Verdreifacht sich der Umsatz, und dennoch steckt man immer noch in der "Geldfressenden Schlucht"? Analyse der Rechenleistungseinschränkung und der Sorge um die Monetarisierung hinter den Finanzdaten von Anthropic
Das God Translation Bureau ist ein Übersetzungsteam unter der Flagge von 36Kr. Es beschäftigt sich mit Bereichen wie Technologie, Geschäft, Arbeitsplatz und Lebensstil und stellt insbesondere neue Technologien, Ideen und Trends aus dem Ausland vor.
Herausgeberhinweis: Kann eine Verdreifachung des Umsatzes das Cashflow retten? Wenn Programmieragenten die Effizienz übertreffen, stoßen sie jedoch auf die Kapazitätsgrenzen von Lithographieanlagen und das Stromnetz. Die Beschränkung der Rechenleistung und die Preiserhöhungen stehen bevor. Dies ist nicht nur eine Verlustkrise für AI - Labore, sondern letztendlich könnte auch jeder einzelne Nutzer die Rechnung zahlen müssen. Der Artikel ist eine Übersetzung.
Ende vergangenen Jahres hat eine neue AI - Euphorie begonnen. Diesmal stehen "Programmieragenten" (coding agents) im Mittelpunkt.
Die Leute beginnen zu behaupten, dass die Programmierung eine neue Ära betritt. Solche Klischees hört man ständig.
Es ist schwer zu beschreiben, wie groß die Veränderungen sind, die die AI in den letzten zwei Monaten für die Programmierung gebracht hat. Diese Veränderungen sind keine "schrittweisen" üblichen Fortschritte, sondern beziehen sich speziell auf den vergangenen Dezember. Obwohl es noch einige Vorbedingungen und Einschränkungen (asterisks) gibt, waren Programmieragenten (Coding Agents) meiner Meinung nach vor Dezember im Wesentlichen nicht einsetzbar, und seitdem sind sie im Wesentlichen einsatzfähig - die Qualität des Modells, die langfristige Kohärenz und Robustheit haben sich deutlich verbessert. Sie können große und langfristige Aufgaben bewältigen, und ihre Leistung ist stark genug, um die Standard - Programmierarbeitsabläufe subversiv zu beeinflussen.
Monate später haben wir nicht nur leere Behauptungen. Wir haben Daten. Und diese Daten zeigen, dass sich auf dem Markt etwas Außergewöhnliches abspielt.
Programmieragenten sind das erste AI - Produkt, für das Benutzer bereit sind, in großem Maßstab und kontinuierlich zu bezahlen, weil es die Arbeitsleistung direkt verbessern kann. Obwohl es noch zu früh ist, zu behaupten, dass Unternehmen ganzheitlich Agenten für ihren Geschäftsprozess einsetzen, steigt der Bedarf an Rechenleistung schneller, als es jemand aufbauen kann.
Im Folgenden werde ich darüber sprechen, warum die gegenwärtige Situation anders ist als früher, warum niemand darauf vorbereitet war und was ich persönlich daraus gelernt habe.
Die Daten sprechen für sich
OpenAI und Anthropic werden vielleicht bald eine Börsengänge durchführen. Deshalb sind sie darauf bedacht, zu zeigen, wie erstaunlich schnell ihr Umsatz wächst.
Dieser Betrag ist enorm.
Der Umsatz von Anthropic hat sich seit Jahresbeginn verdreifacht. Es ist eine große Firma, und je größer die Firma, desto schwieriger ist es, eine gleichbleibende Wachstumsrate aufrechtzuerhalten. Also ist diese Leistung wirklich beeindruckend.
Links ist der Jahresumsatz von OpenAI, rechts der von Anthropic.
Selbst in früheren Boom - Phasen hat niemand solche Daten erzielt (natürlich gibt es eine Vorbedingung, siehe unten). Zoom während der Pandemie, Google bei seiner Börsengänge oder Coinbase, das während der Kryptowelle hohe Provisionen eintraf. Diese Firmen waren damals nur ein Fünftel bis ein Zehntel so groß wie Anthropic und befanden sich in einer besonderen Situation, aber ihre Wachstumsrate war dennoch etwas langsamer!
Die Jahre mit dem schnellsten Wachstum großer Firmen. Es werden nur etablierte Firmen berücksichtigt. Der Umsatz wird zu Jahresbeginn und -ende verglichen.
