Аналитика
OpenAI Narrows Anthropic Лидер в росте корпоративных расходов, как показывает набор данных Ramp
Данные о транзакциях, охватывающие десятки тысяч бизнес-аккаунтов в США, показывают, что OpenAI ускоряет темпы роста своего предприятия по сравнению с конкурентом Anthropic. В то время как Anthropic сохранял умеренное лидерство по расходам в июле, OpenAI сократил часть разрыва, поскольку уровень внедрения в корпоративном секторе достиг большинства.
Элвин С. ·
Платформа управления корпоративными картами и расходами Ramp отслеживала финансовые транзакции более чем 70 000 американских компаний, выявив, что OpenAI начал захватывать долю корпоративного рынка у конкурента Anthropic в начале третьего квартала 2026 года. Недавний отчет TechCrunch, подробно описывающий основные показатели расходов, указывает на то, что Anthropic захватила почти 44 процента от общего измеренного корпоративного расхода на программное обеспечение на базе искусственного интеллекта в июле, по сравнению с почти 40 процентами, захваченными OpenAI. Тем не менее, данные о темпах роста транзакций за квартал на сегодняшний день показывают, что OpenAI расширяется быстрее, что сигнализирует о возможном смещении динамики закупок корпоративного программного обеспечения.
По более широкой выборке клиентов, проанализированной компанией Ramp, к июлю 2026 года почти 56 процентов бизнес-аккаунтов осуществили прямые платежи за программное обеспечение с искусственным интеллектом, инструменты для разработчиков или вычислительные кредиты. Этот рубеж внедрения демонстрирует, насколько быстро возможности генеративного языка перешли от экспериментальных исследовательских пилотов к постоянным статьям в корпоративных балансах. Для поставщиков корпоративного программного обеспечения достижение проникновения большинства среди корпоративных счетов расходов указывает на то, что рост рынка переходит от первоначального привлечения клиентов через пробные версии к расширению бюджета и удержанию доли рынка внутри существующих аккаунтов. отчет TechCrunch документирует отчётность, лежащую в основе этой записи.
Финансовые аналитики и директора по корпоративным закупкам подчеркивают, что набор данных о транзакциях требует внимательной интерпретации в контексте основных рыночных процессов. Пул транзакций, отслеживаемый компанией Ramp, сильно смещен в сторону технологических стартапов, компаний с венчурным финансированием и цифровых средних компаний, которые обрабатывают счета поставщиков через корпоративные кредитные карты и автоматизированные платформы учета расходов. Напротив, крупные предприятия из списка Fortune 500 часто заключают многолетние программные соглашения через корпоративные счета, прямые банковские переводы или согласованные обязательства поставщиков облачных услуг, которые не отражаются на стандартных корпоративных платежных картах. Следовательно, хотя набор данных не охватывает всю глобальную корпоративную тра��ту, он предоставляет высокочастотный показатель покупательских моделей в технологически ориентированных коммерческих секторах.
Anthropic установила прочное присутствие на рынке в начале 2026 года, позиционируя свои фундаментальные модели вокруг надежности систем, больших окон обработки контекста и ориентации на корпоративных разработчиков. Эти технические характеристики вызвали сильный отклик у инженерных организаций предприятий и специализированных поставщиков программного обеспечения, создающих автоматизированные инструменты для клиентов. Anthropic, обеспечившая почти 44 процента оцененных корпоративных расходов в июле, демонстрирует устойчивое удержание корпоративных клиентов и активное повторное использование разработчиками в рамках высокообъемных программных аккаунтов.
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 программными издержками, применяя стратегии с несколькими поставщиками, распределяя внутренние операционные нагрузки между конкурирующими поставщиками моделей в зависимости от сложности задач, скорости выполнения и стоимости токенов. По мере расширения продаж OpenAI на корпоративном рынке, корпоративные программные счета выделяют дополнительные средства на ее платформу для поддержки подписок сотрудников не-технических специальностей и инфраструктуры бэкенд-приложений. Ramp предоставляет полезные технические основы для оценки утверждения.
Эффективность капитала и издержки переключения модели предприятия
С точки зрения рыночной стратегии, структурная гибкость программного обеспечения, построенного на интерфейсах программирования приложений, вносит постоянные риски для долгосрочного удержания доходов поставщика. В отличие от устаревших корпоративных программных платформ, которые запирали корпоративных клиентов в жестких структурах баз данных и специализированных проприетарных рабочих процессах, программные приложения, построенные на фундаментальных языковых моделях, могут менять свои основные серверные конечные точки с небольшими изменениями кода. Когда конкурирующие поставщики моделей изменяют структуру ценообразования на токены, выпускают обновления производительности или сталкиваются с перебоями в обслуживании, команды корпоративной разработки могут быстро перераспределять объем запросов токенов между альтернативными поставщиками.
