■ De Financial Times meldt dat OpenAI eind september richting investeerders een annualized revenue van ongeveer $50 miljard liet zien, terwijl eerder circa $70 miljard breed in de markt circuleerde. Anthropic telt cloudpartnerverkopen mee, OpenAI doet dat volgens de FT niet op dezelfde manier. Dáár zit meteen een belangrijk deel van het verschil. Bij Anthropic wordt ook commerciële activiteit meegenomen die via onder meer AWS en Google Cloud loopt, terwijl OpenAI vergelijkbare partnerverkopen niet op dezelfde manier in zijn eigen run rate verwerkt.
■ Het verschil van ongeveer $20 miljard betekent daarom niet dat OpenAI plotseling $20 miljard aan omzet heeft verloren. Rekenkundig ligt $50 miljard ongeveer 28,6% onder $70 miljard, maar de twee bedragen lijken niet exact dezelfde omzetbasis te gebruiken. Annualized revenue is bovendien geen geboekte jaaromzet, maar een recent omzettempo dat naar twaalf maanden wordt omgerekend. Bij de groeisnelheid van deze bedrijven kan zo’n run rate behoorlijk bewegen door de gekozen periode en de manier waarop verschillende verkoopkanalen worden behandeld.
■ Het eerdere cijfer van circa $70 miljard kan ook niet worden afgedaan als alleen een berekening van beleggers. Meerdere media koppelden dat bedrag eind september rechtstreeks aan OpenAI. De nieuwe FT-lezing is dat de informatie die OpenAI zelf richting investeerders verstrekte dichter bij $50 miljard lag en dat een deel van het hogere cijfer ontstond doordat OpenAI vergelijkbaar werd gemaakt met Anthropic. Zolang beide ondernemingen hun exacte definities niet volledig openbaar maken, kunnen deze twee lezingen naast elkaar bestaan.
■ Daarmee valt het nieuws fundamenteel duidelijk mee ten opzichte van de eerste headline. Er is geen bewijs dat de commerciële vraag naar OpenAI in korte tijd bijna 29% is ingestort en evenmin dat de bredere vraag naar AI plotseling sterk afneemt. Het relevante negatieve punt is subtieler: bepaalde waarderingen en verwachtingen voor toekomstige AI-investeringen kunnen zijn gebaseerd op een omzetbasis die ruimer of hoger was dan de maatstaf die OpenAI zelf gebruikte.
■ Voor beleggers draait het daarom vooral om Microsoft, NVIDIA, Broadcom, Oracle, CoreWeave, AMD, Amazon, Alphabet en de rest van de AI-keten. Een eerste schrikreactie kan fors zijn, omdat het bericht rechtstreeks raakt aan zeer hoge verwachtingen voor compute, datacenters, networking en energie. Zodra duidelijker wordt dat een belangrijk deel van het verschil voortkomt uit definities en de vergelijking met Anthropic, kan die eerste reactie echter best met een sisser aflopen. De echte vraag is niet of er plotseling $20 miljard omzet is verdwenen, maar of de toekomstige AI-omzet groot en winstgevend genoeg wordt om de enorme investeringen te dragen.

Wil je alle artikelen kunnen lezen en elke podcast beluisteren? Neem dan een abonnement en krijg toegang tot alle artikelen en de database met duizenden berichten.

Investment View

De belangrijkste fout die beleggers bij dit bericht kunnen maken, is het verschil tussen $50 miljard en $70 miljard behandelen alsof OpenAI eerst daadwerkelijk op een vergelijkbare basis $70 miljard omzet draaide en vervolgens plotseling terugviel naar $50 miljard. Voor die conclusie is geen bewijs. Wat we wel weten, is dat verschillende maatstaven en verschillende manieren om partnerverkopen te behandelen door elkaar zijn gaan lopen, terwijl de exacte definities niet publiek beschikbaar zijn.

Dat is belangrijk omdat het onderscheid de fundamentele betekenis volledig verandert. Een onderneming die bijna 30% van haar omzet verliest, zou wijzen op ernstige vraagproblemen. Een onderneming waarvan de markt een te ruime run rate heeft gebruikt, heeft een veel kleiner operationeel probleem. In dat tweede scenario moet vooral de waardering worden aangepast aan een nauwkeuriger uitgangspunt, terwijl de onderliggende adoptie van AI nog steeds zeer sterk kan blijven.

Tegelijk moeten we de andere kant niet op doorschieten. De circa $50 miljard is niet slechts een technisch detail dat zonder gevolgen kan worden genegeerd. De AI-sector staat voor uitzonderlijk grote investeringen en de huidige omzet van de modelbedrijven is uiteindelijk de economische basis waarop een deel van die infrastructuur moet worden terugverdiend. Een lagere vergelijkbare omzetbasis vergroot daarom de noodzaak om veel scherper te kijken naar kapitaalgebruik, marges en toekomstige vrije kasstroom.

Wil je alle artikelen kunnen lezen en elke podcast beluisteren? Neem dan een abonnement en krijg toegang tot alle artikelen en de database met duizenden berichten.

Eerst het belangrijkste onderscheid: dit is een run rate

Annualized revenue is geen omzet die al over een volledig boekjaar is gerealiseerd. Het is een recent omzettempo dat wordt geëxtrapoleerd naar twaalf maanden. Wanneer een onderneming bijvoorbeeld in september op een maandtempo van iets meer dan $4 miljard draait, kan daar een annualized revenue van ongeveer $50 miljard uit worden afgeleid.