Vorbedingung: Erstens haben auch die Impfstoffhersteller während der Pandemie beeindruckende Leistungen gezeigt. Zweitens basieren die Daten von Anthropic auf einer Prognose für das ganze Jahr, die auf frühen Daten beruht, und ihre Statistikmethode unterscheidet sich etwas von der von OpenAI. Dies beeinflusst jedoch nicht meine Schlussfolgerung, nämlich:
Das echte Geld, das in die "Agentensysteme" investiert wird, ist der zuverlässigste Indikator für den tatsächlichen Bedarf.
Letztes Jahr, als plötzlich viele Leute feststellten, dass ChatGPT coole Bilder generieren kann, hat diese Hype nicht in einen realen Umsatz umgesetzt werden können.
Zur gleichen Zeit stieg der Anteil der Claude Code - Commits in öffentlichen GitHub - Repositories im Januar von 2 % auf 4 %. Wenn dies unbedeutend klingt, denken Sie daran, dass dies nur der Verlauf eines Monats ist und dass Codex, Copilot oder Devin nicht berücksichtigt wurden. Dylan Patel prognostiziert, dass der Anteil von Claude bis Ende dieses Jahres 20 % überschreiten wird.
Claude - Commits auf GitHub.
Selbst wenn ein monatliches Abonnement von 100 Dollar nur einen kleinen Teil der Arbeit automatisieren kann, ist dies im Vergleich zum Gehalt eines Programmierers nur ein Bruchteil. Für einen normalen Entwickler mit einem täglichen Gehalt zwischen 350 und 500 Dollar hat ein Abonnement, das die einfachsten und mechanischsten 10 % der Arbeit übernimmt, eine Rendite (ROI) von 10 bis 30 Mal.
Es gibt viele Punkte in dieser Argumentation, die diskutiert werden können.
Ich kann sogar selbst die Schwächen in meiner Logik aufzählen.
Der Umsatz steigt, das stimmt. Aber aus geschäftlicher Sicht sind diese Labore immer noch im Verlust. Sie haben einen starken Anreiz, Sensationen zu machen, um die risikobereitesten Firmen anzuziehen. Die meisten bezahlenden Nutzer sind derzeit frühe Enthusiasten, keine großen Unternehmen. Und die Begeisterung der Enthusiasten ist oft flüchtig, und so platzen viele Blasen.
Agenten sind nicht stabil und machen immer noch zufällige Fehler. Wer trägt die Verantwortung, wenn etwas schief geht? Da etablierte Unternehmen auf Zuverlässigkeit Wert legen, können Agenten derzeit noch nicht den Menschen ersetzen. Und wenn Sie auf die Einstellung von Junior - Ingenieuren verzichten, woher sollen dann in Zukunft die Senior - Ingenieure kommen?
Agenten können derzeit nur einen kleinen Teil bestimmter Aufgaben bewältigen. Selbst wenn das Schreiben von Code schneller wird, ist die Produktlieferung immer noch von der Anforderungsanalyse, der Architekturplanung, der Code - Überprüfung, den Tests sowie den von uns "gehassten" Stakeholder - Videokonferenzen und Compliance - Prozessen abhängig.
Aber ich denke, dass es einen Zeitpunkt gibt, an dem Sie sich entscheiden müssen, auch wenn noch keine endgültige Entscheidung getroffen wurde.
Die "Ziellinie" kann immer weiter hinausgeschoben werden. Es war einmal undenkbar, dass maschinelle Lernmodelle logische Schlussfolgerungen ziehen können; das gleiche galt für die Erzeugung von hochwertigen Bildern oder Sprache, die nicht wie von einem Roboter klingt. Niemand glaubte einmal, dass Maschinen Go lernen können. Sie wissen, was ich meine.
Zitat aus dem Buch "Life 3.0" von Max Tegmark: Computer lernen allmählich, immer schwierigere Aufgaben zu bewältigen. Mit der Zeit können sie immer weniger Dinge nicht bewältigen. Es ist wie eine Flut, die eine Karte allmählich von unten nach oben überflutet.
Ilya Sutskever hat es, als er noch bei OpenAI war, oft mit einem internen Spruch auf den Punkt gebracht: "Fühle die AGI" (Feel the AGI).
Er war einer der ersten, die fest davon überzeugt waren, dass das Deep Learning das menschliche Leben allmählich verändern würde. Ja, es gibt noch viele unbekannte Gebiete, aber alles entwickelt sich in diese Richtung, und das ist das Wichtigste. Jeder spürt diesen "Moment" zu einem anderen Zeitpunkt. Wenn ein neuronales Netz eine Aufgabe bewältigt, die Sie normalerweise manuell erledigen müssten, ist das eine ganz besondere Erfahrung.
