Boom na sztuczną inteligencję niesie ze sobą wysokie ryzyko: Anthropic odnotowuje stratę w wysokości 80,7 mld dolarów – ale największe zagrożenie czyha gdzie indziej

Co kryje się za spektakularnym bilansem Anthropic – czy przychody nadążają za kosztami?

Strata w wysokości 80,7 miliarda dolarów w zaledwie sześć miesięcy: Ta kwota brzmi jak katastrofa finansowa. Nie oddaje jednak w pełni sytuacji Anthropic. Około 72 miliardy dolarów deficytu wynika podobno z aktualizacji wyceny bilansowej obligacji zamiennych i innych instrumentów finansowych – pieniędzy, które w rzeczywistości nie wypłynęły z kas firmy w takiej kwocie. Jednocześnie przychody firmy zajmującej się sztuczną inteligencją szybko rosną. Nie oznacza to jednak, że Anthropic wypracował już sobie zrównoważony i rentowny model biznesowy.

Kluczowym pytaniem jest zatem nie tylko skala zgłoszonej straty. Ważniejsze jest to, czy Anthropic będzie w stanie przekształcić rosnące przychody w trwałe zyski w perspektywie długoterminowej. Aby to osiągnąć, firma musi ponosić wysokie koszty mocy obliczeniowej, układów scalonych i usług w chmurze, jednocześnie zobowiązując się do realizacji ogromnych zobowiązań infrastrukturalnych na lata. Ponadto, firma jest silnie uzależniona od kilku dużych klientów i partnerów w chmurze – którzy mogą być jednocześnie inwestorami, dostawcami i konkurentami.

Dane Anthropic ilustrują zatem kolejną fazę boomu na sztuczną inteligencję: sukces nie zależy już wyłącznie od jakości modelu, ale także od tego, czy jego rozwój i eksploatacja będą mogły być sfinansowane w sposób zrównoważony. Strata w wysokości miliarda dolarów jest sygnałem ostrzegawczym, choć niekoniecznie z najbardziej oczywistych powodów. Większe ryzyko wiąże się z faktem, że tempo wzrostu spowolni, a rachunki za centra danych, chipy i prąd będą nadal rosły.

Rachunek bilansowy eksploduje, ale prawdziwe inwestycje dotyczą energii elektrycznej, chipsów i pozycji rynkowej

Strata netto w wysokości 80,7 miliarda dolarów w ciągu zaledwie sześciu miesięcy początkowo wydaje się być finansowym rekordem nieudanego modelu biznesowego. Jednak sytuacja w Anthropic jest bardziej złożona. Około 72 miliardy dolarów, czyli prawie 90 procent zgłoszonej straty, przypisuje się przeszacowaniom księgowym obligacji zamiennych i innych instrumentów finansowych. Ta kwota pieniędzy w rzeczywistości nie wypłynęła z kas firmy. Niemniej jednak, równie błędne byłoby zignorowanie tej straty jako bezsensownego efektu księgowego. Za tą spektakularną kwotą kryje się firma, której przychody rosną w niemal niewyobrażalnym tempie, ale która jednocześnie ponosi ogromne koszty operacyjne, jest zaangażowana w moc obliczeniową w perspektywie długoterminowej i działa na rynku, gdzie pozycja lidera technologicznego jest kosztowna, ulotna i trudna do utrzymania.

Kluczowym pytaniem ekonomicznym nie jest zatem to, czy Anthropic rzeczywiście przepalił 80,7 miliarda dolarów. Według dostępnych danych firma tego nie zrobiła. Decydującym czynnikiem jest raczej to, czy ten niezwykły wzrost przełoży się na zrównoważony, rentowny i odporny model biznesowy, zanim podjęte zobowiązania infrastrukturalne, spadające ceny usług AI i potęga głównych firm chmurowych ograniczą elastyczność finansową firmy. Ta wartość bilansowa stanowi sygnał ostrzegawczy, ale nie z powodu sugerowanego przez nagłówek. Ilustruje ona, jak ściśle powiązane są wycena firmy, finansowanie, wzrost i koszty w gospodarce opartej na AI.

Strata, która przede wszystkim odzwierciedla wzrost wartości przedsiębiorstwa

Niezwykle wysoką stratę netto można zrozumieć jedynie poprzez rozróżnienie kosztów, wypływów gotówki i strat operacyjnych. Anthropic finansował się między innymi za pomocą instrumentów finansowych, które można później zamienić na akcje. Wartość takich instrumentów zależy od oczekiwanej wartości firmy i konkretnych warunków zamiany. Jeśli wycena firmy znacznie wzrośnie, prawo inwestorów do późniejszej zamiany staje się bardziej wartościowe ekonomicznie. Zgodnie z obowiązującymi zasadami rachunkowości, wynikający z tego wzrost wartości godziwej można ująć jako koszt w rachunku zysków i strat.

Prowadzi to do pozornie paradoksalnego rezultatu: im lepiej rynki kapitałowe oceniają przyszłość spółki, tym wyższa może być raportowana strata krótkoterminowa. Koszt bilansowy odzwierciedla wówczas przede wszystkim nie słabsze wyniki operacyjne, ale raczej wzrost kosztów zobowiązań wobec inwestorów. W ten sposób wzrost wartości spółki może generować znaczną stratę. Dla osób z zewnątrz jest to sprzeczne z intuicją, ale ekonomicznie zrozumiałe: wzrost wartości nie przynosi korzyści wyłącznie poprzednim właścicielom, ale również zwiększa wartość roszczeń gwarantowanych umownie nowym inwestorom.

