I ricavi di Anthropic e OpenAI sembrano comparabili finché la contabilità cloud non cambia il risultato
I confronti tra i ricavi di Anthropic e OpenAI hanno appena acquisito un'importante avvertenza, nonostante le enormi cifre annualizzate presentate agli investitori. Secondo quanto riferito, Anthropic conteggia l'intero valore di alcune vendite attraverso partner cloud. OpenAI registra soltanto la quota che trattiene da transazioni analoghe effettuate tramite partner.
Questa differenza può aggiungere o sottrarre miliardi di dollari ai ricavi senza modificare ciò che i clienti hanno acquistato. Complica inoltre l'apparente competizione tra i due maggiori laboratori di AI indipendenti. Un tasso annualizzato dichiarato più elevato non significa necessariamente che un'azienda abbia incassato più denaro o costruito un'attività più solida.
La questione è emersa mentre gli investitori cercavano di riconciliare diverse cifre sorprendenti. Secondo quanto riferito, Anthropic ha raggiunto a luglio un ritmo annualizzato di 65 miliardi di dollari. OpenAI si è avvicinata ai 50 miliardi di dollari verso la fine di settembre, prevedendo al contempo almeno 70 miliardi entro fine anno.
Queste cifre sembrano comparabili perché condividono la stessa etichetta. I calcoli alla loro base non sono necessariamente comparabili.
La distinzione conta al di là di un dibattito contabile. Anthropic e OpenAI dipendono da Amazon, Google e Microsoft per infrastruttura, distribuzione, finanziamenti o una combinazione di tutti e tre. Il modo in cui ciascuna azienda registra tali rapporti può influenzare la crescita percepita, i margini, la leadership di mercato e le eventuali valutazioni sui mercati pubblici.
La stessa vendita cloud può produrre due cifre di ricavi
Il problema centrale è semplice: secondo quanto riferito, Anthropic e OpenAI conteggiano alcune vendite generate dai partner in momenti diversi della transazione.
Anthropic rende Claude disponibile attraverso marketplace cloud gestiti da Amazon Web Services e Google Cloud. I clienti aziendali possono acquistare l'accesso ai modelli tramite questi rapporti cloud già esistenti, anziché stipulare contratti direttamente con Anthropic.
Secondo quanto riportato da Bloomberg, Anthropic registra come ricavo l'intero pagamento del cliente proveniente da determinati canali partner. Successivamente rileva la quota del provider cloud come costo. Questo approccio viene comunemente definito presentazione lorda.
Secondo quanto riferito, OpenAI adotta un altro approccio per le vendite che coinvolgono Microsoft. Registra soltanto la parte del pagamento del cliente che spetta a OpenAI dopo che Microsoft ha ricevuto la propria quota. Questa è una presentazione netta.
Si consideri una transazione semplificata che prevede un pagamento del cliente di 100 unità. Con la presentazione lorda, lo sviluppatore del modello potrebbe registrare tutte le 100 unità come ricavo e 20 come costo del partner. Con la presentazione netta, potrebbe registrare come ricavo soltanto le restanti 80 unità.
Lo sviluppatore può trattenere le stesse 80 unità in entrambi gli esempi. Tuttavia, il metodo lordo produce ricavi dichiarati superiori del 25% rispetto al metodo netto.
Questo esempio non descrive le percentuali contrattuali effettive delle aziende. Tali condizioni possono variare in base alla piattaforma, al prodotto e all'accordo con il cliente. Mostra perché la scelta contabile può modificare materialmente i confronti basati sui dati principali.
La distinzione riflette il quadro principale-versus-agente nella contabilizzazione dei ricavi. Un principale controlla il servizio promesso prima di trasferirlo al cliente. Un agente organizza la fornitura di quel servizio da parte di un'altra entità.
Le aziende che agiscono come principali registrano solitamente il valore lordo della transazione. Gli agenti registrano generalmente soltanto la propria commissione o quota trattenuta.
