Основа
Спот
Торгуйте криптовалютой свободно
Trenches
Умный доступ к новым токенам
Маржа
Увеличьте свою прибыль с помощью кредитного плеча
Конвертация и автоинвест
0 комиссии
Торгуйте любым объемом без комиссий и проскальзываний
ETF
Получите простой доступ к позициям с кредитным плечом
Премаркет
Торгуйте токенами до листинга
Фьючерсы
Доступ к сотням фьючерсов
CFD
Золото
Одна платформа мировых активов
Контракты на мероприятия
Новое
Прогнозируйте движение цен и используйте возможности
Опционы
Hot
Торги опционами Vanilla в европейском стиле
Единый счет
Увеличьте эффективность вашего капитала
Демо-торговля
Введение в торговлю фьючерсами
Подготовьтесь к торговле фьючерсами
Фьючерсные события
Получайте награды в событиях
Демо-торговля
Используйте виртуальные средства для торговли без риска
CFD
Деривативы CFD на акции
Акции
Инвестируйте напрямую в популярные акции и ETF по всему миру
Фьючерсы на акции
Высокое кредитное плечо, круглосуточная торговля
Опционы на акции
Новое
Популярные опционы на акции, гибкое плечо
Мероприятия, связанные с акциями
Торгуйте популярными акциями и получайте щедрые эирдропы
Токенизированные акции
Обеспечено реальными акциями
Доступ к IPO
Откройте полный доступ к глобальным IPO акций
Запуск
CandyDrop
Собирайте конфеты, чтобы заработать аирдропы
Launchpool
Быстрый стейкинг, заработайте потенциальные новые токены
HODLer Airdrop
Удерживайте GT и получайте огромные аирдропы бесплатно
IPO Access
Anthropic
Откройте полный доступ к глобальным IPO акций
Фьючерсные баллы
Зарабатывайте баллы и получайте награды аирдропа
Инвестиции
Gate Earn
Новое
Комплексное управление цифровыми активами
Idle Earn
Торгуйте и получайте доход одновременно
Simple Earn
Зарабатывайте проценты с помощью неиспользуемых токенов
Стейкинг
Делайте стейкинг криптовалюты, чтобы заработать на продуктах PoS
Автоинвест.
Автоинвестиции на регулярной основе.
Бивалютные инвестиции
Доход от волатильности рынка
Мягкий стейкинг
Получайте вознаграждения с помощью гибкого стейкинга
VIP-центр богатства
9% годовых на USDT — ограниченное время
Количественный фонд
Лучшие стратегии
GUSD
Надёжный доход от RWA казначейских облигаций
Криптозаймы
0 комиссии
Заложите одну криптовалюту, чтобы занять другую
Центр кредитования
Единый центр кредитования
Square
Делитесь идеями и находите актуальные мнения
Live
Экспертный анализ в реальном времени
Чат
Общайтесь с трейдерами со всего мира
Новости
Последние новости в мире криптовалют
Gate Learn
Криптовалютные руководства и образовательные ресурсы
Блог Gate
Криптовалютные инсайты и отраслевые новости
Gate Research
Углубленное исследование и анализ рынка
Рекламные акции
Другое
Помощь
Найдите ответы на часто задаваемые вопросы и справочные руководства
Партнеры
Растите вместе с чемпионами
Подтверждение наличия резервов
Gate обещает 100% доказательство резервов
Подтверждение безопасности (PoSEC)
Активы в холодном хранении ≥ Активы пользователей
Gate Guard
План защиты аккаунта
Gate Vault
Держите свои активы в безопасности
Лицензия
Лицензии, регистрации и разрешения регулирующих органов
#Gate直通IPO第三期Anthropic Что именно продаёт Anthropic?
