Przychody Anthropic i OpenAI wyglądają porównywalnie, dopóki księgowość chmurowa nie zmieni wyniku
Porównania przychodów Anthropic i OpenAI zyskały właśnie istotne zastrzeżenie, mimo ogromnych zannualizowanych wartości przedstawianych inwestorom. Anthropic podobno ujmuje pełną wartość części sprzedaży realizowanej przez partnerów chmurowych. OpenAI zapisuje wyłącznie tę część porównywalnych transakcji partnerskich, która pozostaje po jego stronie.
Ta różnica może dodać lub odjąć miliardy dolarów od przychodów bez zmiany tego, co kupili klienci. Komplikuje też pozorną rywalizację między dwoma największymi niezależnymi laboratoriami AI. Wyższe raportowane tempo roczne nie musi oznaczać, że jedna firma zatrzymała więcej gotówki lub zbudowała zdrowszy biznes.
Kwestia ujawniła się, gdy inwestorzy próbowali pogodzić kilka uderzających liczb. Anthropic miał podobno osiągnąć w lipcu zannualizowane tempo 65 miliardów dolarów. OpenAI zbliżyło się do 50 miliardów dolarów pod koniec września, prognozując jednocześnie co najmniej 70 miliardów dolarów do końca roku.
Liczby te brzmią porównywalnie, ponieważ mają tę samą etykietę. Ich bazowe kalkulacje nie muszą jednak być porównywalne.
Rozróżnienie to ma znaczenie wykraczające poza debatę księgową. Anthropic i OpenAI polegają na Amazonie, Google i Microsoft w zakresie infrastruktury, dystrybucji, finansowania lub kombinacji wszystkich tych elementów. Sposób, w jaki każda firma ujmuje te relacje, może wpływać na postrzegany wzrost, marże, pozycję rynkową i przyszłe wyceny publiczne.
Ta sama sprzedaż w chmurze może generować dwie wartości przychodów
Główny problem jest prosty: Anthropic i OpenAI podobno ujmują część sprzedaży generowanej przez partnerów na różnych etapach transakcji.
Anthropic udostępnia Claude za pośrednictwem platform handlowych w chmurze prowadzonych przez Amazon Web Services i Google Cloud. Klienci korporacyjni mogą kupować dostęp do modeli w ramach istniejących relacji z dostawcami chmury, zamiast zawierać umowy bezpośrednio z Anthropic.
Według doniesień Bloomberga Anthropic ujmuje jako przychód całą płatność klienta z części kanałów partnerskich. Następnie ujmuje udział dostawcy chmury jako koszt. Jest to powszechnie nazywane prezentacją brutto.
OpenAI podobno stosuje inne podejście do sprzedaży z udziałem Microsoftu. Ujmuje jedynie tę część płatności klienta, która przypada OpenAI po otrzymaniu udziału przez Microsoft. Jest to prezentacja netto.
Rozważmy uproszczoną transakcję obejmującą płatność klienta w wysokości 100 jednostek. Przy prezentacji brutto twórca modelu mógłby ująć całe 100 jako przychód i 20 jako koszt partnera. Przy prezentacji netto mógłby ująć jako przychód wyłącznie pozostałe 80.
W obu przykładach deweloper może zatrzymać te same 80 jednostek. Metoda brutto generuje jednak o 25 procent wyższe raportowane przychody niż metoda netto.
Przykład ten nie opisuje rzeczywistych procentów umownych tych firm. Warunki mogą różnić się w zależności od platformy, produktu i umowy z klientem. Pokazuje, dlaczego wybór księgowy może istotnie zmienić porównania oparte na nagłówkach.
Rozróżnienie odzwierciedla model zleceniodawca-kontrahent w księgowaniu przychodów. Zleceniodawca kontroluje obiecaną usługę przed przekazaniem jej klientowi. Pośrednik organizuje świadczenie tej usługi przez inną stronę.
Firmy działające jako zleceniodawcy zwykle ujmują wartość brutto transakcji. Pośrednicy zasadniczo ujmują wyłącznie swoją prowizję lub zatrzymaną część.
Przykład księgowy SEC wyjaśnia, że ocena zależy od kontroli, odpowiedzialności, uprawnień do ustalania cen i struktury transakcji. Nie jest to dobrowolny wybór dokonywany wyłącznie po to, by poprawić wizerunek.