Эта структурная ликвидность в расходах разработчиков создает сильное давление на маржу за единицу во всем секторе искусственного интеллекта. Разработка передовых моделей требует огромных капиталовложений в специализированные аппаратные ускорители, огромную мощность центров обработки данных и специализированные инженерные кадры. Когда возможности конкурирующих моделей достигают почти паритета по стандартным корпоративным бенчмаркам, разработчики моделей теряют ценовое влияние и вынуждены активно конкурировать по ставкам вывода одной токен-инференции. Если корпоративные покупатели рассматривают токены инференции как взаимозаменяемые товарные ресурсы, валовая маржа разработчиков моделей может значительно сократиться, даже если абсолютные объемы расходов по корпоративным счетам растут. Операционная компромиссия также отражается в Anthropic.
Главные финансовые директора корпораций одновременно вводят более строгие контрольные меры за капиталом в отношении счетов генеративного программного обеспечения, поскольку эти инструменты переходят от экспериментальных пилотных бюджетов к основным операционным расходам. В начальной волне 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 консолидаируют соглашения с поставщиками, устанавливают строгие ежемесячные пределы расходов на токены и проводят регулярные проверки отчетов о расходах на программное обеспечение с целью устранения избыточных операционных расходов.
Широкое внедрение корпоративных лицензий ChatGPT обеспечило OpenAI с предсказуемым потоком денежных средств от подписки, который помогает компенсировать естественную нестабильность расходов разработчиков на API. Лицензии на программное обеспечение на основе количества пользователей приносят стабильный повторяющийся доход, обеспечивая финансовую стабильность даже при колебаниях использования приложений. По мере того как корпоративные клиенты увеличивают количество мест в административных, маркетинговых и юридических отделах, доход от подписки обеспечивает надежную основу, поддерживающую текущие инвестиции в инфраструктуру.
Напротив, потребление API разработчиками с высоким объемом остается основным двигателем ускорения роста выручки для разработчиков фундаментальных моделей. Когда предприятие успешно интегрирует языковую модель в приложения с большим потоком пользователей или внутренние автоматизированные рабочие процессы, потребление токенов быстро увеличивается вместе с вовлеченностью пользователей. Конкурентная динамика между подписками на места и потреблением API по использованию создает различные стимулы, которые определяют, как каждый поставщик расставляет приоритеты в разработке продукта и стратегии выхода на рынок.
Подписные места, API-нагрузки и давление на маржу
Партнёрства по распределению облачных услуг для предприятий ещё больше усложняют попытки измерить общую коммерческую доминацию доходов в отрасли. В то время как прямые операции по кредитным картам, отслеживаемые платформами управления расходами, предоставляют ценную прозрачность в поведении средних компаний, крупные облачные гипермасштабируемые провайдеры предлагают альтернативные пути закупок. Крупные корпоративные предприятия часто покрывают расходы на использование моделей за счёт израсходования заранее согласованных соглашений о расходах на облачные услуги с поставщиками публичного облака, что полностью обходит корпоративные кредитные карты и скрывает общие распределения доходов по моделям. ChatGPT помогает разместить проблему в более широком контексте политики и инженерии.
Финансовое давление второго порядка 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 решения, направляя простые задачи к более маленьким, экономичным моделям с открытыми весами или специализированным доменным архитектурам. Резервируя топовые проприетарные модели исключительно для сложных задач рассуждения, корпоративные программные решения могут добиться существенного снижения эксплуатационных расходов, одновременно ограничивая общие затраты на выплату разработчикам основных моделей.
Несмотря на эти архитектурные оптимизации и меры по сдерживанию расходов, более широкая тенденция к глубокой корпоративной интеграции инструментов искусственного интеллекта остается очевидной во всех наборах данных о расходах. Почти 56 процентов измеренных компаний сохраняют активные обязательства по расходам на программное обеспечение для сервисов искусственного интеллекта, что свидетельствует о том, что эти платформы успешно превратились в важную бизнес-инфраструктуру. Основная задача, с которой сталкиваются разработчики фундаментальных моделей, заключается в преобразовании широко распространенной зависимости предприятий в защищаемые прибыли, способные финансировать огромные вычислительные инвестиции, необходимые для архитектур будущих моделей. Понимание этой динамики требует изучения OpenAI API окружение и то, как структуры ценообразования на основе использования 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 преимущество в общем объёме расходов в выборке технологически ориентированного бизнеса Ramp, OpenAI демонстрирует сильное коммерческое исполнение, ускоряя темп роста транзакций. Для рыночных стратегов и корпоративных покупателей технологий отслеживание финансовых потоков по сетям корпоративных карт предоставляет важный ранний индикатор конкурентной устойчивости в отрасли, характеризующейся высокой капиталоёмкостью и быстрым технологическим развитием.
Темы: OpenAI, Anthropic, Корпоративное программное обеспечение, Искусственный интеллект, Корпоративные расходы