A Receita de Anthropic e OpenAI Parece Comparável Até que a Contabilidade de Nuvem Muda o Placar

As comparações de receita entre Anthropic e OpenAI acabaram de ganhar uma importante ressalva, apesar dos enormes números anualizados apresentados aos investidores. A Anthropic supostamente contabiliza o valor total de certas vendas realizadas por parceiros de nuvem. A OpenAI registra apenas a parcela que retém em transações comparáveis com parceiros.

Essa diferença pode acrescentar ou retirar bilhões de dólares da receita bruta sem alterar o que os clientes compraram. Ela também complica a aparente disputa entre os dois maiores laboratórios independentes de IA. Um ritmo de receita reportado mais alto não significa necessariamente que uma empresa capturou mais caixa ou construiu um negócio mais saudável.

A questão surgiu quando investidores tentaram conciliar vários números impressionantes. A Anthropic teria atingido um ritmo anualizado de US$ 65 bilhões em julho. A OpenAI se aproximou de US$ 50 bilhões no fim de setembro, enquanto projetava pelo menos US$ 70 bilhões até o fim do ano.

Esses números parecem comparáveis porque compartilham o mesmo rótulo. Seus cálculos subjacentes não são necessariamente comparáveis.

A distinção importa mais do que um debate contábil. Anthropic e OpenAI dependem de Amazon, Google e Microsoft para infraestrutura, distribuição, financiamento ou alguma combinação dos três. A forma como cada empresa registra essas relações pode moldar o crescimento percebido, as margens, a liderança de mercado e as futuras avaliações públicas.

A Mesma Venda em Nuvem Pode Gerar Dois Números de Receita

O problema central é simples: Anthropic e OpenAI supostamente contabilizam algumas vendas geradas por parceiros em pontos diferentes da transação.

A Anthropic disponibiliza Claude por meio de marketplaces de nuvem operados pela Amazon Web Services e pelo Google Cloud. Clientes empresariais podem comprar acesso aos modelos por meio dessas relações de nuvem já existentes, em vez de contratar diretamente com a Anthropic.

Segundo reportagem da Bloomberg, a Anthropic registra como receita o pagamento integral do cliente em determinados canais de parceiros. Em seguida, reconhece a parcela do provedor de nuvem como despesa. Isso é comumente chamado de apresentação bruta.

A OpenAI supostamente adota outra abordagem para vendas que envolvem a Microsoft. Ela registra apenas a parcela do pagamento do cliente que pertence à OpenAI depois que a Microsoft recebe sua parte. Isso é apresentação líquida.

Considere uma transação simplificada envolvendo um pagamento de 100 unidades por um cliente. Na apresentação bruta, o desenvolvedor do modelo poderia registrar todas as 100 unidades como receita e 20 como despesa do parceiro. Na apresentação líquida, poderia registrar apenas as 80 unidades restantes como receita.

O desenvolvedor pode reter as mesmas 80 unidades nos dois exemplos. Ainda assim, o método bruto produz uma receita reportada 25% maior do que o método líquido.

Este exemplo não descreve os percentuais contratuais reais das empresas. Essas condições podem variar por plataforma, produto e acordo com o cliente. Ele mostra por que a escolha contábil pode alterar materialmente as comparações de manchete.

A distinção reflete o modelo principal-versus-agente na contabilidade de receitas. Um principal controla o serviço prometido antes de transferi-lo ao cliente. Um agente providencia para que outra parte forneça esse serviço.

Empresas que atuam como principais geralmente registram o valor bruto da transação. Agentes normalmente registram apenas sua comissão ou participação retida.

Um exemplo contábil da SEC explica que a avaliação depende de controle, responsabilidade, autoridade de precificação e estrutura da transação. Não se trata de uma opção voluntária selecionada apenas para melhorar a aparência dos resultados.

O relato da Bloomberg indica que tanto Anthropic quanto OpenAI consideram seus métodos compatíveis com os princípios contábeis geralmente aceitos. Portanto, a divergência pode existir sem que qualquer uma das empresas viole a norma.

Os contratos podem atribuir obrigações diferentes a cada desenvolvedor de modelo e provedor de nuvem. Um parceiro pode apenas processar uma venda. Outro pode controlar o relacionamento com o cliente, agrupar serviços ou assumir responsabilidades adicionais de execução.

