OpenAI 企業收入已超一半，爲何 Anthropic 仍以 55% 領先企業 API 市場？3 個指標講透

作者注：OpenAI 企業收入首次過半，Anthropic 卻依然領跑企業 API 支出。這兩個結論並不矛盾，關鍵在於它們統計的根本不是同一件事。

2026 年 11 月 4 日，OpenAI 總裁 Greg Brockman 在 WSJ 科技大會上表示，OpenAI 目前超過一半的收入來自企業業務。僅隔一天，Menlo Ventures 的《2026 State of Enterprise AI》報告估算：在企業生產環境的 LLM API 支出中，Anthropic 佔 55%，OpenAI 佔 31%。

兩條消息放在一起，很多人第一反應是“到底誰在贏”。這不是數據打架，Reuters、TechCrunch、WSJ 和 Menlo 的原始材料都可以相互印證，差異來自統計口徑。本文將用三個不同指標，把 OpenAI 與 Anthropic 的企業市場競爭講清楚。

核心價值：讀完本文，你能分清收入佔比、API 支出份額和產品採用率，理解企業爲什麼同時採購多家模型，並據此規劃自己的模型接入策略。

OpenAI 企業收入過半：核心信息速覽

先把 Brockman 這次披露的信息梳理清楚。他回顧稱，OpenAI 過去的收入結構大約是企業 30%、消費者 70%，如今企業業務已經成爲最大收入來源。需要特別注意的是，他明確表示消費者業務收入並沒有下降，仍在增長，只是企業業務增長得更快。

Brockman 也坦承，OpenAI 在 2026 年上半年的企業市場表現比較艱難。當時雖然已有 Codex，但在 Agentic Coding 市場缺乏存在感。轉折發生在第三季度，他把 GPT-5.6 Sol、ChatGPT Work 的發佈以及企業業務拓展列爲關鍵因素。

OpenAI 企業收入的兩個口徑陷阱

這裏有兩個容易誤讀的地方。第一，70% 指的是年化收入運行速度（ARR）的季度環比增長，不是 GAAP 季度營業收入增長 70%。ARR 一般是把某段時期收入按年推算，並非已實現的全年收入。

第二，Reuters 先後報道過 OpenAI 年化收入“接近 700 億美元”和“接近 500 億美元”，這不是收入縮水。差異來自雲合作伙伴收入的會計處理：OpenAI 對部分雲渠道銷售只計入自身應得份額，而 Anthropic 的方法可能按客戶支付總額計入收入。早先的 700 億美元是爲了與 Anthropic 橫向可比而做了類似的總額化處理。

Anthropic 爲什麼領先企業 API：三個指標不能混用

整件事的關鍵在於，“OpenAI 企業收入過半”和“Anthropic 領先企業 API 市場”回答的是兩個完全不同的問題。再加上 Morning Consult 的企業平臺採用率，市面上流傳的其實是三類指標。

用一個比喻來理解：OpenAI 企業收入過半，說明“OpenAI 自己的蛋糕裏企業那塊變大了”；Anthropic 佔 55% API 支出，說明“企業 API 這塊大蛋糕裏 Anthropic 切走得最多”。前者包含 ChatGPT Business、Enterprise、API、Codex 等多種企業收入，後者只看生產環境的模型 API 調用。

另外需要說明，OpenAI 沒有公開 Business、Enterprise、API、Codex、Work 各自的收入貢獻。因此“企業收入”既不能等同於 ChatGPT Enterprise 訂閱收入，也不能直接當成 API 收入。

企業 API 支出份額：Anthropic 從 40% 升至 55%

Menlo Ventures 對 2026 年企業生產環境 LLM API 支出的估算如下。這些是估算值，四捨五入後合計未必等於 100%。

開源模型這一行很值得關注。它的 Token 使用佔比已經升至 19%，但支出佔比只有約 4%，說明“用得多”不等於“花得多”。這也從側面證明，不能只靠價格或調用量來判斷模型的商業競爭力。

🎯 技術建議：份額數據只能說明市場整體選擇，並不能代替你在自己業務上的實測。建議通過 API易 apiyi.com 用同一個 API Key 分別調用 Claude 和 GPT 系列模型，在真實任務上對比效果和成本後再做決定。

OpenAI 與 Anthropic 企業競爭：平臺採用率另有一套排名

如果換成“企業內批准或正在使用某個 AI 平臺”的視角，排名又完全不同。Morning Consult 在 2026 年 7 月 21—24 日調查了 3003 名美國企業決策者，8 月 3 日發佈結果。

在大型企業裏，Claude 的採用率只有 20%，遠低於 Copilot、Gemini 和 ChatGPT Enterprise。這看起來和 Anthropic 佔 55% API 支出相互矛盾，其實同樣是口徑問題。