10 ноября 2026 года Anthropic начала презентации для инвесторов в рамках планируемого IPO. Такие презентации проходят перед первичным публичным размещением акций: компания объясняет инвесторам, как устроен её бизнес и как она собирается развиваться. Это не означает, что акции уже торгуются на бирже. Эти презентации дают нам редкую возможность увидеть не только, что умеет Claude, но и как Anthropic продаёт эти возможности, что уже заработала и на что ставит в дальнейшем. Я понимаю Anthropic как компанию, которая хочет превращать каждое улучшение модели в новую задачу, за решение которой клиенты готовы платить постоянно. Чтобы понять её бизнес, нужно пройти путь от страховой заявки до контрактов на вычислительные мощности и совета директоров.
01|Claude — чат-помощник. Но Anthropic зарабатывает только на чатах?
Anthropic основана в 2021 году Дарио Амодеи, Даниэлой Амодеи и ещё пятью соучредителями. Изначально это была компания, занимающаяся передовыми исследованиями в области ИИ, а Claude — разработанная ею серия моделей. Сегодня чат-помощник, которым люди пользуются на телефоне или сайте, тоже называется Claude. В повседневном использовании нет нужды разделять эти два значения слова Claude, но чтобы понять этот бизнес, нужно различать модель, продукт и платформу.
Модель — это базовый уровень, который предоставляет возможности. На презентации показали не одну универсальную модель на все случаи жизни, а целый ряд вариантов — от быстрых и недорогих до хорошо справляющихся со сложными задачами. Например, чтобы распределить большое количество документов по темам, не обязательно использовать самую мощную модель. Но если поручить ИИ изучить незнакомую программу, найти проблему, исправить её и проверить, что тесты проходят, более способная модель может избавить от многих лишних шагов. Клиентам нужна не первая строчка рейтинга, а возможности, подходящие для конкретной задачи. Продукт — это инструмент, созданный самой Anthropic. Обычный пользователь может открыть чат Claude, а разработчик — использовать Claude Code для работы с кодом в проекте. Платформа позволяет другим компаниям встраивать эти возможности в собственные продукты: через API — интерфейс, с помощью которого программы обращаются к возможностям друг друга, — их системы могут поручать задачи Claude и получать результаты. Иногда вы даже не видите названия Claude — просто замечаете, что теперь задачу, для которой раньше приходилось переключаться на другой инструмент, можно продолжить выполнять в привычной программе. Это одна из самых практичных идей презентации, на мой взгляд: дать Claude работать там, где пользователи уже выполняют свою работу. Например, встроить его в Word и Excel или через отраслевые пакеты подключить к инструментам, которыми уже пользуются юристы. Для создателей продуктов здесь есть очень конкретное различие: пользователь каждый раз переносит материалы в новое окно чата или продолжает работу прямо в привычных документах, таблицах и системах? В основе может лежать одна и та же модель, но второй вариант проще превратить в повседневный рабочий процесс.
02|Почему начинать с программирования, а не сразу создавать универсального помощника?
На презентации Anthropic рассказала одну деталь: при создании Claude Code команда заметила, что ещё не выпущенные модели всё лучше понимают код, но не стала ждать, пока модель полностью созреет, прежде чем приступать к созданию инструмента. Команда заранее разработала продукт, который позволяет модели работать с проектами с кодом. В феврале 2025 года Claude Code вышел в форме ограниченной исследовательской предварительной версии вместе с Claude 3.7 Sonnet. Разработчики могут попросить его прочитать существующий код, изменить файлы, написать и запустить тесты, а затем посмотреть, что он сделал. Первоначальный запуск Claude Code[7]Вот пример: вы просите чат-помощника исправить проблему со входом в систему. Он может предложить вполне приличный фрагмент кода, но вам придётся самим добавить его в проект и проверить, не сломал ли он что-нибудь ещё. С Claude Code он может сначала найти нужные файлы, внести изменения, запустить существующие тесты, а затем передать результат человеку на проверку. Разница не в том, что ответ стал длиннее. Модель может выполнить несколько шагов в пределах предоставленных ей прав и получить обратную связь.
