它是什么，我们如何使用它，对行业的影响，微软的困境，为什么 Anthropic 公司能够胜出
目前，GitHub 上 4% 的公开提交都出自 Claude Code 之手。照此发展趋势，我们预计到 2026 年底，Claude Code 的每日提交量将占到总数的 20% 以上。转眼间，人工智能已经席卷了整个软件开发领域。
我们的姊妹刊物《Fabricated Knowledge》曾描述过互联网兴起时期类似线性电视的软件 ，并认为Claude Code的出现将为软件之上增添一层新的智能，类似于 DRAM 与 NAND 的竞争 。今天，《SemiAnalysis》将深入探讨Claude Code的影响、它的本质以及它为何如此强大。
我们相信，Claude Code是人工智能“代理”发展史上的一个转折点，它预示着人工智能未来运行方式的雏形。它有望在 2026 年为 Anthropic 带来卓越的营收增长，使该实验室的规模远超 OpenAI。
我们构建了 Anthropic 的详细经济模型，并精确量化了其云合作伙伴 AWS、Google Cloud、Azure 以及相关供应链（例如 Trainium2/3、TPU 和 GPU）的收入和资本支出影响。这正是代币经济学模型的核心目的 。
Anthropic 有望在未来三年内实现与 OpenAI 相同的算力增长。请参阅我们的数据中心行业模型 ，了解 Anthropic 和 OpenAI 逐栋数据中心的进展情况。值得注意的是，Sam 的 AI 实验室正遭受多个数据中心延期的困扰，我们早在几个月前就已指出这一点，尤其是在我们对 Coreweave 2025 年第三季度财报的预测中，我们明确指出其资本支出预期将大幅低于预期。
由于计算能力越强，收入就越多，我们可以预测 ARR 增长，并将 Anthropic 与 OpenAI 直接进行比较。
值得注意的是，我们的预测显示，Anthropic 的季度年度经常性收入 (ARR) 增长已超过 OpenAI。Anthropic 的月度收入增长也高于 OpenAI。 我们认为 Anthropic 的增长将受到计算能力的制约。
让我们深入了解一下 Anthropic 的掌上明珠：Claude Code。
Claude Code与能动未来
智能体将成为有机智能（人类）与人工智能（AI）交互的主要方式。但Claude Code也展示了反过来的情况：智能体如何与人类交互。
我们相信，人工智能的未来在于代币的协调运作，而不仅仅是按成本价出售代币。以历史为鉴，我们将 OpenAI ChatGPT API 视为代币的调用与响应，类似于 Web 1.0 时代 TCP/IP 将用户连接到互联网上托管的静态网站。虽然 TCP/IP 是一项基础技术，但在 Web 2.0 时代，随着动态网页的出现，这种通信协议仅仅成为了实现互联网的手段。如今，互联网使用 TCP/IP 数据包来组织比静态网站庞大得多的信息集。协议固然重要，但正是基于该协议构建的应用程序创造了数万亿美元的价值。
这就是为什么 SemiAnalysis 认为我们又一次处于人工智能的关键时刻。这个时刻即便没有超越 2023 年初的 ChatGPT 时刻，也至少与之不相上下。
每一次突破都拓展了人工智能的能力。GPT-3 证明了规模化应用的可行性。稳定的扩散表明人工智能可以生成图像。ChatGPT 证明了市场对智能的需求。DeepSeek 证明了小规模应用的可行性，而 o1 则展示了如何将模型规模化，从而获得更优异的性能。吉卜力工作室的爆款项目仅仅是人工智能应用的里程碑，而 Claude Code 则是在智能体层面上的一项全新突破，它将模型输出组织成更丰富的内容。
什么是Claude Code？
Claude Code 是一款终端原生 AI 代理，它不像 Cursor 那样专注于集成开发环境 (IDE) 或聊天机器人侧边栏。Claude Code 是一个命令行界面 (CLI) 工具，它可以读取您的代码库，规划多步骤任务，然后执行这些任务。将 Claude Code 仅仅理解为专注于代码可能并不准确，它更像是一台计算机。Claude 拥有对您计算机的完全访问权限，可以理解其运行环境，制定计划，并迭代地完成该计划，整个过程都遵循用户的指令。
Claude Code 的功能远不止编写代码，它是人工智能代理的最佳范例。您可以使用自然语言与计算机交互，描述目标和结果，而无需关注实现细节。您可以向 Claude（命令行界面）提供输入，例如电子表格、代码库或网页链接，然后要求它实现某个目标。它会制定计划、验证细节，然后执行该计划。
