OpenAI warte 1,25 biliona dolarów. Prześwietlamy finansowy fundament giganta AI

Światowa gospodarka technologiczna stanęła w obliczu historycznego momentu. OpenAI, firma która jeszcze kilka lat temu była niszowym laboratorium badawczym, została oficjalnie wyceniona na 1,25 biliona dolarów. To kwota, która stawia organizację Sama Altmana w jednym rzędzie z największymi gigantami krzemowej doliny, takimi jak Microsoft czy Alphabet. Najnowsza runda finansowania, w ramach której spółka pozyskała 11 miliardów dolarów, pokazuje, że apetyt inwestorów na rozwój dużych modeli językowych (LLM) wciąż jest ogromny, choć nie tak nieograniczony, jak mogłoby się wydawać jeszcze kwartał temu.

Analizując te liczby z perspektywy analityka rynku, widać wyraźną zmianę dynamiki. Jeszcze w marcu tego roku OpenAI wyceniano na 852 miliardy dolarów po zebraniu 122 miliardów od inwestorów. Skok o niemal 400 miliardów w tak krótkim czasie jest imponujący, ale warto zauważyć, że firma celowała pierwotnie w znacznie wyższy pułap. Ambicje sięgały 30 miliardów dolarów świeżej gotówki przy wycenie rzędu 1,4 biliona. Fakt, że ostatecznie stanęło na niższych wartościach, jest sygnałem, że rynek zaczyna trzeźwo oceniać ryzyka związane z kosztami energii, infrastrukturą serwerową oraz niepewnością regulacyjną.

Finansowy fundament i architektura wzrostu

Wzrost wyceny OpenAI do poziomu 1,25 biliona dolarów nie bierze się z próżni. To efekt bezprecedensowej dominacji w sektorze generatywnej sztucznej inteligencji. Z technicznego punktu widzenia, każdy miliard dolarów pozyskany od inwestorów jest natychmiastowo „spalany” w potężnych klastrach obliczeniowych. Utrzymanie i trenowanie modeli takich jak GPT-4 czy nadchodzące iteracje wymaga dziesiątek tysięcy układów H100 od Nvidii, co generuje koszty idące w miliardy dolarów rocznie. Inwestorzy, decydując się na tak wysoką wycenę, nie płacą za obecne zyski, lecz za obietnicę stworzenia AGI (Sztucznej Inteligencji Ogólnej), która zredefiniuje produktywność w każdym sektorze gospodarki.

Warto jednak zwrócić uwagę na kontekst rynkowy, który stał się mniej łaskawy dla spółek typu AI. Spadek cen akcji spółek technologicznych oraz wyniki wyborów środka kadencji w USA (midterms) wpłynęły na nastroje społeczne i polityczne. Coraz głośniej mówi się o negatywnym wpływie gigantycznych centrów danych na lokalną infrastrukturę energetyczną. OpenAI musi więc balansować między agresywnym rozwojem a rosnącą niechęcią części opinii publicznej do projektów pochłaniających gigawatogodziny energii. To właśnie te czynniki, obok korekty na giełdach, spowodowały, że finalna wycena w tej rundzie jest o 150 miliardów niższa od najbardziej optymistycznych założeń zarządu.

Anthropic i walka o prymat na giełdzie

OpenAI nie operuje w próżni, a jego najpoważniejszy rywal, Anthropic, właśnie wykonał ruch, który może zmienić układ sił. Złożenie dokumentu S-1 (wniosku o dopuszczenie do obrotu publicznego) przez Anthropic sugeruje, że firma ta może wyprzedzić OpenAI w wyścigu na giełdę. Co ciekawe, potencjalni nabywcy akcji Anthropic w ramach IPO wyceniają tę spółkę na około 1,1 biliona dolarów. Jest to wartość znacząco niższa od prognozowanych jeszcze miesiąc temu 2 bilionów, co potwierdza ogólnorynkową tendencję do urealniania oczekiwań wobec sektora AI. Rywalizacja tych dwóch podmiotów przypomina klasyczny duopol, gdzie OpenAI stawia na wszechstronność i ekosystem, a Anthropic na bezpieczeństwo i etykę (tzw. Constitutional AI).