In den zehn Jahren, in denen ich mich mit neuronalen Netzen beschäftige, habe ich solche Momente unzählige Male erlebt. Deshalb interessiert es mich nicht mehr, ob es sich um eine Blase handelt. Ich interessiere mich nur dafür, wie der Wasserstand steigt.
Persönlich habe ich genügend Beweise, dass Agenten bereits wertvolle Aufgaben erledigen können, für die Unternehmen bereit sind, Geld auszugeben.
Und der Bedarf hat noch viel Wachstumspotential. Agenten sind normalerweise nicht sofort einsatzbereit. Sie müssen sich an sie gewöhnen, und diejenigen, die am schnellsten reagieren und am neugierigsten sind, schaffen es am besten. Die anderen werden auch allmählich folgen.
Und...
Die Branche ist nicht vorbereitet
Um die Diskussion über die "Branche" nicht zu abstrakt zu gestalten, teile ich sie in drei Ebenen auf.
AI - Labore: Sie sind für die Entwicklung von Modellen verantwortlich (OpenAI, Anthropic, DeepMind).
Hyperskalige Cloud - Anbieter: Sie bauen Datencentren (Google, Amazon, Microsoft, Meta).
Chiphersteller: Sie produzieren Chips (Nvidia, TSMC, ASML).
Und auf jeder Ebene fühlen sich diese Firmen angstvoll.
Die Netizens lieben es, über Blasen zu diskutieren. Tatsächlich wissen diese Firmen selbst, dass es Blasen gibt. Um Bankrott zu vermeiden, entwickeln alle Firmen eigene Strategien.
Dario Amodei hat gesagt, dass er den Unternehmensplan auf der Grundlage einer pessimistischen Umsatzprognose entwickelt hat. Ironischerweise sind ihre Ergebnisse nach nur drei Monaten dieses Jahres 1,5 Mal höher als die pessimistische Prognose, und sogar die optimistische Prognose liegt hinter ihnen zurück.
Dwarkesh hat ihn in einem Interview direkt gefragt: Warum? Dario glaubt wirklich an das enorme Potenzial der AI. Er hat lange Artikel geschrieben, in denen er "das Geniestaat im Rechenzentrum" beschreibt. Dennoch will er nicht alle Einsätze auf diese Zukunft setzen.
Dario hält dies für riskant, weil es in der Geschäftsmodell noch eine Cashflow - Lücke gibt.
Seine Vorstellung ist die folgende: Sie bieten Nutzern neuronale Netzwerke an, zahlen den Hardwarebesitzern Inferenceskosten und verdienen über Abonnements und APIs. Gleichzeitig investieren sie enorme Summen in die Entwicklung der nächsten Generation von Modellen, die in den nächsten ein bis zwei Jahren keine Einnahmen generieren werden.
Jährliche Rechenleistungskosten von AI - Firmen. Sie investieren oft mehr als die Hälfte ihres Umsatzes in die Forschung und Entwicklung.
Sie müssen nicht nur die Einnahmen und Ausgaben ausbalancieren, sondern auch die Investitionen in das zukünftige Wachstum. Wenn Sie viel Geld investieren und das erwartete Wachstum nicht eintritt, ist das problematisch.
Anthropic betreibt dieses Modell seit drei Jahren und wächst jedes Jahr um das Zehnfache. Dario hatte erwartet, dass dieses Wachstum 2026 enden würde, weil es für größere Firmen schwieriger ist, das Wachstum aufrechtzuerhalten, und irgendwann würde es langsamer werden.
Was er im Interview nicht erwähnt hat, ist, dass ihre Gewinnspanne geringer als erwartet ist. Die Kosten steigen viel schneller als geplant.
Dario möchte in den nächsten Jahren Gewinn erreichen. Dazu müssen sie die Gewinnspanne erhöhen, was bedeutet, dass sie das Wachstum verlangsamen und stattdessen eine konservative Investitionsstrategie verfolgen müssen, indem sie nur in die effizientesten Projekte investieren.
Diese Logik ist richtig, aber es ist nicht einfach, das Wachstum zu verlangsamen. Es scheint, dass sie auch dieses Jahr um das Zehnfache wachsen werden, aber die Ressourcen, die für dieses Wachstum erforderlich sind, reichen nicht.
Anthropic hat nicht genug Rechenleistung, um so viele Kernnutzer zu bedienen.
Sie mieten GPU von Cloud - Anbietern. Aber sie können nicht einfach in ein Rechenzentrum gehen und nach mehr Kapazität fragen, weil die Besitzer der Rechenzentren ebenfalls vor Blasenrisiken schützen müssen, und die Rechenleistungskapazitäten sind im Voraus ausgebucht.
Um Anthropic 30 Milliarden US - Dollar zu verdienen