Esse detalhe contratual determina o resultado contábil. Também significa que investidores não podem normalizar as empresas com segurança subtraindo uma porcentagem universal de parceiros.

O problema cresce quando reportagens usam receita anualizada como placar. A receita anualizada projeta um curto período de vendas para um ano completo. Ela é útil para ilustrar o impulso atual, mas não é o mesmo que receita anual efetivamente concluída.

Uma taxa de execução já amplifica condições de curto prazo. Combiná-la com apresentações brutas e líquidas inconsistentes adiciona uma segunda camada de incerteza.

Isso não torna os números irrelevantes. Significa que eles exigem definições, divulgações por canal e reconciliação antes de poderem sustentar uma classificação confiável.

Comparações de Receita entre Anthropic e OpenAI Precisam de uma Base Comum

Uma classificação direta se torna pouco confiável quando uma empresa inclui as participações dos parceiros de nuvem e a outra as exclui.

A receita anualizada da Anthropic teria ultrapassado US$ 65 bilhões no fim de julho. Isso representava mais de sete vezes seu ritmo no fim de 2025, segundo reportagem sobre receita anualizada.

A receita anualizada da OpenAI era de aproximadamente US$ 50 bilhões no fim de setembro. Pessoas familiarizadas com os números disseram que a empresa esperava atingir ou superar US$ 70 bilhões até o fim do ano, impulsionada em parte pelo crescimento empresarial.

A projeção para o fim do ano implica outro aumento significativo durante o último trimestre. No entanto, a previsão e a taxa de execução de setembro respondem a perguntas diferentes.

O número de US$ 50 bilhões supostamente reflete a contabilidade líquida usual da OpenAI. Um número previamente divulgado, próximo de US$ 70 bilhões, foi elaborado para aproximar a receita da OpenAI sob a metodologia bruta da Anthropic.

Esse ajuste explica por que números aparentemente conflitantes da OpenAI surgiram em um curto período. Um representava a base contábil reportada da empresa. O outro tentava criar uma comparação para investidores.

Posteriormente, a Axios informou que a taxa de execução da OpenAI estava próxima de US$ 50 bilhões, cerca de US$ 20 bilhões abaixo da estimativa anterior ajustada para valores brutos. Sua reconciliação de receita afirmou que investidores haviam solicitado uma comparação equivalente.

Esse episódio mostra como rapidamente uma estimativa normalizada pode escapar de seu contexto original. Quando repetida sem uma definição, ela passa a parecer receita reportada comum.

A diferença não estabelece automaticamente que a Anthropic tenha superestimado seu negócio. Tampouco prova que a OpenAI tenha adotado uma filosofia mais conservadora em toda a empresa.

As empresas têm contratos, redes de parceiros, relações com clientes e obrigações de entrega diferentes. Essas diferenças podem levar a conclusões contábeis distintas sob a mesma norma.

Ainda assim, o resultado é insatisfatório para investidores. Uma comparação de receita bruta deveria distinguir pelo menos três medidas.

A primeira é a receita reconhecida sob a contabilidade normal de cada empresa. A segunda é o gasto bruto dos clientes em canais diretos e de parceiros. A terceira é o valor retido após as distribuições aos parceiros.

A receita reconhecida responde à questão contábil formal. O gasto bruto dos clientes mostra a atividade econômica que flui pelos produtos da empresa. A receita retida se aproxima mais dos recursos disponíveis antes de custos de computação e outras despesas operacionais.

Nenhuma dessas medidas, isoladamente, descreve a qualidade do negócio. Cada uma revela uma parte diferente do modelo comercial.

O gasto bruto dos clientes pode mostrar o alcance do produto, especialmente quando um marketplace de nuvem conduz a aquisição. No entanto, pode exagerar o valor econômico retido pelo desenvolvedor do modelo.

A receita líquida reflete melhor a participação direta do desenvolvedor em uma transação. Ainda assim, ela pode subestimar a demanda dos clientes quando comparada à de um rival que usa apresentação bruta.

A escolha também afeta a interpretação das margens. Uma empresa que registra receita bruta normalmente registra o pagamento ao parceiro no custo da receita ou em outra categoria de despesa.

