Google / Gemini

招股书显示Anthropic已跨过单季度营业利润转正的拐点，规模效应初步兑现，真正待定价的是按量计费的灵活收入能否覆盖提前锁定的巨额算力承诺。

• 影响企业更换模型供应商的比例升至8%，采购方在性能和价格上的议价空间扩大；Token使用量增速明显快于支出增速，同等用量的成本趋于下降；背负长期算力承诺的供应商若遇价格竞争，其定价与供应稳定性需要纳入采购评估。
• 参考可考虑借供应商竞争重新议价，在模型采购合同中保留价格与用量弹性条款；值得按月对比Token用量与实际支出，测算切换新模型版本的节省；先盘点对单一模型供应商的依赖度并准备备份切换方案。

Anthropic把爆炸式收入与未来十年超6500亿美元的锁定算力承诺打包推向公开市场，前沿模型竞争进入资本消耗与算力对赌阶段。

• 影响招股书显示亚马逊和谷歌各贡献约12%营收，采购Claude的企业可据此评估供应商集中与算力供给风险；80%照付不议的合同结构迫使公司持续冲高用量与定价，价格与供给政策可能更趋刚性；上市后季度披露将为行业提供可对照的真实经营基准。
• 参考可考虑把招股书的收入结构、大客户集中度和算力合同条款列为评估AI供应商稳定性的对照清单；采购合同值得参考SpacexAI合同中提前90天书面通知退出的设计，为用量波动预留调整空间；先算出自家按用量与订阅支出的占比，再决定议价策略。

Anthropic把爆发式营收、会计性巨亏与超6500亿美元算力承诺一并交由公开市场检验，前沿大模型竞争进入资本密集的重资产阶段。

• 影响招股书公开了用量计费占八成、前两大客户各贡献约12%的收入结构，可作为评估大模型供应商集中度的参照；约80%算力承诺为照付不议条款，模型厂商成本刚性将长期存在；IPO窗口收紧背景下，AI基建供应商的交付与融资稳定性需纳入采购评估。
• 参考可考虑盘点自家大模型支出中用量计费与订阅的占比，以及经云市场采购时的加价成本；值得把此次IPO最终估值作为AI资产定价参照，重算内部AI预算的回报假设；签订长期算力或模型合约时，可参照其条款明确不可撤销期与退出通知机制。

Anthropic 招股书把前沿 AI 实验室的账本摊向公众，收入增长确实跑赢了算力成本增速，但商业模式押注少数大客户和巨额算力承诺。

• 影响企业可从招股书直接看到 Claude 背后的成本结构与客户集中度；公司加严使用政策执法约影响 7% 收入，依赖其 API 的业务需留意条款与供给变化；创始人保留 50.1% 投票权，上市不改变控制权归属。
• 参考可考虑把 Claude 相关业务的合同期限与数据迁移预案纳入供应商风险管理；值得借招股书披露的客户集中度和算力承诺重估对单一模型供应商的依赖；采购谈判时可留意其大客户多无长期合同这一条款空间。

S-1 数据显示大模型业务能同时做到十倍级增长与经营盈利，风险重心从亏损转向 6370 亿美元的算力承诺。

• 影响模型按消耗计价且客户无锁定，单位任务成本半年内下降 25% 到 45%；厂商背着三分之二不可取消的算力承诺，收入波动时定价与供给条款存在变数；近半收入经由市场平台交付，采购渠道选择在扩大。
• 参考可考虑把单位任务成本而非订阅价作为模型选型基准，用 Fable 5.1 与 Opus 5.5 的降价幅度做参照；值得按季度重估消耗型预算，并在市场平台与直签之间做比价。

模型层面的竞争没有变，变的是渠道，OpenAI半年内从Azure独家转向三大云铺货，云厂商借企业客户关系和结算体系成为前沿模型的分销货架。

• 影响企业不必搬数据或另签合同，就能在既有云平台内按任务混用Gemini与GPT，模型选型和云选型开始解绑；采购入口与账单进一步向超大规模云厂商集中，云消费承诺的谈判分量随之上升；微软失去独家分销但保住优先登陆地位。
• 参考可考虑先核对自家云合同与消费承诺能否直接抵扣OpenAI模型调用费用，重算混用多模型后的实际账单；再按任务梳理各模型的能力、延迟和成本，选一两个内部场景试点在同一云平台内切换Gemini与GPT。

