Czy OpenAI i Anthropic zbankrutują? Sprawdzam to na liczbach!

Czy OpenAI i Anthropic zbankrutują? Jeśli wierzyć części nagłówków, to kwestia kwartałów. Palą miliardy, nie zarabiają nic same, a jak tylko skończy im się gotówka od inwestorów, to cała hossa AI runie jak domek z kart.

Tymczasem Anthropic w trzy kwartały przeszedł z niecałych 5 do prawie 17 miliardów dolarów przychodu i pokazał zysk operacyjny, skorygowany, ale jednak.

Firma, która „zaraz zbankrutuje”, złożyła prospekt i według Bloomberga debiutuje na giełdzie w listopadzie. Można mieć sporo wątpliwości, czy te firmy okażą się dobrymi inwestycjami – jak przy każdej spółce – ale przekonanie, że zaraz zbankrutują, to moim zdaniem mokry sen niedźwiedzi, którym marzy się bessa, bo zapowiadają ją od trzech lat.

Dziś rozbiorę po kolei najpopularniejsze argumenty za upadkiem laboratoriów AI: pokażę wam, czemu są leniwe i dlaczego ja im nie wierzę. Prawdziwe ryzyko dla labów AI to nie jest brak gotówki ani słaby model biznesowy. Jest nim zupełnie co innego. Lecimy.

Czy OpenAI i Anthropic zbankrutują? Sprawdzam to na liczbach!

Wyjaśnijmy sobie może na początku, co w ogóle znaczy zbankrutować. Firma nie upada dlatego, że pokazuje stratę księgową. Upada wtedy, kiedy kończy jej się gotówka, nie jest w stanie zapłacić pensji, rat kredytu czy rachunków od dostawców, a nikt nie chce jej już dać kolejnych pieniędzy. Zysk księgowy to tylko opinia, a gotówka to dopiero fakt.

Dlatego zawsze warto wracać do dwóch pytań. Ile te firmy mają pieniędzy i czy ktoś będzie chciał im dać więcej? Tylko to ma realnie znaczenie.

Te biznesy przepalają miliardy!

Najczęściej słyszę, że OpenAI i Anthropic tracą miliardy, więc ten biznes nigdy nie będzie rentowny. Pierwsza część jest prawdziwa. Tak, „tracą” miliardy. Według prospektu, do którego dotarł Reuters, Anthropic miał w 2025 roku ponad 8 miliardów dolarów straty operacyjnej, a OpenAI według ujawnionych sprawozdań prawie 21 miliardów. Tyle że strata stracie nierówna. Żeby to zrozumieć, trzeba rozdzielić koszty laboratorium AI na dwa worki.

Pierwszy worek to obsługa klientów. Kiedy zadajecie pytanie ChatGPT albo firma przepuszcza przez Claude'a tysiące dokumentów, gdzieś w centrum danych pracują chipy, za które trzeba zapłacić. Głównie za ich wynajem od dostawców chmury obliczeniowej, a do tego za prąd, który zużywają.

To koszt wytworzenia usługi, coś jak mąka w piekarni. Drugi worek to trenowanie kolejnych modeli sztucznej inteligencji. Gigantyczne pieniądze wydawane dziś po to, żeby za kilka miesięcy lub lat mieć lepszy produkt. W piekarni byłby to zakup nowego pieca.

Według Bloomberga Anthropic osiągnął skorygowaną marżę brutto na poziomie 85% i skorygowaną marżę operacyjną powyżej 11%, a do tego dodatnie przepływy pieniężne.

Marża brutto w tym wypadku mówi, ile zostaje z każdego dolara przychodu po odjęciu kosztów bezpośrednio związanych z jego wytworzeniem. 85% to poziom bardzo dobrych firm software'owych. Tyle że ta marża jest skorygowana, między innymi o koszty treningu nowych modeli i o część przychodu, którą Anthropic oddaje partnerom chmurowym, takim jak Amazon. Marża operacyjna dodatkowo pomija wynagrodzenia wypłacane pracownikom w akcjach.

