夜雨聆风当 OpenAI 和 Anthropic 同时敲开 PE 的大门，一个时代的
一则被低估的重大新闻
2026年5月4日，OpenAI 与 Anthropic 选择了同一天，各自宣布与顶级私募股权基金成立合资公司。
这条新闻淹没在同期的财报季和各类发布会里。但它所揭示的真相，比任何一家公司的融资估值都更重要——AI 行业的主导逻辑，正在发生一次根本性位移。
一句话：
不再是谁的模型更强，而是谁能帮企业把 AI 用起来。
一个被扭曲的市场信号
要理解这件事为什么重要，需要先拆解一个被广泛误解的市场信号。
2026年第一季度，Anthropic 的 ARR（年度经常性收入）在约三个月内从 100 亿美元飙升至超过 300 亿美元，首次超越 OpenAI 的 250 亿美元。Anthropic CEO Dario Amodei 说增速约 80 倍，"是 Google 巅峰时期的四倍"。这是好消息。
坏消息藏在这组数字的背面。
Anthropic CFO Krishna Rao 公开说了一句被大多数媒体忽略的话：
"企业对 Claude 的需求，已经显著超过了任何单一交付模式的承载能力。"
直译是：需求不是问题，交付才是问题。
OpenAI 的数据同样印证了这个判断。2025 年营收 131 亿美元，现金亏损 80 亿美元，毛利率从 40% 下滑至 33%。也就是说，每实现 1 美元收入，要投入 1.6 到 2.25 美元的成本。获客和交付的成本，已经远远超出了 API 订阅收入所能支撑的边界。
两家公司面对的是同一个瓶颈——只不过表达形式不同：Anthropic 的压力在供给端（产能跟不上需求），OpenAI 的压力在需求端（客户用不起来）。但都指向同一个事实：AI 行业的增长引擎，正在从"模型供给"切换到"交付落地"。
一场被历史验证过的战争
这不是科技行业第一次面对"最后一公里"的困境。
二十年前，Palantir 创始人 Peter Thiel 和 Alex Karp 面对同样的问题：如何让客户真正用起来，而不是买了软件放在那里积灰？
他们给出的答案后来被称为 FDE 模式（Forward Deployed Engineers，前方部署工程师）。核心理念简单到近乎粗暴——工程师不坐在办公室里写代码，他们直接住进客户现场，直到系统真正产生价值为止。
这套模式被硅谷主流嘲笑过很长时间。贵、重、慢、扩张困难。但 Palantir 用财务数据证明了它的有效性：2026 年第一季度，营收 16.3 亿美元，同比增长 85%。
Palantir 花了近二十年打磨这套体系，不是因为他们笨，而是因为"最后一公里"的交付就是世界上最难规模化的事情。它需要工程师既懂技术、又懂业务、还能在客户的组织里生存和产生影响——这种复合能力，无法被代码替代，只能靠时间和项目慢慢沉淀。
红杉资本合伙人 Julien Bek 在 2026 年初说过一句话，后来被广泛引用但很少被真正理解：
"企业每花 1 美元买软件，就要花 6 美元买服务。那 6 美元才是真正的战场。"
这句话揭示的规律，不只是 SaaS 行业的真相，而是整个企业软件历史的底层逻辑。每一次技术革命（本地部署、SaaS、云计算、AI），都重复着同样的模式：新技术出现，工具变得普及，但"让人用起来"这件事，永远需要人来完成。
一道撕裂资产负债表与估值模型的裂缝
OpenAI 和 Anthropic 同一天选择与 PE 合作，不是巧合，而是一次精密计算的结果。
先看财务结构。
驻场服务业务的毛利率约为 30% 到 50%，已经 Palantir 验证过了。SaaS API 的毛利率在 80% 以上。两者之间差了 30 到 50 个百分点。
资本市场对这两种业务形态的定价天差地别。混合型公司（软件+服务）的 P/S 倍数通常在 8 到 15 倍之间；纯软件公司可以达到 20 到 30 倍。
以 Anthropic 约 300 亿美元的 ARR 体量来估算，如果把服务业务并表，估值倍数可能被压缩 30% 到 50%。这意味着数千亿元人民币的估值损失。
所以分拆不是战略选择，是一道算术题。
Anthropic 把服务合资公司独立出去，母公司专注讲"纯软件、高毛利、平台型"的故事。合资公司讲另一个故事——中型市场、AI 落地、高增长。两套叙事在不同市场并行，各卖各的估值倍数。这是一鱼两吃的艺术。
再看 OpenAI 的选择。