AI 把基础软件中早已发现却被搁置的缺陷快速变成可验证的攻击路径，长期隐患可能突然变成紧急危机。

• 影响使用 PHP 的官网和业务系统要先确认版本并升级，无法及时打补丁可按官方建议暂时下线；依赖老旧开源组件的系统要假设历史缺陷可能被 AI 加速武器化，补丁和风险评估节奏需要重排；防御方同样可用 AI 加快代码审计和漏洞验证。
• 参考可考虑先盘点对外 PHP 服务的版本清单，排期升级到 8.5.12、8.4.27、8.3.36 或 8.2.35；值得评估把 AI 辅助代码审计引入安全流程，并对模型给出的漏洞假设安排人工验证后再处置。

AI 把靠攻击成本高、不值得动手换来的隐性安全拆掉了，互联网存量老代码里大量被搁置的漏洞正变成值得打的目标。

• 影响运行 PHP 8.1 或更旧且无官方补丁的对外服务暴露面需要重算；漏洞从披露到出现攻击尝试的窗口可被泄露压缩到几小时，应急响应要能按小时决策；修补仍需逐台服务器进行，防守压力集中在资产盘点和响应速度上。
• 参考可考虑先盘点对外服务所用 PHP 及开源组件版本，对照官方 8.2 至 8.5 修复范围列出无法升级的系统并评估隔离或下线；值得演练补丁延迟场景的应急节奏，也可测算用 AI 审计工具自查存量代码的投入产出。

实质是 AI 把挖漏洞与写攻击的成本压到接近零，靠攻击者嫌麻烦维持的老代码安全默契正在瓦解。

• 影响依赖 PHP 等老旧开源组件的业务系统暴露面骤增，打补丁只能一台台服务器做；存量漏洞会被批量翻出，从披露到被利用的窗口可压缩到几小时；安全投入的重心要从拦攻击转向清存量。
• 参考可考虑先盘点对外服务的 PHP 及开源组件版本清单，排出补丁优先级；值得评估用 AI 审计工具对核心系统做存量漏洞摸底，并把漏洞爆发时的应急下线预案写进运维流程。

AI 把潜伏多年、长期被认为无法利用的基础软件缺陷做成了可用攻击代码，漏洞武器化周期从数月缩到一周。

• 影响自建网站和服务的企业面临紧急升级与重启进程；跑在无补丁老版本上的长尾系统和供应商系统只能靠迁移或隔离兜底；AI 同时加速攻防两端，防守方的窗口期在收窄。
• 参考可考虑盘点自有及供应商系统的 PHP 版本，升级到修复分支并重启进程；拿不到补丁的老系统值得安排迁移或隔离，也可用 OpenAI 开源的检测 Skill 或 WAF 规则做临时缓解。

OpenAI 前沿模型进入 Google Cloud 的模型目录，模型分发正走向多云渠道，向企业既有云采购路径靠拢。

• 影响已在使用 Google Cloud 的企业有望经既有云合同与账单获取 OpenAI 模型，减少另行开通；同一模型目录内前沿模型选项增加，云内采购与结算路径可更集中。
• 参考可考虑让云采购团队在上架后核对 Marketplace 的定价与计费口径，并与现用 OpenAI 接入方式做成本对比；值得盘点各业务线模型用量，评估是否并入云账单统一管理。

东南亚AI经济的实质变化是把token用量当作新的增长计量指标，AI已从辅助功能变为支撑数字经济17%增速的基础变量。

• 影响面向东南亚的电商、出行与金融业务可对照报告分行业数字校准AI投入；智能体交易有75%用户意愿基础，支付与隐私适配存在准备窗口；数据中心需约3倍扩张叠加PUE能效规则，算力成本与合规要求会进入经营考量。
• 参考可考虑按报告口径复算东南亚业务的AI预算，例如在电商场景试点多模态发现与站内助手并记录转化对比；值得提前盘点智能体交易所需的隐私保护、能力透明说明与交易可撤销流程。

招股书草案显示头部大模型公司实质是重资产算力生意，冲刺IPO的核心目的是承接私募市场无法覆盖的十年期刚性算力账单。

• 影响上半年算力支出近90亿美元、占营收约55%，成本结构远重于成熟软件公司；云厂商股东兼供应商的结构让资金与采购相互强化，不可取消长约锁死未来灵活性；IPO估值预期已从约2万亿美元下修至约1.5万亿美元。
• 参考可考虑把AI预算口径从单价对比改为含长期承诺的算力总成本核算；选型时值得查看供应商合同中不可取消条款和保底支付比例；依赖单一头部模型的企业可预先准备模型迁移和多云方案。

