有一组数字，把Anthropic在企业AI市场的处境描述得非常清楚：

  • 部署量：Claude API占企业代理部署的18%，排名第三（Microsoft Copilot Studio 31%，Salesforce Agentforce 24%）
  • LLM支出：Anthropic占企业LLM支出的约40%，领先OpenAI的27%
  • 主平台采纳率：Claude作为企业主要代理编排平台，只有5.7%——排名第三，远落后于Microsoft Copilot Studio的38.6%和OpenAI的25.7%

同一家公司，同一个产品系列，这三个数字讲述了三个不同的故事。把它们放在一起，才能看清Anthropic在企业市场真正的位置，以及它面临的最核心战略挑战。

三个数字构成的矛盾地图

让我们先理解这三个数字各自代表什么。

部署量（18%）代表Claude被企业用于构建AI代理的频率——在所有企业部署的代理项目里，有18%用到了Claude API。这说明Claude在技术上被认可，开发者愿意用它来构建应用。

LLM支出份额（40%）代表企业在购买大语言模型服务上，有40%的钱流向Anthropic。这是最直接的营收指标，也说明使用Claude的企业客户平均支付了更高的费用——可能是因为Claude的单价更高，或者企业在关键工作流上更重依赖它。

主平台采纳率（5.7%）代表企业把Claude平台作为代理编排主体、整个AI代理工作流核心运行环境的比例。这是最能体现”粘性”和”锁定”程度的指标——一旦企业选择了某个平台作为”主编排层”，替换成本极高，迁移可能性极低。

三个数字同时成立，形成了一个引人深思的悖论：

Anthropic在钱上赢了，在部署上排第三，但在”真正的控制权”上，离第一名差了将近7倍。

18%和5.7%之间的18个百分点意味着什么

当一个平台在部署量上得到18%，但在”主平台”上只有5.7%，意味着什么？

它意味着大量企业在使用Claude，但不把Claude当作核心平台。他们可能把Claude当作一个LLM层——在自己用Microsoft Azure或AWS的编排框架搭建的代理系统里，调用Claude的API做具体推理任务。

打个比方：一个企业用Microsoft Copilot Studio搭建了整个AI代理系统的架构（主平台），但在处理需要高质量推理的任务时，调用Claude的API（而不是GPT）。这解释了为什么Claude的LLM支出份额高（40%），但主平台采纳率低（5.7%）——企业在向Anthropic买”智力”，但向Microsoft或AWS买”房子”。

这个区别在AI代理时代的战略意义是根本性的。

平台护城河的底层逻辑

为什么Microsoft Copilot Studio能占38.6%的主平台份额？

答案不在于技术能力。Copilot Studio的推理能力从来不是最强的——使用的模型混合了GPT系列和其他模型。它的主平台地位来自于生态系统整合。

想象一个中型企业的技术栈：Teams用来开会，Office 365用来写文档，SharePoint存档案，Azure用于云基础设施，Dynamics 365做CRM，Azure Active Directory管权限。这些都是Microsoft的产品。

当这个企业要部署AI代理时，Copilot Studio已经生活在他们的基础设施里了。代理可以自然地访问Teams对话记录、SharePoint文档、Dynamics客户数据，不需要任何额外的API集成，权限管理自动继承AD的现有设置，企业安全政策无缝适用。

这是”护城河”的最纯粹形式：切换成本不是钱，是整个IT基础设施的重新架构。

Salesforce Agentforce的逻辑完全相同。24%的部署量来自于Salesforce对企业CRM层的深度控制——当你的AI代理的核心任务是销售流程自动化、客户服务代理、市场营销工作流，而这些数据都在Salesforce里，那选择Agentforce不只是方便，而是唯一合理的选项。

Anthropic的优势在哪里，真的被低估了吗

在读完上面的分析后，很容易得出一个结论：Anthropic在企业AI的平台竞争中处于劣势，迟早会被边缘化。

但这个结论过于简单。

先看40%的LLM支出份额。 这个数字说明企业不只是在用Claude，而是在为Claude的质量付溢价。一个使用Claude的企业，平均支出比使用OpenAI的企业高得多（Claude 40% vs OpenAI 27%，但Claude的市场份额在主平台上只有5.7% vs OpenAI的25.7%——意味着Claude在更集中的高价值工作流里被重度使用）。

这暗示了一个有意思的细分市场逻辑：需要高质量推理能力、对AI输出质量有极高要求的关键工作流，倾向于选择Claude而不是GPT。 可能是法律文件分析、医疗诊断辅助、高风险金融决策支持——这些场景不适合用便宜但错误率稍高的模型。

