Что Anthropic раскрыла в обновлённом S-1: главные цифры
Anthropic закрыла квартал 30 сентября с выручкой $17 млрд против $11,5 млрд кварталом ранее. Одновременно вырос операционный убыток, и главная причина - вычисления. Их доля в выручке поднялась до 58% с 48%, а выручка на каждый доллар, потраченный на compute, снизилась с пика чуть выше 2x до 1,72x.
Счёт за вычисления за квартал составил $10 млрд. Из них $5,0 млрд приходится на краткосрочные контракты, которые, по формулировке файлинга, «сейчас стоят существенно дороже сопоставимых вычислений, закупаемых по нашим многолетним обязательствам».
Обновление расширило раскрытие: предыдущая версия S-1 показывала финансы только до 30 июня, новая добавила ещё один квартал (данные файлинга и разбор TechCrunch).
| Показатель | Квартал до 30 июня | Квартал до 30 сентября |
|---|---|---|
| Выручка | $11,5 млрд | $17 млрд |
| Доля затрат на вычисления в выручке | 48% | 58% |
| Выручка на $1 затрат на вычисления | чуть выше 2x (пик) | 1,72x |
| Счёт за вычисления | около $5,5 млрд (расчёт по доле) | $10 млрд, включая $5,0 млрд по краткосрочным контрактам |
| Операционный результат | убыток | убыток вырос |
Три вещи, которые видно из этих строк сразу:
- выручка выросла примерно на 48% за квартал, то есть почти на 50%;
- счёт за вычисления вырос примерно вдвое быстрее: с ~$5,5 млрд до $10 млрд, около +80%;
- отдача на compute упала впервые после устойчивого роста с начала 2025 года.
S-1 простыми словами: почему эти цифры надёжнее слухов
S-1 - регистрационный документ, который компания подаёт в SEC перед выходом на биржу. В нём раскрывают выручку, расходы, крупные контракты и факторы риска, а за недостоверные сведения предусмотрена юридическая ответственность. Поэтому суммы из S-1 - официальное раскрытие, а не утечка или пересказ источников.
Границы доверия тоже стоит обозначить. Сами цифры берутся из документа. Объяснения, почему экономика ухудшилась и чем это грозит, в этой статье - аналитика на основе раскрытых данных, а не заявления Anthropic.
Почему выручка растёт, а экономика вычислений ухудшается
Метрика «выручка на $1 compute» работает как грубый аналог валовой маржи: она показывает, сколько дохода приносит каждый доллар, ушедший поставщикам мощностей. Значение 1,72x означает, что на $1 затрат на вычисления приходится $1,72 выручки. Кварталом ранее было чуть выше 2x.
Арифметика сходится с остальными числами файлинга. 58% от $17 млрд - это около $9,9 млрд, что близко к заявленному счёту $10 млрд, а $17 млрд / $10 млрд ≈ 1,7x. Для прошлого квартала: 48% от $11,5 млрд ≈ $5,5 млрд, и $11,5 / $5,5 ≈ 2,1x, что совпадает с формулировкой «чуть выше 2x».
Смысл изменения простой: каждый доллар, вложенный в вычисления, приносит меньше выручки, чем тремя месяцами ранее. Рост выручки почти на 50% за квартал пока перекрывает это ухудшение, и именно поэтому инвесторы не реагируют на высокие затраты как на катастрофу. Но рост выручки не отменяет падения отдачи, он её маскирует. Если темпы роста замедлятся при той же доле compute, картина для инвесторов изменится быстро.
Сравнивать выручку разных лабораторий в лоб стоит осторожно: методики подсчёта различаются, и расхождение измеряется десятками миллиардов. Показательный пример - разбор расхождения $50 млрд против $70 млрд у OpenAI.
Откуда взялись $10 млрд: краткосрочные контракты и neoclouds
Половина квартального счёта, $5,0 млрд, закрыта краткосрочными контрактами. Файлинг фиксирует это прямо: такие вычисления стоят существенно дороже сопоставимых объёмов, купленных по многолетним обязательствам (TechCrunch, 3 ноября 2026). То есть компания сознательно платит премию за скорость доступа к мощностям.
Часть сделок приходится на neocloud-провайдеров: SpaceX, Nscale, Akamai и Volta. По SpaceX раскрыта месячная ставка - $1,25 млрд в месяц. Если такая ставка держалась весь квартал, три месяца дают около $3,75 млрд, то есть больше трети всего квартального счёта за вычисления.
Neoclouds - провайдеры меньшего размера, чем гиперскейлеры, которые предлагают более гибкие контракты по более высоким ставкам. Гиперскейлеры (AWS, Google Cloud, Azure и другие крупные облака) продают ёмкость большими блоками и на длинные сроки.
Краткосрочные vs многолетние контракты: в чём разница в цене
Многолетнее обязательство фиксирует объём, срок и цену. Провайдер заранее знает загрузку, планирует закупку ускорителей и электрические мощности, поэтому готов отдать ёмкость дешевле. Краткосрочный контракт даёт гибкость: его можно не продлевать и быстро перекинуть бюджет на другой кластер. За эту гибкость и срочность платят премию.
- Многолетний контракт: ниже цена за единицу, предсказуемая загрузка, но обязательство на годы вперёд и риск заморозить деньги в неоптимальном железе.
- Краткосрочный контракт: выше цена за единицу, зато можно наращивать или срезать потребление под реальный спрос.
