当前位置：首页 > news >正文

Anthropic 企业采用率首次反超 OpenAI：Ramp 5 月数据复盘

news 2026/5/23 21:23:24

Anthropic 企业采用率首次反超 OpenAI：Ramp 5 月数据复盘

2026 年 5 月 13 日，企业开支平台 Ramp 发布最新一期 AI Index。一个被反复传了两年的"猜测"终于落地为数据：Anthropic 在企业市场的渗透率首次超过 OpenAI——34.4% vs 32.3%。这不是某一家咨询机构的主观打分，而是覆盖约 5 万家美国企业的真实信用卡刷卡记录。

这个节点对工程团队比"某模型评测分数又升了"重要得多——它意味着付费意愿层面的市场格局已经发生切换。本文按数据、驱动力、风险三块展开，并尝试给在做模型选型的开发者一些参考。

一、关键数字：Anthropic 一年涨 4 倍，OpenAI 一年涨 0.3%

来自 Ramp 5 月 AI Index 的原始数字（完整报告）：

维度	Anthropic	OpenAI
2026 年 4 月企业采用率	34.4%（环比 +3.8%）	32.3%（环比 −2.9%）
过去一年增长	约4 倍（从 7.94% 拉到 34.44%）	0.3%
2023 年 6 月起点	0.03%	约 30%
OpenAI 峰值	—	约 36.5%（2025 年中）

整体 AI 在企业的采用率小幅上升至 50.6%——蛋糕没怎么变大，但 Anthropic 在拿走 OpenAI 的份额。

Ramp 经济学家 Ara Kharazian 给 TechCrunch 的判断是：“这是 AI 模型供应商竞争格局的一次惊人反转。”（TechCrunch 报道）

OpenAI 的回应也值得记录——发言人称 Ramp 的数据只统计信用卡支付，而 OpenAI 的大型企业合同多以年度合约或银行转账结算，不在统计口径内。这个反驳有合理性，但也解释不了为什么趋势是单边下行。

二、不止 Ramp：Menlo Ventures 与 OpenRouter 的交叉验证

单一数据源不足以下结论。更可信的看点是——三份不同方法论的数据指向同一个结论。

Menlo Ventures 2025 年 12 月发布的《State of Generative AI in the Enterprise》调研了近 500 家美国企业决策者（报告原文）：

玩家	2023 年企业 LLM 支出占比	2025 年底
Anthropic	12%	40%
OpenAI	50%	27%
Google	7%	21%

三家合计 88%。更值得开发者关注的是Anthropic 在编程场景的市场份额已经到 54%（OpenAI 21%），且半年前还只是 42%——也就是说，编程是 Anthropic 拉开差距的主战场，而且增速还在加快。Menlo 合伙人 Deedy Das 的原话：“Anthropic 在编程领域已经连续 18 个月霸榜——从 2024 年 6 月发布 Claude Sonnet 3.5 开始就没让出过位置。”

OpenRouter 的实时排行也在 2025 年 12 月之后没让 OpenAI 重新超过过 Anthropic。

Ramp 测的是"哪家公司的账单更多"，Menlo 测的是"哪家公司的 LLM API 支出更多"，OpenRouter 测的是公共路由层的请求量——三个独立数据源得出同一个结论，这不是一次性的波动。

三、引擎只有一个：Claude Code

Ramp 报告里出现频率最高的关键词不是 “Sonnet 4.6” 也不是 “Opus 4.7”，而是Claude Code——Anthropic 的 agentic coding 产品。

几个能说明问题的数字：

Claude Code 上线 6 个月，仅这一款产品就做到10 亿美元 ARR；2026 年 2 月已突破25 亿美元 ARR
一项独立分析估算GitHub 公共仓库的 4% 提交是由 Claude Code 写的——比一个月前翻了一倍
Uber CTO 公开表示：公司 2026 全年 AI 预算在 4 个月内花光，主要给了 Claude Code 和 Cursor；工程师人均月 API 消耗 500–2000 美元；Claude Code 的工程师采用率从 32% 涨到 84%，约 70% 的提交代码现在由 AI 完成

Ramp 给出的解释是"刻意的客群排序"：先吃下金融、科技、专业服务这些技术密度最高的行业，再向外扩张。一旦企业用上 agentic coding 工具，工程师对模型的认知就会从"调用模型解决问题"升级为"把模型当协作者"，这种粘性在评测分数之外很难体现。

四、Anthropic 的三道坎

Kharazian 在报告里没有粉饰，明确指出了三个风险，对决定要不要把生产环境押在 Claude 上的团队是必读的：

1. 按 token 计费 → 激励错位

Anthropic 卖得越贵赚得越多，所以有动力把用户推向更贵的模型——即使便宜模型已经够用。Uber 4 个月烧完一年预算的故事，从供应商视角看是好消息，从用户视角看是警告。

工程对策：分级用模——简单分类/抽取上 Haiku，通用对话上 Sonnet，只有真正复杂的推理/编码上 Opus。配合 prompt caching，重复 system prompt 的成本能再降 90%。这是 LLM 工程化的基本功，但被高频踩的坑。

2. 产品质量下滑的抱怨

最近几周用户对 Claude 的吐槽集中在三处：频繁宕机、速率限制收紧、效果不如以前。Anthropic 4 月已经全面重置了所有用户的用量限额，并通过 SpaceX 合作短期内补充算力。但这暴露了一个长期问题——前沿模型公司在算力供给和用户体验之间一直要做艰难取舍。

3. 算力天花板

22 万张 H100/GB200 的 Colossus 1 接管只是短期解药，长期看 Anthropic 还是和所有前沿模型公司一样在算力上排队。对开发者的实际含义是：不要把单一供应商当生产环境的唯一依赖——做好关键链路的双模型冗余（Claude + 备用），同时通过中间层抽象掉具体供应商。

五、对开发者的几个观察

把上面的数据翻译成"我应该做什么"：

数据信号	工程动作
编程场景 Claude 份额 54%	把代码生成、Code Review、重构脚本迁到 Sonnet/Opus，Cursor、Continue、Cline 都已原生支持
70% 代码 AI 生成（Uber 案例）	建立 “AI 提交 → 自动测试 → 人审” 的流水线，CI 必须跑通才能合并
企业采用率反转	技术栈选型不再是 “GPT 默认” + “Claude 备选”，应该平级评估甚至优先评估 Claude
按 token 计费风险	监控人均月度 API 成本，超阈值自动降级模型，或切换到 Batch API（成本再降 50%）

如果想本地起一个最小可运行的 Claude API 调用：

fromanthropicimportAnthropic client=Anthropic(api_key="sk-your-key",base_url="https://gw.claudeapi.com",# 国内可达的网关)resp=client.messages.create(model="claude-sonnet-4-6",max_tokens=1024,messages=[{"role":"user","content":"用中文解释一下 prompt caching"}],)print(resp.content[0].text)

如果已有 OpenAI SDK 的代码，走兼容路径不用动业务逻辑：

fromopenaiimportOpenAI client=OpenAI(api_key="sk-your-key",base_url="https://gw.claudeapi.com/v1",)

cURL 一行验证连通：

curlhttps://gw.claudeapi.com/v1/messages\-H"x-api-key: sk-your-key"\-H"anthropic-version: 2023-06-01"\-H"content-type: application/json"\-d'{ "model": "claude-sonnet-4-6", "max_tokens": 256, "messages": [{"role": "user", "content": "Hi"}] }'