如果大模型也信星盘，这个月可能是Anthropic和OpenAI的水逆月。
市场上对Token账单的质疑和抱怨一拨接着一拨。
7月12日，微软CEO萨提亚·纳德拉发了一篇长文。他说，企业用AI要付两笔账。一笔是明面上的Token费用，另一笔则是企业宝贵的知识，每一次让AI处理内部代码、分析业务数据、优化工作流程，企业都在把自己最值钱的东西交给模型公司。
”当你消费智能时，你也在创造智能。”纳德拉说，企业的内部经验和知识资产，逐渐变成模型公司的Token收入与模型能力。
微软可是OpenAI最大的外部投资人，三年里投了130多亿美元。微软最重要的产品Office里面的AI功能，背后跑的就是OpenAI的模型。但在OpenAI冲刺万亿美元IPO的关键时候，纳德拉公开说，担忧企业知识被模型供应商拿走。
纳德拉的批评还算克制。全球最大的AI应用公司之一Palantir的CEO Alex Karp就没这么客气了，他在接受CNBC的采访里直接对准Anthropic和OpenAI开炮，称它们的商业模式有严重问题。企业在为”不创造任何价值的Token”买单，还可能“无脑”把自己的数据、模型和竞争优势一并交出去。他还特地给这种现象起了个颇有讽刺意味的名字：Tokenmaxxing（Token最大化）。
紧接着，Kimi K3登场，总参数2.8万亿，是全球首个开源的3万亿级别模型。
在Arena的前端编程榜上，K3以1679分位列第一，超过Claude Fable 5和GPT-5.6 Sol。在Artificial Analysis的榜单上，Kimi K3只比Fable 5低了3分。
K3以1679分位列第一
这个来自中国的开放权重模型进入全球能力第一梯队，也把质疑从算力市场烧到了模型公司身上。
AI圈知名的怀疑论者Gary Marcus直接讲，在中国模型崛起的背景下，他很难想象Anthropic能以万亿美元估值上市，OpenAI想来就更困难了。
挨骂归挨骂，收入照样爆炸。
大骂闭源模型的Karp刚和英伟达宣布一项新合作。两家一起推了一套企业AI部署方案：英伟达出开源模型和硬件，Palantir出部署平台，企业在自己的机房里就能跑AI，不需要把数据交给Anthropic或OpenAI。
如果Karp说得对，企业不满久矣，替代方案也有，大模型公司的收入应该在下滑才对。
可Anthropic的收入曲线，讲了一个完全相反的故事。
2024年1月，Anthropic的年化收入约为1亿美元。2025年1月，这个数字升至10亿美元。2026年1月达到140亿美元，一个季度后涨到300亿美元。到了7月，已经超过600亿美元。
2年多的时间，600倍。而在此前，创下软件行业最快增长纪录的，是谷歌。当年谷歌靠搜索广告从4亿美元做到60亿美元，用了三年。
驱动这场增长的是一个叫Claude Code的AI编程工具，它在2025年中上线，不到一年占了GitHub全平台7%的代码提交量。Anthropic超过65%的收入来自企业用AI写代码。
过去，写代码是程序员每天在做的工作，Claude Code接手了其中一部分。
Uber的CEO说公司10%的代码现在由AI编写，以前这些代码由程序员完成，企业付的是程序员的工资。现在同样的工作由AI来做，这笔钱就流向了Anthropic。
模型公司的收入，从旧账本里长出来。
钱没有消失，只是换了收款人。
企业用AI写代码省下来的，是过去要支付给程序员的工资，类似的变化也在客服、设计、营销、咨询和数据分析中发生。原本以工资、外包费和软件服务费存在的支出，开始以订阅和推理费用重新出现。
AI大模型公司的第一桶金，很大部分来自预算迁移。
而十几年前移动互联网时代，苹果做了App Store，独立开发者第一次有了面向全球用户的渠道，赚到了以前赚不到的钱，每个人都比以前过得更好，整个蛋糕变大了。
