Dwa technologiczne giganty, dwie drogi na giełdę
OpenAI i Anthropic, twórcy dwóch najpopularniejszych wielkich modeli językowych (LLM) na świecie, szykują się do wejścia na amerykańską giełdę. IPO — czyli Initial Public Offering, pierwsza publiczna oferta akcji — to moment, w którym prywatna firma udostępnia swoje udziały inwestorom na otwartym rynku. Dla branży sztucznej inteligencji to wydarzenie bez precedensu: po raz pierwszy firmy tworzące fundacyjne modele AI będą wyceniane przez rynek kapitałowy.
Jak ocenił w rozmowie z PAP Biznes Aleksander Jerzewski (CFA, ESALIENS TFI), kolejność debiutów obu firm nie powinna mieć wielkiego znaczenia — pod warunkiem, że wejdą na giełdę w podobnym czasie. Inwestorzy dysponujący kapitałem będą skłonni przeznaczyć go na udział w rozwoju obu spółek, nawet jeśli jedna z nich wydaje się aktualnie prowadzić w wyścigu technologicznym.
Nastroje rynkowe po debiucie SpaceX
Kontekstem dla planowanych IPO jest majowy debiut giełdowy SpaceX, który pozyskał w ofercie łącznie 85,6 mld USD (po uwzględnieniu dodatkowej transzy akcji). Dla rynku był to test apetytu na wielkie emisje — i test ten wypadł pozytywnie, co potwierdza kilkukrotne pokrycie księgi popytu.
Jednak nastroje w sektorze technologicznym pod koniec maja osłabły. Kurs akcji SpaceX zanotował korektę od szczytów, a media donoszą o możliwym przesunięciu w czasie debiutu OpenAI. Dla mniejszych firm IT i SaaS taka absorpcja kapitału nie musi jednak oznaczać problemów — ich emisje operują na zupełnie innej skali, choć mogą zostać „przyćmione” przez uwagę skupioną na największych transakcjach.
Claude wyprzedza ChatGPT w segmencie korporacyjnym
Wiosną 2026 roku doszło do przełomowego wydarzenia: Anthropic (twórca Claude) po raz pierwszy wyprzedził OpenAI (twórcę ChatGPT) pod względem udziału w rynku korporacyjnym, czyli segmencie enterprise AI. Jak to się stało?
Zdaniem Aleksandra Jerzewskiego przewaga Anthropica opiera się na dwóch filarach. Po pierwsze, Claude — szczególnie w zaawansowanych trybach rozumowania — przoduje w zadaniach związanych z kodowaniem i rozwiązywaniem złożonych problemów logicznych. Narzędzie Claude Code pozwala programistom asystować się przy tworzeniu kodu w sposób, który na moment publikacji stawia je na czele branżowych zestawień.
Po drugie, kluczowa jest architektura biznesowa. ChatGPT posiada bazę sięgającą miliarda miesięcznych użytkowników aplikacji (MAU — Monthly Active Users), ale to głównie użytkownicy czatu, czyli interfejsu konwersacyjnego. Anthropic buduje przewagę na dostępie przez API — programistyczny interfejs, który pozwala firmom integrować model językowy bezpośrednio ze swoimi systemami, z pominięciem czatu.
Model pay-per-token kontra subskrypcja
Wykorzystanie API zmienia profil kosztowy po stronie klienta. Zamiast stałej miesięcznej subskrypcji, firmy płacą za rzeczywiste wykorzystanie — za każdy przetworzony token (token to fragment tekstu, mniej więcej 3/4 słowa w języku angielskim). Ten model rozliczeniowy, określany jako pay-per-token, daje większą elastyczność i sprzyja skalowaniu: firma płaci dokładnie za to, co zużyje.
Połączenie elastyczności cenowej z przewagą w rozwiązywaniu złożonych zadań spowodowało, że Anthropic wysunął się na prowadzenie w segmencie enterprise — tam, gdzie liczy się nie liczba użytkowników czatu, ale realna wartość biznesowa dostarczana przez model.