Teraz część z Was pomyśli: „Olaboga, no tak, podkręcone dane, wszystko jasne”.

W pewnym sensie tak, bo firma sama wybiera, co wyrzuca z wyniku, i takie korekty zawsze trzeba brać z przymrużeniem oka. Zastanówmy się jednak nad tym bardziej.

Czym właściwie jest trening nowego modelu AI, czyli kluczowy koszt wyrzucony z tych skorygowanych danych? Cała reszta ma niewielkie znaczenie. To typowy wydatek na badania i rozwój, czyli na produkt, który zacznie zarabiać dopiero w przyszłości.

W rachunkowości podobnie traktuje się prace rozwojowe. Międzynarodowe standardy rachunkowości, stosowane przez inne notowane już spółki giełdowe w Unii Europejskiej, pozwalają pokazać takie wydatki w bilansie jako inwestycję, zamiast od razu obniżać nimi zysk. Potem rozlicza się je stopniowo przez lata, w których dany produkt na siebie zarabia.

Ta korekta Anthropic nie jest więc tak egzotyczna, jak się wydaje. Gdyby dziś firmy postanowiły oferować już tylko te modele AI, które mają, to wydatki na trening drastycznie by spadły, a firma dalej sprzedawałaby to, co już ma. Trening nie jest konieczny do kontynuowania bieżącej działalności. Jest formą inwestycji w przyszłość.

Ktoś powie, że ta inwestycja starzeje się wyjątkowo szybko, bo model, który dziś jest najlepszy na rynku, za pół roku jest już słaby. No tak, jest słaby, ale tylko dlatego, że mamy go z czym porównywać, bo powstał nowy xd.

Duża część dzisiejszych wydatków to nie jest koszt utrzymania obecnego biznesu. Gdyby trzeba było zaciskać pasa, to laboratorium AI może zwolnić wyścig o nowe modele, a bieżąca sprzedaż dalej będzie solidnie zarabiać.

Sama sprzedaż gotowych modeli AI jest super dochodowa, a pieniądze pożera głównie wyścig o kolejne modele, a nie sam operacyjny biznes. Warto to zrozumieć.

Jest oczywiście jeden haczyk. I żeby było jasne, nie chcę udawać, że Anthropic może jutro wyłączyć wszystkie komputery wykorzystywane do trenowania modeli i przez następne dziesięć lat żyć sobie spokojnie z Claude'a. No nie. Przecież konkurencja nie śpi. Jeśli Anthropic przestanie rozwijać swoje modele, a OpenAI, Google i Chińczycy będą dalej wypuszczać coraz lepsze, to prędzej czy później klienci zaczną odchodzić.

Tyle że to dalej nie oznacza, że firma MUSI wydawać dokładnie tyle, ile wydaje dzisiaj. Może ograniczyć liczbę eksperymentów, przesunąć premiery czy zwolnić tempo rozwoju. Oczywiście kosztem przyszłej konkurencyjności, ale przecież właśnie na tym polega zarządzanie firmą w trudniejszym otoczeniu. Nie wszystkie dzisiejsze wydatki są niezbędne do opłacenia jutrzejszych rachunków. I to rozróżnienie ma ogromne znaczenie, kiedy rozmawiamy o potencjalnym bankructwie.

Argument więc o tym, że im więcej ludzi korzysta z AI, tym więcej te firmy stracą, nie działa. Gdyby tak rzeczywiście było, to koszty mocy obliczeniowej rosłyby szybciej niż przychody. Tymczasem dzieje się odwrotnie. Według Wall Street Journal w pierwszym kwartale tego roku Anthropic wydawał na moc obliczeniową 71 centów z każdego dolara przychodu. W trzecim kwartale, według Financial Times, już tylko około 59 centów kosztu.

Widać więc, że im więcej ludzi korzysta z modeli AI, tym większa część przychodu trafia do kieszeni firmy, a nie jest przejadana w formie kosztów na moc obliczeniową. Efekt skali działa idealnie i rozwija się niesamowicie szybko.