採用率統計的是“有沒有被批准或在用”，一家企業給 Copilot 開了全員賬號和一家企業每月在 Claude API 上花掉大量預算，在這張表裏權重相同。Copilot 和 Gemini 依託 Microsoft 365 與 Google Workspace 的既有分發渠道，天然容易獲得高覆蓋率；而 API 支出更多反映的是開發團隊在生產環境裏、尤其是 Agent 和編程任務裏，真金白銀把預算花在哪個模型上。所以 Morning Consult 的採用率絕不能被解讀爲模型 API 市場份額。

企業 API 市場的真實邏輯：多供應商並存

把 OpenAI 和 Anthropic 看成非此即彼的關係，本身就不符合企業市場的現實。Morning Consult 的數據顯示，只有 27% 的大型企業採用單一主要 AI 平臺，44% 在過去一年至少新增了一個平臺，減少平臺數量的只有 5%。

未來 12 個月的計劃同樣呈現“既要又要”的特點：

• 繼續擴張：56% 可能增加獲批平臺數量，45% 可能增加開源或自託管模型使用。
• 同時收斂：47% 可能整合並減少平臺數量，36% 可能替換當前主要平臺。
• 自建能力：66% 計劃建設基於基礎模型的內部 AI 能力。

這意味着企業一邊不斷引入新模型，一邊又希望統一治理、統一採購和統一計費。對開發團隊來說，最現實的做法是在架構層面保持模型可替換，而不是把業務綁死在一家供應商上。

企業爲什麼願意爲模型質量付費

Anthropic 能在 API 支出上領先，背後是企業的採購偏好。在大型企業最看重的因素中，輸出準確度與質量排第一，安全隱私和法律合規緊隨其後，而總擁有成本（TCO）在 12 項因素中只排第 8。

這組數據解釋了一個關鍵現象：企業 API 競爭不一定由單價最低者獲勝。當模型被用在長鏈路 Agent 任務和生產代碼上，一次出錯的返工成本往往遠高於 Token 差價。Menlo 也指出，Anthropic 的份額增長與 Opus 系列在長時間任務和編程上的表現密切相關。

圖表數據來源：Morning Consult 2026 企業 AI 調查。如需在自己的業務裏驗證不同模型的質量差異，可通過 API易 apiyi.com 進行多模型對比測試。

OpenAI 下半年反彈：企業 API 格局正在變化

Anthropic 領先並不意味着格局已定。WSJ 在 11 月 5 日引用 OpenRouter 的企業支出數據稱：年初，在同時使用兩家模型的企業中，Anthropic 約佔四分之三的支出；到 2026 年 9 月，兩家已經大致持平。

需要註明的是，OpenRouter 是模型聚合平臺，其數據不代表整個行業，用戶結構也更偏向開發者和創業公司。因此這組數據更適合用來觀察趨勢，而不是當作全行業份額。

OpenAI 反彈的主要抓手是 Codex 和 Agent 產品線：

• Codex 用戶快速增長：周活躍用戶從 3 月 31 日的 200 萬以上，到 6 月 2 日超過 500 萬（注意這是 6 月數據，不是 11 月最新規模）。
• 從程序員走向知識工作：Axios 報道知識工作者約佔 Codex 用戶 20%，增速是開發者羣體的 3 倍以上。
• ChatGPT Work 上線：7 月 9 日推出，面向跨應用、多步驟的長任務交付。
• 企業交付網絡：4 月發佈 Codex Labs，聯合 Accenture、Capgemini、Infosys、PwC、TCS 等系統集成商；6 月推出投入 1.5 億美元的 OpenAI Partner Network。

Menlo 估算 Claude Code 與 Codex 合計約佔 340 億美元 AI 編程應用市場的 70%，約 240 億美元。編程 Agent 已經成爲兩家爭奪企業預算的主戰場。

Agent 正在改寫企業 API 的消費結構

Menlo 引用 OpenRouter 數據顯示，Agent 已佔該平臺總 Token 消耗約 80%，自 2026 年 2 月超過人工驅動流量後增長約 37 倍，同期人工流量只增長約 5 倍。Token 消耗正從“與用戶人數相關”轉向“與任務量、並行任務數和執行時長相關”。

這也是企業 AI 支出超預期的原因之一。Menlo 估算企業 AI 支出平均達到上一年度的 4.7 倍，而企業原先只預計 1.9 倍。對於開發團隊而言，用量監控和預算控制正在變得和模型選型一樣重要。

如何用企業 API 多模型策略應對競爭變化

既然企業普遍多供應商並存，開發者最務實的做法是讓同一套代碼能隨時切換 OpenAI 與 Anthropic 模型。下面是一個最簡示例，用 OpenAI 兼容接口調用不同廠商的模型：

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # API易 統一接口，一個 Key 調用多家模型
)