Relacja Bloomberga wskazuje, że zarówno Anthropic, jak i OpenAI uznają swoje metody za zgodne z ogólnie przyjętymi zasadami rachunkowości. Niezgodność może zatem występować, nawet jeśli żadna z firm nie narusza standardu.
Umowy mogą przypisywać różne obowiązki każdemu twórcy modelu i dostawcy chmury. Jeden partner może jedynie przetwarzać sprzedaż. Inny może kontrolować relację z klientem, łączyć usługi w pakiety lub przejmować dodatkową odpowiedzialność za realizację świadczeń.
To szczegóły umowne określają wynik księgowy. Oznacza to również, że inwestorzy nie mogą bezpiecznie znormalizować porównań firm poprzez odjęcie jednego uniwersalnego udziału partnera.
Problem narasta, gdy doniesienia medialne wykorzystują zannualizowane przychody jako tablicę wyników. Zannualizowane przychody ekstrapolują sprzedaż z krótkiego okresu na cały rok. Są przydatne do zobrazowania bieżącego rozpędu, lecz nie są tym samym co faktycznie zrealizowane roczne przychody.
Tempo roczne już samo w sobie wzmacnia wpływ krótkoterminowych warunków. Połączenie go z niespójną prezentacją brutto i netto dodaje drugą warstwę niepewności.
Nie czyni to tych danych bez znaczenia. Oznacza, że potrzebują definicji, ujawnień kanałów i uzgodnienia, zanim będą mogły stanowić podstawę wiarygodnego rankingu.
Porównania przychodów Anthropic i OpenAI wymagają wspólnej podstawy
Bezpośredni ranking staje się niewiarygodny, gdy jedna firma uwzględnia udziały partnerów chmurowych, a druga je wyklucza.
Zannualizowane przychody Anthropic miały podobno przekroczyć 65 miliardów dolarów pod koniec lipca. Stanowiło to ponad siedmiokrotność tempa z końca 2025 roku, według doniesień o zannualizowanych przychodach.
Zannualizowane przychody OpenAI wynosiły około 50 miliardów dolarów pod koniec września. Osoby zaznajomione z tymi danymi twierdziły, że firma spodziewała się osiągnąć lub przekroczyć 70 miliardów dolarów do końca roku, częściowo dzięki wzrostowi w segmencie przedsiębiorstw.
Prognoza na koniec roku sugeruje kolejny znaczący wzrost w ostatnim kwartale. Prognoza i wrześniowe tempo roczne odpowiadają jednak na różne pytania.
Wartość 50 miliardów dolarów odzwierciedla podobno zwykłe księgowanie netto OpenAI. Wcześniej rozpowszechniana wartość bliska 70 miliardom dolarów miała przybliżać przychody OpenAI przy zastosowaniu metodologii brutto Anthropic.
Korekta wyjaśnia, dlaczego pozornie sprzeczne dane OpenAI pojawiły się w krótkim odstępie czasu. Jedna przedstawiała raportowaną podstawę księgową firmy. Druga miała stworzyć porównanie dla inwestorów.
Axios poinformował następnie, że tempo roczne OpenAI było bliskie 50 miliardom dolarów, czyli około 20 miliardów dolarów poniżej wcześniejszego oszacowania podwyższonego do wartości brutto. W swoim uzgodnieniu przychodów podał, że inwestorzy zażądali porównania na równych zasadach.
Ten epizod pokazuje, jak szybko znormalizowane oszacowanie może utracić pierwotny kontekst. Gdy jest powtarzane bez definicji, zaczyna wyglądać jak zwykłe raportowane przychody.
Różnica nie dowodzi automatycznie, że Anthropic zawyżył skalę swojego biznesu. Nie dowodzi też, że OpenAI przyjęło bardziej konserwatywną filozofię w całej firmie.
Firmy mają różne umowy, sieci partnerów, relacje z klientami i obowiązki związane z dostarczaniem usług. Różnice te mogą prowadzić do odmiennych wniosków księgowych w ramach tego samego standardu.
Mimo to rezultat jest niezadowalający dla inwestorów. Porównanie przychodów powinno rozróżniać co najmniej trzy miary.
