INTRO你有沒有這個感覺
你用 ChatGPT 一年、兩年，記熱量、寫 email、查資料，覺得「還不錯，很方便」。
然後有一天，你試了 Claude Code。你叫它幫你分析一份資料、做成網頁、存成 MD 檔、推到 GitHub。
它真的做了。你去倒了杯水，回來的時候，工作已經完成。
那不是「更好的工具」。那是你的工作角色改變了——你從「做事的人」，變成了「指揮 AI 做事的人」。
這個轉變，現在正在全球的企業裡大規模發生。而且它的速度，讓 OpenAI 正在非常焦慮。
01一個讓人驚訝的數字
選 Anthropic（2026/4）
兩家平分
Anthropic 的份額
這個數字來自支付平台 Ramp 的企業客戶數據——企業首次採購 AI 工具，現在有 73% 選 Anthropic。來源
更驚人的是它的時間軸：
同一時期，Anthropic 的年化營收剛剛突破 $300 億美元，超越 OpenAI 的 $250 億。SaaStr 而且，Anthropic 用來達到這個成績的訓練算力，只有 OpenAI 的四分之一。New Claw Times
這不是偶然。這是 Anthropic 從創立第一天就在默默布局的結果。
02鴨子划水的五層原因
表面上看，Anthropic 只是「另一家 AI 公司」。2021 年從 OpenAI 出走，用安全優先當賣點，一開始沒什麼人在意。底下究竟發生了什麼？
從第一天就選對戰場
OpenAI 靠 ChatGPT 消費端爆紅，企業市場是後來才追。Anthropic 從一開始就是 API-first：直接和企業工程師談、合約結構針對企業採購優化、安全認證從第一版就做好。這讓他們在企業信任上早了好幾年。
Constitutional AI：讓 AI 行為可預測
企業部署 AI 最怕的不是「AI 笨」，而是「行為不可預測」。Anthropic 的 Constitutional AI 讓 Claude 對相同指令給出一致的回答。對需要合規審計的金融、法律、醫療企業，這是決定性優勢。論文
訓練成本只有競爭對手的 1/4
成本低代表定價空間大：可以用 OpenAI 難以跟進的低 API 價格搶市，毛利還更好。2030 年 OpenAI 預計燒 $1,250 億訓練算力，Anthropic 的預測是 $300 億。這個不對稱，會持續複利。來源
Claude Code 的閉合迴路
GitHub Copilot 是開放迴路——你打字，它補全，你永遠要在那裡。Claude Code 是閉合迴路：讀整個 codebase、規劃步驟、執行、看錯誤、自己修、跑測試、回報完成。這讓開發者的角色從「寫程式的人」變成「指揮 AI 的人」。Claude Code 年化營收 $25 億，九個月前才正式推出。來源
五角大廈事件意外加分
2026/2，川普政府下令聯邦機構停用 Anthropic，原因是 Anthropic 拒絕簽署「AI 任何合法用途」條款。企業界的反應卻是：這正是我想要的供應商——他們有原則，不是無底線接案。 法官形容此舉「像是試圖摧毀這家公司」。CNBC Anthropic 反而成了英雄。
03Constitutional AI：用 AI 訓練 AI
Anthropic 成本優勢的核心，是 Constitutional AI——一種讓 AI 用原則訓練自己的方法。Constitutional AI 的發明者，就是 Anthropic 共同創辦人暨 CEO Dario Amodei——他當年離開 OpenAI，核心原因正是對 AI 安全的不同看法。
Anthropic 共同創辦人暨 CEO
傳統做法（OpenAI 的 RLHF）
問題：要評更多就要雇更多人，貴、慢、評分標準不一致。
Constitutional AI 的做法
AI 輸出答案 → AI 對照憲法批評自己 → AI 修正答案
用「問題 + 最終修正答案」做訓練資料
人類只需要寫那份「憲法」，之後的評分、迭代、修正，全部 AI 自己來。擴展規模不需要雇人，只需要更多算力——而算力比人力便宜得多。原始論文
這不只是技術改變，而是哲學改變：
RLHF 訓練的 AI 是「學習取悅人類」。Constitutional AI 訓練的 AI 是「學習遵守原則」。後者的行為更一致，可以被審計，可以被質疑，也可以被社會討論修改。Collective Constitutional AI
為什麼成本只有 OpenAI 的 1/4？三層疊加
| 層次 | Anthropic 的做法 | 成本影響 |
|---|---|---|
| Constitutional AI | AI 自評，取代大量人工標記員 | 人力成本大幅降低 |
| Chinchilla 優化 | 小模型 × 高品質資料 × 充分訓練 | 推理成本同步降低 |
| 可解釋性研究 | Sparse Autoencoder 直讀神經元活化，早期發現問題 | 不需練完才發現跑偏 |
