Anthropic下场做咨询

2026 年 10 月 23 日，英国《金融时报》独家报道：Anthropic 已与伦敦私募股权公司 Hg 达成协议，共同支持成立一家独立的欧洲 AI 咨询公司。

新公司将向欧洲企业派驻 AI 顾问和工程师，既负责设计 AI 新产品，也支持客户已有的 AI 项目，在伦敦和柏林设中心，计划年底前启动。

Anthropic 用自有资产负债表出资，Hg 通过其管理的基金（含伦敦上市的 HgCapital Trust）投资；客户主要是面向企业的软件公司和白领行业。

这是继 7 月联合黑石、Hellman & Friedman 成立 15 亿美元的美国服务公司 Ode 之后，Anthropic 三个月内第二家落地服务公司。

模型公司不再只卖 API，而是直接下场抢埃森哲和四大的实施咨询生意——这一变化正在重构银行采购和落地 AI 的供应链。

一、事件：Anthropic 联手 Hg 建欧洲 AI 咨询

1. 核心事实：据 FT 报道，Anthropic 与总部位于伦敦的收购型私募股权公司 Hg 达成协议，共同支持一家独立运营的欧洲 AI 咨询公司，这是 Anthropic 在欧洲支持的第一家独立咨询公司。
2. 服务方式：派驻 AI 咨询顾问和工程师进入客户企业，主导设计 AI 驱动的新产品和服务，或把 AI 集成进客户现有业务流程。
3. 布局：在伦敦和柏林设立业务中心，预计 2026 年年底前正式启动。
4. 客户对象：主要是面向企业客户销售的软件公司（B2B SaaS），以及其他以白领/知识工作为主的企业。
5. 天然渠道：新公司同时服务 Hg 投资组合中的企业；Hg 组合内已有公司被点名为早期样本，如会计服务集团 Azets、物联网服务商 AMDT。
6. 信息来源：截至本文写作，交易细节主要来自 FT 援引"知情人士"，双方均未公开署名表态，新公司名称、各方出资额、股权比例和管理层人选均未披露。

二、为什么是 Hg：模型层 + 系统记录层的组合

1. 合作由来已久：Anthropic 与 Hg 组合企业的合作可追溯到 2024 年初，双方已开展联合 AI 黑客松、员工培训和嵌入式部署。
2. Hg 是软件专业 PE：Hg 专注投资欧洲和跨大西洋的软件与服务企业，是全球最早直接与前沿 AI 实验室合作的私募股权公司之一。
3. 一手数据：Hg 官方披露，其投资组合内已有超过 1600 个在运行的 AI 项目，代表超过 2.6 亿美元的预算 EBITDA 影响，自合作以来增长 5 倍。
4. 已有团队：Hg 内部已有约 150 名 AI 专家（据 FT 转述），通过其 AI 产品孵化器 Hg Catalyst 在被投企业部署 AI；新公司不会取代这支团队。
5. 分工逻辑：Hg 组合企业通常拥有所在行业的"系统记录"和核心工作流，Anthropic 提供"智能层"，两者结合被视为智能体价值创造的关键。
6. 退出案例背书：Hg 称产品中嵌入 AI 正提升被投企业的买家吸引力，如 Quantios 2026 年 3 月发布首个智能体方案后出售给 Vista、GTreasury 被 Ripple 收购、Intelerad 被 GE HealthCare 收购。

三、出资与结构：一个尚未揭开的"模板"

1. Anthropic 出资金：Anthropic 用自身资产负债表上的资金投入，而非仅以技术或模型授权入股。
2. Hg 出基金：Hg 通过其管理的基金投资，包括伦敦上市的 HgCapital Trust，这意味着部分敞口由二级市场投资者共同承担。
3. 独立公司：实体独立运营，而非在 Anthropic 或 Hg 内部设立部门，被派驻的顾问和工程师在客户现场工作。
4. 未披露的关键项：各方具体出资金额、股权比例、董事会安排、新公司名称和负责人均未公开，这些恰恰决定 Anthropic 愿意为"落地"承担多重的资产负债表投入。
5. 雏形已现：从美国到欧洲，两家头部美国实验室都在做同一件事——把模型、私募股权资本和本地工程师捆绑在一起。