Z 80,7 mld USD straty netto, około 72 mld USD przypisuje się takim efektom wyceny. Pozostaje zatem około 8,7 mld USD na papierze, ale nawet ta pozostała kwota nie powinna być automatycznie utożsamiana ze stratą operacyjną ani rzeczywistym odpływem środków pieniężnych. Wynik netto może obejmować inne pozycje bezgotówkowe, koszty finansowania, wynagrodzenia oparte na akcjach, amortyzację i inne pozycje nadzwyczajne. Dlatego też, aby dokonać wiarygodnej oceny, niezbędne jest pełne zestawienie przepływów pieniężnych, uzgodnienie wyników wykazanych i skorygowanych oraz jasne ujawnienie przyjętych założeń wyceny.

Niemniej jednak strata księgowa ma realne znaczenie ekonomiczne. Ilustruje ona, jak kosztowne może stać się finansowanie zaciągnięte w fazie wzrostu, gdy wyceny spółek gwałtownie rosną. Jeśli obligacja zamienna zostanie później zamieniona na akcje, część zadłużenia bilansowego może zniknąć, ale udziały obecnych akcjonariuszy ulegną rozwodnieniu. Wydatek niegotówkowy nie pozostaje zatem bez konsekwencji. Często przenosi on ciężar z płynności na udziały własnościowe, prawa głosu i przyszły zysk na akcję.

Nagłówek miesza trzy różne prawdy

Aby prawidłowo zaklasyfikować straty, należy wyróżnić trzy poziomy. Po pierwsze, strata netto wykazana zgodnie z obowiązującymi standardami rachunkowości nie jest ani sfabrykowana, ani nieistotna. Po drugie, strata operacyjna, która pokazuje, czy bieżące przychody pokrywają koszty rozwoju, mocy obliczeniowej, sprzedaży, personelu i administracji. Po trzecie, kluczowe znaczenie ma wolny przepływ środków pieniężnych, ponieważ pokazuje, ile dodatkowego kapitału firma faktycznie potrzebuje.

W debacie publicznej często mylone są te poziomy. Ci, którzy interpretują całą stratę netto jako po prostu przepalone pieniądze, drastycznie przeceniają obecne obciążenie płynnością. Z kolei ci, którzy całkowicie pomijają 72 miliardy dolarów, a następnie mówią o zdrowej firmie, niedoceniają wciąż znacznych kosztów i zobowiązań długoterminowych. Trzeźwa interpretacja leży gdzieś pośrodku: największa pozycja jest determinowana przez czynniki bilansowe, ale działalność operacyjna pozostaje kapitałochłonna i ryzykowna.

Porównanie z rokiem 2025 ilustruje ten schemat. Wówczas strata netto wyniosła około 42 miliardów dolarów, z czego ponad 34 miliardy dolarów przypisano podobnym przeszacowaniom zobowiązań. Jednocześnie prognozowano stratę operacyjną na około 8,1 miliarda dolarów, a roczne przychody osiągnęły około 4,6 miliarda dolarów. Zwykłe koszty operacyjne znacznie przewyższały zatem przychody. Jednak wyjątkowy wzrost przychodów w 2026 roku gwałtownie zmienia ten wskaźnik. Dlatego nawet dane sprzed zaledwie kilku kwartałów mogą już przedstawiać nieaktualny obraz firmy w tej fazie wzrostu.

Wzrost przychodów jest realny i wyjątkowy

Według dostępnych danych, w pierwszej połowie 2026 roku firma Anthropic wygenerowała około 16,3 miliarda dolarów przychodów. W analogicznym okresie poprzedniego roku przychody wyniosły zaledwie około 1,1 miliarda dolarów. Oznacza to prawie piętnastokrotny wzrost przychodów w ciągu jednego roku. Nawet na młodym rynku technologicznym jest to ogromny skok. Pokazuje to, że Claude, narzędzia programistyczne takie jak Claude Code, oraz wykorzystanie jego modeli za pośrednictwem interfejsów i platform chmurowych nie tylko przyciągają uwagę, ale także generują znaczny, płatny popyt.

Dane kwartalne jeszcze wyraźniej pokazują przyspieszenie. Przychody w wysokości około 4,7 miliarda dolarów w pierwszym kwartale wzrosły o około 11,6 miliarda dolarów w drugim kwartale. W trzecim kwartale przychody wyniosły około 16,8 miliarda dolarów, czyli o około 45 procent więcej niż w poprzednim kwartale. Oznaczałoby to, że Anthropic wygenerował około 33,1 miliarda dolarów przychodów w ciągu pierwszych dziewięciu miesięcy roku. Sam trzeci kwartał byłby już ponad trzykrotnie większy niż cały rok 2025.

Jednak takich wskaźników wzrostu nie da się po prostu ekstrapolować na przyszłość. Wzrosty procentowe nieuchronnie maleją wraz ze wzrostem bazy początkowej. Co więcej, część popytu na sztuczną inteligencję jest uzależniona od jej wykorzystania. Przychody mogą zatem charakteryzować się większymi wahaniami niż w przypadku tradycyjnych subskrypcji oprogramowania. Wysokie wykorzystanie przez dużych, indywidualnych klientów, szeroko zakrojone testowanie modeli lub szybkie wdrażanie nowych aplikacji agentowych może znacząco zwiększyć przychody w danym kwartale, nie tworząc automatycznie stabilnego, długoterminowego strumienia przychodów.