OpenAI 拉了约 19 家投资方，包括 TPG、Brookfield、Advent、贝恩资本、软银等，给 PE 提供每年 17.5% 的保底回报。以约 40 亿美元出资额计算，年保底约 7 亿美元。相比 OpenAI 每年 80 亿美元的亏损和已经承诺的 3000 亿美元算力合同，这笔钱是九牛一毛。
但换来的东西远比 7 亿美元值钱——2000 多家被投企业的接触权，加上 PE 董事会席位从上至下推动 AI 采购的能力。
换句话说，OpenAI 用一笔可控的财务成本，换取了一张进入 2000 家企业的优先入场券。
PE 的价值从来不只是钱。黑石管理约 250 家被投企业，Apollo 约 200 家，TPG、Brookfield、贝恩资本各有数百家。进入一家 PE 的生态，等于同时拥有了数十乃至数百家企业的信任关系和决策通道。
这是 PE 最被低估的战略资产。
一群被全世界争夺的新物种
合资公司宣布之后，所有人都在问同一个问题：人才从哪里来？
因为真正的瓶颈，不在资本，不在模型，不在算力——在于能不能找到足够多的"AI 实施工程师"。
这个岗位的本质，是 Palantir 二十年前就定义的 FDE 工程师。他们需要同时具备三种能力：理解 AI 模型的工作原理，理解特定行业的业务逻辑，还能与客户的组织文化有机融合。
全球这类人才的数量，可能不超过几十万人。而 OpenAI 和 Anthropic 计划在几个月内，建立起能服务数千家企业的交付能力。
唯一的出路是收购——洽购那些已经积累了多年 FDE 经验的小型实施团队，快速纳入体系。据报道，两家公司已经拨出约 55 亿美元专门用于此类收购。
但收购解决的是数量问题，不是质量问题。买下一支 200 人的实施团队，不代表他们能在你的文化里高效工作，不代表他们的方法论可以被复制，更不代表整合完成后核心人才不会出走。
Palantir 花了二十年才把这件事做到世界顶级。OpenAI 和 Anthropic 的时间窗口，窄得多。
一面映照中国市场的镜子
这篇文章讨论的是美国市场，但其中揭示的规律，对中国有着直接的参照意义。
中美市场的路径不同，但本质相通。
美国靠 PE 资本驱动——PE 手握数百个被投企业的董事会席位，有能力从上至下推动 AI 采纳。中国靠云厂商驱动——阿里云、华为云、腾讯云把 AI 能力嵌入已有的 IaaS 和 PaaS 销售体系，通过渠道商和系统集成商触达客户。
但无论哪种路径，"劳动密集型"实施都是不可避免的。
中国大量企业 AI 项目停在试点阶段，核心原因不是工具不够好，而是企业自身数字化成熟度不足。数据分散、质量差、历史系统接口复杂——这些问题没有任何模型能解决，只有靠人一步步清理和整合。
这意味着，中国 AI 落地的成本，一点也不比美国低。只是支付方式不同：美国企业支付给合资公司和咨询公司，中国企业需要先支付一笔"数字化补课"的钱。
家政服务行业是理解这个逻辑最鲜活的案例。这个行业几乎不存在"买一个工具让客户自己用"的选项——客户需要的是"帮我把服务交付了"。天鹅到家正在做的事情，本质上和 Palantir FDE 模式、OpenAI 合资公司是同一件事：建立一支有能力深入现场、持续交付价值的队伍。
一个被反复验证的战略真相
回到文章开头的那个问题：为什么 OpenAI 和 Anthropic 要用合资公司的方式来做 AI 落地？
答案不在财务结构里，不在估值工程里，甚至不在战略布局里。答案在组织行为学的基本事实里：
一项技术无论多么强大，只有在被人们真正使用时才能产生价值。而让人用起来这件事，从来都是一个组织问题，不是一个技术问题。
Palantir 在 2003 年明白这个道理，花了二十年建了一支 FDE 队伍。埃森哲和德勤明白这个道理，建了全球最大的咨询交付网络。AWS 明白这个道理，围绕云基础设施培育了庞大的 MSP 生态。
每一家企业级技术公司，最终都要回答同一个问题：你的客户，是买了一个工具，还是真正解决了一个问题？
如果答案是后者，那就必须有人走进客户的现场，和他们一起面对混乱的旧系统、模糊的需求、抵制新技术的员工，以及永远比预期更长的落地周期。
这件事没有捷径。
AI 商业化的最后一公里，从来如此。
---
本文参考文献：Bloomberg、Anthropic 官方公告、OpenAI CFO 披露、Palantir 财报、IDC 行业报告、红杉资本研究。