第三層最少人知道：Anthropic 有全球頂尖的「機制可解釋性」團隊，可以在訓練過程中直接看模型「內部在想什麼」，比對它說出來的話——這讓他們能早期修正，不浪費算力。Transformer Circuits
04神經元會說謊，但特徵不會——SAE 白話解釋
回到訓練成本的第三層秘密：為什麼「早期發現問題」能省這麼多算力？這需要理解 Anthropic 的可解釋性研究在做什麼。
問題：一個神經元可以代表很多事
AI 模型的神經元，本質上是多義的。同一個神經元可能在看到「香蕉」、「黃色」、「彎曲物體」時都會亮——完全不相關的概念，共用同一個神經元。學術上叫做 Superposition（疊加）。你直接盯著神經元的活化值看，根本讀不出意義。
為什麼這樣設計？因為模型需要記住的概念，遠多於它擁有的神經元數量。把多個概念疊加壓縮進同一批神經元，是一種極度高效的儲存策略——但代價是讀不懂。
解法：Sparse Autoencoder（稀疏自動編碼器）
Anthropic 的做法是不直接讀神經元，而是從神經元活化裡提取「特徵（feature）」：
關鍵限制：每次只有極少數特徵可以亮（強制稀疏）
結果：每個亮起的特徵只能對應一個清楚的意義
就像白光通過三稜鏡，瞬間分解成七道獨立的顏色——SAE 對神經元活化做的，正是這件事。原本混在一起、讀不出意義的訊號，被拆解成每個只代表一件事的清楚特徵。
Anthropic 在 Claude 3 Sonnet 上實際找到的特徵包括：一個只在「金門大橋」相關內容時亮的特徵、一個對應「DNA 轉錄」的特徵、171 個可辨識的情緒向量。他們甚至強制打開「金門大橋」特徵——Claude 說話就開始不停提舊金山。Transformer Circuits
實際意義：訓練中途，如果「欺騙性推理」特徵持續亮、或「自信但答錯」特徵出現在安全關鍵場景，研究員可以在模型練完之前就抓到並修正。不需要跑完整個訓練週期才發現跑偏——這就是算力節省的真正來源。
05OpenAI 的「以個人包圍企業」為什麼不夠
OpenAI CEO
先說清楚：OpenAI 的企業策略不是失敗。他們有 100 萬個企業組織客戶，ChatGPT Enterprise 週訊息量一年成長 8 倍。OpenAI 官方報告
問題在「企業使用的深度」：
OpenAI 帶進來的企業用戶，很多是消費者用法的企業版：員工用 ChatGPT 查資料、寫 email、做摘要。換掉不痛。
Anthropic 帶進來的企業用戶，是把 Claude 深度嵌進工作流程。換掉等於退回原點。
| OpenAI | Anthropic | |
|---|---|---|
| 年化營收 | $250 億 | $300 億（剛超越） |
| 企業收入比 | ~40% | 80% |
| 企業收入絕對值 | ~$100 億 | ~$240 億 |
| $100 萬以上年費客戶 | 未公開 | 1,000+ 家（一個月內翻倍） |
| 訓練成本（2030 預測） | $1,250 億/年 | $300 億/年 |
| 每位消費端用戶年貢獻 | ~$37 / 人 | ~$317 / 人（8 倍） |
| 企業客戶平均年費 | 未公開 | $240 萬+ / 家 |
Anthropic 的用戶比 OpenAI 少很多，但每個人花的錢多出 8 倍。這不是人數的勝利，而是「願意付更多」的勝利。找到真正願意付溢價的用戶，比擁有最多用戶更值錢。
OpenAI 的應對？4/9 剛發出股東備忘錄，公開砲轟 Anthropic「在明顯更小的算力規模上運作」，宣布要把算力擴展到 2030 年的 30 GW，押注長期規模碾壓。CNBC
同時大砍 Codex Pro 訂閱費，直接打 Claude Code 的定價。內部宣示「全押 coding 和企業，停止分心」。Trending Topics
諷刺的是——這個方向，是跟著 Anthropic 走的。
06身份升級 vs 工具升級：這才是核心
這波不是「OpenAI 失去壟斷」——那是媒體愛用的敘事框架，但說錯了重點。
真正的故事是：Anthropic 找到了讓人心甘情願付 10 倍的秘密——讓使用者的工作角色升級，而不只是讓事情變方便。
工具升級 vs 身份升級
| 工具升級 | 身份升級 | |
|---|---|---|
| 代表 | ChatGPT 幫你寫 email 更快 | Claude Code 讓你能架站、做分析 |
| 改變的是 | 效率 | 你能做到的事情 |
| 類比 | 助理幫你接電話、排行程 | 一個人能完成以前需要整個團隊的專案 |
| 願意付的價格 | 2 倍 | 10 倍 |
ChatGPT Pro $20/月 解決問題了嗎？解決了。那為什麼有人願意付 Claude Max 20× 的 $200/月？
因為 $200 不是在買「更好的 AI 助理」，而是在買「能讓你的輸出能力翻倍的系統」。這個系統一旦嵌入工作流程，$200 就不是成本，而是投資。