如今的AI生意，蛋糕没有变大，只是被切给了模型公司。
这听起来，只是一门替代性生意。
一门替代性生意能做多大，取决于它能替代多少人力成本。全球知识工作者每年的薪资总额大约在二十万亿美元的量级，拿Anthropic六百多亿的ARR来算一下，目前看，这个收入距离这个上限还很远。
但要命的是，这个替代性生态有一个自我消耗的结构。
模型今天的进步，离不开人类专家提供“燃料”。这些“燃料”就是企业在使用模型过程中，不断产生的提示词、反馈、评测数据和纠错记录。
譬如，一个程序员在Claude Code里敲下”这段逻辑不对，应该先检查边界条件”，这句纠错就成了模型下一次训练的养料。一个产品经理在Claude里反复修改一份需求文档，每一次修改都在教模型什么叫”好的需求”。
模型变得更好的过程，依赖的是人类用户持续输入判断力。
但生成这些反馈的，恰恰是模型正在替代的那些人。
所以如果以后程序员越来越少，高质量的代码反馈就越少。产品经理越少，高质量的需求纠错就越少。人类实践越来越少，模型可供学习的新经验同样可能变少。
换言之，企业用AI替代人力的速度越快，模型能从企业吸收的经验就衰减得越快。
AI每替代掉一个知识工人，这门替代性生意的上限就会矮一截。
如果只是替代，那岂不是一眼就望到头了？
PwC发布的2026年全球AI就业报告提供了一些积极信号：通过分析27个国家超过10亿条招聘广告发现，AI曝光度最高的公司反而在更快地招人和涨薪，人员增长率高了16个百分点，薪资增长快了42%。
也就是说，如果AI只是一门纯粹的替代性生意，用AI用得最多的公司应该在裁人才对，但数据告诉我们的是，这些公司的人员在扩张。
AI很有可能正处在”先替代、后创造”的阶段。
其实互联网也经历过类似过程。早期互联网革命是替代性的：电子邮件替代了信件，电商替代了线下零售，网络新闻替代了纸媒。但没有人在1998年能预见社交媒体、共享经济和移动支付这些全新市场的出现。互联网最终创造的新市场，远比它替代的旧市场大得多。
AI要走到这一步，它需要产生过去成本高到无法提供的个性化服务，孕育一批真正的AI原生产品，只有新增收入持续大于被替代的收入，AI才算做出了一块新蛋糕。
万亿赌注，等得起吗？
Anthropic六月秘密提交了上市申请，最新估值已经达到9650亿美元，距离万亿美元只差临门一脚。OpenAI筹备上市时，市场讨论的同样是接近万亿美元的定价。
资本市场押注的，是AI将创造大量全新的需求、产品和市场。未来的模型公司会像移动互联网时代的苹果一样，站在一片新经济的入口处。
但问题是，互联网从替代旧渠道走向创造移动经济，用了将近十年。Anthropic和OpenAI的高估值却不是按十年定价的。资本市场愿意给AI多少时间？
同时A家和O家还面临一个更迫切的生死命题。
万亿估值数字背后有一个核心假设：闭源模型能持续领先。
过去几年，闭源模型的优势来自一个数据飞轮：用户越多，使用数据越多，模型训练得越好，又吸引更多用户。但随着Kimi K3、DeepSeek这样的开放权重模型已经追到了九成以上的水平，在编程基准测试上能和闭源旗舰模型正面硬刚。
模型能力一旦不再稀缺，客户就有了新的选择，可以在多家模型之间分散使用。没有哪家实验室能再独占足够多的使用数据来维持决定性的领先。飞轮一旦减速，领先就不再是自我强化的护城河，而是一场需要不断砸钱训练新模型的消耗战。
投资者又能否忍受这个过程中持续攀升的资本开支、推理成本和亏损？
一场真正伟大的技术革命，到最后应该是增量的。它不只是把已有的工作做得更便宜，它还会创造出今天完全不存在的市场和工作。
移动互联网做到了。AI能不能做到，是这场万亿赌注背后真正的问题。
-END-
获取更多AI非共识！