Bij een onderneming die extreem snel groeit is dat nuttig, omdat historische cijfers snel verouderen. De keerzijde is dat de maatstaf gevoelig is voor het gekozen meetmoment. Een bijzonder sterke maand, een groot contract of een verandering in de manier waarop verkopen via partners worden meegenomen kan de uitkomst sterk beïnvloeden.

Daarom is de stap van $70 miljard naar $50 miljard fundamenteel iets anders dan een daling van gerealiseerde jaaromzet van $70 miljard naar $50 miljard. De eerste situatie kan grotendeels ontstaan door meetmethode en definitie, terwijl de tweede een daadwerkelijke verslechtering van de onderneming zou betekenen.

Waar het verschil met Anthropic precies zit

Anthropic vormt de sleutel tot het begrijpen van het hogere cijfer. Claude wordt rechtstreeks aangeboden, maar ook via grote cloudplatforms. Bedrijven kunnen bijvoorbeeld Claude gebruiken via AWS of Google Cloud zonder dat de commerciële relatie uitsluitend rechtstreeks met Anthropic verloopt.

Anthropic neemt de commerciële verkopen die via deze cloudpartners lopen mee in de omzetmaatstaf die voor zijn run rate wordt gebruikt. Daardoor weerspiegelt die maatstaf een bredere perimeter van economische activiteit rond Claude. OpenAI doet dat volgens de FT niet op dezelfde manier met vergelijkbare verkopen via partners.

Wanneer beleggers vervolgens beide ondernemingen willen vergelijken, ontstaat een probleem. Anthropic wordt op een bredere basis gemeten en OpenAI op een smallere. Om toch een vergelijkbare verhouding te krijgen, kan worden geprobeerd OpenAI naar dezelfde bredere omzetbasis om te rekenen. Dat kan een veel hoger getal opleveren dan de run rate die OpenAI zelf richting investeerders gebruikt.

Waarom het eerdere bedrag van $70 miljard toch serieus moet worden genomen

Het zou te gemakkelijk zijn om het hogere cijfer achteraf volledig af te doen als een fout van beleggers. Eind september koppelden verschillende media het bedrag rond $70 miljard op basis van bronnen rechtstreeks aan OpenAI. Dat betekent dat het getal meer status had dan een eenvoudige spreadsheetcorrectie van een analist.

De nieuwe informatie verandert dat beeld, maar wist het oude niet volledig uit. Het kan zijn dat verschillende bronnen verschillende definities gebruikten, dat sommige bronnen economische activiteit rond het bredere OpenAI-ecosysteem meenamen en dat investeerdersdocumenten juist een smallere interne maatstaf hanteerden. Zonder volledige publicatie van de onderliggende definities kan dat niet definitief worden opgelost.

De juiste conclusie is daarom niet dat één cijfer noodzakelijk waar is en het andere fout. De conclusie is dat de markt te gemakkelijk cijfers met verschillende omzetgrenzen heeft behandeld alsof ze exact dezelfde grootheid maten.

De headline is daardoor veel erger dan de onderliggende ontwikkeling

“OpenAI $20 miljard lager dan eerder gemeld” klinkt alsof een enorm gedeelte van de activiteit plotseling is verdwenen. Dat beeld wordt door de beschikbare informatie niet ondersteund. Er is geen aanwijzing dat klanten massaal afhaken, dat het gebruik plotseling sterk daalt of dat de onderneming in enkele weken bijna 30% van haar economische activiteit heeft verloren.

Wat wel duidelijk wordt, is dat de schaal van OpenAI onder de eigen gebruikte maatstaf waarschijnlijk kleiner is dan sommige beleggers uit het eerdere bedrag van $70 miljard afleidden. Dat kan gevolgen hebben voor de waardering van OpenAI zelf en indirect voor de meest agressieve verwachtingen rond de AI-infrastructuur.

Dat onderscheid is essentieel voor de beursreactie. Een echte vraaginstorting zou een fundamentele reden zijn om de gehele toekomstige vraagcurve veel lager te zetten. Een correctie van de omzetbasis rechtvaardigt vooral dat beleggers bepaalde waarderingsmodellen opnieuw kalibreren.

Een run rate van bijna $50 miljard blijft buitengewoon

De nuance wordt nog duidelijker wanneer het absolute niveau wordt bekeken. Een annualized revenue die richting $50 miljard gaat blijft uitzonderlijk voor een onderneming die relatief kort geleden nog een fractie daarvan genereerde.

Het onderliggende commerciële succes van generatieve AI verdwijnt dus niet door de nieuwe FT-informatie. OpenAI heeft in korte tijd een zeer grote inkomstenbasis opgebouwd en de groei van AI-gebruik bij consumenten en ondernemingen blijft de kern van de langetermijnthese.

Wat het bericht wel doet, is het verschil zichtbaar maken tussen spectaculaire groei en economische perfectie. Een onderneming kan extreem snel groeien en tegelijkertijd minder groot zijn dan de meest optimistische marktinterpretatie eerder suggereerde.

