Anthropic 给企业算了一笔账：每个 token 花在哪、产出了什么，现在能看见了

企业买 AI 的预算已经批下去了，但 CFO 的第二个问题才刚开始：这些钱到底买到了什么？过去半年，这个问题在硅谷被反复提起，却很少有人能拿出像样的报表。Anthropic 想做的，就是把「AI 投入产出」从一句口号变成一张可以逐行查看的账单。

一分钟速览

• Anthropic 推出一套报告工具，用内部数据分析和员工调研，展示团队在指定时间段内做了什么、产出了什么、花了多少钱、流程卡在哪。
• 默认不会把这些数据用于模型训练。
• 报告还会给出改进建议，帮助企业提升结果质量。
• 同时上线「共享团队预算」，方便管理者控制 token 支出。
• 背景是 Claude Code 的商业表现：Anthropic 称第二季度已实现运营利润，净收入留存率达到 900%。

900% 的净收入留存率意味着什么

净收入留存率衡量的是同一批客户一年后多花了多少钱。900% 意味着 2025 年第三季度的客户，到 2026 年第三季度支出涨了九倍。这个数字放在任何 SaaS 公司身上都算夸张，而它出现在一个按 token 计费的产品线上，说明企业不是在「试用」，而是在把编码工作整体迁进去。

但高速增长也带来了副作用：支出曲线陡到财务部门看不懂。Jellyfish 对 27.6 万名开发者使用智能编码工具的情况做过统计，Claude Code 及其底层模型承担了提交评审的代码变更中近三分之一；相关支出自年初以来增长了 10 倍，已经相当于工程总成本的约 2%。Jellyfish 首席科学家 Nicholas Arcolano 的说法很直白：2% 听起来不大，但「10 倍的增长是大多数 CFO 没有预算过的」。

报表解决了什么，没解决什么

新工具的核心是把「token 消耗」与「工作产出」放在同一张时间轴上。管理者可以选定一个时间范围，看到团队完成了哪些任务、成本是多少、哪个环节出现了中断。这比过去只看账单总额前进了一大步，因为它至少建立了因果链的雏形。

不过，这条因果链仍然脆弱。代码行数、合并请求数、任务完成率都是容易统计但容易被优化的指标；真正的价值——比如一次架构决策避免了三个月的返工——很难被自动捕捉。Anthropic 选择引入员工调研，本质上是承认了纯数据不够用，需要人来补充上下文。

另一个细节是「默认不用于训练」。这句话对大型企业至关重要：把内部工作流数据交给模型厂商，等于把组织知识外溢的风险一并交出去。Anthropic 主动划出这条线，是在为进入受监管行业铺路。

竞争的重点正在从模型转向「可解释的账单」

过去两年，企业选型的核心问题是「哪个模型更聪明」。现在这个问题正在被替换成「哪个供应商能让我向董事会解释这笔支出」。OpenAI、谷歌云、微软都在推类似的成本治理能力，Anthropic 的差异化在于它把「价值证明」做成了产品功能，而不是一份售前 PPT。

这也解释了为什么 Anthropic 在企业市场的份额相对稳固。Jellyfish 的产品负责人提到，即便 OpenAI 夏天发布了新的 Astra 模型，在真实数据里也没有看到 Claude 的使用被明显分流。原因并不神秘：企业已经把工作流、权限、评审规范围绕某套工具标准化了，迁移成本远高于模型跑分上的差距。

更长远的影响

如果「AI 投入产出报表」成为标准配置，它可能会反过来塑造企业使用 AI 的方式。当每一笔 token 支出都能对应到具体项目和产出，那些「先全员开通、再看效果」的粗放式采购会减少，取而代之的是按场景试点、按结果扩容。对供应商而言，这意味着销售话术必须从「能力展示」转向「案例复现」。

对 Anthropic 来说，这套工具还有一个隐性作用：它把客户的成功案例变成了可复用的数据资产。哪些流程容易卡住、哪些提示方式产出更高，这些经验会沉淀进产品建议里，形成一圈越来越难被追赶的护城河。