同一天，同一个结构，
完全相反的赌注
OpenAI 和 Anthropic 在同一天宣布了看起来一模一样的合资企业计划。 但把条款摊开来读，会发现两家对"自己是谁"的判断是完全相反的——这才是真正值得理解的事。
5 月 4 日，OpenAI 和 Anthropic 先后宣布了同一件事：与私募股权（PE）公司成立合资企业，向大型企业部署 AI。科技媒体人 SiliconSnark 说了一句流传很广的话：「科技行业里哲学分歧最大的两家 AI 公司，在同一天发明了同一家公司。」但如果你仔细看条款，它们做的其实是完全不同的两件事。
01 先搞清楚：合资企业是用来解决什么问题的
过去几年，AI 公司最头疼的不是模型做不出来，而是模型做出来了没人敢用——或者说，不知道怎么用。
麦肯锡的年度调查数据给了一个直观的尺度：88% 的大企业已经在至少一个业务场景里用上了 AI，但真正实现规模化部署的不到 10%。那 90% 的差距卡在哪里？不在 API 质量，而在于：谁来进现场改流程？谁来迁移数据？谁来处理中层员工的抵触情绪？谁来替换掉不适配的岗位？
这就是 AI 公司想借助 PE（私募股权公司）解决的核心问题。
什么是合资企业（JV）？ 两家或多家公司共同出资成立一家新公司，各自出钱出资源，按约定分享利润和承担风险。这里的合资企业，简单说就是：AI 公司出技术，PE 公司出资金和企业资源，一起组建一支能真正进入企业内部部署 AI 的队伍。
PE 公司的特殊价值在于：它们通常持有旗下投资公司的多数股权，这意味着可以直接决定管理层去留、改变流程优先级，把 AI 部署写进 CEO 的硬性任务——而不只是给对方写一份建议报告然后等客户自己决定要不要做。
02 这个模式是怎么一步步演化到今天的
传统 PE 滚雪球（Rollup）
在分散的行业里低价收购小公司，靠集中后台、标准化流程来降本增效，再以更高估值出手。没有技术差异化，纯靠运营效率。代表反例：Thrasio 在亚马逊品牌聚合赛道砸进 160 亿美元，90% 的公司最后挣扎求存或直接倒闭。
VC 支持的 AI 滚雪球
反过来：先建 AI 技术平台，再收购传统服务企业，靠股权控制权强制推行 AI 改造。当你是顾问，你只能建议客户用 AI；当你是控股股东，你可以直接换管理层。RAND 研究显示 80% 的 AI 项目失败，核心障碍全是组织问题，而不是技术问题。
三方分工的合资企业（5 月 4 日）
把三件事拆给三个专业实体：AI 公司负责模型和工程能力，PE 提供投资组合公司和控制权，合资公司负责实施落地。技术、控制、执行，从一家公司全干，变成三家公司各干一段。
03 两家公司的条款：看起来像，其实是两道不同的题
由 TPG 领投，共 19 家投资机构参与，另有麦肯锡、凯捷、贝恩等三家咨询公司作为投资方。
OpenAI 保留多数控制权。
收购了约 150 人的企业 AI 咨询公司 Tomoro，这些工程师会进驻客户现场，直接做诊断和部署。
据独立媒体报道，OpenAI 向 PE 合伙人承诺年化 17.5% 的保底回报——是行业标准的两倍多。官方公告未予确认。
与黑石、Hellman & Friedman、高盛成立合资企业，各方按比例出资约 3~1.5 亿美元。
没有保底回报承诺。
定价结构更接近一家传统服务公司，估值约为 OpenAI 方案的七分之一。
与 Anthropic 此前「模型中立」策略一脉相承——旗下产品已接入 GPT、Gemini 等竞争对手模型。
这里最值得解读的一个数字是 17.5%。行业标准的 PE 优先回报是 8%，17.5% 是两倍多。用大白话来说：不管 DeployCo 赚不赚钱，OpenAI 每年都要先付给 PE 合伙人投资额 17.5% 的回报——PE 拿近乎无风险的收益，OpenAI 承担大部分下行风险。
为什么愿意付这个溢价？三个原因可能同时成立：第一，OpenAI 当前估值 8520 亿美元，IPO 在即，任何收入的不确定性都会压估值，买的是收入的确定性；第二，OpenAI 和 Anthropic 同时在抢同一批 PE 资源，竞标推高了价格；第三，OpenAI 在 JV 里保留了多数控制权，在 PE 出钱的情况下保持这种控制权本身不寻常，溢价里有一部分是买这份控制权的代价。
04 分歧的核心：AI 公司的核心资产到底是什么
两家公司用同一个结构，回答了完全相反的问题。
OpenAI 的判断：模型是护城河，渠道是外包服务