Un esempio contabile della SEC spiega che la valutazione dipende da controllo, responsabilità, autorità sui prezzi e struttura della transazione. Non si tratta di una scelta volontaria effettuata soltanto per migliorare l'apparenza dei risultati.
Il resoconto di Bloomberg indica che sia Anthropic sia OpenAI ritengono i propri metodi conformi ai principi contabili generalmente accettati. La discrepanza può quindi esistere senza che nessuna delle due aziende violi lo standard.
I contratti possono assegnare obblighi diversi a ciascuno sviluppatore di modelli e provider cloud. Un partner potrebbe limitarsi a elaborare una vendita. Un altro potrebbe controllare il rapporto con il cliente, aggregare servizi o assumersi ulteriori responsabilità di esecuzione.
Quel dettaglio contrattuale determina il risultato contabile. Significa inoltre che gli investitori non possono normalizzare in sicurezza le aziende sottraendo un'unica percentuale universale dei partner.
Il problema cresce quando i resoconti dei media usano i ricavi annualizzati come tabellone dei punteggi. I ricavi annualizzati proiettano le vendite di un breve periodo su un intero anno. Sono utili per illustrare lo slancio attuale, ma non equivalgono ai ricavi annuali effettivamente realizzati.
Un run rate amplifica già le condizioni di breve periodo. Combinarlo con una presentazione lorda e netta incoerente aggiunge un secondo livello di incertezza.
Questo non rende le cifre prive di significato. Significa che richiedono definizioni, divulgazioni sui canali e riconciliazioni prima di poter sostenere una classifica credibile.
I confronti tra i ricavi di Anthropic e OpenAI richiedono una base comune
Una classifica diretta diventa inaffidabile quando un'azienda include le quote dei partner cloud e l'altra le esclude.
Secondo quanto riferito, i ricavi annualizzati di Anthropic hanno superato i 65 miliardi di dollari alla fine di luglio. Ciò rappresentava oltre sette volte il suo ritmo alla fine del 2025, secondo il resoconto sui ricavi annualizzati.
I ricavi annualizzati di OpenAI erano pari a circa 50 miliardi di dollari alla fine di settembre. Persone a conoscenza delle cifre hanno affermato che l'azienda prevedeva di raggiungere o superare i 70 miliardi di dollari entro fine anno, anche grazie alla crescita nel settore enterprise.
La proiezione di fine anno implica un ulteriore aumento significativo nell'ultimo trimestre. Tuttavia, la previsione e il run rate di settembre rispondono a domande diverse.
Secondo quanto riferito, la cifra di 50 miliardi di dollari riflette la normale contabilità netta di OpenAI. Una cifra precedentemente diffusa, vicina ai 70 miliardi di dollari, era stata concepita per approssimare i ricavi di OpenAI secondo la metodologia lorda di Anthropic.
Questo adeguamento spiega perché cifre apparentemente in conflitto relative a OpenAI siano emerse in un breve periodo. Una rappresentava la base contabile dichiarata dell'azienda. L'altra cercava di creare un confronto per gli investitori.
Axios ha successivamente riportato che il run rate di OpenAI era vicino ai 50 miliardi di dollari, circa 20 miliardi al di sotto della precedente stima lorda. La sua riconciliazione dei ricavi affermava che gli investitori avevano richiesto un confronto omogeneo.
L'episodio mostra quanto rapidamente una stima normalizzata possa sfuggire al proprio contesto originario. Una volta ripetuta senza una definizione, inizia a sembrare un normale ricavo dichiarato.
Il divario non stabilisce automaticamente che Anthropic abbia sovrastimato la propria attività. Né dimostra che OpenAI abbia adottato una filosofia più prudente a livello aziendale.
Le aziende hanno contratti, reti di partner, rapporti con i clienti e obblighi di fornitura differenti. Queste differenze possono portare a conclusioni contabili diverse nell'ambito dello stesso standard.