Anthropic laat tegelijkertijd zien waarom omzet alleen onvoldoende is

De vergelijking met Anthropic heeft nog een tweede dimensie. Een hoge omzetgroei zegt niet automatisch dat het onderliggende economische model al aantrekkelijk is. Modeltraining, inference en cloudcapaciteit zijn zeer kostbaar en de benodigde infrastructuur groeit mee met het gebruik.

Daardoor kunnen OpenAI en Anthropic enorme commerciële vooruitgang boeken terwijl de kostenbasis eveneens uitzonderlijk snel stijgt. Voor de volgende fase van de AI-markt wordt het daarom steeds belangrijker hoeveel brutowinst en vrije kasstroom uiteindelijk overblijft na de kosten van compute en distributie.

Dat is een veel fundamentelere discussie dan de vraag welk bedrijf de hoogste run rate meldt. De echte winnaar is uiteindelijk niet noodzakelijk het bedrijf met de grootste headline-omzet, maar het bedrijf dat die omzet tegen aantrekkelijke economische voorwaarden kan produceren.

Wil je alle artikelen kunnen lezen en elke podcast beluisteren? Neem dan een abonnement en krijg toegang tot alle artikelen en de database met duizenden berichten.

Dit is waarom de beurs eerst harder kan reageren dan gerechtvaardigd

AI-aandelen staan niet alleen hoog omdat de huidige omzet sterk is. Ze weerspiegelen ook verwachtingen over tientallen miljarden dollars aan extra toekomstige vraag. Wanneer één van de belangrijkste private AI-bedrijven ineens met een lager referentiegetal wordt verbonden, ontstaat onmiddellijk twijfel over de omvang van die toekomstige markt.

Daar komt bij dat veel aandelen in de keten sterk zijn gestegen. Een negatieve headline kan daarom winstnemingen uitlokken bij beleggers die al grote winsten hebben opgebouwd. Computersystemen en kortetermijnhandel kunnen die eerste beweging verder versterken voordat de nuance volledig wordt verwerkt.

Juist daardoor hoeft de eerste koersreactie niet representatief te zijn voor de uiteindelijke fundamentele conclusie. De markt kan op dag één reageren op “$20 miljard minder” en pas daarna analyseren dat die $20 miljard niet verdwenen omzet vertegenwoordigt.

Waarom het vervolgens best met een sisser kan aflopen

Wanneer beleggers het verschil tussen beide definities beter begrijpen, verandert de centrale vraag. In plaats van “waarom stort de omzet in?” wordt het “welke omzetbasis is het meest geschikt om OpenAI en Anthropic te vergelijken?” Dat is een veel minder bedreigende vraag voor de bredere AI-cyclus.

Als tegelijkertijd blijkt dat de vraag naar GPU’s, cloudcapaciteit, networking en AI-software onveranderd sterk blijft, is er weinig fundamentele reden om dit ene bericht als begin van een structurele terugval te behandelen. Een gedeelte van een eerste sell-off kan dan worden teruggedraaid.

Dat scenario is niet gegarandeerd. Een markt die extreem hoge verwachtingen heeft ingeprijsd kan zelfs op een relatief kleine tegenvaller langere tijd zwak blijven. De beschikbare informatie geeft echter wel voldoende reden om een scherpe eerste beweging niet automatisch te extrapoleren.

Waar de echte waarschuwing wel zit: AI-capex wordt steeds groter

De belangrijke negatieve boodschap zit niet in de vermeende verdwenen $20 miljard, maar in de verhouding tussen de omzet van de AI-labs en de investeringen van de bedrijven die hun infrastructuur leveren.

Datacenters, accelerators, networking, energievoorziening en koeling vergen enorme bedragen. Naarmate deze plannen groter worden, moet ook de toekomstige winstcapaciteit van de eindmarkt meegroeien. Een iets kleinere omzetbasis maakt die verhouding minder ruim.

De markt zal daarom steeds kritischer moeten kijken naar de economische opbrengst per dollar AI-capex. Zolang iedere nieuwe generatie modellen veel meer compute vereist, kan omzetgroei indrukwekkend blijven terwijl het rendement op het extra geïnvesteerde kapitaal achterblijft.

Microsoft: OpenAI is belangrijk, maar Microsoft is geen OpenAI-aandeel

Microsoft is waarschijnlijk de eerste grote beursnaam waar beleggers aan denken. De relatie met OpenAI loopt via Azure en verschillende producten, terwijl Microsoft zelf enorme bedragen investeert in datacenters en AI-capaciteit.

Toch zou een directe koppeling tussen OpenAI’s run rate en de waardering van Microsoft te eenvoudig zijn. Microsoft kan AI monetiseren via Azure, Microsoft 365, GitHub, security, Dynamics en verschillende andere producten. De onderneming beschikt bovendien over een enorme bestaande zakelijke klantenbasis waar nieuwe AI-functies aan kunnen worden verkocht.

Voor Microsoft draait de relevante vraag daarom vooral om het rendement op de totale AI-investeringen. Wanneer de eindmarkt iets kleiner blijkt dan de meest agressieve verwachtingen, kan de terugverdientijd langer worden, maar dat is iets anders dan een plotselinge verslechtering van de volledige AI-strategie.