To naturalnie rozbraja kolejny argument, że ceny modeli AI spadają tak szybko, że nie da się na nich zarabiać. Spadają, bardzo szybko. To prawda. Według szacunków koszt uzyskania odpowiedzi o tej samej jakości spada mniej więcej dziesięciokrotnie co roku.

Tyle że tanieje nie tylko cena za korzystanie z modelu AI, ale też koszt jej wytworzenia, bo każda nowa generacja chipów i modeli jest wydajniejsza. Dla firmy liczy się różnica między ceną a kosztem, a nie sama cena. Efekt netto działa tutaj na korzyść labów AI.

Jest natomiast jedna rzecz, której nie powinniśmy tutaj mylić. Sam fakt, że korzystanie z AI tanieje, jest świetny dla całej branży, ale niekoniecznie w takim samym stopniu dla każdej firmy.

Pomyślcie. Jeżeli cena wykonania zadania spadnie dziesięciokrotnie, a ludzie zaczną wykonywać ich pięć razy więcej, to wszyscy się cieszą, bo AI stało się dużo bardziej dostępne. Tyle że firma sprzedająca te zadania ma przychód o połowę mniejszy. Ale moc obliczeniowa dalej jest potrzebna, bo ktoś musi te wszystkie zapytania obsłużyć.

To właśnie dlatego od dawna mówi się o paradoksie Jevonsa. Tańsza inteligencja może nakręcać jeszcze większe jej zużycie, ale korzyści z tego wzrostu nie muszą trafiać wyłącznie do twórców modeli AI. Mogą trafiać do dostawców chmury, producentów chipów albo firm, które na tanim AI zbudują własne produkty.

OpenAI jeszcze przez lata planuje przepalać gotówkę.

To teraz dla równowagi, żeby nie było zbyt różowo, wróćmy do wyników finansowych. OpenAI rzeczywiście wygląda pod tym względem gorzej od Anthropic. Jego marża brutto w pierwszym kwartale wyniosła według The Information jedynie 39%. Obie firmy liczą ją trochę inaczej, ale różnica jest zbyt duża, żeby wynikała tylko z księgowości. OpenAI utrzymuje ponad miliard użytkowników tygodniowo, z których płaci mniej więcej co dwudziesty. Do tego według lutowej prezentacji dla inwestorów firma miała zacząć generować dodatnie przepływy pieniężne dopiero w 2030 roku.

Tylko czy kilka kolejnych lat strat i gorsza rentowność oznacza bankructwo? Nie. I pokazały to już inne firmy. Amazon zadebiutował na giełdzie w 1997 roku, a pierwszy roczny zysk netto pokazał dopiero w 2003. Uber na pierwszy roczny zysk operacyjny czekał do 2023 roku, po stratach liczonych w dziesiątkach miliardów dolarów. Same straty nie definiują tego, czy firma przetrwa. Ważniejsze jest to, czy te straty wynikają z inwestycji, które kiedyś się zwrócą, czy z tego, że biznes w ogóle nie potrafi na siebie zarobić.

Czyli OpenAI jest dziś mniej więcej tam, gdzie Amazon w 1999: gigantyczna skala, gorsze marże niż konkurent, a zysk w planach za kilka lat.

Wracając do labów AI, skoro strata nie definiuje przetrwania, to co definiuje? Popyt. Bo firma, która ma klientów gotowych płacić coraz więcej, zawsze znajdzie kogoś, kto sfinansuje jej straty.

OpenAI miało w marcu mimo wszystko ponad 50 milionów płacących subskrybentów, a klienci biznesowi odpowiadali za ponad 40% jego przychodów. W lutym ChatGPT zaczął do tego wyświetlać reklamy i w niecałe 200 dni doszedł z nimi do miliarda dolarów przychodu w skali roku.