Sua receita parece maior, mas sua margem reportada reflete esse custo adicional do parceiro. Uma empresa que usa apresentação líquida começa com uma receita bruta menor e não repete o mesmo valor do parceiro como despesa.

Portanto, investidores não podem comparar crescimento de receita e margens brutas de forma independente. Ambos os números devem ser ajustados em conjunto.

Alterar apenas a receita bruta voltaria a distorcer a análise. Uma normalização válida precisa reconstruir receita, custos de parceiros e margens na mesma base.

A Distribuição em Nuvem Agora Faz Parte da Disputa Competitiva

Marketplaces de nuvem não são páginas passivas de checkout; eles influenciam a adoção, a propriedade do cliente, a economia e a escala reportada.

Grandes empresas já compram infraestrutura, bancos de dados, software de segurança e aplicações por meio de contratos de nuvem. Comprar Claude pela AWS ou pelo Google Cloud pode se encaixar em sistemas de aquisição existentes e em acordos de gastos comprometidos.

Essa conveniência pode encurtar um processo de vendas. Também pode inserir um modelo nas ferramentas que equipes de desenvolvimento e tecnologia da informação já utilizam.

A dependência da Anthropic dessa rota é substancial. Um documento confidencial analisado pela Reuters teria mostrado que 47% de suas vendas de 2025 fluíram pelos marketplaces da Amazon e do Google.

Essas vendas em marketplaces totalizaram cerca de US$ 2,16 bilhões. A Anthropic teria pago aproximadamente US$ 351 milhões em taxas de distribuição, ou cerca de 16 centavos por dólar de receita de marketplace.

Os números do canal de nuvem ilustram tanto o valor quanto o custo da distribuição por parceiros. Empresas de nuvem fornecem clientes e acesso à aquisição, mas retêm parte da transação.

Esses números históricos não devem ser aplicados mecanicamente à taxa de execução atual da Anthropic. A composição dos canais, os termos contratuais e a demanda por produtos podem mudar rapidamente.

Ainda assim, eles demonstram por que o tratamento bruto versus líquido importa. Quando quase metade das vendas passa por parceiros, a apresentação pode afetar de forma significativa a receita bruta total reportada.

A OpenAI tem uma relação igualmente relevante com a Microsoft. O Azure forneceu infraestrutura de computação e distribui modelos da OpenAI por meio de produtos empresariais e serviços de nuvem.

A Microsoft também possui seus próprios contratos com clientes, estruturas de preços e ofertas agrupadas. Esses elementos podem mudar qual parte controla um serviço prometido segundo as regras contábeis.

A disputa comercial, portanto, é mais ampla do que Claude contra ChatGPT. Ela inclui os sistemas de distribuição que cercam cada modelo.

A Anthropic se beneficia do acesso aos clientes da AWS e do Google Cloud. A OpenAI se beneficia do alcance empresarial da Microsoft e de suas integrações em produtos de produtividade e desenvolvimento.

Essas relações criam alavancagem e dependência ao mesmo tempo. Um parceiro de nuvem pode tornar um modelo mais fácil de comprar, mas também pode controlar faturamento, empacotamento e acesso aos clientes.

O desenvolvedor do modelo pode ganhar distribuição rápida enquanto cede parte de cada venda. Também pode depender de um parceiro que vende modelos concorrentes ou desenvolve os seus próprios.

A Amazon apoia a Anthropic enquanto oferece outros modelos por meio do Bedrock. O Google investe na Anthropic enquanto desenvolve Gemini. A Microsoft apoia a OpenAI enquanto expande sua própria estratégia de modelos e nuvem.

A Comissão Federal de Comércio dos Estados Unidos já examinou essas relações. Seu estudo sobre parcerias em nuvem descreveu como investimento, capacidade de nuvem, distribuição e dependências técnicas podem se entrelaçar.

Essa estrutura faz da atribuição de receita algo maior do que uma questão contábil. Ela revela como valor e controle se movimentam pela cadeia de suprimentos de IA.

Para compradores corporativos, a distribuição por nuvem pode simplificar governança e faturamento. Também pode dificultar a separação dos gastos com modelos de compromissos mais amplos de infraestrutura.