企业里存在两种完全不同的AI采购逻辑：

  • 高量低质场景：email摘要、日历助手、基础文档整理——量大、对质量容忍度高，倾向于用便宜、深度集成的平台工具（Copilot Studio、Agentforce）
  • 低量高质场景：法律合规审查、技术架构分析、战略文档起草——量小、对质量零容忍，倾向于用推理能力最强的模型（Claude）

Anthropic在”低量高质”场景里的市场地位，可能比5.7%的主平台数字反映的更强。40%的LLM支出是这个假设的间接证据。

Claude Managed Agents：填补编排层的尝试

Anthropic不是没有意识到这个问题。

2026年，Anthropic推出了Claude Managed Agents——这是Anthropic第一次认真尝试从”纯模型提供商”向”平台提供商”转型的产品。它提供了一个托管的代理运行时，让企业不只是调用Claude的API，而是在一个由Anthropic托管的环境里运行完整的AI代理工作流。

这是正确的方向，但面临两个结构性挑战：

第一个挑战是时间。Microsoft和Salesforce的企业客户数量是Anthropic的几十倍，他们在过去两年里已经让大量企业团队完成了”AI代理部署”的学习曲线——用他们的工具。重新教这些企业用一套新平台，需要的时间和动力都远超过技术差距本身。

第二个挑战是资产。企业的核心价值在于数据——客户数据、流程数据、历史记录。这些数据住在Microsoft、Salesforce、ServiceNow、SAP里，不在Anthropic里。如果没有深度的数据连接器和预建集成，Claude Managed Agents即使运行出色，也是一个”没有家具的豪宅”——功能强大但装不进企业的日常工作。

安全与治理：Anthropic正在下的一步险棋

但Anthropic有一张独特的牌，它至今还没有被充分兑换：安全与治理定位。

在AI代理快速扩张的2026年，企业面临的一个新型风险是”代理失控”——AI代理在没有充分监督的情况下采取了有害行动（发错邮件、提交错误订单、访问越权数据）。随着企业代理数量从个位数增长到数十个、数百个，治理难度指数级上升。

Anthropic在这个领域有一个独特的品牌资产：被认为是最安全、最可预测的模型提供商。 Constitutional AI、负责任扩展政策（RSP）、对内部安全研究的持续投入——这些积累出了一种市场感知：如果你的代理要做高风险决策，用Claude比用GPT安全。

如果监管框架开始要求企业对AI代理的决策承担法律责任（这在欧盟AI法规和几个美国州立法草案中已有迹象），那么”Claude更安全”可能从一个软性品牌认知变成一个采购合规要求。

这是Anthropic在平台竞争中可能逆转局面的一条路径——不是靠技术能力追平Copilot Studio的生态整合，而是靠监管压力把”安全”从差异化优势变成行业标准。

对话OpenAI的第三个数字

回到那三组数字，有一个视角值得单独放大：OpenAI在这场竞争中的处境。

OpenAI的主平台份额（25.7%）是Anthropic（5.7%）的4.5倍，但OpenAI的LLM支出份额（27%）却低于Anthropic（40%）。

这是一个有意思的倒置：OpenAI在平台控制权上更强，但在”单位价值”上可能被Anthropic超越。

一种解释是：OpenAI更多地被用于大量中低质量任务（聊天、简单代理），Anthropic更集中在高价值场景（企业关键工作流中的高质量推理）。如果这个解释成立，那么这场竞争的真正分野不是”谁有更大的市场份额”，而是”谁控制了AI价值链上最关键的那一段”。

另一种解释是定价差异：Claude Opus 4.x的API定价历来高于同级别GPT版本，高LLM支出可能部分反映价格差而不只是使用量差。Anthropic没有公开足够细的数据来区分这两种效应。

7.6亿美元市场中的三个平台战争

企业代理平台市场在2025年的规模是76亿美元（7.6 billion），预计到2034年以43.84%的年复合增长率扩张。这意味着到2030年，这个市场将超过1500亿美元。

在一个如此快速增长的市场里，当下的市场份额反映的不只是今天的商业结果，更是锁定效应的累积。每一个企业客户把自己的代理工作流构建在Microsoft、Salesforce或Anthropic的平台上，就是在建立一道迁移壁垒——下次技术选择的惯性，会让这家企业倾向于留在同一生态里。

这解释了为什么Anthropic的5.7%主平台份额是一个令人担忧的信号，即使40%的LLM支出看起来相当强劲。如果未来五年内大多数企业的代理基础设施在Microsoft/Salesforce/AWS的生态里成形，Claude可能成为一个高质量但被降级为”推理子服务”的角色——而不是企业AI的神经中枢。