Pierwszą są uznane przychody według zwykłych zasad księgowych każdej firmy. Drugą są wydatki klientów brutto we wszystkich kanałach bezpośrednich i partnerskich. Trzecią jest kwota zatrzymana po wypłatach dla partnerów.
Uznane przychody odpowiadają na formalne pytanie księgowe. Wydatki klientów brutto pokazują aktywność gospodarczą przepływającą przez produkty firmy. Przychody zatrzymane są bliższe środkom dostępnym przed kosztami obliczeń i innymi kosztami operacyjnymi.
Żadna z tych miar sama w sobie nie opisuje jakości biznesu. Każda ujawnia inną część modelu komercyjnego.
Wydatki klientów brutto mogą pokazywać zasięg produktu, zwłaszcza gdy platforma handlowa chmury obsługuje zakup. Mogą jednak zawyżać wartość ekonomiczną zatrzymywaną przez twórcę modelu.
Przychody netto lepiej odzwierciedlają bezpośredni udział twórcy w transakcji. Mogą jednak zaniżać popyt klientów w porównaniu z rywalem stosującym prezentację brutto.
Wybór wpływa również na interpretację marż. Firma raportująca przychody brutto zazwyczaj ujmuje płatność dla partnera w koszcie przychodów lub innej kategorii kosztowej.
Jej przychody wyglądają na większe, ale raportowana marża uwzględnia ten dodatkowy koszt partnera. Firma stosująca prezentację netto zaczyna od niższej wartości przychodów i nie powtarza tej samej kwoty partnera jako kosztu.
Inwestorzy nie mogą więc porównywać wzrostu przychodów i marż brutto niezależnie. Obie liczby muszą zostać skorygowane razem.
Zmiana wyłącznie wartości przychodów ponownie zniekształciłaby analizę. Prawidłowa normalizacja musi odtworzyć przychody, koszty partnerów i marże na tej samej podstawie.
Dystrybucja chmurowa jest teraz częścią rywalizacji konkurencyjnej
Platformy handlowe chmury nie są biernymi stronami płatności; wpływają na adopcję, własność relacji z klientem, ekonomikę i raportowaną skalę.
Duże firmy już kupują infrastrukturę, bazy danych, oprogramowanie zabezpieczające i aplikacje poprzez umowy chmurowe. Zakup Claude przez AWS lub Google Cloud może pasować do istniejących systemów zakupowych i uzgodnień dotyczących zobowiązań wydatkowych.
Ta wygoda może skrócić proces sprzedaży. Może też umieścić model w narzędziach, z których już korzystają zespoły programistyczne i IT.
Zależność Anthropic od tej ścieżki jest znacząca. Poufne zgłoszenie przeanalizowane przez Reuters miało pokazać, że 47 procent jego sprzedaży w 2025 roku przepłynęło przez platformy Amazon i Google.
Ta sprzedaż za pośrednictwem platform wyniosła około 2,16 miliarda dolarów. Anthropic miał podobno zapłacić około 351 milionów dolarów opłat dystrybucyjnych, czyli około 16 centów na każdego dolara przychodów z platform.
Dane dotyczące kanału chmurowego ilustrują zarówno wartość, jak i koszt dystrybucji partnerskiej. Firmy chmurowe zapewniają klientów i dostęp do procesów zakupowych, ale zatrzymują część transakcji.
Tych historycznych danych nie należy mechanicznie stosować do obecnego tempa rocznego Anthropic. Struktura kanałów, warunki umów i popyt na produkt mogą szybko się zmieniać.
Nadal pokazują one jednak, dlaczego ujęcie brutto lub netto ma znaczenie. Gdy niemal połowa sprzedaży przechodzi przez partnerów, sposób prezentacji może istotnie wpływać na łączną raportowaną wartość przychodów.
OpenAI ma podobnie istotną relację z Microsoftem. Azure dostarcza infrastrukturę obliczeniową i dystrybuuje modele OpenAI poprzez produkty korporacyjne oraz usługi chmurowe.
Microsoft ma także własne umowy z klientami, struktury cenowe i oferty pakietowe. Te cechy mogą zmieniać, która strona kontroluje obiecaną usługę zgodnie z zasadami rachunkowości.
Rywalizacja komercyjna jest zatem szersza niż Claude kontra ChatGPT. Obejmuje systemy dystrybucji otaczające każdy z modeli.