Niemniej jednak, błędem byłoby postrzeganie działalności Anthropic wyłącznie jako spekulacji. Wzrost przychodów sygnalizuje szybką komercjalizację. Firmy płacą za programowanie, analizę danych, obsługę klienta, przetwarzanie dokumentów, pracę opartą na wiedzy i procesy zautomatyzowane. Programowanie, w szczególności, doskonale nadaje się jako wczesny rynek masowy, ponieważ wzrost wydajności można zmierzyć stosunkowo szybko, a programiści mogą szybko integrować nowe narzędzia z istniejącymi procesami. Ci, którzy łączą wysokiej jakości modele, niezawodne interfejsy i solidne funkcjonalności korporacyjne w tym obszarze, mogą generować znaczne przychody w krótkim czasie.

Kluczowy test zaczyna się poniżej linii sprzedaży

Wysokie przychody same w sobie nie świadczą w pełni o tym, czy Anthropic zbudował odnoszący sukcesy biznes. W przypadku tradycyjnego oprogramowania dla przedsiębiorstw, koszt krańcowy dodatkowego użytkownika jest zazwyczaj niski. Natomiast w przypadku generatywnej sztucznej inteligencji każde zapytanie generuje koszty obliczeniowe. Im dłuższy kontekst, im bardziej złożone zadanie i im więcej kroków przetwarzania wykonuje agent sztucznej inteligencji, tym wyższe może być zużycie zasobów. Dlatego też szybko rosnące przychody mogą wiązać się z równie szybkim wzrostem kosztów zmiennych.

Wydatki firmy Anthropic na moc obliczeniową i infrastrukturę wzrosły do ​​prawie dziewięciu miliardów dolarów w pierwszej połowie 2026 roku. W analogicznym okresie poprzedniego roku wynosiły one około 2,3 miliarda dolarów. Koszty wzrosły zatem prawie czterokrotnie, podczas gdy przychody rosły znacznie szybciej. Początkowo jest to pozytywny wynik, ponieważ sugeruje znaczną poprawę natychmiastowej rentowności. Ogólnie rzecz biorąc, wydatki na infrastrukturę w pierwszej połowie roku stanowiły około 55% przychodów. Jednak wartość ta nie zastępuje w pełni raportowanej marży brutto, ponieważ koszty można kategoryzować i ewidencjonować na różne sposoby.

W trzecim kwartale firma odnotowała skorygowaną rentowność i dodatnie wolne przepływy pieniężne. Odnotowała również skorygowaną marżę operacyjną na poziomie około 11% i 1,70 USD przychodów na dolara kosztów księgowych. Dane te sugerują korzyści skali. Ich znaczenie pozostaje jednak ograniczone, dopóki nie będzie jasne, które wydatki zostały wyłączone ze skorygowanych wskaźników. W szczególności wynagrodzenia oparte na akcjach, koszty badań i rozwoju, amortyzacja, efekty finansowania lub koszty długoterminowych kontraktów na moce produkcyjne mogą decydować o tym, czy wyniki operacyjne okażą się przekonujące, czy też będą miały jasno określony kluczowy wskaźnik efektywności (KPI).

Kluczowym pytaniem jest zatem, jak kształtują się marże poszczególnych produktów. Przychody z API, stałe limity korporacyjne, subskrypcje premium oraz usługi pośredniczone za pośrednictwem platform chmurowych charakteryzują się różnymi profilami kosztów i marż. Agenci programistyczni mogą oferować szczególnie wysoką wartość, ale generują również wysokie obciążenie obliczeniowe ze względu na długotrwałe procesy, powtarzające się wywołania narzędzi i rozbudowane konteksty. Dopiero gdy Anthropic ujawni, ile przychodów pozostaje po kosztach bezpośredniego modelowania i dystrybucji, będzie można rzetelnie ocenić jakość wzrostu.

Badania stają się ciężkim przemysłem

Długoterminowa strategia infrastrukturalna ma większe znaczenie ekonomiczne niż spektakularna strata w pierwszym półroczu. Na podstawie dostępnych danych kontraktowych, Anthropic spodziewa się zobowiązań w wysokości co najmniej 518 miliardów dolarów na usługi chmurowe, układy scalone, centra danych i powiązaną infrastrukturę w okresie około siedmiu do dziesięciu lat. Około 80 procent tej kwoty ma być nieodwołalne lub płatne niezależnie od faktycznego wykorzystania. Dalsze planowane lub negocjowane moce przerobowe mogą zwiększyć potencjalny wolumen nawet do 750 miliardów dolarów.

Zmienia to charakter firmy. Laboratorium sztucznej inteligencji, pierwotnie charakteryzujące się przede wszystkim badaniami, oprogramowaniem i wysoko wykwalifikowanymi pracownikami, ewoluuje w operatora i głównego odbiorcę infrastruktury przemysłowej. Moc obliczeniowa staje się strategiczną inwestycją początkową, porównywalną z długoterminowym zabezpieczeniem surowców, energii czy zakładów produkcyjnych. Najwięksi dostawcy sztucznej inteligencji nie mogą czekać na wzrost popytu i zamawiać serwerów w krótkim czasie. Wysokowydajne układy scalone, połączenia sieciowe, podstacje, systemy chłodzenia i centra danych wymagają długich terminów realizacji. Ci, którzy rezerwują zbyt późno, ryzykują opóźnienia technologiczne i wąskie gardła w dostawach.