Sam Altman, CEO OpenAI, przyjął jednak inną strategię. Zamiast „iść na noże” i forsować szybkie IPO, deklaruje priorytetowe traktowanie bezpieczeństwa modeli. Z perspektywy biznesowej jest to ruch ryzykowny – brak płynności dla wczesnych inwestorów i pracowników może rodzić frustrację. Z drugiej strony, OpenAI posiada tak silne zaplecze finansowe (łącznie ponad 130 miliardów dolarów pozyskanych w tym roku), że nie musi spieszyć się z upublicznieniem. Altman słusznie zauważa, że zbyt wczesne wejście na giełdę mogłoby być „złe dla świata”, gdyby presja kwartalnych wyników wymusiła drogę na skróty w kwestiach etycznych. Warto tu wspomnieć o rosnących obawach dotyczących bezpieczeństwa, o czym pisaliśmy w kontekście GPT-6 Cyber i jego zdolności do generowania exploitów.

Analiza porównawcza: OpenAI vs Konkurencja

Powyższa tabela jasno pokazuje, że OpenAI, mimo lekkiego „niedowiezienia” pierwotnych celów finansowych, wciąż pozostaje liderem wyceny. Skok z 852 miliardów na 1,25 biliona w osiem miesięcy to wzrost o ponad 46%. Dla porównania, tradycyjne sektory gospodarki potrzebują na taki wzrost dekad. Jednak to Anthropic może okazać się czarnym koniem, jeśli ich debiut giełdowy zakończy się sukcesem. Inwestorzy publiczni mają inne wymagania niż fundusze Venture Capital – będą oczekiwać jasnej ścieżki do rentowności, a nie tylko kolejnych wersji demonstracyjnych potężnych algorytmów.

Wyzwania regulacyjne i polski kontekst

Dla polskiego użytkownika i przedsiębiorcy, astronomiczne wyceny OpenAI mogą wydawać się odległe, ale mają one bezpośredni wpływ na lokalny rynek. Wysoka wycena oznacza stabilność API, z którego korzystają setki polskich software house’ów i startupów. Jednocześnie, ogromne zapotrzebowanie na kapitał wymusza na OpenAI szukanie oszczędności lub nowych źródeł przychodu, co może przełożyć się na cenniki usług subskrypcyjnych w Polsce. Należy również pamiętać o unijnych regulacjach (AI Act), które będą nakładać na firmy o takiej skali dodatkowe obowiązki w zakresie transparentności, co może być kosztowne w implementacji.

Kolejnym aspektem jest infrastruktura. Chociaż OpenAI nie buduje centrów danych bezpośrednio w Polsce, to globalny głód mocy obliczeniowej wpływa na ceny energii i dostępność podzespołów w całej Europie. Jeśli OpenAI i Anthropic będą nadal absorbować lwią część światowej produkcji układów H100 i B200, mniejsze podmioty w regionie CEE mogą mieć problem z budową własnych, suwerennych modeli AI. To walka o zasoby, w której 1,25 biliona dolarów wyceny jest najpotężniejszą bronią Sama Altmana.

Dział: Rankingi, Testy i Okazje

Karolina Wójcik

Redaktorka działu AI i Nauka w TechTendency.com, absolwentka informatyki oraz kognitywistyki na Uniwersytecie Warszawskim. Od lat analizuje rozwój sieci neuronowych, dużych modeli językowych (LLM) oraz algorytmów uczenia maszynowego. Kompetencje rozwijała w projektach badawczych z zakresu przetwarzania języka naturalnego i wdrożeń AI w biznesie. W tekstach stawia na twarde konkrety i przystępne wyjaśnianie złożonych technologii bez marketingowego szumu.