当OpenAI的年化收入突破250亿美元、Anthropic以300亿美元后来居上时，一个关键趋势浮出水面：这场AI竞赛的胜负手，正在从"谁的模型更强"转向"谁能让企业真正用起来"。

2026年2月，OpenAI宣布了一项看似不起眼的合作计划——"Frontier Alliances"。它没有发布新模型，没有展示炸裂的基准测试成绩，而是拉上了四家全球最大的咨询公司：麦肯锡、BCG、埃森哲、凯捷。两个月后，高知特、Infosys、塔塔咨询和普华永道也被纳入其中。

同月，Anthropic的营收数据震惊了行业：年化收入突破300亿美元，首次超越OpenAI。而它80%的收入来自企业客户。

这不是巧合。大模型厂商正在经历一场集体转身——从卖API走向卖落地，从技术公司走向服务公司。一个比大模型本身更大的市场正在浮出水面。

一个400亿美元的市场，正在以40%的速度膨胀

先看一组数据，感受一下这个市场的体量和增速。

根据多家市场研究机构的报告，全球企业AI市场在2025年已经突破300亿美元，2026年预计逼近400亿美元，年复合增长率超过33%。如果算上云基础设施、IT服务和相关软件，更广义的企业AI支出在2025年已经达到3800亿美元，预计2032年将突破1.3万亿美元。

而在更细分的生成式AI领域，2025年市场规模约为46.6亿美元，2026年预计增至65.2亿美元，增速高达40%。牛津经济研究院的预测更为惊人：AI支出占企业技术总预算的比例，将从2025年的4%飙升至2035年的23%，绝对金额从3400亿美元膨胀到近3万亿美元。

但这些数字背后藏着一个结构性矛盾。

模型越来越强，落地越来越难

OpenAI首席营收官Denise Dresser在今年的一次内部会议上说得非常直白：真正的瓶颈不是AI能力本身，而是"部署能不能真正完成"。

这句话点中了整个行业的痛点。大模型的能力在过去两年经历了指数级增长——从GPT-4到GPT-4o，从Claude 3到Claude 4，每个版本的基准测试成绩都在刷新纪录。但企业的实际感受是另一回事：把模型嵌入到已有的ERP系统、客服流程、供应链管理里，意味着要面对遗留IT架构、数据孤岛、合规审查、员工抵触、ROI测算不清晰等一系列现实问题。

有一组数据很能说明问题：目前只有大约十分之一的AI agent试点项目能真正走到生产环境。绝大多数卡在了"最后一公里"——不是技术不够好，而是组织和流程跟不上。

这恰恰解释了为什么咨询公司突然成了大模型厂商争抢的核心资源。

咨询公司：AI时代的"军火商"

如果你关注企业服务的历史，会发现这个剧本并不陌生。

上世纪90年代，SAP和Oracle的ERP系统要落地，靠的是埃森哲、IBM全球服务部的实施团队。2000年代，Salesforce和Workday的SaaS模式要打入大型企业，同样离不开系统集成商（GSI）的渠道网络。每一次企业级技术浪潮，咨询公司都扮演着"最后一公里"的翻译者和实施者角色。

AI时代也不例外，甚至更加依赖。

原因在于，AI部署的复杂度远超ERP或CRM。后者本质上是将标准化的业务流程软件化，而AI agent的部署意味着要理解企业独特的业务逻辑、数据结构和决策链条，再把模型能力嵌入其中。这不是拧螺丝，而是造适配器——每家企业的适配器都不一样。

于是我们看到了一场"咨询公司争夺战"。

OpenAI的Frontier Alliances一口气签下九大咨询合作伙伴，涵盖战略设计（麦肯锡、BCG）、系统集成（埃森哲、凯捷）、开发落地（Infosys、塔塔咨询）全链条。Anthropic则选择了差异化路径——和德勤合作培养15000名认证Claude工程师，同时与黑石、Hellman & Friedman探讨合资模式，试图通过PE的渠道网络将Claude植入被投企业的技术栈。Google Cloud则依托已有的云服务客户关系，与埃森哲和德勤共同推动Gemini Enterprise的落地，目前已有超过45%的生成式AI项目从概念验证进入生产阶段。

有趣的是，埃森哲同时站队了OpenAI和Anthropic两边。这看起来像对冲，实际上反映了一个更本质的事实：在这个阶段，模型能力之间的差异对企业客户来说并没有那么重要。重要的是谁能帮他们真正用起来。

从按座位收费到按结果收费：商业模式的深层变革

这场转型的另一条暗线，是AI厂商商业模式的根本性变化。

ChatGPT的早期收入主要来自个人订阅——每月20美元的ChatGPT Plus。但企业级市场玩的是完全不同的游戏规则。OpenAI目前的收入结构中，企业业务占比已经超过40%，目标是在2026年底达到50%。Anthropic更激进，企业及API收入占比超过70%。