Kontrakty te są zatem zarówno ubezpieczeniem, jak i hazardem. Ubezpieczają one Anthropic od ograniczonej mocy obliczeniowej i dają firmie możliwość zaspokajania popytu, trenowania modeli i skalowania produktów. Jednocześnie przewidywany wzrost przekłada się w dużej mierze na koszty stałe. Jeśli popyt spadnie poniżej oczekiwań, ceny modeli spadną bardziej niż planowano lub klienci przejdą na tańsze alternatywy, zobowiązania płatnicze będą kontynuowane. Firma ma wówczas znaczną przewagę nad wykorzystaniem mocy produkcyjnych: wysokie wykorzystanie obniża koszty jednostkowe, podczas gdy niskie przekształca rezerwy strategiczne w kosztowne nadwyżki mocy produkcyjnych.

Wśród znanych zobowiązań wyróżniają się te przekraczające 111 miliardów dolarów dla Google, około 110 miliardów dolarów dla Amazon i około 31 miliardów dolarów dla Microsoftu. Ponadto istnieją znaczne, w dużej mierze nieodwołalne zobowiązania leasingowe związane z technologią Broadcom. Dokładny termin tych zobowiązań jest równie ważny, jak ich całkowita kwota. Dziesięcioletnie zobowiązanie nie ma natychmiastowego wpływu na płynność finansową, ale wymaga utrzymania wysokich przychodów i przewidywalnego dostępu do kapitału.

Rozwiązanie quasi-in-house: Jak Xpert.Digital zamyka luki operacyjne w marketingu i sprzedaży B2B – Inteligentny biznes oparty na treściach – Zdjęcie: Xpert.Digital

Xpert.Digital to branżowy hub B2B oparty na danych, kierowany przez Konrad Wolfenstein . Firma działa jako zewnętrzne, quasi-wewnętrzne rozwiązanie dla partnerów przemysłowych, eliminując luki operacyjne w obszarze marketingu, treści i sprzedaży – bez konieczności angażowania dodatkowych zasobów po stronie klienta.

Więcej informacji tutaj:

• Rozwiązanie quasi-in-house: Jak Xpert.Digital niweluje luki operacyjne w marketingu i sprzedaży B2B – Smart Content-Driven Business

Partnerzy w dziedzinie chmury są po obu stronach stołu

Relacje Anthropic z Amazon, Google i Microsoft są niezwykle bliskie. Korporacje te mogą jednocześnie pełnić rolę inwestorów, pożyczkodawców, partnerów infrastrukturalnych, kanałów dystrybucji, klientów i konkurentów. Dostarczają kapitał i moc obliczeniową, dystrybuują Claude za pośrednictwem swoich platform chmurowych, a jednocześnie rozwijają własne modele lub wspierają konkurencyjnych dostawców. Te wielorakie role tworzą silne współzależności.

Daje to firmie Anthropic znaczące korzyści. Dzięki dużym platformom chmurowym firma zyskuje dostęp do obecnych klientów korporacyjnych, których wymagania dotyczące bezpieczeństwa, systemy rozliczeniowe i umowy IT są już ugruntowane. Obsługa wielu platform chipowych – Amazon Trainium, Google TPU i Nvidia GPU – zmniejsza również zależność od pojedynczej architektury sprzętowej. Z technicznego punktu widzenia Anthropic może rozłożyć różne obciążenia na najbardziej opłacalne systemy i przynajmniej częściowo zachować swoją siłę negocjacyjną.

Jednocześnie część wartości dodanej jest przekazywana platformom. Prognozuje się, że w 2025 roku 47% przychodów będzie generowanych za pośrednictwem Amazon i Google. Z około 2,16 miliarda dolarów tych przychodów, około 351 milionów dolarów przeznaczono na opłaty dystrybucyjne. Odpowiada to około 16 centom za dolara wygenerowanego przychodu. Anthropic rejestruje pełną wartość kontraktu jako przychód, a udział platform jako koszty sprzedaży i marketingu. Taka prezentacja może sprawić, że przychody będą wydawać się wyższe niż w ujęciu netto, choć może być to dopuszczalne zgodnie z zasadami rachunkowości.

Ta wzajemna zależność tworzy również cykl kapitału i popytu. Firmy oferujące rozwiązania hiperskalerowe inwestują miliardy w Anthropic; w zamian Anthropic zobowiązuje się do znaczących zakupów zasobów chmurowych i obliczeniowych. Część zainwestowanego kapitału wraca zatem do partnerów infrastrukturalnych w perspektywie długoterminowej. Nie jest to z natury sztuczne ani problematyczne. Strategiczne partnerstwa branżowe często funkcjonują podobnie. Inwestorzy muszą jednak rozważyć, jaka część raportowanego wzrostu wynika z niezależnego popytu ze strony klientów końcowych, a jaka jest napędzana przez strukturę finansowania i dystrybucji.

Kilku dużych klientów może szybko odmienić sytuację i zapewnić firmie sukces

Oprócz strony dostawców, skoncentrowana jest również strona klientów. W pierwszej połowie 2026 roku dwóch klientów odpowiadało za około jedną piątą przychodów, co przekłada się na około 3,3 miliarda dolarów. W poprzednim roku prawie jedna czwarta przychodów pochodziła od zaledwie dwóch klientów. Taka koncentracja nie jest niczym niezwykłym we wczesnej fazie wzrostu, ale znacznie zwiększa ryzyko.

