您可以直接添加客服微信进行咨询，我们的顾问会为您解答问题， 并提供相关咨询服务。
微信扫码添加客服
● 添加客服微信
- ✓ 一对一专业咨询
- ✓ 获取定制化解决方案
- ✓ 了解行业最新动态
2026年8月下旬，华尔街日报爆料：Anthropic在IPO筹备中向潜在投资者披露的潜在市场总额（TAM）超过30万亿美元——人类商业史上最大的市场预测。
【图源网络】
过去半个月，关于这个数字的讨论基本分两派：一派惊叹“一家公司用5年时间，就能把年销售额做到2000亿美元”；另一派质疑这是“前所未有的大饼”。
两边都不缺道理，但这两派讨论的其实是投资者的问题——值不值得买、是不是泡沫。
作为深耕行业多年的咨询服务商，在这则新闻里，我们更在意的是一个值得制造业管理者注意的变化：AI正在换一种算法，计算自己的市场——算的不是企业买软件的钱，而是人工作的价值。
当一个市场的度量衡从“软件预算”换成“劳动价值”，企业评估和采购AI的逻辑，可能就要跟着变。
这篇文章分四步讲清楚：30万亿这个数字是怎么算出来的，这种算法为什么重要，它如何进入制造企业的“工作”，以及企业应该如何判断。
Anthropic的市场是怎么算的
先把事实摆清楚。以下信息均为外媒援引知情人士的报道，Anthropic尚未正式披露招股书，所有数字均未最终确定：
■Anthropic预计向投资者披露的TAM超过30万亿美元，超过SpaceX两个月前披露的28.5万亿美元；
■它同时向投资者给出了2028年收入预测：约1900亿至2000亿美元；
■IPO计划筹资至多1000亿美元，目标估值接近2万亿美元，可能于今年9月或10月初上市。
而比起令人惊叹的数字，数字的算法本身是更为值得关注的信号。
据媒体透露，Anthropic的测算锚定的是AI模型理论上能够完成的全部工作所对应的价值；市场对此的普遍解读是：它以劳动创造的价值为参照系，而不是以软件支出为参照系。
具体来说，传统软件公司测算市场，习惯以软件支出为口径：软件是辅助人干活的工具，企业为工具付费。而当AI开始替人干活，度量衡就换到了劳动价值上。
《财富》杂志援引风投机构Backed VC合伙人的说法：当AI端到端完成工作，“这类产品的TAM，本质上就是相应产出的劳动力市场”。
这个口径意味着什么量级？
这里做一个粗略推算（基于公开数据，并非Anthropic官方公式）：国际劳工组织估算，2025年全球劳动收入约占GDP的52.6%；以约118万亿美元的全球GDP（2025年）计算，对应的劳动收入规模约62万亿美元。Anthropic描述的30万亿美元，大约相当于这一规模的一半。
再看两组对比，帮助理解这个数字的位置。
其一，标普1500指数中191家科技公司去年的收入合计约2.4万亿美元，30万亿是这个数字的12倍多。
其二，Anthropic自己预测2028年收入2000亿美元——30万亿约为其150倍，即便预测完全兑现，也只相当于TAM的约0.67%。
换句话说，比起经营预测，30万亿更多作为一个参照系；真正用来经营的，是那2000亿。
当然，这家公司的成长速度也确实罕见。
一家成立仅5年的公司，年化收入运行率今年5月已超过470亿美元，到7月底升至650亿美元以上。需要说明的是，运行率是收入口径的换算值，不是实际收入；
它说明的也只是一件事——AI商业化的速度快到让传统软件市场的尺度显得不够用了，而不是30万亿TAM已经兑现。
算法变了，账本的记法就会跟着变。这对AI生意意味着什么?