Anthropic korzysta z dostępu do klientów AWS i Google Cloud. OpenAI korzysta z zasięgu Microsoftu w przedsiębiorstwach oraz integracji z produktami zwiększającymi produktywność i wspierającymi rozwój oprogramowania.
Relacje te jednocześnie tworzą przewagę i zależność. Partner chmurowy może ułatwić zakup modelu, lecz może także kontrolować rozliczenia, pakietowanie i dostęp do klientów.
Twórca modelu może zyskać szybką dystrybucję, rezygnując jednocześnie z części każdej sprzedaży. Może też zależeć od partnera, który sprzedaje konkurencyjne modele lub rozwija własne.
Amazon wspiera Anthropic, oferując jednocześnie inne modele przez Bedrock. Google inwestuje w Anthropic, rozwijając jednocześnie Gemini. Microsoft wspiera OpenAI, rozszerzając równocześnie własną strategię modelową i chmurową.
Amerykańska Federalna Komisja Handlu już wcześniej analizowała te relacje. W swoim badaniu partnerstw chmurowych opisała, jak inwestycje, moce chmurowe, dystrybucja i zależności techniczne mogą się wzajemnie przeplatać.
Taka struktura sprawia, że przypisywanie przychodów jest czymś więcej niż księgowością. Pokazuje, jak wartość i kontrola przemieszczają się w łańcuchu dostaw AI.
Dla nabywców korporacyjnych dystrybucja przez chmurę może uprościć zarządzanie i rozliczenia. Może też utrudnić oddzielenie wydatków na modele od szerszych zobowiązań infrastrukturalnych.
Firma może wybrać Claude, ponieważ ma już niewykorzystane zobowiązania wobec AWS. Inna może wdrażać usługi OpenAI w ramach istniejącej umowy z Microsoft.
Decyzje te odzwierciedlają rzeczywisty popyt, ale nie zawsze przypominają bezpośrednią subskrypcję oprogramowania. Kanał handlowy wpływa zarówno na zakup, jak i na sposób jego pomiaru.
Dlatego główna rywalizacja nie sprowadza się po prostu do Anthropic kontra OpenAI. Chodzi o księgowanie kanałowe brutto i netto jako dwa sposoby postrzegania skali komercyjnej.
Czego Nadal Nie Pokazują Liczby z Nagłówków
Prezentacja przychodów nie odpowiada na trudniejsze pytania dotyczące zatrzymywania gotówki, kosztów mocy obliczeniowej, koncentracji klientów ani trwałości popytu.
Przychód w ujęciu rocznym zaczyna się od niedawnego okresu sprzedaży i ekstrapoluje to tempo na dwanaście miesięcy. Najlepiej działa, gdy popyt i ceny pozostają względnie stabilne.
Popyt na AI nie spełnia tego warunku konsekwentnie. Premiery nowych modeli, wdrażanie agentów, kontrakty korporacyjne i przejściowe wzrosty wykorzystania mogą gwałtownie zmieniać miesięczne zużycie.
Firma może osiągnąć wysoki wskaźnik roczny dzięki jednemu wyjątkowemu miesiącowi. Nie gwarantuje to, że taka sama aktywność utrzyma się przez kolejnych jedenaście miesięcy.
Przychody z API rozliczanych według użycia tworzą dodatkową komplikację. Klienci mogą szybko zwiększać obciążenia, gdy nowy model działa dobrze. Mogą też przekierować ruch, gdy konkurent poprawi jakość, opóźnienia lub koszty.
Wskaźnik roczny mierzy więc obecną dynamikę skuteczniej niż przyszłą pewność. Nie powinien być traktowany jako zakontraktowany przychód powtarzalny, chyba że ujawnione informacje uzasadniają taką interpretację.
Koncentracja klientów stwarza powiązane ryzyko. Kilku dużych nabywców może generować znaczne wykorzystanie, jednocześnie uzależniając przyszłe przychody od indywidualnych decyzji o odnowieniu umowy lub routingu.
Platformy marketplace chmurowe mogą ukrywać tę koncentrację przed zewnętrznymi obserwatorami. Inwestorzy widzą łączną wartość kanału, lecz niekoniecznie wiedzą, którzy klienci końcowi ją wygenerowali.