Ciononostante, il risultato è insoddisfacente per gli investitori. Un confronto dei ricavi dovrebbe distinguere almeno tre misure.
La prima è il ricavo riconosciuto secondo la normale contabilità di ciascuna azienda. La seconda è la spesa lorda dei clienti attraverso canali diretti e partner. La terza è l'importo trattenuto dopo le distribuzioni ai partner.
Il ricavo riconosciuto risponde alla questione contabile formale. La spesa lorda dei clienti mostra l'attività economica che fluisce attraverso i prodotti dell'azienda. Il ricavo trattenuto si avvicina maggiormente ai fondi disponibili prima dei costi di calcolo e di altri costi operativi.
Nessuna di queste misure, da sola, descrive la qualità dell'attività. Ciascuna rivela una parte diversa del modello commerciale.
La spesa lorda dei clienti può mostrare la portata del prodotto, soprattutto quando un marketplace cloud gestisce l'approvvigionamento. Tuttavia, può esagerare il valore economico trattenuto dallo sviluppatore del modello.
I ricavi netti riflettono meglio la quota diretta dello sviluppatore in una transazione. Tuttavia, possono sottostimare la domanda dei clienti se confrontati con un concorrente che utilizza la presentazione lorda.
La scelta influisce anche sull'interpretazione dei margini. Un'azienda che registra ricavi lordi registra solitamente il pagamento al partner nel costo dei ricavi o in un'altra categoria di costo.
I suoi ricavi appaiono più elevati, ma il margine dichiarato riflette quel costo aggiuntivo del partner. Un'azienda che utilizza la presentazione netta parte da ricavi inferiori e non ripete lo stesso importo del partner come costo.
Gli investitori non possono quindi confrontare separatamente la crescita dei ricavi e i margini lordi. Entrambi i numeri devono essere adeguati insieme.
Modificare soltanto i ricavi distorcerebbe nuovamente l'analisi. Una normalizzazione valida deve ricostruire ricavi, costi dei partner e margini sulla stessa base.
La distribuzione cloud è ora parte della competizione
I marketplace cloud non sono semplici pagine di pagamento; influenzano l'adozione, la proprietà del cliente, l'economia e la scala dichiarata.
Le grandi aziende acquistano già infrastrutture, database, software di sicurezza e applicazioni tramite accordi cloud. Acquistare Claude attraverso AWS o Google Cloud può integrarsi nei sistemi di approvvigionamento esistenti e negli accordi di spesa impegnata.
Questa comodità può abbreviare un processo di vendita. Può inoltre inserire un modello negli strumenti che sviluppatori e team IT già utilizzano.
La dipendenza di Anthropic da questo canale è significativa. Secondo quanto riferito, una documentazione riservata esaminata da Reuters mostrava che il 47% delle sue vendite del 2025 transitava attraverso i marketplace di Amazon e Google.
Tali vendite tramite marketplace ammontavano a circa 2,16 miliardi di dollari. Secondo quanto riferito, Anthropic ha pagato approssimativamente 351 milioni di dollari in commissioni di distribuzione, ossia circa 16 centesimi per ogni dollaro di ricavi da marketplace.
Le cifre del canale cloud illustrano sia il valore sia il costo della distribuzione tramite partner. Le aziende cloud forniscono clienti e accesso agli approvvigionamenti, ma trattengono una parte della transazione.
Queste cifre storiche non dovrebbero essere applicate meccanicamente all'attuale run rate di Anthropic. Il mix dei canali, i termini contrattuali e la domanda di prodotti possono cambiare rapidamente.
Dimostrano comunque perché il trattamento lordo rispetto a quello netto sia importante. Quando quasi la metà delle vendite passa attraverso i partner, la presentazione può influenzare in modo significativo il totale dei ricavi dichiarati.