从软件支出到工作价值
第一章主要讲了Anthropic怎么算，这一章讲这么算为什么重要。
关键在“AI能够完成工作”这个前提如何落地。靠的不是又一个人机界面，而是AI的产品形态正在从工具变成执行者——也就是近来常说的Agent：它能读取业务数据、调用企业系统、执行操作并交付结果。
形态一变，企业付费的理由就变了。
传统企业软件的商业模式，链条是这样的：企业购买软件 → 软件提升人的效率 → 人完成工作
正如第一章里提到的，企业为之付费的，是软件功能；预算来自IT预算，天花板是企业愿意在软件上花多少钱。
AI Agent的链条不同：企业使用AI能力 → AI承担部分任务 → 人负责判断、决策和结果
付费的锚点随之改变：从“这套软件值多少钱”，变成“这段工作值多少钱”。
一个年薪30万的生产计划员、一个年人力成本100万的质检团队，他们承担的劳动成本，开始成为AI定价的参照。企业对AI的付费意愿，将越来越多地与被替代、被增强的工作量挂钩，而不是与软件功能的清单挂钩。
这种口径变化不只见于Anthropic。SpaceX并不是AI公司，它披露的28.5万亿美元TAM中却有约26.5万亿来自AI、22.7万亿来自企业应用——方向与Anthropic一致：
AI的市场空间被定义在企业的工作之上，而非企业的软件预算之上。这也说明，度量衡的切换是AI产品形态带来的变化，不是某一家公司的叙事风格。
衡量方式变化之后，竞争的单位也会变化。过去企业比较软件，比的是谁的ERP模块全、谁的MES报表多；未来比较AI，比的会是谁能接管一段业务流程。过去这些工作由“人+ERP/MES/WMS/PLM”完成，未来会逐渐变成“人+AI Agent+业务系统”。
衡量方式的改变，最终要落到企业自己身上：制造企业的“工作”，经得起这样的拆解吗？
从岗位到任务
讨论AI对制造业的影响，常见的起点是“岗位会不会消失”。
这个起点并不准确，因为岗位从来不是一个不可拆分的整体，而是一组任务的集合。
以生产计划岗位为例，它的日常工作大致是：接收订单 → 核对库存 → 分析产能 → 排产 → 识别约束 → 处理异常 → 协调资源 →调整计划 → 跟踪执行
这组任务中，读取订单数据、核对库存、模拟排产方案、识别产能约束，特点是高频、规则相对明确、数据已经在系统里——更适合由Agent承担。而关键决策、异常处置、跨部门协调、对结果负责，依赖判断、经验和责任归属——仍然需要人。
与之对应的判断：Agent化的起点不是岗位，而是任务。企业不需要回答“要不要换掉计划员”，需要回答的是“计划员的九项任务里，哪几项可以交给Agent”。
任务结构变化之后，一项被忽视多年的基础工作会变得紧迫：工作分析。企业得先知道每项工作由哪些任务构成、各任务的数据条件如何，才谈得上判断哪些任务可以Agent化。
而“能不能交给Agent”，只看AI的能力还不够，还要看这项任务值不值得做，以及企业是否具备让Agent真正执行的条件。这进入决策层面，是下一章的问题。
从“买Agent”到“算价值”
我们建议企业慎重判断AI Agent是否值得投入。下面三个问题并不新鲜——关注我们号的老读者，大概已经看我们写过不止一遍。但在AI开始按“工作”计价的时代，问题每问一次，都会有新的答案。
01 /哪些任务值得Agent承担？
候选任务通常有这些特征：高频、重复、规则相对明确、数据相对完整、跨系统操作频繁、人工处理成本高、异常类型相对可识别。符合特征越多的任务，越值得优先尝试。
02 /Agent承担之后，能创造什么价值？
价值测算不要只算“节省多少人工”。更值得算的是：交付周期能否缩短、库存能否降低、质量损失能否减少、设备利用率能否提高、计划调整时间能否压缩、人为错误能否减少、决策响应能否加快、跨部门协调成本能否下降。这些才是Agent化价值的完整口径。
03 /企业是否具备让Agent真正执行的条件？
Agent要能产生价值，必须读得懂数据、调得动系统。需要逐项确认：数据是否完整、系统是否打通、流程是否标准化、权限体系是否明确；Agent能否读取业务数据、能否调用企业系统、能否执行动作、执行后能否获得反馈。任何一项缺位，Agent都会停在演示阶段。
回到开头那个数字。30万亿美元，是资本市场对AI市场空间的一种估算，说明的是别人的棋盘。制造企业要算的是自己的账：哪些任务值得交给AI，能创造多少价值，需要改哪些流程，数据、系统和组织是否准备到位。
若您正在规划相关方向或有相关咨询需求，欢迎交流具体情境，我们愿意分享更多一线观察。
核心援引资料：《华尔街日报》2026年8月相关报道；CNBC、Yahoo Finance等2026年6–8月相关报道；国际劳工组织《就业与社会趋势2026》（2026年1月发布）。
分享至：
亚太领先的制造业咨询机构
中国区：上海·苏州·西安·成都·广州
备案号：沪ICP备2024080766号
Stephen 13814830639 stephen.liu@korisda.com
亚太区：新加坡·马来西亚·泰国·印度·越南
北美区：美国加利福尼亚州
Jack 18516555195 chaojie.liu@korisda.com
您可以直接添加客服微信进行咨询，我们的顾问会为您解答问题， 并提供相关咨询服务。
微信扫码添加客服
