方向。
这三家公司在同一个合规问题上下注的方式，暴露了它们对企业客户需求的不同理解。Anthropic 押注制度性合规——接受政府监管的约束，在”安全和负责任”的品牌下赢得那些同样受监管约束的企业客户（银行、律所、医院）。OpenAI 押注消费端的监管豁免——面向个人的产品受到的合规压力远小于面向企业的产品。SpaceX 押注政治捕获——靠创始人的个人关系网络来塑造监管环境，而不是靠合规部门。
这三种策略在私有市场可以并存。但进入公开市场之后，招股书上的风险因素章节会迫使每一家公司向投资者说清楚：你的合规策略在换了总统之后还成立吗？Anthropic 的安全品牌在五角大楼黑名单面前还剩多少溢价？OpenAI 的广告变现会不会触发州级隐私法案的连锁反应？SpaceX 的监管优势如果随着政治周期摆动而消失，22 亿美元国防合同有多少是真正不可替代的？目前 45 个州的议会里躺着 1,561 项 AI 相关法案，联邦层面的”轻触式”框架随时可能在政权更迭后被重写。
这三份招股书的真正分量不在于三家公司中哪家更强。它们的分量在于，公开市场第一次被要求对三个没有共识的问题给出价格。
第一个问题：AI 的能力跃迁接下来走哪条路？如果你相信更大的预训练是唯一答案，那 OpenAI 的 Stargate 是你应该买的。如果你相信推理时计算和 RLVR 将接过主力，那 Anthropic 的预训练效率化策略和 Karpathy 的加入更有吸引力。如果你相信算力本身的物理稀缺是终极瓶颈，那 SpaceX 的轨道数据中心和 GPU 集群最值钱。
第二个问题：企业客户能锁定到什么程度？如果你相信 AI 切换成本可以做到 SAP 级别——一旦接进去就拔不出来——那 Anthropic 的 1000 家百万美元客户是企业软件的复刻版，$900B 估值是合理的。如果你相信模型商品化和多模型策略会让切换成本维持在一个低位，那这些企业合同的价格弹性比你想象的大。
第三个问题：AI 的合规溢价是制度性还是个人性的？如果你相信 Anthropic 的”安全 AI”品牌在长期有不可替代的定价权，那当前的法规环境只是短期噪音。如果你相信这个行业的监管结果取决于谁在华盛顿掌权而不是谁做了更好的安全研究，那 Anthropic 的溢价是一个政治衍生产品。
这三个问题没有标准答案。但三份招股书提交之后，市场必须给出价格。这才是这三家公司挤在同一个夏天涌进公开市场的真正含义——不是它们在抢钱，是它们在被市场审判。
调研说明：本文基于 2026 年 5 月 21 日当日公开信息撰写。所有具体数字和事件均来自各公司 SEC 文件、官方声明、华尔街日报、CNBC、纽约时报、Axios、The Information、Bloomberg、Stanford HAI、a16z 等独立来源。观点部分基于对公开信息的分析判断。