NVIDIA: dit is geen bewijs dat de vraag naar accelerators instort

NVIDIA wordt vooral gewaardeerd op de enorme vraag naar compute. OpenAI is daar onderdeel van, maar de klantenbasis is veel breder en omvat hyperscalers, ondernemingen, andere AI-labs en overheden.

Het FT-bericht verandert niet direct hoeveel accelerators deze klanten vandaag nodig hebben. Een verschil in de definitie van OpenAI’s run rate is geen bewijs dat datacenters plotseling minder GPU’s bestellen.

Op langere termijn is de informatie wel relevant. Wanneer de uiteindelijke economische omzet van AI veel lager zou worden dan verwacht, kan het tempo waarin steeds meer compute wordt toegevoegd niet onbeperkt blijven stijgen. Voor NVIDIA is dit daarom vooral een waarschuwing voor de lange termijn verwachtingen en niet direct voor de huidige vraag.

Wil je alle artikelen kunnen lezen en elke podcast beluisteren? Neem dan een abonnement en krijg toegang tot alle artikelen en de database met duizenden berichten.

Broadcom: custom silicon heeft een bredere basis

Broadcom zit via networking en custom accelerators diep in de AI-infrastructuur, maar de ontwikkeling wordt gedragen door meerdere grote technologiebedrijven. Custom silicon wordt juist belangrijker doordat hyperscalers hun kosten, prestaties en energieverbruik zelf willen optimaliseren.

De OpenAI-cijfers veranderen die trend niet direct. Grote klanten blijven eigen accelerators en netwerken ontwikkelen, ongeacht of OpenAI’s run rate op één specifieke datum $50 miljard of $70 miljard bedraagt.

Voor Broadcom zit het risico daarom vooral in de waardering. Wanneer de markt besluit dat de totale toekomstige AI-economie iets minder groot wordt dan eerder verondersteld, kan een lagere multiple worden toegepast op toekomstige groei zonder dat de huidige orders onmiddellijk veranderen.

Oracle: de discussie raakt hier sterker aan kapitaal

Oracle heeft een andere gevoeligheid omdat OCI snel capaciteit bouwt voor grote AI-workloads. Bij zulke investeringen wordt veel kapitaal vooraf uitgegeven, terwijl de economische opbrengst over meerdere jaren wordt gerealiseerd.

Een lagere omzetbasis bij belangrijke AI-klanten maakt beleggers daarom gevoeliger voor utilization, contractduur en terugverdientijd. Hoe sneller de nieuwe capaciteit wordt gevuld en hoe steviger de contracten, hoe minder belangrijk één lagere private run rate uiteindelijk wordt.

Voor Oracle is het FT-bericht daarom vooral een reden om nog scherper te kijken naar de kwaliteit van de groei. Sterke contracten met goede kasstromen zijn belangrijker dan headlinecapaciteit alleen.

CoreWeave heeft de grootste directe gevoeligheid voor het financieringsvraagstuk

CoreWeave is veel directer gekoppeld aan gespecialiseerde AI-compute en heeft daardoor een kapitaalintensiever risicoprofiel. Wanneer beleggers twijfelen aan de uiteindelijke economische draagkracht van de AI-labs, raakt dat sneller de waardering van een onderneming die voortdurend nieuwe infrastructuur moet financieren.

Daarom kan CoreWeave op een bericht als dit relatief sterker reageren. De markt zal onmiddellijk kijken naar bezettingsgraad, klantconcentratie, contracten en financieringskosten.

Ook daar geldt echter dat een lagere OpenAI-run-rate niet automatisch betekent dat bestaande capaciteit minder wordt gebruikt. De operationele cijfers van CoreWeave zelf blijven veel belangrijker dan één verschil tussen twee externe omzetmaatstaven.

AMD kan blijven groeien wanneer het marktaandeel wint

Voor AMD is de analyse anders. De onderneming hoeft niet noodzakelijk een steeds grotere totale markt te zien om zelf snel te groeien. Zij kan ook omzet winnen door een groter gedeelte van de bestaande AI-acceleratormarkt te veroveren.

Dat maakt AMD relatief minder afhankelijk van één theoretische schatting van de totale AI-omzetpool. Zelfs wanneer die markt iets kleiner wordt dan de meest agressieve scenario’s, kan AMD nog steeds sterke groei realiseren als klanten meer alternatieven voor NVIDIA inzetten.

Het bericht kan de waardering en het sentiment rond de sector raken, maar verandert weinig aan de centrale operationele vraag voor AMD: hoeveel marktaandeel kan het daadwerkelijk veroveren?

Amazon en Alphabet staan juist aan de andere kant van de Anthropic-vergelijking

Amazon en Alphabet zijn bijzonder interessant omdat zij via AWS en Google Cloud onderdeel zijn van de distributie van Anthropic. Juist daar ontstaat de omzetkwestie die nu zo belangrijk is geworden.

Een klant die Claude via een cloudplatform gebruikt, creëert economische activiteit voor Anthropic én voor de cloudpartner. Dat betekent niet automatisch dat dezelfde dollar omzet twee keer moet worden beschouwd als nieuwe eindvraag voor de gehele AI-markt.

Voor Amazon en Alphabet is het juist aantrekkelijk dat zij infrastructuurinkomsten kunnen verdienen aan Anthropic-gebruik. De winstgevendheid van AWS of Google Cloud hoeft daardoor niet gelijk te lopen met die van Anthropic zelf.

