大模型
从调用量转向投入产出
AI 企业采购正在从“先上线看看”转向“把账算清”。据 TechCrunch AI 报道，2026 年 10 月 28 日，Anthropic 推出一套面向企业客户的报告与分析工具，用于帮助管理者查看团队在特定时间段内如何使用 Claude Code 等工具、消耗多少 token、产生哪些工作产出，以及流程在哪些环节受阻。这一动作的核心，是让企业理解 AI 支出买到了什么，而不是只看到账单上的调用量。
同一周，Anthropic 向投资者分享的财务信息也显示，其 AI 编码工具 Claude Code 正在形成企业客户粘性。公司第二季度实现经营利润，净收入留存率达到 900%。按照该口径，2025 年第三季度同一批客户在 2026 年第三季度的支出增长了九倍。对企业级 AI 产品来说，这类数据意味着客户不仅续费，还在继续扩大使用量。
报告工具拆解成本、产出与流程堵点
按照 Anthropic 的说法，新工具结合内部分析和员工调查，向管理层展示团队在指定日期范围内的工作情况。其关注点不是单纯追踪调用次数，而是把 token 消耗与工作结果放在一起观察。
- 查看指定日期范围内团队完成了哪些工作。
- 统计团队产出以及对应的成本。
- 识别工作流在哪些环节受阻。
- 给出改进结果的建议。
- 引入池化的团队预算，便于团队统一管理 token 支出。
Anthropic 表示，默认情况下不会把这些数据用于模型训练。对于大型企业而言，这涉及数据治理和内部合规边界。报告工具与预算机制结合在一起，也让企业可以把 AI 使用从分散的个人尝试，转为可由团队统一规划和调控的资源。
这类能力出现的背景，是企业正在寻找衡量 AI 投入的方法。素材提到，风险投资支持的公司推动了 token 消费增长，但多数财富 500 强企业尚未从 AI 部署中获得显著收益。Anthropic 此时把成本、产出和流程问题放进同一张报表，回应的正是企业客户最现实的问题：哪些费用换来了真实生产力，哪些仍停留在试验阶段。
第三方数据印证编码 AI 支出快速上升
第三方报告也为这场企业级支出管理提供了参照。软件研发管理公司 Jellyfish 日前发布的新报告，基于 276,000 名客户对智能体编码工具的使用情况。结果显示，Claude Code 以及基于 Anthropic 模型的其他工具仍是调查中使用最广泛的组合，占提交审查代码变更的近三分之一。
更值得关注的是支出规模的变化。相关支出自年初以来增长了 10 倍，目前约相当于总工程成本的 2%。Jellyfish 首席科学家 Nicholas Arcolano 表示，即便 2% 的占比看起来仍然不高，这种 10 倍增长也是多数首席财务官此前没有规划过的。企业已经走到一个阶段：单靠增加支出不够，还需要优化，让投入真正发挥作用。
这也解释了 Anthropic 新工具的产品逻辑。它不是简单告诉客户“用了多少”，而是试图说明“用得值不值”，以及哪里可以改进。对于正在扩大 AI 预算的公司而言，这类指标比抽象的模型能力评测更接近采购与续费决策。
竞争焦点从模型能力转向企业留存
新工具也反映出前沿模型公司竞争重心的变化。素材提到，OpenAI 今年夏天发布的 Astra 模型曾被视为对 Anthropic 的潜在威胁，但目前没有明显放缓 Anthropic 的企业采用。Jellyfish 的 AI 产品负责人 Nikolas Albarran 表示，外界在社交平台上的讨论会让竞争看起来更激烈，但在真实企业环境中，Anthropic 的优势在于工具长期可用、企业推进能力成熟，以及客户已经围绕其建立了工作流。
一旦企业投入时间把 AI 编码工具嵌入流程，替换就不再只是比较模型能力。Albarran 提到，各大 AI 实验室都在投资前置部署工程团队，把 AI 顾问嵌入客户组织，帮助企业落地。Anthropic 的新报告工具可以被视为一种轻量版本：不一定需要长期驻场顾问，也能通过数据和建议推动客户优化使用。
他还指出，即使不同工具在能力上大体相近，细节差异也会形成切换成本，例如如何处理 agent.md 文件等。对企业客户来说，这类成本并非为零。对于采购负责人而言，AI 编码工具的选择正在从一次性的技术评估，转向长期运营：预算如何分配、流程如何改造、产出如何衡量，都会成为留存与替换决策的一部分。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/anthropic-shang-xian-qi-ye-ai-zhi-chu-fen-xi-gong-ju-bang