Такой ИИ обычно называют агентом: он не только даёт рекомендации, но и использует инструменты, чтобы действовать. Почему начинать с программирования? Потому что значительную часть результатов можно проверить: запускается ли программа, прошла ли тесты, не изменено ли что-то лишнее. Конечно, успешное прохождение тестов ещё не означает, что программу можно сразу выпускать, но по крайней мере есть способ обнаружить часть ошибок, а не гадать по красивому ответу, прав он или нет. Чтобы ИИ перешёл от ответов на вопросы к выполнению задач, людям сначала нужно дать возможность проверить, справился ли он. Именно это Anthropic имеет в виду, говоря о совместной разработке моделей и продуктов. Сначала модель обучается на большом количестве текстов, научных статей и кода, а затем на задачах с обратной связью учится решать проблемы и пользоваться инструментами. Когда продукт оказывается в руках реальных пользователей, команде проще увидеть, где модель застревает, и понять, что следует улучшить в следующем поколении. Не все улучшения достигаются за счёт увеличения модели: иногда ей не хватает умения правильно читать файлы, запускать нужные тесты или остановиться и спросить человека, если она не уверена. Когда модель получает эти возможности, продукт может браться за более сложные задачи.
Этот подход появляется и в других сферах. Фармацевтическая компания Bristol Myers Squibb (BMS) привела на презентации такой пример: раньше для ответа на сложный вопрос нужно было искать информацию в нескольких базах данных, а затем составлять отчёт — на это могло уйти месяц или два. В показанном сценарии Claude подготовил отчёт за четыре-пять минут. Это сравнение касается одного поиска и обобщения информации; сокращение сроков испытаний на 20%–30% — ожидание BMS, а не уже достигнутый результат. Главное здесь в том, что фармацевтическая компания должна сначала установить ограничения на доступ к данным и обеспечить возможность следить за работой системы, прежде чем доверять ей такие задачи.
03|Как пробное использование одной командой превращается в счёт для всей компании?
На презентации Anthropic описала путь внедрения продукта клиентами: обычно всё начинается с конкретной задачи, например инженер использует Claude Code для исправления ошибки. Если результат стабилен, инструмент начинают использовать смежные подразделения, затем к нему подключают больше процессов, а в итоге Claude могут встроить даже в продукты, продаваемые клиентам. Это типичный путь, описанный компанией, но не каждый клиент проходит его до конца. Accenture — наглядный пример. Компания использует Claude для собственной разработки программного обеспечения, а также встроила его в свою платформу кибербезопасности для клиентов CyberAI. По словам Accenture, после развёртывания платформы в собственной IT-системе сканирование на угрозы стало занимать меньше часа вместо трёх-пяти дней. Одна и та же возможность используется и как инструмент для внутренних инженеров, и как часть решения, предоставляемого клиентам. Когда она становится частью процесса оказания услуг, каждый новый клиент может увеличивать объём использования. Это также объясняет, почему бизнес Claude нельзя понимать только как подписочную модель.
В первые три квартала 2026 года около 79% выручки Anthropic приходилось на оплату по факту использования, а примерно 21% — на подписки. Можно сказать, что счёт компании зависит не только от количества людей с пропусками, но и от того, как долго каждый день работает оборудование и сколько задач оно выполняет. Компании могут напрямую подключаться к платформе Anthropic, а могут работать через привычные им облачные платформы — AWS, Google Cloud, Microsoft Azure и другие. Использование каналов закупок и развёртывания, уже знакомых клиентам, помогает перевести пробное использование в полноценную коммерческую работу. Ещё одна цифра из презентации, которую легко неверно понять, — чистое удержание выручки на уровне около 900%.
Если объяснить простыми словами: одна и та же группа клиентов, которая приносила выручку в третьем квартале прошлого года и соответствует критериям расчёта, в совокупности принесла в третьем квартале этого года примерно в девять раз больше. В показатель не входят некоторые личные подписки с фиксированной ценой, и он не означает, что каждый клиент стал тратить в девять раз больше. За тот же период число клиентов, которые принесли не менее 100 000 долларов выручки за последние 12 месяцев, превысило 11 900; это также не общее количество корпоративных клиентов. Вместе эти цифры показывают, что стало больше крупных клиентов и что та же группа клиентов в целом стала тратить больше, но не говорят, как долго сохранится такой темп роста.