Dit verschil laat goed zien waarom beleggers steeds nauwkeuriger moeten bepalen waar in de waardeketen omzet wordt geboekt en wie uiteindelijk de beste marge op dezelfde AI-workload verdient.

De belangrijkste les is dat omzet in de AI-keten niet zomaar mag worden opgeteld

AI bestaat inmiddels uit verschillende economische lagen. Er is een modelleverancier, een cloudplatform, een chipmaker, een datacenter en vaak nog een enterprise softwarelaag die dezelfde eindgebruiker bedient.

Wanneer verschillende ondernemingen allemaal omzet genereren rond dezelfde workload, kan de totale activiteit in de keten spectaculair lijken zonder dat iedere omzetdollar een afzonderlijke dollar aan eindvraag vertegenwoordigt. Dat is normaal in iedere supply chain, maar wordt problematisch wanneer beleggers de verschillende lagen zonder correctie als één grote eindmarkt behandelen.

De discussie rond OpenAI en Anthropic is daarom nuttig. Ze dwingt de markt beter na te denken over wat daadwerkelijk eindomzet is, wat partneromzet is en hoeveel economische waarde iedere laag uiteindelijk zelf behoudt.

Dit verandert de AI-these minder dan de manier waarop we haar moeten waarderen

De structurele vraag naar generatieve AI, compute en cloudcapaciteit is door dit bericht niet verdwenen. OpenAI richting $50 miljard annualized revenue blijft een enorme commerciële prestatie en Anthropic groeit eveneens zeer snel.

Wat wel verandert, is de discipline die nodig is bij het waarderen van die groei. Een run rate kan niet zonder verdere analyse worden gebruikt om honderden miljarden aan toekomstige infrastructuurinvesteringen te rechtvaardigen.

De volgende fase wordt daarom minder gedreven door spectaculaire omzetkoppen en meer door brutomarges, vrije kasstroom, bezettingsgraad en rendement op geïnvesteerd kapitaal. Dat kan juist gunstig zijn voor bedrijven die aantoonbaar sterke economics hebben.

Wat we nu willen zien uit de beursgenoteerde keten

De belangrijkste bevestiging komt niet van een nieuwe OpenAI-headline, maar van de ondernemingen die daadwerkelijk miljarden verdienen aan de AI-capex. Wanneer Microsoft, NVIDIA, Broadcom, Oracle, Amazon en Alphabet hun vraagbeeld intact houden, is dat een veel sterker signaal over de echte markt dan het verschil tussen twee private run rates.

Ook de bezettingsgraad van datacenters wordt steeds belangrijker. Capaciteit die snel wordt gevuld rechtvaardigt verdere investeringen, terwijl structureel lege capaciteit zou wijzen op overbouw. Dat is uiteindelijk een veel fundamenteler alarmsignaal dan een verschil in omzetdefinities.

Ten slotte moet financiering worden gevolgd. Zolang grote AI-projecten tegen werkbare voorwaarden kunnen worden gefinancierd en de cashflows uit bestaande capaciteit groeien, blijft de infrastructuurcyclus overeind. Een duidelijke verslechtering van die economics zou veel serieuzer zijn dan het huidige FT-bericht.

Wil je alle artikelen kunnen lezen en elke podcast beluisteren? Neem dan een abonnement en krijg toegang tot alle artikelen en de database met duizenden berichten.

Conclusie

De stap van ongeveer $70 miljard naar ongeveer $50 miljard klinkt veel erger dan de onderliggende feiten rechtvaardigen. OpenAI heeft geen $20 miljard aan bestaande omzet verloren en de circa 28,6% kloof zit voor een belangrijk deel in verschillende definities van annualized revenue en in de vergelijking met Anthropic, dat omzet via cloudpartners als AWS en Google Cloud breder meeneemt.

Tegelijk kan het lagere eigen OpenAI-cijfer niet volledig worden genegeerd, omdat een kleinere vergelijkbare omzetbasis de verhouding tussen eindomzet en de enorme toekomstige AI-capex minder comfortabel maakt. Voor Microsoft, NVIDIA, Broadcom, Oracle, CoreWeave, AMD, Amazon en Alphabet is dit daarom vooral een kwestie van waardering en toekomstige rendementen, niet van bewezen vraaguitval vandaag.

Na een mogelijke eerste schrikreactie kan de markt tot een veel mildere conclusie komen en kan het bericht best met een sisser aflopen, zolang gebruik, bezettingsgraad en investeringsvraag in de bredere AI-keten sterk blijven.

Wil je alle artikelen kunnen lezen en elke podcast beluisteren? Neem dan een abonnement en krijg toegang tot alle artikelen en de database met duizenden berichten.

