Анализ
OpenAI сокращает отрыв Anthropic в росте корпоративных расходов, указывает набор данных Ramp
Данные о транзакциях, охватывающие десятки тысяч бизнес-аккаунтов в США, показывают, что OpenAI ускоряет темп роста корпоративного сегмента по сравнению с конкурентом Anthropic. В то время как Anthropic сохранял умеренное преимущество в расходах в июле, OpenAI сократила часть разрыва по марже, поскольку корпоративное внедрение достигло большинства порогов.
Эльвин С ·
Платформа для управления корпоративными картами и расходами Ramp отслеживала финансовые транзакции более чем 70 000 американских компаний, выявив, что OpenAI начала отжимать долю корпоративного рынка у конкурента Anthropic в начале третьего квартала 2026 года. Недавний отчет TechCrunch, детализирующий показатели расходов, показывает, что Anthropic захватила почти 44 процента от общего объема корпоративных расходов на программное обеспечение искусственного интеллекта в июле, тогда как OpenAI зафиксировала почти 40 процентов. Однако данные о темпах роста транзакций за текущий квартал показывают, что OpenAI развивается быстрее, что сигнализирует о возможном изменении динамики закупок корпоративного программного обеспечения.
В более широкой базе данных клиентов, проанализированной компанией Ramp, к июлю 2026 года почти 56 процентов бизнес-аккаунтов обработали прямые платежи за программное обеспечение с искусственным интеллектом, инструменты для разработчиков или вычислительные кредиты. Этот этап внедрения демонстрирует, как быстро возможности генеративного языка перешли от спекулятивных исследовательских пилотов к постоянным статьям расходов на операционных счетах компаний. Для корпоративных поставщиков программного обеспечения достижение проникновения в большинство корпоративных расходов указывает на то, что рост рынка переходит от первоначального привлечения клиентов к расширению бюджета и удержанию доли рынка в существующих аккаунтах. Отчет TechCrunch документирует материалы, лежащие в основе этого отчета.
Финансовые аналитики и директора по корпоративным закупкам подчеркивают, что набор данных о транзакциях требует тщательной интерпретации в отношении фундаментальной динамики рынка. Набор транзакций, отслеживаемый Ramp, сильно смещен в сторону технологических стартапов, компаний, финансируемых венчурным капиталом, и цифровых средних компаний, которые обрабатывают счета поставщиков через корпоративные кредитные карты и автоматизированные платформы расходов. В отличие от этого, крупные предприятия из списка Fortune 500 часто заключают многолетние соглашения по программному обеспечению через корпоративные счета, прямые банковские переводы или согласованные обязательства перед поставщиками облачных услуг, которые не отображаются на стандартных корпоративных платежных картах. Следовательно, хотя набор данных не охватывает все мировые корпоративные расходы, он предоставляет высокочастотный показатель покупательских моделей в технологически ориентированных коммерческих секторах.
Anthropic установила сильное присутствие на рынке в начале 2026 года, позиционируя свои базовые модели вокруг надежности систем, больших окон обработки контекста и ориентированности на корпоративную работу разработчиков. Эти технические характеристики нашли большой отклик у инженерных подразделений предприятий и специализированных поставщиков программного обеспечения, создающих автоматизированные инструменты для клиентов. То, что Anthropic обеспечила почти 44 процента измеренных корпоративных расходов в июле, демонстрирует устойчивое удержание корпоративных клиентов и высокий повторяющийся уровень использования разработчиками в крупных программных аккаунтах.
Тем не менее, недавнее ускорение расходов, зафиксированное OpenAI, указывает на то, что лидерство на рынке корпоративного программного обеспечения остается нестабильным. Покупатели корпоративных технологий все чаще управляют накладными расходами на программное обеспечение, используя стратегии с несколькими поставщиками, распределяя внутренние операционные нагрузки между конкурирующими поставщиками моделей в зависимости от сложности задач, скорости выполнения и стоимости единицы токена. По мере расширения OpenAI своего присутствия в корпоративных продажах, корпоративные программные счета выделяют дополнительный капитал на ее платформу для поддержки как подписок для нетехнических сотрудников, так и инфраструктуры серверных приложений. Увеличение предоставляет полезную техническую информацию для оценки этого утверждения.
Эффективность капитала и затраты на переключение корпоративных моделей
С точки зрения рыночной стратегии, структурная гибкость программного обеспечения, построенного на интерфейсах прикладного программирования (API), создает постоянные риски для долгосрочного удержания доходов поставщика. В отличие от устаревших платформ корпоративного программного обеспечения, которые фиксировали корпоративных клиентов в жестких структурированных базах данных и специализированных проприетарных рабочих процессах, приложения программного обеспечения, построенные на базовых языковых моделях, могут корректировать свои базовые конечные точки с помощью умеренных изменений в коде. Когда конкурирующие поставщики моделей изменяют свои структуры ценообразования на токены, выпускают обновления производительности или сталкиваются с перебоями в сервисе, команды корпоративной разработки могут быстро перераспределить объем запросов токенов на альтернативных поставщиков.