# 模型名稱以平臺模型列表中的實際名稱爲準
for model in ["gpt-6.1-sol", "claude-opus"]:
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "用三句話總結企業 API 選型要點"}]
    )
    print(model, "=>", resp.choices[0].message.content)

import time
import openai
from typing import List, Dict

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # 統一入口，便於橫向對比
)

def compare_models(prompt: str, models: List[str]) -> List[Dict]:
    """對同一任務調用多個模型，記錄耗時與 Token 用量"""
    results = []
    for model in models:
        start = time.time()
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[
                    {"role": "system", "content": "你是嚴謹的企業技術顧問"},
                    {"role": "user", "content": prompt}
                ],
                max_tokens=800
            )
            results.append({
                "model": model,
                "latency_s": round(time.time() - start, 2),
                "prompt_tokens": resp.usage.prompt_tokens,
                "completion_tokens": resp.usage.completion_tokens,
                "answer": resp.choices[0].message.content
            })
        except Exception as e:
            results.append({"model": model, "error": str(e)})
    return results

if __name__ == "__main__":
    task = "審查以下函數的潛在併發問題，並給出修改建議：..."
    # 模型名稱以平臺模型列表爲準
    for r in compare_models(task, ["gpt-6.1-sol", "gpt-6.1-terra", "claude-opus"]):
        print(r)

🚀 快速上手：推薦在 API易 apiyi.com 註冊後領取免費測試額度，把你真實的編程、文檔或 Agent 任務分別交給不同模型跑一遍。平臺提供 OpenAI 兼容接口並按量計費，切換模型只需改一個 model 參數。

常見問題 FAQ

OpenAI 與 Anthropic 企業 API 競爭 Key Takeaways

• 三個指標別混用：收入結構、API 支出份額、平臺採用率的分母完全不同。
• OpenAI 企業收入過半：企業業務增速更快，但消費者收入仍在增長。
• Anthropic 領先 API 支出：Menlo 估算佔 55%，得益於 Opus 長任務與編程能力。
• OpenAI 下半年反彈：Codex 與新模型推動，OpenRouter 口徑下兩家 9 月已大致持平。
• 企業普遍多供應商：僅 27% 大型企業採用單一主平臺，質量與安全優先於價格。
• 上手方式：通過 API易 apiyi.com 一個 Key 對比多家模型，用實測而非份額做選型。

總結

OpenAI 企業收入過半與 Anthropic 領先企業 API 市場，是同一場競爭的兩個切面：

1. OpenAI 的變化：收入結構從約七成消費者轉向企業爲主，第三季度企業業務翻倍，Codex 與 ChatGPT Work 是主要推力。
2. Anthropic 的優勢：在企業生產環境的 API 支出上仍佔多數，核心在於長任務和編程場景的模型質量。
3. 未來走向：企業多供應商並存將是常態，競爭焦點會落在 Agent 能力、安全合規和交付生態上，而不是單純的價格戰。

對開發者和企業採購者來說，與其押注某一家廠商，不如保持架構的可替換性，用自己的真實任務持續評測。推薦通過 API易 apiyi.com 快速搭建多模型對比環境，平臺提供統一接口和新用戶免費額度，方便你把市場數據轉化爲自己的選型依據。

📚 參考資料

1. Reuters：OpenAI 企業收入過半與 IPO 表態：Brockman 在 WSJ 科技大會的發言報道
2. 鏈接： reuters.com/legal/transactional/openai-ready-ipo-2027-now-counts-majority-sales-enterprises-brockman-says-2026-11-05/

3. 說明： 企業收入佔比、第三季度增長和 JPMorgan 合作的一手報道

4. Reuters：OpenAI 9 月年化收入接近 500 億美元：收入口徑調整說明

5. 鏈接： reuters.com/business/openais-annualized-revenue-20-billion-less-than-previously-signaled-ft-reports-2026-10-08/

6. 說明： 理解 500 億與 700 億美元差異的關鍵資料

7. Menlo Ventures：2026 The State of Enterprise AI：企業 API 支出份額估算

8. 鏈接： menlovc.com/perspective/2026-the-state-of-enterprise-ai/

9. 說明： Anthropic 55%、OpenAI 31% 份額及 Agent Token 趨勢來源

10. Morning Consult：State of Enterprise AI：美國企業 AI 平臺採用率調查

11. 鏈接： morningconsult.com/articles/state-of-enterprise-ai

12. 說明： 平臺採用率、多供應商策略與採購因素數據

13. WSJ：OpenAI 上半年艱難與編程業務起飛：引用 OpenRouter 企業支出數據

14. 鏈接： wsj.com/tech/openai-had-rough-first-half-of-year-before-coding-takeoff-brockman-says-6c97d9e5
15. 說明： OpenAI 與 Anthropic 在共用企業中支出變化的趨勢參考

作者：APIYI 技術團隊
技術交流：歡迎在 API易 apiyi.com 首頁聯繫我們，更多接入教程可訪問 docs.apiyi.com 文檔中心