04|Почему при повышении эффективности моделей нужно заранее закупать столько вычислительных мощностей?
Вычислительные мощности — это вычислительные ресурсы, предоставляемые чипами и центрами обработки данных. Для обучения моделей нужны вычислительные мощности, и они же требуются каждый раз, когда клиент просит Claude написать код или прочитать отчёт. Первое похоже на разработку продукта, второе — на регулярное оказание услуги клиенту. Anthropic сама использует Claude для исследований и операционной деятельности, а значит, тоже берёт ресурсы из общего пула. На презентации компания рассказала о двух мерах. Первая — расширение источников вычислительных мощностей: компания пишет адаптационное ПО для разных чипов и объединяет ресурсы разных поставщиков, чтобы управлять ими вместе. Помимо покупки облачных услуг, Anthropic также напрямую арендует чипы через Anthropic Direct и использует их в центрах обработки данных, работающих специально для неё. Так можно заранее зарезервировать мощности центров обработки данных, строительство которых занимает больше времени, а когда спрос станет понятнее, решить, какие и сколько чипов установить.
Вторая мера — извлекать больше пользы из уже имеющихся ресурсов. На презентации привели гипотетический пример: если раньше для обучения модели определённым возможностям требовалось 100 единиц вычислительных мощностей, а после улучшения методов эффективность выросла в четыре раза, понадобится всего 25 единиц. Можно и по-прежнему использовать 100 единиц, чтобы обучить модель, которая раньше была недостижима. Четырёхкратный рост эффективности — пример, иллюстрирующий принцип, а не утверждение, что для каждой задачи уже удалось сэкономить три четверти ресурсов. Более конкретный внутренний пример: Anthropic рассказала, что задействовала Mythos для адаптации к чипам AMD и примерно за три дня смогла запустить Claude. Этот пример показывает, что ИИ уже помогает исследовательским командам совершенствовать часть инфраструктуры, но не означает, что модель уже способна самостоятельно обучить, проверить и выпустить своё следующее поколение. Снижение стоимости отдельной задачи не означает, что общие расходы компании уменьшатся. Anthropic приводила конкретное сравнение: по оценке компании, использование Opus 5.5 для типичных задач обходится примерно на 40% дешевле, чем использование Opus 5. Но если подготовка отчёта становится дешевле, компания может начать давать такую возможность не только сотрудникам штаб-квартиры, но и командам в разных регионах. Люди могут взяться за задачи, которые раньше были слишком дорогими или трудоёмкими. То, что при каждом запросе модель потребляет меньше вычислительных мощностей, не означает, что вся система будет использовать их меньше.
Сложность в том, что нельзя ждать, пока клиенты встанут в очередь, а потом не спеша строить вычислительную инфраструктуру. Anthropic сообщила, что обычно резервирует мощности за 12–18 месяцев; ресурсы, которые приходится докупать в последний момент, обходятся дороже. Согласно раскрытиям в проспекте IPO от 10 ноября, общая сумма подписанных компанией обязательств по закупкам и аренде составляет около 900,9 млрд долларов. Почти все они связаны с вычислительными мощностями и инфраструктурой, распространяются на несколько лет, а часть контрактов предусматривает предварительные условия или возможность расторжения. Это не уже потраченные деньги и не эквивалент текущего долга. Настоящая сложность в том, что многие клиенты не гарантируют долгосрочный объём использования, тогда как компания уже должна брать на себя обязательства перед поставщиками: если купить слишком мало, при росте спроса придётся дорого докупать ресурсы; если слишком много, при замедлении спроса всё равно, возможно, придётся платить за простаивающие мощности.
05|Почему выручка около 17 млрд долларов за квартал ещё не означает, что компания уже зарабатывает?