Эта структурная ликвидность в расходах разработчиков создаёт сильное давление на маржу единицы продукции по всему сектору искусственного интеллекта. Разработка передовых моделей нового поколения требует чрезвычайных капитальных вложений в специализированные аппаратные ускорители, огромные мощности центров обработки данных и специализированные инженерные кадры. Когда возможности конкурирующих моделей достигают почти равного уровня по стандартным корпоративным бенчмаркам, разработчики моделей теряют ценовое преимущество и вынуждены активно конкурировать по ставкам вывода на один токен. Если корпоративные покупатели будут рассматривать сырые токены выводов как взаимозаменяемые товарные ресурсы, валовая прибыль разработчиков моделей может значительно сократиться, даже если общие расходы по корпоративным счетам будут расти. Операционная компромиссная ситуация также отражается в Anthropic.
Одновременно корпоративные финансовые директора вводят более строгий контроль капитала для счетов на генеративное программное обеспечение, поскольку эти инструменты превращаются из экспериментальных пилотных бюджетов в основные операционные расходы. Во время первой волны внедрения корпоративные покупатели программного обеспечения часто разрешали параллельные подписки у нескольких поставщиков моделей, чтобы внутренние команды могли оценивать конкурирующие технические утверждения. В нынешней среде расходов отделы закупок активно консолидируют соглашения с поставщиками, устанавливают строгие ежемесячные лимиты на использование токенов и проводят регулярные аудиты отчетов о расходах на программное обеспечение для устранения избыточных операционных затрат.
Широкое внедрение корпоративных лицензий ChatGPT обеспечило OpenAI предсказуемый поток денежных средств от подписки, который помогает компенсировать естественную волатильность расходов разработчиков на API. Лицензии на программное обеспечение на основе количества мест приносят стабильный регулярный доход, обеспечивая финансовую устойчивость даже при колебаниях в использовании приложений. По мере того как корпоративные клиенты увеличивают количество мест в административных, маркетинговых и юридических отделах, доход от подписки предоставляет надежную основу, поддерживающую текущие инвестиции в инфраструктуру.
Напротив, высокое потребление API разработчиками остаётся основным двигателем скорости роста выручки для разработчиков фундаментальных моделей. Когда предприятие успешно интегрирует языковую модель в приложения с высоким трафиком или внутренние автоматизированные рабочие процессы, потребление токенов быстро масштабируется вместе с вовлечённостью клиентов. Конкурентная динамика между подписками на основе пользователей и потреблением API на основе использования создаёт разнонаправленные структуры стимулов, которые определяют, как каждый поставщик приоритизирует разработку продукта и стратегию выхода на рынок.
Подписка на места, API-нагрузки и давление на маржу
Партнёрские отношения по облачному распространению в сфере корпоративного сегмента дополнительно осложняют попытки измерить общий доминирующий коммерческий доход в отрасли. В то время как прямые транзакции по кредитным картам, отслеживаемые платформами управления расходами, предоставляют ценную прозрачность в поведении среднерыночных компаний, крупные облачные гиперскейлеры предоставляют альтернативные пути закупок. Крупные корпоративные предприятия часто оплачивают расходы на использование моделей, списывая заранее согласованные соглашения о расходах на корпоративные облачные услуги с поставщиками публичных облаков, что полностью обходится без корпоративных кредитных карт и скрывает общие базовые распределения доходов от моделей. ChatGPT помогает разместить проблему в более широком контексте политики и инженерии.
Давление финансов второго уровня также побуждает команды по разработке корпоративного программного обеспечения пересматривать свои долгосрочные системные архитектурные решения. Вместо того чтобы полагаться исключительно на дорогие передовые модели для каждого автоматизированного шага, корпоративные разработчики все чаще внедряют гибридные системные конструкции, которые направляют базовые задачи на более простые, экономичные модели с открытыми весами или специализированные архитектуры для отдельных областей. Резервируя модели премиум-класса исключительно для задач сложного рассуждения, корпоративные программные учетные записи могут достичь значительного снижения операционных расходов, одновременно ограничивая общие затраты, выплачиваемые разработчикам основных моделей.
Несмотря на эти архитектурные оптимизации и меры по контролю расходов, общая тенденция к глубокой корпоративной интеграции инструментов искусственного интеллекта остается очевидной по данным о тратах. Почти 56 процентов исследованных компаний поддерживают активные обязательства по расходам на программное обеспечение для услуг искусственного интеллекта, и эти платформы успешно превратились в необходимую бизнес-инфраструктуру. Основная задача, с которой сталкиваются разработчики фундаментальных моделей, заключается в том, чтобы превратить широкую зависимость предприятий в защищаемые нормы прибыли, способные финансировать огромные вычислительные инвестиции, необходимые для будущих архитектур моделей. Понимание этой динамики требует изучения среды OpenAI API и того, как структуры ценообразования, основанные на использовании, формируют поведение предприятий при закупках.
По мере продвижения третьего квартала 2026 года сокращающийся разрыв в корпоративных расходах между Anthropic и OpenAI иллюстрирует быстро меняющуюся динамику внедрения коммерческого ИИ. В то время как Anthropic сохраняет умеренное лидерство по общим измеренным расходам в выборке технологически ориентированных бизнесов Ramp, OpenAI продемонстрировала сильное коммерческое исполнение, ускорив темпы роста своих транзакций. Для рыночных стратегов и покупателей корпоративных технологий отслеживание потоков финансовых транзакций через сети корпоративных карт предоставляет важный ранний индикатор конкурентоспособности в отрасли, определяемой высокой капиталоемкостью и быстрыми технологическими изменениями.
Темы: OpenAI, Anthropic, корпоративное программное обеспечение, искусственный интеллект, корпоративные расходы