Księgowanie brutto może dodatkowo zwiększać widoczną liczbę bez zmiany wpływów zatrzymywanych przez twórcę modelu. Księgowanie netto może ukrywać pełną skalę wydatków klientów, jednocześnie pokazując bliższy obraz udziału firmy.
Żadna z metod sama w sobie nie ujawnia ekonomiki mocy obliczeniowej. Obsługa zaawansowanych modeli wymaga akceleratorów, sieci, energii, pamięci masowej i wsparcia inżynieryjnego.
Koszty te mogą się różnić w zależności od modelu, obciążenia, dostawcy sprzętu i umowy. Zmieniają się również, gdy firmy optymalizują inferencję lub wprowadzają systemy bardziej intensywnie wykorzystujące moc obliczeniową.
Opłaty partnerskie są tylko jednym z potrąceń od przychodów. Koszty obsługi modeli, wydatki na trening, wynagrodzenia w akcjach, koszty sprzedaży i wydatki na badania pozostają kluczowe dla rentowności.
Firma może przodować pod względem wydatków klientów brutto, zatrzymując jednocześnie mniej gotówki z każdej sprzedaży partnerskiej. Inna może raportować niższe przychody, lecz zachowywać większą część rejestrowanej kwoty.
Obecne dane nie rozstrzygają tej kwestii.
Twierdzenia o zyskowności wymagają podobnej ostrożności. Anthropic miał podobno poinformować inwestorów, że osiągnął kwartalną rentowność operacyjną według miary wyłączającej część kosztów.
Taki wynik stanowiłby istotny kamień milowy operacyjny. Niekoniecznie oznaczałby jednak rentowność netto zgodnie z zakresem ujawnień oczekiwanych od spółki publicznej.
Ten sam standard powinien dotyczyć OpenAI. Jego prognozy wzrostu wymagają kontekstu kosztów, przepływów pieniężnych i infrastruktury, zanim będą mogły uzasadniać wnioski o sile ekonomicznej.
Kolejna niepewność dotyczy spójności między kanałami. Firma może stosować prezentację brutto dla jednego partnera i netto dla innego, gdy umowy inaczej rozdzielają kontrolę.
Nawet etykieta na poziomie całej firmy może zatem nadmiernie upraszczać sprawozdania. Inwestorzy potrzebują wyjaśnień na poziomie kanału, a nie jednego stwierdzenia, że dana firma raportuje brutto.
Obie firmy pozostają prywatne, co ogranicza publiczny dostęp do audytowanych sprawozdań i szczegółowych przypisów. Raportowane dane często pochodzą z dokumentów dla inwestorów lub od osób znających wewnętrzne wyniki.
Takie źródła nie unieważniają informacji. Wymagają jednak precyzyjnego przypisania i powściągliwości.
Najmocniejszy wniosek jest węższy niż rywalizacja z nagłówków. Ujawnionych wskaźników rocznych Anthropic i OpenAI nie można jednoznacznie uszeregować bez korekt.
Równie mylące byłoby założenie, że cała różnica wynika z księgowości. Na łączne wartości wpływają również popyt na produkty, struktura kanałów, moment pomiaru i wzrost w segmencie korporacyjnym.
Rzetelne porównanie musi oddzielać raportowane przychody, podwyższoną wartość transakcji, zatrzymywane wpływy i sprzedaż z zakończonych okresów. Do tego czasu pozorny lider zależy częściowo od wybranej kolumny.
Inwestorzy Porównują Wzrost Zanim Porównają Definicje
Rozbieżność księgowa wywiera presję na inwestorów i dziennikarzy, by zdefiniowali wskaźnik przed ogłoszeniem zwycięzcy.
Firmy AI używają przychodów w ujęciu rocznym, ponieważ ich działalność rozwija się szybciej, niż może to uchwycić tradycyjna sprawozdawczość roczna. Suma z ostatnich dwunastu miesięcy może wyglądać na nieaktualną, zanim zostanie opublikowana.
To sprawia, że wskaźnik roczny jest użyteczny w okresie szybkiej ekspansji. Czyni go też podatnym na wybiórczy dobór momentu pomiaru i niespójną konstrukcję.