Самая заметная цифра в презентации — выручка Anthropic за третий квартал 2026 года, около 17 млрд долларов, что более чем в 12 раз превышает показатель за тот же период прошлого года. Но выручка — это сумма продаж, признанная компанией согласно правилам бухгалтерского учёта, а не сумма поступивших на банковский счёт денег и тем более не то, что осталось в конце. Чтобы понять, работает ли эта бизнес-модель, нужно как минимум разделить три показателя. Первый — фактическая операционная прибыль. Согласно Общепринятым принципам бухгалтерского учёта США (GAAP), операционный убыток Anthropic за этот квартал составил около 567 млн долларов, а операционная маржа была примерно минус 3%. При этом компания раскрыла скорректированную операционную маржу около плюс 15%.
Почему один показатель положительный, а другой отрицательный? При расчёте второго показателя исключаются две основные статьи расходов: вознаграждение сотрудников акциями и неденежные расходы компании на пожертвования акциями. Скорректированный показатель помогает оценить операционные результаты без этих статей, но нельзя считать, что у этих расходов нет цены лишь потому, что деньги не были выплачены сразу. Второй показатель — движение денежных средств. Согласно тому же проспекту IPO, за первые три квартала 2026 года чистый денежный поток от операционной деятельности составил около 6,569 млрд долларов. Это показатель не за один только третий квартал, и его нельзя считать суммой, которая останется после будущих инвестиций в оборудование и инфраструктуру. И наоборот, если смотреть только на чистый убыток за третий квартал — около 23,3 млрд долларов, — нельзя сказать, что компания сожгла столько денег за этот квартал: примерно 21,9 млрд долларов из этой суммы — неденежные корректировки балансовой стоимости, возникшие из-за изменения оценки конвертируемых облигаций и других финансовых инструментов. Третий показатель — делает ли рост бизнес менее затратным. Долгосрочная цель компании — скорректированная операционная маржа выше 35%. Для этого должны повыситься эффективность использования вычислительных мощностей и качество структуры закупок, а доля прочих расходов в выручке — снизиться.
Однако текущие операционные показатели не растут непрерывно: скорректированная операционная маржа во втором квартале составляла около 19%, а в третьем снизилась примерно до 15%. В проспекте IPO компания объяснила это тем, что в третьем квартале поставила вычислительные мощности на сумму около 5 млрд долларов по краткосрочным обязательствам, а краткосрочные мощности обычно обходятся дороже. Быстрый рост спроса — это хорошо, но для того, чтобы удовлетворить его, сначала, возможно, придётся понести более высокие расходы. Это интереснее, чем просто навешивать на компанию ярлык «уже зарабатывает» или «всё ещё сжигает деньги».
Клиенты могут быть готовы платить больше, прибыль по одному из показателей может быть положительной, а в будущем при этом могут потребоваться крупные вложения. Поэтому нетрудно понять, почему компании нужно привлекать финансирование, несмотря на быстрый рост выручки: некоторые вычислительные мощности нужно оплатить ещё до того, как они начнут приносить доход. Anthropic предстоит доказать, что по мере того, как всё больше клиентов поручают Claude всё больше работы, заработанных денег будет хватать на постоянное покрытие расходов бизнеса, а не только на то, чтобы сходиться в одном удачном квартале.
06|Почему компания, которая продаёт всё более мощный ИИ, не выпускает все самые сильные возможности для широкой публики?
Mozilla, создатель браузера Firefox, исправила в Firefox 150 271 проблему безопасности, обнаруженную Claude Mythos Preview. Само описание ситуации Mozilla интереснее этой цифры: после того как модель обнаружила подозрительные проблемы, команде всё равно пришлось оценить их серьёзность, убрать дубликаты, написать исправления, протестировать их и выпустить. Модель стала быстрее находить проблемы, но инженеры не исчезли из процесса — напротив, им пришлось искать способы обработать больше результатов.