结语：模型优势能否转化为平台控制权

Anthropic面临的核心问题，用一句话概括：拥有最好的模型，不等于拥有企业AI战略的主控权。

这不是一个新问题。历史上，Intel的CPU性能一直比竞争对手强，但Microsoft的操作系统控制了PC产业的价值分配。Qualcomm的芯片技术领先，但Apple控制了移动端的生态。技术优势和平台控制权是两回事，而后者往往决定了长期的利润分配。

Anthropic的路径选择正处于一个关键分叉：一是深化模型差异化（更强、更安全），把自己锁定为高价值推理服务的首选；二是投入巨大资源追赶平台整合（更多数据连接器、更完整的代理运行时），与Microsoft和Salesforce争夺编排层的控制权。

这两条路的资本和时间成本极为不同，而且方向上有一定的互斥性——专注高质量推理的团队，与构建企业数据集成管道的团队，需要不同的产品优先级。

从Claude Managed Agents的发布来看，Anthropic目前试图两条路同时走。这是否能成功，很大程度上取决于：监管压力是否真的把”安全”变成采购标准，以及2026-2028年间是否有足够多的大型企业愿意把编排层迁移到Anthropic的平台。

18%的部署量和40%的LLM支出说明市场对Claude有真实需求。5.7%的主平台份额说明，把需求转化为结构性控制权，Anthropic还有很长的路要走。

参考资料

  • [Anthropic’s Claude platform ranks third in enterprise agent stacks, trailing Microsoft and Salesforce CryptoBriefing](https://cryptobriefing.com/anthropic-claude-enterprise-agent-platform-ranking/) — 2026-09-18（本文核心数据来源：18%部署量、5.7%主平台、40%LLM支出）
  • [Anthropic picks Accenture for in-house AI safety evaluation MSN/原始报道](https://www.msn.com/en-us/technology/artificial-intelligence/anthropic-picks-accenture-for-in-house-ai-safety-evaluation/ar-AA2cwFiF) — 2026-09-19（Accenture合作+$1B安全承诺）
  • [Enterprise AI Agent Platform Market Size, Share & Trends Analysis, 2025-2034 Grand View Research] — 市场规模数据来源（76亿美元、43.84% CAGR）

补充深度分析：编排层的护城河比我们想象的更深

让我们更具体地理解为什么企业代理平台的主控权那么难被攻克。

一个企业的AI代理工作流，一旦建立，通常包含以下层次：

  1. 数据层：代理可以读取的业务数据（CRM记录、财务数据、员工信息）
  2. 工具层：代理可以调用的API和功能（发邮件、更新数据库、触发审批流程）
  3. 编排层：协调多个代理、管理工作流状态、处理异常的运行时
  4. 推理层：具体的LLM调用，处理理解和生成任务
  5. 治理层：权限控制、审计日志、合规记录

在这个栈里，编排层（第3层）是最难替换的。它需要同时连接数据层（了解企业有哪些数据）和工具层（知道企业能做哪些操作），并且承担状态管理和异常处理——这些都需要大量定制开发和测试。

Microsoft Copilot Studio和Salesforce Agentforce在编排层有天然优势：Copilot Studio已经连接了Azure的数据服务和Office 365的工具层；Agentforce已经嵌入了Salesforce的CRM数据和业务流程。企业要使用这些平台，不需要从零建立编排层，而是在现有基础设施上增加代理能力。

Anthropic的问题是它只拥有推理层（第4层）和部分工具层（通过MCP协议）。要成为企业的主平台，它需要在编排层、数据层、治理层上都建立同等的能力——这本质上是要重建一个Microsoft Azure或Salesforce Platform，而这两家公司在这上面已经积累了数十年的工程和客户信任。

治理压力：Anthropic潜在的翻盘机会

2026年，随着企业AI代理从”试点”走向”生产”，一个新的系统性风险开始浮现：代理失控事件。

银行的AI代理错误执行了一笔大额转账；医疗机构的AI代理在缺乏充分信息的情况下推送了错误的诊断建议；法律事务所的AI代理在没有律师审核的情况下批准了一份合同——这类事件已经开始出现，监管者也开始注意到。

在这个背景下，Anthropic的”安全DNA”可能是一个被严重低估的战略资产。

企业在部署高风险代理时，面临一个非常实际的采购问题：如果这个代理出了事，法律责任怎么算？ 在监管框架尚不明确的阶段，企业会本能地倾向于选择”被认为更安全”的平台——这是风险规避，不是理性最优化。