Uma empresa pode escolher Claude porque já possui compromissos não utilizados com a AWS. Outra pode implementar serviços da OpenAI por meio de um acordo já estabelecido com a Microsoft.

Essas decisões representam demanda real, mas nem sempre se assemelham a uma assinatura direta de software. O canal comercial influencia tanto a compra quanto sua mensuração.

É por isso que a principal disputa não é simplesmente Anthropic contra OpenAI. É a contabilidade bruta do canal contra a contabilidade líquida do canal, como duas visões da escala comercial.

O que os números de manchete ainda não mostram

A apresentação da receita não responde às questões mais difíceis sobre retenção de caixa, custos de computação, concentração de clientes ou demanda duradoura.

A receita anualizada começa com um período recente de vendas e projeta esse ritmo para doze meses. Ela funciona melhor quando demanda e preços permanecem relativamente estáveis.

A demanda por IA não atende a essa condição de forma consistente. Lançamentos de novos modelos, adoção de agentes, contratos corporativos e picos temporários de uso podem alterar fortemente o consumo mensal.

Uma empresa pode gerar uma taxa anualizada elevada a partir de um mês excepcional. Isso não garante que a mesma atividade continuará pelos onze meses seguintes.

A receita de APIs baseada em uso cria outra complicação. Os clientes podem aumentar rapidamente as cargas de trabalho quando um novo modelo apresenta bom desempenho. Também podem redirecionar o tráfego quando um concorrente melhora qualidade, latência ou custo.

Assim, a taxa anualizada mede a velocidade atual com mais eficácia do que a certeza futura. Ela não deve ser tratada como receita recorrente contratada, salvo quando as divulgações sustentarem essa interpretação.

A concentração de clientes cria um risco relacionado. Alguns poucos grandes compradores podem gerar uso substancial, tornando a receita futura sensível a decisões individuais de renovação ou roteamento.

Marketplaces de nuvem podem ocultar essa concentração de observadores externos. Os investidores veem o total agregado do canal, mas não necessariamente quais clientes finais o geraram.

A contabilidade bruta pode ampliar ainda mais o número visível sem alterar os recursos retidos pelo desenvolvedor do modelo. A contabilidade líquida pode ocultar a escala total dos gastos dos clientes, embora apresente uma visão mais próxima da parcela da empresa.

Nenhum dos métodos revela, por si só, a economia da computação. Operar modelos avançados exige aceleradores, redes, energia, armazenamento e suporte de engenharia.

Esses custos podem variar conforme o modelo, a carga de trabalho, o fornecedor de hardware e o contrato. Eles também mudam à medida que as empresas otimizam a inferência ou introduzem sistemas mais intensivos em computação.

As taxas de parceiros são apenas uma dedução da receita. Custos de operação de modelos, despesas de treinamento, remuneração baseada em ações, custos de vendas e gastos com pesquisa continuam centrais para a rentabilidade.

Uma empresa poderia liderar em gastos brutos dos clientes e, ainda assim, reter menos caixa em cada venda por parceiro. Outra poderia registrar menos receita, mas manter uma proporção maior do que contabiliza.

Os números atuais não resolvem essa possibilidade.

As alegações de lucro exigem cautela semelhante. A Anthropic teria informado investidores de que alcançou rentabilidade operacional trimestral sob uma métrica que exclui algumas despesas.

Esse resultado marcaria um avanço operacional significativo. Não equivaleria necessariamente à rentabilidade líquida segundo as divulgações esperadas de uma empresa pública.

O mesmo padrão deve ser aplicado à OpenAI. Suas projeções de crescimento precisam de contexto de despesas, fluxo de caixa e infraestrutura antes de sustentarem conclusões sobre força econômica.

Outra incerteza diz respeito à consistência entre canais. Uma empresa pode usar apresentação bruta para um parceiro e líquida para outro quando os contratos atribuem o controle de forma diferente.

Portanto, até mesmo uma classificação no nível da empresa pode simplificar excessivamente as contas. Investidores precisam de explicações por canal, em vez de uma afirmação única de que uma empresa reporta valores brutos.