这让我们得以窥见未来，但它在今天的软件领域也已初见端倪。你最喜欢的工程师们正在用这种充满活力的编码方式进行编程：
一年前提出“vibe coding”（氛围编码）一词的 Andrej Karpathy 公开讨论了这种阶段性转变 ，并特别指出：“我已经注意到，我手动编写代码的能力正在慢慢衰退。大脑中的生成（编写代码）和辨别（阅读代码）是不同的能力。”
Vercel 的首席技术官 Malte Ubl 声称，他的“新主要工作”是“告诉人工智能它做错了什么”。
今年，我对 Bash、文件系统、Postgres 网络协议和 SQLite 的理解比以往任何时候都更加深入，如果我的新工作不是告诉人工智能它哪里做错了，我可能永远都不会有这样的理解。
上午 12:10 · 2026 年 2 月 1 日 · 7.43 万次观看
NodeJS 的创始人 Ryan Dahl 表示，“人类编写代码的时代已经结束了”。
12:02 AM · 2026 年 1 月 20 日 · 725 万次观看
Ruby on Rails 的创始人 David Heinemeier Hansson 似乎怀念起过去手工编写代码的日子：
在文本编辑器里手动编写 Ruby 代码简直是一种奢侈享受。也许这很快就会成为一种失传的技艺，但这恰恰更让我们应该在还能拥有这种特权的时候尽情享受。
晚上 10:11 · 2025 年 12 月 2 日 · 5.26 万次观看
Claude Code 的创始人 Boris Cherny 表示：“我们几乎 100% 的代码都是用 Claude Code + Opus 4.5 编写的。”
上午 10:44 · 2026 年 1 月 27 日 · 129 万次观看
就连 Linus Torvalds 也在进行氛围编码：https://github.com/torvalds/AudioNoise
但不仅仅是程序员，在 SemiAnalysis，我们的分析师和技术人员也承担着不同的角色和职责。数据中心模型团队每周需要审核数百份文档。我们的人工智能供应链团队需要检查包含数千个条目的物料清单。我们的内存模型团队需要在现货市场价格飙升时近乎实时地构建预测模型。我们的技术人员需要维护 InferenceMAX 的实时仪表盘， 包括每晚在 9 种不同系统类型/集群上运行最新软件方案。从监管文件到许可证，从规格表到文档，从配置到代码，我们与计算机交互的方式已经发生了改变。
例如，我们的行业模型分析师现在使用 Claude Code 生成大量有用的图表和分析，以解析和传达大型数据集中的重要趋势：
以下是输入内容：
以下是输出结果：
程序员们将不再编写代码，而是请求他人代为完成任务。克劳德代码的神奇之处在于它真的有效 。许多知名程序员最终也接受了这种新型的“氛围编码”模式，并意识到编码实际上已经接近于一个已经解决的问题，由智能体而非人类来辅助完成会更加高效。
竞争的焦点正在转移。过去那种执着于线性基准测试，纠结于哪个模型“最好”的做法，终将显得过时，就像纠结于拨号上网和 DSL 哪个更快一样。速度和性能固然重要，模型也为代理提供动力，但性能的衡量标准将不再是数据包本身的质量，而是构建网站的净数据包输出量。未来的网站功能将是通过工具、内存、子代理和验证循环进行编排，从而产生结果，而非仅仅产生响应。最终，所有信息处理工作都将由模型来完成。
Opus 4.5 是实现这一切的引擎，而线性基准测试中重要的因素对于智能体长期任务可能完全无关紧要。稍后会详细介绍。
超越编码：滩头阵地，而非目的地
编程曾经是最有价值的工作，在 2020 年代的软件工程时代，程序员炙手可热。如今，编程已成为智能信息处理颠覆性变革的前沿阵地，而规模高达 15 万亿美元的信息工作经济正面临风险。 据国际劳工组织统计，全球有超过 10 亿的信息工作者，约占全球 36 亿劳动力的三分之一 。
信息工作类别中的每个工作流程通常都很相似，都遵循着克劳德·科德证明适用于软件开发的工作流程：阅读（吸收非结构化信息）、思考（应用领域知识）、编写（生成结构化输出）以及验证（对照标准进行检查）。这涵盖了绝大多数信息工作者（包括研究人员！）的工作内容，如果智能体可以“吞噬”软件，那么还有哪个劳动力市场是它们无法触及的呢？
我们的观点相当多元，随着 Claude Code（以及联合办公空间）的兴起，潜在代理市场远不止 LLM（法律、法律和咨询）领域。客户支持和软件开发等细分市场将开始覆盖更广泛的金融服务、法律、咨询和其他行业。这正是 SemiAnalysis Tokenomics 模型的核心所在 。