Anthropic w ogóle nie opiera się na konsumentach. Według Reutersa około 80% jego przychodów pochodzi od firm, a liczba klientów płacących ponad milion dolarów rocznie przekroczyła wiosną tysiąc. Dwa lata wcześniej było ich kilkunastu. Firmy nie podpisują milionowych kontraktów z ciekawości.

Chwilowa moda? Kwartalne przychody Anthropic urosły z około 5 miliardów dolarów w pierwszym kwartale do 17 miliardów w trzecim. Argument o chwilowej modzie może kogoś przekonywał w połowie 2023 roku, ale dziś?

Często słyszę, że tak naprawdę całą tą technologią AI się tylko zachłysnęliśmy. Używamy jej na pokaz albo dlatego, że jakiś tam zarząd rozlicza premię z tego, kto ile zużyje tokenów. Prawdziwe badania pokazują, że AI po prostu pomaga wykonywać pracę szybciej i lepiej.

W jednym z najlepiej udokumentowanych eksperymentów Erik Brynjolfsson ze Stanfordu razem z MIT przebadał ponad 5 tysięcy pracowników obsługi klienta. Z asystentem AI rozwiązywali średnio o 15% więcej spraw na godzinę, a najsłabsi aż o 36% więcej. Nowi pracownicy z AI po dwóch miesiącach radzili sobie tak dobrze jak ich koledzy bez AI po ponad pół roku.

Postęp modeli AI robi tu robotę. Głośne badanie organizacji METR z 2025 roku pokazało, że doświadczeni programiści pracowali z AI o 19% wolniej, choć sami byli przekonani, że szybciej. Tylko że potem powtórzono to badanie z nowszymi narzędziami i wynik się kompletnie odwrócił. Tym razem wyszło, że programiści z AI są raczej szybsi. To definicja postępu.

Popyt jest więc realny, skala działa, marże rosną z każdym kwartałem. To zostawia jedno, naprawdę jedyne, co może wywrócić laby AI. Brak finansowania i brak gotówki.

Tyle że OpenAI pod koniec marca zamknęło rundę finansowania na 122 miliardy dolarów, rekordową w historii prywatnych firm. Według prezentacji dla inwestorów, którą opisał Financial Times, te pieniądze mają wystarczyć mniej więcej do 2028 roku. Teraz firma rozmawia o kolejnej rundzie przy wycenie około 1,4 biliona dolarów i przygotowuje się do wejścia na giełdę, najpewniej w 2027 roku.

Anthropic jest w jeszcze wygodniejszej sytuacji. W maju zebrał 65 miliardów dolarów przy wycenie blisko biliona, a w listopadzie może zadebiutować na giełdzie.

Firmy mogą mieć ogromne zobowiązania, mogą przepalać gotówkę, ale tak długo, jak inwestorzy są w stanie dosypywać im do kieszeni kasę, tak długo te spółki są bezpieczne. Myślicie, że inwestorzy przestaną? Finansować obiektywnie najszybciej rosnące firmy świata w historii? Okej, powodzenia.

A nawet jeśli, to jak pokazaliśmy wcześniej, spora część kosztów tych firm to trening kolejnych modeli AI, który w razie kłopotów można spowolnić bez wyłączania bieżącej działalności.

Jest jednak pewna rzecz, której bym tutaj nie lekceważył. To, że OpenAI i Anthropic prawdopodobnie nie zbankrutują, wcale nie oznacza, że cała hossa AI jest niezniszczalna.

Ich przyszłe wydatki uzasadniają dzisiaj budowę gigantycznej infrastruktury AI. OpenAI podpisuje kontrakty na moc obliczeniową, dostawca chmury zamawia chipy, producent sprzętu zwiększa moce, a po drodze ktoś jeszcze bierze na to wszystko kredyt. I tak miliardy dolarów przepływają przez cały łańcuch.