Najnowsza debata o przychodach Anthropic i OpenAI pokazuje tę podatność. Liczba jednej firmy może uwzględniać ekonomikę partnerów, którą druga pozostawia poza przychodami najwyższego poziomu.
Inwestorzy mogą rozwiązać ten problem za pomocą uzgodnienia między wynikami raportowanymi a znormalizowanymi. Powinno ono pokazywać sprzedaż bezpośrednią, sprzedaż partnerską, potrącenia partnerskie i ostatecznie rozpoznaną kwotę.
Powinno również wskazywać okres pomiaru. Miesięczne tempo z lipca, kwartalne tempo z września i prognoza na koniec roku nie powinny pojawiać się w jednym rankingu bez wyraźnych oznaczeń.
Ukończone przychody kwartalne stanowią pewniejszy punkt wyjścia. Obejmują rzeczywisty okres sprawozdawczy zamiast rozciągać krótki przedział na cały rok.
Jednak dane kwartalne nadal wymagają normalizacji księgowej. Pełny kwartał mierzony brutto nie jest bezpośrednio porównywalny z pełnym kwartałem mierzonym netto.
Wpływy gotówkowe zapewniają kolejną użyteczną kontrolę, choć różnice czasowe mogą powodować zakłócenia. Przychody przyszłych okresów, przedpłaty klientów i harmonogramy rozliczeń partnerskich mogą przesuwać gotówkę między okresami.
Zysk brutto może pomóc, gdy znane są klasyfikacje przychodów i kosztów. Staje się jednak mylący, jeśli jedna firma uwzględnia opłaty partnerskie w koszcie przychodów, a druga nigdy ich nie rejestruje.
Aktywność klientów może dostarczać niezależnego sygnału. Liczba stanowisk korporacyjnych, aktywnych deweloperów, zużycie API i utrzymanie obciążeń mogą pokazać, czy raportowany wzrost odzwierciedla trwałe wykorzystanie.
Te wskaźniki również wymagają starannych definicji. Zarejestrowane konta, płacący klienci i aktywne obciążenia opisują różne rzeczy.
Presja rozciąga się na publicznych dostawców chmurowych. Amazon, Microsoft i Google korzystają, gdy popyt na modele kieruje klientów ku ich infrastrukturze.
Jednak przychody chmurowe związane z twórcami modeli mogą obejmować wzajemne inwestycje, zobowiązania infrastrukturalne i opłaty marketplace. Ta sama aktywność gospodarcza może pojawiać się w kilku narracjach korporacyjnych.
Stwarza to ryzyko podwójnego liczenia w szerszym rynku AI. Firma modelowa raportuje aktywność klientów, podczas gdy dostawca chmurowy raportuje przychody infrastrukturalne lub marketplace powiązane z tą aktywnością.
Każde ujęcie księgowe może być prawidłowe w ramach własnej firmy. Mimo to zsumowanie wszystkich liczb z nagłówków może zawyżać niezależny popyt końcowy w sektorze.
Inwestorzy publiczni będą zadawać trudniejsze pytania, gdy twórcy modeli zbliżą się do ewentualnych debiutów giełdowych. Audytowane zgłoszenia wymagają jaśniejszych zasad dotyczących przychodów, koncentracji kanałów, ujawnień dotyczących podmiotów powiązanych i klasyfikacji kosztów.
Dokumenty te powinny zmniejszyć niepewność, ale nie wyeliminują potrzeby osądu. Analiza principal-versus-agent zależy od szczegółów umów i ocen kontroli.
Audytor może uznać, że oba podejścia są zgodne ze standardami rachunkowości. Inwestorzy nadal muszą zdecydować, która miara ekonomiczna najlepiej pasuje do ich modelu wyceny.
Dla nabywców korporacyjnych spór ten stanowi praktyczne przypomnienie. Skali dostawcy nie należy wyciągać z jednej liczby rocznej.
Nabywcy powinni analizować dostępność, wydajność modeli, zarządzanie, możliwości zmiany dostawcy, zobowiązania serwisowe i całkowite koszty wdrożenia. Prezentacja księgowa nie decyduje o tym, który model pasuje do danego obciążenia.
Deweloperzy stają przed podobnym wyborem. Dystrybucja przez znaną chmurę może uprościć poświadczenia, rozliczenia i wdrożenie. Bezpośredni dostęp może zapewniać inne funkcje lub warunki ekonomiczne.