English version

OpenAI is closer to $50 billion than $70 billion: what this really means for NVIDIA, Microsoft and the AI ecosystem

■ The Financial Times reports that OpenAI showed investors annualised revenue of roughly $50 billion at the end of September, while a figure of approximately $70 billion had previously circulated widely in the market. Anthropic includes cloud-partner sales, while OpenAI does not treat comparable partner sales in the same way according to the FT. That immediately explains an important part of the gap. Anthropic includes commercial activity generated through platforms such as AWS and Google Cloud in the revenue measure used for its run rate, while OpenAI uses a narrower treatment for comparable partner sales.
■ The roughly $20 billion difference therefore does not mean OpenAI suddenly lost $20 billion of revenue. Mathematically, $50 billion is about 28.6% below $70 billion, but the two figures do not appear to use exactly the same revenue perimeter. Annualised revenue is also not recognised annual revenue; it is a recent revenue pace extrapolated over twelve months. At the growth rates of these businesses, that run rate can move meaningfully depending on the period selected and the treatment of different sales channels.
■ The earlier figure of roughly $70 billion cannot simply be dismissed as an investor calculation either. Several media outlets linked that figure directly to OpenAI in late September. The new FT interpretation is that information provided directly to investors was closer to $50 billion and that part of the higher figure came from efforts to make OpenAI comparable with Anthropic. Until both companies fully disclose their definitions, the two readings can coexist.
■ The news is therefore materially less negative than the first headline suggests. There is no evidence that commercial demand for OpenAI suddenly collapsed by almost 29%, nor that broader demand for AI has abruptly weakened. The relevant negative point is more subtle: some valuations and expectations for future AI investment may have been based on a revenue base that was broader or higher than the measure OpenAI itself used.
■ For investors, the real issue is therefore Microsoft, NVIDIA, Broadcom, Oracle, CoreWeave, AMD, Amazon, Alphabet and the rest of the AI ecosystem. The initial market reaction can be severe because the story directly touches very high expectations for compute, data centres, networking and power. Once it becomes clearer that a meaningful part of the discrepancy comes from definitions and the comparison with Anthropic, however, that first reaction could easily fade. The real question is not whether $20 billion of revenue has suddenly disappeared, but whether future AI revenue becomes large and profitable enough to support the extraordinary level of investment.

Investment View

The biggest mistake investors can make with this story is to treat the gap between $50 billion and $70 billion as though OpenAI had actually been generating $70 billion on a directly comparable basis and suddenly fell to $50 billion. There is no evidence for that interpretation. What the available information does show is that different metrics and different treatments of partner sales have been mixed together while the exact definitions remain private.

That distinction completely changes the fundamental meaning. A company losing almost 30% of its revenue would signal a severe demand problem. A company whose market participants used an overly broad run rate faces a much smaller operational issue. In the latter case, valuations need to be recalibrated to a more accurate starting point while underlying AI adoption can remain very strong.

At the same time, the opposite mistake would be to dismiss the roughly $50 billion figure as irrelevant. The AI sector faces exceptional investment requirements and the current revenue generated by model companies is ultimately part of the economic foundation supporting that infrastructure. A lower comparable revenue base therefore makes it more important to scrutinise capital efficiency, margins and future free cash flow.

The first distinction: this is a run rate

Annualised revenue is not revenue already recognised over a full fiscal year. It is a recent revenue pace extrapolated over twelve months. If a company generates slightly more than $4 billion in a given month, for example, that can translate into an annualised revenue figure around $50 billion.

For an extremely fast-growing company this can be useful because historical figures become outdated quickly. The weakness is that the measure is highly sensitive to the period selected. A particularly strong month, a major contract or a different treatment of partner sales can materially change the result.

The move from $70 billion to $50 billion is therefore fundamentally different from recognised annual revenue falling from $70 billion to $50 billion. The former can largely reflect measurement and definition, while the latter would represent a genuine deterioration in the business.

Where the difference with Anthropic sits

Anthropic is the key to understanding the higher figure. Claude is sold directly, but it is also distributed through major cloud platforms. Companies can use Claude through AWS or Google Cloud without the commercial relationship being exclusively direct with Anthropic.

Anthropic includes commercial sales generated through these cloud partners in the revenue measure used for its run rate. The result is a broader perimeter of economic activity around Claude. According to the FT, OpenAI does not treat comparable partner sales in the same way in its own run rate.

When investors then try to compare the two companies, a problem emerges. Anthropic is measured on a broader basis while OpenAI is measured on a narrower one. Attempting to place them on the same economic basis can therefore produce a substantially higher OpenAI figure than the run rate the company itself uses with investors.

Why the earlier $70 billion figure still matters

It would be too easy to dismiss the higher number entirely as an investor mistake. Several media outlets linked the roughly $70 billion figure directly to OpenAI through sources in late September. The number therefore carried more weight than a simple spreadsheet adjustment made by one analyst.

The new information changes the picture but does not erase the earlier reporting. Different sources may have used different definitions, some may have included broader OpenAI ecosystem activity, while investor documents may have relied on a narrower internal measure. Without full disclosure of the underlying definitions, that cannot be resolved definitively.

The correct conclusion is therefore not that one figure must be true and the other false. It is that the market became too comfortable treating figures with different revenue boundaries as though they measured the same thing.

The headline is much worse than the underlying development

“OpenAI is $20 billion lower than previously reported” sounds as though an enormous portion of activity has suddenly disappeared. The available evidence does not support that interpretation. There is no sign that customers are leaving en masse, usage is collapsing or the company has lost almost 30% of its economic activity within weeks.

What does become clear is that OpenAI's scale under its own reported metric is probably smaller than some investors inferred from the earlier $70 billion figure. That can matter for OpenAI's valuation and indirectly for the most aggressive expectations surrounding AI infrastructure.