Jeśli główny klient ograniczy wykorzystanie, wynegocjuje lepsze warunki, przeniesie aplikacje do własnego modelu lub przejdzie do konkurencji, może to wpłynąć zarówno na przychody, jak i marżę. Ryzyko jest większe, jeśli przychody klientów są elastyczne lub uzależnione od wykorzystania, a Anthropic musi płacić za swoją moc obliczeniową z góry za pomocą umów niepodlegających anulowaniu. Po stronie zaopatrzenia firma ponosi wówczas stałe zobowiązania, natomiast po stronie sprzedaży nie ma równoważnej gwarancji zakupu.

Dla dużych klientów korporacyjnych ta asymetria poprawia ich pozycję negocjacyjną. Mogą oni żądać limitów cenowych, przenośności, transparentnych zmian modeli, gwarancji dostępności i ochrony przed wycofaniem produktów z rynku w krótkim terminie. Dla Anthropic stwarza to strategiczny konflikt celów. Umowy długoterminowe zwiększyłyby pewność planowania, ale mogłyby wymagać obniżek cen i rozszerzonych gwarancji wydajności. Elastyczne użytkowanie pozwala na wyższe ceny w okresach ograniczonej przepustowości, ale zwiększa zmienność przychodów.

Szersza baza klientów byłaby zatem nie tylko celem sprzedaży, ale także kluczowym elementem zarządzania ryzykiem. Kluczowe pytanie brzmi, czy Anthropic jest w stanie opracować ustandaryzowane, powtarzalne produkty korporacyjne na podstawie pojedynczych, dużych projektów AI. Dopiero gdy tysiące organizacji na stałe zintegruje Claude z procesami o kluczowym znaczeniu dla biznesu, imponujący wzrost przełoży się na stabilny strumień przychodów.

Spadek cen działa zarówno na korzyść, jak i na niekorzyść firmy Anthropic

Koszty korzystania z wysokowydajnych modeli językowych drastycznie spadły w ostatnich latach. Dla danego poziomu wydajności, ceny inferencji spadły czasami o rzędy wielkości. Jednocześnie poprawia się sprzęt, optymalizacja oprogramowania, architektura modeli i wykorzystanie. Ten rozwój przynosi korzyści firmie Anthropic, ponieważ każde zadanie można wykonać przy mniejszym nakładzie obliczeniowym, a istniejące zasoby mogą generować większe przychody.

Jednak ten sam postęp zagraża sile cenowej. Wraz ze spadkiem wydajności porównywalnych modeli, klienci mogą łatwiej konkurować ze sobą o dostawców. Otwarte modele zmniejszają różnice w wydajności, mniejsze, wyspecjalizowane modele przejmują rutynowe zadania, a firmy coraz częściej dynamicznie dystrybuują żądania między różnymi systemami. Wartość ekonomiczna przesuwa się wówczas z czystej inteligencji modeli na integrację, niezawodność, bezpieczeństwo, dostęp do danych, interfejs użytkownika i kontrolę nad złożonymi przepływami pracy.

Dla Anthropic regularne wydawanie wydajniejszego modelu bazowego jest zatem niewystarczające. Firma musi stworzyć ekosystem produktów, który generuje koszty przejścia na nowy system, nie zmuszając klientów do nieuzasadnionych zależności. Claude Code to ważne podejście w tym zakresie. Gdy system dogłębnie rozumie proces rozwoju, potrafi obsługiwać narzędzia, analizować bazy kodu i samodzielnie wykonywać zadania, generuje większą wartość niż po prostu sprzedaż pojedynczych tokenów tekstowych. Jednak zużycie zasobów na zamówienie również wzrasta, ponieważ systemy agentowe wykonują wiele kroków. Wzrost wydajności w przeliczeniu na krok obliczeniowy może zostać z nawiązką zniwelowany przez znacznie większą liczbę kroków obliczeniowych.

Ten efekt odbicia kształtuje całą gospodarkę opartą na sztucznej inteligencji. Tańsze obliczenia niekoniecznie zmniejszają ogólne zużycie. Sprawiają, że nowe aplikacje stają się ekonomicznie opłacalne, zwiększają wykorzystanie i przenoszą coraz więcej zadań do systemów sztucznej inteligencji. To może stworzyć duży rynek dla Anthropic. Jednak rentowność zależy od tego, czy cena za zautomatyzowane zadanie będzie rosła szybciej niż całkowite koszty obliczeniowe i operacyjne.

Do wyceny potrzeba czegoś więcej niż tylko stopy wzrostu

Wysoka wycena firmy zakłada, że ​​Anthropic stanie się nie tylko dynamicznie rozwijającym się dostawcą oprogramowania, ale także fundamentalną platformą gospodarki cyfrowej. Przy wycenie rzędu jednego do dwóch bilionów dolarów, nawet dwucyfrowe przychody rzędu miliardów dolarów nie wystarczą, aby komfortowo spełnić tradycyjne kryteria wyceny. Inwestorzy muszą założyć, że rynek będzie dynamicznie rósł przez wiele lat, że Anthropic zachowa znaczący udział w rynku, a marże znacząco wzrosną pomimo wysokich kosztów infrastruktury.