四、三个月内第二家：模型公司集体下场

1. Ode（美国，2026 年 7 月）：Anthropic 与黑石、Hellman & Friedman 联合成立独立服务公司 Ode，计划投资 15 亿美元，其他出资方还包括高盛、Apollo Global Management、General Atlantic。
2. 需求信号：黑石总裁 Jon Gray 本周谈及 Ode 时表示，客户需求"几乎呈抛物线式增长，我们根本跟不上"（属公司高管自述，未给出具体合同金额）。
3. OpenAI Deployment Company（2026 年 5 月）：OpenAI 与 TPG、Advent、Bain Capital、Brookfield 等成立合资公司，帮助客户把 AI 嵌入核心运营。
4. Anthropic＋Hg（年底前）：欧洲版本，自带 Hg 已拥有的企业渠道，是 Anthropic 约三个月内第二家区域性服务公司。
5. 共性：头部模型实验室不再满足于卖 API 和订阅，而是联合资本方建立"自己的交付队伍"，把实施、集成、咨询的收入也纳入囊中。

五、为什么模型公司要抢咨询的饭碗

1. 能力正在商品化：当底层模型能力趋同、调用门槛持续下降，单一模型的差异化越来越难，价值更多落在"谁能把模型嵌进真实业务并跑出结果"。
2. 落地才是瓶颈：企业买得起源模型，却缺少把模型接入系统、改流程、做治理的工程师，交付能力成为 AI 商业化的最大缺口，也是最肥的预算。
3. IPO 前需要新收入：据多家媒体报道，Anthropic 正筹备上市，目标 11 月挂牌；市场讨论估值约 1.5 万亿美元，低于此前约 2 万亿的水平，且第三季度收入增长放缓（均为媒体报道，非最终招股数据）。
4. 亏损压力：媒体援引招股书草案称，Anthropic 2026 年上半年净亏损 807 亿美元，其中约 720 亿为可转债等融资工具估值上升带来的非现金会计费用，仍凸显其对持续收入的渴求。
5. PE 的算盘：今年 AI 恐慌曾引发软件股抛售，私募股权急于证明过去十年买下的软件公司能转型为 AI 企业、卖出更好价钱，AI 服务公司正是其"赋能退出组合"的抓手。
6. 资本与渠道闭环：模型公司出能力、PE 出资金和被投企业渠道、工程师驻场交付，形成"模型＋资本＋客户＋实施"的闭环，直接向传统服务生态要预算。

六、冲击谁：埃森哲和四大，而它们还在转售 Claude

1. 直接竞争：埃森哲以及德勤、安永、毕马威、普华永道四大，长期靠帮助企业落地新技术赚取高额服务费，模型公司派自己的工程师进场，就是在争夺同一笔 IT 服务预算。
2. 微妙的合作关系：这些传统咨询巨头本身也是 Claude 等大模型的重要转售方，正在向大型客户转售 Claude；Anthropic 自建服务队伍，等于一边借渠道、一边与渠道竞争。
3. 欧洲的政策背景：欧洲投资者和政策制定者急于追赶美国 AI 步伐，希望加快技术在欧洲的应用，本土落地服务需求集中释放。
4. 模式之争：传统咨询卖"方法论＋人头"，新玩家卖"模型＋驻场工程师＋资本"，且后者对模型能力、工具链和最新技术的掌握更直接。
5. 尚未分胜负：传统巨头在客户关系、合规、行业 know-how、规模化交付上仍有深厚积累，新公司能否独立做出可复制的盈利模式，还有待观察。

