Инвесторы реагируют на новости о выручке OpenAI и Anthropic почти так, будто речь идет об отчетности публичных компаний. Но финансовые показатели этих ИИ-стартапов трудно сравнивать напрямую: неизвестно, какие расходы они несут, сколько денег сжигают и насколько близки к прибыльности. Даже цифры выручки, регулярно появляющиеся в СМИ, могут рассчитываться по разным методикам.

От этого зависит не только оценка самих компаний, но и настроения на фондовом рынке. В развитие ИИ вкладывают десятки и сотни миллиардов долларов, а инвесторы пытаются понять, оправдают ли будущие доходы нынешний масштаб расходов, рассказывает Axios.

Почему новости о выручке обрушивают акции

Недавно Financial Times сообщила, что годовой показатель выручки OpenAI может быть примерно на $20 млрд ниже, чем предполагали некоторые участники рынка. После публикации технологические акции резко упали.

Однако, как отмечает Axios, расхождение, по-видимому, объяснялось не внезапным ухудшением бизнеса OpenAI и не сокрытием финансовых результатов. Причина заключалась в попытке рассчитывать выручку компании по той же методике, которую использует Anthropic.

Этот эпизод показывает, насколько осторожно следует относиться к громким цифрам. Если компании считают показатели по-разному, сравнение их финансовых результатов может создавать ложное впечатление о том, кто быстрее растет и насколько успешно превращает популярность своих моделей в деньги.

Венчурный инвестор и блогер Пол Кедроски сравнил происходящее с абсурдистским театром. По его мнению, нынешние показатели выручки крупнейших ИИ-стартапов во многом зависят от произвольно выбранных способов расчета.

Что не так с годовой выручкой и ARR

В публикациях об ИИ-компаниях часто фигурируют два близких показателя: годовая выручка, рассчитанная на основе текущего темпа поступлений, и ARR — годовая регулярная выручка от подписок и других повторяющихся платежей.

Оба показателя помогают оценить масштаб бизнеса, но не равнозначны фактически полученной за год выручке. Годовой темп выручки, например, можно получить, умножив доход за один месяц на 12. Такой расчет предполагает, что поступления сохранятся на том же уровне, хотя на практике они могут заметно меняться.

Представим человека, который в декабре получил обычную зарплату и крупную годовую премию. Если умножить декабрьский доход на 12, получится сумма, значительно превышающая его реальный годовой заработок. С бизнесом происходит нечто похожее, когда выбранный месяц оказывается нетипичным.

ARR полезен для программных компаний с регулярными подписками и относительно предсказуемым спросом. Но разработчики передовых ИИ-моделей работают в быстро меняющейся среде: спрос на продукты, объем использования и поступления могут существенно колебаться даже в течение нескольких недель.

Кедроски считает, что при такой волатильности результат слишком сильно зависит от того, за какой именно период компания берет данные. И даже если показатель рассчитан корректно, он ничего не говорит о расходах на вычислительную инфраструктуру, разработку моделей, персонал и другие нужды бизнеса.

Высокая выручка сама по себе не означает, что компания прибыльна или располагает достаточным запасом денежных средств.

Почему публичные компании находятся в другом положении

Если бы OpenAI и Anthropic уже торговались на бирже, инвесторы получали бы регулярную отчетность о признанной выручке, расходах и финансовых результатах. Публичные компании должны соблюдать стандартизированные правила бухгалтерского учета, а их годовая отчетность проходит независимый аудит.

Это не делает финансовую информацию абсолютно прозрачной: даже у крупных публичных компаний возникают вопросы к раскрытию обязательств и другим аспектам отчетности. Но единые правила позволяют сопоставлять показатели разных компаний с гораздо меньшим риском ошибиться из-за различий в методике.

Пока же значительная часть информации о финансах крупнейших ИИ-стартапов поступает из заявлений компаний и публикаций СМИ. Детали расчета показателей могут оставаться неясными, а полная картина расходов и прибыльности — недоступной внешним наблюдателям.

Больше информации инвесторы, вероятно, получат из документов, которые компании обязаны раскрыть при выходе на биржу.

История Groupon и WeWork — напоминание о рисках

Завышенные ожидания относительно финансовых результатов стартапов не новы. Когда компания готовится стать публичной, ей приходится раскрывать больше информации и приводить показатели в соответствие с установленными стандартами. Иногда это заметно меняет представление инвесторов о ее бизнесе.

В 2011 году Groupon, тогда считавшаяся одной из самых перспективных технологических компаний, после подготовки документов для IPO была вынуждена сократить ранее заявленную выручку вдвое, чтобы привести отчетность в соответствие с общепринятыми принципами бухгалтерского учета США.

Другой пример — WeWork. Перед планировавшимся в 2019 году IPO раскрытие финансовых документов показало масштабные убытки и значительные долгосрочные обязательства по аренде. Выход на биржу в итоге сорвался.

Эти истории не означают, что OpenAI или Anthropic обязательно столкнутся с аналогичными проблемами. Но они напоминают: оценки частных компаний, построенные на ограниченной финансовой информации, могут существенно отличаться от картины, которая открывается после полного раскрытия отчетности.

Следующий важный рубеж — IPO Anthropic

По данным, упомянутым Axios, Anthropic может выйти на биржу в середине ноября. Если планы реализуются, инвесторы получат возможность изучить более подробные финансовые документы компании и проверить, насколько ее публичные показатели соответствуют ожиданиям рынка.

До этого момента цифры выручки OpenAI и Anthropic стоит воспринимать как отдельные ориентиры, а не как полноценный отчет о состоянии бизнеса. Чтобы оценить устойчивость компаний, необходимо понимать не только объем поступлений, но и методику их расчета, структуру расходов, потребность в капитале и способность превращать растущий спрос на ИИ в прибыль.

В условиях огромных инвестиций в искусственный интеллект разница между быстрорастущей выручкой и экономически устойчивым бизнесом становится особенно важной. И пока финансовые данные крупнейших частных разработчиков остаются неполными, рынок рискует принимать решения на основе цифр, которые выглядят точнее, чем они есть на самом деле.