Ambas as empresas permanecem privadas, o que limita o acesso público a demonstrações auditadas e notas explicativas detalhadas. Os números divulgados frequentemente vêm de documentos para investidores ou de pessoas familiarizadas com os resultados internos.

Essa fonte não invalida as informações. Mas exige atribuição precisa e contenção.

A conclusão mais sólida é mais restrita do que a disputa de manchetes. As taxas anualizadas divulgadas pela Anthropic e pela OpenAI não podem ser classificadas de forma limpa sem ajustes.

Seria igualmente enganoso supor que toda a diferença decorre da contabilidade. Demanda pelo produto, mix de canais, timing e crescimento corporativo também afetam os totais.

Uma comparação rigorosa deve separar receita reportada, valor de transações inflado para o bruto, recursos retidos e vendas de períodos concluídos. Até lá, o líder aparente depende em parte da coluna escolhida.

Investidores estão comparando crescimento antes de comparar definições

A divergência contábil pressiona investidores e jornalistas a definir a métrica antes de declarar um vencedor.

Empresas de IA usam receita anualizada porque seus negócios estão se expandindo mais rapidamente do que os relatórios anuais convencionais conseguem captar. Um total dos últimos doze meses pode parecer desatualizado antes de ser publicado.

Isso torna a taxa anualizada útil durante uma expansão acelerada. Também torna a métrica vulnerável a escolhas seletivas de período e construções inconsistentes.

O debate mais recente sobre a receita de Anthropic e OpenAI demonstra essa vulnerabilidade. O número de uma empresa pode incluir a economia dos parceiros que outra deixa fora de sua receita principal.

Investidores podem lidar com isso usando uma ponte entre resultados reportados e normalizados. A ponte deve mostrar vendas diretas, vendas por parceiros, deduções de parceiros e o valor final reconhecido.

Ela também deve informar o período de mensuração. Um ritmo mensal de julho, um ritmo trimestral de setembro e uma projeção de fim de ano não devem aparecer no mesmo ranking sem rótulos claros.

A receita trimestral concluída oferece um ponto de partida mais firme. Ela captura um período real de reporte em vez de estender um intervalo curto ao longo de um ano.

No entanto, os números trimestrais ainda precisam de normalização contábil. Um trimestre completo medido de forma bruta não é diretamente comparável a um trimestre completo medido de forma líquida.

Os recebimentos de caixa fornecem outra verificação útil, embora diferenças de timing possam torná-los ruidosos. Receita diferida, pagamentos antecipados de clientes e cronogramas de liquidação de parceiros podem deslocar caixa entre períodos.

O lucro bruto pode ajudar quando as classificações de receita e custo são compreendidas. Ainda assim, torna-se enganoso se uma empresa inclui taxas de parceiros no custo da receita e outra nunca as registra.

A atividade dos clientes pode fornecer um sinal independente. Assentos corporativos, desenvolvedores ativos, consumo de APIs e retenção de cargas de trabalho podem indicar se o crescimento reportado reflete uso duradouro.

Essas métricas também exigem definições cuidadosas. Contas registradas, clientes pagantes e cargas de trabalho ativas descrevem coisas diferentes.

A pressão se estende aos provedores públicos de nuvem. Amazon, Microsoft e Google se beneficiam quando a demanda por modelos leva clientes à sua infraestrutura.

No entanto, a receita de nuvem vinculada a desenvolvedores de modelos pode envolver investimento recíproco, compromissos de infraestrutura e taxas de marketplace. A mesma atividade econômica pode aparecer em diversas narrativas corporativas.

Isso cria um risco de dupla contagem no mercado mais amplo de IA. Uma empresa de modelos reporta atividade de clientes, enquanto um provedor de nuvem reporta receita de infraestrutura ou marketplace relacionada a essa atividade.

Cada tratamento contábil pode ser válido dentro de sua própria empresa. Ainda assim, somar todos os números de manchete pode exagerar a demanda final independente do setor.

Investidores públicos farão perguntas mais difíceis à medida que os desenvolvedores de modelos se aproximarem de possíveis aberturas de capital. Registros auditados exigem políticas de receita mais claras, concentração por canal, divulgações de partes relacionadas e classificações de despesas.

Esses documentos devem reduzir a incerteza, mas não eliminarão o julgamento. A análise principal-versus-agente depende de detalhes contratuais e avaliações de controle.

