Anthropic przekroczył $47 mld run-rate revenue w pięć miesięcy i tempo rośnie

Simon Willison wyciągnął najciekawszą liczbę z ogłoszenia serii H Anthropic: firma twierdzi, że run-rate revenue przekroczyło 47 mld dolarów. Równie uderzająca jak sama liczba jest trajektoria: 9 mld dolarów w grudniu 2025, 14 mld w lutym 2026, 30 mld w kwietniu, 47 mld w maju. Jeśli to prawda, Claude nie jest już narzędziem dla zespołów z budżetem na eksperymenty. Staje się warstwą zużycia w enterprise software.

Run-rate od $9 do $47 mld w pięć miesięcy: liczba z fundraisingu, nie z audytu

Anthropic podał w materiałach serii H, że od lutowej rundy adopcja wśród globalnych klientów enterprise rosła dalej, a run-rate revenue przekroczyło 47 mld dolarów. Willison słusznie zaznacza, że to run-rate revenue: projekcja z obecnego tempa, a nie audytowany przychód za cały rok.

To nie odbiera liczbie wartości. Willison argumentuje, że podanie istotnie fałszywej liczby w dokumentach dla inwestorów, którzy właśnie włożyli 65 mld dolarów, byłoby securities fraud. Liczba jest więc przynajmniej na tyle wiarygodna, by stanowić punkt wyjścia do przyszłej weryfikacji.

Dla rynku zmienia się metryka: nie ile firm próbuje AI, ale ile za nie płaci każdego dnia

Modele AI były dotychczas oceniane głównie przez benchmarki i możliwości demo. Ta liczba wskazuje na inną metrykę: ile firmy faktycznie wydają, gdy AI trafia do procesów. Klienci enterprise nie płacą już za testowanie AI. Płacą za codzienną pracę przez API, agentów i automatyzację wewnętrzną.

Dla rynku to sygnał, że zużycie modeli może skalować się szybciej niż klasyczny SaaS. Nie dlatego, że sprzedaje się jedną licencję na użytkownika, lecz dlatego, że praca jest liczona przez API. Willison wspomina też przypadek firmy, która miała wydać dużą kwotę po złym ustawieniu limitów, co jest dokładną dynamiką napędzającą szybkie liczby run-rate.

Run-rate to ostra liczba, ale fundraisingowa: bez marży i audytu mówi tylko połowę historii

Run-rate revenue może wyolbrzymiać wzrost, gdy klient chwilowo zwiększa zużycie albo gdy wzorce użytkowania wciąż się stabilizują. Drugą brakującą częścią jest marża: przy firmach modelowych sam przychód nie wystarcza. Trzeba znać koszt inference, koszt rozwoju modeli i dostęp do chipów.

Willison sam zauważa, że najbardziej przekonującym testem będzie prospekt IPO lub twardsze ujawnienie finansowe, w którym liczba przetrwa audyt.

Kluczowym sygnałem będzie to, czy klienci enterprise wprowadzą limity jak przy rachunku za prąd

Warto śledzić dokumenty IPO lub twardsze ujawnienia finansowe oraz to, czy Anthropic zacznie mówić o retencji, marży brutto i koncentracji klientów. Jeśli liczba przetrwa dokładniejsze ujawnienia, będzie to jedna z najszybszych historii wzrostu przychodów w historii software.

Drugi sygnał to zachowanie klientów enterprise. Jeśli zaczną wprowadzać limity, wewnętrzny routing i budżety modelowe, AI przestało być eksperymentalną pozycją. Stało się rachunkiem za prąd w zautomatyzowanym biurze.

Werdykt Lilith

$47 mld run-rate to księga rachunkowa, w której klienci enterprise po raz pierwszy widzą, ile kosztuje zautomatyzowana praca bez limitów. Gdzieś w tych liczbach kryje się pewnie jedna źle skonfigurowana polityka użytkowania.