OpenAI 认为 GPT 系列模型会持续领先，核心竞争力在模型本身。但模型不能自动抵达客户——需要有人进驻现场、改流程、做集成、处理内部阻力。OpenAI 不打算自己组建这支队伍（那会把自己拖进服务业的经济模型），而是选择花高价把它外包给 PE 和咨询公司。
17.5% 的保底回报，是一笔巨大的渠道成本。就像航空公司花巨资买飞机、但自己仍然是一家运输公司而非飞机制造商——渠道贵，但它是为了让主业（卖模型）能运转起来，而不是让自己变成渠道公司。
OpenAI 是一家卖模型的公司，JV 是它花高价租来的渠道，买的是把模型送进企业的通路。
Anthropic 的判断：模型会商品化，客户关系才是壁垒
Anthropic 的看法截然不同。当前主流 AI 模型在通用评测上的差距已经收窄到个位数，而且 Sam Altman 本人也承认「Transformer 模型遇到了瓶颈」。当模型差距继续收窄，竞争的重心就会从「谁家模型最强」变成「谁最会帮客户把 AI 真正用起来」。
这个判断在 Anthropic 的产品策略上已经有所体现：今年 4 月，Anthropic 在自家产品里接入了 GPT、Gemini、DeepSeek 等竞争对手的模型。Anthropic 官方博客写过一句话，把这个逻辑讲得很直白：「我们对这些界面的形态有自己的主张，但不决定界面背后跑什么模型。」
Anthropic 是一家卖部署服务的公司，JV 就是它的主营业务本身，模型只是服务里的一个配件——今天用 Claude，明天可能换 Gemini，服务本身不变。
两种判断各自有各自的风险。如果模型真的商品化了，OpenAI 的 17.5% 会成为沉重的固定成本——模型收入下滑，但每年还要先付 PE 的保底回报。反过来，如果模型没有商品化、GPT 持续拉开差距，Anthropic 建的那条「模型无关」的服务管道就失去了核心卖点——当客户开口说「给我最好的模型」而不是「帮我设计工作流」时，一个模型中立的服务公司比不过一个模型垄断者的直销团队。
05 一个更底层的风险：如果 AI 互相压价到零利润
前面讲的分歧有一个共同前提：企业部署 AI 本身是有利润的。但如果两家 JV 生成的 AI 智能体（Agent）同时进入同一个市场呢？
逻辑是这样：如果没有竞争，一家年收入 1 亿元的服务公司用 AI 提效后，收入规模不变，利润率跳升——这是一笔好生意。但如果 OpenAI 的 DeployCo 和 Anthropic 的 JV 同时往同一个赛道（比如客服外包、会计自动化、法律服务）里放 AI 智能体，两边的智能体就会开始互相压价抢客户，最终把利润吃到接近于零。效率提升本身不缩小市场，竞争才会。
Anthropic 自己的一项内部实验已经提前演示了这件事的缩影：在一个全由 AI 智能体参与的模拟市场里，能力更强的智能体会系统性地从能力较弱的智能体那里抽取价值——而被抽走价值的一方完全没有察觉。
Klarna 的经历提醒了同一件事的另一面：即便没有竞争压力，过于激进的 AI 部署本身也可能把服务做差。Klarna 2023 年用 AI 裁掉了 700 名客服，到 2025 年全面逆转了这一决策——问题解决时间增加了 27%，用户不满意交互增长了 35%。
有一句话概括了这个现象：「服务业的低效不是意外，是设计。低效本身就是产品。客户为灵活性、定制化、以及出了事能找人负责而付费。」——AI 在压缩这些成本的同时，也可能一并压缩了服务本身的价值。
06 读懂这件事，对普通人意味着什么
过去半年，AI 行业的竞争焦点发生了两次迁移。第一次，从「谁的模型更强」转向「怎么让模型跑得更好」——同样一个模型，在不同的使用方式下，性能差距可以达到 16 个百分点。第二次，从「怎么用模型」转向「谁能让企业真正用起来」。
88% 的企业已经在用 AI，但不到 10% 实现了规模化部署。差出来的 80%，瓶颈不在技术，在于谁来真正进入企业内部推动变革。这是 OpenAI 和 Anthropic 同时押注合资企业的底层逻辑。
但两家对「自己是谁」给出了完全相反的答案：
OpenAI 说，我是卖模型的，渠道是外包的成本。Anthropic 说，我是卖服务的，模型是服务里的配件。
哪一家赌对了？现在还没有答案。但如果你在判断 AI 产品的竞争策略，这件事告诉你：下一步的竞争对手，不只是其他模型团队，还包括那些控制着企业入口的 PE 公司、它们刚组建的实施队伍——以及它们手上会在市场上互相压价的 AI 智能体。
评论
发表评论