来自信用卡交易分析公司Indagari的趋势数据显示,越来越多的付费AI用户正在选择Anthropic旗下的Claude,这表明Anthropic拥有比外界普遍认知更为广泛和健康的用户结构,而非仅局限于使用Claude Code的企业及初创开发者群体。
Indagari通过分析约2800万美国消费者的数十亿条匿名信用卡交易记录开展研究。尽管该数据无法直接披露Anthropic的营收总量或用户规模的绝对数字,但样本量已足够庞大,可以有效反映市场趋势。
就Anthropic而言,增长曲线正持续向右上方延伸。
此次分析涵盖2025年至2026年5月10日期间的每周交易数据,包含订阅费及API Token购买等支付行为。数据显示,Claude的付费用户数量及营收逐月递增,与2026年1月相比,该群体规模已累计增长约75%。
值得关注的是,即便在2026年3月因拒绝向特朗普政府提供模型用于大规模监控美国民众及自主武器研发而引发用户增长高峰之后,Claude的增长势头依然延续。
在线教育平台DataCamp同样印证了Claude受欢迎程度的攀升。DataCamp拥有约2000万用户,专注于面向消费者及企业员工的AI技能培训。DataCamp向TechCrunch透露,自年初以来,消费者对Claude的学习兴趣急剧攀升,"Claude"目前已成为该平台搜索量最高的关键词,热度甚至超过"AI"本身。
在企业培训层面,ChatGPT相关课程依然远比Claude受欢迎;但在自主学习的消费者群体中,Claude课程的需求量已是ChatGPT的三倍,且仅在过去30天内,Claude相关课程的需求量就增长了18倍。
不过,尽管Claude的增长势头令人瞩目,ChatGPT在消费者市场的主导地位依然无可撼动。
市场情报机构Sensor Tower的近期数据显示,Claude今年在各平台均实现了可观增长,但与ChatGPT相比仍存在明显差距。ChatGPT近期增速相对平缓,这在很大程度上源于其已经积累的庞大用户基础,但Indagari的数据表明,其付费用户总量仍远超Claude。
尽管如此,可以肯定的是,无论是从消费者付费规模、品牌认知度还是用户关注度来看,Claude今年都已开始逐步缩小与ChatGPT之间的差距。
随着OpenAI与Anthropic相继走向上市,外界对其业务根基的探究也日益迫切。
尤其值得关注的是,Anthropic近期与美国政府的摩擦将对其业务产生何种影响尚不明朗。本月早些时候,美国政府禁止Anthropic向非美国用户开放其以网络安全为核心功能的高性能模型Mythos 5与Fable 5,Anthropic目前已将这两款模型暂时下架。
尽管如此,现有数据所呈现的每一个维度均表明,Anthropic的消费者用户与企业用户规模仍在持续增长。
Anthropic方面拒绝就此置评。
Q&A
Q1:Claude的付费用户增长了多少?
A:根据Indagari对约2800万美国消费者信用卡交易数据的分析,Claude的付费用户数量及营收持续逐月上涨,与2026年1月相比,付费消费者群体规模已累计增长约75%。即便经历了2026年3月因拒绝为特朗普政府提供模型支持而引发的增长高峰,这一增长势头仍未中断。
Q2:Claude和ChatGPT在消费者市场的差距有多大?
A:ChatGPT目前仍是消费者市场中占据主导地位的AI产品,付费用户总量远超Claude。Sensor Tower的数据也显示,Claude虽然在各平台实现了显著增长,但与ChatGPT之间仍存在较大差距。不过,在消费者付费规模、品牌认知度和用户关注度等方面,Claude今年已开始逐步缩小这一差距。
Q3:DataCamp平台上Claude的学习需求有哪些变化?
A:自2026年年初以来,DataCamp平台上消费者对Claude的学习兴趣急剧上升,"Claude"已成为该平台搜索量最高的关键词,热度甚至超过"AI"一词本身。在自主学习消费者中,Claude课程的需求量是ChatGPT的三倍,且仅在过去30天内,Claude相关课程的需求量就增长了18倍。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。