Gigantyczne przychody, niepewna rentowność
Anthropic chwali się przychodami na poziomie 44 mld USD, ale trzeba rozumieć, co kryje się za tą liczbą. To tzw. run-rate (ARR — Annualized Run Rate), czyli przychód za ostatni okres (miesiąc lub kwartał) przemnożony tak, by pokazać wartość roczną przy założeniu, że tempo się utrzyma. Na początku 2026 roku run-rate wynosił jeszcze 9 mld USD, co oznacza niemal pięciokrotny wzrost w ciągu kilku miesięcy.
ARR to powszechnie stosowana metryka w branży SaaS i AI, ale ma istotne ograniczenie: zakłada, że przychody będą się realizować regularnie. W dynamicznie rosnącym (lub spadającym) biznesie może zarówno przeszacować, jak i niedoszacować rzeczywistą kondycję finansową firmy.
Jeszcze większą niewiadomą są koszty. Zarówno OpenAI, jak i Anthropic ponoszą ogromne wydatki na infrastrukturę obliczeniową — centra danych, chipy GPU, energię elektryczną. Skala rund finansowania obu firm na przestrzeni ostatnich lat sugeruje, że koszty te znacząco przewyższają napływające płatności. Jak przyznaje Jerzewski: analitycy na całym świecie nie wiedzą, ile dokładnie gotówki spalają te spółki, a bez tej informacji trudno ocenić, kiedy osiągną rentowność.
Ryzyka: Sora, ograniczenia eksportu, bariery adopcji
Nie każdy produkt w portfolio firm AI przynosi zysk. Przykładem jest Sora — narzędzie OpenAI do generowania wideo, które pochłaniało moce obliczeniowe przy ograniczonych korzyściach finansowych. Popyt na tworzenie filmików za pomocą AI okazał się krótkotrwały, a brak jasnego planu monetyzacji takich produktów stanowi jedno z istotnych ryzyk inwestycyjnych.
Kolejnym wyzwaniem są ograniczenia geograficzne. Anthropic ograniczył dostęp do swojego flagowego modelu Claude Fable dla użytkowników spoza USA w ramach regulacji eksportowych. Takie limity bezpośrednio przekładają się na zasięg komercyjny i zdolność do skalowania przychodów globalnie.
Wreszcie, pełne zastąpienie tradycyjnego oprogramowania korporacyjnego przez AI jest odległą perspektywą. Krytyczne systemy IT w firmach — CRM, zarządzanie danymi, HR — opierają się na infrastrukturze budowanej latami. Złożoność połączeń międzysystemowych, wymogi compliance, a także zwykła bariera psychologiczna (nie wszyscy jeszcze korzystają z LLM-ów) sprawiają, że dostawcy SaaS zachowują silną pozycję. Jak ujął to Jerzewski: odejście od trzonu zaplecza IT jest kosztowne i czasochłonne, co tworzy trwałe bariery zapewniające wysoką „lepkość” usług na długie lata.
Co dalej: konsolidacja czy specjalizacja?
Rynek wielkich modeli językowych jest na etapie, w którym każda z wiodących firm specjalizuje się w swojej niszy: OpenAI w szerokim ekosystemie konsumenckim, Anthropic w zaawansowanym rozumowaniu i zastosowaniach enterprise. Do wyścigu mogą dołączyć kolejni gracze — jak choćby europejski Mistral.
Dopiero z dojrzewaniem technologii sztucznej inteligencji będziemy mogli zaobserwować konsolidację na tym rynku. Na razie IPO obu firm będzie testem, jak rynek publiczny wyceni spółki o parabolicznym wzroście przychodów, ale wciąż niepewnej ścieżce do zysków. Dla inwestorów oznacza to konieczność analizy nie tylko top-line (przychodów), ale przede wszystkim struktury kosztów — która na ten moment pozostaje w dużej mierze nieprzejrzysta.
Artykuł opracowano na podstawie analizy PAP Biznes z wypowiedziami Aleksandra Jerzewskiego (CFA, ESALIENS TFI).