Kanał partnerski kształtuje doświadczenie z produktem, a także sprawozdanie finansowe. Czyni to strategię kanałową zmienną konkurencyjną wartą śledzenia.
Trzy Sygnały Wyjaśnią Prawdziwy Wyścig Przychodów
Kolejny etap rywalizacji przychodowej Anthropic i OpenAI będzie zależał od audytowanych ujawnień, znormalizowanych danych kanałowych i utrzymującego się wykorzystania przez klientów.
Pierwszym sygnałem jest szczegółowa polityka rozpoznawania przychodów w audytowanym zgłoszeniu. Inwestorzy potrzebują wyjaśnienia przez każdą firmę, kiedy działa jako principal, a kiedy jako agent.
Takie ujawnienie powinno wskazywać istotne kanały partnerskie i opisywać, jak opłaty trafiają do rachunku zysków i strat. Powinno także wyjaśniać, czy polityka zmieniła się między okresami sprawozdawczymi.
Jasne zgłoszenia wzmocniłyby zaufanie, że dane firm można znormalizować. Niejasny język utrzymałby obecną niepewność i osłabił proste rankingi.
Drugim sygnałem jest uzgodnienie między przychodem w ujęciu rocznym a faktyczną sprzedażą kwartalną. Powinno ono wskazywać okres wykorzystany do obliczenia wskaźnika rocznego oraz wszelkie korekty brutto.
W przypadku OpenAI inwestorzy będą obserwować, czy firma osiągnie prognozę co najmniej $70 miliardów do końca roku. Będą też pytać, czy liczba ta opiera się na zwykłej podstawie netto.
W przypadku Anthropic kluczowe pytanie brzmi, czy wzrost po lipcu potwierdza raportowane tempo $65 miliardów. Zakończony kwartał dostarczyłby silniejszych dowodów niż kolejna ekstrapolacja z jednego momentu.
Utrzymujące się wyniki kwartalne wzmocniłyby tezę, że obie firmy doświadczają trwałego popytu korporacyjnego. Znaczna różnica osłabiłaby wnioski wyciągane z rocznych migawek.
Trzecim sygnałem jest kwota przychodów zatrzymywanych po dystrybucji przez chmurę i kosztach obsługi modeli. Ta miara bardziej przybliża wartość ekonomiczną zachowywaną przez każdą firmę.
Inwestorzy powinni łącznie obserwować opłaty partnerskie, koszty inferencji, zysk brutto, zużycie gotówki i koncentrację klientów. Żadna pojedyncza liczba nie zastąpi tej kombinacji.
Lepsze zatrzymywanie przychodów pokazałoby, że skala przekłada się na dźwignię operacyjną. Pogarszające się zatrzymywanie sugerowałoby, że wzrost z nagłówków jest silnie uzależniony od kosztownej infrastruktury lub dystrybucji.
Sygnały te mają znaczenie, ponieważ rynek finansuje więcej niż dwóch dostawców oprogramowania. Finansuje wzajemnie powiązany system laboratoriów modeli, dostawców chmurowych, chipów, centrów danych i aplikacji korporacyjnych.
Przychód z jednej części tego systemu często staje się kosztem lub inwestycją w innej. Zrozumienie, kto ostatecznie zatrzymuje pieniądze klienta, jest kluczowe.
Obecna różnica księgowa nie przekreśla wzrostu Anthropic ani zasięgu OpenAI. Zmienia to, co mogą udowodnić ich liczby z nagłówków.
Raportowane wskaźniki roczne pokazują, że klienci intensywnie wydają na obie firmy. Nie wskazują jednak definitywnego lidera przychodów na wspólnej podstawie.
Czytelnicy powinni zachować sceptycyzm wobec kolejnego prostego rankingu, chyba że obok liczb znajdują się definicje. Warto zapytać, czy każda wartość jest brutto, netto, w ujęciu rocznym, zrealizowana czy skorygowana.
Następnie warto zapytać, która firma zatrzymuje większą część transakcji po opłaceniu partnerów i dostawców mocy obliczeniowej. Odpowiedź na to pytanie ujawni więcej o wyścigu biznesowym w dziedzinie AI niż sam największy nagłówek.