鉴于编码领域的“杀手级应用场景”以及 Claude Code/Cowork 的显著通用性，这证明了采用完全不同的计算方法的合理性。自动化大多数呼叫响应和信息获取流程很可能可行，这将带来巨大的潜在收益。 代币经济学模型的目标是随着智能体人工智能扩展到业务的各个方面，追踪更多杀手级应用场景和潜在市场规模。
采用限制：任务期限
真正让更大份额的蛋糕可供颠覆性创新利用的是更长的任务周期。智能体在任务失败前能工作多久？METR 数据显示，自主任务周期每 4-7 个月翻一番（到 2024-2025 年将加速至约 4 个月）。
每次翻倍都能解锁更多功能。30 分钟即可自动补全代码片段，4.8 小时即可重构一个模块。对于需要数天才能完成的任务，您可以实现整个审计流程的自动化。显然，Anthropic 也意识到了这一点。
2026 年 1 月 12 日，Anthropic 公司推出了 Cowork——“通用计算平台 Claude Code”。四位工程师仅用了 10 天就完成了开发。大部分代码都由 Claude Code 自身编写。架构与 Claude Code 相同：Claude Agent SDK、MCP 和子代理。它可以根据收据创建电子表格，按内容整理文件，并根据零散的笔记生成报告。它就像是去掉终端、加上桌面功能的 Claude Code。
这就是未来的一瞥。一个能够理解你日常工作或任务背景的系统，可以根据需要构建和生成信息处理流程。你无需再从数据库下载报告并创建图像，系统会自动为你生成格式比你在 Excel 中自己制作的更精美的报告。例如，当你需要收集销售配额等信息时，系统会自动从用户界面或 API 中提取信息，并代表你生成报告。信息处理本身也将实现自动化，就像 Claude Code 实现软件工程自动化一样。
虽然它目前还不完美，但显然它在处理、合成和格式化数据方面通常比大多数人都要快。在某些情况下，它还能以更高的精度和更低的成本实现这一切。尽管过程中难免会出现一些小问题，但大多数现有的系统都存在许多人为错误。如果信息能够以可行的精度进行处理并传递到下一步，这本身就会极大地增加工作机会。我们现在实际上已经到了这样的阶段：任何人都可以通过在这些智能体工作流程中输入代码来运行多变量回归，而这在21世纪初需要花费毕生精力才能完成。
StackOverflow 2025 年开发者调查显示 ，84% 的程序员正在使用人工智能，这代表了人工智能应用的前沿水平。只有 31% 的人使用编码代理，这意味着人工智能在更广泛的信息工作领域中的普及程度还处于早期阶段。就像编码代理的普及速度一样，人工智能在更广泛的信息工作领域也将迅速得到应用。
情报的代价正在暴跌
软件工程过去是、现在是、将来也永远是信息工作的黄金标准。但随着软件质量最终突破了临界点，程序员与工具之间的关系发生了翻天覆地的变化。程序员实际上只是在操控一个黑盒工具来实现目标，而这一切之所以成为可能，是因为代码令牌的智能质量和成本都大幅下降。现在，一个开发者使用 Claude Code 就能完成一个团队过去需要一个月才能完成的工作。
Claude Pro 或 ChatGPT 的月费均为 20 美元，而 Max 套餐的月费则分别为 200 美元。美国知识工作者的日均成本约为 350 至 500 美元。即使一个智能代理每天只处理他们一小部分的工作流程，成本仅为 6 至 7 美元，也能带来 10 至 30 倍的投资回报率，这还不包括智能代理带来的智能提升。
企业已经开始行动
信息技术成本的大幅下降将重新评估所有信息公司重复性工作的利润率。 埃森哲刚刚签署了一项协议，将培训 3 万名专业人员使用 Claude 平台 ，这是迄今为止规模最大的 Claude 代码部署。埃森哲将重点关注金融服务、生命科学、医疗保健和公共部门。这些都是信息自动化领域尚未开发的巨大市场。OpenAI 也刚刚发布了专注于企业级应用的 Frontier 平台 。
企业软件无疑是人工智能成本大幅下降的首当其冲。SaaS 本身只是将工作流程的信息处理过程结晶化为代码。SaaS 的三大护城河——数据转换成本（数据被困）、工作流程锁定（学习用户界面）以及集成复杂性（Slack 如何与 Jira 集成）——都已在一定程度上被削弱。SaaS 75% 的毛利率看似蕴藏着巨大的机遇，因为代理程序可以以更低的迁移成本在系统间迁移数据，代理程序本身不再依赖于人工操作的工作流程，而且 MCP 集成也大大简化了集成过程。SaaS 的各个方面都在降低成本，而利润空间已成为人工智能的首要机遇。