Um auditor pode determinar que ambas as abordagens seguem as normas contábeis. Os investidores ainda precisam decidir qual medida econômica se encaixa melhor em seu modelo de avaliação.

Para compradores corporativos, a disputa oferece um lembrete prático. A escala de um fornecedor não deve ser inferida a partir de um único número anualizado.

Os compradores devem examinar disponibilidade, desempenho do modelo, governança, opções de troca, compromissos de serviço e custos totais de implantação. A apresentação contábil não determina qual modelo é adequado a uma carga de trabalho.

Desenvolvedores enfrentam uma escolha semelhante. A distribuição por uma nuvem conhecida pode simplificar credenciais, faturamento e implantação. O acesso direto pode oferecer recursos ou condições econômicas diferentes.

O canal de parceiros molda a experiência do produto tanto quanto a demonstração financeira. Isso faz da estratégia de canal uma variável competitiva que vale acompanhar.

Três sinais esclarecerão a verdadeira corrida pela receita

A próxima etapa da disputa de receita entre Anthropic e OpenAI dependerá de divulgações auditadas, dados de canal normalizados e uso sustentado pelos clientes.

O primeiro sinal é uma política detalhada de reconhecimento de receita em um registro auditado. Investidores precisam que cada empresa explique quando atua como principal e quando atua como agente.

Essa divulgação deve identificar canais materiais de parceiros e descrever como as taxas entram na demonstração de resultados. Também deve explicar se a política mudou entre os períodos de reporte.

Registros claros fortaleceriam a confiança de que os números das empresas podem ser normalizados. Linguagem vaga preservaria a incerteza atual e enfraqueceria rankings simples.

O segundo sinal é uma reconciliação entre receita anualizada e vendas trimestrais reais. Essa ponte deve identificar o período usado para a taxa anualizada e qualquer ajuste de inflação para o bruto.

Para a OpenAI, investidores acompanharão se a empresa alcança sua previsão de pelo menos US$ 70 bilhões até o fim do ano. Também perguntarão se esse número utiliza a base líquida normal.

Para a Anthropic, a questão central é se o crescimento após julho sustenta o ritmo reportado de US$ 65 bilhões. Um trimestre concluído forneceria evidência mais forte do que outra extrapolação pontual.

Um desempenho trimestral sustentado reforçaria a afirmação de que ambas as empresas estão vivenciando uma demanda corporativa duradoura. Uma diferença acentuada enfraqueceria conclusões tiradas de retratos anualizados.

O terceiro sinal é o montante de receita retido após distribuições pela nuvem e custos de operação de modelos. Essa medida se aproxima mais do valor econômico que cada empresa mantém.

Investidores devem acompanhar conjuntamente taxas de parceiros, custos de inferência, lucro bruto, uso de caixa e concentração de clientes. Nenhum número isolado pode substituir essa combinação.

Uma retenção melhor mostraria que a escala está se traduzindo em alavancagem operacional. Uma retenção em deterioração sugeriria que o crescimento de manchete depende fortemente de infraestrutura ou distribuição custosa.

Esses sinais importam porque o mercado está financiando mais do que dois fornecedores de software. Está financiando um sistema interconectado de laboratórios de modelos, provedores de nuvem, chips, centros de dados e aplicações corporativas.

A receita de uma parte desse sistema frequentemente se torna uma despesa ou investimento em outra. Entender quem, no fim, retém o dinheiro do cliente é essencial.

A diferença contábil atual não apaga o crescimento da Anthropic nem o alcance da OpenAI. Ela muda o que seus números de manchete podem provar.

As taxas anualizadas reportadas estabelecem que os clientes estão gastando muito com ambas as empresas. Elas não estabelecem um líder definitivo de receita em uma base comum.

Os leitores devem resistir ao próximo ranking simplista, a menos que ele inclua definições ao lado dos números. Pergunte se cada valor é bruto, líquido, anualizado, concluído ou ajustado.

Em seguida, pergunte qual empresa retém uma parcela maior da transação após o pagamento de parceiros e provedores de computação. A resposta revelará mais sobre a corrida dos negócios de IA do que a maior manchete isolada.