Optymistyczny scenariusz jest prawdopodobny, ale ambitny. Agenci AI mogliby zautomatyzować znaczną część pracy opartej na wiedzy, przyspieszyć rozwój programów i służyć jako nowy interfejs użytkownika dla oprogramowania korporacyjnego. W tym przypadku wiodąca firma modelowa byłaby nie tylko dostawcą oprogramowania, ale swego rodzaju cyfrowym czynnikiem produkcji. Wysokie początkowe inwestycje mogłyby zostać później nagrodzone dzięki wysokiemu wykorzystaniu i efektowi skali, podobnie jak w przypadku rozwoju globalnej infrastruktury chmurowej.

Pesymistyczny scenariusz wygląda inaczej. Modele mogłyby się szybciej zbiegać, ceny mogłyby spaść, a klienci mogliby sami czerpać większość korzyści. Dostawcy usług w chmurze mogliby faworyzować własne modele lub czerpać zyski z infrastruktury i sprzedaży. Wymagania regulacyjne, roszczenia z tytułu odpowiedzialności cywilnej i problemy z bezpieczeństwem mogłyby generować wzrost kosztów. W tym scenariuszu, mimo że Anthropic nadal ma znaczenie technologiczne, nie generuje marż niezbędnych do uzasadnienia skrajnie wysokiej wyceny.

Rzetelna wycena musi zatem uwzględniać scenariusze. Kluczowe czynniki obejmują nie tylko przychody i wzrost, ale także marżę brutto, koszty obliczeniowe na zadanie, retencję klientów, wymogi kapitałowe, rozwodnienie, zobowiązania umowne oraz czas trwania przewagi technologicznej. Szczególnie istotna jest różnica między przychodami zaksięgowanymi a przychodami ekonomicznie zatrzymanymi po uwzględnieniu opłat platformowych, rabatów, kosztów infrastruktury i niezbędnych reinwestycji.

Energia elektryczna staje się strategicznym czynnikiem produkcji

Planowanej mocy obliczeniowej nie da się zmierzyć wyłącznie w chipach. Kilka gigawatów podłączonego obciążenia odpowiada rozmiarowi dużych kompleksów przemysłowych. Centra danych AI wymagają nie tylko procesorów, ale także niezawodnych sieci energetycznych, chłodzenia, wody, przestrzeni, transformatorów, światłowodów i pozwoleń. To przesuwa część rywalizacji z algorytmów na politykę energetyczną i lokalizacyjną.

Globalnie, zużycie energii elektrycznej w centrach danych ma się podwoić do 2030 roku w porównaniu z połową dekady. Centra danych zoptymalizowane pod kątem sztucznej inteligencji rozwijają się jeszcze szybciej. W Stanach Zjednoczonych znaczna część dodatkowego zapotrzebowania na energię elektryczną pod koniec dekady może być przypisana właśnie centrom danych. Oznacza to, że plany ekspansji firm takich jak Anthropic zależą nie tylko od dostępności kapitału i układów scalonych, ale także od rozbudowy sieci, mocy elektrowni i akceptacji społecznej.

Lokalizacja ma kluczowe znaczenie dla struktury kosztów. Regiony z niedrogą energią elektryczną, szybkimi procesami uzyskiwania pozwoleń, niezawodnym chłodzeniem i solidnymi sieciami stają się coraz bardziej atrakcyjne. Jednocześnie może pojawić się lokalny opór, jeśli centra danych przeciążą ograniczoną przepustowość sieci, pochłoną wodę lub wpłyną na ceny energii elektrycznej. Długoterminowe kontrakty na moc obliczeniową pośrednio wiążą się zatem ze znacznym ryzykiem energetycznym, budowlanym i związanym z uzyskaniem pozwoleń.

Dywersyfikacja Anthropic obejmująca wielu dostawców i typy układów scalonych zmniejsza indywidualne zależności techniczne, ale nie eliminuje ryzyka systemowego. Główni partnerzy w dziedzinie chmury obliczeniowej konkurują o te same układy scalone, projekty elektrowni i połączenia sieciowe. Wąskie gardło może zatem wpłynąć na wiele łańcuchów dostaw jednocześnie. Możliwość bardziej efektywnego trenowania modeli i inteligentnego rozdzielania żądań na różne urządzenia stanie się równie ważną przewagą konkurencyjną, co sama jakość modelu.

Bezpieczeństwo jest również kwestią równowagi bilansowej

Firma Anthropic mocno pozycjonuje się jako odpowiedzialna i bezpieczna sztuczna inteligencja. Jednak z perspektywy ekonomicznej bezpieczeństwo to nie tylko kwestia marki, ale potencjalny czynnik kosztów i odpowiedzialności. Wydajne modele mogą wspierać błędne decyzje, ujawniać poufne dane, ułatwiać cyberataki lub zachowywać się inaczej niż zamierzono w procesach zautomatyzowanych. Wraz ze wzrostem autonomii rośnie również ryzyko szkód.

Dla klientów korporacyjnych kwestia odpowiedzialności w przypadku niewłaściwego postępowania staje się coraz ważniejsza. Dostawcy modeli, platformy chmurowe, integratorzy i użytkownicy mogą ponosić część odpowiedzialności. Polisy ubezpieczeniowe nie pokryją w pełni każdego możliwego zdarzenia. Poważny incydent bezpieczeństwa może skutkować nie tylko bezpośrednimi roszczeniami odszkodowawczymi, ale także ograniczeniami regulacyjnymi, odejściem klientów i wzrostem kosztów monitorowania.

