Wydatki OpenAI i Anthropic na AI: droga do strat

# Wyzwania finansowe OpenAI i Anthropic: koszty modeli AI przewyższają przychody

OpenAI i Anthropic notują wykładniczy wzrost przychodów, ale koszty obliczeń służących do trenowania modeli rosną szybciej. Zgodnie z wewnętrznymi raportami finansowymi przekazanymi inwestorom, OpenAI prognozuje wydatki w wysokości $121 mld na obliczenia w 2028 roku. Przy podwojeniu przychodów firma oczekuje strat rzędu $85 mld — rekordowe straty dla spółki publicznej.

Anthropic wydaje mniej na trenowanie, ale tendencja jest podobna: każdy krok w rozwoju inteligencji modeli wymaga coraz większych nakładów. Firmy prowadzą ewidencję według dwóch wskaźników rentowności — z uwzględnieniem i bez kosztów badań. Bez kosztów obliczeń OpenAI osiągnie zysk operacyjny w 2026 roku, Anthropic — w optymistycznym scenariuszu.

Koszty inferencji pochłaniają ponad połowę przychodów w obu firmach, choć ich udział spada. OpenAI ponosi dodatkowo wydatki na darmowych użytkowników ChatGPT, którzy nie generują dochodów.

Różnice w modelach monetyzacji

OpenAI stawia na konwersję darmowych użytkowników na płatnych, podczas gdy Anthropic koncentruje się na segmencie korporacyjnym. Prawie wszystkie przychody Anthropic pochodzą od biznesu, co zapewnia stabilność.

Metodologia rachunkowości różni się: Anthropic wlicza sprzedaż poprzez partnerów AWS i GCP do swoich przychodów, OpenAI — nie. To zniekształca bezpośrednie porównania wskaźników finansowych.

Dynamika konkurencji ujawniła się w reakcji OpenAI na premierę Claude Code: firma przekierowała zasoby na Codex i wzmocniła kierunek B2B.

• Kluczowe wskaźniki finansowe:

- OpenAI: rentowność po 2030 roku z uwzględnieniem trenowania.

- Anthropic: wcześniej, ale zależy od scenariusza.

- Inferencja: >50% przychodów w obu.

- Darmowi użytkownicy: znaczne obciążenie dla OpenAI.

Przygotowania do IPO i zmiany instytucjonalne

Obie firmy planują IPO pod koniec 2026 roku. Aby pozyskać rekordowe kwoty, bankierzy przyspieszyli procedury Nasdaq dotyczące włączenia nowych emitentów do indeksu, co otwiera dostęp do dużych kapitałów.

Prognozy wskazują na dalsze spalanie miliardów: inwestycje są niezbędne do utrzymania tempa rozwoju. Rentowność pozostaje odległą perspektywą z powodu rosnących kosztów modeli frontierowych.

Co ważne:

• Koszty trenowania przewyższają przychody: $121 mld vs. straty $85 mld dla OpenAI w 2028.
• Dwa wskaźniki rentowności maskują rzeczywisty obraz bez kosztów B+R.
• Inferencja pochłania >50% dochodów, darmowy ruch zwiększa obciążenie.
• Anthropic zyskuje dzięki fokusowi na B2B i sprzedażom partnerskim.
• IPO w 2026 roku będzie wymagało inwestycji instytucjonalnych do pokrycia deficytu.

Implikacje dla branży AI

Sytuacja podkreśla systemowe wyzwanie: prawa skalowania wymagają wykładniczych mocy obliczeniowych. Dla programistów średniego i wyższego szczebla oznacza to konieczność optymalizacji modeli pod kątem efektywności inferencji oraz eksplorację alternatywnych paradygmatów zmniejszających zależność od compute.

— Editorial Team