Cztery. Kapitał: prospekt, przychody i tempo spadku ceny myśli
Czwarty obszar jest rynkowy i zawiera najtwardsze liczby tego dnia. Agencja Reuters dotarła dwudziestego ósmego września do prospektu emisyjnego Anthropica, którego firma nie opublikowała oficjalnie i nie skomentowała. Według tych ustaleń spółka celuje w wycenę publiczną powyżej dwóch bilionów dolarów, co oznacza ponad dwukrotność jej majowego poziomu dziewięciuset sześćdziesięciu pięciu miliardów, przy przychodach za ubiegły rok w wysokości czterech miliardów pięćset dziewięćdziesięciu milionów dolarów, czyli dwunastokrotnym wzroście, i stracie netto czterdziestu dwóch miliardów, z czego około trzydziestu czterech miliardów to obciążenie bezgotówkowe związane z finansowaniem zamiennym, a osiem miliardów to strata operacyjna. Prospekt ujawnia też zobowiązania wobec chmury i infrastruktury o wartości pięciuset osiemnastu miliardów dolarów, w tym ponad sto miliardów zadeklarowanych dla AWS na dziesięć lat, oraz uzależnienie przychodowe, bo dwóch klientów odpowiadało za około jedną czwartą sprzedaży. Trzeba to czytać ostrożnie z dwóch powodów: to dokument niepublikowany, więc wszystkie liczby są rekonstrukcją medialną, a sama spółka odmówiła komentarza. Mimo to zestawienie skali przychodu ze skalą zobowiązań jest najważniejszą informacją o finansowaniu całego sektora, jaka pojawiła się w tym tygodniu, bo pokazuje, że wzrost liczony w gotówce i wzrost liczony w zobowiązaniach rosną w tym samym tempie.
Źródło: reuters
Równolegle, i to są dane o popycie, a nie o strukturze kosztów, CNBC poinformowało w trakcie trwającej konferencji deweloperskiej OpenAI, że w trzecim kwartale biznes korporacyjny spółki więcej niż się podwoił, a w ostatnich dziewięćdziesięciu dniach firma wypracowała więcej przychodu konsumenckiego niż przez cały ubiegły rok. Według tego samego źródła tempo wzrostu przychodu rok do roku wynosi siedemdziesiąt procent, w tym wzrost o dwadzieścia procent w samym wrześniu, co dawałoby roczny run rate w okolicach sześćdziesięciu ośmiu miliardów dolarów wobec blisko czterdziestu miliardów w sierpniu. To liczby pochodzące od osoby znającej sprawę, niepotwierdzone przez spółkę i podane w dniu, w którym organizuje ona własne wydarzenie promocyjne, więc wymagają wyraźnego oznaczenia jako niezweryfikowane. Wątek samego DevDay, zapowiedziany w tej serii jako punkt weryfikacji cennika, pozostaje w chwili pisania w toku, bo Altman wychodzi na scenę o dziesiątej czasu pacyficznego, czyli już po zamknięciu europejskiej sesji.
Źródło: cnbc
Trzecia warstwa jest badawcza i wyjaśnia, dlaczego te dwa pierwsze fakty nie muszą stać w sprzeczności. Epoch AI zmierzył dwudziestego drugiego września, jak szybko spada koszt osiągnięcia ustalonego poziomu zdolności modeli, i wynik jest bezprecedensowy: około czterdziestu siedmiu procent na kwartał, czyli trzynaście razy w skali roku. To tempo jest czterokrotnie szybsze niż w sekwencjonowaniu DNA, sześciokrotnie szybsze niż w mocy obliczeniowej i osiemnaście razy szybsze niż w bateriach litowych. Najbardziej czytelny przykład dotyczy różnicy między dwiema generacjami: poziom, który na przełomie stycznia i lutego ubiegłego roku kosztował trzydzieści centów za pytanie, osiemnaście miesięcy później osiągał model GPT-5.6 Luna za cztery setne centa, co daje spadek siedemsetdwudziestopięciokrotny. Autorzy sami wskazują jednak trzy poważne zastrzeżenia, które trzeba powtórzyć: laboratoria mogą trenować modele specjalnie pod konkretne testy, wyniki na benchmarkach nie są równoznaczne z użyteczną pracą, a metoda zakłada użytkownika, który nieustannie szuka najtańszego modelu do każdego zadania, czego realni odbiorcy nie robią, więc oszczędności w praktyce są mniejsze. Dodatkowo spadek jest nierówny i wolniejszy w zadaniach opartych na łamigłówkach niż w matematyce, a po dwóch latach od debiutu danego poziomu zwalnia o połowę. Ta liczba jest najważniejszym pojedynczym wkładem do rozumienia modelu biznesowego całego sektora, bo pokazuje, że presja na marże nie wynika z konkurencji cenowej, ale ze struktury samej technologii (Epoch AI, 22.09).
Źródło: epoch-ai
W tle, jako kontekst dla warstwy finansowania, warto odnotować trzy rundy z ostatnich dni, które pokazują, jak rozgrzany jest kapitał. Instinct, spółka prowadząca osobistego agenta działającego przez wiadomości tekstowe i własny numer telefonu, pozyskała miliard dolarów w rundzie C przy wycenie dziesięciu miliardów, podczas gdy jeszcze miesiąc wcześniej rozmawiała o wycenie dwóch miliardów pięćset milionów, co daje czterokrotny wzrost kapitalizacji w ciągu kilku tygodni i bardzo szybkie tempo dla firmy, która usługę uruchomiła w sierpniu. General Intuition, treningująca modele decyzyjne na miliardach klipów z gier, pozyskała dwieście dwadzieścia milionów przy wycenie sześciu miliardów dwustu milionów, po rundzie z czerwca wyceniającej ją na dwa miliardy trzysta milionów. SiMa.ai, produkująca układy do pracy modeli bezpośrednio na urządzeniu, zebrała sto pięćdziesiąt milionów przy wycenie jednego miliarda czterystu pięćdziesięciu milionów, ponad półtora raza wyżej niż w lipcu ubiegłego roku. Krytycznie trzeba podkreślić, że wszystkie trzy wyceny opierają się na zapowiedziach i materiałach własnych spółek, żadna nie ma niezależnych benchmarków ani ujawnionych warunków dostępu, a w przypadku Instinct nie są znane nawet liczby użytkowników (TechCrunch, Bloomberg i AlphaSignal, 28.09).
Źródło: techcrunch, bloomberg, alphasignal