OpenAI ha un rapporto altrettanto rilevante con Microsoft. Azure ha fornito infrastruttura di calcolo e distribuisce i modelli OpenAI attraverso prodotti enterprise e servizi cloud.
Microsoft dispone inoltre di propri contratti con i clienti, strutture tariffarie e offerte aggregate. Queste caratteristiche possono modificare quale parte controlli un servizio promesso ai sensi delle regole contabili.
La competizione commerciale è quindi più ampia di Claude contro ChatGPT. Include i sistemi di distribuzione che circondano ciascun modello.
Anthropic beneficia dell'accesso ai clienti sia di AWS sia di Google Cloud. OpenAI beneficia della portata enterprise di Microsoft e delle sue integrazioni nei prodotti per produttività e sviluppo.
Questi rapporti creano al tempo stesso leva e dipendenza. Un partner cloud può rendere un modello più facile da acquistare, ma può anche controllare fatturazione, confezionamento dell'offerta e accesso al cliente.
Lo sviluppatore del modello può ottenere una distribuzione rapida cedendo al contempo una parte di ogni vendita. Può anche dipendere da un partner che vende modelli concorrenti o sviluppa i propri.
Amazon supporta Anthropic offrendo al contempo altri modelli tramite Bedrock. Google investe in Anthropic mentre sviluppa Gemini. Microsoft supporta OpenAI mentre amplia la propria strategia sui modelli e sul cloud.
La Federal Trade Commission degli Stati Uniti ha già esaminato queste relazioni. Il suo studio sulle partnership cloud ha descritto come investimenti, capacità cloud, distribuzione e dipendenze tecniche possano intrecciarsi.
Questa struttura rende l'attribuzione dei ricavi qualcosa di più della semplice contabilità. Rivela come valore e controllo si muovano lungo la filiera dell'AI.
Per gli acquirenti aziendali, la distribuzione cloud può semplificare governance e fatturazione. Può anche rendere più difficile separare la spesa per i modelli dagli impegni infrastrutturali più ampi.
Un'azienda potrebbe scegliere Claude perché dispone già di impegni AWS inutilizzati. Un'altra potrebbe implementare i servizi OpenAI attraverso un accordo Microsoft consolidato.
Queste decisioni rappresentano una domanda reale, ma non sempre assomigliano a un abbonamento software diretto. Il canale commerciale influenza sia l'acquisto sia la sua misurazione.
Ecco perché la competizione principale non è semplicemente Anthropic contro OpenAI. È la contabilità lorda del canale contro la contabilità netta del canale, come due diverse visioni della scala commerciale.
Cosa i Numeri in Evidenza Non Mostrano Ancora
La presentazione dei ricavi non può rispondere alle domande più difficili sulla ritenzione di cassa, i costi di calcolo, la concentrazione dei clienti o la domanda duratura.
I ricavi annualizzati partono da un periodo di vendite recente ed estendono quel ritmo su dodici mesi. Funzionano meglio quando domanda e prezzi restano relativamente stabili.
La domanda di AI non soddisfa questa condizione in modo costante. Nuovi lanci di modelli, adozione di agenti, contratti aziendali e picchi temporanei di utilizzo possono modificare drasticamente i consumi mensili.
Un'azienda può generare un run rate elevato in un solo mese eccezionale. Ciò non garantisce che la stessa attività proseguirà negli undici mesi successivi.
I ricavi API basati sull'utilizzo creano un'altra complicazione. I clienti possono aumentare rapidamente i carichi di lavoro quando un nuovo modello offre buone prestazioni. Possono anche reindirizzare il traffico quando un concorrente migliora qualità, latenza o costi.
Il run rate misura quindi la velocità attuale più efficacemente della certezza futura. Non dovrebbe essere trattato come ricavo ricorrente contrattualizzato, salvo quando le comunicazioni lo supportino.