Одни и те же способности могут помогать защитникам искать уязвимости, но ими могут воспользоваться и злоумышленники, чтобы найти точки входа. Поэтому в рамках Project Glasswing Anthropic сначала предоставила Mythos Preview контролируемый доступ партнёрам по безопасности, а не открыла модель сразу для всех. По состоянию на ноябрь 2026 года представленные компанией Fable 5.2 и Mythos 5.2 основаны на одной и той же базовой модели: Fable с более строгими средствами защиты в сфере кибербезопасности и биобезопасности доступна широкой аудитории, тогда как Mythos предоставляется через проверенные каналы для подходящих задач в сфере кибербезопасности и наук о жизни. Способна ли модель выполнить задачу, кому разрешено ею пользоваться и кто отвечает за результат — это три разных вопроса. В науке действует тот же принцип. Anthropic рассказывала об одном эксперименте: Claude обнаружил аномальный повторяющийся участок в массиве генетических данных, после чего исследователи провели предварительную проверку в лаборатории; принцип работы этой системы ещё предстоит изучить. Лаборатория реактивного движения NASA также сообщала, что Claude участвовал в планировании маршрута марсохода «Персеверанс», но инженерная команда сначала проверила команды на виртуальном марсоходе и только потом отправила их на Марс. В этих примерах важнее всего не то, что ИИ уже умеет самостоятельно работать учёным или управлять марсоходом, а то, что он расширяет возможности человека, при этом важные результаты всё ещё можно проверить.
По словам компании, безопасность — это не только дополнительный барьер перед выпуском модели. Она также включает обучение модели тому, как реагировать на вредоносные запросы, и исследование причин, по которым внутри модели возникает то или иное поведение. Для компаний это не то же самое, что вопрос «может ли система получить доступ к определённому файлу и можно ли расследовать проблему, если она возникнет»: речь идёт о поведении самой модели, с одной стороны, и правах доступа и ответственности при её внедрении в реальные рабочие процессы — с другой. Чтобы определить, кто вправе принимать решения под давлением коммерческих интересов, Anthropic предусмотрела ещё один уровень корпоративного управления. Она учреждена в соответствии с законодательством штата Делавэр как общественно полезная корпорация: она может получать прибыль, но также обязана учитывать общественные интересы. Согласно описанию в проспекте IPO, если размещение состоится, траст долгосрочных интересов, владеющий специальными акциями, обычно сможет назначать и смещать четырёх из семи членов совета директоров, но не будет отвечать за повседневное управление и не будет утверждать выпуск каждой новой модели. За этой системой стоит следить, но она не гарантирует, что компания всегда будет принимать правильные решения. Ограничение доступа может привести к потере части продаж, а дополнительные тесты безопасности потребуют денег. С другой стороны, прозрачность в вопросах прав доступа, аудита и ответственности может помочь привлечь больше клиентов, готовых подключить важные задачи. Эти две стороны вопроса нужно рассматривать отдельно.
Вернёмся к страховой заявке из начала статьи. ИИ обработал материалы, но решение по-прежнему принимает страховой специалист. Однако распределение работы уже изменилось: машина выполняет то, что у неё получается лучше всего, а человек оставляет время для задач, требующих профессионального суждения. Если для Anthropic такое изменение может происходить во всё большем числе рабочих процессов, а стоимость каждого дополнительного надёжного результата не выходит из-под контроля, то она продаёт не просто удобный чат-помощник.
После презентаций для инвесторов я продолжу следить за тремя вещами: готовы ли давние клиенты поручать Claude более важные задачи; продолжает ли снижаться общая стоимость надёжного выполнения задачи с учётом проверки человеком и переделок; и какие решения примет компания, когда безопасность действительно вступит в конфликт с ростом.
Эти три вещи говорят о будущем компании больше, чем впечатляющая демонстрация или быстрый рост за один квартал. Если вы думаете о внедрении ИИ в своей команде, можно начать с того же вопроса: какую следующую задачу стоит ему поручить? Если он ошибётся, кто это заметит и кто возьмёт работу обратно?