我聊了 ChatGPT 一兩年，熱量記錄就做了一年多。Claude Code 讓我可以架站、大量分析資訊後做成 .md 存檔。連一般對話都換到桌面版 Claude 去了。
Gemini 畫圖很厲害，GPT 語音很厲害——但只選一個，我選 Claude。$200/月 變得合理。
這個路徑——從「工具使用者」到「流程指揮者」——正是 Anthropic 在企業端複製的故事。企業不是因為 Claude 每個 benchmark 都第一而付 $100 萬/年，而是因為整個工作流程被重構後，切換成本太高了。
07四強現況快照（2026 年 4 月）
| Anthropic | OpenAI | Google Gemini | Microsoft Copilot | |
|---|---|---|---|---|
| 年化營收 | $300 億 ↑ | $250 億 | 未公開 | 未公開 |
| 企業首購佔比 | 73% | 27% | — | — |
| 企業收入比 | 80% | 40% | — | 下滑中 |
| 消費月活 | 較少 | 9 億週活 | 7.5 億月活 | — |
| 訓練成本 | 基準 1× | 4× | 未知 | — |
| 核心優勢 | 企業 / coding | 消費 / 規模 | Google 生態 | 微軟生態 |
Gemini 的現況
數字很大：7.5 億月活、12 萬家企業使用 Gemini。Second Talent 但要注意水分：這裡面很大一部分是 Google Workspace 預裝帶進來的「被動使用」，不是主動選擇。
Gemini 的真正優勢在單點功能：畫圖（Imagen）、多模態、即時 Search 整合、API 便宜。它的企業整合問題在架構層——IT 要先把整個 Workspace 設好，有一個權限沒開整個 prompt 就失敗。在「讓工作流程升級」這件大事上，Gemini 還沒做到。
08五角大廈事件：有原則，還是假道學？
這個故事要從一個容易被誤解的事實說起：Anthropic 接了五角大廈的生意。2025 年 7 月，雙方簽了 $2 億美元、兩年期合約，Claude 成為史上第一個部署在機密網路上的前沿 AI，用於情報分析、作戰模擬、網路作戰。ABC News
美國國防部總部
爭議發生在 2026 年 1 月——五角大廈要求所有 AI 合約加入一個條款：「any lawful use（任何合法用途）」。
Anthropic 拒絕了，理由是這個條款實際上開放了兩件具體的事：
完全自主武器（Fully Autonomous Weapons）
AI 自己決定打哪裡、打誰——沒有人類在中間做最終確認。不是「AI 分析目標、人決定打不打」，而是連開火決定都由 AI 做。
大規模國內監控
不需要法院許可，AI 自動從公開資料（移動紀錄、瀏覽行為、社群活動）組合出任何公民的完整生活史，規模無限、自動化執行。
Anthropic 說，五角大廈送來的「妥協版」條文旁邊附了法律語言，讓所有護欄「可以被隨意忽略」。他們說：「我們收到的合約，對防止大規模監控或自主武器幾乎沒有任何進展。」
Palantir 怎麼做？
Palantir 幫軍隊做情報分析、目標建模——但最終決定由人下達。這個「Human in the loop（人在迴圈中）」的原則，正是 Anthropic 在守的那條線。他們願意做的事，和 Palantir 做的是同一條線上的；他們不願意做的，是把人類確認這個環節完全移除。
那是不是假道學？
一半對：Anthropic 接了 $2 億才說不，有選擇性的味道。
但另一半：OpenAI 接受了「任何合法用途」之後，MIT Technology Review 和 The Intercept 立刻指出，這等於允許無授權的大規模公民監控。MIT Tech Review
Anthropic 拒絕的那條線，現在回頭看，並非沒有道理。
09最新動態：訴訟進行中，5/19 是關鍵
五角大廈事件還沒結束。目前是兩個法院、兩個結果同時存在的奇怪狀態：
舊金山
DC
DC
目前現況：政府機構可以繼續用 Claude（舊金山法院保護），但 Anthropic 被排除在新軍事合約之外。OpenAI 拿走了那份合約，代價是接受「任何合法用途」條款——以及隨之而來的道德爭議。
結語這跟你有什麼關係
AI 工具的競爭，已經不是功能清單的比較，也不是誰的模型在 benchmark 上領先幾個百分點。
真正的問題只有一個：它能不能讓你做到以前做不到的事？
如果能，$200/月 是投資。如果不能，$20/月 也是浪費。
Anthropic 找到的「秘密」，其實不神秘：從安全哲學出發，建立一致可預測的模型行為，再把這個行為嵌進開發者最核心的工作流程裡。
鴨子划水划了五年，水面上看起來平靜，水面下的腳一直沒停過。現在，浮出來了。
Anthropic 算力只有 OpenAI 的 1/4，現在贏了。長期算力差距會反殺嗎？OpenAI 的 Jony Ive 消費裝置如果成功，會重寫規則嗎？Gemini 如果真正把 Search 整合做好，誰的護城河更深？