La concentrazione dei clienti crea un rischio correlato. Pochi grandi acquirenti possono generare un utilizzo sostanziale, rendendo al contempo i ricavi futuri sensibili alle singole decisioni di rinnovo o instradamento.
I marketplace cloud possono oscurare questa concentrazione agli osservatori esterni. Gli investitori vedono il totale aggregato del canale, ma non necessariamente quali clienti finali lo abbiano generato.
La contabilità lorda può inoltre aumentare il numero visibile senza modificare i proventi trattenuti dallo sviluppatore del modello. La contabilità netta può nascondere la piena scala della spesa dei clienti, pur offrendo una visione più vicina della quota dell'azienda.
Nessuno dei due metodi rivela da solo l'economia del calcolo. Servire modelli avanzati richiede acceleratori, networking, energia, storage e supporto ingegneristico.
Questi costi possono variare in base a modello, carico di lavoro, fornitore hardware e contratto. Cambiano inoltre quando le aziende ottimizzano l'inferenza o introducono sistemi più intensivi dal punto di vista computazionale.
Le commissioni dei partner sono solo una deduzione dai ricavi. I costi di serving dei modelli, le spese di addestramento, la remunerazione azionaria, i costi di vendita e la spesa per la ricerca restano centrali per la redditività.
Un'azienda potrebbe primeggiare nella spesa lorda dei clienti trattenendo meno cassa da ogni vendita tramite partner. Un'altra potrebbe dichiarare meno ricavi ma conservare una quota maggiore di ciò che registra.
Le cifre attuali non risolvono questa possibilità.
Le affermazioni sulla redditività richiedono una cautela analoga. Secondo quanto riportato, Anthropic ha comunicato agli investitori di aver raggiunto la redditività operativa trimestrale secondo una misura che esclude alcune spese.
Quel risultato segnerebbe una significativa pietra miliare operativa. Non equivarrebbe necessariamente alla redditività netta secondo le informative attese da una società quotata.
Lo stesso standard dovrebbe applicarsi a OpenAI. Le sue previsioni di crescita necessitano di un contesto relativo a spese, flussi di cassa e infrastrutture prima di poter sostenere conclusioni sulla solidità economica.
Un'altra incertezza riguarda la coerenza tra i canali. Un'azienda può adottare una presentazione lorda per un partner e netta per un altro, quando i contratti attribuiscono il controllo in modo diverso.
Persino un'etichetta a livello aziendale può quindi semplificare eccessivamente i conti. Gli investitori hanno bisogno di spiegazioni a livello di canale, anziché di una singola dichiarazione secondo cui un'azienda rendiconta al lordo.
Entrambe le imprese restano private, limitando l'accesso pubblico a bilanci certificati e note integrative dettagliate. Le cifre riportate provengono spesso da documenti per investitori o da persone a conoscenza dei risultati interni.
Questa provenienza non invalida le informazioni. Richiede però attribuzione precisa e moderazione.
La conclusione più solida è più circoscritta della sfida da prima pagina. I run rate divulgati da Anthropic e OpenAI non possono essere classificati in modo netto senza rettifiche.
Sarebbe altrettanto fuorviante presumere che l'intera differenza derivi dalla contabilità. Anche domanda di prodotto, mix di canali, tempistiche e crescita aziendale incidono sui totali.
Un confronto rigoroso deve separare ricavi riportati, valore delle transazioni gonfiato al lordo, proventi trattenuti e vendite del periodo completato. Fino ad allora, il leader apparente dipende in parte dalla colonna scelta.
Gli Investitori Confrontano la Crescita Prima delle Definizioni
La divergenza contabile spinge investitori e giornalisti a definire la metrica prima di dichiarare un vincitore.
Le aziende AI utilizzano i ricavi annualizzati perché le loro attività si espandono più rapidamente di quanto il reporting annuale convenzionale riesca a catturare. Un totale degli ultimi dodici mesi può apparire obsoleto prima ancora di essere pubblicato.