谷歌以价格为主卖点重返旗舰模型竞争，能力上称追平竞品，榜单显示各基准互有胜负，成本优势是这一代最实的信息。

• 影响旗舰档调用成本被拉低，文中粗算Argon约为Opus5.5的一半、Astra的五分之一；半价窗口只到11月30日，迁移测试有明确截止；早期使用者反馈复杂多智能体任务仍有差距。
• 参考可考虑在11月30日前选1到2个长流程任务与现用模型做同题对比，记录成功率、token消耗和人工返工量，再决定是否迁移部分调用。

谷歌用五分之一价格提供追平而非领先的智能分数，实质是把旗舰推理变成云和订阅体系的引流品，以价格换生态黏性。

• 影响低价窗口只到11月30日，企业试用旗舰推理的成本短期下降；独立测算显示其单任务 Token 消耗为 Astra 的2.3倍，12月恢复原价后成本优势可能反转，选型预算需按标准价重算。
• 参考可考虑在11月30日前选一个真实编码或智能体场景做迁移验证，记录单任务 Token 消耗与成本；值得按12月1日恢复的4/20美元标准价重算总成本，再决定是否长期绑定。

谷歌把旗舰模型的卖点从基准跑分转向真实工程与科研任务交付，并用首发减半定价继续加码竞争。

• 影响代码维护等长时自动化任务多了一个旗舰级选项；截至11月30日的半价定价直接改变token成本测算；谷歌展示的成果多为自家工程口径，采用前宜先小场景试跑。
• 参考可考虑在半价期内挑一个真实工程任务，对比Gemini 4与在用模型的成本和交付质量；值得盘点适合无人值守长任务的代码库或文档处理清单。

谷歌以限时半价和95%缓存折扣争夺长时程Agent调用量，能力上长程专业任务有独立榜单支撑，但并非全面领先对手。

• 影响依赖大型代码库或长文档读取的Agent场景，缓存折扣能明显摊薄多轮调用账单；11月30日后价格翻倍，Q4预算需按恢复价测算；部分软件工程测试仍落后对手，选型要对照自身任务结构。
• 参考可在11月30日前用真实长上下文任务试算账单并与现用模型对比；值得优先试点代码库分析或长文档审读类Agent；同时盘点现有Agent的越权行为监控与人工确认机制。

谷歌以限时五折和百万token长任务能力参战，前沿模型竞争重心转向Agent长程任务的成本效率。

• 影响限时五折与95%缓存折扣降低了长上下文Agent应用的试用成本，但11月30日后输入和输出价格将翻倍恢复，预算应按恢复价测算；文中工程提效与安全案例均为谷歌披露口径，选型结论需用自有场景验证。
• 参考可考虑在促销期内选一个代码重构或文档分析场景做付费对比试点；值得先按4美元/20美元的恢复价重算长任务成本，再决定是否迁移。

Google 的做法是让网络防御者先用、再广泛开放，并用三层实时防护和运行时监控来对冲前沿网络能力的滥用与失控风险。

• 影响安全团队可能获得更强的漏洞挖掘工具，官方与 Wiz 案例给出真实战果；但官方数据同时显示作弊与注入风险未清零，智能体部署仍需企业自建边界和人工确认。
• 参考可考虑让安全团队先读官方安全报告和模型卡再定采用节奏；智能体试点值得保留人工确认点和调用边界，并向厂商索取注入与滥用测试数据。

Google 把旗舰能力做成付费档区隔，同时用低价介绍价和安全测试数据争夺企业开发者，前沿模型竞争节奏已压缩到周级。

• 影响编码与智能体场景可按每百万 token 2 美元和 10 美元的介绍价重算成本；免费与 Plus 档被限制在 Flash，依赖这两档的产品体验会降级；前沿模型发布间隔缩到两周内，选型折旧在加快。
• 参考可考虑用介绍价对现有编码智能体负载跑一次成本与质量对比；值得把 Vals Index 和独立总榜分开看，用自己的任务样本做小规模评测；上线前可先查阅模型卡中的安全测试数据。