Anthropic платит премию потому, что спрос растёт быстрее, чем подписываются долгосрочные договоры. Файлинг подтверждает сам факт разницы в цене, но не раскрывает, сколько именно процентов переплаты заложено в контракты. Любые конкретные цифры в этой части были бы догадкой.
Со стороны провайдера экономика выглядит иначе: длинные контракты дают загрузку, но требуют капитала на годы вперёд, а зависимость от одного клиента превращается в отдельный риск. Как это работает на практике, разбирали в материале о Lambda и её крупном контракте с Anthropic.
Anthropic Direct: почему собственные мощности не успевают за спросом
Anthropic развивает собственную вычислительную базу по проекту Anthropic Direct. Задача понятная: снизить стоимость вычислений и уменьшить зависимость от внешних поставщиков, которые закладывают в цену свою маржу.
Проблема в темпах. Спрос растёт кварталами, а собственные мощности вводятся годами: площадка, электрическая мощность, охлаждение, поставки ускорителей, монтаж. Даже при удачном графике свои стойки покрывают только часть прироста нагрузки, поэтому neoclouds остаются лучшим доступным вариантом, а не временной заплатой на один квартал.
Из этого не следует, что проект провалился. Он просто не поспевает за кривой спроса, и это типичная ситуация для лабораторий, которые растут быстрее строительной отрасли.
Насколько это рискованно: убыток, маржа и контекст IPO
Anthropic прямо предупреждает инвесторов, что дешевле не станет:
«Мы ожидаем, что расходы на вычисления и инфраструктуру будут расти в абсолютных долларах и останутся нашей крупнейшей операционной статьёй в обозримом будущем, поскольку дополнительные зарезервированные мощности становятся нам доступны по многолетним соглашениям с облачными провайдерами, и поскольку мы продолжаем инвестировать в дополнительные вычисления» (цитата из файлинга).
Риски складываются в три слоя. Первый: структурная зависимость от цен на вычисления, которые компания не контролирует. Второй: доля краткосрочных контрактов - это дорогая гибкость, и чем дольше она нужна, тем сильнее давит на маржу. Третий: чем выше доля compute в выручке, тем меньше остаётся на research, продажи и всё остальное.
Смягчающий фактор тоже конкретный: выручка растёт почти на 50% за квартал, и пока этот темп держится, инвесторы готовы терпеть высокие затраты. Ухудшение отдачи на compute в источнике описывают скорее как разовый сдвиг, чем как окончательный долгосрочный тренд. Проверить это можно только следующими отчётами.
Контекст IPO добавляет давления: S-1 подаётся именно для выхода на биржу, значит эти строки будут читать потенциальные акционеры, а не только журналисты. Ухудшение юнит-экономики в такой момент требует объяснения, и файлинг это объяснение даёт через масштаб роста.
Отдельная тема - как отрасль финансирует мощности: займы, облигации, лизинг оборудования. Механика этого давления разобрана в статье о долговом буме в AI-индустрии. Ничего из этого не является инвестиционной рекомендацией: речь о том, как читать цифры, а не о том, что покупать.
Что это говорит о зависимости AI-лабораторий от инфраструктуры
История Anthropic показывает общую модель рынка: лаборатории конкурируют моделями, но упираются в доступ к вычислениям и их цену. Модель можно обучить быстрее, чем построить дата-центр, поэтому преимущество часто определяется не идеей архитектуры, а тем, у кого больше законтрактованных мегаватт.
Из этого следует сдвиг на рынке поставщиков. Neoclouds перестают быть нишевыми игроками: они закрывают пиковый спрос frontier-лабораторий, пока те ждут ввода собственных мощностей и многолетних контрактов с гиперскейлерами. Гибкость здесь продаётся с наценкой, и лаборатория платит её из выручки.
Для поставщиков инференса экономика ещё жёстче: цена за токен падает быстрее, чем стоимость ускорителей. Как выглядит эта ловушка в цифрах, разбирали в материале о маржинальности inference-провайдеров. Кейс Anthropic - та же логика, только в масштабе миллиардов: выручка есть, а прибыль съедает инфраструктура.
Практические выводы: что эти цифры значат для пользователей AI
Прямой связи между отчётом Anthropic и завтрашним счётом за API нет: компания не объявляла о повышении цен. Но направление давления понятное. Если вычисления занимают 58% выручки и растут быстрее доходов, у лаборатории меньше пространства для демпинга, а стоимость инференса становится переменной, а не константой.
Что из этого следует для практики:
- Считайте стоимость токенов в своих проектах, а не только смотрите на прайс-лист: смена модели или длины контекста меняет смету сильнее, чем кажется.
- Сравнивая провайдеров, смотрите на условия доступа к мощностям: у небольших провайдеров гибкие контракты, но и цена выше.
- При стабильной нагрузке локальный запуск моделей остаётся способом уйти от чужой ценовой политики. Упирается он в VRAM и производительность GPU, а не в желание сэкономить; в AI-Manual есть отдельные разборы по выбору железа и запуску локальных LLM, на которые стоит опираться при расчёте бюджета.
Индикатор, за которым стоит следить в следующих файлингах, - доля compute в выручке и множитель выручки на $1 затрат. Пока выручка растёт около 50% за квартал, а множитель держится выше 1,7x, модель считается рабочей. Если выручка замедлится, а доля compute останется на 58% и выше, цены на AI-сервисы почти наверняка станут менее щедрыми.