Questo rende un run rate utile durante una rapida espansione. Rende però la metrica vulnerabile a tempistiche selettive e costruzioni incoerenti.
L'ultimo dibattito sui ricavi di Anthropic e OpenAI dimostra questa vulnerabilità. Il dato di un'azienda può includere economie dei partner che un'altra lascia fuori dalla propria voce principale dei ricavi.
Gli investitori possono affrontare la questione con una riconciliazione tra risultati riportati e normalizzati. La riconciliazione dovrebbe mostrare vendite dirette, vendite tramite partner, deduzioni dei partner e l'importo finale rilevato.
Dovrebbe inoltre indicare il periodo di misurazione. Un ritmo mensile di luglio, un ritmo trimestrale di settembre e una previsione di fine anno non dovrebbero comparire nella stessa classifica senza etichette chiare.
I ricavi trimestrali completati offrono un punto di partenza più solido. Rilevano un periodo di reporting effettivo anziché estendere un breve intervallo su un anno.
Tuttavia, anche le cifre trimestrali richiedono una normalizzazione contabile. Un intero trimestre misurato al lordo non è direttamente comparabile con un intero trimestre misurato al netto.
Gli incassi di cassa offrono un altro controllo utile, sebbene le differenze temporali possano renderli rumorosi. Ricavi differiti, pagamenti anticipati dei clienti e calendari di regolamento con i partner possono spostare la cassa tra periodi.
Il margine lordo può essere utile quando si comprendono le classificazioni di ricavi e costi. Tuttavia, diventa fuorviante se un'azienda include le commissioni dei partner nel costo dei ricavi e un'altra non le registra mai.
L'attività dei clienti può fornire un segnale indipendente. Postazioni enterprise, sviluppatori attivi, consumo API e ritenzione dei carichi di lavoro possono mostrare se la crescita dichiarata riflette un utilizzo duraturo.
Anche queste metriche richiedono definizioni accurate. Account registrati, clienti paganti e carichi di lavoro attivi descrivono aspetti diversi.
La pressione si estende ai fornitori cloud pubblici. Amazon, Microsoft e Google traggono vantaggio quando la domanda di modelli indirizza i clienti verso la loro infrastruttura.
Tuttavia, i ricavi cloud collegati agli sviluppatori di modelli possono implicare investimenti reciproci, impegni infrastrutturali e commissioni di marketplace. La stessa attività economica può comparire in diverse narrazioni aziendali.
Ciò crea il rischio di un doppio conteggio nel mercato AI più ampio. Un'azienda di modelli riporta l'attività dei clienti, mentre un fornitore cloud riporta ricavi infrastrutturali o di marketplace correlati a tale attività.
Ciascun trattamento contabile può essere valido all'interno della propria azienda. Sommare comunque tutti i numeri in evidenza può esagerare la domanda finale indipendente del settore.
Gli investitori pubblici porranno domande più difficili man mano che gli sviluppatori di modelli si avvicineranno a possibili quotazioni. I documenti certificati richiedono politiche sui ricavi più chiare, concentrazione dei canali, informative sulle parti correlate e classificazioni delle spese.
Questi documenti dovrebbero ridurre l'incertezza, ma non elimineranno il giudizio. L'analisi principale-contro-agente dipende dai dettagli contrattuali e dalle valutazioni del controllo.
Un revisore può stabilire che entrambi gli approcci rispettano i principi contabili. Gli investitori devono comunque decidere quale misura economica si adatti meglio al loro modello di valutazione.
Per gli acquirenti aziendali, la disputa offre un promemoria pratico. La scala di un fornitore non dovrebbe essere dedotta da un'unica cifra annualizzata.
Gli acquirenti dovrebbero esaminare disponibilità, prestazioni dei modelli, governance, opzioni di cambio, impegni di servizio e costi totali di implementazione. La presentazione contabile non determina quale modello sia adatto a un carico di lavoro.