七、对银行的十点启示

1. AI 供应链正在重构：银行未来采购 AI，面对的不再只是"模型厂＋集成商＋咨询"的传统分工，模型厂商可能直接组团交付，需要重新评估供应商地图和采购策略。
2. 价值向实施环节迁移：模型本身越来越标准化，真正稀缺的是把模型接进核心系统、改造流程、跑通风控和合规的落地能力，银行应把投入重点放在落地与治理上。
3. 警惕被单一模型生态锁定：模型厂自带工程师深度驻场，容易把银行的 AI 应用、数据接口和工作流绑定在单一生态上，应在合同中保留可迁移、可替换的条款。
4. 第三方与集中度风险：少数模型厂加少数 PE 背景的服务公司，可能成为大量金融机构共用的关键服务商，形成新型集中度风险，需要纳入第三方风险管理框架。
5. 数据与操作风险前置：驻场工程师深入核心业务，意味着外部人员和模型可接触敏感数据和流程，银行须明确数据边界、权限分级、操作留痕和审计要求。
6. "系统记录"仍是银行的护城河：Hg 的逻辑是模型公司提供智能层、企业保留系统记录和工作流；银行真正的资产是数据、账户和交易工作流，不应在合作中把核心主导权让渡出去。
7. 能力内化是根本：驻场能快速见效，但若方法论、模型、提示词和数据资产都沉淀在外部团队，合作结束后银行将难以自持，应同步培养内部 AI 工程力量。
8. 中后台与合规场景最先受影响：会计、财务、合规、客户运营等"白领流程"正是欧洲新公司的目标，银行这些部门的 SaaS 供应商可能率先被改造，需评估传导效应。
9. 评估"资本＋服务"捆绑的真实代价：PE 主导的交付可能以未来用量、平台采购或被投 SaaS 绑定为交换，银行要算清总拥有成本，避免被捆绑销售。
10. 对照国内模式：国内银行更多依赖自研团队与本土集成商，且 DeepSeek 等开源模型不直接做服务，银行更应把握当前窗口期，建立自主可控的落地能力。

八、落地建议

1. 重绘 AI 供应商地图：梳理现有模型、咨询、集成商关系，识别哪些环节可能被模型厂自营服务替代，提前布局谈判与备选。
2. 坚持多模型与可迁移架构：采用模型抽象层、标准化接口和数据中台，降低对单一模型生态和驻场团队的依赖。
3. 把驻场合作纳入第三方风险管控：对外部 AI 服务团队进行准入评估、数据权限分级、操作审计和退出预案，与监管要求的第三方风险管理衔接。
4. 明确知识与资产归属：在合同中约定模型、提示词、定制代码、数据和方法论的归属，确保交付成果可沉淀、可复用、可带走。
5. 同步建设内部 AI 工程团队：用外部驻场快速突破，同时让内部人员全程参与、接手，避免"交钥匙即失明"。
6. 从非核心场景试点：优先在财务、客服、文档、合规辅助等中后台场景验证外部服务，再决定是否引入核心交易与风控。
7. 算清 TCO 与捆绑条款：审查用量、订阅、SaaS 采购、股权或排他条款，评估长期总拥有成本与可替换性。
8. 跟踪国际模式演进：持续观察 Ode、OpenAI Deployment Company 和欧洲公司的服务方式、定价与风险事件，为国内金融机构选择落地路径提供参照。

结语

Anthropic 与 Hg 的这一步，表面是一家咨询公司的诞生，实质是大模型商业模式的一次显形：当模型能力成为基础能力，竞争的主战场就从"谁的模型更强"转向"谁能把模型真正装进企业的核心流程"。 模型厂商愿意出资产负债表的钱、联合私募股权资本、把工程师直接送进客户办公室，正是因为它们判断，未来最大的利润池不在 API 调用，而在实施与转型。对银行而言，这既带来了更快落地的捷径，也带来了新的锁定、集中度和数据风险。无论选择哪条路径，有一条判断是清晰的：模型可以外购，但把模型变成生产力的能力，最终必须握在自己手里。

（口径说明：本文交易信息主要依据英国《金融时报》2026 年 10 月 23 日独家报道，经财联社、SQ Magazine、AI Weekly、Expansión 等转引；Hg 组合 AI 项目数量、EBITDA 影响、退出案例等来自 Hg 官方 2026 年 9 月 21 日文章。Ode 投资规模、合作方与黑石高管表述以公司公开信息和媒体报道为准；Anthropic 的上市时间、估值区间、净亏损数据均为媒体援引招股书草案或知情人士，非最终披露，本文已逐项标注。新公司名称、各方出资额、股权比例与管理层尚未公开。本文为行业与风险管理分析，不构成法律或投资建议。）