The distinction is critical for markets. A real demand collapse would justify lowering the entire future demand curve substantially. A correction in the revenue base primarily requires investors to recalibrate certain valuation models.

A run rate approaching $50 billion remains extraordinary

The nuance becomes even clearer when the absolute figure is considered. Annualised revenue approaching $50 billion is still extraordinary for a company that was generating only a fraction of that amount relatively recently.

The underlying commercial success of generative AI therefore does not disappear because of the new FT information. OpenAI has built a very large revenue base in a short period and continued adoption among consumers and enterprises remains central to the long-term AI thesis.

What the story does highlight is the difference between spectacular growth and economic perfection. A company can grow at an exceptional rate while still being smaller than the market's most optimistic interpretation had suggested.

Anthropic also demonstrates why revenue alone is insufficient

The Anthropic comparison has a second dimension. High revenue growth does not automatically mean the underlying economic model is already attractive. Model training, inference and cloud capacity are extremely expensive, and the required infrastructure scales with usage.

OpenAI and Anthropic can therefore make enormous commercial progress while their cost bases also rise rapidly. The next stage of the AI market will increasingly focus on how much gross profit and free cash flow remain after compute and distribution costs.

That is a much more fundamental question than which company reports the larger run-rate headline. The ultimate winner is not necessarily the company with the largest top-line figure, but the one capable of producing that revenue at attractive economics.

Why the market can initially overreact

AI stocks are not highly valued only because current revenue is strong. Their prices also reflect expectations for tens of billions of dollars of additional future demand. When one of the most important private AI companies is suddenly associated with a lower reference figure, doubts immediately arise about the ultimate size of that market.

Many stocks across the supply chain have also risen substantially. A negative headline can therefore trigger profit-taking among investors sitting on large gains. Short-term trading and automated strategies can amplify the first move before the details are fully understood.

The first market reaction consequently does not need to represent the eventual fundamental conclusion. The market can trade “$20 billion lower” on day one and only afterwards analyse that the $20 billion does not represent vanished revenue.

Why the shock could then fade

Once investors understand the difference between the two definitions, the central question changes. Instead of asking why revenue collapsed, they ask which revenue perimeter is appropriate for comparing OpenAI and Anthropic. That is a far less threatening issue for the broader AI cycle.

If demand for GPUs, cloud capacity, networking and AI software remains strong at the same time, there is little fundamental reason to interpret this one story as the beginning of a structural downturn. Part of an initial sell-off could then reverse.

This outcome is not guaranteed. A market priced for very high expectations can remain weak even after a relatively modest disappointment. The available information does, however, provide a clear reason not to extrapolate a sharp first move automatically.

The real warning is that AI capital spending keeps rising

The important negative message is not the supposedly missing $20 billion but the relationship between AI-lab revenue and the investment being made by infrastructure providers.

Data centres, accelerators, networking, power infrastructure and cooling require enormous amounts of capital. As these plans grow, the future profit pool of the end market also needs to grow sufficiently to support them. A somewhat smaller revenue base makes that relationship less generous.

Investors therefore need to focus increasingly on the economic return generated by each dollar of AI capital spending. If every new model generation requires far more compute, revenue can continue growing impressively while returns on incremental capital deteriorate.

Microsoft: OpenAI matters, but Microsoft is not an OpenAI stock

Microsoft is probably the first major public company investors associate with the story. The relationship with OpenAI runs through Azure and multiple Microsoft products, while Microsoft itself is investing enormous sums in AI infrastructure.

A direct link between OpenAI's run rate and Microsoft's valuation would nevertheless be too simplistic. Microsoft can monetise AI across Azure, Microsoft 365, GitHub, security, Dynamics and numerous other products. It also has a huge existing enterprise customer base to which new AI functionality can be sold.

For Microsoft, the relevant question is therefore the return generated by total AI investment. If the ultimate market is somewhat smaller than the most aggressive assumptions, payback periods can lengthen, but that is very different from the broader AI strategy suddenly becoming weak.

NVIDIA: this is not evidence of collapsing accelerator demand

NVIDIA is primarily valued on extraordinary demand for compute. OpenAI is part of that demand, but the customer base is much broader and includes hyperscalers, enterprises, other AI labs and governments.

The FT report does not directly change how many accelerators those customers need today. A difference in OpenAI's run-rate definition is not evidence that data centres have suddenly stopped ordering GPUs.

Over the longer term, however, the information does matter. If the ultimate economic revenue generated by AI ends up materially below expectations, an indefinitely rising pace of compute investment becomes harder to justify. For NVIDIA, this is therefore more of a warning against aggressive long-term extrapolation than a signal that the current demand cycle is breaking.

Broadcom: custom silicon has a broader foundation

Broadcom is deeply exposed to AI infrastructure through networking and custom accelerators, but the development is supported by multiple large technology companies. Custom silicon is becoming increasingly important because hyperscalers want to optimise cost, performance and power consumption themselves.

The OpenAI numbers therefore do not materially change that structural trend. Major customers continue developing proprietary accelerators and networking infrastructure regardless of whether OpenAI's run rate on one date is $50 billion or $70 billion.

The main risk for Broadcom is valuation. If investors decide that the future AI economy is somewhat smaller than previously assumed, they may apply lower multiples to future networking and accelerator growth without current orders deteriorating immediately.