Jednocześnie wiarygodna architektura bezpieczeństwa może generować wartość ekonomiczną. Banki, firmy ubezpieczeniowe, przedsiębiorstwa przemysłowe i instytucje publiczne wymagają weryfikowalnych mechanizmów kontroli, ochrony danych, zarządzania dostępem i solidnych procedur audytu. Jeśli Anthropic przełoży swoją pozycję w zakresie bezpieczeństwa na konkretne cechy produktu i standardy weryfikowalne umownie, może to przełożyć się na siłę cenową. Z drugiej strony, jeśli bezpieczeństwo pozostanie przede wszystkim ogólną obietnicą, w niewielkim stopniu przyczyni się do zróżnicowania, a mimo to będzie generować wysokie koszty badań i zapewnienia zgodności.

Dla klientów korporacyjnych najważniejsza jest niezawodność produktu

Struktura finansowa Anthropic ma również znaczenie dla klientów. Firmy kupujące rozwiązanie AI nie tylko kupują wydajność modelu, ale także uzależniają się od technologii. Zmiany cen, warunków użytkowania, wersji modeli lub pojemności mogą wpłynąć na cały proces. Głęboka integracja z rozwojem oprogramowania, obsługą klienta lub zarządzaniem wiedzą zwiększa nakład pracy wymagany do przełączania się między systemami.

Nie oznacza to, że firmy powinny porzucić Claude'a. Jakość i wydajność wiodącego modelu mogą przynieść znaczące korzyści ekonomiczne. Właściwym podejściem jest raczej architektura umożliwiająca przełączanie. Interfejsy powinny umożliwiać wymienność modeli, wewnętrzne oceny powinny mierzyć wydajność różnych dostawców, a wrażliwe dane nie powinny być niepotrzebnie powiązane z zastrzeżonymi formatami. Monity, narzędzia i logika procesów muszą pozostać w jak największym stopniu przenośne.

Negocjacje kontraktowe również stają się coraz ważniejsze. Firmy powinny nie tylko porównywać ceny tokenów, ale także brać pod uwagę całkowite koszty, niezawodność, zużycie danych, odpowiedzialność, wycofywanie modeli i zmiany cen. W przypadku dużych wolumenów, górne limity, gwarantowana pojemność i jasne okresy przejściowe są ważniejsze niż krótkoterminowe rabaty. Wysoka koncentracja klientów Anthropic może dać dużym nabywcom dodatkową siłę negocjacyjną.

Dla firm niemieckich i europejskich perspektywa regulacyjna stanowi dodatkowy czynnik. Ochrona danych, tajemnice handlowe, współdecydowanie i wymogi sektorowe muszą zostać zintegrowane z procesami zamówień publicznych. Korzyści ekonomiczne płynące ze sztucznej inteligencji nie wynikają wyłącznie z dostępu do najpotężniejszego modelu, ale z jej solidnej integracji z procesami, obowiązkami i mechanizmami kontroli.

Szansa Europy nie leży w kopiowaniu kapitalistycznej rasy

Skala planów infrastrukturalnych Anthropic pokazuje, jak trudno europejskim dostawcom dorównać czołowym amerykańskim firmom o identycznych strategiach w zakresie uniwersalnych modeli granicznych. Setki miliardów dolarów zobowiązań w zakresie mocy obliczeniowej nie mogą zostać zrekompensowane wyłącznie poprzez udoskonalone badania lub indywidualne programy finansowania. W Europie brakuje zarówno tego samego rynku kapitału wysokiego ryzyka, jak i porównywalnie dominujących platform chmurowych.

Nie oznacza to jednak, że Europa musi pozostać nieistotna na rynku sztucznej inteligencji. Wartość ekonomiczna tworzona jest na kilku poziomach: w wyspecjalizowanych modelach, bezpiecznych platformach przemysłowych, przemysłowych przestrzeniach danych, integracji, robotyce, optymalizacji energetycznej i aplikacjach zgodnych z przepisami. Szczególnie w przemyśle, inżynierii mechanicznej, logistyce, opiece zdrowotnej i administracji publicznej, Europa dysponuje danymi, wiedzą specjalistyczną i relacjami z klientami, których nie da się po prostu zastąpić większym, generycznym modelem.

Bardziej rozsądną strategią jest zapewnienie mocy obliczeniowej w sposób ukierunkowany, przy jednoczesnym ograniczeniu zależności od indywidualnych modeli spoza Europy. Otwarte interfejsy, wspólna infrastruktura, konkurencyjne ceny energii i szybsze procesy uzyskiwania pozwoleń są ważniejsze niż próby politycznego kopiowania każdej amerykańskiej inwestycji. Przewaga Europy może leżeć w produktywnym zastosowaniu i godnej zaufania integracji, a niekoniecznie w najdroższym szkoleniu modelu.

Dane Anthropic wysyłają zatem również sygnał dotyczący polityki przemysłowej. Sztuczna inteligencja staje się kapitało- i energochłonną technologią fundamentalną. Ci, którzy koncentrują się wyłącznie na wiedzy z zakresu oprogramowania, nie doceniają znaczenia energii elektrycznej, półprzewodników, centrów danych i finansowania. Z kolei ci, którzy budują jedynie infrastrukturę, nie rozwijając funkcjonalnych aplikacji i klientów, ryzykują kosztowną nadwyżkę mocy produkcyjnych.