更值得关注的是计费方式的变化。传统的SaaS模式按座位（seat）收费，有多少人用就收多少钱。但AI agent的核心价值不是"替代人力操作界面"，而是"自主完成业务成果"。当AI agent可以独立处理客服工单、生成财务报告、审核合同条款时，按座位收费的逻辑就崩塌了——因为座上没有人。

OpenAI CRO Dresser明确表示，Frontier平台的衡量标准将转向"业务成果"而非授权数量。这意味着AI厂商的收入模型正在向按消费量（consumption-based）和按价值（value-based）的方向演进。Anthropic已经在走这条路，企业客户从按座位授权转向按API调用量付费，Claude Code的年化收入据估已达到250亿美元以上，成为其最重要的增长引擎。

这个转变的意义非同小可。它意味着AI厂商和企业的利益开始真正对齐——只有帮企业创造了可量化的价值，厂商才能持续获得收入。

巨头打架，谁在吃肉？

把时间线拉长一点来看，这个市场的格局还远未定型，但已有几条清晰的竞争脉络。

第一，模型层的竞争在趋向同质化。OpenAI、Anthropic、Google DeepMind三家在核心能力上的差距在缩小，单一模型的领先窗口越来越短。这使得模型能力不再是决定性的差异化武器。

第二，渠道和生态的壁垒在快速构建。Anthropic靠Claude Code锁定了开发者群体，通过多云计算（同时运行在AWS、GCP和Azure上）降低了客户的使用门槛。OpenAI则靠品牌和先发优势积累了大量的企业用户基数——超过900万的付费商业用户。Google的优势在于已有的云基础设施客户关系和Workspace产品的自然绑定。

第三，利润结构开始分化。Anthropic的推理毛利率从38%提升到70%以上，并设定了2028年实现盈利的目标。而OpenAI的毛利率从40%下降到33%，2025年现金亏损约80亿美元——每产生1美元收入，要花掉1.6到2.25美元。这种差异背后是业务结构的不同：Anthropic更聚焦高价值的企业开发者场景，OpenAI则背负着更重的C端运营成本和基础设施投入。

第四，也是最关键的一点——真正的价值正在从模型层向应用层和服务层迁移。就像移动互联网时代，最赚钱的不是通信基站制造商，而是微信、Uber和抖音。AI时代的"应用层"，很可能是那些深度嵌入行业know-how的企业部署服务。

对中国市场的启示

这场美国AI巨头之间的企业部署竞赛，对中国市场有几重启示。

一方面，中国企业AI部署的市场土壤可能更加肥沃。中国企业的数字化程度参差不齐，存在大量效率洼地——这意味着AI agent在流程自动化、知识管理、客户运营等领域的提效空间更大。阿里云、腾讯、华为等云厂商已经在企业云AI开发者服务领域积极布局，但目前中国企业AI部署的产品化和服务化程度仍处于早期。

另一方面，中国AI厂商面临一些独特的挑战。私有化部署需求更强（特别是金融、政府、医疗等行业），数据合规要求更复杂，企业内部的数字化基础设施差异更大——这些都意味着更高的定制化成本和更长的交付周期。如何在标准化产品和定制化服务之间找到平衡，将是决定谁能跑出来的关键变量。

还有一个有意思的角度：中国的系统集成商和IT服务商（比如中软国际、软通动力、汉得信息等）是否会像埃森哲和德勤那样，成为AI厂商的"地面部队"？从近期的一些合作动向来看，这个趋势已经开始萌芽。

回到最开始那个判断：企业AI部署正在成为比模型本身更大的生意。

这不是说基础模型不再重要——恰恰相反，强大的模型能力是入场券。但在所有人都拿到入场券之后，决定胜负的是谁能把技术变成客户账户里可见的实际价值。

OpenAI和Anthropic在咨询公司上的军备竞赛、Google Cloud对已有客户关系的深度绑定、Claude Code在开发者生态中的病毒式增长——这些看似散落的动作背后，都指向同一个方向：放下"AGI改变世界"的技术叙事，老老实实去帮企业解决一个客服流程、优化一条供应链、加速一个合规审查。

这可能不像发布新模型那样令人兴奋，但它正在创造真实的收入和壁垒。对于这个行业的所有参与者来说，最性感的词可能不是"superintelligence"，而是"deployment"。

本文数据来源：The Information, Business Insider, CNBC, Fortune India, The Business Research Company, 360iResearch, Oxford Economics, TipRanks, SiliconANGLE 等媒体与机构报告（2026年2-5月）。