Oracle: the capital discussion matters more here

Oracle has a different sensitivity because OCI is rapidly building capacity for large AI workloads. Such projects require substantial capital upfront while economic returns are realised over multiple years.

A lower revenue base among major AI customers therefore makes investors more sensitive to utilisation, contract duration and payback periods. The faster new capacity fills and the stronger the contracts are, the less important one lower private run rate ultimately becomes.

For Oracle, the FT report is mainly a reason to scrutinise the quality of growth more carefully. Strong contracts and attractive cash flows matter more than headline capacity alone.

CoreWeave has the greatest direct sensitivity to financing

CoreWeave is much more directly tied to specialised AI compute and consequently carries a more capital-intensive risk profile. If investors begin to question the economic capacity of major AI labs, that can affect the valuation of a business that continually needs to finance new infrastructure.

CoreWeave can therefore react more sharply to a story like this. Investors will immediately focus on utilisation, customer concentration, contract quality and financing costs.

Even here, however, a lower OpenAI run rate does not automatically mean existing CoreWeave capacity is less utilised. CoreWeave's own operating metrics remain far more important than the difference between two external revenue measures.

AMD can grow by gaining share

AMD is in a different position because it can still gain substantial market share within AI accelerators. The total market does not need to expand at the most aggressive expected rate for AMD itself to deliver strong growth.

This makes AMD less dependent on any single theoretical estimate of the total AI revenue pool. Even if the overall market turns out somewhat smaller than the most optimistic forecasts, AMD can still grow rapidly if customers deploy more alternatives to NVIDIA.

The OpenAI story can affect sector valuation and sentiment, but it changes little about the central operating question for AMD: how much market share can it actually capture?

Amazon and Alphabet sit on the other side of the Anthropic comparison

Amazon and Alphabet are particularly relevant because AWS and Google Cloud are part of Anthropic's distribution model. This is exactly where the revenue-perimeter issue becomes important.

A customer using Claude through a cloud platform creates economic activity for Anthropic and for the cloud provider. That does not automatically mean the same dollar should be treated twice as new end demand for the overall AI market.

For Amazon and Alphabet, it is valuable that they can earn infrastructure revenue from Anthropic usage. The profitability of AWS or Google Cloud therefore does not need to move in line with Anthropic's own profitability.

This distinction demonstrates why investors increasingly need to identify precisely where revenue is recognised and which layer of the value chain ultimately earns the best margin from the same AI workload.

The key lesson is that revenue across the AI chain cannot simply be added together

AI now consists of multiple economic layers. There is a model provider, a cloud platform, a chip supplier, a data centre and frequently an enterprise software layer serving the same end user.

When several companies all generate revenue around the same workload, total activity across the chain can look spectacular without every reported dollar representing a separate dollar of end demand. That is normal in any supply chain but becomes misleading when investors treat all layers as one undifferentiated end market.

The OpenAI and Anthropic debate is therefore useful. It forces the market to distinguish between genuine end revenue, partner revenue and the share of economic value retained by each layer.

This changes the way AI should be valued more than it changes the AI thesis

Structural demand for generative AI, compute and cloud capacity has not disappeared. OpenAI approaching $50 billion of annualised revenue remains an enormous commercial achievement and Anthropic is also growing rapidly.

What does change is the discipline required when valuing that growth. A run rate cannot simply be used to justify hundreds of billions of dollars of future infrastructure spending without analysing the economics underneath it.

The next phase of the AI market is therefore likely to be driven less by spectacular revenue headlines and more by gross margin, free cash flow, utilisation and return on invested capital. That can ultimately be beneficial for companies with genuinely strong economics.

What we now want to see from the listed supply chain

The most important confirmation will not come from another OpenAI headline but from the companies actually earning billions from AI capital spending. If Microsoft, NVIDIA, Broadcom, Oracle, Amazon and Alphabet leave their own demand outlooks intact, that is a much stronger signal about the real market than the gap between two private run rates.

Data-centre utilisation also becomes increasingly important. Capacity that fills quickly justifies further investment, while persistently unused capacity would represent a far more serious warning that the industry has built too far ahead.

Financing is the final variable to watch. As long as major AI projects can continue attracting capital on workable terms and cash flows from existing capacity keep growing, the infrastructure cycle remains intact. A clear deterioration in those economics would be much more serious than the current FT report.

Conclusion

The move from roughly $70 billion to roughly $50 billion sounds far worse than the underlying facts justify. OpenAI has not lost $20 billion of existing revenue, and a meaningful part of the roughly 28.6% gap reflects different definitions of annualised revenue and the comparison with Anthropic, which includes cloud-partner sales through platforms such as AWS and Google Cloud more broadly. The lower OpenAI measure still matters because a smaller comparable revenue base makes the relationship between end revenue and enormous future AI capital spending less comfortable. For Microsoft, NVIDIA, Broadcom, Oracle, CoreWeave, AMD, Amazon and Alphabet, this is therefore primarily a valuation and future-return issue rather than evidence of demand destruction today. After a possible initial shock, the market could reach a much milder conclusion and the story may ultimately fade considerably as long as usage, utilisation and investment demand across the broader AI ecosystem remain strong.

Wil je alle artikelen kunnen lezen en elke podcast beluisteren? Neem dan een abonnement en krijg toegang tot alle artikelen en de database met duizenden berichten.