Najbardziej prawdopodobnym scenariuszem nie jest ani bańka, ani pewna kopalnia złota

Anthropic ucieleśnia dwa pozornie sprzeczne zjawiska. Firma wykazuje wyjątkowo szybką komercjalizację generatywnej sztucznej inteligencji, jednocześnie ponosząc ogromne obciążenie finansowe związane z technologicznym wyścigiem zbrojeń. Oba zjawiska są realne. Przychody są zbyt duże i rosną zbyt szybko, by uznać rynek za czystą spekulację. Jednak zobowiązania infrastrukturalne, koncentracja klientów i niejasne, skorygowane wskaźniki są zbyt istotne, by mówić o sprawdzonym modelu sukcesu.

Strata w wysokości 80,7 miliarda dolarów nie jest zatem ani dowodem rychłego upadku, ani nieistotnym przypisem. Pokazuje ona, jak drastycznie mogą zostać zniekształcone wyniki prywatnej firmy wzrostowej. Jednocześnie liczba ta uwypukla realne zagrożenia: stałe koszty obliczeniowe w perspektywie długoterminowej, zależność od hiperskalerów, które zarówno współpracują, jak i konkurują, wysoką koncentrację przychodów oraz rynek, na którym wydajność techniczna szybko spada.

Najsilniejszym pozytywnym wskaźnikiem nie jest wycena, lecz relacja między wzrostem przychodów a kosztami infrastruktury. Jeśli przychody będą rosły konsekwentnie szybciej niż bezpośrednie koszty obliczeniowe, a Anthropic jednocześnie rozszerzy bazę klientów, obecna kapitałochłonność może przełożyć się na znaczące korzyści skali. Najbardziej niebezpiecznym wskaźnikiem nie jest strata bilansowa za pierwsze półrocze, lecz stosunek nieodwołalnych zobowiązań do zabezpieczonych umownie przychodów od klientów. Ta asymetria decyduje o tym, czy zarezerwowana moc obliczeniowa stanie się środkiem zabezpieczającym przed wąskim gardłem, czy pułapką finansową.

Anthropic ilustruje zatem kolejną fazę gospodarki opartej na sztucznej inteligencji. Era samych demonstracji modeli dobiegła końca. Teraz dostawcy muszą udowodnić, że inteligencję można produkować jako usługę z zachowaniem stabilnych marż. Zwycięzcą nie zostanie automatycznie firma z największym modelem lub największym napływem kapitału. Zwycięzcą zostanie ten, kto jednocześnie opanuje jakość technologiczną, ekonomiczną moc obliczeniową, szeroką dystrybucję, niezawodne bezpieczeństwo i autentyczną lojalność klientów.

Prowokacyjny argument jest zatem następujący: największym problemem Anthropic nie jest strata w wysokości 80 miliardów dolarów. Bardziej niebezpieczny scenariusz to taki, w którym strata zniknie z bilansu, wskaźniki wzrostu wrócą do normy, a długoterminowe rachunki za chipy, chmurę obliczeniową i energię elektryczną będą nadal narastać. Dopiero gdy przychody pokryją pełny koszt kapitału, nawet w mniej euforycznych warunkach rynkowych, ta spektakularna inwestycja w sztuczną inteligencję przekształci się w zrównoważony i rentowny biznes.

Od widoczności do zaufania: Twoja skalowalna ścieżka z Xpert.Digital - Zdjęcie: Xpert.Digital

W przemysłowym modelu B2B trwałe relacje biznesowe rzadko powstają z dnia na dzień. Rozwijają się one krok po kroku – dzięki widoczności, profesjonalnej istotności, powtarzalnym punktom styku i rosnącemu zaufaniu. 4-etapowy model Xpert.Digital spełnia właśnie ten cel: oferuje ustrukturyzowaną ścieżkę, która zaczyna się od łatwego w zarządzaniu punktu wejścia i w razie potrzeby może przekształcić się w głębszą współpracę w rozwoju biznesu.

Zamiast polegać na głośnych obietnicach marketingowych, ten model stawia relację na pierwszym miejscu. Firmy zaczynają od jasno określonych, łatwych do obliczenia wskaźników, a następnie, na podstawie własnego doświadczenia, decydują, jak daleko chcą rozszerzyć współpracę. Kluczowym czynnikiem tego niezakłóconego procesu budowania zaufania jest to, że platforma całkowicie unika irytujących reklam, dzięki czemu uwaga redakcyjna skupia się wyłącznie na kompetencjach firm.

Więcej informacji tutaj:

• Od widoczności do zaufania: Twoja skalowalna ścieżka z Xpert.Digital

☑️ Naszym językiem biznesowym jest angielski lub niemiecki

☑️ NOWOŚĆ: Korespondencja w Twoim ojczystym języku!

Konrad Wolfenstein

Ja i mój zespół chętnie będziemy do Państwa dyspozycji jako osobisty doradca.

Możesz się ze mną skontaktować, wypełniając formularz kontaktowy tutaj [email protected]:lub po prostu dzwoniąc pod numer +49 7348 4088 965. Mój adres e-mail to

Nie mogę się doczekać naszego wspólnego projektu.

☑️ Wsparcie dla MŚP w zakresie strategii, doradztwa, planowania i wdrażania

☑️ Tworzenie lub reorganizacja strategii cyfrowej i digitalizacji

☑️ Rozszerzenie i optymalizacja procesów sprzedaży międzynarodowej

☑️ Globalne i cyfrowe platformy handlowe B2B

☑️ Rozwój biznesu pionierskiego / Marketing / PR / Targi