一个简单的例子是，代理现在可以代表您直接查询 Postgres 数据库，生成图表，并通过电子邮件发送给利益相关者。这实际上相当于 CRM 等 SaaS 工作流程的成本，而且无需对用户进行 UI 更改培训或更新软件。它开箱即用。BI/分析（代理查询数据库）、数据录入、ITSM（L1/L2 工单分类）和后台对账等功能已经在自动化过程中！这些功能已经触及了软件领域一些最神圣的领域。
我们认为，任何需要人为点击按钮、收集信息并将其重新格式化为其他媒介（电子邮件、图表、Excel、演示文稿）的系统都存在巨大风险。LLM（语言学习模块）正是擅长此类数据交换，能够轻松地将文本转换为音频、将英文转换为中文、将文字转换为图像。而我们认为，这对全球最大的公司之一——微软——构成了巨大的威胁。
竞争格局（微软的难题）
成本暴跌正在摧毁基于用户席位的软件模式。随着 Claude Code 在 SemiAnalysis 内部的大规模应用，微软基于用户席位的 Office 365 的市场份额发生了前所未有的巨大变化。微软堪称“人性化按钮”的典范，其理念也延伸至所有基于用户席位的软件。值得关注的趋势是，一套适用于多行业工作流程且专为用户设计的软件正在兴起。
如果代理商只是代表你查询潜在客户数据，那么公司为什么需要对 Salesforce 进行标准化呢？Salesforce 只是一个表单和工作流的封装器，而这些表单和工作流很可能可以通过人工智能搭建成数据库，然后根据需要进行查询。用户体验和偏好设置的每一点都面临风险。Tableau 的概念已经过时；Figma（人机交互线框图）也岌岌可危。人机交互的核心方式即将发生改变，而微软却身处旧模式的中心。
夹在两家企业之间
我们之前（错误地）预测微软的营收将加速增长，这主要得益于其庞大的芯片租赁业务以及向外部代工厂产能的转移。但我们认为，在他们最近的财报电话会议上，他们决定采取战略性放缓措施。以下是会议纪要：
我认为，过去一段时间以来，我们和我们的产品之所以能够取得如此显著的加速发展，很大程度上是因为我们将 GPU 和算力分配给了过去几年我们招募的众多优秀人工智能人才。最终，剩余的资源将用于满足 Azure 持续增长的需求。我经常被问到这个问题，不妨这样理解：如果我把第一季度和第二季度新增的 GPU 全部分配给 Azure，那么 KPI 将会超过 40。
关键的背景信息是：
我们正在制定长远的决策。 首先，我们要解决销售中使用量不断增长以及 M365 Copilot、GitHub Pilot 或第一方应用程序开发速度加快所带来的问题 。然后，我们要确保对研发和产品创新进行长期投资 。
微软内部存在两大核心业务：一是面向公开市场投资者的 Azure 增长，二是投资 Copilot 以维护 Office 365 产品套件。要想在其中一项业务上取得决定性胜利，很可能意味着在另一项业务上有所损失。目前，微软是全球最大的 AI 云服务提供商之一，服务于 OpenAI 和 Anthropic 等公司。但他们却将 GPU 出租给那些可能摧毁其生产力软件业务的“蛮族”。
Claude for Excel 实际上就是 Copilot for Excel 本应有的样子， 但它是由外部公司在其自有产品上推出的 。如今，微软的大部分收入仍然来自 Office，但其最终价值主要来自 Azure 的收入增长。为了加速 Azure 的发展，微软将允许那些“门外的野蛮人”更快地攻破其壁垒。微软曾经与一些初创公司达成协议，但随着 OpenAI 和 Anthropologie 等平台逐渐发展壮大，这道护城河是否还能阻挡它们，目前尚不明朗。
讽刺的是，微软在人工智能领域的投入必须增加 ，否则其 O365 产品套件的最终价值将会暴跌。微软确实拥有分销渠道，但其产品定位与人工智能领域的新兴公司相比正在日益下滑。与此同时，微软在人工智能领域的核心合作伙伴 OpenAI 自身也正面临着来自 Claude Code 的企业级颠覆。OpenAI 必须迅速应对 Claude Code 在智能代理领域的崛起，否则自身可能会沦为一家基础设施公司（代币），而非解决方案公司（智能代理）。颠覆的风险正在急剧上升，而这正发生在有史以来最赚钱的公司之一身上。
GitHub Copilot 和 Office Copilot 抢先一年推出，但作为产品却几乎毫无进展。与此同时，萨蒂亚·库什纳实际上已经卸任 CEO 的日常职责，转而担任微软人工智能的产品经理 。显然，这款产品的成败可能关乎整个公司的命运。
评论区