一个正在成形的具体例子：2026年，Anthropic针对AI安全承诺了10亿美元投入，并宣布与Accenture合作设立内部安全评估员。这不只是公关动作——这是在向企业法务团队传递一个可以写进合规文件的信号：”Anthropic愿意为其模型的安全性承担制度性责任”。OpenAI和Microsoft在这方面的制度化承诺目前相对较少。

Anthropic的Constitutional AI框架、RSP承诺、以及Amodei近期公开的减速主张，在主流技术报道里可能被解读为”商业上的软弱”。但在企业法务和合规团队的眼里，这些信号代表的是”这家公司会在安全问题上承担责任，不会让我们独自面对监管”。

如果欧盟AI法规（AI Act）或美国的行业特定法规开始要求企业对AI代理决策承担可追溯的法律责任，“安全合规性”可能从软性品牌优势变成硬性采购标准。这是Anthropic在平台竞争中最可能实现结构性突破的路径——不是靠追赶Microsoft的生态整合能力，而是靠监管压力把”安全”变成市场准入条件。

两场不同的战争：企业vs开发者

还有一个维度值得关注：企业市场和开发者市场是两场不同的战争。

在开发者市场，Claude API长期以来被认为是高质量推理的最佳选择——尤其在代码生成、长文档处理、复杂推理任务上。许多独立开发者和中小型AI创业公司把Claude作为首选，恰恰是因为没有Microsoft或Salesforce那样的包袱，可以纯粹基于性能选择模型。

这个开发者基础是Anthropic的长期资产。今天的创业公司，可能是明天的企业软件供应商。如果Claude在开发者生态里持续占据高质量推理的心智，这些由独立开发者构建的产品和服务里，Claude的影响力会随着这些产品的企业采用而渗透进来。

这是一条”绕道”策略——不直接与Microsoft和Salesforce在编排层竞争，而是通过成为独立软件供应商的首选推理引擎，间接进入企业市场。

5.7%的主平台数字，可能低估了这种间接影响力的真实规模。

价格策略：40%的支出背后的竞争逻辑

最后，让我们正视那个最耐人寻味的数字组合：Anthropic占40%的LLM企业支出，但Claude Managed Agents的主平台份额只有5.7%。

如果把这两个数字放在一起算，可以得到一个粗略的推断：按每一个主平台单位的”推理消耗量”来看，Anthropic的客户平均消耗远高于Microsoft或OpenAI的客户——他们的Claude主要用于高强度的关键工作流，而不是量大但价低的日常任务。

这反映了Anthropic的一个历史定价策略：高定价、高质量、专注于愿意付高价购买最优推理能力的客户。Claude Opus系列的定价始终高于同级别GPT系列。这在短期内贡献了更高的每用户平均收入（ARPU），但也限制了在价格敏感场景（如大量低级别代理任务）中的市场份额扩张。

随着市场成熟，这个定价策略面临双向压力：

  • 向下压力：OpenAI和开源模型（Kimi K3、Llama 4）在性价比上不断逼近，高价差不再那么理所当然
  • 向上压力：企业的”AI代理主平台”决策越来越少基于单次推理的价格优化，更多基于整个栈的集成成本——而这个维度上Claude的高价格影响相对小

Anthropic需要回答的问题是：在市场走向”代理编排主平台”竞争的过程中，它的定价策略是否需要调整，以支持更广泛的平台渗透？

Claude Managed Agents的推出暗示Anthropic意识到了这个问题。但从5.7%主平台数字来看，市场还没有给出足够积极的回应。

2026年剩下的几个月，以及2027年的采购季，将是观察这个策略是否在调整的关键窗口。

数字的正确解读框架

在总结之前，我们需要正视一个方法论上的局限：这三个核心数字（18%部署量、40%LLM支出、5.7%主平台）来自不同的研究机构，采用了不同的测量方法和样本范围。

CryptoBriefing援引的”部署量”数据，来源于”最近的追踪数据”，没有注明具体机构和样本量。”LLM支出40%”来自”2025年末的一份报告”，同样没有详细方法论。”主平台5.7%”来自”2026年2月的追踪器”，具体工具和样本未知。

这意味着：这些数字各自有一定的可信度，但直接跨数据集比较时需要谨慎。它们提供的是方向性信号，而不是精确的市场地图。

方向性信号是清晰的：Claude在用量和支出上有真实的市场存在，但在企业代理架构的核心控制层，还没有与Microsoft和OpenAI形成真正的竞争。这个判断不依赖于具体数字的精确性。

Anthropic需要更好的数字来管理自己的战略——而从外部能获得的数据，只能帮我们理解问题的轮廓，而不是解题的精确起点。