No i teraz wyobraźcie sobie, że Anthropic za dwa lata dochodzi do wniosku, że jednak nie potrzebuje aż tyle mocy obliczeniowej, ile wcześniej planował. Nie bankrutuje, nie zwalnia połowy pracowników, po prostu ogranicza tempo inwestycji. Dla niego może to być bardzo rozsądna decyzja. Ale dla firmy, która zaciągnęła miliardy długu pod obsługę tych zamówień, może to być ogromny problem.

I żeby było jasne, nie jest to mój bazowy scenariusz. Ale to już jest realne ryzyko inwestycyjne, które warto obserwować. W przeciwieństwie do nagłówków o tym, że ChatGPT jutro zabraknie pieniędzy na prąd.v

Czego inwestor powinien się obawiać naprawdę?

Jeśli już chcecie obserwować coś, co naprawdę może zaszkodzić labom AI, to moim zdaniem znacznie poważniej brzmi argument o konkurencji, z modelami open source na czele. Gemini (choć obecnie badziewne) ma ponad miliard użytkowników miesięcznie, a modele otwarte przejmują coraz więcej prostszej pracy i w przyszłości mogą wymuszać na liderach rynku obniżanie cen.

Na platformie Vercel, przez którą programiści korzystają z różnych modeli AI, modele otwarte odpowiadały we wrześniu za ponad 70% wszystkich zużytych tokenów. Chińskie modele w rodzaju DeepSeeka czy Kimi kosztują ułamek tego, co modele z czołówki.

Tylko póki co te same dane pokazują jednak drugą stronę. Te 70% tokenów przyniosło modelom otwartym tylko 23% wydatków. Za najtrudniejsze zadania, takie jak programowanie czy praca agentów AI, firmy wciąż płacą najlepszym modelom, i to sporo. Niektórzy kupią sobie telefon Huawei, ale wielkie korporacje dalej będą kupować iPhone'y. Bo po prostu chcą najlepszy sprzęt.

I tutaj jeszcze jedna rzecz, bo skoro Anthropic szykuje się do debiutu na giełdzie, to pewnie wielu z was zastanawia się, czy warto będzie kupić jego akcje.

Tylko pamiętajcie, że można mieć stuprocentową rację co do przyszłości firmy i mimo wszystko stracić na niej pieniądze. Pokażę wam prosty przykład.

Załóżmy, że firma ma 100 miliardów dolarów przychodów i jest wyceniana na bilion dolarów. Czyli inwestorzy płacą dziesięć dolarów za każdego dolara rocznej sprzedaży. Rok później przychody rosną aż o 50%, do 150 miliardów. Rewelacja, prawda? Tyle że rynek uznaje, że wcześniej jednak trochę przesadził z wyceną i zamiast dziesięciokrotności sprzedaży chce płacić już tylko pięciokrotność.

I co wtedy? Kapitalizacja spada do 750 miliardów dolarów. Firma zwiększyła przychody o połowę, a wy straciliście 25% pieniędzy. I wszystko to przy naprawdę świetnych wynikach biznesowych.

Właśnie dlatego mam problem z mieszaniem dwóch zupełnie różnych dyskusji. Jedna dotyczy tego, czy OpenAI i Anthropic mają szansę stać się jednymi z najważniejszych firm technologicznych świata. Moim zdaniem zdecydowanie tak. A druga tego, ile dzisiaj warto za ich akcje zapłacić. I na to drugie pytanie odpowiedź jest już znacznie trudniejsza.

Więc czy laby AI zbankrutują? Nie. W ogóle samo pytanie o bankructwo nie ma sensu. Firmy, które mają tysiąc klientów płacących po milionie dolarów, rosnące marże i kolejkę inwestorów, nie upadają.

Czy będą dobrymi inwestycjami na giełdzie? Tego nie wiem, bo to na teraz zupełnie inne pytanie, ale kiedy ktoś mówi Wam, że najszybciej rosnąca firma w historii świata zaraz zbankrutuje, bo pokazała stratę, to wiecie, że nie warto takiej osoby słuchać dłużej.

Do zarobienia,
Piotr Cymcyk