Gli sviluppatori affrontano una scelta simile. La distribuzione tramite un cloud familiare può semplificare credenziali, fatturazione e implementazione. L'accesso diretto potrebbe offrire funzionalità o economie diverse.
Il canale partner plasma l'esperienza del prodotto oltre al bilancio. Ciò rende la strategia di canale una variabile competitiva che vale la pena monitorare.
Tre Segnali Chiariranno la Vera Corsa ai Ricavi
La prossima fase della competizione sui ricavi tra Anthropic e OpenAI dipenderà da informative certificate, dati normalizzati sui canali e utilizzo sostenuto da parte dei clienti.
Il primo segnale è una politica dettagliata di rilevazione dei ricavi in un documento certificato. Gli investitori devono sapere quando ciascuna azienda agisce come principale e quando come agente.
Questa informativa dovrebbe identificare i canali partner rilevanti e descrivere come le commissioni entrino nel conto economico. Dovrebbe inoltre spiegare se la politica sia cambiata tra i periodi di reporting.
Documenti chiari rafforzerebbero la fiducia nella possibilità di normalizzare le cifre delle aziende. Un linguaggio vago preserverebbe l'incertezza attuale e indebolirebbe le classifiche semplici.
Il secondo segnale è una riconciliazione tra ricavi annualizzati e vendite trimestrali effettive. Questa riconciliazione dovrebbe identificare il periodo usato per il run rate e qualsiasi rettifica di gross-up.
Per OpenAI, gli investitori osserveranno se l'azienda raggiungerà la previsione di almeno $70 miliardi entro fine anno. Chiederanno anche se quella cifra utilizzi la consueta base netta.
Per Anthropic, la domanda chiave è se la crescita dopo luglio sostenga il ritmo riportato di $65 miliardi. Un trimestre completato fornirebbe prove più solide di un'altra estrapolazione puntuale.
Una performance trimestrale sostenuta rafforzerebbe l'affermazione che entrambe le aziende stanno sperimentando una domanda enterprise duratura. Un forte divario indebolirebbe le conclusioni tratte da istantanee annualizzate.
Il terzo segnale è l'ammontare dei ricavi trattenuti dopo le distribuzioni cloud e i costi di serving dei modelli. Questa misura si avvicina maggiormente al valore economico che ciascuna azienda conserva.
Gli investitori dovrebbero osservare insieme commissioni dei partner, costi di inferenza, margine lordo, utilizzo di cassa e concentrazione dei clienti. Nessuna singola cifra può sostituire questa combinazione.
Una migliore ritenzione mostrerebbe che la scala si sta traducendo in leva operativa. Un deterioramento della ritenzione suggerirebbe che la crescita in evidenza dipende fortemente da infrastrutture o distribuzione costose.
Questi segnali contano perché il mercato sta finanziando più di due fornitori software. Sta finanziando un sistema interconnesso di laboratori di modelli, fornitori cloud, chip, data center e applicazioni enterprise.
I ricavi di una parte di quel sistema diventano spesso una spesa o un investimento altrove. Comprendere chi trattiene in definitiva il denaro del cliente è essenziale.
L'attuale differenza contabile non cancella la crescita di Anthropic né la portata di OpenAI. Cambia ciò che le loro cifre in evidenza possono dimostrare.
I run rate riportati dimostrano che i clienti stanno spendendo molto con entrambe le aziende. Non stabiliscono un leader definitivo dei ricavi su una base comune.
I lettori dovrebbero diffidare della prossima semplice classifica, a meno che non includa le definizioni accanto ai numeri. Chiedete se ciascuna cifra è lorda, netta, annualizzata, completata o corretta.
Poi chiedete quale azienda trattiene una quota maggiore della transazione dopo aver pagato partner e fornitori di capacità di calcolo. La risposta rivelerà più sulla corsa al business dell'AI di quanto possa fare da solo il titolo più eclatante.
